[發(fā)明專(zhuān)利]一種教學(xué)視頻審核方法、裝置、設(shè)備及介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202110004554.9
• 申請(qǐng)日: 2021-01-04
• 公開(kāi)（公告）號(hào): CN112860943A
• 公開(kāi)（公告）日: 2021-05-28
• 發(fā)明（設(shè)計(jì)）人: 陳甜甜
• 申請(qǐng)（專(zhuān)利權(quán)）人: 浙江諾諾網(wǎng)絡(luò)科技有限公司
• 主分類(lèi)號(hào): G06F16/78
• 分類(lèi)號(hào): G06F16/78;G06F16/783;G06K9/62;G10L15/26
• 代理公司: 北京集佳知識(shí)產(chǎn)權(quán)代理有限公司 11227
• 代理人: 丁曼曼

本申請(qǐng)公開(kāi)了一種教學(xué)視頻審核方法、裝置、設(shè)備及介質(zhì)。該方法包括：根據(jù)預(yù)設(shè)提取規(guī)則從目標(biāo)教學(xué)視頻中提取關(guān)鍵幀得到關(guān)鍵幀集，并基于字節(jié)數(shù)從目標(biāo)教學(xué)視頻中提取音頻片段得到音頻片段集；將關(guān)鍵幀集輸入至預(yù)先創(chuàng)建的圖像檢測(cè)模型，得到關(guān)鍵幀對(duì)應(yīng)的圖像類(lèi)型，并根據(jù)圖像類(lèi)型確定出違規(guī)圖像；通過(guò)語(yǔ)音識(shí)別技術(shù)將音頻片段轉(zhuǎn)換為文本得到文本集合，將文本集合輸入至預(yù)先創(chuàng)建的文本審核模型，得到音頻片段對(duì)應(yīng)的音頻類(lèi)型，并根據(jù)音頻類(lèi)型確定出違規(guī)音頻；確定違規(guī)圖像在目標(biāo)教學(xué)視頻中的時(shí)間點(diǎn)，并確定違規(guī)音頻在目標(biāo)教學(xué)視頻中的時(shí)間段。通過(guò)圖像檢測(cè)模型和文本審核模型從圖像和音頻兩方面進(jìn)行檢測(cè)，提高了目標(biāo)教學(xué)視頻審核的效率和準(zhǔn)確性。

技術(shù)領(lǐng)域

本發(fā)明涉及視頻審核領(lǐng)域，特別涉及一種教學(xué)視頻審核方法、裝置、設(shè)備及介質(zhì)。

背景技術(shù)

當(dāng)前，隨著計(jì)算機(jī)互聯(lián)網(wǎng)相關(guān)技術(shù)的不斷發(fā)展，教學(xué)方式也在不斷更新發(fā)展，網(wǎng)課教學(xué)、直播教學(xué)等方式廣受家長(zhǎng)和同學(xué)喜愛(ài)，但這些互聯(lián)網(wǎng)教學(xué)視頻同樣存在著各種違規(guī)的風(fēng)險(xiǎn)，這些違規(guī)教學(xué)視頻不利于良好互聯(lián)網(wǎng)環(huán)境的構(gòu)建，更嚴(yán)重的可能會(huì)危害到教學(xué)視頻觀看者，特別是青少年的身心健康，并且由于教學(xué)視頻中圖文信息穿插多變，授課講師多變，為教學(xué)視頻的違規(guī)檢測(cè)增加了難度。現(xiàn)有技術(shù)中，通過(guò)人工的方式進(jìn)行審核，但會(huì)耗費(fèi)大量的人力物力。因此，如何高效并準(zhǔn)確的檢測(cè)教學(xué)視頻中的違規(guī)內(nèi)容是目前亟待解決的問(wèn)題。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明的目的在于提供一種教學(xué)視頻審核方法、裝置、設(shè)備及介質(zhì)，能夠提高目標(biāo)教學(xué)視頻審核的效率和準(zhǔn)確性。其具體方案如下：

第一方面，本申請(qǐng)公開(kāi)了一種教學(xué)視頻審核方法，包括：

根據(jù)預(yù)設(shè)提取規(guī)則從目標(biāo)教學(xué)視頻中提取關(guān)鍵幀得到關(guān)鍵幀集，并基于字節(jié)數(shù)從所述目標(biāo)教學(xué)視頻中提取音頻片段得到音頻片段集；

將所述關(guān)鍵幀集輸入至預(yù)先創(chuàng)建的圖像檢測(cè)模型，得到所述關(guān)鍵幀對(duì)應(yīng)的圖像類(lèi)型，并根據(jù)所述圖像類(lèi)型確定出違規(guī)圖像；

通過(guò)語(yǔ)音識(shí)別技術(shù)將所述音頻片段轉(zhuǎn)換為文本得到文本集合，將所述文本集合輸入至預(yù)先創(chuàng)建的文本審核模型，得到所述音頻片段對(duì)應(yīng)的音頻類(lèi)型，并根據(jù)所述音頻類(lèi)型確定出違規(guī)音頻；

確定所述違規(guī)圖像在所述目標(biāo)教學(xué)視頻中的時(shí)間點(diǎn)，并確定所述違規(guī)音頻在所述目標(biāo)教學(xué)視頻中的時(shí)間段。

可選的，所述基于字節(jié)數(shù)從所述目標(biāo)教學(xué)視頻中提取音頻片段得到音頻片段集，包括：

根據(jù)預(yù)設(shè)采樣率將所述目標(biāo)教學(xué)視頻對(duì)應(yīng)的音頻轉(zhuǎn)換為二進(jìn)制數(shù)據(jù)，得到音頻數(shù)據(jù)；

基于所述預(yù)設(shè)采樣率和預(yù)設(shè)音頻時(shí)長(zhǎng)確定目標(biāo)字節(jié)數(shù)；

根據(jù)所述目標(biāo)字節(jié)數(shù)將所述音頻數(shù)據(jù)分割為多個(gè)數(shù)據(jù)段，得到相應(yīng)的音頻片段，以得到所述音頻片段集。

可選的，所述根據(jù)預(yù)設(shè)提取規(guī)則從目標(biāo)教學(xué)視頻中提取關(guān)鍵幀得到關(guān)鍵幀集，包括：

從所述目標(biāo)教學(xué)視頻中提取第一圖像幀作為關(guān)鍵幀；

根據(jù)預(yù)設(shè)時(shí)間間隔依次提取多幀目標(biāo)圖像幀，并基于結(jié)構(gòu)相似度算法依次計(jì)算提取的所述目標(biāo)圖像幀與相鄰的關(guān)鍵幀的相似度；

若所述相似度小于預(yù)設(shè)相似度閾值，則將所述目標(biāo)圖像幀作為關(guān)鍵幀，以得到所述關(guān)鍵幀集。

可選的，所述根據(jù)預(yù)設(shè)提取規(guī)則從目標(biāo)教學(xué)視頻中提取關(guān)鍵幀得到關(guān)鍵幀集，并基于字節(jié)數(shù)從所述目標(biāo)教學(xué)視頻中提取音頻片段得到音頻片段集，包括：

獲取所述目標(biāo)教學(xué)視頻，對(duì)所述目標(biāo)教學(xué)視頻進(jìn)行分離處理得到相應(yīng)的圖像序列和音頻文件；

對(duì)所述圖像序列和所述音頻文件進(jìn)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(jù)預(yù)設(shè)提取規(guī)則從所述分割后圖像序列中提取所述關(guān)鍵幀，以得到所述關(guān)鍵幀集；