一种培训视频管理方法及系统与流程

1.本技术涉及到视频处理领域，具体而言，涉及一种培训视频管理方法及系统。


背景技术：

2.传统的线下教育培训收到地理位置的束缚，无法涵盖到更多的受众。线上教育培训就可以很好的解决这个问题，线上教育培训是一种将知识教育资源信息化的机构或在线学习系统，教育培训系统主要包括直播培训与网络在线培训两种，直播培训是老师直接进行在线的直播，这种效果相对较优。网络在线培训一般为提前录制好的培训视频，在网络在线培训时直接播放该提前录制好的培训视频。在这种培训视频中，如果录制的全部是课件形式，培训学员在听课过程中无法看到讲师，容易注意力不集中，从而影响培训效果。


技术实现要素：

3.本技术实施例提供了一种培训视频管理方法及系统，以至少解决现有技术中提前录制好的培训视频中无讲师出镜所导致的问题。
4.根据本技术的一个方面，提供了一种培训视频管理方法，包括：获取待播放的培训视频中的讲师信息，其中，所述讲师信息包括用于唯一标识讲师的标识，所述培训视频为预先录制好的视频；根据所述讲师的标识获取所述讲师历史上进行直播时的第一视频，其中，所述第一视频是所述讲师在直播时通过对直播的录制得到的；从所述第一视频中提取所述讲师的第二视频，其中，所述第二视频是将所述第一视频中除所述讲师的面部和身体之外的其他部分进行背景模糊之后得到的视频；播放所述培训视频，并判断所述培训视频中是否存在所述讲师的画面；在所述培训视频中不存在所述讲师的画面的情况下，启动画面显示控件，其中，所述画面显示控件为叠加在培训视频播放界面上的控件，所述画面显示控件用于播放所述第二视频。
5.进一步地，判断所述培训视频中是否存在所述讲师的画面包括：获取所述培训视频的时长，根据所述时长确定抽取关键帧的时间间隔，其中，根据所述时间间隔抽取的关键帧的数量大于预先配置的阈值；根据所述时间间隔抽取多个关键帧；依次判断所述多个关键帧中的每个关键帧对应的画面中是否存在所述讲师；根据判断结果确定所述培训视频中是否存在所述讲师的画面。
6.进一步地，根据所述判断结果确定所述培训视频中是否存在所述讲师的画面包括：在所述多个关键帧中的每个关键帧对应的画面中均不存在所述讲师的情况下，确定所述培训视频中不存在所述讲师的画面，在所述多个关键帧中至少一个关键帧存在所述讲师的情况下，确定所述培训视频中存在所述讲师的画面。
7.进一步地，判断每个关键帧对应的画面是否存在所述讲师包括：根据所述讲师信息从数据库中提取所述讲师对应的图像；将所述讲师对应的图像与所述每个关键帧对应的画面进行比较，判断所述每个关键帧对应的画面中是否存在所述讲师对应的图像，以确定该关键帧对应的画面中是否存在所述讲师。
8.进一步地，将所述讲师对应的图像与所述每个关键帧对应的画面进行比较包括：将所述讲师对应的图像和所述每个关键帧对应的画面输入到预先训练好的机器学习模型中进行比较，其中，所述机器学习模型是使用多组训练数据进行训练得到的，所述多组训练数据中的每一组训练数据均包括输入数据和输出数据，所述输入数据包括第一图片和第二图片，所述输出数据为用于标识所述第二图片是否包括所述第一图片中的人物的标签信息；获取所述机器学习模型输出的标签信息，其中，所述标签信息用于指示所述每个关键帧对应的画面中是否存在所述讲师对应的图像。
9.根据本技术的另一个方面，还提供了一种培训视频管理系统，包括：第一获取模块，用于获取待播放的培训视频中的讲师信息，其中，所述讲师信息包括用于唯一标识讲师的标识，所述培训视频为预先录制好的视频；第二获取模块，用于根据所述讲师的标识获取所述讲师历史上进行直播时的第一视频，其中，所述第一视频是所述讲师在直播时通过对直播的录制得到的；提取模块，用于从所述第一视频中提取所述讲师的第二视频，其中，所述第二视频是将所述第一视频中除所述讲师的面部和身体之外的其他部分进行背景模糊之后得到的视频；判断模块，用于播放所述培训视频，并判断所述培训视频中是否存在所述讲师的画面；启动模块，用于在所述培训视频中不存在所述讲师的画面的情况下，启动画面显示控件，其中，所述画面显示控件为叠加在培训视频播放界面上的控件，所述画面显示控件用于播放所述第二视频。
10.进一步地，所述判断模块用于：获取所述培训视频的时长，根据所述时长确定抽取关键帧的时间间隔，其中，根据所述时间间隔抽取的关键帧的数量大于预先配置的阈值；根据所述时间间隔抽取多个关键帧；依次判断所述多个关键帧中的每个关键帧对应的画面中是否存在所述讲师；根据判断结果确定所述培训视频中是否存在所述讲师的画面。
11.进一步地，所述判断模块用于：在所述多个关键帧中的每个关键帧对应的画面中均不存在所述讲师的情况下，确定所述培训视频中不存在所述讲师的画面，在所述多个关键帧中至少一个关键帧存在所述讲师的情况下，确定所述培训视频中存在所述讲师的画面。
12.进一步地，所述判断模块用于：根据所述讲师信息从数据库中提取所述讲师对应的图像；将所述讲师对应的图像与所述每个关键帧对应的画面进行比较，判断所述每个关键帧对应的画面中是否存在所述讲师对应的图像，以确定该关键帧对应的画面中是否存在所述讲师。
13.进一步地，所述判断模块用于：将所述讲师对应的图像和所述每个关键帧对应的画面输入到预先训练好的机器学习模型中进行比较，其中，所述机器学习模型是使用多组训练数据进行训练得到的，所述多组训练数据中的每一组训练数据均包括输入数据和输出数据，所述输入数据包括第一图片和第二图片，所述输出数据为用于标识所述第二图片是否包括所述第一图片中的人物的标签信息；获取所述机器学习模型输出的标签信息，其中，所述标签信息用于指示所述每个关键帧对应的画面中是否存在所述讲师对应的图像。
14.在本技术实施例中，采用了获取待播放的培训视频中的讲师信息，其中，所述讲师信息包括用于唯一标识讲师的标识，所述培训视频为预先录制好的视频；根据所述讲师的标识获取所述讲师历史上进行直播时的第一视频，其中，所述第一视频是所述讲师在直播时通过对直播的录制得到的；从所述第一视频中提取所述讲师的第二视频，其中，所述第二
视频是将所述第一视频中除所述讲师的面部和身体之外的其他部分进行背景模糊之后得到的视频；播放所述培训视频，并判断所述培训视频中是否存在所述讲师的画面；在所述培训视频中不存在所述讲师的画面的情况下，启动画面显示控件，其中，所述画面显示控件为叠加在培训视频播放界面上的控件，所述画面显示控件用于播放所述第二视频。通过本技术解决了现有技术中提前录制好的培训视频中无讲师出镜所导致的问题，从而能够在培训视频播放时添加讲师的画面，提高了培训效果。
附图说明
15.构成本技术的一部分的附图用来提供对本技术的进一步理解，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：图1是根据本技术实施例的培训视频管理方法的流程图。
具体实施方式
16.需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本技术。
17.需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
18.在本实施例中提供了一种培训视频管理方法，图1是根据本技术实施例的培训视频管理方法的流程图，如图1所示，该方法包括如下步骤：步骤s102，获取待播放的培训视频中的讲师信息，其中，所述讲师信息包括用于唯一标识讲师的标识，所述培训视频为预先录制好的视频；步骤s104，根据所述讲师的标识获取所述讲师历史上进行直播时的第一视频，其中，所述第一视频是所述讲师在直播时通过对直播的录制得到的；步骤s106，从所述第一视频中提取所述讲师的第二视频，其中，所述第二视频是将所述第一视频中除所述讲师的面部和身体之外的其他部分进行背景模糊之后得到的视频；作为一个可选的实施方式，如果根据所述讲师的标识无法获取到所述讲师历史上进行直播时的第一视频，则提取所述培训视频的音频信息，根据提取到的音频信息确定所述讲师的属性信息，其中，所述属性信息包括所述讲师的年龄范围和性别；根据所述讲师的属性信息查找预定讲师，其中，所述预定讲师为该预定讲师的属性信息与所述讲师的属性信息相匹配，并且所述预定讲师有历史上进行直播时录制下来的视频；使用所述预定讲师的录制下来的视频作为所述第一视频。
19.在根据所述讲师的属性信息查找预定讲师失败的情况下，根据所述讲师的属性信息生成虚拟形象，其中，所述虚拟形象与所述讲师的属性信息相适配；根据从所述培训视频中提取到的音频信息生成所述虚拟形象的动画，所述动画中的虚拟形象中的口型与所述音频信息相对应；根据所述培训视频的时间轴对所述动画的时间轴进行配置，配置后的所述动画的时间轴与所述培训视频的时间轴相对应，将配置时间轴之后的所述空座作为所述第二视频。
20.步骤s108，播放所述培训视频，并判断所述培训视频中是否存在所述讲师的画面；
步骤s110，在所述培训视频中不存在所述讲师的画面的情况下，启动画面显示控件，其中，所述画面显示控件为叠加在培训视频播放界面上的控件，所述画面显示控件用于播放所述第二视频。
21.在该步骤中为了节约运算资源，可以采用如下的处理方式：使用第一进程来播放所述培训视频，使用第二进程来判断所述培训视频中是否存在所述讲师的画面，使用第三进程来启动画面显示控件，其中，所述第二进程在判断出所述培训视频中不存在所述讲师的画面的情况下，挂起；预先为所述第一进程和第三进程预留资源，其中预留的资源均用于所述第一进程和所述第三进程的运行，预留的资源中包括所述第一进程和所述第三进程共享的缓存，所述第三进程在启动之后，将画面显示用于播放的所述第二视频保存在所述共享的缓存中。通过这样的方式可以保证在直播的时候有充足的资源运行所述画面显示控件。
22.在另外一个可选的实施方式中，在启动所述画面显示控件之后，所述方法还可以包括：对带有所述画面显示控件的培训视频播放界面播放的视频进行录制，在播放所述培训视频完毕之后得到录制好的带有所述第二视频的第三视频，保存所述第三视频，其中，保存所述第三视频包括：获取所述培训视频的标识信息，所述培训视频的标识信息用于唯一标识所述培训视频；将所述培训视频的标识信息和所述第三视频的录制时间以及标签信息加在一起作为所述第三视频的标识信息，所述标签信息用于指示所述第三视频中显示有所述讲师的第二视频；将所述标识信息和所述第三视频保存在数据库中，并且将所述第三视频的标识信息作为所述培训视频的第二标识信息增加给所述培训视频，以建立所述第三视频和所述培训视频之间的对应关系。
23.在建立所述培训视频和所述第三视频的对应关系之后，在下次播放所述培训视频时，查找所述培训视频是否具备所述第二标识信息以确定所述培训视频是否存在对应的第三视频，在存在对应的所述第三视频的情况下，使用所述第三视频替换所述培训视频进行播放。
24.通过上述步骤解决了现有技术中提前录制好的培训视频中无讲师出镜所导致的问题，从而能够在培训视频播放时添加讲师的画面，提高了培训效果。
25.在上述步骤s108中，可以通过抽取关键帧的方式来判断所述培训视频中是否存在所述讲师的画面。
26.在该可选方式中，可以获取所述培训视频的时长，根据所述时长确定抽取关键帧的时间间隔，其中，根据所述时间间隔抽取的关键帧的数量大于预先配置的阈值；根据所述时间间隔抽取多个关键帧；依次判断所述多个关键帧中的每个关键帧对应的画面中是否存在所述讲师；根据判断结果确定所述培训视频中是否存在所述讲师的画面。例如，如果一个培训视频的时长为1个小时，预先配置的关键帧的数量为10张关键帧，此时就每间隔6分钟来抽取一张关键帧，这样确保抽取到的关键帧的数量大于等于10张，而且关键帧在时间轴上是平均分布的。
27.在这种情况下，在所述多个关键帧中的每个关键帧对应的画面中均不存在所述讲师的情况下，确定所述培训视频中不存在所述讲师的画面，在所述多个关键帧中至少一个关键帧存在所述讲师的情况下，确定所述培训视频中存在所述讲师的画面。采用这种判断方式来进行判断一方面至需要比对多张关键帧的画面而不需要比对整个视频，节约了资
源；另一方面，关键帧是从不同的时间点抽取出来了也可以保证判断的准确性。
28.判断每个关键帧对应的画面是否存在所述讲师可以采用图像比较的方式来进行。在该种方式中，可以根据所述讲师信息从数据库中提取所述讲师对应的图像；将所述讲师对应的图像与所述每个关键帧对应的画面进行比较，判断所述每个关键帧对应的画面中是否存在所述讲师对应的图像，以确定该关键帧对应的画面中是否存在所述讲师。
29.在进行图像比较的时候，可以采用机器学习的方式来进行比较，在该方式中，将所述讲师对应的图像和所述每个关键帧对应的画面输入到预先训练好的机器学习模型中进行比较，其中，所述机器学习模型是使用多组训练数据进行训练得到的，所述多组训练数据中的每一组训练数据均包括输入数据和输出数据，所述输入数据包括第一图片和第二图片，所述输出数据为用于标识所述第二图片是否包括所述第一图片中的人物的标签信息；获取所述机器学习模型输出的标签信息，其中，所述标签信息用于指示所述每个关键帧对应的画面中是否存在所述讲师对应的图像。
30.该机器学习模型可以为两个，第一机器学习模型用于从关键帧对应的画面中进行人脸识别，并将人脸识别得到的人脸图像从关键帧对应的画面中抽取出来；第二机器学习模型用于比较第一图片中的人物与从关键帧对应的画面中提取出的人脸图像进行比较，以确定所述第一图片中的人物与从所述关键帧对应的画面中提取出的人脸图像是否同一人。
31.第二机器学习模型主要是用于两张人脸图像的比较，在本实施例中提供了如下的一种可选的实现方式。
32.在该可选实现方式中，主要采用了一种单训练样本人脸识别方法，包括以下步骤：1）输入人脸子特征训练样本素材：准备一组人脸照片，容量为m=m[1] m[2] ... m[n]，其中，n是训练样本中参加拍摄样本的人的数量，m[i](1≤i≤n，m[i]≥1)是第i个人在给定的不同拍摄条件下照片的总数量；2）构造训练样本：m个训练素材，两两配对，产生m
×
m个人脸照片的训练样本；3）提取每个所述训练样本的p个子特征，进而通过每个训练样本中两张照片对应子特征之间的差值获得每一训练样本的p个子特征度量模块；4）给定任意的训练样本，依据p个子特征度量模块计算训练样本中两幅图像的差值，构造该样本的p维样本特征数据向量v，若训练样本中两副照片代表同一个人时，v的响应值为r=1，否则r=0；5）依据步骤4）中，对于m
×
m个训练向量和对应的响应值，通过机器学习的方法，得到机器学习的训练结果数据集；6）输入待识别对比的两幅人脸照片，调用p个子特征度量模块计算出p个拓扑学距离空间意义下的距离，构成待测试向量v，依据机器学习算法和训练结果数据集，预测判定v’对应的值r；当r=1时，判定两幅照片对应同一人；让r=0时，判定两幅照片对应不同人。
[0033]
可选地，在步骤2）之前还包括对样本素材尺度标准化的步骤：统一所有照片上人的瞳孔平均坐标，且统一每一照片上的两瞳孔间距，并把所述照片规整为同一尺寸。并且，对样本素材尺寸标准化后还包括对样本素材灰度化的步骤。
[0034]
在该方法中还可以包括对所获得的灰度化的所述照片进行亮度标准化的步骤。亮度标准化是执行人脸检测，切割出人脸区域，然后让面部平均亮度和反差标准化。例如，面部平均亮度的标准为127，反差标准化的标准是亮度均方差为32。
[0035]
上述步骤2）中照片规整的尺寸为像素值240
×
320，瞳孔距离64像素。在上述步骤中，所述子特征的个数不少于6个且不大于38个。
[0036]
机器学习的方法有很多种。例如，本可选实施方式中机器学习的方法可以选自人工神经网络算法、支持向量机算法、贝叶斯分类算法、决策树算法。
[0037]
在本实施例中，通过直播客户端对培训的视频信息和声音信息进行处理，并利用播放终端将信息进行处理呈现到终端的播放页面上，同时采用信号采集器采集直播客户端的信息数据，采集直播信息并与数据库的主播信息匹配，同时通过直播管理服务器监控直播内容。
[0038]
在本实施例中，提供一种电子装置，包括存储器和处理器，存储器中存储有计算机程序，处理器被设置为运行计算机程序以执行以上实施例中的方法。
[0039]
上述程序可以运行在处理器中，或者也可以存储在存储器中（或称为计算机可读介质），计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
[0040]
这些计算机程序也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤，对应与不同的步骤可以通过不同的模块来实现。
[0041]
该本实施例中就提供了这样的一种装置或系统。该系统被称为一种培训视频管理系统，包括：第一获取模块，用于获取待播放的培训视频中的讲师信息，其中，所述讲师信息包括用于唯一标识讲师的标识，所述培训视频为预先录制好的视频；第二获取模块，用于根据所述讲师的标识获取所述讲师历史上进行直播时的第一视频，其中，所述第一视频是所述讲师在直播时通过对直播的录制得到的；提取模块，用于从所述第一视频中提取所述讲师的第二视频，其中，所述第二视频是将所述第一视频中除所述讲师的面部和身体之外的其他部分进行背景模糊之后得到的视频；判断模块，用于播放所述培训视频，并判断所述培训视频中是否存在所述讲师的画面；启动模块，用于在所述培训视频中不存在所述讲师的画面的情况下，启动画面显示控件，其中，所述画面显示控件为叠加在培训视频播放界面上的控件，所述画面显示控件用于播放所述第二视频。
[0042]
优选地，所述第二获取模块还用于如果根据所述讲师的标识无法获取到所述讲师历史上进行直播时的第一视频，则提取所述培训视频的音频信息，根据提取到的音频信息确定所述讲师的属性信息，其中，所述属性信息包括所述讲师的年龄范围和性别；根据所述讲师的属性信息查找预定讲师，其中，所述预定讲师为该预定讲师的属性信息与所述讲师的属性信息相匹配，并且所述预定讲师有历史上进行直播时录制下来的视频；使用所述预定讲师的录制下来的视频作为所述第一视频。
[0043]
该系统或者装置用于实现上述的实施例中的方法的功能，该系统或者装置中的每个模块与方法中的每个步骤相对应，已经在方法中进行过说明的，在此不再赘述。
[0044]
例如，所述判断模块用于：获取所述培训视频的时长，根据所述时长确定抽取关键帧的时间间隔，其中，根据所述时间间隔抽取的关键帧的数量大于预先配置的阈值；根据所述时间间隔抽取多个关键帧；依次判断所述多个关键帧中的每个关键帧对应的画面中是否存在所述讲师；根据判断结果确定所述培训视频中是否存在所述讲师的画面。
[0045]
又例如，所述判断模块用于：在所述多个关键帧中的每个关键帧对应的画面中均不存在所述讲师的情况下，确定所述培训视频中不存在所述讲师的画面，在所述多个关键帧中至少一个关键帧存在所述讲师的情况下，确定所述培训视频中存在所述讲师的画面。
[0046]
又例如，所述判断模块用于：根据所述讲师信息从数据库中提取所述讲师对应的图像；将所述讲师对应的图像与所述每个关键帧对应的画面进行比较，判断所述每个关键帧对应的画面中是否存在所述讲师对应的图像，以确定该关键帧对应的画面中是否存在所述讲师。
[0047]
又例如，所述判断模块用于：将所述讲师对应的图像和所述每个关键帧对应的画面输入到预先训练好的机器学习模型中进行比较，其中，所述机器学习模型是使用多组训练数据进行训练得到的，所述多组训练数据中的每一组训练数据均包括输入数据和输出数据，所述输入数据包括第一图片和第二图片，所述输出数据为用于标识所述第二图片是否包括所述第一图片中的人物的标签信息；获取所述机器学习模型输出的标签信息，其中，所述标签信息用于指示所述每个关键帧对应的画面中是否存在所述讲师对应的图像。
[0048]
所述系统还可以包括：保存模块，用于对带有所述画面显示控件的培训视频播放界面播放的视频进行录制，在播放所述培训视频完毕之后得到录制好的带有所述第二视频的第三视频，保存所述第三视频，其中，保存所述第三视频包括：获取所述培训视频的标识信息，所述培训视频的标识信息用于唯一标识所述培训视频；将所述培训视频的标识信息和所述第三视频的录制时间以及标签信息加在一起作为所述第三视频的标识信息，所述标签信息用于指示所述第三视频中显示有所述讲师的第二视频；将所述标识信息和所述第三视频保存在数据库中，并且将所述第三视频的标识信息作为所述培训视频的第二标识信息增加给所述培训视频，以建立所述第三视频和所述培训视频之间的对应关系。
[0049]
通过上述实施例解决了现有技术中提前录制好的培训视频中无讲师出镜所导致的问题，从而能够在培训视频播放时添加讲师的画面，提高了培训效果。
[0050]
以上仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。