[發(fā)明專利]視頻類型檢測方法、裝置、電子設備與存儲介質

在審

• 申請?zhí)枺?/td>: 202010617343.8
• 申請日: 2020-06-30
• 公開（公告）號: CN111783649A
• 公開（公告）日: 2020-10-16
• 發(fā)明（設計）人: 戴兵;葉芷;李揚曦
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 朱穎;劉芳

1.一種視頻類型檢測方法，包括：

獲取第一視頻的N個關鍵幀，其中所述N為大于1的整數(shù)，所述第一視頻的類型待檢測；

將所述N個關鍵幀的每一個分別通過第一視頻類型對應的M個算法模型，獲取所述N個關鍵幀的每一個對應的M個置信度分數(shù)，所述M為大于1的整數(shù)；

根據(jù)所述N個關鍵幀的N×M個置信度分數(shù)，通過融合策略算法模型確定所述第一視頻的置信度分數(shù)；以及

將所述第一視頻的置信度分數(shù)與所述第一視頻類型對應的置信度分數(shù)閾值進行比較，以確定所述第一視頻的類型是否為第一視頻類型。

2.根據(jù)權利要求1所述的方法，還包括：

根據(jù)多個第二視頻確定所述第一視頻類型對應的置信度分數(shù)閾值，其中所述第二視頻的類型為第一視頻類型。

3.根據(jù)權利要求2所述的方法，其中所述根據(jù)多個第二視頻確定所述第一視頻類型對應的置信度分數(shù)閾值，包括：

獲取每一個所述第二視頻的N個關鍵幀；

將每一個所述第二視頻的N個關鍵幀分別通過第一視頻類型對應的M個算法模型，獲得所述每一個所述第二視頻的N個關鍵幀的每一個對應的M個置信度分數(shù)；以及

將每一個所述第二視頻以及其對應的N×M個置信度分數(shù)分別輸入所述融合策略算法模型進行訓練和驗證，以確定所述第一視頻類型對應的置信度分數(shù)閾值。

4.根據(jù)權利要求3所述的方法，其中，所述融合策略算法模型采用極端梯度提升XGBOOST分類器進行訓練和驗證。

5.根據(jù)權利要求1所述的方法，其中所述獲取第一視頻的N個關鍵幀，包括：

對所述第一視頻進行等間隔采樣，抽取所述N個關鍵幀。

6.根據(jù)權利要求5所述的方法，其中所述對所述第一視頻進行等間隔采樣包括：

以間隔為2秒對所述第一視頻進行等間隔采樣。

7.根據(jù)權利要求1所述的方法，還包括：

給所述M個算法模型分配相應的權重；

所述根據(jù)所述N個關鍵幀的N×M個置信度分數(shù)，通過所述融合策略算法模型確定所述第一視頻的置信度分數(shù)，包括：

根據(jù)所述N個關鍵幀的N×M個置信度分數(shù)以及所述M個算法模型相應的權重，確定所述第一視頻的置信度分數(shù)。

8.根據(jù)權利要求1所述的方法，其中所述M個分類算法模型，包括：分類模型算法、特征標識算法模型和特征人物算法模型。

9.根據(jù)權利要求8所述的方法，其中所述分類模型算法，包括：粗分類算法模型和細分類算法模型。

10.根據(jù)權利要求1所述的方法，其中所述第一視頻類型包括以下之一：暴恐視頻類型、涉政視頻類型、違禁視頻類型。

11.一種視頻類型檢測裝置，包括：

第一獲取模塊，用于獲取第一視頻的N個關鍵幀，其中所述N為大于1的整數(shù)，所述第一視頻的類型待檢測；

第二獲取模塊，用于將所述N個關鍵幀的每一個分別通過第一視頻類型對應的M個算法模型，獲取所述N個關鍵幀的每一個對應的M個置信度分數(shù)，所述M為大于1的整數(shù)；

確定模塊，用于根據(jù)所述N個關鍵幀的N×M個置信度分數(shù)，通過融合策略算法模型確定所述第一視頻的置信度分數(shù)；以及

比較模塊，用于將所述第一視頻的置信度分數(shù)與所述第一視頻類型對應的置信度分數(shù)閾值進行比較，以確定所述第一視頻的類型是否為第一視頻類型。

12.根據(jù)權利要求11所述的裝置，其中所述第二獲取模塊還用于：

根據(jù)多個第二視頻確定所述第一視頻類型對應的置信度分數(shù)閾值，其中所述第二視頻的類型為第一視頻類型。