视频信息数据处理方法、装置、计算机设备和存储介质与流程

本申请涉及计算机技术领域，特别是涉及一种视频信息数据处理方法、装置、计算机设备和存储介质。

背景技术：

随着计算机多媒体技术的飞速发展，视频作为多媒体的重要组成部分，越来越活跃在人们的视野范围内，人们通过观看视频能获取到丰富的信息。目前，人们在观看视频时，想进一步了解视频内容，会根据视频中一些关键字，然后通过浏览器搜索相关信息进一步的了解视频内容。然而，当对视频内容原本信息就有缺失的用户偶然观看到一段不完整视频时，比如只有几秒钟的视频广告，用户虽然对视频的内容感兴趣，但是又不清楚视频内容中涉及的具体信息，比如视频广告中具体的产品型号，用户通过肉眼观看视频后，再使用一些关键字进行搜索时，受关键字准确率的影响，往往得出的信息也是不准确的，导致无法进行精确搜索。

技术实现要素：

基于此，有必要针对用户无法更准确的进一步的了解视频内容的技术问题，提供高效且准确性高的视频信息数据处理方法、装置、计算机设备和存储介质。

一种视频信息数据处理方法，所述方法包括：

获取已训练的提取模型和数据关联模型；

将当前视频输入所述提取模型中，提取出所述当前视频的多个目标视频元素；

将所述各个目标视频元素与所述数据关联模型里存储的关键特征进行匹配；

将匹配成功的关键特征作为目标关键特征；

获取所述数据关联模型里存储的与所述目标关键特征对应的关联数据，将所述关联数据作为展示信息显示。

在一个实施例中，所述提取模型包括图像子模型、语音子模型、声纹子模型，所述提取模型的训练步骤包括：

获取训练样本集，所述训练样本集包括标注图像集、标注语音集、标注声纹集，所述标注图像集中的标注图像包含图像特征，所述标注语音集中的标注语音包含语音特征，所述标注声纹集中的标注声纹包含声纹特征；

获取训练视频；

将所述标注图像集和所述训练视频输入初始图像子模型中，所述初始图像子模型对所述训练视频进行分割，提取出所述训练视频的分割图像；

将所述标注语音集和所述训练视频输入初始语音子模型中，所述初始语音子模型对所述训练视频进行分割，提取出所述训练视频的分割音频；

将所述标注声纹集和所述训练视频输入初始声纹子模型中，所述初始声纹子模型对所述训练视频进行分割，提取出所述训练视频的分割声纹；

根据所述训练视频的分割图像和所述图像特征调整所述初始图像子模型的模型参数，根据所述训练视频的分割音频和所述语音特征调整所述初始语音子模型的模型参数，根据所述训练视频的分割声纹和所述声纹特征调整所述初始声纹子模型的模型参数，直至所述初始图像子模型、初始语音子模型、初始声纹子模型都满足收敛条件，得到已训练的所述提取模型。

在一个实施例中，所述数据关联模型包括多个数据关联子模型，数据关联模型的建立步骤包括：

将所述标注图像集中的标注图像、所述标注语音集中的标注语音、所述标注声纹集中的标注声纹作为所述关键特征，并存储；

获取待关联样本；

将所述待关联样本的类型转换成文本，得到文本信息数据，并存储；

通过建立各个所述关键特征与所述文本信息数据的关联关系建立所述数据关联模型，所述数据关联模型用于根据所述关键特征选择所述关键特征对应的关联关系，并根据所述关键特征对应的关联关系从所述文本信息数据得到关联数据；

获取预设业务场景；

根据所述预设业务场景对所述数据关联模型通过监督学习的方式进行分类，得到多个数据关联子模型，所述数据关联子模型包含同类型的所述关键特征以及所述同类型的所述关键特征对应的所述关联数据。

在一个实施例中，所述获取已训练的提取模型和数据关联模型的步骤之前，还包括：

接收视频提取指令，所述视频提取指令携带有实际业务场景标识；

根据所述实际业务场景标识从所述数据关联子模型中选择所述已训练的数据关联模型。

在一个实施例中，所述显示展示信息包括：

获取所述展示信息的显示方式；

根据所述显示方式将所述展示信息以弹幕的形式在所述当前视频上滚动播放；

根据所述显示方式弹出预设时间的浮框，并在浮框内显示所述展示信息。

一种视频信息数据处理装置，所述装置包括：

模型获取模块，用于获取已训练的提取模型和数据关联模型；

视频处理模块，用于将当前视频输入所述提取模型中，提取出所述当前视频的多个目标视频元素，还用于将所述各个目标视频元素与所述数据关联模型里存储的关键特征进行匹配；

信息显示模块，用于将匹配成功的关键特征作为目标关键特征，还用于获取所述数据关联模型里存储的与所述目标关键特征对应的关联数据，将所述关联数据作为展示信息显示。

在一个实施例中，所述装置还包括：

样本获取模块，用于获取训练样本集，所述训练样本集包括标注图像集、标注语音集、标注声纹集，所述标注图像集中的标注图像包含图像特征，所述标注语音集中的标注语音包含语音特征，所述标注声纹集中的标注声纹包含声纹特征，还用于获取训练视频；

提取模型训练模块，用于将所述标注图像集和所述训练视频输入初始图像子模型中，所述初始图像子模型对所述训练视频进行分割，提取出所述训练视频的分割图像，用于将所述标注语音集和所述训练视频输入初始语音子模型中，所述初始语音子模型对所述训练视频进行分割，提取出所述训练视频的分割音频，用于将所述标注声纹集和所述训练视频输入初始声纹子模型中，所述初始声纹子模型对所述训练视频进行分割，提取出所述训练视频的分割声纹，还用于根据所述训练视频的分割图像和所述图像特征调整所述初始图像子模型的模型参数，根据所述训练视频的分割音频和所述语音特征调整所述初始语音子模型的模型参数，根据所述训练视频的分割声纹和所述声纹特征调整所述初始声纹子模型的模型参数，直至所述初始图像子模型、初始语音子模型、初始声纹子模型都满足收敛条件，得到已训练的所述提取模型。

在一个实施例中，所述装置还包括：

所述样本获取模块，还用于获取待关联样本，还用于获取预设业务场景；

数据关联模型建立模块，用于将所述标注图像集中的标注图像、所述标注语音集中的标注语音、所述标注声纹集中的标注声纹作为所述关键特征，并存储，用于将所述待关联样本的类型转换成文本，得到文本信息数据，并存储，还用于通过建立各个所述关键特征与所述文本信息数据的关联关系建立所述数据关联模型，所述数据关联模型用于根据所述关键特征选择所述关键特征对应的关联关系，并根据所述关键特征对应的关联关系从所述文本信息数据得到关联数据；

数据关联模型分类模块，用于根据所述预设业务场景对所述数据关联模型通过监督学习的方式进行分类，得到多个数据关联子模型，所述数据关联子模型包含同类型的所述关键特征以及所述同类型的所述关键特征对应的所述关联数据。

一种计算机设备，包括存储器和处理器，所述存储器存储有可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述各个方法实施例中的步骤。

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述各个方法实施例中的步骤。

上述视频信息数据处理方法、装置、计算机设备和存储介质，通过获取已训练的提取模型和数据关联模型，将当前视频输入提取模型中，提取出视频的多个目标视频元素，将各个目标视频元素与数据关联模型里存储的关键特征进行匹配，将匹配成功的关键特征作为目标关键特征，获取数据关联模型里存储的与所述目标关键特征对应的关联数据，将关联数据作为展示信息显示。通过提取模型对视频中的元素更准确的提取，再将视频元素和数据关联模型中的关键特征进行匹配，选择数据关联模型中与视频元素匹配准确度高的关键特征对应的关联数据作为展示信息，通过显示展示信息，就能将视频元素相关的信息推送给用户，这样即使用户缺乏对视频原本信息的了解，也能通过本方案获得精准推荐和实现精确搜索，让用户能够更准确、高效地进一步的了解视频内容。

附图说明

图1为一个实施例视频信息数据处理方法的应用场景图；

图2为一个实施例中视频信息数据处理方法的流程示意图；

图3为一个实施例中所述提取模型的训练步骤的流程示意图；

图4为一个实施例中所述数据关联模型的建立步骤的流程示意图；

图5为另一个实施例中视频信息数据处理方法的流程示意图；

图6为一个实施例中显示所述展示信息的的流程示意图；

图7为一个实施例中视频信息数据处理装置的结构框图；

图8为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请提供的视频信息数据处理方法，可以应用于如图1所示的应用环境中。图1为一个实施例中视频信息数据处理方法运行的应用环境图。如图1所示，该应用环境包括终端110、服务器120、终端110和服务器120之间通过网络进行通信，通信网络可以是无线或者有线通信网络，例如ip网络、蜂窝移动通信网络等，其中终端和服务器的个数不限。但是需要说明的是，本方案中视频信息数据处理方法的实现既可以直接在终端110上完成，也可以直接在服务器120上完成后由服务器120将视频信息数据处理得到的展示信息发送至终端110进行显示。

其中，终端110可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务器120可以用独立的服务器或者是多个服务器组成的服务器集群来实现。终端或者服务器通过获取已训练的提取模型和数据关联模型，将当前视频输入提取模型中，提取出当前视频的多个目标视频元素，将各个目标视频元素与数据关联模型里存储的关键特征进行匹配，将匹配成功的关键特征作为目标关键特征，获取数据关联模型里存储的与目标关键特征对应的关联数据，将关联数据作为展示信息显示，通过显示展示信息，就能将视频元素相关的信息推送给用户，这样即使用户缺乏对视频原本信息的了解，也能通过本方案获得精准推荐和实现精确搜索，让用户能够更准确、高效地进一步的了解视频内容。

在一个实施例中，如图2所示，提供了一种视频信息数据处理方法，以该方法应用于图1中的服务器或终端为例进行说明，包括以下步骤：

步骤210，获取已训练的提取模型和数据关联模型。

其中，提取模型是指用于提取视频中的元素的模型，可以是基于深度全序列卷积神经网络的模型。数据关联模型是指用于根据视频中提取的元素进行大数据分析得到关联数据的模型。

步骤220，将当前视频输入提取模型中，提取出当前视频的多个目标视频元素。

具体地，当前视频是指当前正在播放的视频，当前视频可以是终端利用摄像头进行拍摄的视频，可以是存储在终端上的视频，获取当前视频的方式可以是通过点击app界面上的“视频搜搜”按钮，再选择存储在终端上的视频，或者选择打开摄像头对着其他终端上的视频进行录制，比如对任意广告、电影视频进行录制，或者选择打开摄像头面向人物、生活中日常事务进行视频拍摄。其中“视频搜搜”按钮可以存在于任意app首页的任意位置。目标视频元素是指视频中的所有元素，可以是视频中出现的具体产品、人像、音乐、对话、人物声纹，比如当前视频是一段车展广告，那么该广告中的车、代言明星的脸、广告背景音乐、广告词、人物的声纹特征等可以被视为视频元素。

步骤230，将各个目标视频元素与数据关联模型里存储的关键特征进行匹配。

步骤240，将匹配成功的关键特征作为目标关键特征。

具体地，关键特征是指存储在数据关联模型中的特征，可以是图像、语音、声纹。在一个实施例中，匹配是指将目标视频元素与数据关联模型中的关键特征进行对比和计算，对比计算后得到一个匹配值，可以设置一个匹配标准值，当匹配值达到匹配标准值视为匹配成功。

步骤250，获取数据关联模型里存储的与目标关键特征对应的关联数据，将关联数据作为展示信息显示。

具体地，目标关键特征是指与目标视频元素匹配成功的关键特征，关联数据是指存储在数据关联模型中与关键特征一一对应的数据，即数据关联模型中建立了关键特征与关联数据的关联关系。展示信息是指推送给用户的相关信息，展示信息可以是根据目标关键特征从数据关联模型中获取的，并在终端上显示的关联数据。比如，当前视频是一段车展广告，经过上述视频信息处理方法后，在终端上显示的展示信息可以是视频中出现的车的名称、型号、价格、原产地等信息

在本实施例中，通过获取已训练的提取模型和数据关联模型，将当前视频输入提取模型中，提取出视频的多个目标视频元素，将各个目标视频元素与数据关联模型里存储的关键特征进行匹配，将匹配成功的关键特征作为目标关键特征，获取数据关联模型里存储的与所述目标关键特征对应的关联数据，将关联数据作为展示信息显示。通过提取模型对视频中的元素更准确的提取，再将视频元素和数据关联模型中的关键特征进行匹配，选择数据关联模型中与视频元素匹配准确度高的关键特征对应的关联数据作为展示信息，通过显示展示信息，就能将视频元素相关的信息推送给用户，这样即使用户缺乏对视频原本信息的了解，在观看短短几秒的广告视频或预告片视频，快速得到更丰富的展示信息，通过观看展示信息时获取准确的信息，根据自己的喜好去进行搜索时，实现精确搜索，让用户能够更准确、高效地进一步的了解视频内容。

在一个实施例中，如图3所示，提供了一种视频信息数据处理方法，提取模型包括图像子模型、语音子模型、声纹子模型，提取模型包括以下训练步骤：

步骤310，获取训练样本集，训练样本集包括标注图像集、标注语音集、标注声纹集，标注图像集中的标注图像包含图像特征，标注语音集中的标注语音包含语音特征，标注声纹集中的标注声纹包含声纹特征。

具体地，训练样本集是指用于训练提取模型的样本的集合。训练样本集可以是覆盖国内、国外、线上、线下、不同渠道的、真实、模拟的等不同文本样本和图像样本。获取训练样本可以通过购买和爬虫的方式获取，也可以从上述视频信息数据处理方法所应用的业务软件的数据库中获取。训练样本集中的标注图像集是指已经标注的图像，训练样本集中的标注语音集是指已经标注的语音，训练样本集中的标注声纹集是指已经标注的声纹。图形特征是指标注图像的具体特征，可以用来区分不同的标注图像。语音特征是指标注语音的具体特征，可以用来区分不同的标注语音，声纹特征是指用来区分不同标注声纹的特征，可以用来区分不同的标注声纹。

步骤320，获取训练视频。

具体地，训练视频是指用于训练提取模型的视频样本，训练视频可以是覆盖国内、国外、线上、线下、不同渠道的等不同的视频。获取视频可以通过购买和爬虫的方式获取，也可以从上述视频信息数据处理方法所应用的业务软件的数据库中获取。

步骤330a，将标注图像集和训练视频输入初始图像子模型中，初始图像子模型对训练视频进行分割，提取出训练视频的分割图像。

步骤330b，将标注语音集和训练视频输入初始语音子模型中，初始语音子模型对训练视频进行分割，提取出训练视频的分割音频。

步骤330c，将标注声纹集和训练视频输入初始声纹子模型中，初始声纹子模型对训练视频进行分割，提取出训练视频的分割声纹。

具体地，通过初始图像子模型对训练视频进行分割，是指对训练视频按照预设帧进行分割，类似于截图的方法提取出视频中的图像，其中，分割图像就是指视频中的每一帧图像。通过初始语音子模型对训练视频进行分割，是指提取出训练视频中的音频。分割音频包括训练视频中的音乐音频、语音对白音频。通过初始声纹子模型对训练视频进行分割，是指对训练视频进行分割提取出人物的声纹特征。分割声纹包括训练视频中不同人物的声纹特征，比如男生声纹和女生声纹具有不同的声纹特征，具体的男生声纹和女生声纹中又存在不同的声纹特征。

步骤340，根据所述训练视频的分割图像和所述图像特征调整所述初始图像子模型的模型参数，根据所述训练视频的分割音频和所述语音特征调整所述初始语音子模型的模型参数，根据所述训练视频的分割声纹和所述声纹特征调整所述初始声纹子模型的模型参数，直至所述初始图像子模型、初始语音子模型、初始声纹子模型都满足收敛条件，得到已训练的所述提取模型。

具体地，调整模型参数是指让最后得到的已训练的提取模型能够准确的提取出我们想要的分割图像、分割音频、分割声纹。通过调整初始图像模型的模型参数让调整后的初始图像子模型能够提取出更接近于标注图像的分割图像。同理，调整所述初始语音子模型的模型参数是让调整后的初始语音子模型能够提取出更接近于标注语音的分割音频。调整所述初始声纹子模型的模型参数是调整后的初始声纹子模型能够提取出更接近于标注声纹的分割声纹。在本实施例中，通过对提取模型进行训练，得到已训练的提取模型，当将当前视频输入提取模型中时，能够更加快速和更加准确的提取出当前视频中的元素。

在一个实施例中，如图4所示，提供了一种视频信息数据处理方法，所述数据关联模型包括多个数据关联子模型，数据关联模型的建立步骤包括：

步骤410，将所述标注图像集中的标注图像、所述标注语音集中的标注语音、所述标注声纹集中的标注声纹作为所述关键特征，并存储。

步骤420，获取待关联样本，将所述待关联样本的类型转换成文本，得到文本信息数据，并存储。

步骤430，通过建立各个所述关键特征与所述文本信息数据的关联关系建立所述数据关联模型，所述数据关联模型用于根据所述关键特征选择所述关键特征对应的关联关系，并根据所述关键特征对应的关联关系从所述文本信息数据得到关联数据。

具体地，关键特征是指提取模型中标注图像集中的标注图像、标注语音集中的标注语音、标注声纹集中的标注声纹，待关联样本是指通过爬虫或购买的大量的不同渠道、不同类型的数据，相当于一个数据库。文本信息数据是指将待关联样本的数据类型都转换成文本的文本数据。建立数据关联模型是指通过大数据分析，对文信息数据进行筛选和分类，建立每个关键特征与从文信息数据进行筛选和分类得到的关联数据一一对应的关系。即从文信息数据进行筛选和分类得到的关联数据，每个关键特征就对应一个关联数据，可以通过关键特征得到对应的关键数据。

步骤440，获取预设业务场景，根据所述预设业务场景对所述数据关联模型通过监督学习的方式进行分类，得到多个数据关联子模型，所述数据关联子模型包含同类型的所述关键特征以及所述同类型的所述关键特征对应的所述关联数据。

具体地，预设业务场景是指预先设定视频信息数据处理方法将要应用的业务领域，预设业务场景包括但不限于：可以是关于汽车类的app，关于服装购物类的app、关于影视类的app、关于音乐类的app等各种领域类型的应用软件，可以是各种领域类型的应用网站。

具体地，监督学习是机器学习的方法之一，监督学习就是人们常说的分类。监督学习里典型的例子就是knn、svm。knn算法的核心思想是如果一个样本在特征空间中的k个最相邻的样本中的大多数属于某一个类别，则该样本也属于这个类别，并具有这个类别上样本的特性。svm(supportvectormachine)指的是支持向量机，是常见的一种判别方法，通常用来进行模式识别、分类以及回归分析。根据预设业务场景对所述数据关联模型通过监督学习的方式进行分类，得到多个数据关联子模型是指通过监督学习对数据关联模型中的关键特征和关键特征对应的关联数据进行分类，数据关联子模型中就包含同类型的所述关键特征以及同类型的所述关键特征对应的所述关联数据。比如假设预设业务场景包括车app业务场景、影视app业务场景、服装app业务场景，那么通过监督学习对数据关联模型进行分类得到的数据关联子模型包括车模型、影视模型、服装模型。可以在不同的数据关联子模型中对相同类型的关键特征和相同类型的关键特征对应的关联数据进行训练。

在一个实施例中，如图5所示，提供了一种视频信息数据处理方法，在步骤210之前，所述方法还包括：

步骤510，接收视频提取指令，视频提取指令携带有实际业务场景标识。

步骤520，根据实际业务场景标识从所述数据关联子模型中选择所述已训练的数据关联模型。

具体地，实际业务场景标识是指实际应用的业务场景与其他业务场景的区别标志，业务场景标识是指同类型业务领域的一种标志。比如在服装领域、车领域、化妆品领域、影视领域、音乐领域等不同类型业务领域，具有不同的业务场景标识。进一步的，实际业务场景标识可以是从用户当前使用的app软件中得到。在一个实施例中，比如用户使用一个影视app，那么该实际应用业务场景就可以是影视标识，根据影视标识从所述数据关联子模型中选择所述已训练的数据关联模型，通过选择所述已训练的数据关联模型数据关联模型就可以有针对性的显示跟影视领域相关的信息，提高对视频信息数据处理的效率和准确率。

在一个实施例中，如图6所示，提供了一种视频信息数据处理方法，所述显示展示信息包括：

步骤610，获取所述展示信息的显示方式。

步骤620，根据所述显示方式将所述展示信息以弹幕的形式在所述当前视频上滚动播放。

步骤630，根据所述显示方式弹出预设时间的浮框，并在浮框内显示所述展示信息。

具体地，弹幕是指在当前播放的视频上滚动显示信息的方法。浮框是一种尽可能不引人注意，同时还向用户显示信息的显示方法。浮框的显示时间有限，会根据用户设置的显示时间后自动消失。这里的预设时间就是用户设置的浮框的显示时间。展示信息是用户看视频的过程中推送的信息，形成一种信息精确推荐。用户再对看到的信息进行目的性准确查找，形成一种信息精确搜索，可以理解的是展示信息的显示方式包括但不限于弹幕的方式和浮框的方式。

应该理解的是，虽然图2-6的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-6中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，如图7所示，提供了一种视频信息数据处理装置，包括：模型获取模块710、视频处理模块720、信息显示模块730，其中：

模型获取模块710，用于获取已训练的提取模型和数据关联模型；

视频处理模块720，用于将当前视频输入所述提取模型中，提取出所述当前视频的多个目标视频元素，还用于将所述各个目标视频元素与所述数据关联模型里存储的关键特征进行匹配；

信息显示模块730，用于将匹配成功的关键特征作为目标关键特征，还用于获取所述数据关联模型里存储的与所述目标关键特征对应的关联数据，将所述关联数据作为展示信息显示。

在一个实施例中，如图7所示，所述装置还包括样本获取模块740，提取模型训练模块750，其中：

样本获取模块740，用于获取训练样本集，所述训练样本集包括标注图像集、标注语音集、标注声纹集，所述标注图像集中的标注图像包含图像特征，所述标注语音集中的标注语音包含语音特征，所述标注声纹集中的标注声纹包含声纹特征，还用于获取训练视频；

提取模型训练模块750，用于将标注图像集和所述训练视频输入初始图像子模型中，初始图像子模型对训练视频进行分割，提取出训练视频的分割图像，用于将标注语音集和训练视频输入初始语音子模型中，初始语音子模型对训练视频进行分割，提取出训练视频的分割音频，用于将标注声纹集和训练视频输入初始声纹子模型中，初始声纹子模型对训练视频进行分割，提取出所述训练视频的分割声纹，还用于根据训练视频的分割图像和图像特征调整所述初始图像子模型的模型参数，根据训练视频的分割音频和语音特征调整所述初始语音子模型的模型参数，根据训练视频的分割声纹和声纹特征调整所述初始声纹子模型的模型参数，直至初始图像子模型、初始语音子模型、初始声纹子模型都满足收敛条件，得到已训练的所述提取模型。

在一个实施例中，如图7所示，所述装置还包括：

样本获取模块740，还用于获取待关联样本，还用于获取预设业务场景。

数据关联模型建立模块760，用于将标注图像集中的标注图像、标注语音集中的标注语音、标注声纹集中的标注声纹作为关键特征，并存储，用于将待关联样本的类型转换成文本，得到文本信息数据,并存储，还用于通过建立各个关键特征与文本信息数据的关联关系建立所述数据关联模型，数据关联模型用于根据所述关键特征选择所述关键特征对应的关联关系，并根据所述关键特征对应的关联关系从所述文本信息数据得到关联数据；

数据关联模型分类模块770，用于根据预设业务场景对数据关联模型通过监督学习的方式进行分类，得到多个数据关联子模型，数据关联子模型包含同类型的关键特征以及同类型的关键特征对应的关联数据。

关于视频信息数据处理装置的具体限定可以参见上文中对于视频信息数据处理方法的限定，在此不再赘述。上述视频现信息数据处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种视频信息数据处理方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图8中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行计算机程序时实现以下步骤：获取已训练的提取模型和数据关联模型，将当前视频输入所述提取模型中，提取出当前视频的多个目标视频元素。将各个目标视频元素与数据关联模型里存储的关键特征进行匹配，将匹配成功的关键特征作为目标关键特征。获取数据关联模型里存储的与目标关键特征对应的关联数据，将关联数据作为展示信息显示。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：获取已训练的提取模型和数据关联模型，将当前视频输入所述提取模型中，提取出当前视频的多个目标视频元素。将各个目标视频元素与数据关联模型里存储的关键特征进行匹配，将匹配成功的关键特征作为目标关键特征。获取数据关联模型里存储的与目标关键特征对应的关联数据，将关联数据作为展示信息显示。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)、dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。