[發(fā)明專利]基于錄屏視頻的信息驗證方法、裝置、設(shè)備及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202211200519.5
• 申請日: 2022-09-29
• 公開（公告）號: CN115471775A
• 公開（公告）日: 2022-12-13
• 發(fā)明（設(shè)計）人: 陳波;徐亮;黃一鳴;王小標(biāo)
• 申請（專利權(quán)）人: 深圳壹賬通智能科技有限公司
• 主分類號: G06V20/40
• 分類號: G06V20/40;G06V10/82;G06V10/764;G06N3/08;G06N3/04
• 代理公司: 深圳市沃德知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44347
• 代理人: 高杰;于志光

本發(fā)明涉及人工智能技術(shù)，揭露了一種基于錄屏視頻的信息驗證方法，包括：獲取信息收集時得錄屏視頻；將所述錄屏視頻轉(zhuǎn)換為按時間排序的視頻幀序列；利用預(yù)訓(xùn)練完成的輕量級神經(jīng)網(wǎng)絡(luò)對所述視頻幀序列中的每個視頻幀進(jìn)行分類，得到關(guān)鍵視頻幀序列；對所述關(guān)鍵視頻幀序列進(jìn)行操作場景識別，得到所述關(guān)鍵視頻幀序列對應(yīng)的操作場景序列；根據(jù)所述操作場景序列對所述錄屏視頻進(jìn)行信息校驗。本發(fā)明還提出一種基于錄屏視頻的信息驗證裝置、電子設(shè)備以及存儲介質(zhì)。本發(fā)明可以提高用戶信息填寫的正確率。

技術(shù)領(lǐng)域

本發(fā)明涉及人工智能技術(shù)領(lǐng)域，尤其涉及一種基于錄屏視頻的信息驗證方法、裝置、電子設(shè)備及計算機(jī)可讀存儲介質(zhì)。

背景技術(shù)

獲取用戶的信用情況是金融行業(yè)中重要一環(huán)，通常需要與第三方征信機(jī)構(gòu)合作以獲取用戶的信用信息，但這需要對于第三方征信機(jī)構(gòu)的風(fēng)控進(jìn)行嚴(yán)格把關(guān)，同時第三方征信機(jī)構(gòu)沒有掌握的數(shù)據(jù)還需要用戶自行填寫提交。

目前主要通過用戶自己填寫或用戶自行截圖上傳需要自行上傳的信息，但這兩種方法都不能對用戶信息上傳的過程進(jìn)行取證，從而無法保證信息的準(zhǔn)確性及真實性，導(dǎo)致獲取到錯誤的用戶信息，得到的用戶信用信息正確率低。

發(fā)明內(nèi)容

本發(fā)明提供一種基于錄屏視頻的信息驗證方法、裝置及計算機(jī)可讀存儲介質(zhì)，其主要目的在于解決信息收集時正確率較低的問題。

為實現(xiàn)上述目的，本發(fā)明提供的一種基于錄屏視頻的信息驗證方法，包括：

獲取用戶信息收集時的錄屏視頻；

將所述錄屏視頻轉(zhuǎn)換為按時間排序的視頻幀序列；

利用預(yù)訓(xùn)練完成的輕量級神經(jīng)網(wǎng)絡(luò)對所述視頻幀序列中的每個視頻幀進(jìn)行分類，得到關(guān)鍵視頻幀序列；

對所述關(guān)鍵視頻幀序列進(jìn)行操作場景識別，得到所述關(guān)鍵視頻幀序列對應(yīng)的操作場景序列；

根據(jù)所述操作場景序列對所述錄屏視頻進(jìn)行信息校驗。

可選地，所述將所述錄屏視頻轉(zhuǎn)換為按時間排序的視頻幀序列，包括：

獲取所述錄屏視頻的視頻幀率以及預(yù)設(shè)的目標(biāo)幀率；

根據(jù)所述視頻幀率及所述預(yù)設(shè)的目標(biāo)幀率計算待抽取的視頻幀間隔；

根據(jù)所述視頻幀間隔從所述錄屏視頻抽取視頻幀集，并將所述視頻幀集按照抽取時間排序，得到視頻幀序列。

可選地，所述根據(jù)所述視頻幀率及所述預(yù)設(shè)的目標(biāo)幀率計算待抽取的視頻幀間隔，包括：

利用如下公式計算所述待抽取的視頻幀間隔：

i＝int{float(f₁/f₂)+1}

其中，所述i為視頻幀間隔，所述f₁為視頻幀率，所述f₂為目標(biāo)幀率，int為取整函數(shù)，float為浮點型數(shù)據(jù)類型。

可選地，所述利用預(yù)訓(xùn)練完成的輕量級神經(jīng)網(wǎng)絡(luò)對所述視頻幀序列中的每個視頻幀進(jìn)行分類，包括：

將所述視頻幀序列中的每個視頻幀逐個輸入至所述預(yù)訓(xùn)練完成的輕量級神經(jīng)網(wǎng)絡(luò)中；

利用所述輕量級神經(jīng)網(wǎng)絡(luò)中的卷積層對所述每個視頻幀進(jìn)行卷積，得到所述每個視頻幀的卷積特征圖；

利用所述輕量級神經(jīng)網(wǎng)絡(luò)中的池化層對所述卷積特征圖進(jìn)行池化，得到所述每個視頻幀的特征向量；

利用預(yù)設(shè)的激活函數(shù)對所述每個視頻幀的特征向量進(jìn)行分類，得到關(guān)鍵視頻幀序列。

可選地，所述對所述關(guān)鍵視頻幀序列進(jìn)行操作場景識別，包括：