[发明专利]转码方法、装置、电子设备和计算机可读存储介质

权利要求书

1.一种转码方法，其特征在于，包括：

获取用于描述待转码视频的视频内容的内容特征，并确定与所述内容特征对应的转码参数的值；

根据所述转码参数的值，对所述待转码视频进行转码得到转码后的视频；

其中，所述内容特征至少包括以下任意之一或其组合：场景、动作、物体、视频类型、视频动作剧烈程度；

所述内容特征包括视频动作剧烈程度，所述获取用于描述待转码视频的视频内容的内容特征，包括：

根据所述待转码视频中各视频帧的运动矢量，获取平均运动矢量；

获取所述各视频帧的运动矢量中的最大运动矢量；

将所述平均运动矢量和所述最大运动矢量进行堆叠，得到堆叠矢量；

对所述堆叠矢量进行降维处理，得到用于表征所述待转码视频的视频动作剧烈程度的特征向量。

2.根据权利要求1所述的转码方法，其特征在于，所述获取用于描述待转码视频的视频内容的内容特征，并确定与所述内容特征对应的转码参数的值，包括：

预先训练用于提取内容特征并输出转码参数的值的神经网络模型；

根据所述神经网络模型获取用于描述待转码视频的视频内容的内容特征，并确定与所述内容特征对应的转码参数的值。

3.根据权利要求2所述的转码方法，其特征在于，所述内容特征包括不同维度的内容特征，所述预先训练用于提取内容特征并输出转码参数的值的神经网络模型，包括：

分别训练用于提取不同维度的内容特征的各分块模型；其中，所述各分块模型包括隐藏层和所述隐藏层之后的网络层；

去除所述各分块模型的隐藏层之后的网络层，并将所述各分块模型的隐藏层进行堆叠，得到特征堆叠层；其中，所述特征堆叠层用于堆叠所述各分块模型的隐藏层输出的内容特征；

在所述特征堆叠层之后增加神经网络计算层，得到所述神经网络模型的网络结构；其中，所述神经网络计算层用于输出与所述内容特征对应的转码参数的值；

根据所述网络结构进行端到端的训练，得到用于提取不同维度的内容特征并输出转码参数的值的神经网络模型。

4.根据权利要求3所述的转码方法，其特征在于，所述不同维度的内容特征包括：第一类内容特征和第二类内容特征，所述第一类内容特征至少包括以下任意之一或其组合：场景、动作、物体、视频类型，所述第二类内容特征包括视频动作剧烈程度；

所述分别训练用于提取不同维度的内容特征的各分块模型，包括：

分别训练用于提取不同维度的第一类内容特征的各分块模型；

所述在所述特征堆叠层之后增加神经网络计算层，得到所述神经网络模型的网络结构之前，还包括：

搭建用于提取表征视频动作剧烈程度的特征向量的提取器；

将所述提取器输出的特征向量堆叠到所述特征堆叠层中。

5.一种转码装置，其特征在于，包括：

转码参数输出模块，用于获取用于描述待转码视频的视频内容的内容特征，并确定与所述内容特征对应的转码参数的值；其中，所述内容特征至少包括以下任意之一或其组合：场景、动作、物体、视频类型、视频动作剧烈程度；

所述内容特征包括视频动作剧烈程度，所述转码参数输出模块，还用于根据所述待转码视频中各视频帧的运动矢量，获取平均运动矢量；获取所述各视频帧的运动矢量中的最大运动矢量；将所述平均运动矢量和所述最大运动矢量进行堆叠，得到堆叠矢量；对所述堆叠矢量进行降维处理，得到用于表征所述待转码视频的视频动作剧烈程度的特征向量；

转码模块，用于根据所述转码参数的值，对所述待转码视频进行转码得到转码后的视频。

6.一种电子设备，其特征在于，包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至4中任一所述的转码方法。

7.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至4中任一项所述的转码方法。