本发明涉及视频内容识别技术领域，更具体地，涉及一种用于视频内容识别的方法、设备、客户端装置、电子设备及服务器。
背景技术：
随着网络技术的快速发展，越来越多的用户选择通过网络观看各种视频。例如，用户可以通过网络观看关于时事新闻、各地文化、电视剧的视频。
用户在观看视频的过程中，可能会对视频中的一些内容感兴趣。用户可能希望了解关于视频中的人物、物品、景观等的相关信息。特别地，在某些情况下，视频中的人物或物品的背景信息对于用户理解视频内容起到非常重要的作用。例如，用户看到视频中不认识的人物，但是却非常希望了解该人物的背景。例如，用户对于视频中出现的某个明星人物的服装或饰品等物品感兴趣，并希望能够了解或购买所述物品。
在现有技术中，通常由视频的提供者对视频进行处理，在视频中设置标识信息，并由视频提供者的服务器将所述标识信息与预设的数据库中的信息进行匹配来提供注释信息。这种方式无法灵活地针对视频中的任意人物、物品或景观向用户提供信息。此外，所述注释信息的范围是有限的，它受到视频提供者的数据库的信息的限制。例如，用户希望了解视频中的人物的背景信息，但是，所述注释信息仅包括视频中的物品的相关信息。因此，在很多情况下，现有技术的方案无法满足用户的需求。
因此，发明人认为，需要针对现有技术中存在的至少一个技术问题进行改进。
技术实现要素：
本公开的一个目的是提供一种用于视频内容识别的方法的新技术方案。
根据本公开的第一方面，提供了一种用于视频内容识别的方法，包括：获取视频中用户任意选择的目标图像；向服务器发送视频内容识别请求，其中，所述视频内容识别请求包含所述目标图像；接收来自服务器的视频内容识别结果，其中，所述视频内容识别结果包括通过搜索引擎所搜索的与所述目标图像相关的信息。
可选地，所述方法还包括：获取在客户端装置中所设置的搜索引擎信息，其中，所述搜索引擎信息标识用于进行搜索的所述搜索引擎；其中，所述视频内容识别请求还包含所述搜索引擎信息。
可选地，所述搜索引擎信息被包含在视频内容识别请求的统一资源定位符中。
可选地，获取视频中用户任意选择的目标图像还包括：检测到用户针对与获取操作对应的功能按钮的点击操作；暂停视频的播放；提取视频中的当前视频帧作为待编辑图像；以及对待编辑图像进行编辑操作，以获取所述目标图像。
可选地，获取视频中用户任意选择的目标图像还包括：接收用户的预设点击操作，其中，该预设点击操作是针对视频内容识别而预先设置的点击操作方式；以及基于所述预设点击操作的操作点，自动获取所述目标图像。
可选地，在自动获取所述目标图像的过程中不中断所述视频的播放。
可选地，以所述操作点为中心，基于预设的目标图像大小，获取所述目标图像。
可选地，所述视频内容识别结果包括：与所述目标图像相似的物品信息；或者与所述目标图像相似的关联信息。
根据本公开的第二方面，提供了一种用于视频内容识别的方法，包括：接收来自客户端装置的视频内容识别请求，其中，所述视频内容识别请求包含用户在视频中任意选择的目标图像；基于所述目标图像，使用搜索引擎，获取对应的视频内容识别结果；以及向所述客户端装置发送所述视频内容识别结果，其中，所述视频内容识别结果包括通过所述搜索引擎所搜索的与所述目标图像相关的信息。
可选地，所述视频内容识别请求还包含搜索引擎信息，以及所述搜索引擎信息标识用于进行搜索的所述搜索引擎。
可选地，所述搜索引擎信息被包含在视频内容识别请求的统一资源定位符中。
可选地，所述方法还包括：记录所述视频内容识别请求及所述视频内容识别结果，其中，获取对应的视频内容识别结果还包括：基于之前的视频内容识别请求和之前的视频内容识别结果中的至少一个获取对应的视频内容识别结果。
可选地，所述视频内容识别结果包括：与所述目标图像相似的物品信息；或者与所述目标图像相似的关联信息。
根据本公开的第三方面，提供了一种用于视频内容识别的设备，包括：用于获取视频中用户任意选择的目标图像的装置；用于向服务器发送视频内容识别请求的装置，其中，所述视频内容识别请求包含所述目标图像；用于接收来自服务器的视频内容识别结果的装置，其中，所述视频内容识别结果包括通过搜索引擎所搜索的与所述目标图像相关的信息。
根据本公开的第四方面，提供了一种用于视频内容识别的设备，包括：用于接收来自客户端装置的视频内容识别请求的装置，其中，所述视频内容识别请求包含用户在视频中任意选择的目标图像；用于基于所述目标图像使用搜索引擎获取对应的视频内容识别结果的装置；以及用于向所述客户端装置发送所述视频内容识别结果的装置，其中，所述视频内容识别结果包括通过所述搜索引擎所搜索的与所述目标图像相关的信息。
根据本公开的第五方面，提供了一种客户端装置，包括根据本公开的第三方面所述的用于视频内容识别的设备，或者被设计成用于执行根据本公开的第一方面中的任何一项所述的用于视频内容识别的方法中的操作。
根据本公开的第六方面，提供了一种服务器，包括根据本公开的第四方面所述的用于视频内容识别的设备，或者被设计成用于执行根据本公开第二方面中的任何一项所述的用于视频内容识别的方法中的操作。
根据本公开的第七方面，提供了一种电子设备，包括根据本公开第五方面所述的客户端装置，或者包括存储器和处理器，其中，所述存储器存储可执行指令，所述可执行指令在所述电子设备运行时控制所述处理器执行根据本公开第一方面中的任何一项所述的用于视频内容识别的方法中的操作。
根据本公开的第八方面，提供了一种服务器，包括根据本公开第六方面所述的服务端装置，或者包括存储器和处理器，其中，所述存储器存储可执行指令，所述可执行指令在所述服务设备运行时控制所述处理器执行根据本公开第二方面中的任何一项所述的用于视频内容识别的方法中的操作。
根据本公开的一个实施例，可以根据视频中用户任意选择的目标图像，可以灵活地向用户提供与目标图像相关的信息。
通过以下参照附图对本发明的示例性实施例的详细描述，本发明的其它特征及其优点将会变得清楚。
附图说明
被结合在说明书中并构成说明书的一部分的附图示出了本发明的实施例，并且连同其说明一起用于解释本发明的原理。
图1示出了根据本公开的第一实施例的方法的示意性流程图。
图2示出了根据本公开的第一实施例的客户端装置的示意性框图。
图3示出了根据本公开的第一实施例的电子设备的示意性框图。
图4示出了根据本公开的第二实施例的方法的示意性流程图。
图5示出了根据本公开的第二实施例的服务器的示意性框图。
图6示出了根据本公开的第二实施例的服务器的示意性框图。
具体实施方式
现在将参照附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
下面，参照附图描述根据本公开的各个实施例和例子。
<第一实施例>
<方法>
图1示出了根据本公开的第一实施例的方法的示意性流程图。
如图1所示，在步骤1100，获取视频中用户任意选择的目标图像。在这里，可以不对视频预先进行额外的处理，而由用户任意选择目标图像。所选择的目标图像可以是整个视频帧图像，也可以是视频帧图像的一部分。
在一个例子中，可以在视频播放界面上提供一个与获取操作对应的功能按钮。在视频播放过程中，检测到用户针对与获取操作对应的功能按钮的点击操作，暂停视频的播放，提取视频中的当前视频帧作为待编辑图像，以及对待编辑图像进行编辑操作，以获取所述目标图像。
例如，用户在观看视频的过程中，对视频中的某个演员感兴趣。用户点击视频播放界面上与获取操作对应的功能按钮。具有视频内容识别功能的客户端装置(或客户端应用)检测到用户针对该功能按钮的点击操作后，暂停播放视频。例如，客户端装置可以是浏览器、视频播放器等。接着，客户端装置提取视频中的当前视频帧作为待编辑图像。用户对待编辑图像进行编辑操作，或者客户端装置自动对待编辑图像进行编辑操作。例如，客户端装置可以截取待编辑图像中包含该演员的部分图像作为目标图像。例如，用户可以点击所述功能按钮，并且客户端装置产生视频内容识别请求，以将该目标图像发送到服务器。
在另一个例子中，可以通过预设点击操作来获取用户任意选择的目标图像。例如，客户端装置可以接收用户的预设点击操作，其中，该预设点击操作是针对视频内容识别而预先设置的点击操作方式，例如，双击、滑动或多手指点击等。可以基于所述预设点击操作的操作点，自动获取所述目标图像。
例如，在接收到用户的预设点击操作后，可以基于预设点击操作的操作点，以操作点为中心，基于预设的目标图像大小，获取目标图像。举例来说，假设操作点处的坐标为c，空间坐标为(m，n)。可以以视频的当前视频帧作为基准图像，以点c为中心，自动截取长度为w、高为h的矩形。矩形左上角坐标为(m-w/2，n-h/2)，矩形右下角坐标为(m+w/2，n+h/2)。将该矩形部分的图像确定为目标图像。这里，可以暂停视频的播放。此外，在自动获取所述目标图像的过程中，也可以不中断所述视频的播放，这可以使得视频的播放，从而提高用户使用体验。
需要说明的是，针对视频内容识别而预先设置的点击操作方式，可以是针对视频播放界面的单击、双击、滑动等操作。本例中对此不作具体限定。
例如，预设点击操作为双击操作。用户在观看视频的过程中，对视频中的某个演员感兴趣。用户通过对视频播放界面中该演员所在区域的双击操作，触发客户端装置获取目标图像。客户端装置接收到用户的双击操作后，以用户双击操作的操作点为中心，自动截取长度为w，高为h的矩形作为目标图像。客户端装置产生用户视频内容识别请求，以将该目标图像发送给服务器。
在步骤1200，向服务器发送视频内容识别请求，其中，所述视频内容识别请求包含所述目标图像。
在步骤1300，接收来自服务器的视频内容识别结果，其中，所述视频内容识别结果包括通过搜索引擎所搜索的与所述目标图像相关的信息。
在这个实施例里，使用用户任意选择的目标图像，通过服务器，向搜索引擎获取与所述目标图像相关的信息。这里，提出了一种新的架构方式，从而将用户的需求与搜索引擎联系起来。通过这种方式，可以用户为用户提供灵活的识别视频内容的方式。搜索结果不局限于特定提供方的数据库中的内容。此外，这种方式也为服务器的配置提供更多的灵活性。例如，服务器可以根据需要选择不同的搜索引擎来提供视频内容识别结果，从而进一步提升用户的使用体验。
例如，在另一个例子中，还可以获取在客户端装置中所设置的搜索引擎信息。所述搜索引擎信息可以标识用于进行搜索的所述搜索引擎。通常来说，所述搜索引擎信息可以事先被设置在客户端装置中或者可以是默认设置的搜索引擎。当发送视频内容识别请求时，所述视频内容识别请求还包含所述搜索引擎信息。例如，搜索引擎可以包括商业搜索引擎和内容搜索引擎。商业搜索引擎用于搜索目标图像中的物品相关的物品信息。内容搜索引擎用于搜索目标图像中的内容相关的关联信息。
不同类型的搜索引擎对应不同的搜索引擎信息。例如，商业搜索引擎的搜索引擎信息为a，内容搜索引擎的搜索引擎信息为b。例如，在向服务器发起视频内容识别请求时，所述视频内容识别请求可以包含搜索引擎信息，例如，所述搜索引擎信息被包含在视频内容识别请求的统一资源定位符(uniformresourcelocator，url)中。服务器可以使用对应的搜索引擎搜索与目标图像相关的信息。
此外，还可以在获取目标图像时选择搜索引擎信息。例如，当用户点击获取目标图像的功能按钮或执行预设点击操作时，提供搜索引擎选项，供用户选择。通过这种方式，可以通过所选择的搜索引擎实时反映用户感兴趣的方面，例如，人物的背景信息或物品购买信息，从而可以返回更加准确的频内容识别结果。
例如，视频内容识别结果可以包括：与目标图像相似的物品信息；或者，与目标图像相似的关联信息。
例如，所述物品信息可以是通过诸如淘宝等的购物网站搜索引擎所搜索的结果。例如，在目标图像中包含商品，例如服饰、饰品、家具、家居等物品，视频内容识别结果中包括与这些物品相似的物品信息。物品信息例如可以包括品牌、价格、购买链接等信息。例如，所述关联信息是通过百度等信息类搜索引擎所搜索的结果。在目标图像中包含相关内容，如人物、风景等，视频内容识别结果中包括与这些内容相似的关联信息。关联信息例如可以包括人物的介绍、风景的介绍、地理位置导航等信息。
在这个实施例中，可以基于视频中用户任意选择的感兴趣的目标图像，向服务器发起视频内容识别请求，服务器向搜索引擎请求搜索结果并将搜索结果返回给用户。通过这种方式，可以提供灵活的服务器配置。此外，用户所得到的搜索结果不限于服务器本身的数据库中的内容。
<设备>
本领域技术人员应当理解，在电子技术领域中，可以通过软件、硬件以及软件和硬件结合的方式，将上述方法体现在产品中本领域技术人员很容易基于上面公开的方法，产生一种用于视频内容识别的设备，所述设备包括用于执行根据上述实施例的用于视频内容识别的方法中的各个操作的装置。例如，所述设备包括：用于获取视频中用户任意选择的目标图像的装置；用于向服务器发送视频内容识别请求的装置，其中，所述视频内容识别请求包含所述目标图像；用于接收来自服务器的视频内容识别结果的装置，其中，所述视频内容识别结果包括通过搜索引擎所搜索的与所述目标图像相关的信息。
<客户端装置>
可以在诸如视频浏览器、视频播放器等的客户端装置(或客户端应用)中实现根据本公开的至少一个实施例。
图2示出了根据本公开的第一实施例的客户端装置的示意性框图。如图2所示，客户端装置2000包括视频内容识别设备2010。视频内容识别设备2010可以是根据上述实施例的用于视频内容识别的设备。
此外，如前面所述，也可以基于前面所述的方法产生一种客户端装置，它可以被设计成用于执行参照图1所述的实施例的方案中的步骤。
本领域技术人员公知的是，随着诸如大规模集成电路技术的电子信息技术的发展和软件硬件化的趋势，要明确划分计算机系统软、硬件界限已经显得比较困难了。因为，任何操作可以软件来实现，也可以由硬件来实现。任何指令的执行可以由硬件完成，同样也可以由软件来完成。对于某一机器功能采用硬件实现方案还是软件实现方案，取决于价格、速度、可靠性、存储容量、变更周期等非技术性因素。对于技术人员来说，软件实现方式和硬件实现方式是等同的。技术人员可以根据需要选择软件或硬件来实现上述方案。因此，这里不对具体的软件或硬件进行限制。
<电子设备>
可以在诸如手机、平板电脑等的电子设备中实现上述实施例中的任何一个。例如，所述电子设备可以包括上述实施例中的用于视频内容识别的设备或者包括上述实施例中的客户端装置。
此外，图3示出了根据本公开的第一实施例的电子设备的示意性框图。如图3所示，电子设备3000可以包括处理器3010、存储器3020、接口装置3030、通信装置3040、显示装置3050、输入装置3060、扬声器3070、麦克风3080，等等。
处理器3010例如可以是中央处理器(cpu)、微处理器(mcu)等。存储器3020例如包括rom(只读存储器)、ram(随机存取存储器)、诸如硬盘的非易失性存储器等。接口装置3030例如包括usb接口、耳机接口等。
通信装置3040例如能够进行有有线或无线通信。
显示装置3050例如是液晶显示屏、触摸显示屏等。输入装置3060例如可以包括触摸屏、键盘等。用户可以通过扬声器3070和麦克风3080输入/输出语音信息。
图3所示的电子设备仅是解释性的，并且决不是为了要限制本发明、其应用或用途。
在这个实施例中，所述存储器3020用于存储指令，所述指令在所述电子设备3000运行时控制所述处理器3010执行前面参照图1所述的用于视频内容识别的方法中的操作。本领域技术人员应当理解，尽管在图3中示出了多个装置，但是，本发明可以仅涉及其中的部分装置，例如，处理器3010和存储器3020等。技术人员可以根据本发明所公开方案设计指令。指令如何控制处理器进行操作，这是本领域公知，故在此不再详细描述。
<第二实施例>
<方法>
图4示出了根据本公开的第二实施例的方法的示意性流程图。
如图4所示，在步骤4100，接收来自客户端装置的视频内容识别请求。所述视频内容识别请求包含用户在视频中任意选择的目标图像。
在一个例子中，视频内容识别请求中还可以包含用户在客户端装置中所设置的搜索引擎信息。该搜索引擎信息标识用于进行搜索的搜索引擎。例如，搜索引擎信息被包含在视频内容识别请求的url中。
步骤4200，基于所述目标图像，使用搜索引擎，获取对应的视频内容识别结果。
这里，搜索引擎信息可以被写入视频内容识别请求的url参数中，利用超文本传输协议(hypertexttransferprotocol，http)向后台服务接口发起视频内容识别的搜索请求。
后台服务接口接收到搜索请求后，提取出搜索请求中的搜索引擎信息，向对应的搜索引擎接口发起搜索请求。例如，搜索引擎接收到搜索请求后，可以对目标图像进行特征提取，利用大数据算法确定与目标图像最为相似的内容，作为获取的对应的视频内容识别结果。这里省略关于搜索引擎的描述。
步骤4300，向所述客户端装置发送所述视频内容识别结果。所述视频内容识别结果包括通过所述搜索引擎所搜索的与所述目标图像相关的信息。例如，视频内容识别结果可以包括与所述目标图像相似的物品信息；或者与所述目标图像相似的关联信息。
在目标图像包含商品，如服饰、饰品、家具、家居等物品的情况下，视频内容识别结果中包括与这些物品相似的物品信息。物品信息例如可以包括品牌、价格、购买链接等信息。在目标图像包含内容，如人物、风景等，视频内容识别结果中包括与这些内容相似的关联信息。关联信息例如可以包括人物的介绍、风景的介绍、地理位置导航等信息。
在一个例子中，为完善用户画像，实现针对用户的精准的内容推送和商业化服务推荐，服务器向客户端装置发送视频内容识别结果的同时，还可以记录用户本次的搜索行为。例如，服务器可以记录视频内容识别请求及所述视频内容识别结果。例如，在获取对应的视频内容识别结果时，可以基于之前的视频内容识别请求和之前的视频内容识别结果中的至少一个获取对应的视频内容识别结果。
在这个实施例中，描述了服务器的配置。服务器基于接收到的包含用户任意选择的感兴趣的目标图像的视频内容识别请求，使用搜索引擎，获取与目标图像对应的视频内容识别结果并返回给客户端装置，以将与目标图像相关的信息提供给用户。通过服务器的居间作用，可以提供更加灵活的配置。
<设备>
本领域技术人员应当理解，在电子技术领域中，可以通过软件、硬件以及软件和硬件结合的方式，将上述方法体现在产品中本领域技术人员很容易基于上面公开的方法，产生一种用于视频内容识别的设备，所述设备包括用于执行根据上述实施例的用于视频内容识别的方法中的各个操作的装置。例如，所述设备包括：用于接收来自客户端装置的视频内容识别请求的装置，其中，所述视频内容识别请求包含用户在视频中任意选择的目标图像；用于基于所述目标图像使用搜索引擎获取对应的视频内容识别结果的装置；以及用于向所述客户端装置发送所述视频内容识别结果的装置，其中，所述视频内容识别结果包括通过所述搜索引擎所搜索的与所述目标图像相关的信息。
<服务端装置>
图5示出了根据本公开的第二实施例的服务端装置的示意性框图。如图5所示，服务端装置5000包括视频内容识别设备5010。视频内容识别设备5010可以是根据上述实施例的用于视频内容识别的设备。
此外，如前面所述，也可以基于前面所述的方法产生一种服务端装置，它可以被设计成用于执行参照图4所述的实施例的方案中的步骤。
<服务器>
这里的服务器可以是包括上述服务端装置的服务器。
此外，图6示出了根据本公开的第二实施例的另一个服务器的示意性框图。如图6所示，服务器6000可以包括处理器6010、存储器6020、接口装置6030、通信装置6040、显示装置6050、输入装置6060，等等。尽管服务器也可以包括扬声器、麦克风等等，但是，这些部件与本发明无关，故在此省略。
处理器6010例如可以是中央处理器(cpu)、微处理器(mcu)等。存储器6020例如包括rom(只读存储器)、ram(随机存取存储器)、诸如硬盘的非易失性存储器等。接口装置6030例如包括usb接口、串行接口等。
通信装置6040例如能够进行有有线或无线通信。
显示装置6050例如是液晶显示屏、触摸显示屏等。输入装置6060例如可以包括触摸屏、键盘等。
图6所示的服务器仅是解释性的，并且决不是为了要限制本发明、其应用或用途。
在这个实施例中，所述存储器6020用于存储指令，所述指令在所述服务器6000运行时控制所述处理器6010执行前面参照图4所述的用于视频内容识别的方法中的操作。本领域技术人员应当理解，尽管在图6中示出了多个装置，但是，本发明可以仅涉及其中的部分装置，例如，处理器6010和存储器6020等。技术人员可以根据本发明所公开方案设计指令。指令如何控制处理器进行操作，这是本领域公知，故在此不再详细描述。
本领域技术人员公知的是，随着诸如大规模集成电路技术的电子信息技术的发展和软件硬件化的趋势，要明确划分计算机系统软、硬件界限已经显得比较困难了。因为，任何操作可以软件来实现，也可以由硬件来实现。任何指令的执行可以由硬件完成，同样也可以由软件来完成。对于某一机器功能采用硬件实现方案还是软件实现方案，取决于价格、速度、可靠性、存储容量、变更周期等非技术性因素。对于技术人员来说，软件实现方式和硬件实现方式是等同的。技术人员可以根据需要选择软件或硬件来实现上述方案。因此，这里不对具体的软件或硬件进行限制。
<例子>
用户在使用客户端装置观看视频的过程中，可能对视频中的某部分内容感兴趣，例如，所看到的不认识但是非常感兴趣的人，或者想购买的视频中人物身上的服装或饰品。在这种情况下，可以触发客户端装置的视频内容识别功能。
例如，用户可以通过点击针对获取操作设置的功能按钮触发客户端装置的视频内容识别功能。客户端装置在检测到用户针对与获取操作对应的功能按钮的点击操作时，暂停播放视频，并提取视频中的当前视频帧作为待编辑图像。对待编辑图像进行编辑操作以获取目标图像。
另一个例子中，用户也可以通过预设点击操作触发客户端装置的视频内容识别功能。例如，客户端装置接收到用户的双击操作后，以双击操作的操作点为中心，自动获取预设大小的目标图像。可选地，在自动获目标图像的过程中，可以中断视频的播放，也可以不中断视频的播放。这里对此不作具体限定。
例如，该预设点击操作可以是双击操作。用户在观看视频过程中，看到感兴趣的人物，双击人物所在的显示区域。客户端装置接收到双击操作后，以双击操作的操作点为中心，自动截取长度为w，高度为h的矩形作为自动获取的目标图像。
客户端装置获取目标图像后，向服务器发送视频内容识别请求。视频内容识别请求可以是利用http协议向服务器发起的。该视频内容识别请求包含目标图像。
在一个例子中，客户端装置还可以获取用户在客户端装置中所设置的搜索引擎信息。相应的，在视频内容识别请求中还可以包括搜索引擎信息。实际应用中，该搜索引擎信息可以被包含在视频内容识别请求的url中。
服务器接收到来自客户端装置的视频内容识别请求后，将目标图片发送给对应的搜索引擎。所述搜索引擎基于目标图像，使用搜索引擎获取对应的视频内容识别结果。例如，搜索引擎对目标图像进行特征提取，使用搜索引擎，运用大数据算法获得与目标图像最为相似的视频内容识别结果。由于搜索引擎不是本发明所关注的，因此，在这里没有示出搜索引擎。
需要说明的是，搜索引擎可以是内容识别引擎，也可以是商业搜索引擎。内容搜索引擎用于搜索目标图像中的内容相关的关联信息。商业搜索引擎用于搜索目标图像中的物品相关的物品信息。
例如，目标图像的内容是人物。使用商业搜索引擎进行搜索，所获取的对应的视频内容识别结果中可以包含该人物所穿戴的服装、饰品的品牌、价格、购买链接等信息。使用内容搜索引擎进行搜索，所获取的对应的视频内容识别结果中可以包含该人物的介绍等信息。
服务器从搜索引擎获取视频内容识别结果后，通过http协议将视频内容识别结果发送给客户端装置。
此外，服务器还可以记录视频内容识别请求及所述视频内容识别结果，以完善用户画像，作为日后实现针对用户的精准的内容推送和商业化服务推荐的依据。
在这个例子中，可以基于视频中用户任意选择的感兴趣的目标图像，获得与目标图像相关的信息以提供给用户，提升用户体验。
在这里，服务器可以作为客户端设备和搜索引擎之间的居间设备，从而提供了一种更加灵活的提供视频内容识别结果的方式。
本发明可以是设备、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、静态随机存取存储器(sram)、便携式压缩盘只读存储器(cd-rom)、数字多功能盘(dvd)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(isa)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如smalltalk、c++等，以及常规的过程式编程语言—诸如“c”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(fpga)或可编程逻辑阵列(pla)，该电子电路可以执行计算机可读程序指令，从而实现本发明的各个方面。
这里参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。对于本领域技术人员来说公知的是，通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。
以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。本发明的范围由所附权利要求来限定。