识别兴趣对象的方法及装置、推荐方法、介质、电子设备

技术领域

本公开涉及人工智能技术领域，具体而言，涉及一种识别兴趣对象的方法、识别兴趣对象的装置、对象推荐方法、计算机可读存储介质、以及电子设备。

背景技术

随着网络技术的不断发展，人们几乎可以随时随地的观看视频，视频广告也因此应运而生。通过对视频广告的特征挖掘，可以为用户定制个性化的推荐服务。

人工智能技术是一门综合学科，涉及领域广泛，例如自然语言处理技术以及机器学习/深度学习等几大方向，随着技术的发展，人工智能技术将在更多的领域得到应用，并发挥越来越重要的价值。

在基于人工智能的视频处理技术中，根据用户对视频的操作行为识别用户的兴趣对象是一个重要的研究方向，其可以对视频广告进行特征挖掘，从而识别出用户对视频中的元素的偏好，进而可以为用户定制个性化的推荐服务。

然而，相关技术在根据用户对视频的操作行为识别用户的兴趣对象时，识别的准确性较低。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开实施例的目的在于提供一种视频的识别兴趣对象的方法、识别兴趣对象的装置、对象推荐方法、计算机可读存储介质、以及电子设备，进而提高对用户操作视频的兴趣对象识别的准确性。

根据本公开的一个方面，提供一种识别兴趣对象的方法，包括：

获取被目标用户操作的目标视频对应的至少一个目标图像帧，对所各述目标图像帧进行识别，以确定所述各目标图像帧中的元素；基于所述目标视频的历史播放量、各所述目标图像帧的历史播放量和历史被点击量，确定出各所述目标图像帧的显著性分值；获取所述目标用户对所述目标视频进行操作时所述目标视频的播放完成度，根据所述显著性分值和所述播放完成度，确定出各所述目标图像帧的兴趣分值；根据各所述目标图像帧的兴趣分值，确定出所述目标视频中的各所述元素的目标兴趣分值；获取所述目标兴趣分值满足预设条件的目标元素，根据所述目标元素确定所述目标用户的兴趣对象。

根据本公开的一个方面，提供一种对象推荐方法，一种识别兴趣对象的装置，包括：

识别模块，被配置为获取被目标用户操作的目标视频对应的至少一个目标图像帧，对各所述目标图像帧进行识别，以确定各所述目标图像帧中的元素；

帧显著性确定模块，被配置为基于所述目标视频的历史播放量、各所述目标图像帧的历史播放量和历史被点击量，确定出各所述目标图像帧的显著性分值；

播放完成度获取模块，被配置为获取所述目标用户对所述目标视频进行操作时所述目标视频的播放完成度，根据所述显著性分值和所述播放完成度，确定出各所述目标图像帧的兴趣分值；

目标兴趣分值确定模块，被配置为根据各所述目标图像帧的兴趣分值，确定出所述目标视频中的各所述元素的目标兴趣分值；

兴趣对象确定模块，被配置为获取所述目标兴趣分值满足预设条件的目标元素，根据所述目标元素确定所述目标用户的兴趣对象。

在本公开的一种示例性实施例中，上述的帧显著性确定模块包括：

第一比值确定单元，用于获取所述目标图像帧的历史被点击数量和所述目标图像帧的历史播放数量之间的第一比值；

第二比值确定单元，用于获取所述目标图像帧的历史播放数量和所述目标视频的历史播放数量之间的第二比值，确定以预设数值为底数、所述第二比值为真数的对数值，其中所述预设数值大于0且不等于1；

第一分值确定单元，用于根据所述第一比值和所述对数值的乘积，确定所述目标图像帧的显著性分值。

在本公开的一种示例性实施例中，上述的播放完成度获取模块通过以下方式确定各所述目标图像帧的兴趣分值：

针对每个所述目标图像帧，执行以下处理：

获取所述显著性分值对应的第一权重，确定所述第一权重和所述显著性分值的第一乘积；

获取所述播放完成度对应的第二权重，确定所述第二权重和所述播放完成度的第二乘积；

根据所述第一乘积与所述第二乘积之和，确定出所述目标图像帧的兴趣分值；

其中，在所述预设数值大于0且小于1时，所述第二权重为正数，在所述预设数值大于1时，所述第二权重为负数。

在本公开的一种示例性实施例中，所述目标兴趣分值确定模块包括：

第一显著性分值确定单元，用于将所述目标图像帧的兴趣分值，确定为所述目标图像帧中的元素的第一显著性分值；

属性确定单元，用于对各所述目标图像帧进行识别，以确定各所述目标图像帧中的元素的属性；

第二显著性分值确定单元，用于根据所述元素的属性，确定出各所述目标图像帧中的元素的第二显著性分值；

目标兴趣分值确定单元，用于根据所述第一显著性分值和所述第二显著性分值，确定出所述目标视频中的各所述元素的目标兴趣分值。

在本公开的一种示例性实施例中，所述目标兴趣分值确定单元通过以下方式根据所述第一显著性分值和所述第二显著性分值，确定出所述目标视频中的各所述元素的目标兴趣分值：

获取所述第二显著性分值对应的第三权重，确定所述第三权重和所述第二显著性分值的第三乘积；

根据所述第一显著性分值和所述第三乘积之和，确定出所述目标视频的各目标图像帧中的各元素的目标显著性分值；

将所述目标视频中相同元素的所述目标显著性分值进行叠加，以确定出所述目标视频中的各所述元素的目标兴趣分值。

在本公开的一种示例性实施例中，所述元素的属性包括所述元素在对应的所述目标图像帧中的数量、尺寸、中心位置标识、以及所述元素与其对应的所述目标图像帧之间的颜色差异；

所述第二显著性分值确定单元通过以下方式根据所述元素的属性，确定出各所述目标图像帧中的元素的第二显著性分值：

针对每个所述目标图像帧中的每个所述元素中的任一所述元素，执行以下处理：

获取元素在对应的所述目标图像帧中的数量和所述目标图像帧中的元素的总数量之间的第三比值；

获取所述元素在对应的所述目标图像帧中的尺寸和所述目标图像帧的尺寸之间的第四比值；

获取所述第三比值对应的第四权重、所述第四比值对应的第五权重、所述中心位置标识对应的第六权重、所述颜色差异对应的第七权重；

确定所述第四权重和所述第三比值的第四乘积、所述第五权重和所述第四比值的第五乘积、所述中心位置标识和所述第六权重的第六乘积、以及所述颜色差异和所述第七权重的第七乘积；

根据所述第四乘积、所述第五乘积、所述第六乘积和所述第七乘积之和，确定出所述元素的第二显著性分值；

其中，所述第四权重、所述第五权重、所述第六权重与所述第七权重的权重之和等于1。

在本公开的一种示例性实施例中，所述元素的属性包括所述元素在对应的所述目标图像帧中的中心位置标识；

所述属性确定单元通过以下方式，对各所述目标图像帧进行识别，以确定各所述目标图像帧中的元素的属性：

针对每个所述目标图像帧中的任一所述目标图像帧执行以下处理：

确定所述元素在所述目标图像帧中对应的各像素点的坐标；

在以多个所述坐标为边界所确定的区域包括所述目标图像帧的中心位置时，确定所述元素覆盖对应的所述目标图像帧的中心点，将所述元素在对应的所述目标图像帧中的中心位置标识配置为1。

在本公开的一种示例性实施例中，所述元素的属性包括所述元素在对应的所述目标图像帧中的尺寸；

所述属性确定单元通过以下方式，对各所述目标图像帧进行识别，以确定各所述目标图像帧中的元素的属性：

针对每个所述目标图像帧中的任一所述目标图像帧执行以下处理：

根据所述元素在所述目标图像帧中的边缘坐标，确定出所述元素在所述目标图像帧中的外接矩形；将所述外接矩形的尺寸确定为所述元素在对应的所述目标图像帧中的尺寸。

在本公开的一种示例性实施例中，所述元素的属性包括所述元素与其对应的所述目标图像帧之间的颜色差异；

所述属性确定单元通过以下方式，对各所述目标图像帧识别，以确定各所述目标图像帧中的元素的属性：

针对每个所述目标图像帧中的任一所述目标图像帧执行以下处理：

确定所述元素的平均颜色值和所述目标图像帧的背景区域的平均颜色值；根据所述元素的平均颜色值和所述目标图像帧背景区域的平均颜色值的差值，确定出所述元素与其对应的所述目标图像帧之间的颜色差异。

在本公开的一种示例性实施方式中，所述兴趣对象处理模块通过以下方式确定所述目标用户的兴趣对象：

将多个被目标用户操作的目标视频中相同元素的目标兴趣分值进行叠加；对叠加后的各所述元素的目标兴趣分值进行降序排序，确定降序排序中前M个所述元素为目标元素，其中，M为自然数；将所述目标元素，确定为所述目标用户的兴趣对象。

在本公开的一种示例性实施方式中，所述识别模块通过以下方式获取所述被目标用户操作的目标视频对应的至少一个目标图像帧：

针对每个被目标用户操作的目标视频，根据预设规则对所述目标视频进行抽帧处理，以获取所述目标视频对应的至少一个目标图像帧，其中，所述预设规则包括等时间间隔或非等时间间隔或播放完成率；

所述目标图像帧中的元素的类型包括所述目标图像帧中的物体或文本中的一个或多个；

所述识别模块对所述目标视频对应的各目标图像帧识别，以确定所述各目标图像帧中的元素，包括：

针对每个所述目标视频对应的每个所述目标图像帧中的任一所述目标图像帧执行以下处理：

将所述目标图像帧进行边界框回归处理，以确定出所述目标图像帧中包括元素的多个边框；

对每个所述边框进行图像识别，以确定各所述目标图像帧中的物体的类别；以及

对每个所述边框进行文本识别，以确定所述目标图像帧中的文本。

根据本公开的一个方面，提供一种对象推荐方法，包括：向目标用户的客户端发送推荐信息，其中，所述推荐信息中包括所述目标用户的兴趣对象；在检测到所述目标用户的客户端中呈现用于所述推荐信息的展示位时，使所述客户端呈现的所述展示位中展示所述推荐信息；其中，根据上述的识别兴趣对象的方法确定所述目标用户的兴趣对象。

根据本公开的一个方面，提供一种电子设备，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述的方法。

根据本公开的一个方面，提供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任意一项所述的方法。

根据本公开的一个方面，提供一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存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的各种可选实现方式中提供的方法。

本公开示例性实施例可以具有以下部分或全部有益效果：

在本公开示例性实施例所提供的识别兴趣对象方法中，一方面，基于目标视频的历史播放量、目标视频对应的至少一个目标图像帧的历史播放量和历史被点击量确定目标图像帧的显著性分值，从而可以利用视频特有的时间信息和视频中不同图像帧的属性信息，对用户操作视频的意图进行处理，进而能够在被操作的目标视频中准确的识别出目标用户的兴趣对象，提高识别目标用户的兴趣对象的准确性；另一方面，基于获取的用户操作视频时视频的播放完成度，可以将不同用户对同一视频的兴趣对象进行区分，提高了对用户操作视频的兴趣对象的识别的客观性，同时，根据本公开的示例性实施例，可以实现自动的识别目标用户的兴趣对象。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示出了可以应用本公开实施例的一种识别兴趣对象的方法及装置的示例性系统架构的示意图；

图2示出了适于用来实现本公开实施例的电子设备的计算机系统的结构示意图；

图3示意性示出了根据本公开的一个实施例的识别兴趣对象的方法的流程图；

图4示意性示出了根据本公开的一个实施例的确定目标图像帧的显著性分值的方法的流程图；

图5示意性示出了根据本公开的一个实施例中确定目标视频中的各元素的目标兴趣分值的方法的流程图；

图6示意性示出了根据本公开的一个实施例中另一种确定目标视频中的各元素的目标兴趣分值的流程示意图；

图7示意性示出了根据本公开的一个实施例中提供的视频广告的界面示意图；

图8示意性示出了根据本公开的一个实施例中的另一种识别兴趣对象的方法的流程图；

图9示意性示出了根据本公开的一个实施例中的对象推荐方法的流程示意图；

图10示意性示出了根据本公开的一个实施例中的识别兴趣对象的装置的框图。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。

此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

图1示出了可以应用本公开实施例的一种识别兴趣对象的方法及装置、对象推荐方法及装置的示例性应用环境的系统架构的示意图。

如图1所示，系统架构100可以包括终端设备101、102、103、104中的一个或多个，网络105和服务器106。网络105用以在终端设备101、102、103、104和服务器106之间提供通信链路的介质。网络105可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。终端设备101、102、103、104可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表、车载设备(例如车载显示屏、智能后视镜、车载导航仪等)等，但并不局限于此。应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。比如服务器106可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、以及大数据和人工智能平台等基础云计算服务的云服务器。

本公开实施例所提供的识别兴趣对象的方法及对象推荐方法可以在服务器106执行，相应地，视频的兴趣对象处理装置及对象推荐装置一般设置于服务器106中。当然，本公开实施例所提供的兴趣对象识别兴趣对象的方法及对象推荐方法也可以由终端设备101、102、103、104执行，相应的，识别兴趣对象的装置及对象推荐装置也可以设置于终端设备101、102、103、104中。

举例而言，本公开中的识别兴趣对象的方法可以应用于在视频广告中识别目标用户的兴趣对象的场景中。具体的，用户(可以包括目标用户)可以通过终端设备101、102、103或者104播放不同的视频，服务器106可以根据时间间隔或者视频的播放完成率对用户播放的视频进行抽帧处理，得到视频的至少一个目标图像帧，同时，服务器106可以记录预设时间内每个视频在终端设备101、102、103或者104中被用户播放的总次数，以及每个视频中抽取的目标图像帧在终端101、102、103或者104中被用户播放的总次数和被用户点击的总次数，从而可以根据记录的相关数据计算出各视频中每个目标图像帧的显著性分值并根据视频标识进行存储。在一些示例性实施例中，也可以是各终端设备101、102、103或者104记录用户对视频的播放行为和点击行为，然后将相关数据发送至服务器，服务器对各终端设备在预设时间内发送的各视频的播放行为和点击行为进行汇总，以记录出各视频在预设时间内被用户播放的总次数、以及每个视频中抽取的目标图像帧在终端101、102、103或者104中被用户播放的总次数和被用户点击的总次数。本示例性实施方式对此不做特殊限定。

当目标用户对某个视频A进行操作时，例如目标用户在视频播放过程中在第5秒点击了该视频A，服务器106可以确定目标用户对视频A进行操作时，视频A的播放完成度为5秒。然后，根据该视频A的视频标识获取预先存储的视频A的各目标图像帧的显著性分值，从而根据视频A的各目标图像帧的显著性分值和目标用户对应的播放完成度，计算出目标用户对视频A的各目标图像帧的兴趣分值，进而根据各目标图像帧的兴趣分值，确定出目标视频中的元素的目标兴趣分值，最后，根据元素的目标兴趣分值，确定出目标用户的兴趣对象。其中，服务器可以将目标用户操作的多个视频中相同元素的目标兴趣分值进行叠加，根据叠加后的结果确定目标用户的兴趣对象。进一步的，服务器106可以根据确定的目标用户的兴趣对象，向目标用户的客户端推荐与目标用户的兴趣对象相关的信息。

但本领域技术人员容易理解的是，上述应用场景仅是用于举例，本示例性实施例中并不以此为限。

图2示出了适于用来实现本公开实施例的电子设备的计算机系统的结构示意图。

需要说明的是，图2示出的电子设备的计算机系统200仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图2所示，计算机系统200包括中央处理单元(CPU)201，其可以根据存储在只读存储器(ROM)202中的程序或者从存储部分208加载到随机访问存储器(RAM)203中的程序而执行各种适当的动作和处理。在RAM 203中，还存储有系统操作所需的各种程序和数据。CPU201、ROM 202以及RAM 203通过总线204彼此相连。输入/输出(I/O)接口205也连接至总线204。

以下部件连接至I/O接口205：包括键盘、鼠标等的输入部分206；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分207；包括硬盘等的存储部分208；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分209。通信部分209经由诸如因特网的网络执行通信处理。驱动器210也根据需要连接至I/O接口205。可拆卸介质211，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器210上，以便于从其上读出的计算机程序根据需要被安装入存储部分208。

特别地，根据本公开的实施例，下文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分209从网络上被下载和安装，和/或从可拆卸介质211被安装。在该计算机程序被中央处理单元(CPU)201执行时，执行本公开的方法和装置中限定的各种功能。在一些实施例中，计算机系统200还可以包括AI(ArtificialIntelligence，人工智能)处理器，该AI处理器用于处理有关机器学习的计算操作。

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。

人工智能技术是一门综合学科，涉及领域广泛，既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、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。

其中，计算机视觉技术(Computer Vision,CV)计算机视觉是一门研究如何使机器“看”的科学。作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取信息的人工智能系统。计算机视觉技术通常包括图像处理、图像识别、图像语义理解、图像检索、OCR、视频处理、视频语义理解、视频内容/行为识别、三维物体重建、3D技术、虚拟现实、增强现实、同步定位与地图构建等技术，还包括常见的人脸识别、指纹识别等生物特征识别技术。

语音技术(Speech Technology)的关键技术有自动语音识别技术(ASR)和语音合成技术(TTS)以及声纹识别技术。让计算机能听、能看、能说、能感觉，是未来人机交互的发展方向，其中语音成为未来最被看好的人机交互方式之一。

自然语言处理(Nature Language processing,NLP)是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。自然语言处理是一门融语言学、计算机科学、数学于一体的科学。因此，这一领域的研究将涉及自然语言，即人们日常使用的语言，所以它与语言学的研究有着密切的联系。自然语言处理技术通常包括文本处理、语义理解、机器翻译、机器人问答、知识图谱等技术。

机器学习(Machine Learning,ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎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。机器学习和深度学习通常包括人工神经网络、置信网络、强化学习、迁移学习、归纳学习、式教学习等技术。

本公开中的部分示例性实施例可能会涉及到上述机器学习技术。以下对本公开实施例的技术方案进行详细阐述：

在一种示例性实施例中，本公开的识别兴趣对象的方法可以用于对视频广告中的兴趣对象的识别中。随着网络技术的不断发展，人们几乎可以随时随地的观看视频，视频广告也因此应运而生。通过对视频广告的特征挖掘，可以为用户定制个性化的推荐服务。

相关技术中，对视频广告的特征挖掘主要是借鉴对图片特征的挖掘策略，即将视频看做多帧的图片，通过对视频进行抽帧处理，将各视频帧中的特征再进行聚合，然后根据图片特征的处理方式将聚合的特征提供给广告推荐模型进行训练和使用。以视频帧中的物体检测为例，视频帧抽取后的视频特征挖掘使用方案主要包括以下两类：

(1)分别检测抽取的每个视频帧中的物体标签，以及标签在对应的视频帧中的显著性属性，按照图片标签视觉显著性计算方式计算每一物体标签的分值，比如某个10s视频，抽取3个关键帧，第1帧的标签和分值为{A:x_a1,B:x_b1},第2帧的标签和分值为{A:x_a2,C：x_c2},第3帧的标签和分值为{D:x_d3,E:x_e3},则该视频的标签汇总为{A:x_a1+x_a2,B:x_b1,C:x_c2,D:x_d3,E:x_e3}，用户点击一次该视频，用户在A-E标签上的兴趣分值分别加上标签对应的显著性分值。

(2)记录用户点击发生时间点，抽取点击时对应的帧，仅检测其中的标签和显著性属性，并进行用户点击兴趣统计。

然而，相关技术在进行目标用户的兴趣识别时，对视频帧的特征挖掘的深度不够，导致识别的准确度较低。

基于上述一个或多个问题，本示例实施方式提供了一种识别兴趣对象的方法。该识别兴趣对象的方法可以应用于上述服务器106，也可以应用于上述终端设备101、102、103、104中的一个或多个；还可以同时应用于上述终端设备101、102、103、104中的一个或多个以及上述服务器106；本示例性实施例中对此不做特殊限定。参考图3所示，该识别兴趣对象的方法可以包括以下步骤：

步骤S310，获取被目标用户操作的目标视频对应的至少一个目标图像帧，对各目标图像帧进行识别，以确定各目标图像帧中的元素；

步骤S320，基于目标视频的历史播放量、各目标图像帧的历史播放量和历史被点击量，确定出各目标图像帧的显著性分值；

步骤S330，获取目标用户对目标视频进行操作时目标视频的播放完成度，根据显著性分值和播放完成度，确定出各目标图像帧的兴趣分值；

步骤S340，根据各目标图像帧的兴趣分值，确定出目标视频中的各元素的目标兴趣分值；

步骤S350，获取目标兴趣分值满足预设条件的目标元素，根据目标元素确定目标用户的兴趣对象。

在本公开示例性实施例所提供的识别兴趣对象的方法中，一方面，基于视频的历史播放量、视频对应的至少一个目标图像帧的历史播放量和历史被点击量确定视频中的目标图像帧的显著性分值，从而可以利用视频特有的时间信息和视频中不同图像帧的属性信息，对用户操作视频的意图进行处理，进而能够在被操作的目标视频中准确度的识别出目标用户的兴趣对象，提高识别目标用户的兴趣对象的准确性；另一方面，基于获取的用户操作视频时视频的播放完成度，可以将不同用户对同一视频的兴趣对象进行区分，提高了对用户操作视频的兴趣对象的识别的客观性，同时，根据本公开的示例性实施例，可以实现自动识别目标用户的兴趣对象。

下面，在另一实施例中，对上述步骤进行更加详细的说明。

在步骤S310中，获取被目标用户操作的目标视频对应的至少一个目标图像帧，对各目标图像帧进行识别，以确定各目标图像帧中的元素。

在示例性的实施方式中，被目标用户操作的目标视频可以包括一个或多个。该操作可以包括点击等操作。其中，目标视频的类型可以包括视频广告。

具体的，可以获取预设时间内被目标用户操作的视频，将各视频确定为目标视频；也可以获取预设数量的被目标用户操作的视频，将各视频确定为目标视频；还可以根据用户标识从多个被不同用户操作的视频中确定出被目标用户操作的视频，将其确定为目标视频。本示例性实施方式对此不做特殊限定。

示例性的，获取被目标用户操作的目标视频对应的至少一个目标图像帧的具体实施可以是，针对每个被目标用户操作的目标视频，根据预设规则对目标视频进行抽帧处理，以确定目标视频对应的至少一个目标图像帧。其中，预设规则可以包括等时间间隔或非等时间间隔或播放完成率。

举例而言，可以等时间间隔抽取目标视频中的视频帧，以生成目标图像帧，例如每1秒抽取一帧，每2秒抽取一帧等；也可以非等时间间隔抽取目标视频中的视频帧，例如，分别在第1秒、第4秒、第6秒、第7秒、第11秒抽取一个视频帧，以生成目标图像帧；还可以在不同的播放完成率处抽取对应的视频帧，以生成目标图像帧，例如，在播放到视频长度的10％、20％、25％、40％、100％处抽取对应的视频帧。当然，也可以使用其它的时序划分方式或其他的抽帧规则对目标视频进行抽帧处理，以确定至少一个目标图像帧，还可以不进行抽帧处理，直接将目标视频中的所有图像帧作为目标图像帧，本示例性实施方式对此不做特殊限定。

示例性的，获取到被目标用户操作的目标视频对应的至少一个目标图像帧后，针对每个目标视频，可以对各目标图像帧进行识别，以确定各目标图像帧中的元素。

其中，目标图像帧中的元素的类型可以包括目标图像帧中的物体或文本中的一个或多个。以目标视频是视频广告为例，视频广告中会包括推荐的汽车、手表等物体，还可以包括汽车或手表的品牌、型号等文本。这些都可能会出现在目标视频的目标图像帧中，即目标图像帧中的物体和文本都可以作为目标图像帧中的元素。

在一些示例性的实施方式中，对各目标图像帧进行识别，以确定各目标图像帧中的元素，可以包括：针对每个目标图像帧中的任一目标图像帧执行以下处理：将目标图像帧进行边界框回归处理，以确定出目标图像帧中包括元素的多个边框；对每个边框进行图像识别，以确定目标图像帧中的物体的类别；以及对每个边框进行文本识别，以确定目标图像帧中的文本。

示例性的，对于图像识别，可以通过预设图像识别模型(如用于图像识别的深度学习模型)，先确定目标视频对应的各目标图像帧中包括物体的多个边框，即确定出每个目标视频的每个目标图像帧中存在物体的区域，再利用预设图像识别模型对每个边框中的物体进行识别，以确定每个边框中物体的类别，从而确定出各目标图像帧中的物体的类别。对于文本识别，可以通过预设文本识别模型，确定每个目标视频的每个目标图像帧中包括文本的多个边框，即确定出每个目标视频的每个目标图像帧中存在文本的区域，再对每个边框进行文本识别，以确定每个边框中文本的主题或类型，从而确定出每个目标视频的每个目标图像帧中的文本。

为了确定目标图像帧中的文本的主题或类型，可以先对多个边框进行文本提取，确定出多个边框中的文本信息，然后，对每个边框中的文本信息进行分词处理，再对每个分词进行归类处理，从而得到每个词语的主题或类型的概率分布，以主题概率分布为例，并对于各主题中的任一主题，执行以下处理：基于每个词语的主题概率分布，对主题的概率进行累加处理，得到边框的主题概率，将边框的各主题概率中的最大主题概率对应的主题确定为边框的文本的主题。

接下来，在步骤S320中，基于目标视频的历史播放量、各目标图像帧的历史播放量和历史被点击量，确定出各目标图像帧的显著性分值。

在示例性的实施方式中，目标视频的历史播放量可以包括预设时间内目标视频被所有用户播放的次数之和，例如，最近10天内目标视频被不同用户(可以包括目标用户)播放的次数之和。目标图像帧的历史播放量可以包括预设时间内该目标图像帧被不同用户(可以包括目标用户)播放的次数之和。目标图像帧的历史被点击量，可以包括预设时间内不同用户在目标视频对应的目标图像帧处发生点击行为的次数之和。

以目标视频为某个视频广告为例，对于目标视频的历史播放量而言，在预设时间内，例如上述的最近10天内，该视频广告只要开始播放一次，无论最终的播放完成率如何，那么该视频广告对应的历史播放量都可以相应的增加1。

对于各目标图像帧的历史播放量而言，需要基于不同的抽帧策略，根据目标视频在每次播放时的播放完成率或者每次播放时的时长确定各目标图像帧的历史播放量。例如，以每秒抽一帧为例，如果某个视频总长是20秒。在某次播放过程中，该视频被播放到第5秒时退出播放或该视频被播放到第5秒时，用户发生了点击行为而停止播放，且之后直接退出播放，则该视频的历史播放次数加1，且该视频中的第1秒、第2秒、第3秒、第4秒、第5秒处对应的目标图像帧的历史播放次数分别都相应的增加1次。

对于各目标图像帧的历史点击率而言，则可以根据各目标图像帧所处的视频播放时长在预设时间内不同用户发生点击行为的次数确定。继续以每秒抽一帧为例，在某次视频播放过程中，该视频被播放到第3秒时，某个用户发生了点击行为，那么第3秒抽取的视频帧的历史被点击量可以对应的增加1。

需要说明的是，由于视频广告可以投放在不同的广告平台，对于不同的广告平台可以配置不同的增量，以在服务器中记录预设时间内目标视频的历史播放量、目标图像帧的历史播放量和历史被点击量。例如，在A广告平台，预设时间内视频A被播放一次，则服务器中记录视频A的历史播放量增加1，对于B广告平台，预设时间内视频A被播放10次，则服务器中记录视频的历史播放量增加1等。本示例性实施方式对此不做特殊限定。

示例性的，基于服务器记录的目标视频的历史播放量、各目标图像帧的历史播放量和历史被点击量，可以确定出各目标图像帧的显著性分值。

图4示意性示出了根据本公开的一个实施例的确定目标图像帧的显著性分值的方法的流程图。参考图4，该方法可以包括步骤S410至步骤S430。

在步骤S410中，获取目标图像帧的历史被点击数量和目标图像帧的历史播放数量之间的第一比值；

在步骤S420中，获取目标图像帧的历史播放数量和目标视频的历史播放数量之间的第二比值，确定以预设数值为底数、第二比值为真数的对数值，其中，预设数值大于0且不等于1；

在步骤S430中，根据第一比值和对数值的乘积，确定目标图像帧的显著性分值。

举例而言，上述的第一比值可以是目标图像帧的历史点击率，第二比值可以是目标图像帧的历史曝光率。通常情况下，对于曝光率高的帧，可能是因为出现某个热点事件，导致其曝光率突增，因此，通过对第二比值取对数值，可以降低外界因素对点击率数据的干扰，从而提高目标图像帧的显著性分值确定的准确性和客观性。

在本公开一些示例性的实施方式中，可以通过如下公式(1),确定目标图像帧的显著性分值。

式(1)中，cli_frame表示目标图像帧历史被点击数量、imp_frame表示目标图像帧历史播放数量、imp_video表示目标视频历史播放数量，0＜a＜1或1＜a。

接下来，在步骤S330中，获取目标用户对目标视频进行操作时目标视频的播放完成度，根据显著性分值和播放完成度，确定出各目标图像帧的兴趣分值。

其中，获取目标用户对目标视频进行操作时目标视频的播放完成度，可以包括获取目标用户对目标视频进行点击时目标视频的播放完成度。

在示例性的实施方式中，播放完成度可以包括点击时，视频播放到了第几秒，例如点击时，播放了5秒。还可以包括播放完成率，例如点击时，视频播放了20％。本示例性实施方式对此不做特殊限定。

示例性的，根据显著性分值和播放完成度，确定出目标图像帧的兴趣分值，可以包括：获取所述显著性分值对应的第一权重，确定第一权重和显著性分值的第一乘积；获取播放完成度对应的第二权重，确定第二权重和播放完成度的第二乘积；根据第一乘积与第二乘积之和，确定出目标图像帧的兴趣分值。其中，在上述的对数值中的预设数值大于0且小于1时，所述第二权重为正数，在上述的对数值中的预设数值大于1时，所述第二权重为负数。

举例而言，对于目标视频中的任一目标图像帧，可以通过如下公式(2)确定出目标图像帧的兴趣分值：

β

其中，s表示目标图像帧的显著性分值，view_duration表示目标用户对目标视频进行操作时目标视频的播放完成度。β

需要说明的是，由于第二比值肯定是小于1或等于1的，为了保证公式(2)的结果为非负值，即目标图像帧的兴趣分值为非负值，所以在上述的公式(1)中的对数值的底数1＜a时、所述β

继续参考图3，在步骤S340中，根据各目标图像帧的兴趣分值，确定出目标视频中的各元素的目标兴趣分值。

确定出目标图像帧的兴趣分值后，可以根据各目标图像帧的兴趣分值，确定出所述目标用户对目标视频中的各元素的目标兴趣分值。

示例性的，图5示意性示出了根据本公开的一个实施例中确定目标视频中的各元素的目标兴趣分值的方法的流程图。参考图5，该方法可以包括步骤S510至步骤S540。其中：

在步骤S510中，将目标图像帧的兴趣分值确定为目标图像帧中的元素的第一显著性分值。

在示例性的实施方式中，可以将目标图像帧的兴趣分值，确定为目标图像帧中的各元素的第一显著性分值。例如，目标视频A的目标图像帧f1中包括元素A和元素B，目标图像帧f2包括元素A和元素C，目标图像帧f1的兴趣分值为2，目标图像帧f2的帧兴趣分值为3，则目标图像帧f1中的元素A和元素B的第一显著性分值都为2，目标图像帧f2中的元素A和元素C的第一显著性分值都为3。

接下来，在步骤S520中，对各目标图像帧进行识别，以确定各目标图像帧中的元素的属性。

在本公开的一些示例性的实施方式中，元素的属性包括在对应的目标图像帧中的数量；对各目标图像帧进行识别，以确定各目标图像帧中的元素的属性，包括：针对每个目标图像帧中的任一目标图像帧执行以下处理：统计目标图像帧中各元素的个数。

在本公开一些示例性的实施方式中，元素的属性元素在对应的目标图像帧中的中心位置标识；对各目标图像帧进行识别，以确定各目标图像帧中的元素的属性，包括：针对每个目标图像帧中的任一目标图像帧执行以下处理：确定所述元素在目标图像帧中对应的各像素点的坐标；在以多个所述坐标为边界所确定的区域包括目标图像帧的中心位置时，确定元素覆盖对应的所述目标图像帧的中心点，将元素在对应的所述目标图像帧中的中心位置标识配置为1。

举例而言，服务器识别出目标视频对应的各目标图像帧的元素后，对于每个目标图像帧中的元素，可以确定元素在目标图像帧中对应的各个像素点的坐标，并确定多个坐标的边缘坐标，从而确定边缘坐标所界定的该元素在目标图像帧中的区域，当该区域包括该图片的中心位置时，则确定元素覆盖图片的中心点，并将元素在对应的目标图像帧中的中心位置标识设置为1；当该区域不包括对应的目标图像帧的中心位置时，则确定元素未覆盖对应的目标图像帧的中心点，并将元素在对应的目标图像帧中的中心位置标识设置为0。当元素在对应的目标图像帧中的中心位置标识设置为1时，说明该元素位于其对应的目标图像帧的中心位置，表明该元素在对应的目标图像帧中比较显著。

在本公开的一些示例性实施例中，元素的属性包括元素在对应的目标图像帧中的尺寸；对各目标图像帧进行识别，以确定各目标图像帧中的元素的属性，包括：针对每个目标图像帧中的任一目标图像帧执行以下处理：根据元素在目标图像帧中的边缘坐标，确定出所述元素在目标图像帧中的外接矩形；将外接矩形的尺寸确定为元素在对应的目标图像帧中的尺寸。

举例而言，服务器识别出目标视频对应的各目标图像帧的元素后，对于每个目标图像帧中的元素，可以确定元素在对应的目标图像帧中对应的各个像素点的坐标，并确定多个坐标的边缘坐标，从而确定元素在对应的目标图像帧中的外接矩形，则将外接矩形的尺寸确定为元素在目标图像帧中的尺寸。元素在图片中的尺寸越大，则说明该元素在目标图像帧中比较显著。其中，元素的尺寸可以包括元素在对应的目标图像帧中的面积。

在本公开的一些示例性实施例中，元素的属性包括元素与其对应的目标图像帧之间的颜色差异；对各目标图像帧进行识别，以确定各目标图像帧中的元素的属性，包括：针对每个目标图像帧中的任一目标图像帧执行以下处理：确定元素的平均颜色值和目标图像帧的背景区域的平均颜色值；根据元素的平均颜色值和目标图像帧背景区域的平均颜色值的差值，确定出元素与其对应的目标图像帧之间的颜色差异。

举例而言，服务器识别出目标视频对应的各目标图像帧的元素后，对于每个目标图像帧中的元素，可以确定元素在对应的目标图像帧中的每个像素，并取每个像素的平均值作为该元素的平均颜色值。同时，可以确定该目标图像帧中背景区域的平均颜色值，根据该元素的平均颜色值与对应的目标图像帧的背景区域的平均颜色值的差值，确定出元素与其对应的目标图像帧之间的颜色差异。元素与其对应的目标图像帧之间的颜色差异越大，则说明该该元素与该目标图像帧的背景的区别越大，则该元素在目标图像帧中比较显著。

在服务器识别出元素的属性后，在步骤S530中，根据元素的属性，确定出各目标图像帧中的元素的第二显著性分值。

在示例性的实施方式中，元素的属性包括元素在对应的目标图像帧中的数量、尺寸、中心位置标识、以及元素与其对应的目标图像帧之间的颜色差异。根据元素的属性，确定出各目标图像帧中的元素的第二显著性分值，包括：针对每个目标图像帧中的每个元素中的任一元素，执行以下处理：获取元素在对应的目标图像帧中的数量和目标图像帧中的元素的总数量之间的第三比值；获取元素在对应的目标图像帧中的尺寸和目标图像帧的尺寸之间的第四比值；获取第三比值对应的第四权重、所述第四比值对应的第五权重、中心位置标识对应的第六权重、颜色差异对应的第七权重；确定第四权重和第三比值的第四乘积、所述第五权重和第四比值的第五乘积、中心位置标识和第六权重的第六乘积、以及颜色差异和第七权重的第七乘积；根据第四乘积、第五乘积、第六乘积和第七乘积之和，确定出元素的第二显著性分值；其中，第四权重、第五权重、第六权重与第七权重的权重之和等于1。

举例而言，针对每个目标视频中的每个目标图像帧中的任一元素，可以通过如下公式(3)，确定该元素的第二显著性分值：

式(3)中，α表示数量属性对应的第四权重，β表示尺寸属性对应的第五权重，γ表示颜色差异属性对应的第七权重，δ表示中心位置标识属性对应的第六权重，Count

需要说明的是，上述的第四权重、第五权重、第六权重与第七权重可以相等，也不可以不相等，其可以根据需求进行自定义配置。可以预先在服务器中配置第四权重、第五权重、第六权重与第七权重，从而在服务器计算得到各属性的信息后，根据上述的公式(3)确定出元素的第二显著性分值。当然，还可以根据需要对上述公式(3)进行变形，以确定出元素的第二显著性分值。本示例性实施方式对此不做特殊限定。

确定元素的第二显著性分值后，在步骤S540中，根据第一显著性分值和第二显著性分值，确定出目标视频中的各元素的目标兴趣分值。

示例性的，图6示意性示出了根据本公开的一个实施例中根据第一显著性分值和第二显著性分值，确定出目标图像帧中的各元素的目标兴趣分值的方法的流程图。参考图6，该方法可以包括步骤S610至步骤S630。

在步骤S610中，获取第二显著性分值对应的第三权重，确定第三权重和第二显著性分值的第三乘积。

在步骤S620中，根据第一显著性分值和第三乘积之和，确定出各目标图像帧中的元素的目标显著性分值。

示例性的，针对每个目标图像帧中的每个元素中的任一元素，可以通过如下公式(4)确定该元素的目标显著性分值：

score＝α

公式(4)中，s

接下来，在步骤S630中，将目标视频中相同元素的目标显著性分值进行叠加，以确定出目标视频中的各元素的目标兴趣分值。

示例性的，针对每个目标视频，可以将其对应的多个目标图像帧中的相同元素的目标显著性分值进行叠加，从而确定出目标视频中的各元素的目标兴趣分值。

以视频广告A为例，当用户对其发生点击行为时，可以通过如下的过程确定出用户对视频广告A中的各元素的目标兴趣分值。

假设视频广告A长度为3s，每秒抽1帧，第1帧的标签有{汽车，手表}，对应的第二显著性分值分别为{0.8,0.5}，第2帧的标签有{汽车，眼镜}，对应的第二显著性分值分别为{0.6，0.3}，第3帧的标签有{女模特，宠物狗}，对应的第二显著性分值分别为{0.4，0.3}；该视频1、2、3秒的历史播放量分别为{1000，500，100}，历史点击量分别为{10，9，5}，则1、2、3秒对应的目标图像帧的显著性分值为：{(10/1000)*log(1000/1600)、(9/500)*log(500/1600)、(5/100)*log(100/1600)}；下面的a为第二显著性分值对应的第三权重，b为目标图像帧的兴趣分值对应的第一权重，c为播放完成度对应的第二权重。

当用户1在视频的第2s点击了该视频广告时，则用户1对该视频A的各元素的目标兴趣分值为：

汽车＝(a*0.8+b*(10/1000)*lg(1000/1600)+c*2)+(a*0.6+b*(9/500)*log(500/1600)+c*2)；

手表＝a*0.5+b*(10/1000)*lg(1000/1600)+c*2；

眼镜＝a*0.3+b*(9/500)*lg(500/1600)+c*2；

女模特＝a*0.4+b*(5/100)*lg(100/1600)+c*2；

宠物狗＝a*0.3+b*(5/100)*lg(100/1600)+c*2；

当用户2在视频的第3s点击了该视频广告时，则用户2对该视频A的各元素的目标兴趣分值为：

汽车＝(a*0.8+b*(10/1000)*lg(1000/1600)+c*3)+(a*0.6+b*(9/500)*lg(500/1600)+c*3)；

手表＝a*0.5+b*(10/1000)*lg(1000/1600)+c*3；

眼镜＝a*0.3+b*(9/500)*lg(500/1600)+c*3；

女模特＝a*0.4+b*(5/100)*lg(100/1600)+c*3；

宠物狗＝a*0.3+b*(5/100)*lg(100/1600)+c*3；

继续参考图3，确定出目标视频中的各元素的目标兴趣分值后，在步骤S350中，获取目标兴趣分值满足预设条件的目标元素，根据目标元素确定目标用户的兴趣对象。

示例性的，获取目标兴趣分值满足预设条件的目标元素，根据目标元素确定所述目标用户的兴趣对象，包括：将多个被目标用户操作的目标视频中相同元素的目标兴趣分值进行叠加；对叠加后的各元素的目标兴趣分值进行降序排序，确定降序排序中前M个元素为目标元素，其中，M为自然数；将目标元素确定为目标用户的兴趣对象。

需要说的是，如果目标视频只有一个时，则直接对步骤S340中确定的目标兴趣分值进行降序排序，从而确定降序排序中前M个元素为目标元素，进而将目标元素确定为目标用户的兴趣对象。

进一步需要说明的是，在本公开中，兴趣对象可以和目标用户的操作行为相关，其可以理解为用户对视频进行操作时的操作意图对应的元素。以视频广告为例，用户在观看视频广告时，可以对视频广告进行点击，操作意图可以理解为用户对视频广告中的元素产生了兴趣，从而进行了点击。

本公开的实施例实施方式所提供的识别兴趣对象的方法，与相关技术中，将视频看做静态的图像帧，缺少了对视频的时间信息与用户的兴趣对象之间的特征关联性的挖掘的方法相比，可以通过多维度的特征挖掘对目标用户的兴趣对象进行识别，从而提高兴趣对象确定的准确性。同时，与相关技术相比，本示例性实施例中，通过挖掘用户对视频进行操作时视频播放时长这一特征信息，可以根据不同用户对同一视频的不同操作行为，将不同用户对同一视频中的感兴趣程度进行区分，从而提高了视频兴趣对象识别的客观性和合理性。

在一种示例性的应用场景中，本公开的实施例所提供的识别兴趣对象的方法，可以对用户的进行视频广告点击时的兴趣对象进行识别。图7示出本公开一示例性实施例中提供的视频广告的界面示意图。如图7所示，对于视频广告而言，每一帧都包括了诸多信息，如图7中的71所示，包括了物体信息(XX手机)，72和73是视频广告中的辅助文本信息，74是视频广告中的主要文本信息、75包括了视频广告的时间信息，其表示用户观看视频的时长。本公开示例性实施例所提供的识别兴趣对象的方法可以利用视频广告中的多维度信息对用户操作视频广告的意图进行识别，确定出用户操作视频时的兴趣对象。

在一种示例性应用场景中，在终端上安装某应用程序后，在目标用户登录该应用程序后，应用程序可以将目标用户的账号发送到服务器，服务器执行本公开示例性实施例所提供的识别兴趣对象的方法，对被目标用户操作的多个目标视频进行一系列处理，从而确定出目标用户的兴趣对象。

图8示意性示出了根据本公开的一个实施例中的另一种识别兴趣对象的方法的流程图，具体可以包括步骤S810的抽帧处理、步骤S820的目标图像帧元素检测处理、步骤S830的第一显著性分值确定、步骤S840的第二显著性分值确定，步骤S850的元素的目标兴趣分值确定，最后可以根据确定的目标兴趣分值通过步骤S860确定并输出目标用户的兴趣对象。

在图8的步骤S840中，可以基于服务器的数据存储单元，确定目标图像帧的曝光率和点击率，即上述的第二比值和第一比值，进而根据确定的目标图像帧的曝光率和点击率确定第一显著性分值。具体的，图8中以每秒抽一帧为例。即，服务器可以每秒抽一帧的方式对用户播放的视频进行抽帧处理，得到视频的目标图像帧。同时，服务器可以在数据存储单元中记录预设时间内用户播放视频历史以及用户点击视频的历史，并根据用户播放视频历史以得到视频播放时长，从而计算得到曝光率(即上述的第二比值)，根据用户点击视频历史以得到点击时视频播放时长，从而计算得到点击率(即上述的第一比值)，步骤S830可以基于获取的曝光率和点击率根据上述的公式(2)计算得到目标图像帧的兴趣分值，将其作为第一显著性分值，从而确定出第一显著性分值。

图8中的步骤S840第二显著性分值确定和步骤S850的元素的目标兴趣分值的确定均可以参考上述的图3中对应部分的具体实施方式，此处不再进行赘述。

图9示意性示出了根据本公开的一个实施例中的对象推荐方法的流程示意图。参考图9，该方法可以包括步骤S910至步骤S920。

在步骤S910中，向目标用户的客户端发送推荐信息，其中，推荐信息中包括目标用户的兴趣对象；

在步骤S920中，在检测到目标用户的客户端中呈现用于推荐信息的展示位时，使客户端呈现的展示位中展示推荐信息；

其中，根据上述实施例提供的识别兴趣对象的方法确定目标用户的兴趣对象。

举例而言，目标用户在登录客户端后，客户端将目标用户的信息发送至服务器，例如目标用户的账户(ID，Ide ntity Document)，服务器接收到目标用户的ID后，将根据目标用户的ID，获取目标用户的兴趣对象，并根据目标用户的兴趣对象，对多个候选推荐信息进行匹配，从多个候选推荐信息中确定出推荐信息，服务器将推荐信息发送至客户端，客户端接收该推荐信息。

在一些实施例中，在接收用于在客户端中展示的推荐信息之前，将登录客户端的目标用户的信息发送至区块链网络中，以使区块链网络中部署的智能合约根据目标用户的信息，确定目标用户的兴趣对象，并根据目标用户的兴趣对象，对多个候选推荐信息进行匹配处理，从多个候选推荐信息中确定出对应用户的推荐信息，当区块链网络中的共识节点对推荐信息的共识验证通过时，客户端接收通过共识验证的推荐信息。

在示例性的实施方式中，推荐信息可以包括和目标用户的兴趣对象对应的元素关联的信息。例如，确定的目标用户的兴趣对象对应的元素为汽车，则向目标用户的客户端推送有关汽车的信息。当目标用户的兴趣对象对应多个元素时，可以向目标用户的客户端推送目标兴趣分值最大的元素的相关信息，推荐信息的类型可以是图片、也可以是新闻、还可以是视频等。在客户端接收到推荐信息后，在客户端呈现用于展示推荐信息的展示位时，在客户端的展示位置呈现该推荐信息。例如，当目标用户登录某应用程序后，在滑动的过程中，当该应用程序的界面中程序广告展示位时，则在该广告展示位中呈现推荐信息。

应当注意，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。

进一步的，本示例实施方式中，还提供了一种识别兴趣对象的装置。该识别兴趣对象的装置可以应用于一服务器或终端设备。参考图10所示，该识别兴趣对象的装置1000可以包括识别模块1010、帧显著性确定模块1020、播放完成度获取模块1030以及目标兴趣分值确定模块1040和兴趣对象确定模块1050。其中：

识别模块1010，被配置为获取被目标用户操作的目标视频对应的至少一个目标图像帧，对各所述目标图像帧进行识别，以确定各所述目标图像帧中的元素；帧显著性确定模块1020，被配置为基于所述目标视频的历史播放量、各所述目标图像帧的历史播放量和历史被点击量，确定出各所述目标图像帧的显著性分值；播放完成度获取模块1030，被配置为获取所述目标用户对所述目标视频进行操作时所述目标视频的播放完成度，根据所述显著性分值和所述播放完成度，确定出各所述目标图像帧的兴趣分值；目标兴趣分值确定模块1040，被配置为根据各所述目标图像帧的兴趣分值，确定出所述目标视频中的各所述元素的目标兴趣分值；兴趣对象确定模块1050，被配置为获取所述目标兴趣分值满足预设条件的目标元素，根据所述目标元素确定所述目标用户的兴趣对象。

在本公开的一种示例性实施例中，上述的帧显著性确定模块1020包括：

第一比值确定单元，用于获取所述目标图像帧的历史被点击数量和所述目标图像帧的历史播放数量之间的第一比值；

第二比值确定单元，用于获取所述目标图像帧的历史播放数量和所述目标视频的历史播放数量之间的第二比值，确定以预设数值为底数、第二比值为真数的对数值；

第一分值确定单元，用于根据所述第一比值和所述对数值的乘积，确定所述目标图像帧的显著性分值。

在本公开的一种示例性实施例中，上述的播放完成度获取模块通过以下方式确定各所述目标图像帧的兴趣分值：

针对每个所述目标图像帧，执行以下处理：

获取所述显著性分值对应的第一权重，确定所述第一权重和所述显著性分值的第一乘积；

获取所述播放完成度对应的第二权重，确定所述第二权重和所述播放完成度的第二乘积；

根据所述第一乘积与所述第二乘积之和，确定出所述目标图像帧的兴趣分值；

其中，在所述预设数值大于0且小于1时，所述第二权重为正数，在所述预设数值大于1时，所述第二权重为负数。

在本公开的一种示例性实施例中，所述目标兴趣分值确定模块1040包括：

第一显著性分值确定单元，用于将所述目标图像帧的兴趣分值，确定为所述目标图像帧中的元素的第一显著性分值；

属性确定单元，用于对各所述目标图像帧进行识别，以确定各所述目标图像帧中的元素的属性；

第二显著性分值确定单元，用于根据所述元素的属性，确定出各所述目标图像帧中的元素的第二显著性分值；

目标兴趣分值确定单元，用于根据所述第一显著性分值和所述第二显著性分值，确定出所述目标视频中的各所述元素的目标兴趣分值。

在本公开的一种示例性实施例中，所述目标兴趣分值确定单元通过以下方式根据所述第一显著性分值和所述第二显著性分值，确定出所述目标视频中的各所述元素的目标兴趣分值：

获取所述第二显著性分值对应的第三权重，确定所述第三权重和所述第二显著性分值的第三乘积；

根据所述第一显著性分值和所述第三乘积之和，确定出所述目标视频的各目标图像帧中的元素的目标显著性分值；

将所述目标视频中相同元素的所述目标显著性分值进行叠加，以确定出所述目标视频中的各所述元素的目标兴趣分值。

在本公开的一种示例性实施例中，所述元素的属性包括所述元素在对应的所述目标图像帧中的数量、尺寸、中心位置标识、以及所述元素与其对应的所述目标图像帧之间的颜色差异；

所述第二显著性分值确定单元通过以下方式根据各所述元素的属性，确定出各所述目标图像帧中的各所述元素的第二显著性分值：

针对每个所述目标图像帧中的每个所述元素中的任一所述元素，执行以下处理：

获取元素在对应的所述目标图像帧中的数量和所述目标图像帧中的元素的总数量之间的第三比值；

获取所述元素在对应的所述目标图像帧中的尺寸和所述目标图像帧的尺寸之间的第四比值；

根据所述第三比值、所述第四比值、所述元素在对应的所述目标图像帧中的中心位置标识、以及所述元素与其对应的所述目标图像帧之间的颜色差异，确定出所述元素的第二显著性分值；

获取所述第三比值对应的第四权重、所述第四比值对应的第五权重、所述中心位置标识对应的第六权重、所述颜色差异对应的第七权重；

确定所述第四权重和所述第三比值的第四乘积、所述第五权重和所述第四比值的第五乘积、所述中心位置标识和所述第六权重的第六乘积、以及所述颜色差异和所述第七权重的第七乘积；

根据所述第四乘积、所述第五乘积、所述第六乘积和所述第七乘积之和，确定出所述元素的第二显著性分值；

其中，所述第四权重、所述第五权重、所述第六权重与所述第七权重的权重之和等于1。

在本公开的一种示例性实施例中，所述元素的属性包括所述元素在对应的所述目标图像帧中的中心位置标识；

所述属性确定单元通过以下方式，对各所述目标图像帧进行识别，以确定各所述目标图像帧中的元素的属性：

针对每个所述目标图像帧中的任一所述目标图像帧执行以下处理：

确定所述元素在所述目标图像帧中对应的各像素点的坐标；

在以多个所述坐标为边界所确定的区域包括所述目标图像帧的中心位置时，确定所述元素覆盖对应的所述目标图像帧的中心点，将所述元素在对应的所述目标图像帧中的中心位置标识配置为1。

在本公开的一种示例性实施例中，所述元素的属性包括所述元素在对应的所述目标图像帧中的尺寸；

所述属性确定单元通过以下方式，对各目标图像帧进行识别，以确定各所述目标图像帧中的元素的属性：

针对每个所述目标图像帧中的任一所述目标图像帧执行以下处理：

根据所述元素在所述目标图像帧中的边缘坐标，确定出所述元素在所述目标图像帧中的外接矩形；将所述外接矩形的尺寸确定为所述元素在对应的所述目标图像帧中的尺寸。

在本公开的一种示例性实施例中，所述元素的属性包括所述元素与其对应的所述目标图像帧之间的颜色差异；

所述属性确定单元通过以下方式，对各所述目标图像帧进行识别，以确定各所述目标图像帧中的元素的属性：

针对每个所述目标图像帧中的任一所述目标图像帧执行以下处理：

确定所述元素的平均颜色值和所述目标图像帧的背景区域的平均颜色值；根据所述元素的平均颜色值和所述目标图像帧背景区域的平均颜色值的差值，确定出所述元素与其对应的所述目标图像帧之间的颜色差异。

在本公开的一种示例性实施方式中，所述兴趣对象确定模块1050通过以下方式确定所述目标用户的兴趣对象：

将多个被目标用户操作的目标视频中相同元素的目标兴趣分值进行叠加；对叠加后的各所述元素的目标兴趣分值进行降序排序，确定降序排序中前M个所述元素为目标元素，其中，M为自然数；将所述目标元素，确定为所述目标用户的兴趣对象。

在本公开的一种示例性实施方式中，所述元素的类型包括所述目标图像帧中的物体或文本中的一个或多个；

所述识别模块1010对所述目标视频对应的各目标图像帧识别，以确定所述各目标图像帧中的元素，包括：

针对每个所述目标图像帧中的任一所述目标图像帧执行以下处理：

将所述目标图像帧进行边界框回归处理，以确定出所述目标图像帧中包括元素的多个边框；

对每个所述边框进行图像识别，以确定各所述目标图像帧中的物体的类别；以及

对每个所述边框进行文本识别，以确定所述目标图像帧中的文本。

在本公开的一种示例性实施方式中，所述识别模块1010通过以下方式获取所述被目标用户操作的目标视频对应的至少一个目标图像帧：

针对每个被目标用户操作的目标视频，根据预设规则对所述目标视频进行抽帧处理，以获取所述目标视频对应的至少一个目标图像帧；

其中，所述预设规则包括等时间间隔或非等时间间隔或播放完成率。

上述视频兴趣对象的处理装置1000中各模块或单元的具体细节已经在对应的兴趣对象识别兴趣对象的方法中进行了详细的描述，因此此处不再赘述。

作为另一方面，本公开还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该电子设备执行时，使得该电子设备实现如下述实施例中所述的方法。例如，所述的电子设备可以实现如图3所示的各个步骤等。

需要说明的是，本公开所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

此外，本公开在一个示例性实施例中，还提供一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存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的各种可选实现方式中提供的方法。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、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、或代码的一部分，上述模块、程序段、或代码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。也应当注意，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，两个接连地表示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，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操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。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。