[發明專利]視頻檢測方法和裝置、存儲介質及電子裝置

在審

• 申請號: 202010319305.4
• 申請日: 2020-04-21
• 公開（公告）號: CN111541911A
• 公開（公告）日: 2020-08-14
• 發明（設計）人: 梁健豪;陳琳;車翔;管琰平
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: H04N21/234
• 分類號: H04N21/234;H04N21/44;G06K9/00
• 代理公司: 北京康信知識產權代理有限責任公司 11240
• 代理人: 周婷婷

本發明公開了一種基于人工智能的視頻檢測方法和裝置、存儲介質及電子裝置。其中，該方法包括：獲取待檢測的目標視頻的多幀視頻幀；將多幀視頻幀輸入到目標識別模型中，得到目標識別模型輸出的每幀視頻幀的識別結果，其中，目標識別模型為使用多組第一樣本視頻幀組對原始識別模型進行訓練后得到的模型；根據與多幀視頻幀分別對應的多個識別結果，確定目標視頻為經過拉伸的視頻，或者目標視頻為未經過拉伸的視頻。本發明解決了相關技術中檢測視頻是否被拉伸準確度低的技術問題。

技術領域

本發明涉及計算機領域，具體而言，涉及一種視頻檢測方法和裝置、存儲介質及電子裝置。

背景技術

現有技術中，通常由于場景的需求，需要檢測出一個視頻是否經過橫向拉伸或者縱向拉伸。而現有技術中的檢測方法，通常為使用正常視頻中的圖片與橫向拉伸或者縱向拉伸后的該圖片作為樣本圖片訓練神經網絡模型，再使用訓練后的神經網絡模型識別視頻中的圖片是否經過拉伸，以確定視頻是否經過拉伸。

然而，上述過程由于樣本的單一性，造成訓練效果差，訓練的神經網絡模型識別視頻是否被拉伸的識別準確度低。

針對上述的問題，目前尚未提出有效的解決方案。

發明內容

本發明實施例提供了一種視頻檢測方法和裝置、存儲介質及電子裝置，以至少解決相關技術中檢測視頻是否被拉伸準確度低的技術問題。

根據本發明實施例的一個方面，提供了一種視頻檢測方法，包括：獲取待檢測的目標視頻的多幀視頻幀；將上述多幀視頻幀輸入到目標識別模型中，得到上述目標識別模型輸出的每幀上述視頻幀的識別結果，其中，上述目標識別模型為使用多組第一樣本視頻幀組對原始識別模型進行訓練后得到的模型，上述第一樣本視頻幀組包括第一樣本視頻幀、第二樣本視頻幀與第二樣本視頻幀集，上述第一樣本視頻幀為從上述樣本視頻中截取的樣本視頻幀，上述第二樣本視頻幀為對上述第一樣本視頻幀進行拉伸變換后得到的樣本視頻幀，上述第二樣本視頻幀集包括第一子樣本視頻幀與第二子樣本視頻幀與上述第二樣本視頻幀，上述第一子樣本視頻幀為對上述第二樣本視頻幀進行橫向拉伸后得到的樣本視頻幀，上述第二子樣本視頻幀為對上述第二樣本視頻幀進行縱向拉伸后得到的樣本視頻幀；根據與上述多幀視頻幀分別對應的多個上述識別結果，確定上述目標視頻為經過拉伸的視頻，或者上述目標視頻為未經過拉伸的視頻。

根據本發明實施例的另一方面，還提供了一種視頻檢測裝置，包括：第一獲取單元，用于獲取待檢測的目標視頻的多幀視頻幀；輸入單元，用于將上述多幀視頻幀輸入到目標識別模型中，得到上述目標識別模型輸出的每幀上述視頻幀的識別結果，其中，上述目標識別模型為使用多組第一樣本視頻幀組對原始識別模型進行訓練后得到的模型，上述第一樣本視頻幀組包括第一樣本視頻幀、第二樣本視頻幀與第二樣本視頻幀集，上述第一樣本視頻幀為從上述樣本視頻中截取的樣本視頻幀，上述第二樣本視頻幀為對上述第一樣本視頻幀進行拉伸變換后得到的樣本視頻幀，上述第二樣本視頻幀集包括第一子樣本視頻幀與第二子樣本視頻幀與上述第二樣本視頻幀，上述第一子樣本視頻幀為對上述第二樣本視頻幀進行橫向拉伸后得到的樣本視頻幀，上述第二子樣本視頻幀為對上述第二樣本視頻幀進行縱向拉伸后得到的樣本視頻幀；確定單元，用于根據與上述多幀視頻幀分別對應的多個上述識別結果，確定上述目標視頻為經過拉伸的視頻，或者上述目標視頻為未經過拉伸的視頻。

作為一種可選的實施方式，上述第一獲取單元包括：第二獲取模塊，用于獲取上述目標視頻；第二識別模塊，用于識別出上述目標視頻中的第一視頻片段和第二視頻片段，其中，上述第一視頻片段為從上述目標視頻的起始播放時刻起，按照正序播放截取的視頻片段，上述第二視頻片段為從上述目標視頻的終止播放時刻起，按照倒序播放截取的視頻片段；處理模塊，用于去除上述第一視頻片段和上述第二視頻片段，得到剩余視頻；截取模塊，用于根據上述剩余視頻的播放時長，每隔預定時長從上述剩余視頻中截取一幀視頻幀，得到上述目標視頻的上述多幀視頻幀。