判断分段视频类型的方法技术

本申请公开了一种判断分段视频类型的方法

【技术实现步骤摘要】
判断分段视频类型的方法、装置及电子设备


[0001]本申请涉及互联网
，具体涉及视频处理技术，尤其涉及一种判断分段视频类型的方法
、
装置
、
电子设备
、
计算机可读存储介质及计算机程序产品
。

技术介绍

[0002]在视频内容生态中，有些用户为了获得较高的曝光量和点赞量，将热度高的视频全部或截取部分作为自己的作品发布出去
。
这种行为剥夺了原创者应得的曝光量和认可，同时也降低了创作者的积极性和动力
。
在视频内容生态中，保护原创作品的权益和鼓励创意创作非常重要
。
[0003]将待发布的视频在公开前鉴别视频的原创性将有效保护原创作品的权益
。
但是，传统的鉴别方法需要将视频分解为多个关键帧并与视频库中的视频逐一比较
。
该鉴别方式会消耗大量的时间，特别是在视频库较大的情况下，鉴别过程需要花费相当长的时间
。
并且，该鉴别方式对设备的硬件性能造成较大压力，无法在资源有限的环境中实现高效的视频鉴别
。

技术实现思路

[0004]有鉴于此，本申请实施例提供一种判断分段视频类型的方法，所述分段视频包括多个子视频，所述方法包括：在视频特征聚类库中获取第一时间点的多维特征向量的聚类分布作为第一聚类分布；其中，通过对预设视频库中每个分段视频的子视频提取一个或多个时间点的多维特征向量，并将每个子视频的多维特征向量进行聚类处理，得到每个子视频的聚类分布，形成所述视频特征聚类库，其中所述多维特征向量中的维度包括以下至少一者：文本特征
、
音频特征
、
视频帧中人物特征和人脸特征；提取待判断分段视频在第一时间点的多维特征向量作为第一多维特征向量；计算第一多维特征向量与第一聚类分布中多个聚簇的中心向量的相似度；如果第一多维特征向量与第一聚类分布中一个聚簇中心向量的相似度大于或等于第一相似阈值，则计算第一多维度特征向量与该聚簇中每个多维度特征向量的分维度相似度，所述分维度相似度为计算两个多维度特征向量中相互对应的单一维度的特征信息的相似度； 根据第一多维度特征向量分别与该聚簇中每个多维度特征向量的分维度相似度的计算结果判断待判断分段视频的视频类型
。
[0005]优选地，所述分维度相似度包括以下至少一者：文本特征相似度
、
音频特征相似度
、
视频帧中人物特征相似度和人脸特征相似度；根据第一多维度特征向量与该聚簇中所有的多维度特征向量的分维度相似度是否大于或等于第二相似阈值确定待判断第一多维度特征向量对应子视频的视频类型
。
[0006]优选地，所述视频类型包括以下至少一者：盗播视频
、
模仿视频和首发视频
。
[0007]优选地，还包括：如果所述第一多维度特征向量与该聚簇中一个多维度特征向量中的每个分维度相似度均大于或等于第二相似阈值，则判断所述第一多维度特征向量对应子视频为盗播视频
。
[0008]优选地，其中，还包括：如果所述第一多维度特征向量与该聚簇中一个多维度特征向量的文本特征相似度和音频特征相似度大于或等于第二相似阈值，而视频帧中人物特征相似度和人脸特征相似度小于第二相似阈值，则判断所述第一多维度特征向量对应子视频为模仿视频
。
[0009]优选地，如果所述第一多维度特征向量对应子视频为模仿视频时，则在视频特征聚类库中获取第二时间点多维特征向量的聚类分布作为第二聚类分布；提取待判断分段视频在第二时间点的多维特征向量作为第二多维特征向量，根据上述方法继续判断第二时间点对应子视频的类型，直至确定视频类型为盗播视频或判断完所有时间点对应的多维特征向量
。
[0010]优选地，还包括：如果所述第一多维度特征向量与该聚簇中所有的多维度特征向量的视频帧中人物特征相似度和人脸特征相似度均小于第二相似阈值，且待判断分段视频中的人脸特征与所述待判断分段视频关联用户中其他视频的人脸特征相同，则所述第一多维度特征向量对应子视频为首发视频
。
[0011]优选地，如果所述第一多维度特征向量对应子视频为首发视频时，则在视频特征聚类库中获取第二时间点多维特征向量的聚类分布作为第二聚类分布；提取待判断分段视频在第二时间点的多维特征向量作为第二多维特征向量，根据上述方法继续判断第二时间点对应子视频的类型，直至确定视频类型为盗播视频或判断完所有时间点对应的多维特征向量
。
[0012]优选地，所述多维特征向量还包括：背景特征，所述背景特征为视频帧中分割出人物图像后剩余部分的图像信息
。
[0013]优选地，还包括：如果所述第一多维度特征向量与该聚簇中一个多维度特征向量的文本特征相似度
、
音频特征相似度和背景特征相似度大于或等于第二相似阈值，而视频帧中人物特征相似度和人脸特征相似度小于第二相似阈值，则判断所述第一多维度特征向量对应子视频为模仿视频
。
[0014]优选地，所述多个时间点包括待判断分段视频首帧图像对应的时间点
、
待判断分段视频中每个子视频首帧图像对应的时间点和待判断分段视频中每个子视频间隔预定时间段的时间点
。
[0015]优选地，所述文本特征包括：视频标题特征和视频帧中提取的文本特征
。
[0016]根据本申请的另一方面，提出一种判断分段视频类型的装置，包括：获取模块，用于在视频特征聚类库中获取第一时间点的多维特征向量的聚类分布作为第一聚类分布；其中，通过对预设视频库中每个分段视频的子视频提取一个或多个时间点的多维特征向量，并将每个子视频的多维特征向量进行聚类处理，得到每个子视频的聚类分布，形成所述视频特征聚类库，其中所述多维特征向量中的维度包括以下至少一者：文本特征
、
音频特征
、
视频帧中人物特征和人脸特征；提取模块，用于提取待判断分段视频在第一时间点的多维特征向量作为第一多维特征向量；第一计算模块，用于计算第一多维特征向量与第一聚类分布中多个聚簇的中心向量的相似度；第二计算模块，用于如果第一多维特征向量与第一聚类分布中一个聚簇中心向量的相似度大于或等于第一相似阈值，则计算第一多维度特征向量与该聚簇中每个多维度特征向量的分维度相似度，所述分维度相似度为计算两个多维度特征向量中相互对应的单一维度的特征信息的相似度；判断模块，用于根据第一多维度
特征向量分别与该聚簇中每个多维度特征向量的分维度相似度的计算结果判断待判断分段视频的视频类型
。
[0017]本申请实施例提供一种电子设备，所述电子设备包括处理器以及存储有计算机程序指令的存储器；所述处理器执行所述计算机程序指令时实现如上所述的方法的步骤
。
[0018]本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种判断分段视频类型的方法，其特征在于，所述分段视频包括多个子视频，所述方法包括：在视频特征聚类库中获取第一时间点的多维特征向量的聚类分布作为第一聚类分布；其中，通过对预设视频库中每个分段视频的子视频提取一个或多个时间点的多维特征向量，并将每个子视频的多维特征向量进行聚类处理，得到每个子视频的聚类分布，形成所述视频特征聚类库，其中所述多维特征向量中的维度包括以下至少一者：文本特征
、
音频特征
、
视频帧中人物特征和人脸特征；提取待判断分段视频在第一时间点的多维特征向量作为第一多维特征向量；计算第一多维特征向量与第一聚类分布中多个聚簇的中心向量的相似度；如果第一多维特征向量与第一聚类分布中一个聚簇中心向量的相似度大于或等于第一相似阈值，则计算第一多维度特征向量与该聚簇中每个多维度特征向量的分维度相似度，所述分维度相似度为计算两个多维度特征向量中相互对应的单一维度的特征信息的相似度；根据第一多维度特征向量分别与该聚簇中每个多维度特征向量的分维度相似度的计算结果判断待判断分段视频的视频类型
。2.
根据权利要求1所述的方法，其特征在于，其中，所述分维度相似度包括以下至少一者：文本特征相似度
、
音频特征相似度
、
视频帧中人物特征相似度和人脸特征相似度；根据第一多维度特征向量与该聚簇中所有的多维度特征向量的分维度相似度是否大于或等于第二相似阈值确定待判断第一多维度特征向量对应子视频的视频类型
。3.
根据权利要求1所述的方法，其特征在于，所述视频类型包括以下至少一者：盗播视频
、
模仿视频和首发视频
。4.
根据权利要求2所述的方法，其特征在于，还包括：如果所述第一多维度特征向量与该聚簇中一个多维度特征向量中的每个分维度相似度均大于或等于第二相似阈值，则判断所述第一多维度特征向量对应子视频为盗播视频
。5.
根据权利要求2所述的方法，其特征在于，其中，还包括：如果所述第一多维度特征向量与该聚簇中一个多维度特征向量的文本特征相似度和音频特征相似度大于或等于第二相似阈值，而视频帧中人物特征相似度和人脸特征相似度小于第二相似阈值，则判断所述第一多维度特征向量对应子视频为模仿视频
。6.
根据权利要求5所述的方法，其特征在于，如果所述第一多维度特征向量对应子视频为模仿视频时，则在视频特征聚类库中获取第二时间点多维特征向量的聚类分布作为第二聚类分布；提取待判断分段视频在第二时间点的多维特征向量作为第二多维特征向量，根据上述方法继续判断第二时间点对应子视频的类型，直至确定视频类型为盗播视频或判断完所有时间点对应的多维特征向量
。7.
根据权利要求2所述的方法，其特征在于，还包括：如果所述第一多维度特征向量与该聚簇中所有的多维度特征向量的视频帧中人物特征相似度和人脸特征相似度均小于第二相似阈值，且待判断分段视频中的人脸特征与所述待判断分段视频关联用户中其他视频的人脸特征相同，则所述第一多维度特征向量对应子视频为首发视频
。8.
...

【专利技术属性】
技术研发人员：孙健，张远，章动，
申请(专利权)人：北京小糖科技有限责任公司，
类型：发明
国别省市：