[發明專利]視頻篩選方法、視頻篩選裝置及終端設備

在審

• 申請號: 202011178088.8
• 申請日: 2020-10-29
• 公開（公告）號: CN112214639A
• 公開（公告）日: 2021-01-12
• 發明（設計）人: 尹康
• 申請（專利權）人: OPPO廣東移動通信有限公司
• 主分類號: G06F16/735
• 分類號: G06F16/735;G06K9/00;G06K9/62
• 代理公司: 深圳中一聯合知識產權代理有限公司 44414
• 代理人: 肖遙

1.一種視頻篩選方法，其特征在于，包括：

基于視頻訓練集，對第一分類模型進行訓練，獲得訓練完成的第一分類模型，其中，所述視頻訓練集中包括多個基礎視頻，以及各個所述基礎視頻所分別對應的拓展視頻，每一個所述拓展視頻根據對應的基礎視頻而得到；

針對多個所述基礎視頻和多個所述拓展視頻中的每一個視頻，將所述視頻輸入所述訓練完成的第一分類模型，獲得所述訓練完成的第一分類模型針對所述視頻得到的特征向量；

根據所述視頻訓練集中的各個視頻所分別對應的特征向量，從所述視頻訓練集中，篩選出目標視頻。

2.如權利要求1所述的視頻篩選方法，其特征在于，在基于視頻訓練集，對第一分類模型進行訓練之前，包括：

針對每一個基礎視頻，以預設采樣率對所述基礎視頻進行采樣，獲得所述基礎視頻對應的部分或全部的拓展視頻，其中，若采樣獲得的拓展視頻的數量為兩個以上，則，采樣獲得的各個拓展視頻在所述基礎視頻中所分別對應的起始采樣幀不同。

3.如權利要求1所述的視頻篩選方法，其特征在于，在基于視頻訓練集，對第一分類模型進行訓練之前，包括：

針對每一個基礎視頻，對所述基礎視頻的各個視頻幀中的指定圖像區域進行圖像提取，獲得所述基礎視頻對應的部分或全部的拓展視頻，其中，若圖像提取獲得的拓展視頻的個數為兩個以上，則，圖像提取獲得的各個拓展視頻在所述基礎視頻中所分別對應的指定圖像區域不同。

4.如權利要求1所述的視頻篩選方法，其特征在于，在基于視頻訓練集，對第一分類模型進行訓練之前，包括：

針對每一個基礎視頻，向所述基礎視頻中的每一視頻幀添加指定噪聲，獲得所述基礎視頻對應的部分或全部的拓展視頻，其中，若添加指定噪聲獲得的拓展視頻的數量為兩個以上，則，添加指定噪聲獲得的各個拓展視頻所分別對應的指定噪聲不同。

5.如權利要求1所述的視頻篩選方法，其特征在于，所述基于視頻訓練集，對第一分類模型進行訓練，獲得訓練完成的第一分類模型，包括：

在每一次迭代訓練中，從所述視頻訓練集中隨機獲取第一視頻和第二視頻；

將所述第一視頻輸入所述第一分類模型，將所述第二視頻輸入第三分類模型，并獲取所述第一分類模型針對所述第一視頻得到的第一訓練結果以及獲取所述第三分類模型針對所述第二視頻得到的第二訓練結果，其中，所述第三分類模型的結構與所述第一分類模型的結構相同；

基于所述第一訓練結果和所述第二訓練結果，根據預設損失函數得到當前損失值，并判斷所述當前損失值是否符合預設條件；

若所述當前損失值符合預設條件，則將所述第一分類模型作為訓練完成的第一分類模型；

若所述當前損失值不符合預設條件，則根據所述第一訓練結果和所述第二訓練結果對所述第一分類模型進行更新，并根據更新后的所述第一分類模型，執行下一次迭代訓練。

6.如權利要求5所述的視頻篩選方法，其特征在于，所述預設損失函數包括關于所述第一分類模型的第一分類損失函數、關于所述第三分類模型的第二分類損失函數，以及所述第一分類模型與所述第三分類模型之間的相似性損失函數；

所述第一訓練結果包括所述第一分類模型中的指定中間層針對所述第一視頻輸出的第一特征向量，還包括所述第一分類模型對所述第一視頻的第一分類結果；

所述第二訓練結果包括所述第三分類模型中的指定中間層針對所述第二視頻輸出的第二特征向量，還包括所述第三分類模型對所述第二視頻的第二分類結果；

所述基于所述第一訓練結果和所述第二訓練結果，根據預設損失函數得到當前損失值，并判斷所述當前損失值是否符合預設條件，包括：

根據所述第一特征向量、所述第二特征向量和所述相似性損失函數，計算第一損失值；

根據所述第一分類結果和所述第一分類損失函數，計算第二損失值；

根據所述第二分類結果和所述第二分類損失函數，計算第三損失值；

根據所述第一損失值、第二損失值和第三損失值，計算所述當前損失值；

確定所述當前損失值是否符合預設條件。