一種視頻預覽圖生成方法、裝置、服務器以及系統制造方法及圖紙

本發明專利技術提出一種視頻預覽圖生成方法、裝置、服務器以及系統。所述方法包括如下步驟：接收視頻預覽請求；獲取所述視頻預覽請求所對應的視頻列表；獲取所述視頻列表中視頻的視頻截圖集合；將所述視頻截圖集合輸入到二分類深度神經網絡模型，并獲得所述模型的輸出的概率結果；依據所述概率結果對所述視頻截圖集合中的視頻截圖進行選擇，確定所述視頻預覽圖。

Method, device, server and system for generating video preview map

The invention provides a method, a device, a server and a system for generating a video preview map. The method comprises the following steps: receiving a video preview request; obtaining the video preview video list corresponding to the request; the video capture video in the list of video shots set; the video collection input to the two depth of classification neural network model, and get the output of the model based on the probability of the results; the results of the probability of video shots in the collection of video shots, the video preview.

【技術實現步驟摘要】
一種視頻預覽圖生成方法、裝置、服務器以及系統
本專利技術屬于計算機圖像處理領域，具體涉及一種視頻預覽圖生成方法、裝置、服務器以及系統。
技術介紹
用戶通過網絡觀看視頻時，若不了解視頻的相關情況想通過預覽的方式了解該視頻的大概內容，以決定是否繼續觀看。這種情況下，用戶往往通過隨意的不斷拖動來了解一個視頻，這種拖動很有隨意性，大部分情況下，用戶拖動的位置不一定就是整個視頻的關鍵部分，這種方式對用戶快速了解整個視頻的內容起到的效果有限。因此，在這種情況下，用戶急需一個自動產生電影的預告片一樣功能，給用戶提供快速影片的內容預覽功能，即視頻預覽圖。目前，視頻預覽圖大多采用人工選定或者機器自動生成的方式。使用人工選定的方式，視頻預覽圖的生成會耗費較多的人力成本和時間成本，尤其是當前網絡信息爆炸式膨脹，面臨著海量的視頻信息，人工篩選的方式弊端逐漸展現。此外，人工選定的視頻預覽圖收到選定者主觀因素影響較為嚴重，未必能準確地反映視頻的主要內容。而機器自動生成的方式則主要依靠計算機在視頻中對視頻進行隨機截取，這種方式可以節約人工成本，但是生成的預覽圖隨機性高，智能性差，并且往往無法體現出視頻所以表達的信息。
技術實現思路
為了解決現有技術中預覽圖生成過程耗費人工和時間成本高，預覽圖反映視頻內能可能不夠準確的問題，本專利技術實施例提供了一種視頻預覽圖生成方法、裝置、服務器以及系統。所述技術方案如下：第一方面，提供了視頻預覽圖生成方法，所述方法包括：接收視頻預覽請求；獲取所述視頻預覽請求所對應的視頻列表；獲取所述視頻列表中視頻的視頻截圖集合；將所述視頻截圖集合輸入到二分類深度神經網絡模型，并獲得所述模型的輸出的概率結果；依據所述概率結果對所述視頻截圖集合中的視頻截圖進行選擇，確定所述視頻預覽圖。第二方面，提供了視頻預覽圖生成裝置，所述裝置包括：預覽請求接收模塊，用于接收視頻預覽請求；視頻列表獲取模塊，用于獲取所述視頻預覽請求所對應的視頻列表；視頻截圖獲取模塊，用于獲取所述視頻列表中視頻的視頻截圖集合；概率結果獲取模塊，用于將所述視頻截圖集合輸入到二分類深度神經網絡模型，并獲得所述模型的輸出的概率結果；視頻預覽圖確定模塊，用于依據所述概率結果對所述視頻截圖集合中的視頻截圖進行選擇，確定所述視頻預覽圖。第三方面，提供了一種服務器，包括視頻預覽圖生成裝置。第四方面，提供了一種系統，用于生成視頻預覽圖，所述系統包括：客戶端，服務器，標引客戶端；所述服務器包含視頻預覽圖生成裝置。本專利技術能夠達到的有益效果：利用二分類深度神經網絡模型獲得視頻截圖作為視頻預覽圖的概率，進而獲得視頻預覽圖。相較于人工篩選的方法能夠大大節省時間和人力成本，相較于機器篩選方法具有更多的人工智能性，能夠從視頻截圖中甄選出更合適的截圖作為視頻預覽圖。附圖說明下面結合附圖對本專利技術的具體實施方式作進一步詳細的說明；圖1是本專利技術一個實施例提供的實施環境的示意圖。圖2是本專利技術一個實施例提供的后臺服務器的架構圖。圖3是本專利技術一個實施例提供的視頻預覽圖生成方法流程圖。圖4是本專利技術另一個實施例提供的視頻預覽圖生成方法流程圖。圖5是本專利技術實施例提供的二分類神經網絡結構圖。圖6是本專利技術另一實施例提供的視頻截圖標準化流程圖。圖7是本專利技術一個實施例提供的視頻預覽圖生成裝置框圖。圖8是本專利技術另一個實施例提供的視頻預覽圖生成裝置框圖。圖9是本專利技術實施例提供的二分類深度神經網絡模型訓練模塊框圖。圖10是本專利技術實施例提供的概率結果獲取模塊框圖。圖11是本專利技術一個實施例提供的終端的結構示意圖。圖12是本專利技術一個實施例提供的服務器的結構示意圖。具體實施方式為了使本
的人員更好地理解本專利技術方案，下面將結合本專利技術實施例中的附圖，對本專利技術實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本專利技術一部分的實施例，而不是全部的實施例。基于本專利技術中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都應當屬于本專利技術保護的范圍。為使本專利技術的目的、技術方案和優點更加清楚，下面將結合附圖對本專利技術實施方式作進一步地詳細描述。請參考圖1，其示出了本專利技術一個實施例提供的實施環境的示意圖。該實施環境包括：用戶終端120、后臺服務器140。用戶終端120中運行有發送方客戶端。用戶終端120可以是手機、平板電腦、電子書閱讀器、MP3(MovingPictureExpertsGroupAudioLayerIII，動態影像專家壓縮標準音頻層面3)播放器、MP4(MovingPictureExpertsGroupAudioLayerIV，動態影像專家壓縮標準音頻層面4)播放器、膝上型便攜計算機和臺式計算機等等。后臺服務器140可以是一臺服務器，也可以是由若干臺服務器組成的服務器集群，或者是一個云計算服務中心。后臺服務器140可以通過網絡分別與用戶終端120建立通信連接。該網絡可以是無線網絡，也可以是有線網絡。在本專利技術實施例中，客戶端可以是任何具備視頻播放功能的客戶端。例如，客戶端可以是社交類應用客戶端、即時通信客戶端、支付類應用客戶端、游戲客戶端、閱讀客戶端、專用于視頻或音視頻播放的客戶端等等?？蛻舳丝梢栽诓シ乓曨l之前以視頻封面和視頻預覽圖的方式向用戶展示視頻的部分內容和信息。在一個示例中，如圖2所示，當后臺服務器140為集群架構時，后臺服務器140可以包括：通訊服務器142、訓練服務器144、視頻服務器146和數據服務器148。通訊服務器142用于提供客戶端和服務器之間的通訊服務。例如，通訊服務器142用于提供客戶端和服務器組群之間進行文字、圖片、視頻等消息的收發功能。訓練服務器144用于提供深度神經網絡的訓練，得出訓練深度神經網絡模型，并且對客戶端請求進行訓練的視頻進行提取，然后生成視頻的封面圖和預覽圖。視頻服務器146，用于向客戶端提供視頻。數據服務器148用于提供初始訓練集合。例如，數據服務器148用于收集和提取來自訓練集視頻的視頻截圖，發往客戶端進行標引，接收并存儲標引值，在訓練服務器提出數據請求時，提取一定數量的訓練集元素發往訓練服務器。上述各個服務器之間可通過網絡建立通信連接。該網絡可以是無線網絡，也可以是有線網絡。請參考圖3，其示出了本專利技術一個實施例提供的視頻預覽圖生成方法。該方法可應用于圖1所示實施環境中。該方法可以包括如下步驟：S310，接收來自客戶端的視頻預覽請求。當用戶打開視頻瀏覽頁面時，客戶端會展示出該頁面內所包含的視頻，此時服務器端對應地收到客戶端對于該頁面內視頻的預覽請求。S320，獲取所述視頻預覽圖生成請求所對應的視頻列表。當服務器接收到視頻預覽請求時，會獲取視頻瀏覽請求所對應的視頻列表，例如，當用戶打開某視頻網站的某頁面時，展示在頁面內的視頻集合即為視頻列表。當然，在某些情況下，例如即時通信客戶端中傳送的視頻，視頻列表中可能只有一個視頻存在。S330，獲取所述視頻列表中視頻的視頻截圖集合。服務器端會獲取視頻列表中視頻的截圖集合，截圖來自視頻的不同時段。例如，服務器會以秒為單位獲取某視頻中的一系列幀，即視頻截圖。視頻截圖集合與視頻列表中一個視頻對應。S340，將所述視頻截圖集合輸入到二分類深度神經網絡模型，并獲得輸出結果。將視頻截圖集合輸入到預先訓練好的二本文檔來自技高網...

【技術保護點】
一種視頻預覽圖生成方法，其特征在于，所述方法包括如下步驟：接收視頻預覽請求；獲取所述視頻預覽請求所對應的視頻列表；獲取所述視頻列表中視頻的視頻截圖集合；將所述視頻截圖集合輸入到二分類深度神經網絡模型，并獲得所述模型的輸出的概率結果；依據所述概率結果對所述視頻截圖集合中的視頻截圖進行選擇，確定所述視頻預覽圖。

【技術特征摘要】
1.一種視頻預覽圖生成方法，其特征在于，所述方法包括如下步驟：接收視頻預覽請求；獲取所述視頻預覽請求所對應的視頻列表；獲取所述視頻列表中視頻的視頻截圖集合；將所述視頻截圖集合輸入到二分類深度神經網絡模型，并獲得所述模型的輸出的概率結果；依據所述概率結果對所述視頻截圖集合中的視頻截圖進行選擇，確定所述視頻預覽圖。2.根據權利要求1所述的方法，其特征在于：所述二分類深度神經網絡模型的輸出的概率結果表示視頻截圖集合中的視頻截圖適合作為視頻預覽圖的概率。3.根據權利要求1所述的方法，其特征在于，在獲取所述視頻列表中視頻的視頻截圖集合后，還包括標準化視頻截圖集合步驟：將所述視頻截圖標準化為預定大小的像素陣列；將所述像素陣列中每個像素的像素值標準化。4.根據權利要求1所述的方法，其特征在于：在所述接收視頻預覽請求步驟前還包括訓練二分類深度神經網絡模型：獲取二分類標引的訓練集元素；處理所述二分類標引的訓練集元素；構建二分類深度神經網絡結構；選擇二分類損失函數；基于所述二分類深度神經網絡結構和所述二分類損失函數，訓練二分類深度神經網絡模型。5.根據權利要求4所述的方法，其特征在于，所述獲取二分類標引的訓練集元素包括：獲取來自視頻文件的訓練集元素；將所述訓練集元素發送至標引客戶端，以使得所述訓練集元素在所述標引客戶端被以二分類形式標引；接收來自標引客戶端的附帶有二分類標引信息的訓練集元素。6.根據權利要求4所述的方法，其特征在于，所述處理二分類標引的訓練集元素包括：將所述二分類標引的訓練集元素標準化為預定大小的像素陣列；將所述像素陣列中每個像素的像素值標準化。7.根據權利要求4所述的方法，其特征在于,所述二分類損失函數為對數損失函數(log-loss)。8.一種視頻預覽圖生成裝置，其特征在于，所述裝置包括如下模塊：預覽請求接收模塊，用于接收視頻預覽請求；視頻列表獲取模塊，用于獲取所述視頻預覽請求所對應的視頻列表；視頻截圖獲取模塊，用于獲取所述視頻列表中視頻的視頻截圖集合；概率結果獲取模塊，用于將所述視頻截圖集合輸入到二分類深度神經網絡模型，并獲得所述模型的輸出的概率結果；視頻預覽...

【專利技術屬性】
技術研發人員：于海，
申請(專利權)人：騰訊科技深圳有限公司，
類型：發明
國別省市：廣東,44