【技术实现步骤摘要】
视频查重方法、装置、电子设备以及存储介质
[0001]本申请实施例涉及网络媒体的视频处理领域，并且更具体地，涉及视频查重方法、装置、电子设备以及存储介质。
技术介绍
[0002]随着网络视频平台的快速发展，视频的数量急剧增加，为了确保用户的视频体验，需对视频平台的视频进行查重检测。
[0003]截止目前，在视频查重的方法中，人工查重需要耗费大量的人力，且人的记忆力有限，在大规模视频集查重中容易出现错漏，所以需引入自动化的查重工具；但是，由于制作重复视频的方法较多，例如画中画、添加字幕、马赛克、添加边框、变速播放、黑白变色、空间裁剪、时间裁剪、插入黑屏等，目前的自动查重工具都是提取个别帧进行图像特征对比，方案鲁棒性较差。
技术实现思路
[0004]本申请实施例提供了一种视频查重方法、装置、电子设备以及存储介质，能够在保证查重效率的基础上，从多个模态特征的角度进行分析待处理视频是否通过查重检测，增强了视频查重系统的鲁棒性，进而提高了视频查重的准确性。
[0005]一方面，本申请提供了一种视频查重方...
【技术保护点】
【技术特征摘要】
1.一种视频查重方法，其特征在于，包括：获取待处理视频；提取所述待处理视频的多个模态特征；针对所述多个模态特征中的每一个模态特征，计算所述模态特征与所述模态特征对应的特征库中的特征的相似度，得到所述多个模态特征分别对应的多个相似度集合；基于所述多个相似度集合中每一个相似度集合中的最高相似度，得到所述多个模态特征对应的最终相似度；基于所述最终相似度确定所述待处理视频是否通过查重检测。2.根据权利要求1所述的方法，其特征在于，所述多个模态特征包括图像特征；其中，所述提取所述待处理视频的多个模态特征，包括：按固定时间间隔对待处理视频进行抽帧；针对抽取的多个图像帧中的每一个图像帧，利用卷积神经网络，以所述图像帧为输入，得到所述多个图像帧分别对应的多个特征图；对所述多个图像帧分别对应的多个特征图进行归一化及平均处理，得到所述待处理视频的特征图；对所述待处理视频的特征图进行降维处理，得到所述图像特征。3.根据权利要求2所述的方法，其特征在于，所述针对抽取的多个图像帧中的每一个图像帧，利用卷积神经网络，以所述图像帧为输入，得到所述多个图像帧分别对应的多个特征图，包括：针对抽取的多个图像帧中的每一个图像帧，利用卷积神经网络，以所述图像帧为输入，获取所述图像帧在所述卷积神经网络中多个卷积层分别输出的多个特征图；针对所述每一个图像帧，对所述多个卷积层分别输出的多个特征图进行融合，得到所述多个图像帧分别对应的多个融合后的特征图；将所述多个图像帧分别对应的多个融合后的特征图，作为所述多个图像帧分别对应的多个特征图。4.根据权利要求1所述的方法，其特征在于，所述多个模态特征包括时序特征；其中，所述提取所述待处理视频的多个模态特征，包括：按预设数目对待处理视频进行抽帧；针对抽取的多个图像帧中的每一个图像帧，利用卷积神经网络，以所述图像帧为输入，获取所述图像帧在所述卷积神经网络中多个卷积层分别输出的多个特征图；针对所述每一个图像帧，对所述多个卷积层分别输出的多个特征图进行融合，得到所述多个图像帧分别对应的多个融合后的特征图；通过拼接时间维度下所述多个图像帧分别对应的多个融合后的特征图，得到所述待处理视频的二维特征向量；将所述二维特征向量进行降维处理，得到所述时序特征。5.根据权利要求4所述的方法，其特征在于，所述通过拼接时间维度下所述多个图像帧分别对应的多个融合后的特征图，得到所述待处理视频的二维特征向量，包括：通过拼接时间维度下和空间维度下的所述多个图像帧分别对应的多个融合后的特征图，得到所述待处理视频的二维特征向量。
6.根据权利要求3至5中任一项所述的方法，其特征在于，所述多个卷积层分别为所述卷积神经网络中多个卷积块中的每一个卷积块中的最后一个卷积层。7.根据权利要求1至5中任一项所述的方法，其特征在于，所述多个模态特征包括声音特征，所述声音特征包括声音文本、音频特征；其中...
【专利技术属性】
技术研发人员：谭维，李松南，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。