视频的分析方法、装置、处理器和存储介质制造方法及图纸

本发明专利技术公开了一种视频的分析方法、装置、处理器和存储介质。其中，该方法包括：获取待分析的视频；将视频输入特征处理模型进行处理，得到视频的全局上下文关系的特征和视频的局部上下文关系的特征；基于视频的全局上下文关系的特征和视频的局部上下文关系的特征，确定视频中的目标类片段。本发明专利技术解决了于仅依靠视频的局部上下文关系特征确定用户感兴趣的视频片段，导致确定出用户感兴趣的视频片段的准确度较的技术问题。确度较的技术问题。确度较的技术问题。

【技术实现步骤摘要】
视频的分析方法、装置、处理器和存储介质


[0001]本专利技术涉及视频分析处理的
，具体而言，涉及一种视频的分析方法、装置、处理器和存储介质。

技术介绍

[0002]在现有技术中确定用户感兴趣的视频片段通常使用的方法为时域滑窗和逐个视频片段概率预测感兴趣的片段。上述方法可以很好的定位简单和理想状态下的视频中的用户感兴趣的视频片段，但是实际情况中，视频中的用户感兴趣的视频片段中往往包含着大量的噪声和不相关的背景帧噪声，它们可能由行为本身或者拍摄过程的分镜头产生，这些问题被当前的技术所忽略，因此影响了确定用户感兴趣的视频片段的准确度。
[0003]例如，某段视频中包含了一段用户需要定位的板球运动片段。在板球运动片段中存在一段进球后的欢呼场景，当前的技术没有考虑到这种干扰的存在，仅依靠局部上下文的关系是不能理解出欢呼场景应该成为需要定位行为的一部分，因此，影响确定用户感兴趣的视频片段的准确度。
[0004]针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

[0005]本专利技术实施例提供了一种视频的分析本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种视频的分析方法，其特征在于，包括：获取待分析的视频；将所述视频输入特征处理模型进行处理，得到所述视频的全局上下文关系的特征和所述视频的局部上下文关系的特征；基于所述视频的全局上下文关系的特征和所述视频的局部上下文关系的特征，确定所述视频中的目标类片段。2.根据权利要求1所述的方法，其特征在于，将所述视频输入特征处理模型进行处理，得到所述视频的全局上下文关系的特征和所述视频的局部上下文关系的特征包括：将所述视频分为多个视频片段；对所述多个视频片段进行编码，得到视频特征矩阵；将所述视频特征矩阵输入所述特征处理模型进行处理，得到所述视频的全局上下文关系的特征和所述视频的局部上下文关系的特征。3.根据权利要求1所述的方法，其特征在于，基于所述视频的全局上下文关系的特征和所述视频的局部上下文关系的特征，确定所述视频中的目标类片段包括：基于所述视频的全局上下文关系的特征和所述视频的局部上下文关系的特征，确定所述视频中多个候选视频片段作为目标类片段的概率值；根据多个候选视频片段作为所述目标类片段的概率值，从所述多个候选视频片段中筛选出所述目标类片段。4.根据权利要求3所述的方法，其特征在于，所述方法还包括：接收目标对象输入的获取所述目标类片段的请求指令；响应所述请求指令，将所述目标类片段推送至所述目标对象；或者，在检测到所述目标对象是首次播放所述视频时，将所述目标类片段推送至所述目标对象。5.根据权利要求4所述的方法，其特征在于，在将所述目标类片段推送至所述目标对象之后，所述方法还包括：若检测到所述目标对象对所述目标类片段进行修改，获取修改结果；基于修改结果对所述特征处理模型进行修正，以更新所述特征处理模型。6.根据权利要求2所述的方法，其特征在于，所述特征处理模型包括：全局特征提取模块和局部特征提取模块，将所述视频输入特征处理模型进行处理，得到所述视频的全局上下文关系的特征和所述视频的局部上下文关系的特征包括：将所述视频特征矩阵输入所述全局特征提取模块进行全局上下文关系的特征提取，得到所述视频的全局上下文关系的特征；将所述视频特征矩阵输入所述局部特征提取模块进行局部上下文关系的特征提取，得到所述视频的局部上下文关系的特征。7.根据权利要求2所述的方法，其特征在于，所述特征处理模型包括：全局特征提取模块和局部特征提取模块，将所述视频输入特征处理模型进行处理，得到所述视频的全局上下文关系的特征和所述视频的局部上下文关系的特征包括：将所述视频特征矩阵进行降维处理，得到降维后的特征矩阵；将所述降维后的特征矩阵输入所述全局特征提取模块进行全局上下文关系的特征提
取，得到所述视频的全局上下文关系的特征；将所述降维后的特征矩阵输入所述局部特征提取模块进行局部上下文关系的特征提取，得到所述视频的局部上下文关系的特征。8.根据权利要求7所述的方法，其特征在于，将所述降维后的特征矩阵输入所述全局特征提取模块进行全局上下文关系的特征提取，得到所述视频的全局上下文关系的特征包括：确定所述降维后的特征矩阵通过三种不同的线性透射，得到线性投射Q、线性投射K和线性投射V；通过线性投射Q、线性投射K和线性投射V，得到携带有全局上下文关系的特征；将所述携带有全局上下文关系的特征输入前馈神经网络进行处理，得到所述视频的全局上下文关系的特征。9.根据权利要求7或8所述的方法，其特征在于，在将所述视频输入特征处理模型进行处理之前，所述方法还包括：获取视频特征样本向量；将所述视频特征样本向量输入所述全局特征提取模块进行学习训练，同时结合行为分类损失函数对所述全局特征提取模块进行监督，以驱使所述全局特征提取模块捕捉到全局上下文关系的特征。10.根据权利要求7所述的方法，其特征在于，所述局部特征提取模块包括两层图卷积层，其中，所述...

【专利技术属性】
技术研发人员：常舒宁，王丕超，王帆，李昊，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：