【技術實現步驟摘要】
本專利技術涉及深度學習，尤其涉及一種基于深度學習的視頻配樂推薦方法、裝置、設備及介質。
技術介紹
1、隨著互聯網技術的快速發展，視頻逐漸成為了人們在日常生活中獲取信息與享受娛樂的主要來源，越來越多的用戶參與到視頻創作中，為了提高視頻的感染力，用戶可以根據視頻的內容特點選擇與視頻相匹配的背景音樂。現有技術中，往往通過人工為視頻匹配適合的背景音樂，即用戶在制作視頻的過程中，需要觀看視頻內容后，再根據視頻內容的特點去搜索與視頻內容相匹配的背景音樂，最后，根據經驗在背景音樂庫中尋找合適的背景音樂。
2、上述人工為視頻匹配背景音樂的效果嚴重依賴于用戶對背景音樂的經驗積累，即用戶需要聽過相當多的背景音樂，熟悉各種背景音樂的旋律后才能找到與視頻內容相匹配的背景音樂，然而，大多時候，用戶并沒有豐富的經驗判斷什么樣的背景音樂可以契合視頻內容，甚至不知道如何去查找背景音樂庫。繼而使得創作視頻的過程中，為視頻推薦背景音樂的效果不佳。
技術實現思路
1、本專利技術提供一種基于深度學習的視頻配樂推薦方法、裝置、設備及介質，以解決人工為待配樂視頻匹配背景音樂的效果嚴重依賴于用戶對背景音樂的經驗積累，繼而使得創作視頻的過程中，為視頻推薦背景音樂的效果不佳的技術問題。
2、第一方面，提供了一種基于深度學習的視頻配樂推薦方法，包括：
3、獲取待配樂視頻，以及與所述待配樂視頻待匹配的背景音樂；
4、提取所述待配樂視頻各時間段內的關鍵幀數據，并計算所述待配樂視頻各時間段內
5、提取所述背景音樂的特征信息，并根據提取的背景音樂的特征信息計算所述背景音樂的旋律值；
6、將所述待配樂視頻的關鍵幀數據的變化值與所述背景音樂的旋律值進行匹配，并根據匹配結果對所述待配樂視頻推薦背景音樂。
7、第二方面，提供了一種基于深度學習的視頻配樂推薦裝置，包括：
8、獲取模塊，用于獲取待配樂視頻，以及與所述待配樂視頻待匹配的背景音樂；
9、第一計算模塊，用于提取所述待配樂視頻各時間段內的關鍵幀數據，并計算所述待配樂視頻各時間段內的關鍵幀數據的變化值；
10、第二計算模塊，用于提取所述背景音樂的特征信息，并根據提取的背景音樂的特征信息計算所述背景音樂的旋律值；
11、匹配模塊，用于將所述待配樂視頻的關鍵幀數據的變化值與所述背景音樂的旋律值進行匹配，并根據匹配結果對所述待配樂視頻推薦背景音樂。
12、第三方面，提供了一種計算機設備，包括存儲器、處理器以及存儲在存儲器中并可在處理器上運行的計算機程序，處理器執行計算機程序時實現上述基于深度學習的視頻配樂推薦方法的步驟。
13、第四方面，提供了一種計算機可讀存儲介質，計算機可讀存儲介質存儲有計算機程序，計算機程序被處理器執行時實現上述基于深度學習的視頻配樂推薦方法的步驟。
14、上述基于深度學習的視頻配樂推薦方法、裝置、設備及介質所實現的方案中，可以通過客戶端獲取待配樂視頻，以及與所述待配樂視頻待匹配的背景音樂；提取所述待配樂視頻各時間段內的關鍵幀數據，并計算所述待配樂視頻各時間段內的關鍵幀數據的變化值；提取所述背景音樂的特征信息，并根據提取的背景音樂的特征信息計算所述背景音樂的旋律值；將所述待配樂視頻的關鍵幀數據的變化值與所述背景音樂的旋律值進行匹配，并根據匹配結果對所述待配樂視頻推薦背景音樂，將推薦的背景音樂反饋回客戶端，在本專利技術中，針對待配樂視頻，可以先通過深度學習模型提取與待配樂視頻待匹配的背景音樂的特征信息，并根據提取的背景音樂的特征信息計算背景音樂的旋律值，再將待配樂視頻的關鍵幀數據的變化值與背景音樂的旋律值進行匹配，根據匹配結果自動對待配樂視頻推薦背景音樂，有效地提高了為待配樂視頻推薦背景音樂的效率，且節約了大量的人工成本。
本文檔來自技高網...【技術保護點】
1.一種基于深度學習的視頻配樂推薦方法，其特征在于，包括：
2.根據權利要求1所述的基于深度學習的視頻配樂推薦方法，其特征在于，所述計算所述待配樂視頻各時間段內的關鍵幀數據的變化值，包括：
3.根據權利要求2所述的基于深度學習的視頻配樂推薦方法，其特征在于，所述提取所述背景音樂的特征信息，包括：
4.根據權利要求3所述的基于深度學習的視頻配樂推薦方法，其特征在于，所述對所述背景音樂的節拍點進行旋律數字化處理，得到所述背景音樂的旋律值，包括：
5.根據權利要求4所述的基于深度學習的視頻配樂推薦方法，其特征在于，根據所述背景音樂的音符序列和主音高信息預測所述背景音樂的旋律標簽，包括：
6.根據權利要求5所述的基于深度學習的視頻配樂推薦方法，其特征在于，所述將所述背景音樂的音符序列和主音高信息輸入至卷積神經網絡模型中，得到所述背景音樂的旋律標簽的預測結果，包括：
7.根據權利要求6所述的基于深度學習的視頻配樂推薦方法，其特征在于，所述將所述待配樂視頻的關鍵幀數據的變化值與所述背景音樂的旋律值進行匹配，并根據匹配結果
8.一種基于深度學習的視頻配樂推薦裝置，其特征在于，包括：
9.一種計算機設備，包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現如權利要求1至7任一項所述基于深度學習的視頻配樂推薦方法的步驟。
10.一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1至7任一項所述基于深度學習的視頻配樂推薦方法的步驟。
...【技術特征摘要】
1.一種基于深度學習的視頻配樂推薦方法，其特征在于，包括：
2.根據權利要求1所述的基于深度學習的視頻配樂推薦方法，其特征在于，所述計算所述待配樂視頻各時間段內的關鍵幀數據的變化值，包括：
3.根據權利要求2所述的基于深度學習的視頻配樂推薦方法，其特征在于，所述提取所述背景音樂的特征信息，包括：
4.根據權利要求3所述的基于深度學習的視頻配樂推薦方法，其特征在于，所述對所述背景音樂的節拍點進行旋律數字化處理，得到所述背景音樂的旋律值，包括：
5.根據權利要求4所述的基于深度學習的視頻配樂推薦方法，其特征在于，根據所述背景音樂的音符序列和主音高信息預測所述背景音樂的旋律標簽，包括：
6.根據權利要求5所述的基于深度學習的視頻配樂推薦方法，其特征在于，所述將所述背景音樂的音符序列和主音高信息輸...
【專利技術屬性】
技術研發人員：黃毅，
申請(專利權)人：平安銀行股份有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。