[發(fā)明專利]一種視頻檢測方法、裝置、電子設備和存儲介質

有效

• 申請?zhí)枺?/td>: 202110792857.1
• 申請日: 2021-07-14
• 公開（公告）號: CN113255625B
• 公開（公告）日: 2021-11-05
• 發(fā)明（設計）人: 束俊輝;劉振華
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/08;G06N3/04
• 代理公司: 北京同達信恒知識產權代理有限公司 11291
• 代理人: 朱佳

1.一種視頻檢測方法，其特征在于，該方法包括：

獲取待檢測視頻的深度語義特征，所述深度語義特征表征所述待檢測視頻中圖像的內容信息；

基于所述深度語義特征，將所述待檢測視頻與各個候選視頻進行匹配，獲得所述待檢測視頻對應的至少兩個候選視頻，以及所述至少兩個候選視頻各自與所述待檢測視頻的初始相似度；

基于獲得的各個初始相似度，確定所述待檢測視頻對應的相似度參考值，并分別將所述至少兩個候選視頻各自對應的初始相似度與所述相似度參考值的差值，作為相應的候選視頻對應的目標相似度；

基于獲得的各個目標相似度，將所述至少兩個候選視頻中對應的目標相似度大于第二預設閾值的候選視頻，作為所述待檢測視頻的重復視頻，所述第二預設閾值是基于預設關系確定的與所述待檢測視頻的場景對應的閾值；以及，

基于所述各個目標相似度，對所述至少兩個候選視頻進行排序，獲得所述待檢測視頻對應的候選視頻序列；按照所述候選視頻序列中的所述至少兩個候選視頻之間的順序，分別確定所述至少兩個候選視頻各自對應的推薦權重；按照獲得的各個推薦權重，對相應的候選視頻進行推薦。

2.如權利要求1所述的方法，其特征在于，所述深度語義特征為對應設定維度的深度語義向量；所述基于所述深度語義特征，將所述待檢測視頻與各個候選視頻進行匹配，獲得所述待檢測視頻對應的至少兩個候選視頻，包括：

分別基于所述待檢測視頻的深度語義向量，與所述各個候選視頻的深度語義向量之間的距離，確定相應的候選視頻與所述待檢測視頻的初始相似度；

選取對應的初始相似度滿足預設關聯關系的至少兩個候選視頻。

3.如權利要求2所述的方法，其特征在于，所述預設關聯關系包括：

初始相似度次序符合預設排序位置，其中所述初始相似度次序是基于所述各個候選視頻各自對應的初始相似度，對所述各個候選視頻進行排序后確定的；

或者，

初始相似度超過第一預設閾值。

4.如權利要求1所述的方法，其特征在于，所述基于獲得的各個初始相似度，確定所述待檢測視頻對應的相似度參考值，包括：

將所述各個初始相似度的平均值、中值、方差中的至少一種，作為所述相似度參考值。

5.如權利要求1所述的方法，其特征在于，所述獲取待檢測視頻的深度語義特征，包括：

對所述待檢測視頻進行抽幀處理，獲得至少兩個目標視頻幀；

分別對所述至少兩個目標視頻幀進行特征提取，獲取所述至少兩個目標視頻幀各自對應的幀圖像特征；

對獲得的各個幀圖像特征進行特征聚合，獲得所述待檢測視頻的深度語義特征。

6.如權利要求5所述的方法，其特征在于，所述分別對所述至少兩個目標視頻幀進行特征提取，獲取所述至少兩個目標視頻幀各自對應的幀圖像特征，包括：

將所述至少兩個目標視頻幀輸入已訓練的多任務模型中的深度圖像子網絡；

基于所述深度圖像子網絡對所述至少兩個目標視頻幀進行特征提取，獲取所述至少兩個目標視頻幀各自對應的幀圖像特征；

所述對獲得的各個幀圖像特征進行特征聚合，獲得所述待檢測視頻的深度語義特征，包括：

將所述各個幀圖像特征輸入所述多任務模型中的圖像特征聚合子網絡；

基于所述圖像特征聚合子網絡，對所述各個幀圖像特征進行特征聚合，獲得所述深度語義特征；

其中，所述多任務模型是基于訓練樣本數據集訓練得到的，所述多任務模型對應的多任務至少包括視頻分類任務和視頻標簽提取任務；所述訓練樣本數據集包括多個訓練樣本，每個訓練樣本包括一個樣本視頻，以及所述樣本視頻對應的真實類別和標簽。