[發(fā)明專利]一種視頻審核的方法、系統(tǒng)及設備

有效

• 申請?zhí)枺?/td>: 201811637273.1
• 申請日: 2018-12-29
• 公開（公告）號: CN111385601B
• 公開（公告）日: 2021-09-14
• 發(fā)明（設計）人: 趙海賓
• 申請（專利權）人: 華為技術有限公司
• 主分類號: H04N21/234
• 分類號: H04N21/234;H04N21/44;H04N21/462;H04N21/454;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明實施例提供一種由計算設備運行的視頻審核方法，對視頻的幀進行抽樣時，首先從視頻中抽樣出一幀作為當前幀，根據(jù)所述當前幀的特征參數(shù)確定所述當前幀的抽樣間隔后，根據(jù)該抽樣間隔從該視頻中獲取下一抽樣幀。最后，確定抽樣得到的幀是否為違規(guī)幀，根據(jù)所述確定結果，確定所述視頻的審核結果，在節(jié)約了審核視頻所需的資源的同時提高了視頻審核的準確度。

技術領域

本發(fā)明涉及信息技術領域，尤其涉及一種視頻審核的方法及系統(tǒng)。

背景技術

隨著互聯(lián)網技術的繁榮發(fā)展，網絡上的視頻也越來越多。通常情況下，出于監(jiān)管的目的，需要對視頻的內容進行審核，以過濾包含違規(guī)信息的視頻。近年來，圖像識別技術的發(fā)展，使得非人工的視頻審核成為可能。通常情況下，需將視頻解碼為視頻的幀，通過圖像識別技術對幀進行識別和審核，從而實現(xiàn)對視頻的審核。

視頻往往包含大量的幀，逐幀審核所帶來的運算量是龐大的。同時，視頻拍攝的對象一般是連續(xù)的場景，因此視頻的相鄰幀通常是類似的，因此，在審核視頻時可以對視頻的幀進行抽樣，僅審核抽樣得到的幀。幀的抽樣方法直接影響到視頻的審核結果。

發(fā)明內容

本發(fā)明實施例提供一種視頻審核的方法與系統(tǒng)，在對視頻進行采樣時，根據(jù)抽樣得到的當前幀的特征參數(shù)確定當前幀的抽樣間隔，提升了視頻審核的準確度。

第一方面，本發(fā)明實施例提供一種由計算設備運行的視頻審核方法。該方法包括：獲取該視頻；從該視頻中選取當前幀；提取該當前幀的特征參數(shù)；根據(jù)該當前幀的特征參數(shù)確定該當前幀的抽樣間隔；根據(jù)該當前幀的抽樣間隔從該視頻中獲取下一抽樣幀，該下一抽樣幀和該當前幀之間間隔的幀的個數(shù)為該當前幀的抽樣間隔；確定該下一抽樣幀是否為違規(guī)幀；根據(jù)該確定結果，確定該視頻的審核結果。

根據(jù)當前幀的圖像信息動態(tài)地選擇抽樣間隔，避免了因固定抽樣間隔而導致的資源利用率低或審核準確率低的問題。由于視頻中違規(guī)幀的相鄰幀一般也是違規(guī)幀，非違規(guī)幀的相鄰幀一般也是非違規(guī)幀，采取動態(tài)的抽樣間隔，當視頻中出現(xiàn)大量的連續(xù)非違規(guī)幀時，可以避免抽樣得到大量的非違規(guī)幀，進而避免將審核幀的資源浪費在大量非違規(guī)幀上，節(jié)約審核視頻所需的資源；同時，當視頻中非違規(guī)幀較多而違規(guī)幀較少時，根據(jù)幀的圖像信息確定的抽樣間隔也可以避免因較大的固定抽樣間隔而導致無法抽樣出違規(guī)幀的情況，在提高資源利用率的情況下提高了視頻審核的準確度。

結合第一方面，在第一方面的第一種可能的實現(xiàn)方式中，該根據(jù)該當前幀的特征參數(shù)確定該當前幀的抽樣間隔包括：將該當前幀的特征參數(shù)輸入強化學習網絡，獲得該當前幀的抽樣間隔，其中，該強化學習網絡由訓練集訓練得到，該訓練集包括至少一個訓練視頻和每個訓練視頻對應的先驗知識，每個訓練視頻對應的先驗知識包括該每個訓練視頻包括的各個幀是否為違規(guī)幀的信息。

將訓練完畢的強化學習網絡應用在當前幀的抽樣間隔決策，可以使得抽樣間隔的選取盡可能地符合視頻中違規(guī)幀的分布規(guī)律，從而進一步提高資源利用率并提高視頻審核的準確度。

結合第一方面，在第一方面的第二種可能的實現(xiàn)方式中，該獲取該視頻前，該方法還包括訓練強化學習網絡。該訓練強化學習網絡包括：從訓練集中獲取訓練視頻和該訓練視頻的先驗知識，該訓練視頻的先驗知識包括該訓練視頻包括的各個幀是否為違規(guī)幀的信息；提取該訓練視頻的第一幀的特征參數(shù)，將該第一幀的特征參數(shù)輸入該強化學習網絡；獲取該強化學習網絡根據(jù)該第一幀的特征參數(shù)輸出的該第一幀的抽樣間隔；根據(jù)該第一幀的抽樣間隔，從該訓練視頻中獲取該訓練視頻的第二幀，該訓練視頻中該第二幀和該第一幀之間間隔的幀的個數(shù)為該第一幀的抽樣間隔；根據(jù)該訓練視頻的先驗知識，確定該第二幀是否為違規(guī)幀；根據(jù)該確定結果生成獎勵，該獎勵作用于該強化學習網絡。該根據(jù)該當前幀的特征參數(shù)確定該當前幀的抽樣間隔包括：將該當前幀的特征參數(shù)輸入該訓練后的強化學習網絡，獲得該當前幀的抽樣間隔。