视频处理模型状态调整方法、装置、电子设备及存储介质转让专利
申请号 : CN202010845003.0
文献号 : CN111954075B
文献日 : 2021-07-09
发明人 : 蒋政胜
申请人 : 腾讯科技(深圳)有限公司
摘要 :
权利要求 :
1.一种视频处理模型状态调整方法,其特征在于,所述方法包括:获取待分析的目标视频,其中,所述待分析的目标视频包括携带特效的视频帧图像;
触发打分评测进程,通过所述打分评测进程,确定与所述目标视频相匹配的动画特效信息;
响应于所确定的动画特效信息,通过相应的视频转码指令确定所述目标视频中的单位时间间隔内的视频帧集合,其中,所述视频帧集合包括不同的连续视频帧;
通过所述视频处理模型对所述视频帧集合进行检测,确定所述视频帧集合中不同视频帧中的像素点数量;
基于所述视频帧集合中不同视频帧中的像素点数量的平均值,确定所述视频处理模型所识别的像素点数量,其中,所识别的像素点数量为所述动画特效信息中每一个固定位置的像素点数量;
确定所述目标视频的视频帧中目标像素点数量,其中,视频帧中目标像素点数量与目标视频的播放环境以及动画特效信息相匹配,所述目标像素点为所述动画特效信息的特征区域中的像素点;
基于所述视频处理模型所识别的像素点数量与目标像素点数量的比值,确定所述视频处理模型的状态;
基于所述视频处理模型的状态,对所述视频处理模型的模型参数进行调整,以实现调整所述视频处理模型的状态。
2.根据权利要求1所述的方法,其特征在于,所述获取待分析的目标视频,包括:响应于视频上传指令,获取与目标视频相匹配的流媒体地址;或者确定直播视频的目标用户信息,基于所述直播视频的目标用户信息获取与所述目标用户相匹配的流媒体地址;
对所述流媒体地址的正确性进行检测;
当所述流媒体地址对应的待分析的目标视频不能播放时,发出提示信息,以提示填充新的流媒体地址。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:配置与所述待分析的目标视频相匹配的视频清除进程;
当确定所述视频处理模型的状态后,通过所述视频清除进程清除与所述流媒体地址相匹配目标视频。
4.根据权利要求1所述的方法,其特征在于,所述确定所述目标视频的视频帧中目标像素点数量,包括:
确定所述目标视频的播放环境以及相匹配的动画特效信息;
基于所述目标视频的播放环境以及相匹配的动画特效信息,确定所述目标视频的视频帧中目标像素点数量。
5.根据权利要求1所述的方法,其特征在于,所述基于所述视频处理模型所识别的像素点数量与目标像素点数量的比值,确定所述视频处理模型的状态,包括:基于所述目标视频相匹配的动画特效信息,确定所述视频处理模型的状态阈值;
当所述视频处理模型所识别的像素点数量与目标像素点数量的比值大于所述视频处理模型的状态阈值时,确定所述视频处理模型的状态为状态稳定;或者当所述视频处理模型所识别的像素点数量与目标像素点数量的比值小于等于所述视频处理模型的状态阈值时,确定所述视频处理模型的状态为待调整状态。
6.根据权利要求1所述的方法,其特征在于,所述基于所述视频处理模型的状态,对所述视频处理模型的模型参数进行调整,以实现调整所述视频处理模型的状态,包括:当所述视频处理模型的状态为待调整状态时,迭代调整所述视频处理模型的神经网络参数,形成新的视频处理模型;
确定所述新的视频处理模型所识别的像素点数量与目标像素点数量的比值,直至确定所述视频处理模型的状态为状态稳定时,确定所述视频处理模型的神经网络参数。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:显示用户界面,所述用户界面中包括:对所述视频处理模型状态调整环境进行观察的人称视角画面,所述用户界面中还包括任务控制组件和信息展示组件;
通过所述信息展示组件,触发视频展示进程,获取并展示流媒体地址相对应的待分析的目标视频;
通过所述任务控制组件,触发所述打分评测进程,确定所述视频处理模型的状态;
通过所述信息展示组件,在所述用户界面中呈现所述视频处理模型的状态。
8.根据权利要求7所述的方法,其特征在于,所述方法还包括:通过所述信息展示组件,触发视频展示进程,确定与所述目标视频相匹配的动画特效信息;
通过所述任务控制组件,对所述用户界面中呈现的所述视频处理模型的状态图像进行截取,形成视频处理模型的状态截图。
9.根据权利要求7所述的方法,其特征在于,所述方法还包括:在所述用户界面中呈现用于分享所述视频处理模型的状态截图的分享功能项;
响应于针对所述视频处理模型的状态截图分享功能项的触发操作,向相应的用户分享所述视频处理模型的状态截图。
10.一种视频处理模型状态调整装置,其特征在于,所述装置包括:信息传输模块,用于获取待分析的目标视频,其中,所述待分析的目标视频包括携带特效的视频帧图像;
信息处理模块,用于触发打分评测进程,通过所述打分评测进程,确定与所述目标视频相匹配的动画特效信息;
信息处理模块,用于响应于所确定的动画特效信息,通过相应的视频转码指令确定所述目标视频中的单位时间间隔内的视频帧集合,其中,所述视频帧集合包括不同的连续视频帧;
信息处理模块,用于通过所述视频处理模型对所述视频帧集合进行检测,确定所述视频帧集合中不同视频帧中的像素点数量,其中,所识别的像素点数量为所述动画特效信息中每一个固定位置的像素点数量;
信息处理模块,用于基于所述视频帧集合中不同视频帧中的像素点数量的平均值,确定所述视频处理模型所识别的像素点数量,所述目标像素点为所述动画特效信息的特征区域中的像素点;
所述信息处理模块,用于确定所述目标视频的视频帧中目标像素点数量,其中,视频帧中目标像素点数量与目标视频的播放环境以及动画特效信息相匹配;
所述信息处理模块,用于基于所述视频处理模型所识别的像素点数量与目标像素点数量的比值,确定所述视频处理模型的状态;
所述信息处理模块,用于基于所述视频处理模型的状态,对所述视频处理模型的模型参数进行调整,以实现调整所述视频处理模型的状态。
11.根据权利要求10所述的装置,其特征在于,所述信息传输模块,用于响应于视频上传指令,获取与目标视频相匹配的流媒体地址;
所述信息传输模块,用于确定直播视频的目标用户信息,基于所述直播视频的目标用户信息获取与所述目标用户相匹配的流媒体地址;
所述信息传输模块,用于对所述流媒体地址的正确性进行检测;
所述信息传输模块,用于当所述流媒体地址对应的待分析的目标视频不能播放时,发出提示信息,以提示填充新的流媒体地址。
12.根据权利要求10所述的装置,其特征在于,所述装置还包括:显示模块,用于显示用户界面,所述用户界面中包括:对所述视频处理模型状态调整环境进行观察的人称视角画面,所述用户界面中还包括任务控制组件和信息展示组件;
所述显示模块,用于通过所述信息展示组件,触发视频展示进程,获取并展示流媒体地址相对应的待分析的目标视频;
所述显示模块,用于通过所述任务控制组件,触发所述打分评测进程,确定所述视频处理模型的状态;
所述显示模块,用于通过所述信息展示组件,在所述用户界面中呈现所述视频处理模型的状态。
13.一种电子设备,其特征在于,所述电子设备包括:存储器,用于存储可执行指令;
处理器,用于运行所述存储器存储的可执行指令时,实现权利要求1至9任一项所述的视频处理模型状态调整方法。
14.一种计算机可读存储介质,存储有可执行指令,其特征在于,所述可执行指令被处理器执行时实现权利要求1至9任一项所述的视频处理模型状态调整方法。
说明书 :
视频处理模型状态调整方法、装置、电子设备及存储介质
技术领域
背景技术
位,并将所接收的AI礼物向不同的直播观众进行展示,这一过程中人工智能技术提供了训
练适当的视频处理模型来支持上述应用的方案。但是随着AI礼物的类型增多,不同的主播
对应的视频处理模型的使用环境也多种多样,对于视频处理模型的处理效果需要进行时实
时监控,以及时的对视频处理模型的模型参数进行调整,以使视频处理模型获得更好的使
用效果。
发明内容
的连续视频帧;
定;或者
调整状态。
模型的神经网络参数。
还包括任务控制组件和信息展示组件;
测,确定所述视频处理模型所识别的像素点数量;确定所述目标视频的视频帧中目标像素
点数量;基于所述视频处理模型所识别的像素点数量与目标像素点数量的比值,确定所述
视频处理模型的状态;基于所述视频处理模型的状态,对所述视频处理模型的模型参数进
行调整,以实现调整所述视频处理模型的状态;由此,可以实现对视频处理模型使用效果的
动态监控,及时的发现使用场景中不适配的视频处理模型,并对视频处理模型的模型参数
进行及时地调整,以适应不同的使用环境。
附图说明
具体实施方式
做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
的情况下相互结合。
明的情况下,所执行的多个操作不存在执行先后顺序的限制。
面中重复使用。
户端(例如浏览器或内嵌浏览器核心的任意客户端)经由网络(如互联网)下载、并在客户端
的浏览器环境中解释和执行的软件,节省在客户端中安装的步骤。例如,在社交网络客户端
中可以下载、运行用于实现机票购买、任务处理与制作、数据展示等各种服务的小程序。
的情况下,所执行的多个操作不存在执行先后顺序的限制。
图像经过openCV等工具读取形成的三通道或原通道矩阵,模型输出为多分类概率,通过
softmax等算法最终输出文本信息。在训练时,模型通过交叉熵等目标函数向正确趋势逼
近。
(动物的中枢神经系统,特别是大脑)的结构和功能的数学模型或计算模型,用于对函数进
行估计或近似。
频直播或者视频播放的客户端或插件,用户通过相应的客户端可以获得不同的视频(例如
直播的视频流)并进行展示;也可以设置有能够显示相应直播视频的软件的客户端,例如直
播视频播放的客户端或插件,用户通过相应的客户端可以获得直播视频(或者对任一主播
的直播视频进行回放)并进行展示;终端通过网络300连接服务器200,网络300可以是广域
网或者局域网,又或者是二者的组合,使用无线链路实现数据传输。
Interface,UI)上呈现出与视频处理模型的处理结果,以提升用户的交互体验。其中,本申
请实施例所提供的视频处理模型状态调整方法可以基于人工智能实现,人工智能
(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸
和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用
系统。换句话说,人工智能是计算机科学的一个综合技术,它企图了解智能的实质,并生产
出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能
机器的设计原理与实现方法,使机器具有感知、推理与决策的功能。
大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机
视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
Speech Recognition,ASR),其中包括语音信号预处理(Speech signal preprocessing)、
语音信号频域分析(Speech signal frequency analyzing)、语音信号特征提取(Speech
signal feature extraction)、语音信号特征匹配/识别(Speech signal feature
matching/recognition)、语音的训练(Speech training)等。
样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不
断改善自身的性能。机器学习是人工智能的核心,是使计算机具有智能的根本途径,其应用
遍及人工智能的各个领域。机器学习通常包括深度学习(Deep Learning)等技术,深度学习
包括人工神经网络(artificial neural network),例如卷积神经网络(Convolutional
Neural Network,CNN)、循环神经网络(Recurrent Neural Network,RNN)、深度神经网络
(Deep neural network,DNN)等。
服务器,例如前序图1中的服务器200。图2为本发明实施例提供的电子设备的组成结构示意
图,可以理解,图2仅仅示出了电子设备的示例性结构而非全部结构,根据需要可以实施图2
示出的部分结构或全部结构。
解,总线系统205用于实现这些组件之间的连接通信。总线系统205除包括数据总线之外,还
包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见,在图2中将各种总线都
标为总线系统205。
操作。这些数据的示例包括:用于在终端(如10‑1)上操作的任何计算机程序,如操作系统和
应用程序。其中,操作系统包含各种系统程序,例如框架层、核心库层、驱动层等,用于实现
各种基础业务以及处理基于硬件的任务。应用程序可以包含各种应用程序。
被编程以执行本发明实施例提供的视频处理模型状态调整方法。例如,硬件译码处理器形
式的处理器可以采用一个或多个应用专用集成电路(ASIC,Application Specific
Integrated Circuit)、DSP、可编程逻辑器件(PLD,Programmable Logic Device)、复杂可
编程逻辑器件(CPLD,Complex Programmable Logic Device)、现场可编程门阵列(FPGA,
Field‑Programmable Gate Array)或其他电子元件。
储介质中,存储介质位于存储器202,处理器201读取存储器202中软件模块包括的可执行指
令,结合必要的硬件(例如,包括处理器201以及连接到总线205的其他组件)完成本发明实
施例提供的视频处理模型状态调整方法。
立门或者晶体管逻辑器件、分立硬件组件等,其中,通用处理器可以是微处理器或者任何常
规的处理器等。
专用集成电路(ASIC,Application Specific Integrated Circuit)、DSP、可编程逻辑器件
(PLD,Programmable Logic Device)、复杂可编程逻辑器件(CPLD,Complex Programmable
Logic Device)、现场可编程门阵列(FPGA,Field‑Programmable Gate Array)或其他电子
元件执行实现本发明实施例提供的视频处理模型状态调整方法。
明实施例的从视频处理模型状态调整方法的程序可以包含在可执行指令中。
模块,作为存储器202中存储的程序的示例,可以包括电子设备,电子设备的视频处理模型
状态调整模块中包括以下的软件模块:信息传输模块2081,信息处理模块2082。当电子设备
中的软件模块被处理器201读取到RAM中并执行时,将实现本发明实施例提供的视频处理模
型状态调整方法,其中,视频处理模型状态调整装置中各个软件模块的功能,将在后续实施
例中依次介绍。
的实施,将在下文中说明各个模块的功能。
礼物的动画效果,具体来说,在视频直播的使用场景中,直播观众可以向主播赠送各种类型
的AI礼物,直播业务服务器实时解析直播流数据,会动态智能识别所接收的AI礼物与主播
相适配的身体部位,并将所接收的AI礼物向不同的直播观众进行展示(例如图3所示的翅膀
特效,即在通过视频处理模型在主播的身体的相对位置上添加翅膀),这一过程中人工智能
技术提供了训练适当的视频处理模型来支持上述应用的方案。但是随着AI礼物的类型增
多,不同的主播对应的视频处理模型的使用环境也多种多样,对于视频处理模型的处理效
果需要进行时实时监控,以及时的对视频处理模型的模型参数进行调整,以使视频处理模
型获得更好的使用效果。这一过程中,以AI礼物的翅膀特效为例,在视频处理模型部署之
前,需要通过训练样本中的大量的直播视频主播身体素材、唱歌片段、跳舞片段来训练对应
的模型,以确定模型参数,模型训练完成进行部署测试时,所在主播身体相应部位产生的翅
膀特效,仅凭测试人员的肉眼观察翅膀特效是否正确贴合主播身体的相应部位,对于通过
视频处理模型识别直播用户的使用环境为唱歌跳舞类的场景,也只能观看直播间有对应的
唱歌跳舞标签来验证视频处理模型场景识别的准确性。进一步地,当视频处理模型完全部
署在相应的业务服务器中时,仅能够通过运营人员人工线上观察AI礼物的使用效果,如果
发现了某一个场景识别效果不佳也无法对模型改进阶段提供有效的可视化数据;视频处理
模型的优化过程中,也都是通过搜集大量主播视频数据来验证回归该模型的准确性,至于
经过优化的模型的视频处理模型的使用效果是否显著,也仅只能通过现象数据来支撑。
整装置的各种电子设备执行,例如可以是如带有视频处理模型状态调整装置的各种游戏设
备,其中,带有视频处理模型状态调整装置的专用终端可以封装于图1所示的终端10‑1中,
以执行前序图2所示的视频处理模型状态调整装置中的相应软件模块。下面针对图4示出的
步骤进行说明。
地址;对所述流媒体地址的正确性进行检测;当所述流媒体地址对应的待分析的目标视频
不能播放时,发出提示信息,以提示填充新的流媒体地址。其中,由于视频处理模型的使用
环境种类众多,直播视频中的视频信息并不能被录像,因此通过直播视频的目标用户信息
获取与所述目标用户相匹配的流媒体地址,可以实时的对直播视频中所使用的视频处理模
型的状态进行监控,避免由于视频处理模型的使用环境发生改变所造成的模型处理效果失
真,影响用户的使用,结合前序图3所示的显示效果示意图,视频直播间用户向主播赠送某
个AI礼物,然后业务服务器通过所部署的视频处理模型,实时解析直播流数据,动态的自动
识别主播身体的各个部位,例如背部位置,根据背部位置识别结果,在主播身上展示翅膀特
效,如果视频处理模型的参数不适配当前的使用场景会造成翅膀特效失真,影响用户的使
用。
地视频的方式是将本地视频上传到文件服务器上,文件服务器返回流地址链接,具体来说
文件服务器中搭建node.js文件上传服务进程,在用户完成一次打分处理后,就可以将文件
服务器上的目标视频数据清除。
址相匹配目标视频。其中,文件服务器中还可以部署了一个定时清除文件脚本,保证服务器
不会因为内存占用过多,而影响文件上传服务。当文件存储在服务器上,这时通过ajax回调
函数,获得服务器返回的流地址,然后通过链接输入框进行赋值。
实现:
视频帧集合,其中,所述视频帧集合包括不同的连续视频帧;通过所述视频处理模型对所述
视频帧集合进行检测,确定所述视频帧集合中不同视频帧中的像素点数量;基于所述视频
帧集合中不同视频帧中的像素点数量的平均值,确定所述视频处理模型所识别的像素点数
量。其中,对视频处理模型的状态进行监控可用通过对视频处理模型的识别效果进行打分
实现,具体来说,通过对应的算法规则来计算某个模型的打分,用此分值来衡量模型识别结
果,分值越高,识别效果越好,特效展示更贴合主播对应部位,消费用户才能对产品有更高
评价。其中,每一个视频帧均是由不同的像素点所构成,视频处理模型在相应的播放环境以
及相匹配的动画特效信息中所识别的像素点数量越多,动画特效(AI礼物的动画表现)的显
示效果也清晰准确。
给到前端,如果处理成功即开始执行相应的的分数获取步骤。在本发明的一些实施例中,还
可以配置一个定时器进程,以实现通过相应的时间间隔轮询(例如三秒轮询)后台打分服务
器请求得分数据,如果有返回相应的分数至前端显示界面中,还可以将相应的打分分数绘
制在前端页面上。进一步地,打分服务器首先根据所获取的流地址拉取视频流资源,然后利
用ffmpeg命令获取每一秒对应的视频帧,其中,在本发明的使用场景中,长度为1s的视频包
括20‑30帧视频帧,每一帧视频帧是由不同的单元特征点组成,称为像素点。最后计算每连
续10帧的平均值得分为一次打分,继续以前序实施例中的翅膀AI礼物识别为例,通过对视
频帧进行目标标记处理,打分服务器可以确定视频帧中哪些像素点是主播的头部,哪些像
素点是上半身,哪些像素点是手臂。
中,由于目标视频的播放环境以及相匹配的动画特效信息(不同的AI礼物)数量众多,因此,
视频帧中的目标像素点数量也出现不同,在本发明的一些实施例中,直播视频的主播端接
收特效礼物的赠送指令,赠送指令包括有特效礼物所赠送的目标主播身份证明以及动画特
效信息ID。主播端根据接收到的赠送指令,获取目标主播ID所对应的原始直播视频,并根据
动画特效信息ID确定动画特效信息及其对应的特征区域。例如,动画特效信息ID为0001,其
对应的动画特效信息为“天使翅膀”,对应的特征区域为背部。动画特效信息ID为0002,其对
应的动画特效信息为“天使之吻”,对应的特征区域为嘴唇(动画特效表现为触发天使围绕
该主播头像环绕,然后亲吻主播的嘴唇)。
目标视频的播放环境相关的,动画特效信息为“天使翅膀”时,目标像素点数量为100个,视
频处理模型仅需要识别大于等于60个目标像素点即可以在显示界面中根据相应的像素点
呈现“天使翅膀”动画特效,同样的,动画特效信息为“天使翅膀”时,目标像素点数量为100
个,视频处理模型仅需要识别大于等于60个目标像素点即可以在显示界面中根据相应的像
素点呈现“天使翅膀”动画特效,同样的,动画特效信息为“天使之吻”时,目标像素点数量为
70个,视频处理模型仅需要识别大于等于35个目标像素点即可以在显示界面中根据相应的
像素点呈现“天使之吻”动画特效。
信息。例如,动画特效信息的特征区域为背部,对视频帧图像进行处理后,确定其“背部”在
原始直播视频的视频帧图像中的展示位置信息,或者在主播的“嘴唇”展示动画特效。
型的状态阈值时,确定所述视频处理模型的状态为状态稳定;或者当所述视频处理模型所
识别的像素点数量与目标像素点数量的比值小于等于所述视频处理模型的状态阈值时,确
定所述视频处理模型的状态为待调整状态。其中,结合前序图3所示,根据主播的人体背部
轮廓信息,将主播人物所在前景图像层设置在“天使翅膀”所在特效层的上面,遮挡“天使翅
膀”的设定区域,达到将“天使翅膀”添加到主播人物的背部的效果,这一过程中,“天使翅
膀”添加在主播的后背;一部分羽毛添加到主播的手臂,遮挡主播手臂相对应区域;另一部
分羽毛贴合主播的肩膀,因此,需要视频处理模型识别视频帧中的不同位置的像素点,所识
别的像素点位置越多,动画特效的显示效果越清晰;同样的,“天使之吻”动画特效信息所需
要确定的目标像素点数量小于“天使翅膀”动画特效,因此,在不同的使用环境中以及目标
视频相匹配的不同动画特效信息对应的视频处理模型的状态阈值也不相同,所需要识别的
像素点越多的动画特效信息,其对应的视频处理模型的状态阈值越大。
这80个像素点识别结果可靠,得分为80分,计算公式如公式1所示:
标像素点数量的比值,直至确定所述视频处理模型的状态为状态稳定时,确定所述视频处
理模型的神经网络参数。其中,在对视频处理模型的状态进行分析时,通过打分服务器返回
相应视频处理模型的分数的同时,视频可以在相应的用户界面中保持同步播放,实现视频
播放与打分在同一界面中进行,便于用户清晰的知道打分高的使用场景,打分低的使用场
景,然后将打分低的场景进行图像截取,以用于后续分析。
子设备执行,例如可以是如带有视频处理模型状态调整装置的各种游戏设备,其中,带有视
频处理模型状态调整装置的专用终端可以封装于图1所示的终端10‑1中,以执行前序图2所
示的视频处理模型状态调整装置中的相应软件模块。下面针对图5示出的步骤进行说明。
示组件。
流服务器地址,自动填充位置“2”处,当然用户也可以手动拷贝视频直播软件中的目标视频
的流地址然后粘贴在“2”处,通过“1”处可以选择相应的AI礼物类型进行监测,通过“4”处可
以显示相应的视频处理模型的检测效果。
接进行检测和对所上传的本地视频进行检测,以确保流地址能够播放正常,不会影响到后
面的打分测评进程。
束打分,当用户点击结束打分,会提示用户刷新界面重新打分,通过“6”处可以清晰地获知
视频处理模型的打分变化。
现的所述视频处理模型的状态图像进行截取,形成视频处理模型的状态截图。进一步地,在
所述用户界面中呈现用于分享所述视频处理模型的状态截图的分享功能项;响应于针对所
述视频处理模型的状态截图分享功能项的触发操作,向相应的用户分享所述视频处理模型
的状态截图。
置中的软件模块可以包括:信息传输模块2081、信息处理模块2082。
对所述目标视频中的视频帧进行检测,确定所述视频处理模型所识别的像素点数量;信息
处理模块2082,用于确定所述目标视频的视频帧中目标像素点数量;信息处理模块2082,用
于基于所述视频处理模型所识别的像素点数量与目标像素点数量的比值,确定所述视频处
理模型的状态;信息处理模块2082,用于基于所述视频处理模型的状态,对所述视频处理模
型的模型参数进行调整,以实现调整所述视频处理模型的状态。
于所述直播视频的目标用户信息获取与所述目标用户相匹配的流媒体地址;信息传输模块
2081,用于对所述流媒体地址的正确性进行检测;信息传输模块2081,用于当所述流媒体地
址对应的待分析的目标视频不能播放时,发出提示信息,以提示填充新的流媒体地址。
过所述视频清除进程清除与所述流媒体地址相匹配目标视频。
效信息,通过相应的视频转码指令确定所述目标视频中的单位时间间隔内的视频帧集合,
其中,所述视频帧集合包括不同的连续视频帧;信息处理模块2082,用于通过所述视频处理
模型对所述视频帧集合进行检测,确定所述视频帧集合中不同视频帧中的像素点数量;信
息处理模块2082,用于基于所述视频帧集合中不同视频帧中的像素点数量的平均值,确定
所述视频处理模型所识别的像素点数量。
定所述目标视频的视频帧中目标像素点数量。
理模型所识别的像素点数量与目标像素点数量的比值大于所述视频处理模型的状态阈值
时,确定所述视频处理模型的状态为状态稳定;信息处理模块2082,用于当所述视频处理模
型所识别的像素点数量与目标像素点数量的比值小于等于所述视频处理模型的状态阈值
时,确定所述视频处理模型的状态为待调整状态。
息处理模块2082,用于确定所述新的视频处理模型所识别的像素点数量与目标像素点数量
的比值,直至确定所述视频处理模型的状态为状态稳定时,确定所述视频处理模型的神经
网络参数。
面中还包括任务控制组件和信息展示组件;显示模块2083,用于通过所述信息展示组件,触
发视频展示进程,获取并展示流媒体地址相对应的待分析的目标视频;显示模块2083,用于
通过所述任务控制组件,触发所述打分评测进程,确定所述视频处理模型的状态;显示模块
2083,用于通过所述信息展示组件,在所述用户界面中呈现所述视频处理模型的状态。
控制组件,对所述用户界面中呈现的所述视频处理模型的状态图像进行截取,形成视频处
理模型的状态截图。
状态截图分享功能项的触发操作,向相应的用户分享所述视频处理模型的状态截图。
储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指
令,处理器执行该计算机指令,使得该计算机设备执行上述视频处理模型状态调整方法的
各种可选实现方式中所提供的方法。
的各种电子设备执行,用于对视频直播环境中的通过视频处理模型识别AI礼物,其中终端
10‑1所接收的动画特效信息ID为0001,其对应的动画特效信息为“天使翅膀”,终端10‑2所
接收的动画特效信息ID为0002,其对应的动画特效信息为“天使之吻”,视频处理模型的神
经网络参数相同;经过训练的视频处理模型可以运行于各种带有视频处理模型状态调整装
置的各种游戏设备,其中,带有视频处理模型状态调整装置的专用终端可以封装于图1所示
的终端10‑1和10‑2中,以执行前序图2所示的视频处理模型状态调整装置中的相应软件模
块。下面针对图7示出的步骤进行说明。
时,经过调整优化的视频处理模型可以在视频处理模型效果监控平台中进行可视化的测
试,题判断优化效果,提升视频处理模型的训练效率,也挺提升了视频直播用户的使用体
验。
模型对所述目标视频中的视频帧进行检测,确定所述视频处理模型所识别的像素点数量;
确定所述目标视频的视频帧中目标像素点数量;基于所述视频处理模型所识别的像素点数
量与目标像素点数量的比值,确定所述视频处理模型的状态;基于所述视频处理模型的状
态,对所述视频处理模型的模型参数进行调整,以实现调整所述视频处理模型的状态;由
此,可以实现对视频处理模型使用效果的动态监控,及时的发现使用场景中不适配的视频
处理模型,并对视频处理模型的模型参数进行及时地调整,以适应不同的使用环境。
之内。