[發(fā)明專利]視頻檢測方法、裝置、存儲介質及計算機設備

有效

• 申請?zhí)枺?/td>: 202010218970.4
• 申請日: 2020-03-25
• 公開（公告）號: CN111444826B
• 公開（公告）日: 2023-09-29
• 發(fā)明（設計）人: 方楊;徐敘遠;楊喻茸;龔國平
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06V20/40
• 分類號: G06V20/40;G06V10/82;G06N3/0464;G06N3/045;G06N3/09;G06N3/088
• 代理公司: 深圳翼盛智成知識產權事務所(普通合伙) 44300
• 代理人: 汪阮磊

1.一種視頻檢測方法，其特征在于，所述方法包括：

從待檢測視頻中獲取目標視頻圖像；

檢測所述目標視頻圖像的顯著區(qū)域和所述顯著區(qū)域對應的顯著程度；

根據(jù)所述顯著區(qū)域和所述顯著區(qū)域對應的顯著程度，提取所述目標視頻圖像的全局特征和細節(jié)特征，包括：根據(jù)所述顯著區(qū)域和所述顯著區(qū)域對應的顯著程度，通過訓練后的指紋提取模型中的全局特征提取模塊和細節(jié)特征提取模塊，對應提取所述目標視頻圖像的全局特征和細節(jié)特征；

根據(jù)所述全局特征和所述細節(jié)特征，生成所述待檢測視頻的視頻指紋特征；

將所述視頻指紋特征與特征數(shù)據(jù)庫中的模板指紋特征進行相似度匹配。

2.如權利要求1所述的視頻檢測方法，其特征在于，所述檢測所述目標視頻圖像的顯著區(qū)域和所述顯著區(qū)域對應的顯著程度，包括：

通過訓練后的指紋提取模型中的顯著區(qū)域檢測模塊，檢測所述目標視頻圖像的顯著區(qū)域和所述顯著區(qū)域對應的顯著程度；

其中，所述訓練后的指紋提取模型為采用從訓練樣本集中獲取的三元組樣本圖像進行訓練后得到的模型，所述三元組樣本圖像包括類別相同的第一樣本圖像和第二樣本圖像，以及類別與所述第一樣本圖像不同的第三樣本圖像。

3.如權利要求2所述的視頻檢測方法，其特征在于，所述通過訓練后的指紋提取模型中的顯著區(qū)域檢測模塊，檢測所述目標視頻圖像的顯著區(qū)域和所述顯著區(qū)域對應的顯著程度，包括：

將所述三元組樣本圖像輸入所述顯著區(qū)域檢測模塊中進行學習訓練，以更新所述顯著區(qū)域檢測模塊的模塊參數(shù)，生成訓練后的顯著區(qū)域檢測模塊；

通過所述訓練后的顯著區(qū)域檢測模塊，檢測所述目標視頻圖像的顯著區(qū)域；

控制所述訓練后的顯著區(qū)域檢測模塊輸出所述顯著區(qū)域的權重矩陣，以得到所述顯著區(qū)域對應的顯著程度。

4.如權利要求3所述的視頻檢測方法，其特征在于，所述將所述三元組樣本圖像輸入所述顯著區(qū)域檢測模塊中進行學習訓練，以更新所述顯著區(qū)域檢測模塊的模塊參數(shù)，生成訓練后的顯著區(qū)域檢測模塊，包括：

根據(jù)裁剪處理、旋轉處理和濾鏡處理中的任一種或多種處理方式，隨機對所述三元組樣本圖像進行圖像處理；

將處理后的所述三元組樣本圖像輸入所述顯著區(qū)域檢測模塊中進行學習訓練，以更新所述顯著區(qū)域檢測模塊的模塊參數(shù)，生成訓練后的顯著區(qū)域檢測模塊。

5.如權利要求2所述的視頻檢測方法，其特征在于，所述根據(jù)所述顯著區(qū)域和所述顯著區(qū)域對應的顯著程度，通過訓練后的指紋提取模型中的全局特征提取模塊和細節(jié)特征提取模塊，對應提取所述目標視頻圖像的全局特征和細節(jié)特征，包括：

通過所述訓練后的全局特征提取模塊，提取所述目標視頻圖像的原始特征；

通過所述訓練后的全局特征提取模塊，將所述顯著區(qū)域對應的顯著程度與所述原始特征進行加權，以得到所述目標視頻圖像的中間層特征；

通過所述訓練后的全局特征提取模塊，從所述中間層特征中提取所述目標視頻圖像的全局特征；

通過所述訓練后的細節(jié)特征提取模塊，從所述中間層特征和所述全局特征中提取所述目標視頻圖像的細節(jié)特征。

6.如權利要求5所述的視頻檢測方法，其特征在于，所述通過所述訓練后的全局特征提取模塊，將所述顯著區(qū)域對應的顯著程度與所述原始特征進行加權，以得到所述目標視頻圖像的中間層特征，包括：

將所述顯著區(qū)域對應的顯著程度與所述原始特征輸入所述訓練后的全局特征提取模塊中進行加權，通過提高所述目標視頻圖像中所述顯著區(qū)域對應的權重值，及降低所述目標視頻圖像中的非顯著區(qū)域的權重值，得到所述目標視頻圖像的中間層特征，其中所述非顯著區(qū)域為所述目標視頻圖像中所述顯著區(qū)域之外的區(qū)域。

7.如權利要求5所述的視頻檢測方法，其特征在于，所述通過所述訓練后的細節(jié)特征提取模塊，從所述中間層特征和所述全局特征中提取所述目標視頻圖像的細節(jié)特征，包括：

采用自頂向下的連接方式，將所述全局特征輸入所述訓練后的細節(jié)特征提取模塊的深層中進行處理，以及將所述中間層特征輸入所述訓練后的細節(jié)特征提取模塊的淺層中進行處理，以提取所述目標視頻圖像的細節(jié)特征。