一种视频播放方法、设备及计算机可读存储介质

技术领域

本发明涉及计算机技术领域，尤其涉及一种视频播放方法、设备及计算机可读存储介质。

背景技术

用户在一个视频应用程序(Application，APP)观看视频一段时间后，可能会因为一些原因(如没有会员无权限继续观看)选择另一个APP继续观看同一个视频。更换APP后播放进度并不会保留，如果用户需要选择视频观看进度，则需要用户手动调整播放进度条。但是，用户手动调整视频播放进度存在不够准确，且用户需要耗费较多时间才能找到合适的播放位置的问题。

发明内容

本发明实施例提供一种视频播放方法、设备及计算机可读存储介质，以解决用户手动调整视频播放进度不够准确且耗时较多的问题。

第一方面，本发明实施例提供了一种视频播放方法，包括：

接收客户端发送的视频截图；

获取所述视频截图中的每个物体对应的第一数值组；

根据所述第一数值组，从被搜索图片集合中确定目标图片；

向所述客户端发送与所述目标图片对应的目标播放时间点和目标视频文件。

可选地，所述根据所述第一数值组，从被搜索图片集合中确定目标图片，包括：

针对被搜索图片集合中的被搜索图片，将所述被搜索图片中的每个物体对应的第二数值组分别与所述第一数值组进行比对，获取所述视频截图与所述被搜索图片的相似度；

根据所述相似度，从被搜索图片集合中确定所述目标图片。

可选地，所述根据所述第一数值组，从被搜索图片集合中确定目标图片之前，所述方法还包括：

将所述目标视频文件按照预设步长分割为M个图像帧，并将所述M个图像帧，确定为所述被搜索图片集合；M为正整数；

获取所述图像帧中的每个物体对应的第二数值组；

将所述图像帧的播放时间点、所述图像帧对应的目标视频文件和所述图像帧对应的所述第二数值组进行关联存储。

可选地，所述第一数值组和所述第二数值组均同时包括以下一项或多项数值：物体值、位置值、情景支持值、光照度；其中，所述物体值与物体类型有关，所述情景支持值与情景类型有关。

可选地，所述将所述被搜索图片中的每个物体对应的第二数值组分别与所述第一数值组进行比对，获取所述视频截图与所述被搜索图片的相似度，包括：

在同一维度上，将所述被搜索图片对应的每个所述第二数值组分别与所述视频截图对应的R个所述第一数值组进行一一比对，获得每个所述第二数值组对应的N个比对结果；

若所述被搜索图片对应P个所述第二数值组，则从R×P个所述比对结果中确定Q个目标比对结果，Q≤P，P和Q为正整数；其中，Q个所述目标比对结果包括：在R×P个所述比对结果中，所述第二数值组中的物体值与所述第一数值组中的物体值相匹配的比对结果

针对每个所述目标比对结果，将所述N个维度中相匹配的维度对应的预设权重进行求和，得到每个所述目标比对结果对应的匹配度；

将Q个所述目标比对结果对应的匹配度进行求和，得到所述相似度。

可选地，所述获取所述视频截图在N个维度上的至少一个第一数值组，包括：

通过神经网络模型，获取所述视频截图在N个维度上的至少一个第一数值组；其中，所述N个维度包括以下图像内容特征中的至少一项：物体、物体在图像中的位置、物体对应的情景支持和物体的光照。

可选地，所述根据所述相似度，从被搜索图片集合中确定目标图片，包括：

确定所述相似度的最大值；

在所述相似度的最大值大于预设阈值时，将所述被搜索图片集合中，相似度的最大值对应的被搜索图片确定为所述目标图片。

第二方面，本发明实施例还提供一种视频播放装置，应用于服务端，包括：

第一接收模块，用于接收客户端发送的视频截图；

第一获取模块，用于获取所述视频截图中的每个物体对应的第一数值组；

第一确定模块，用于根据所述第一数值组，从被搜索图片集合中确定目标图片；

第一发送模块，用于向所述客户端发送与所述目标图片对应的目标播放时间点和目标视频文件。

第三方面，本发明实施例还提供一种视频播放设备，包括：收发机、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序；所述处理器，用于读取存储器中的程序实现如上第一方面所述的视频播放方法中的步骤。

第四方面，本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如上第一方面所述的视频播放方法中的步骤。

在本发明实施例中，通过接收客户端发送的视频截图；获取所述视频截图中的每个物体对应的第一数值组；根据所述第一数值组，从被搜索图片集合中确定目标图片；向所述客户端发送与所述目标图片对应的目标播放时间点和目标视频文件。如此，能够通过视频截图从被搜索图片中快速确定目标图片，基于目标图片快速定位播放位置，准确率高且耗时较少，避免重头开始或者手动快进方式进行查找播放位置，存在不准确且耗时较多的问题。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的视频播放方法的流程图；

图2是本发明实施例提供的视频播放装置的结构图；

图3是本发明实施例提供的视频播放设备的硬件结构图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

参见图1，图1是本发明实施例提供的视频播放方法的流程图，如图1所示，包括以下步骤：

步骤101，接收客户端发送的视频截图。

在一示例性应用场景中，若用户在客户端设备利用第一APP观看电视剧A，由于会员问题或个人喜好原因，想更换第二APP继续观看电视剧A，则用户可通过截图保存第一APP当前播放的视频截图，并在第二APP的搜索框中输入该视频截图，第二APP在接收到视频截图后，向服务端设备发送视频截图。

在一示例性应用场景中，若用户在第一APP中观看综艺节目B，因个人原因需暂停观看，为了避免下次观看时无法确定上次播放位置，用户可通过截图保存第一APP当前播放的视频截图。当下次观看时，用户在第二APP的搜索框中输入视频截图，第二APP在接收到视频截图后，向服务端设备发送视频截图。步骤102，获取所述视频截图中的每个物体对应的第一数值组；

具体地，基于N各维度，获取视频截图中的每个物体对应的第一数值组，N属于正整数。其中，所述N个维度与图像内容特征相关。

可选地，所述N个维度包括以下图像内容特征中的至少一项：物体、物体在图像中的位置、物体对应的情景支持和物体的光照；其中，物体值与物体类型有关，所述情景支持值与情景类型有关。

可选地，通过神经网络模型，获取所述视频截图在N个维度上的至少一个第一数值组。可以理解的是，在视频截图中包括多个物体时，每个物体对应一个第一数值组，该视频截图对应多个第一数值组。

可选地，所述第一数值组包括以下一项或多项数值：物体值、位置值、情景支持值、光照度。

作为一种实现方式，可预设不同物体类型对应的物体值，以及不同情景类型对应的情景支持值。

示例性地，假设视频截图a中包括物体a1和a2，物体a1对应的第一数值组为{w1，P1，Q1，L1}，其中，w1为物体a1的物体值，P1为物体a1在视频截图中的位置，Q1为物体a1对应的情景支持值，L1为物体a1的光照度；物体a2对应的第一数值组为{w2，P2，Q2，L2}；其中，w2为物体a2的物体值，P2为物体a2在视频截图中的位置，Q2为物体a2对应的情景支持值，L2为物体a2的光照度。

步骤103，根据所述第一数值组，从被搜索图片集合中确定目标图片；

其中，所述被搜索图片集合是基于目标视频文件获得的视频图像帧集合。

可选地，视频截图携带有视频文件标识，如节目ID，以便根据节目ID确定与视频截图对应的被搜索图片集合。

步骤104，向所述客户端发送与所述目标图片对应的目标播放时间点和目标视频文件。

可以理解的是，目标视频文件包括目标图片，目标图片在目标视频文件中对应的播放时间点即为目标播放时间点。

上述实施例中，能够通过视频截图从被搜索图片中快速确定目标图片，基于目标图片快速定位播放位置，准确率高且耗时较少，避免重头开始或者手动快进方式进行查找播放位置，存在不准确且耗时较多的问题。

在一些实施例中，所述根据所述第一数值组，从被搜索图片集合中确定目标图片之前，所述方法还包括：

将所述目标视频文件按照预设步长分割为M个图像帧，并将所述M个图像帧，确定为所述被搜索图片集合；M为正整数；

获取所述图像帧中的每个物体对应的第二数值组；

将所述图像帧的播放时间点、所述图像帧对应的目标视频文件和所述图像帧对应的所述第二数值组进行关联存储。

具体实现时，按照步长C(可选的，C为1秒)，对目标视频文件进行分割，得到M个图像帧，并获得每帧图像对应的播放时间点为：f(T＝+C)&&F.L＞0，其中，T为图像帧对应播放时间点，目标视频文件对应的第一帧图像的播放时间T＝0，文件长度为F.L。也即，在文件长度大于0时，按照步长C，每截取一帧图像，时间T对应加C，最终得到每帧图像的播放时间点T。

进一步地，通过神经网络，计算每帧图像对应的至少一个第二数值组，并将图像帧的播放时间点、图像帧对应的视频文件和图像帧对应的至少一个第二数值组进行关联存储。

如下表所示，其示出的是关联关系存储示例：

其中，每个视频文件对应唯一节目ID。

可选地，在获取到每个图像帧对应的至少一个第二数值组后，删除目标视频文件及M格视频图像帧，节约磁盘空间，防止存储空间占用。

上述示例中，通过获取目标视频文件对应的被搜索图片集合，预先获取被搜索图片集合中各图像帧对应的第二数值组，并将图像帧对应的播放时间点、图像帧对应的目标视频文件和图像帧对应的第二数值组进行关联存储，如此，能够高效地将图像帧对应的第二数值组与视频截图对应的第一数值组进行比对，以快速地从被搜索图片集合中确定目标图片，以及目标图像对应的目标播放时间点。

在一实施例中，针对获取的每个视频文件进行物理存储，并生成节目标识，即节目ID。其中，节目ID生成规则与文件存储位置规则一致，以便于通过节目ID查找播放视频文件。

示例性地，节目ID为：两级目录+文件名称的9位数字，例如，文件存储位置为：/001/001/001.wmv，节目ID为：001001001；其中，“/001/001”为两级目录，“001.wmv”为文件名称，如果子目录或者文件名称大于999，则重新生成下一级目录，例如“001/999”的下一级目录为“002/001”。

具体实现时，将视频对应的节目ID、视频名称、上映时间、导演、主演等信息，存储至媒资物理表。将媒资物理表中的信息通过kafka提供给搜索数据处理服务，搜索数据处理服务接收到数据后，可通过唯一节目ID，拉取对应的视频文件。

在一实施例中，将第二数值组、图片的播放时长、视频热度、视频名称入搜索容器中，以便于可以基于不同的索引类型，查找视频文件。

在一些实施例中，所述根据所述第一数值组，从被搜索图片集合中确定目标图片，包括：

针对被搜索图片集合中的被搜索图片，将所述被搜索图片中的每个物体对应的第二数值组分别与所述第一数值组进行比对，获取所述视频截图与所述被搜索图片的相似度；

根据所述相似度，从被搜索图片集合中确定所述目标图片。

可选地，所述第一数值组和所述第二数值组均同时包括以下一项或多项数值：物体值、位置值、情景支持值、光照度；其中，物体值与物体类型有关，所述情景支持值与情景类型有关。

作为一种实现方式，可预设不同物体类型对应的物体值，以及不同情景类型对应的情景支持值。

示例性地，假设被搜索图片b中包括物体b1和b2，物体b1对应的第一数值组为{w3，P3，Q3，L3}，其中，w1为物体b1的物体值，P1为物体b1在视频截图中的位置，Q1为物体b1对应的情景支持值，L1为物体b1的光照度；物体b2对应的第一数值组为{w4，P4，Q4，L4}；其中，w4为物体b2的物体值，P4为物体b2在视频截图中的位置，Q4为物体b2对应的情景支持值，L4为物体b2的光照度。

示例性地，若视频截图a对应两个第一数值组：{w1，P1，Q1，L1}和{w2，P2，Q2，L2}；被搜索图片b对应两个第二数值组：{w3，P3，Q3，L3}和{w4，P4，Q4，L4}，则将{w3，P3，Q3，L3}分别与{w1，P1，Q1，L1}和{w2，P2，Q2，L2}进行比对，分别得到第一比对结果和第二比对结果，将{w4，P4，Q4，L4}分别与{w1，P1，Q1，L1}和{w2，P2，Q2，L2}比对，分别得第三比对结果和第四比对结果；根据第一比较结果、第二比较结果、第三比较结果和第四比较结果，确定被搜索图片b与视频截图a的相似度。

示例性地，若视频截图a对应两个第一数值组：{w1，P1，Q1，L1}和{w2，P2，Q2，L2}；被搜索图片b对应两个第二数值组：{w3，P3，Q3，L3}和{w4，P4，Q4，L4}，则将视频截图a对应两个第一数值组处理为字符串格式：w1P1Q1L1/w2P2Q2L2，利用{w3，P3，Q3，L3}遍历字符串“w1P1Q1L1/w2P2Q2L2”，得到第一比对结果；利用{w4，P4，Q4，L4}遍历字符串“w1P1Q1L1/w2P2Q2L2”，得到第二比对结果；根据第一比对结果和第二比对结果，确定被搜索图片b与视频截图a的相似度。

可选地，确定所述相似度的最大值；在所述相似度的最大值大于预设阈值时，将所述相似度的最大值对应的被搜索图片确定为所述目标图片。

具体实现时，计算与视频截图a对应的第一数值组全部匹配时对应的全匹配相似度；计算相似度的最大值与全匹配相似度的比值，将该比值与预设阈值进行比较；若该比值大于预设阈值，则将相似度的最大值对应的被搜索图片确定为所述目标图片。

示例性地，假设视频截图a对应两个第一数值组：{w1，P1，Q1，L1}和{w2，P2，Q2，L2}，预设4个维度对应的权重如下：物体对应的权重为50，位置对应的权要为1.2，情景支持对应的权重为0.6，物体的光照对应的权重为0.2，全匹配相似度为物体在4个维度上的权重之和，即全匹配相似度＝(50+1.2+0.6+0.2)+(50+1.2+0.6+0.2)＝104。

其中，若相似度的最大值小于或等于预设阈值，则从头开始播放目标视频文件。

具体实现时，预设视频图像帧与视频图像帧对播放时间点和视频文件之间的关联关系。这样，在确定目标图片后，即可根据视频图像帧与播放时间点和视频文件之间的关联关系，确定与所述目标图片对应的目标播放时间点和目标视频文件。

上述实施例中，通过视频截图从被搜索图片集合中确定目标图片，基于目标图片进行快速定位播放位置，便于用户操作，准确率高且耗时较少，能够避免重头开始或者通过快进的方式查找播放位置。而且，通过视频截图对应的数值组进行比对，能够提升搜索效率，实现精准快速地获取目标播放时间点。

在一些实施例中，上述步骤102中，将所述被搜索图片中的每个物体对应的第二数值组分别与所述第一数值组进行比对，获取所述视频截图与被搜索图片的相似度，包括：

在同一维度上，将所述被搜索图片对应的每个所述第二数值组分别与所述视频截图对应的R个所述第一数值组进行一一比对，获得每个所述第二数值组对应的N个比对结果；

若所述被搜索图片对应P个所述第二数值组，则从R×P个所述比对结果中确定Q个目标比对结果，Q≤P，P和Q为正整数；其中，Q个所述目标比对结果包括：在R×P个所述比对结果中，所述第二数值组中的物体值与所述第一数值组中的物体值相匹配的比对结果；

针对每个所述目标比对结果，将相匹配的维度对应的预设权重进行求和，得到每个所述目标比对结果对应的匹配度；所述第一数值组和所述第二数值组均包括N个维度的数值，N属于正整数；

将Q个所述目标比对结果对应的匹配度进行求和，得到所述相似度。

需要指出的是，若被搜索图片对应P个第二数值组，视频截图对应R个第一数值组，将每个第二数值组与R个第一数值组一一比对，可获取R×P个比对结果；进一步地，从R×P个比对结果中去除物体值不匹配的比较结果，得到物体值匹配的Q个目标比对结果。也即，若第二数值组中的物体值与第一数值组中的物体值不匹配，则说明第一数值组与第二数值组不匹配，无需计算第一数值组与第二数值组的匹配度。在第二数值组中的物体值与第一数值组中的物体值相匹配时，再计算第一数值组与第二数值组之间的匹配度。

其中，N个维度包括以下图像内容特征中的至少一项：物体W、物体在图像中的位置P、物体对应的情景支持Q和物体的光照L。

示例性地，假设视频截图a对应两个第一数值组：{w1，P1，Q1，L1}和{w2，P2，Q2，L2}，预设各维度对应的权重如下：物体对应的权重为50，位置对应的权要为1.2，情景支持对应的权重为0.6，物体的光照对应的权重为0.2；假设被搜索图片b对应两个第二数值组：{w1，P1，Q1，L3}和{w3，P1，Q2，L1}，则：

第二数值组{w1，P1，Q1，L3}与第一数值组{w1，P1，Q1，L1}对应的第一比对结果为{物体值匹配，位置匹配、情景支持匹配，光照不匹配}，由于该第一比对结果中物体值匹配，因此将该第一比对结果确定为目标比对结果，并计算第一比对结果对应的匹配度＝50+1.2+0.6+0＝51.8。

同理，第二数值组{w1，P2，Q1，L3}与第一数值组{w2，P2，Q2，L2}对应的第二比对结果为{物体值不匹配，位置匹配、情景支持不匹配，光照不匹配}，由于该第二比对结果中物体值不匹配，因此忽略该第二比对结果，不计算匹配度。

同理，第二数值组{w3，P1，Q2，L1}与第一数值组{w1，P1，Q1，L1}对应的第三比对结果为{物体值不匹配，位置匹配、情景支持不匹配，光照匹配}，由于该第三比对结果中物体值不匹配，因此忽略该第三比对结果，不计算匹配度。

同理，第二数值组{w3，P1，Q2，L1}与第一数值组{w2，P2，Q2，L2}对应的第四比对结果为{物体值不匹配，位置不匹配、情景支持匹配，光照不匹配}，由于该第四比对结果中物体值不匹配，因此忽略该第三比对结果，不计算匹配度。

最后，仅第一比较结果可作为目标比对结果，因此，将第一比对结果对应的匹配度作为相似度结果，即被搜索图片b与视频截图a的相似度为51.8。

示例性地，假设视频截图a对应两个第一数值组：{w1，P1，Q1，L1}和{w2，P2，Q2，L2}，预设各维度对应的权重如下：物体对应的权重为50，位置对应的权要为1.2，情景支持对应的权重为0.6，物体的光照对应的权重为0.2；假设被搜索图片b对应两个第二数值组：{w1，P1，Q1，L3}和{w2，P2，Q3，L1}，则：

第二数值组{w1，P1，Q1，L3}与第一数值组{w1，P1，Q1，L1}对应的第一比对结果为{物体值匹配，位置匹配、情景支持匹配，光照不匹配}，由于该第一比对结果中物体值匹配，因此将该第一比对结果确定为目标比对结果，并计算第一比对结果对应的匹配度＝50+1.2+0.6+0＝51.8。

同理，第二数值组{w1，P1，Q1，L3}与第一数值组{w2，P2，Q2，L2}对应的第二比对结果为{物体值不匹配，位置不匹配、情景支持不匹配，光照匹配}，由于该第二比对结果中物体值不匹配，因此忽略该第二比对结果，不计算匹配度。

同理，第二数值组{w2，P2，Q3，L1}与第一数值组{w1，P1，Q1，L1}对应的第三比对结果为{物体值不匹配，位置不匹配、情景支持不匹配，光照匹配}，由于该第三比对结果中物体值不匹配，因此忽略该第三比对结果，不计算匹配度。

同理，第二数值组{w2，P2，Q3，L1}与第一数值组{w2，P2，Q2，L2}对应的第四比对结果为{物体值匹配，位置匹配、情景支持不匹配，光照不匹配}，由于该第四比对结果中物体值匹配，因此将该第四比对结果确定为目标比对结果，并计算第四比对结果对应的匹配度＝50+1.2+0+0＝51.2。

最后，将第一比对结果对应的匹配度与第四比对结果对应的匹配度之和，作为相似度结果，即被搜索图片b与视频截图a的相似度＝51.8+51.2＝103。

需要指出的是，上述各维度对应的预设权重仅为示例，不以此为限，可根据实际需求确定各维度对应的预设权重。

如图2所示，本发明实施例还提供了一种视频播放装置，视频播放装置200，包括：

第一接收模块201，用于接收客户端发送的视频截图；

第一获取模块202，用于获取所述视频截图中的每个物体对应的第一数值组；

第一确定模块203，用于根据所述第一数值组，从被搜索图片集合中确定目标图片；

第一发送模块204，用于向所述客户端发送与所述目标图片对应的目标播放时间点和目标视频文件。

可选地，第一确定模块203，包括：

第一确定子模块，用于将被搜索图片集合中的各被搜索图片对应的第二数值组与所述第一数值组分别进行比对，获取所述视频截图与所述被搜索图片的相似度；其中，所述被搜索图片中的每个物体对应一个所述第二数值组；

第二确定子模块，用于根据所述相似度，从被搜索图片集合中确定所述目标图片。

可选地，装置200还包括：

第二确定模块，用于将所述目标视频文件按照预设步长分割为M个图像帧，并将所述M个图像帧，确定为所述被搜索图片集合；M为正整数；

第二获取模块，用于获取所述图像帧中的每个物体对应的第二数值组；

关联存储模块，用于将所述图像帧的播放时间点、所述图像帧对应的目标视频文件和所述图像帧对应的所述第二数值组进行关联存储。

可选地，所述第一数值组和所述第二数值组均同时包括以下一项或多项数值：物体值、位置值、情景支持值、光照度；其中，所述物体值与物体类型有关，所述情景支持值与情景类型有关。

可选地，第一确定子模块，包括：

第一确定单元，用于在同一维度上，将所述被搜索图片对应的每个所述第二数值组分别与所述视频截图对应的R个所述第一数值组进行一一比对，获得每个所述第二数值组对应的R个比对结果；

第二确定单元，用于若所述被搜索图片对应P个所述第二数值组，则从R×P个所述比对结果中确定Q个目标比对结果，Q≤P，P和Q为正整数；其中，Q个所述目标比对结果包括：在R×P个所述比对结果中，所述第二数值组中的物体值与所述第一数值组中的物体值相匹配的比对结果；

第三确定单元，用于针对每个所述目标比对结果，将相匹配的维度对应的预设权重进行求和，得到每个所述目标比对结果对应的匹配度；所述第一数值组和所述第二数值组均包括N个维度的数值，N属于正整数；

第四确定单元，用于将Q个所述目标比对结果对应的匹配度进行求和，得到所述相似度。

可选地，第一获取模块202，包括：

第一获取子模块，用于通过神经网络模型，获取所述视频截图在N个维度上的至少一个第一数值组，每个物体对应的一个所述第一数值组；其中，所述N个维度包括以下图像内容特征中的至少一项：物体、物体在图像中的位置、物体对应的情景支持和物体的光照。

可选地，第一确定子模块，包括：

第一确定单元，用于确定所述相似度的最大值；

第二确定单元，用于在所述相似度的最大值大于预设阈值时，将所述相似度的最大值对应的被搜索图片确定为所述目标图片。

本发明实施例提供的装置200，可以执行上述方法实施例，其实现原理和技术效果类似，本实施例此处不再赘述。

如图3所示，本发明实施例的视频播放设备，包括：处理器300；以及通过总线接口与所述处理器300相连接的存储器320，所述存储器320用于存储所述处理器300在执行操作时所使用的程序和数据，处理器300调用并执行所述存储器320中所存储的程序和数据。

其中，收发机310与总线接口连接，用于在处理器300的控制下接收和发送数据；处理器300，用于读取存储器320中的程序，执行下列过程：

接收客户端发送的视频截图；

获取所述视频截图中的每个物体对应的第一数值组；

根据所述第一数值组，从被搜索图片集合中确定目标图片；

向所述客户端发送与所述目标图片对应的目标播放时间点和目标视频文件。

收发机310，用于在处理器300的控制下接收和发送数据。

其中，在图3中，总线架构可以包括任意数量的互联的总线和桥，具体由处理器300代表的一个或多个处理器和存储器320代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口提供接口。收发机310可以是多个元件，即包括发送机和收发机，提供用于在传输介质上与各种其他装置通信的单元。处理器300负责管理总线架构和通常的处理，存储器320可以存储处理器300在执行操作时所使用的数据。

处理器300负责管理总线架构和通常的处理，存储器320可以存储处理器300在执行操作时所使用的数据。

可选地，所述根据所述第一数值组，从被搜索图片库中确定目标图片之前，所述方法还包括：

将所述目标视频文件按照预设步长分割为M个图像帧，并将所述M个图像帧，确定为所述被搜索图片集合；M为正整数；

获取所述图像帧中的每个物体对应的第二数值组；

将所述图像帧的播放时间点、所述图像帧对应的目标视频文件和所述图像帧对应的所述第二数值组进行关联存储。

可选地，所述第一数值组和所述第二数值组均同时包括以下一项或多项数值：物体值、位置值、情景支持值、光照度；其中，所述物体值与物体类型有关，所述情景支持值与情景类型有关。

可选地，处理器300还用于读取所述计算机程序，执行如下步骤：

在同一维度上，将所述被搜索图片对应的每个所述第二数值组分别与所述视频截图对应的R个所述第一数值组进行一一比对，获得每个所述第二数值组对应的R个比对结果；

若所述被搜索图片对应P个所述第二数值组，则从R×P个所述比对结果中确定Q个目标比对结果，Q≤P，P和Q为正整数；其中，Q个所述目标比对结果包括：在R×P个所述比对结果中，所述第二数值组中的物体值与所述第一数值组中的物体值相匹配的比对结果；

针对每个所述目标比对结果，将相匹配的维度对应的预设权重进行求和，得到每个所述目标比对结果对应的匹配度；所述第一数值组和所述第二数值组均包括N个维度的数值；

将Q个所述目标比对结果对应的匹配度进行求和，得到所述相似度。

可选地，处理器300还用于读取所述计算机程序，执行如下步骤：

通过神经网络模型，获取所述视频截图在N个维度上的至少一个第一数值组，且每个物体对应的一个所述第一数值组；其中，所述N个维度包括以下图像内容特征中的至少一项：物体、物体在图像中的位置、物体对应的情景支持和物体的光照。

可选地，处理器300还用于读取所述计算机程序，执行如下步骤：

确定所述相似度的最大值；

在所述相似度的最大值大于预设阈值时，将所述相似度的最大值对应的被搜索图片确定为所述目标图片。

本发明实施例提供的设备，可以执行上述方法实施例，其实现原理和技术效果类似，本实施例此处不再赘述。

此外，本发明实施例的计算机可读存储介质，用于存储计算机程序，所述计算机程序可被处理器执行上述视频播放方法的步骤。

在本申请所提供的几个实施例中，应该理解到，所揭露方法和装置，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理包括，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述收发方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。