[發明專利]一種教學視頻審核方法、裝置、設備及介質

在審

• 申請號: 202110004554.9
• 申請日: 2021-01-04
• 公開（公告）號: CN112860943A
• 公開（公告）日: 2021-05-28
• 發明（設計）人: 陳甜甜
• 申請（專利權）人: 浙江諾諾網絡科技有限公司
• 主分類號: G06F16/78
• 分類號: G06F16/78;G06F16/783;G06K9/62;G10L15/26
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 丁曼曼

1.一種教學視頻審核方法，其特征在于，包括：

根據預設提取規則從目標教學視頻中提取關鍵幀得到關鍵幀集，并基于字節數從所述目標教學視頻中提取音頻片段得到音頻片段集；

將所述關鍵幀集輸入至預先創建的圖像檢測模型，得到所述關鍵幀對應的圖像類型，并根據所述圖像類型確定出違規圖像；

通過語音識別技術將所述音頻片段轉換為文本得到文本集合，將所述文本集合輸入至預先創建的文本審核模型，得到所述音頻片段對應的音頻類型，并根據所述音頻類型確定出違規音頻；

確定所述違規圖像在所述目標教學視頻中的時間點，并確定所述違規音頻在所述目標教學視頻中的時間段。

2.根據權利要求1所述的教學視頻審核方法，其特征在于，所述基于字節數從所述目標教學視頻中提取音頻片段得到音頻片段集，包括：

根據預設采樣率將所述目標教學視頻對應的音頻轉換為二進制數據，得到音頻數據；

基于所述預設采樣率和預設音頻時長確定目標字節數；

根據所述目標字節數將所述音頻數據分割為多個數據段，得到相應的音頻片段，以得到所述音頻片段集。

3.根據權利要求1所述的教學視頻審核方法，其特征在于，所述根據預設提取規則從目標教學視頻中提取關鍵幀得到關鍵幀集，包括：

從所述目標教學視頻中提取第一圖像幀作為關鍵幀；

根據預設時間間隔依次提取多幀目標圖像幀，并基于結構相似度算法依次計算提取的所述目標圖像幀與相鄰的關鍵幀的相似度；

若所述相似度小于預設相似度閾值，則將所述目標圖像幀作為關鍵幀，以得到所述關鍵幀集。

4.根據權利要求1所述的教學視頻審核方法，其特征在于，所述根據預設提取規則從目標教學視頻中提取關鍵幀得到關鍵幀集，并基于字節數從所述目標教學視頻中提取音頻片段得到音頻片段集，包括：

獲取所述目標教學視頻，對所述目標教學視頻進行分離處理得到相應的圖像序列和音頻文件；

對所述圖像序列和所述音頻文件進行分割，得到分割后圖像序列和分割后音頻文件；

利用線程池并根據預設提取規則從所述分割后圖像序列中提取所述關鍵幀，以得到所述關鍵幀集；

利用線程池并基于字節數從所述分割后音頻文件中提取所述音頻片段，以得到所述音頻片段集。

5.根據權利要求1所述的教學視頻審核方法，其特征在于，所述圖像檢測模型的創建過程，包括：

獲取違規圖像，并對所述違規圖像添加相應的類型標注信息；所述類型標注信息包括色情、暴力、政治敏感和低俗中的任意一項或多項；

對含有所述類型標注信息的違規圖像進行分組，得到訓練圖像集、驗證圖像集和測試圖像集；

基于人工神經網絡構建空白模型，利用所述訓練圖像集、驗證圖像集和測試圖像集對所述空白模型進行訓練和檢測，以得到所述圖像檢測模型。

6.根據權利要求1所述的教學視頻審核方法，其特征在于，所述文本審核模型的創建過程，包括：

獲取違規文本數據，對所述違規文本數據添加相應的類型標注信息；所述類型標注信息包括色情、暴力、政治敏感和低俗中的任意一項或多項；

對所述違規文本數據進行數據清洗和語料預處理，并從處理后違規文本數據中提取出違規關鍵詞；

對所述違規關鍵詞進行分組，得到訓練數據集、驗證數據集和測試數據集；

基于機器學習構建空白模型，利用所述訓練數據集、驗證數據集和測試數據集對所述空白模型進行訓練和檢測，以得到所述文本審核模型。

7.根據權利要求2至6任一項所述的教學視頻審核方法，其特征在于，所述確定所述違規圖像在所述目標教學視頻中的時間點，并確定所述違規音頻在所述目標教學視頻中的時間段，包括：

根據所述違規圖像在所述目標教學視頻中的幀序號，以及所述目標教學視頻每秒傳輸幀數，確定所述違規圖像在所述目標教學視頻中的時間點；

根據所述目標字節數和所述預設采樣率，確定所述違規音頻在所述目標教學視頻中的時間段。