本發(fā)明屬于計(jì)算機(jī)圖像處理領(lǐng)域，具體涉及一種視頻預(yù)覽圖生成方法、裝置、服務(wù)器以及系統(tǒng)。

背景技術(shù)：

用戶通過網(wǎng)絡(luò)觀看視頻時(shí)，若不了解視頻的相關(guān)情況想通過預(yù)覽的方式了解該視頻的大概內(nèi)容，以決定是否繼續(xù)觀看。這種情況下，用戶往往通過隨意的不斷拖動(dòng)來了解一個(gè)視頻，這種拖動(dòng)很有隨意性，大部分情況下，用戶拖動(dòng)的位置不一定就是整個(gè)視頻的關(guān)鍵部分，這種方式對(duì)用戶快速了解整個(gè)視頻的內(nèi)容起到的效果有限。因此，在這種情況下，用戶急需一個(gè)自動(dòng)產(chǎn)生電影的預(yù)告片一樣功能，給用戶提供快速影片的內(nèi)容預(yù)覽功能，即視頻預(yù)覽圖。

目前，視頻預(yù)覽圖大多采用人工選定或者機(jī)器自動(dòng)生成的方式。使用人工選定的方式，視頻預(yù)覽圖的生成會(huì)耗費(fèi)較多的人力成本和時(shí)間成本，尤其是當(dāng)前網(wǎng)絡(luò)信息爆炸式膨脹，面臨著海量的視頻信息，人工篩選的方式弊端逐漸展現(xiàn)。此外，人工選定的視頻預(yù)覽圖收到選定者主觀因素影響較為嚴(yán)重，未必能準(zhǔn)確地反映視頻的主要內(nèi)容。而機(jī)器自動(dòng)生成的方式則主要依靠計(jì)算機(jī)在視頻中對(duì)視頻進(jìn)行隨機(jī)截取，這種方式可以節(jié)約人工成本，但是生成的預(yù)覽圖隨機(jī)性高，智能性差，并且往往無法體現(xiàn)出視頻所以表達(dá)的信息。

技術(shù)實(shí)現(xiàn)要素：

為了解決現(xiàn)有技術(shù)中預(yù)覽圖生成過程耗費(fèi)人工和時(shí)間成本高，預(yù)覽圖反映視頻內(nèi)能可能不夠準(zhǔn)確的問題，本發(fā)明實(shí)施例提供了一種視頻預(yù)覽圖生成方法、裝置、服務(wù)器以及系統(tǒng)。所述技術(shù)方案如下：

第一方面，提供了視頻預(yù)覽圖生成方法，所述方法包括：

接收視頻預(yù)覽請(qǐng)求；

獲取所述視頻預(yù)覽請(qǐng)求所對(duì)應(yīng)的視頻列表；

獲取所述視頻列表中視頻的視頻截圖集合；

將所述視頻截圖集合輸入到二分類深度神經(jīng)網(wǎng)絡(luò)模型，并獲得所述模型的輸出的概率結(jié)果；

依據(jù)所述概率結(jié)果對(duì)所述視頻截圖集合中的視頻截圖進(jìn)行選擇，確定所述視頻預(yù)覽圖。

第二方面，提供了視頻預(yù)覽圖生成裝置，所述裝置包括：

預(yù)覽請(qǐng)求接收模塊，用于接收視頻預(yù)覽請(qǐng)求；

視頻列表獲取模塊，用于獲取所述視頻預(yù)覽請(qǐng)求所對(duì)應(yīng)的視頻列表；

視頻截圖獲取模塊，用于獲取所述視頻列表中視頻的視頻截圖集合；

概率結(jié)果獲取模塊，用于將所述視頻截圖集合輸入到二分類深度神經(jīng)網(wǎng)絡(luò)模型，并獲得所述模型的輸出的概率結(jié)果；

視頻預(yù)覽圖確定模塊，用于依據(jù)所述概率結(jié)果對(duì)所述視頻截圖集合中的視頻截圖進(jìn)行選擇，確定所述視頻預(yù)覽圖。

第三方面，提供了一種服務(wù)器，包括視頻預(yù)覽圖生成裝置。

第四方面，提供了一種系統(tǒng)，用于生成視頻預(yù)覽圖，所述系統(tǒng)包括：客戶端，服務(wù)器，標(biāo)引客戶端；所述服務(wù)器包含視頻預(yù)覽圖生成裝置。

本發(fā)明能夠達(dá)到的有益效果：

利用二分類深度神經(jīng)網(wǎng)絡(luò)模型獲得視頻截圖作為視頻預(yù)覽圖的概率，進(jìn)而獲得視頻預(yù)覽圖。相較于人工篩選的方法能夠大大節(jié)省時(shí)間和人力成本，相較于機(jī)器篩選方法具有更多的人工智能性，能夠從視頻截圖中甄選出更合適的截圖作為視頻預(yù)覽圖。

附圖說明

下面結(jié)合附圖對(duì)本發(fā)明的具體實(shí)施方式作進(jìn)一步詳細(xì)的說明；

圖1是本發(fā)明一個(gè)實(shí)施例提供的實(shí)施環(huán)境的示意圖。

圖2是本發(fā)明一個(gè)實(shí)施例提供的后臺(tái)服務(wù)器的架構(gòu)圖。

圖3是本發(fā)明一個(gè)實(shí)施例提供的視頻預(yù)覽圖生成方法流程圖。

圖4是本發(fā)明另一個(gè)實(shí)施例提供的視頻預(yù)覽圖生成方法流程圖。

圖5是本發(fā)明實(shí)施例提供的二分類神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖。

圖6是本發(fā)明另一實(shí)施例提供的視頻截圖標(biāo)準(zhǔn)化流程圖。

圖7是本發(fā)明一個(gè)實(shí)施例提供的視頻預(yù)覽圖生成裝置框圖。

圖8是本發(fā)明另一個(gè)實(shí)施例提供的視頻預(yù)覽圖生成裝置框圖。

圖9是本發(fā)明實(shí)施例提供的二分類深度神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練模塊框圖。

圖10是本發(fā)明實(shí)施例提供的概率結(jié)果獲取模塊框圖。

圖11是本發(fā)明一個(gè)實(shí)施例提供的終端的結(jié)構(gòu)示意圖。

圖12是本發(fā)明一個(gè)實(shí)施例提供的服務(wù)器的結(jié)構(gòu)示意圖。

具體實(shí)施方式

為了使本技術(shù)領(lǐng)域的人員更好地理解本發(fā)明方案，下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分的實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都應(yīng)當(dāng)屬于本發(fā)明保護(hù)的范圍。

為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合附圖對(duì)本發(fā)明實(shí)施方式作進(jìn)一步地詳細(xì)描述。

請(qǐng)參考圖1，其示出了本發(fā)明一個(gè)實(shí)施例提供的實(shí)施環(huán)境的示意圖。該實(shí)施環(huán)境包括：用戶終端120、后臺(tái)服務(wù)器140。

用戶終端120中運(yùn)行有發(fā)送方客戶端。用戶終端120可以是手機(jī)、平板電腦、電子書閱讀器、MP3(Moving Picture Experts Group Audio Layer III，動(dòng)態(tài)影像專家壓縮標(biāo)準(zhǔn)音頻層面3)播放器、MP4(Moving Picture Experts Group Audio Layer IV，動(dòng)態(tài)影像專家壓縮標(biāo)準(zhǔn)音頻層面4)播放器、膝上型便攜計(jì)算機(jī)和臺(tái)式計(jì)算機(jī)等等。

后臺(tái)服務(wù)器140可以是一臺(tái)服務(wù)器，也可以是由若干臺(tái)服務(wù)器組成的服務(wù)器集群，或者是一個(gè)云計(jì)算服務(wù)中心。

后臺(tái)服務(wù)器140可以通過網(wǎng)絡(luò)分別與用戶終端120建立通信連接。該網(wǎng)絡(luò)可以是無線網(wǎng)絡(luò)，也可以是有線網(wǎng)絡(luò)。

在本發(fā)明實(shí)施例中，客戶端可以是任何具備視頻播放功能的客戶端。例如，客戶端可以是社交類應(yīng)用客戶端、即時(shí)通信客戶端、支付類應(yīng)用客戶端、游戲客戶端、閱讀客戶端、專用于視頻或音視頻播放的客戶端等等?？蛻舳丝梢栽诓シ乓曨l之前以視頻封面和視頻預(yù)覽圖的方式向用戶展示視頻的部分內(nèi)容和信息。

在一個(gè)示例中，如圖2所示，當(dāng)后臺(tái)服務(wù)器140為集群架構(gòu)時(shí)，后臺(tái)服務(wù)器140可以包括：通訊服務(wù)器142、訓(xùn)練服務(wù)器144、視頻服務(wù)器146和數(shù)據(jù)服務(wù)器148。

通訊服務(wù)器142用于提供客戶端和服務(wù)器之間的通訊服務(wù)。

例如，通訊服務(wù)器142用于提供客戶端和服務(wù)器組群之間進(jìn)行文字、圖片、視頻等消息的收發(fā)功能。

訓(xùn)練服務(wù)器144用于提供深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，得出訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)模型，并且對(duì)客戶端請(qǐng)求進(jìn)行訓(xùn)練的視頻進(jìn)行提取，然后生成視頻的封面圖和預(yù)覽圖。

視頻服務(wù)器146，用于向客戶端提供視頻。

數(shù)據(jù)服務(wù)器148用于提供初始訓(xùn)練集合。例如，數(shù)據(jù)服務(wù)器148用于收集和提取來自訓(xùn)練集視頻的視頻截圖，發(fā)往客戶端進(jìn)行標(biāo)引，接收并存儲(chǔ)標(biāo)引值，在訓(xùn)練服務(wù)器提出數(shù)據(jù)請(qǐng)求時(shí)，提取一定數(shù)量的訓(xùn)練集元素發(fā)往訓(xùn)練服務(wù)器。

上述各個(gè)服務(wù)器之間可通過網(wǎng)絡(luò)建立通信連接。該網(wǎng)絡(luò)可以是無線網(wǎng)絡(luò)，也可以是有線網(wǎng)絡(luò)。

請(qǐng)參考圖3，其示出了本發(fā)明一個(gè)實(shí)施例提供的視頻預(yù)覽圖生成方法。該方法可應(yīng)用于圖1所示實(shí)施環(huán)境中。該方法可以包括如下步驟：

S310，接收來自客戶端的視頻預(yù)覽請(qǐng)求。

當(dāng)用戶打開視頻瀏覽頁面時(shí)，客戶端會(huì)展示出該頁面內(nèi)所包含的視頻，此時(shí)服務(wù)器端對(duì)應(yīng)地收到客戶端對(duì)于該頁面內(nèi)視頻的預(yù)覽請(qǐng)求。

S320，獲取所述視頻預(yù)覽圖生成請(qǐng)求所對(duì)應(yīng)的視頻列表。

當(dāng)服務(wù)器接收到視頻預(yù)覽請(qǐng)求時(shí)，會(huì)獲取視頻瀏覽請(qǐng)求所對(duì)應(yīng)的視頻列表，例如，當(dāng)用戶打開某視頻網(wǎng)站的某頁面時(shí)，展示在頁面內(nèi)的視頻集合即為視頻列表。當(dāng)然，在某些情況下，例如即時(shí)通信客戶端中傳送的視頻，視頻列表中可能只有一個(gè)視頻存在。

S330，獲取所述視頻列表中視頻的視頻截圖集合。

服務(wù)器端會(huì)獲取視頻列表中視頻的截圖集合，截圖來自視頻的不同時(shí)段。例如，服務(wù)器會(huì)以秒為單位獲取某視頻中的一系列幀，即視頻截圖。視頻截圖集合與視頻列表中一個(gè)視頻對(duì)應(yīng)。

S340，將所述視頻截圖集合輸入到二分類深度神經(jīng)網(wǎng)絡(luò)模型，并獲得輸出結(jié)果。

將視頻截圖集合輸入到預(yù)先訓(xùn)練好的二分類深度神經(jīng)網(wǎng)絡(luò)模型，并獲得輸出結(jié)果。對(duì)于每一幅輸入圖片該二分類深度神經(jīng)網(wǎng)絡(luò)模型會(huì)輸出一個(gè)0-1之間的概率值，該值越接近“1”表示該視頻截圖適合作為視頻預(yù)覽圖的概率越高，該值越接近“0”表示該視頻截圖適合作為視頻預(yù)覽圖的概率越低。那么對(duì)于輸入到二分類深度神經(jīng)網(wǎng)絡(luò)模型的圖片，服務(wù)器會(huì)對(duì)應(yīng)地獲得一系列概率值組成的集合，這些概率值表示視頻截圖集合中各視頻截圖適合作為視頻預(yù)覽圖的可能性。

S350，依據(jù)所述概率結(jié)果對(duì)所述視頻截圖集合中的視頻截圖進(jìn)行選擇，確定所述視頻預(yù)覽圖。

依據(jù)獲得的一系列概率對(duì)視頻截圖集合中的視頻截圖進(jìn)行選擇，將概率值最高的視頻截圖作為視頻預(yù)覽圖。

在一個(gè)示例中，可以對(duì)獲得的截圖集合中各視頻截圖所對(duì)應(yīng)的二分類深度神經(jīng)網(wǎng)絡(luò)模型輸出值進(jìn)行排序，將輸出值最大，即作為視頻截圖概率最高的視頻截圖作為視頻封面，即視頻預(yù)覽圖。

綜上所述，本實(shí)施例提供的方法，由于利用了二分類深度神經(jīng)網(wǎng)絡(luò)模型獲得視頻截圖作為視頻預(yù)覽圖的概率，相較于人工篩選的方法能夠大大節(jié)省時(shí)間和人力成本；相較于機(jī)器篩選方法具有更多的人工智能性，能夠從視頻截圖中甄選出更合適的截圖作為視頻預(yù)覽圖。

請(qǐng)參考圖4，其示出了本發(fā)明一個(gè)實(shí)施例提供的視頻預(yù)覽圖生成方法。該方法可應(yīng)用于圖2所示實(shí)施環(huán)境中。該方法可以包括如下步驟：

S400，準(zhǔn)備二分類標(biāo)引的訓(xùn)練集元素。

訓(xùn)練數(shù)據(jù)來自訓(xùn)練集視頻，訓(xùn)練集視頻隨機(jī)抽取自需要生成視頻預(yù)覽圖的視頻文件。自每個(gè)訓(xùn)練集視頻中截取一定數(shù)量的視頻截圖，組成訓(xùn)練元素集合。訓(xùn)練元素集數(shù)量是可變的，例如在一個(gè)可選擇的實(shí)施過程中，訓(xùn)練元素集中包含10000幅來自訓(xùn)練集視頻的視頻截圖。

在準(zhǔn)備訓(xùn)練集元素的最后一個(gè)步驟，需要對(duì)訓(xùn)練集元素進(jìn)行二分類標(biāo)引。在一個(gè)可選擇的實(shí)施過程中，將訓(xùn)練集元素標(biāo)引為二分類的布爾型，如果適合作為封面圖，則以布爾型算符“1”來標(biāo)引，如果不適合作為封面圖，則以布爾型算符“0”來標(biāo)引。

在一個(gè)示例中，訓(xùn)練集元素通過數(shù)據(jù)服務(wù)器148進(jìn)行收集。數(shù)據(jù)服務(wù)器與獲取訓(xùn)練集視頻，截取訓(xùn)練集視頻的視頻幀，將視頻幀發(fā)送至用于標(biāo)引的客戶端，在所述用于標(biāo)引的客戶端完成標(biāo)引，標(biāo)引的格式是以“適合為1”、“不適合為0”的二分類標(biāo)存儲(chǔ)的。標(biāo)引完成之后，數(shù)據(jù)服務(wù)器148接收所述標(biāo)引客戶端返回的數(shù)據(jù)。

S410，處理二分類標(biāo)引的訓(xùn)練集元素。

處理訓(xùn)練集元素的過程是對(duì)訓(xùn)練集元素進(jìn)行標(biāo)準(zhǔn)化的過程。在一個(gè)可選的實(shí)施例中，將訓(xùn)練集元素縮放為統(tǒng)一的大小的像素陣列，例如,“M像素x N像素”。經(jīng)過該步驟，訓(xùn)練集元素中的圖片被標(biāo)準(zhǔn)化為統(tǒng)一大小。

訓(xùn)練集元素標(biāo)準(zhǔn)化還包括對(duì)訓(xùn)練集元素值的標(biāo)準(zhǔn)化。可選地，該標(biāo)準(zhǔn)化是使用該元素值減去該像素在訓(xùn)練集上的平均值。如果以Aij表示某一訓(xùn)練集元素的元素值，那么對(duì)訓(xùn)練集元素值的標(biāo)準(zhǔn)化表示為:

A’ij＝＝Aij-SUM(Aij)/N

其中，A’ij表示標(biāo)準(zhǔn)化完成的訓(xùn)練集元素值；SUM(Aij)表示訓(xùn)練集上所有的Aij像素值求和，N表示訓(xùn)練集中元素的總數(shù)量。

在一個(gè)示例中，處理訓(xùn)練集元素在訓(xùn)練服務(wù)器144上完成，訓(xùn)練服務(wù)器144首先從數(shù)據(jù)服務(wù)器獲取到二分類標(biāo)引的訓(xùn)練集元素，然后在訓(xùn)練服務(wù)器上將取得訓(xùn)練集元素標(biāo)準(zhǔn)化為M像素xN像素的標(biāo)準(zhǔn)格式圖片。例如255像素x255像素，然后對(duì)于其中某個(gè)像素的值，例如A_10，10,首先取得訓(xùn)練集對(duì)應(yīng)像素的平均值，并在該像素值中減去該平均值：

A_10，10’＝＝A_10，10-SUM(Aij)/N。

處理后的訓(xùn)練集元素存儲(chǔ)在訓(xùn)練服務(wù)器144上。

S420，構(gòu)建二分類深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。

在對(duì)訓(xùn)練集元素處理完成之后，建立深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，這個(gè)深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)是基于二分類的。如圖5所示，二分類神經(jīng)網(wǎng)絡(luò)構(gòu)架包括：

第一卷積輸出模塊，其中包含兩個(gè)卷積模塊和一個(gè)Maxpool模塊，在64位輸出濾波器上進(jìn)行卷積。

第二卷積輸出模塊，其中包含兩個(gè)卷積模塊和一個(gè)Maxpool模塊，在128位輸出濾波器上進(jìn)行卷積。

第三卷積輸出模塊，其中包含三個(gè)卷積模塊一個(gè)Maxpool模塊，在256位輸出濾波器上進(jìn)行卷積。

第四卷積輸出模塊，其中包含三個(gè)卷積模塊一個(gè)Maxpool模塊，在512位輸出濾波器上進(jìn)行卷積。

第五卷積輸出模塊，其中包含三個(gè)卷積模塊一個(gè)Maxpool模塊，在512位輸出濾波器上進(jìn)行卷積。

輸出模塊，在其中包含訓(xùn)練值分類子模塊(FC-1)和Sigmoid輸出觸發(fā)子模塊。該模塊中，訓(xùn)練值分類模塊FC-1只進(jìn)行“0”和“1”二分類，那么Sigmoid觸發(fā)輸出的值是一個(gè)0-1之間的概率值。

在使用二分類標(biāo)引的訓(xùn)練集元素訓(xùn)練之后，該神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)輸出的值也將是一個(gè)表述輸入圖片適合作為視頻預(yù)覽圖概率的概率值。

當(dāng)然，本實(shí)施例并不限制使用的二分類深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，例如deep residual networks、leNet等神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，在進(jìn)行Sigmoid輸出前，進(jìn)行輸出處理，使輸出的結(jié)果表示為“0-1”之間的概率值，均落入本實(shí)施例的保護(hù)范圍。

在一個(gè)示例中，二分類深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的構(gòu)建在訓(xùn)練服務(wù)器144上完成。

S430，選擇二分類損失函數(shù)。

在建立二分類深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)之后，需要選擇合適的損失函數(shù)。在一個(gè)可選的實(shí)施過程中，損失函數(shù)被選擇為適合二分類的損失函數(shù)。

可選地，損失函數(shù)選擇為對(duì)數(shù)損失函數(shù)(log-loss)，對(duì)數(shù)損失函數(shù)能夠在分類輸出不是0-1，而是實(shí)數(shù)值，即屬于每個(gè)類別的概率時(shí)對(duì)分類結(jié)果進(jìn)行評(píng)價(jià)。對(duì)數(shù)損失函數(shù)(log-loss)是一個(gè)相對(duì)的分類準(zhǔn)確率度量方法，這種方法使用概率來表示其所屬的類別的置信度。對(duì)數(shù)損失函數(shù)(log-loss)的數(shù)學(xué)表達(dá)式可以為：

在該表達(dá)式中，M表示對(duì)于樣本的分類，N表示分類中樣本的個(gè)數(shù)，y_ij是指集合中樣本所屬的真實(shí)類別0或者1，p_ij表示集合中樣本屬于類別1的概率，這樣上式中的兩個(gè)部分對(duì)于每個(gè)樣本只會(huì)選擇其一，因?yàn)橛幸粋€(gè)一定為0，當(dāng)預(yù)測(cè)與實(shí)際類別完全匹配時(shí)，則兩個(gè)部分都是0，當(dāng)然，在初始化時(shí)即設(shè)定0log0＝0。

在某些情況下，當(dāng)樣本的分類數(shù)M＝2時(shí)，對(duì)數(shù)損失函數(shù)(log-loss)可以表示為二值對(duì)數(shù)函數(shù)(Binary log-loss)，其數(shù)學(xué)表達(dá)式可以表示為：

在該表達(dá)式中，yi是指第i個(gè)樣本所屬的真實(shí)類別0或者1，pi表示第i個(gè)樣本屬于類別1的概率，這樣上式中的兩個(gè)部分對(duì)于每個(gè)樣本只會(huì)選擇其一，因?yàn)橛幸粋€(gè)一定為0，當(dāng)預(yù)測(cè)與實(shí)際類別完全匹配時(shí)，則兩個(gè)部分都是0，當(dāng)然，在初始化時(shí)即設(shè)定0log0＝0。

使用二分類的損失函數(shù)對(duì)于構(gòu)建二分類深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，有著非常重要的意義。因?yàn)閷?duì)數(shù)損失函數(shù)以0到1之間的輸出概率表示該記錄所屬樣本對(duì)應(yīng)的類別的置信度，它恰好與二分類的布爾型分類相匹配。

除此之外，對(duì)數(shù)損失函數(shù)(log-loss)是對(duì)額外噪聲(extra noise)的度量，這個(gè)噪聲是由于預(yù)測(cè)值域?qū)嶋H值不同而產(chǎn)生的?？梢酝ㄟ^信息論中的交叉熵(Cross Entropy)進(jìn)行解釋，交叉熵即真實(shí)值與預(yù)測(cè)值的交叉熵，它和相對(duì)熵(Relative Entropy)類似。因?yàn)樾畔㈧厥菍?duì)事情的不確定性進(jìn)行度量，不確定越大，熵越大。交叉熵包含了真實(shí)分布的熵加上假設(shè)與真實(shí)分布不同的分布的不確定性。因此最小化交叉熵，便是最大化分類器的準(zhǔn)確率。

在一個(gè)示例中，二分類損失函數(shù)的構(gòu)建在訓(xùn)練服務(wù)器144上完成。

S440，訓(xùn)練二分類深度神經(jīng)網(wǎng)絡(luò)模型。

在構(gòu)建二分類深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，確定損失函數(shù)之后。將訓(xùn)練元素集帶入到構(gòu)建的二分類深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行校驗(yàn)。示例性地，校驗(yàn)使用十折交叉校驗(yàn)(10-fold cross-validation)，利用后向傳播算法進(jìn)行訓(xùn)練。

十折交叉校驗(yàn)(10-fold cross-validation)的校驗(yàn)過程包括，將數(shù)據(jù)集分成十份，輪流將其中9份作為訓(xùn)練數(shù)據(jù)，1份作為測(cè)試數(shù)據(jù)，進(jìn)行試驗(yàn)。每次試驗(yàn)都會(huì)得出相應(yīng)的正確率(或差錯(cuò)率)，10次的結(jié)果的正確率(或差錯(cuò)率)的平均值作為對(duì)算法精度的估計(jì)，一般還需要進(jìn)行多次10折交叉驗(yàn)證(例如10次10折交叉驗(yàn)證)，再求其均值，作為對(duì)算法準(zhǔn)確性的估計(jì)。之所以選擇將數(shù)據(jù)集分為10份，是因?yàn)橥ㄟ^利用大量數(shù)據(jù)集、使用不同學(xué)習(xí)技術(shù)進(jìn)行的大量試驗(yàn)，表明十折校驗(yàn)是獲得最好誤差估計(jì)的恰當(dāng)選擇。

本實(shí)施例提供校驗(yàn)方法也不限于十折校驗(yàn)，在不同的實(shí)施過程中，亦可使用五折交叉校驗(yàn)或者二十折交叉校驗(yàn)等方式。

反向傳播算法(Backpropagation algorithm)主要由兩個(gè)環(huán)節(jié)(激勵(lì)傳播、權(quán)重更新)反復(fù)循環(huán)迭代，直到網(wǎng)絡(luò)的對(duì)輸入的響應(yīng)達(dá)到預(yù)定的目標(biāo)范圍為止。

隨著硬件速度的提升和運(yùn)算量的逐步加大,GPU(Graphic Processing Unit)已經(jīng)在圖像相關(guān)處理方法逐步替代CPU或者與CPU聯(lián)合使用。使用GPU來執(zhí)行BP算法能否帶來運(yùn)算速度的大大提升。當(dāng)然，本實(shí)施例所提供的方法并不限制在GPU上執(zhí)行，亦在在CPU或者CPU/GPU聯(lián)合使用的硬件上實(shí)現(xiàn)。

經(jīng)過上述步驟，本實(shí)施例可以得到訓(xùn)練完成的二分類深度神經(jīng)網(wǎng)絡(luò)模型，該模型基于輸入的視頻圖片可以輸出0-1之間的概率值，該輸出的概率值表示輸入的視頻圖片適合作為視頻預(yù)覽圖的概率。

在一個(gè)示例中，二分類深度神經(jīng)網(wǎng)絡(luò)模型的構(gòu)建在訓(xùn)練服務(wù)器144上完成。

S450，接收視頻預(yù)覽請(qǐng)求。

當(dāng)用戶打開視頻瀏覽頁面時(shí)，客戶端會(huì)展示出該頁面內(nèi)所包含的視頻，此時(shí)服務(wù)器端對(duì)應(yīng)地收到客戶端對(duì)于該頁面內(nèi)視頻的預(yù)覽請(qǐng)求。

在一個(gè)示例中，視頻預(yù)覽請(qǐng)求在客戶端生成，并通過通信鏈路被通信服務(wù)器142接收。

S460，獲取所述視頻預(yù)覽圖生成請(qǐng)求所對(duì)應(yīng)的視頻列表。

當(dāng)服務(wù)器接收到視頻預(yù)覽請(qǐng)求時(shí)，會(huì)獲取視頻瀏覽請(qǐng)求所對(duì)應(yīng)的視頻列表，例如，當(dāng)用戶打開某視頻網(wǎng)站的某頁面時(shí)，展示在頁面內(nèi)的視頻集合即為視頻列表。當(dāng)然，在某些情況下，例如即時(shí)通信客戶端中傳送的視頻，視頻列表中可能只有一個(gè)視頻存在。

在一個(gè)示例中，訓(xùn)練服務(wù)器144在接收到視頻預(yù)覽請(qǐng)求后，會(huì)向視頻服務(wù)器146調(diào)用所述視頻預(yù)覽請(qǐng)求所對(duì)應(yīng)的視頻列表。

S470，獲取所述視頻列表中視頻的視頻截圖集合。

服務(wù)器端會(huì)獲取視頻列表中視頻的截圖集合，截圖來自視頻的不同時(shí)段。例如，服務(wù)器會(huì)以秒為單位獲取某視頻中的一系列幀，即視頻截圖。視頻截圖集合與視頻列表中一個(gè)視頻對(duì)應(yīng)。

在一個(gè)示例中，視頻服務(wù)器146會(huì)獲取視頻列表中視頻所對(duì)應(yīng)的截圖集合，并將該截圖集合發(fā)送至訓(xùn)練服務(wù)器144。

S480，將所述視頻截圖集合輸入到二分類深度神經(jīng)網(wǎng)絡(luò)模型，并獲得輸出結(jié)果。

將視頻截圖集合輸入到預(yù)先訓(xùn)練好的二分類深度神經(jīng)網(wǎng)絡(luò)模型，并獲得輸出結(jié)果。對(duì)于每一幅輸入圖片該二分類深度神經(jīng)網(wǎng)絡(luò)模型會(huì)輸出一個(gè)0-1之間的概率值，該值越接近“1”表示該視頻截圖適合作為視頻預(yù)覽圖的概率越高，該值越接近“0”表示該視頻截圖適合作為視頻預(yù)覽圖的概率越低。那么對(duì)于輸入到二分類深度神經(jīng)網(wǎng)絡(luò)模型的圖片，服務(wù)器會(huì)對(duì)應(yīng)地獲得一系列概率值組成的集合，這些概率值表示視頻截圖集合中各視頻截圖適合作為視頻預(yù)覽圖的可能性。

如圖6所示，在將視頻截圖輸入到二分類深度神經(jīng)網(wǎng)絡(luò)模型前，還需要進(jìn)行對(duì)視頻截圖標(biāo)準(zhǔn)化的步驟：

S4801，將所述視頻截圖標(biāo)準(zhǔn)化為預(yù)定像素大小。

對(duì)所述視頻截圖標(biāo)準(zhǔn)化的過程與對(duì)其訓(xùn)練過程類似，在一個(gè)可選的實(shí)施例中，將視頻截圖縮放為統(tǒng)一的大小，例如,“M像素x N像素”。經(jīng)過該步驟，視頻截圖中的圖片被標(biāo)準(zhǔn)化為統(tǒng)一大小。在一個(gè)示例中，視頻截圖被統(tǒng)一標(biāo)準(zhǔn)化為255像素x255像素。

S4802，將視頻截圖的每個(gè)像素值標(biāo)準(zhǔn)化。

由于在訓(xùn)練過程中，訓(xùn)練集元素經(jīng)過了標(biāo)準(zhǔn)化過程，因此，需要對(duì)視頻截圖進(jìn)行同樣的標(biāo)準(zhǔn)化過程。

在一個(gè)示例中，使用視頻元素在某個(gè)像素的平均值作為標(biāo)準(zhǔn)化值。

如果以Bij表示某一訓(xùn)練集元素的元素值，那么對(duì)訓(xùn)練集元素值的標(biāo)準(zhǔn)化表示為:

B’ij＝＝Bij-SUM(Bij)/m

其中，B’ij表示標(biāo)準(zhǔn)化完成的訓(xùn)練集元素值；SUM(Bij)表示視頻截圖集上所有的Bij像素值求和，m表示視頻截圖集中的總截圖數(shù)量。

在一個(gè)示例中，使用像素在訓(xùn)練集上的平均值作為標(biāo)準(zhǔn)化值。

如果以Bij表示某一訓(xùn)練集元素的元素值，那么對(duì)訓(xùn)練集元素值的標(biāo)準(zhǔn)化表示為:

B’ij＝＝Bij-SUM(Aij)/n

其中，B’ij表示標(biāo)準(zhǔn)化完成的訓(xùn)練集元素值；SUM(Aij)表示視頻截圖集上所有的Aij像素值求和，n表示視頻截圖集中的總截圖數(shù)量,SUM(Aij)/n即像素在訓(xùn)練集上的平均值。

在一個(gè)示例中，處理訓(xùn)練集元素在訓(xùn)練服務(wù)器144上完成，訓(xùn)練服務(wù)器144首先從數(shù)據(jù)服務(wù)器獲取到二分類標(biāo)引的訓(xùn)練集元素，然后在訓(xùn)練服務(wù)器上將取得訓(xùn)練集元素標(biāo)準(zhǔn)化為M像素x N像素的標(biāo)準(zhǔn)格式圖片。例如255像素x255像素，然后對(duì)于其中某個(gè)像素的值，例如B_10，10,首先取得訓(xùn)練集對(duì)應(yīng)像素的平均值，并在該像素值中減去該平均值：

B_10，10’＝＝B_10，10-SUM(Aij)/n

S490，依據(jù)獲得的一系列概率對(duì)視頻截圖集合中的視頻截圖進(jìn)行選擇，將概率值最高的視頻截圖作為視頻預(yù)覽圖。

在一個(gè)示例中，可以對(duì)獲得的截圖集合中各視頻截圖所對(duì)應(yīng)的二分類深度神經(jīng)網(wǎng)絡(luò)模型輸出值進(jìn)行排序，將輸出值最大，即作為視頻截圖概率最高的視頻截圖作為視頻封面，即視頻預(yù)覽圖。

綜上所述，本實(shí)施例提供的方法，對(duì)現(xiàn)有的深度申請(qǐng)網(wǎng)絡(luò)模型進(jìn)行了改進(jìn)，使其訓(xùn)練結(jié)果輸出為“0-1”之間的概率值，從而實(shí)現(xiàn)了二分類神經(jīng)網(wǎng)絡(luò)模型，將神經(jīng)網(wǎng)絡(luò)模型的輸出結(jié)果由解決分類問題轉(zhuǎn)化為解決回歸問題?；谠摱诸惿窠?jīng)網(wǎng)絡(luò)模型，對(duì)視頻截圖進(jìn)行篩選，相較于人工篩選的方法能夠大大節(jié)省時(shí)間和人力成本；相較于已有的機(jī)器篩選方法具有更多的智能性，能夠從視頻截圖中甄選出更合適的截圖作為視頻預(yù)覽圖。

下述為本發(fā)明裝置實(shí)施例，可以用于執(zhí)行本發(fā)明方法實(shí)施例。對(duì)于本發(fā)明裝置實(shí)施例中未披露的細(xì)節(jié)，請(qǐng)參照本發(fā)明方法實(shí)施例。

請(qǐng)參考圖7，其示出了本發(fā)明一個(gè)實(shí)施例提供的視頻預(yù)覽圖生成裝置的框圖。該裝置具有實(shí)現(xiàn)上述方法示例中服務(wù)器側(cè)的功能，所述功能可以由硬件實(shí)現(xiàn)，也可以由硬件執(zhí)行相應(yīng)的軟件實(shí)現(xiàn)。該裝置可以包括：

預(yù)覽請(qǐng)求接收模塊710，執(zhí)行步驟310，用于接收視頻預(yù)覽請(qǐng)求；

視頻列表獲取模塊720，執(zhí)行步驟320，用于獲取所述視頻預(yù)覽請(qǐng)求所對(duì)應(yīng)的視頻列表；

視頻截圖獲取模塊730，執(zhí)行步驟330，用于獲取所述視頻列表中視頻的視頻截圖集合；

概率結(jié)果獲取模塊740，執(zhí)行步驟340，用于將所述視頻截圖集合輸入到二分類深度神經(jīng)網(wǎng)絡(luò)模型，并獲得所述模型的輸出的概率結(jié)果；

視頻預(yù)覽圖確定模塊750，執(zhí)行步驟350，用于依據(jù)所述概率結(jié)果對(duì)所述視頻截圖集合中的視頻截圖進(jìn)行選擇，確定所述視頻預(yù)覽圖。

相關(guān)細(xì)節(jié)可以參考圖3所對(duì)應(yīng)的方法實(shí)施例。

請(qǐng)參考圖8，其示出了本發(fā)明一個(gè)實(shí)施例提供的視頻預(yù)覽圖生成裝置的框圖。該裝置具有實(shí)現(xiàn)上述方法示例中服務(wù)器側(cè)的功能，所述功能可以由硬件實(shí)現(xiàn)，也可以由硬件執(zhí)行相應(yīng)的軟件實(shí)現(xiàn)。該裝置可以包括：

預(yù)覽請(qǐng)求接收模塊810，執(zhí)行步驟450，用于接收視頻預(yù)覽請(qǐng)求；

視頻列表獲取模塊820，執(zhí)行步驟460，用于獲取所述視頻預(yù)覽請(qǐng)求所對(duì)應(yīng)的視頻列表；

視頻截圖獲取模塊830，執(zhí)行步驟470，用于獲取所述視頻列表中視頻的視頻截圖集合；

概率結(jié)果獲取模塊840，執(zhí)行步驟480，用于將所述視頻截圖集合輸入到二分類深度神經(jīng)網(wǎng)絡(luò)模型，并獲得所述模型的輸出的概率結(jié)果；

視頻預(yù)覽圖確定模塊850，執(zhí)行步驟490，用于依據(jù)所述概率結(jié)果對(duì)所述視頻截圖集合中的視頻截圖進(jìn)行選擇，確定所述視頻預(yù)覽圖。

該裝置中還包含了二分類深度神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練模塊860，如圖9所示，該模塊進(jìn)一步包含如下子模塊：

二分類訓(xùn)練集元素獲取子模塊910，執(zhí)行步驟400，用于獲取二分類標(biāo)引的訓(xùn)練集元素；

二分類訓(xùn)練集元素處理子模塊920，執(zhí)行步驟410，用于處理所述二分類標(biāo)引的訓(xùn)練集元素；

二分類深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)構(gòu)建子模930,執(zhí)行步驟420，用于構(gòu)建二分類深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)；

二分類損失函數(shù)選擇子模塊940，執(zhí)行步驟430，用于選擇二分類損失函數(shù)；

模型訓(xùn)練子模塊950，執(zhí)行步驟440，用于基于所述二分類深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和所述二分類損失函數(shù)，訓(xùn)練二分類深度神經(jīng)網(wǎng)絡(luò)模型。

如圖10所示，概率結(jié)果獲取模塊包括視頻截圖集合標(biāo)準(zhǔn)化模塊，視頻截圖在該模塊內(nèi)經(jīng)過截圖像素標(biāo)準(zhǔn)化子模塊和截圖像素值標(biāo)準(zhǔn)化子模塊。

截圖像素標(biāo)準(zhǔn)化子模塊將輸入的截圖標(biāo)準(zhǔn)化為指定的像素，例如255*255像素。

截圖像素值標(biāo)準(zhǔn)化子模塊，用于標(biāo)準(zhǔn)化經(jīng)過截圖像素標(biāo)準(zhǔn)化后截圖的每一個(gè)像素值，例如，其可以采用如下方式進(jìn)行標(biāo)準(zhǔn)化：

B’ij＝＝Bij-SUM(Aij)/n

其中，B’ij表示標(biāo)準(zhǔn)化完成的訓(xùn)練集元素值；SUM(Bij)表示視頻截圖集上所有的Bij像素值求和，n表示視頻截圖集中的總截圖數(shù)量。

輸入的截圖經(jīng)過標(biāo)準(zhǔn)化之后轉(zhuǎn)換為標(biāo)準(zhǔn)化視頻截圖，將標(biāo)準(zhǔn)化視頻截圖輸入到已經(jīng)訓(xùn)練好的二分類深度神經(jīng)網(wǎng)絡(luò)模型。所述二分類深度神經(jīng)網(wǎng)絡(luò)模型的FC值為1，即其已經(jīng)被設(shè)置為概率回歸模塊，在Sigmoid觸發(fā)輸出時(shí)，其輸出標(biāo)準(zhǔn)化截圖適合作為視頻預(yù)覽圖的概率。

相關(guān)細(xì)節(jié)可以參考圖4所對(duì)應(yīng)的方法實(shí)施例。

請(qǐng)參考圖11，其示出了本發(fā)明一個(gè)實(shí)施例提供的終端的結(jié)構(gòu)示意圖。該終端用于實(shí)施上述實(shí)施例中提供的發(fā)送方客戶端側(cè)的虛擬物品發(fā)送方法，或者用于實(shí)施上述實(shí)施例中提供的接收方客戶端側(cè)的虛擬物品接收方法。具體來講：

終端1100可以包括RF(Radio Frequency，射頻)電路1110、包括有一個(gè)或一個(gè)以上計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)的存儲(chǔ)器1120、輸入單元1130、顯示單元1140、視頻傳感器1150、音頻電路1160、WiFi(wireless fidelity，無線保真)模塊1170、包括有一個(gè)或者一個(gè)以上處理核心的處理器1180、以及電源990等部件。本領(lǐng)域技術(shù)人員可以理解，圖11中示出的終端結(jié)構(gòu)并不構(gòu)成對(duì)終端的限定，可以包括比圖示更多或更少的部件，或者組合某些部件，或者不同的部件布置。其中：

RF電路1110可用于收發(fā)信息或通話過程中，信號(hào)的接收和發(fā)送，特別地，將基站的下行信息接收后，交由一個(gè)或者一個(gè)以上處理器1180處理；另外，將涉及上行的數(shù)據(jù)發(fā)送給基站。通常，RF電路1110包括但不限于天線、至少一個(gè)放大器、調(diào)諧器、一個(gè)或多個(gè)振蕩器、用戶身份模塊(SIM)卡、收發(fā)信機(jī)、耦合器、LNA(Low Noise Amplifier，低噪聲放大器)、雙工器等。此外，RF電路1110還可以通過無線通信與網(wǎng)絡(luò)和其他設(shè)備通信。所述無線通信可以使用任一通信標(biāo)準(zhǔn)或協(xié)議，包括但不限于GSM(Global System of Mobile communication，全球移動(dòng)通訊系統(tǒng))、GPRS(General Packet Radio Service，通用分組無線服務(wù))、CDMA(Code Division Multiple Access，碼分多址)、WCDMA(Wideband Code Division Multiple Access,寬帶碼分多址)、LTE(Long Term Evolution,長(zhǎng)期演進(jìn))、電子郵件、SMS(Short Messaging Service，短消息服務(wù))等。

存儲(chǔ)器1120可用于存儲(chǔ)軟件程序以及模塊，處理器1180通過運(yùn)行存儲(chǔ)在存儲(chǔ)器1120的軟件程序以及模塊，從而執(zhí)行各種功能應(yīng)用以及數(shù)據(jù)處理。存儲(chǔ)器1120可主要包括存儲(chǔ)程序區(qū)和存儲(chǔ)數(shù)據(jù)區(qū)，其中，存儲(chǔ)程序區(qū)可存儲(chǔ)操作系統(tǒng)、至少一個(gè)功能所需的應(yīng)用程序(比如聲音播放功能、圖像播放功能等)等；存儲(chǔ)數(shù)據(jù)區(qū)可存儲(chǔ)根據(jù)終端1100的使用所創(chuàng)建的數(shù)據(jù)(比如視頻數(shù)據(jù)、電話本等)等。此外，存儲(chǔ)器1120可以包括高速隨機(jī)存取存儲(chǔ)器，還可以包括非易失性存儲(chǔ)器，例如至少一個(gè)磁盤存儲(chǔ)器件、閃存器件、或其他易失性固態(tài)存儲(chǔ)器件。相應(yīng)地，存儲(chǔ)器1120還可以包括存儲(chǔ)器控制器，以提供處理器1180和輸入單元1130對(duì)存儲(chǔ)器1120的訪問。

輸入單元1130可用于接收輸入的數(shù)字或字符信息，以及產(chǎn)生與用戶設(shè)置以及功能控制有關(guān)的鍵盤、鼠標(biāo)、操作桿、光學(xué)或者軌跡球信號(hào)輸入。具體地，輸入單元1130可包括圖像輸入設(shè)備1131以及其他輸入設(shè)備1132。圖像輸入設(shè)備1131可以是攝像頭，也可以是光電掃描設(shè)備。除了圖像輸入設(shè)備1131，輸入單元1130還可以包括其他輸入設(shè)備1132。具體地，其他輸入設(shè)備1132可以包括但不限于物理鍵盤、功能鍵(比如音量控制按鍵、開關(guān)按鍵等)、軌跡球、鼠標(biāo)、操作桿等中的一種或多種。

顯示單元1140可用于顯示由用戶輸入的信息或提供給用戶的信息以及終端1100的各種圖形用戶接口，這些圖形用戶接口可以由圖形、文本、圖標(biāo)、視頻和其任意組合來構(gòu)成。顯示單元1140可包括顯示面板1141，可選的，可以采用LCD(Liquid Crystal Display，液晶顯示器)、OLED(Organic Light-Emitting Diode，15有機(jī)發(fā)光二極管)等形式來配置顯示面板1141。

終端1100可包括至少一種視頻傳感器1150，視頻傳感器用于獲取用戶的視頻信息。終端1100還可以包括其它傳感器(未示出)，比如光傳感器、運(yùn)動(dòng)傳感器以及其他傳感器。具體地，光傳感器可包括環(huán)境光傳感器及接近傳感器，其中，環(huán)境光傳感器可根據(jù)環(huán)境光線的明暗來調(diào)節(jié)顯示面板1141的亮度，接近傳感器可在終端1100移動(dòng)到耳邊時(shí)，關(guān)閉顯示面板1141和/或背光。作為運(yùn)動(dòng)傳感器的一種，重力加速度傳感器可檢測(cè)各個(gè)方向上(一般為三軸)加速度的大小，靜止時(shí)可檢測(cè)出重力的大小及方向，可用于識(shí)別手機(jī)姿態(tài)的應(yīng)用(比如橫豎屏切換、相關(guān)游戲、磁力計(jì)姿態(tài)校準(zhǔn))、振動(dòng)識(shí)別相關(guān)功能(比如計(jì)步器、敲擊)等；至于終端1100還可配置的陀螺儀、氣壓計(jì)、濕度計(jì)、溫度計(jì)、紅外線傳感器等其他傳感器，在此不再贅述。

視頻電路1160、揚(yáng)聲器1161，傳聲器1162可提供用戶與終端1100之間的視頻接口。音頻電路1160可將接收到的音頻數(shù)據(jù)轉(zhuǎn)換后的電信號(hào)，傳輸?shù)綋P(yáng)聲器1161，由揚(yáng)聲器1161轉(zhuǎn)換為聲音信號(hào)輸出；另一方面，傳聲器1162將收集的聲音信號(hào)轉(zhuǎn)換為電信號(hào)，由音頻電路1160接收后轉(zhuǎn)換為音頻數(shù)據(jù)，再將音頻數(shù)據(jù)輸出處理器1180處理后，經(jīng)RF電路1111以發(fā)送給比如另一終端，或者將音頻數(shù)據(jù)輸出至存儲(chǔ)器1120以便進(jìn)一步處理。音頻電路1160還可能包括耳塞插孔，以提供外設(shè)耳機(jī)與終端1100的通信。

WiFi屬于短距離無線傳輸技術(shù)，終端1100通過WiFi模塊70可以幫助用戶收發(fā)電子郵件、瀏覽網(wǎng)頁和訪問流式媒體等，它為用戶提供了無線的寬帶互聯(lián)網(wǎng)訪問。雖然圖11示出了WiFi模塊1170，但是可以理解的是，其并不屬于終端1100的必須構(gòu)成，完全可以根據(jù)需要在不改變發(fā)明的本質(zhì)的范圍內(nèi)而省略。

處理器1180是終端1100的控制中心，利用各種接口和線路連接整個(gè)手機(jī)的各個(gè)部分，通過運(yùn)行或執(zhí)行存儲(chǔ)在存儲(chǔ)器1120內(nèi)的軟件程序和/或模塊，以及調(diào)用存儲(chǔ)在存儲(chǔ)器1120內(nèi)的數(shù)據(jù)，執(zhí)行終端1100的各種功能和處理數(shù)據(jù)，從而對(duì)手機(jī)進(jìn)行整體監(jiān)控?？蛇x的，處理器1180可包括一個(gè)或多個(gè)處理核心；優(yōu)選的，處理器1180可集成應(yīng)用處理器和調(diào)制解調(diào)處理器，其中，應(yīng)用處理器主要處理操作系統(tǒng)、用戶界面和應(yīng)用程序等，調(diào)制解調(diào)處理器主要處理無線通信。

可以理解的是，上述調(diào)制解調(diào)處理器也可以不集成到處理器1180中。

終端1100還包括給各個(gè)部件供電的電源990(比如電池)，優(yōu)選的，電源可以通過電源管理系統(tǒng)與處理器1180邏輯相連，從而通過電源管理系統(tǒng)實(shí)現(xiàn)管理充電、放電、以及功耗管理等功能。電源990還可以包括一個(gè)或一個(gè)以上的直流或交流電源、再充電系統(tǒng)、電源故障檢測(cè)電路、電源轉(zhuǎn)換器或者逆變器、電源狀態(tài)指示器等任意組件。

盡管未示出，終端1100還可以包括藍(lán)牙模塊等，在此不再贅述。

具體在本實(shí)施例中，終端1100還包括有存儲(chǔ)器，以及一個(gè)或者一個(gè)以上的程序，其中一個(gè)或者一個(gè)以上程序存儲(chǔ)于存儲(chǔ)器中，且經(jīng)配置以由一個(gè)或者一個(gè)以上處理器執(zhí)行。上述一個(gè)或者一個(gè)以上程序包含用于執(zhí)行上述發(fā)送方客戶端側(cè)或者接收方客戶端側(cè)的方法的指令。

請(qǐng)參考圖12，其示出了本發(fā)明一個(gè)實(shí)施例提供的服務(wù)器的結(jié)構(gòu)示意圖。該服務(wù)器用于實(shí)施上述實(shí)施例中提供的后臺(tái)服務(wù)器側(cè)的虛擬物品發(fā)送方法。具體來講：

所述服務(wù)器1200包括中央處理單元(CPU)1201、包括隨機(jī)存取存儲(chǔ)器(RAM)1202和只讀存儲(chǔ)器(ROM)1203的系統(tǒng)存儲(chǔ)器1204，以及連接系統(tǒng)存儲(chǔ)器1204和中央處理單元1201的系統(tǒng)總線1205。所述服務(wù)器1200還包括幫助計(jì)算機(jī)內(nèi)的各個(gè)器件之間傳輸信息的基本輸入/輸出系統(tǒng)(I/O系統(tǒng))1206，和用于存儲(chǔ)操作系統(tǒng)1213、應(yīng)用程序1214和其他程序模塊1215的大容量存儲(chǔ)設(shè)備1207。

所述基本輸入/輸出系統(tǒng)1206包括有用于顯示信息的顯示器1208和用于用戶輸入信息的諸如鼠標(biāo)、鍵盤之類的輸入設(shè)備1209。其中所述顯示器1208和輸入設(shè)備1209都通過連接到系統(tǒng)總線1205的輸入輸出控制器1210連接到中央處理單元1201。所述基本輸入/輸出系統(tǒng)1206還可以包括輸入輸出控制器1210以用于接收和處理來自鍵盤、鼠標(biāo)、或電子觸控筆等多個(gè)其他設(shè)備的輸入。類似地，輸入輸出控制器1210還提供輸出到顯示屏、打印機(jī)或其他類型的輸出設(shè)備。

所述大容量存儲(chǔ)設(shè)備1207通過連接到系統(tǒng)總線1205的大容量存儲(chǔ)控制器(未示出)連接到中央處理單元1201。所述大容量存儲(chǔ)設(shè)備1207及其相關(guān)聯(lián)的計(jì)算機(jī)可讀介質(zhì)為服務(wù)器1200提供非易失性存儲(chǔ)。也就是說，所述大容量存儲(chǔ)設(shè)備1207可以包括諸如硬盤或者CD-ROM驅(qū)動(dòng)器之類的計(jì)算機(jī)可讀介質(zhì)(未示出)。

不失一般性，所述計(jì)算機(jī)可讀介質(zhì)可以包括計(jì)算機(jī)存儲(chǔ)介質(zhì)和通信介質(zhì)。計(jì)算機(jī)存儲(chǔ)介質(zhì)包括以用于存儲(chǔ)諸如計(jì)算機(jī)可讀指令、數(shù)據(jù)結(jié)構(gòu)、程序模塊或其他數(shù)據(jù)等信息的任何方法或技術(shù)實(shí)現(xiàn)的易失性和非易失性、可移動(dòng)和不可移動(dòng)介質(zhì)。計(jì)算機(jī)存儲(chǔ)介質(zhì)包括RAM、ROM、EPROM、EEPROM、閃存或其他固態(tài)存儲(chǔ)其技術(shù)，CD-ROM、DVD或其他光學(xué)存儲(chǔ)、磁帶盒、磁帶、磁盤存儲(chǔ)或其他磁性存儲(chǔ)設(shè)備。當(dāng)然，本領(lǐng)域技術(shù)人員可知所述計(jì)算機(jī)存儲(chǔ)介質(zhì)不局限于上述幾種。上述的系統(tǒng)存儲(chǔ)器1204和大容量存儲(chǔ)設(shè)備1207可以統(tǒng)稱為存儲(chǔ)器。

根據(jù)本發(fā)明的各種實(shí)施例，所述服務(wù)器1200還可以通過諸如因特網(wǎng)等網(wǎng)絡(luò)連接到網(wǎng)絡(luò)上的遠(yuǎn)程計(jì)算機(jī)運(yùn)行。也即服務(wù)器1200可以通過連接在所述系統(tǒng)總線1205上的網(wǎng)絡(luò)接口單元1211連接到網(wǎng)絡(luò)1212，或者說，也可以使用網(wǎng)絡(luò)接口單元1211來連接到其他類型的網(wǎng)絡(luò)或遠(yuǎn)程計(jì)算機(jī)系統(tǒng)(未示出)。

所述存儲(chǔ)器還包括一個(gè)或者一個(gè)以上的程序，所述一個(gè)或者一個(gè)以上程序存儲(chǔ)于存儲(chǔ)器中，且經(jīng)配置以由一個(gè)或者一個(gè)以上處理器執(zhí)行。上述一個(gè)或者一個(gè)以上程序包含用于執(zhí)行上述后臺(tái)服務(wù)器側(cè)的方法的指令。

在示例性實(shí)施例中，還提供了一種包括指令的非臨時(shí)性計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，例如包括指令的存儲(chǔ)器，上述指令可由終端的處理器執(zhí)行以完成上述方法實(shí)施例中發(fā)送方客戶端或接收方客戶端側(cè)的各個(gè)步驟，或者上述指令由服務(wù)器的處理器執(zhí)行以完成上述方法實(shí)施例中后臺(tái)服務(wù)器側(cè)的各個(gè)步驟。例如，所述非臨時(shí)性計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)可以是ROM、隨機(jī)存取存儲(chǔ)器(RAM)、CD-ROM、磁帶、軟盤和光數(shù)據(jù)存儲(chǔ)設(shè)備等。

應(yīng)當(dāng)理解的是，在本文中提及的“多個(gè)”是指兩個(gè)或兩個(gè)以上?！昂?或”，描述關(guān)聯(lián)對(duì)象的關(guān)聯(lián)關(guān)系，表示可以存在三種關(guān)系，例如，A和/或B，可以表示：?jiǎn)为?dú)存在A，同時(shí)存在A和B，單獨(dú)存在B這三種情況。字符“/”一般表示前后關(guān)聯(lián)對(duì)象是一種“或”的關(guān)系。

上述本發(fā)明實(shí)施例序號(hào)僅僅為了描述，不代表實(shí)施例的優(yōu)劣。

本領(lǐng)域普通技術(shù)人員可以理解實(shí)現(xiàn)上述實(shí)施例的全部或部分步驟可以通過硬件來完成，也可以通過程序來指令相關(guān)的硬件完成，所述的程序可以存儲(chǔ)于一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中，上述提到的存儲(chǔ)介質(zhì)可以是只讀存儲(chǔ)器，磁盤或光盤等。

以上所述僅為本發(fā)明的較佳實(shí)施例，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。