CN106101740B - 一种视频内容识别方法和装置 - Google Patents
一种视频内容识别方法和装置 Download PDFInfo
- Publication number
- CN106101740B CN106101740B CN201610550797.1A CN201610550797A CN106101740B CN 106101740 B CN106101740 B CN 106101740B CN 201610550797 A CN201610550797 A CN 201610550797A CN 106101740 B CN106101740 B CN 106101740B
- Authority
- CN
- China
- Prior art keywords
- key frame
- identification
- video
- user
- determining
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
- H04N21/234—Processing of video elementary streams, e.g. splicing of video streams, manipulating MPEG-4 scene graphs
- H04N21/23418—Processing of video elementary streams, e.g. splicing of video streams, manipulating MPEG-4 scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
- H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
- H04N21/25866—Management of end-user data
Abstract
本发明公开了一种视频内容识别方法和装置,所述方法包括:获取用户提交的视频;确定出用户的风险类型;按照确定出的风险类型对应的识别方式对用户提交的视频内容进行识别。应用本发明所述方案,能够提高视频识别效率等。
Description
【技术领域】
本发明涉及视频处理技术,特别涉及一种视频内容识别方法和装置。
【背景技术】
目前,存在着很多可提供各种功能的视频播放平台,如用户可提交视频到播放平台,供其他用户观看等。
作为平台方来说,需要对提交上来的视频进行识别,即进行审核,以确定视频中是否包含有不良信息,只有未包含不良信息的视频才能被发布到视频播放平台上。
现有技术中,针对不同的用户提交的视频,通常采用同样的识别方式,即无法做到不同的用户区分处理,从而降低了视频识别效率。
【发明内容】
本发明提供了一种视频内容识别方法和装置,能够提高视频识别效率。
具体技术方案如下:
一种视频内容识别方法,包括:
获取用户提交的视频;
确定出所述用户的风险类型;
按照确定出的风险类型对应的识别方式对所述视频内容进行识别。
根据本发明一优选实施例,
所述确定出所述用户的风险类型之前,进一步包括:获取所述用户的用户标识;
所述确定出所述用户的风险类型包括:
查找出所保存的所述用户标识对应的风险等级;
若所述风险等级大于预先设定的风险阈值,则确定所述用户为高风险用户,否则,确定所述用户为低风险用户。
根据本发明一优选实施例,
所述按照确定出的风险类型对应的识别方式对所述视频内容进行识别包括:
当所述用户为高风险用户时,按照将所述视频中的所有关键帧均作为识别对象的方式,对所述视频内容进行识别;
当所述用户为低风险用户时,按照将所述视频中的部分关键帧作为识别对象的方式,对所述视频内容进行识别。
根据本发明一优选实施例,
当所述用户为高风险用户时,所述对所述视频内容进行识别包括:
按照编码次序,依次对所述视频中的各关键帧进行信息识别,所述信息识别包括:
确定出所述关键帧中包含不良信息的概率p1;
若p1大于预先设定的第一判定阈值B,则确定所述视频为包含不良信息的视频,并结束处理。
根据本发明一优选实施例,
所述信息识别进一步包括:
若p1小于预先设定的第二判定阈值A,则对与所述关键帧相邻的下一关键帧进行信息识别,A<B;
若A≤p1≤B,则依次确定出所述关键帧到相邻的下一关键帧之间的各非关键帧中包含不良信息的概率p2,若任一非关键帧对应的p2大于B,则确定所述视频为包含不良信息的视频,否则,对与所述关键帧相邻的下一关键帧进行信息识别。
根据本发明一优选实施例,
当所述用户为低风险用户时,所述对所述视频内容进行识别包括:
按照编码次序,依次对所述视频中的各关键帧进行对象识别,所述对象识别包括:
确定出所述关键帧是否为识别对象;
若所述关键帧不是识别对象,则对与所述关键帧相邻的下一关键帧进行对象识别;
若所述关键帧为识别对象,则进一步对所述关键帧进行信息识别,所述信息识别包括:
确定出所述关键帧中包含不良信息的概率p1;
若p1大于预先设定的第一判定阈值B,则确定所述视频为包含不良信息的视频,并结束处理。
根据本发明一优选实施例,
所述信息识别进一步包括:
若p1小于预先设定的第二判定阈值A,则对与所述关键帧相邻的下一关键帧进行对象识别,A<B;
若A≤p1≤B,则将所述关键帧之后的预定时长内的各关键帧均作为增补的识别对象,或者,将所述关键帧之后的连续N个关键帧均作为增补的识别对象,N为正整数;
若任一增补的识别对象对应的p1大于B,则确定所述视频为包含不良信息的视频;
若任一增补的识别对象对应的p1符合A≤p1≤B,则依次确定出该增补的识别对象到相邻的下一关键帧之间的各非关键帧中包含不良信息的概率p2,若任一非关键帧对应的p2大于B,则确定所述视频为包含不良信息的视频;
若各增补的识别对象对应的p1以及各非关键帧对应的p2均小于或等于B,则对位于各增补的识别对象之后的第一个关键帧进行对象识别。
根据本发明一优选实施例,
所述确定出所述关键帧是否为识别对象包括:
生成一个取值范围在[a,b]之间的随机数γ,若a1≤γ≤b1,a1>a,b1<b,则确定所述关键帧为识别对象。
根据本发明一优选实施例,该方法进一步包括:
若确定所述视频为包含不良信息的视频,则将所保存的所述用户的风险等级升高;
若确定所述用户连续Y次提交的视频中均未包含不良信息,则将所保存的所述用户的风险等级降低,Y为正整数。
一种视频内容识别装置,包括:获取单元、确定单元以及识别单元;
所述获取用于,用于获取用户提交的视频,并发送给所述识别单元;
所述确定单元,用于确定出所述用户的风险类型,并发送给所述识别单元;
所述识别单元,用于按照确定出的风险类型对应的识别方式对所述视频内容进行识别。
根据本发明一优选实施例,
所述获取单元进一步用于,获取所述用户的用户标识,并将所述用户标识发送给所述确定单元;
所述确定单元查找出所保存的所述用户标识对应的风险等级,若所述风险等级大于预先设定的风险阈值,则确定所述用户为高风险用户,否则,确定所述用户为低风险用户。
根据本发明一优选实施例,
所述识别单元中进一步包括:分发子单元、第一识别子单元以及第二识别子单元;
所述分发子单元,用于接收所述获取单元发送来的所述视频以及所述确定单元发送来的所述风险类型,当所述风险类型为高风险用户时,将所述视频发送给所述第一识别子单元,当所述风险类型为低风险用户时,将所述视频发送给所述第二识别子单元;
所述第一识别子单元,用于按照将所述视频中的所有关键帧均作为识别对象的方式,对所述视频内容进行识别;
所述第二识别子单元,用于按照将所述视频中的部分关键帧作为识别对象的方式,对所述视频内容进行识别。
根据本发明一优选实施例,
所述第一识别子单元按照编码次序,依次对所述视频中的各关键帧进行信息识别,所述信息识别包括:确定出所述关键帧中包含不良信息的概率p1,若p1大于预先设定的第一判定阈值B,则确定所述视频为包含不良信息的视频。
根据本发明一优选实施例,
所述第一识别子单元进一步用于,
若p1小于预先设定的第二判定阈值A,则对与所述关键帧相邻的下一关键帧进行信息识别,A<B;
若A≤p1≤B,则依次确定出所述关键帧到相邻的下一关键帧之间的各非关键帧中包含不良信息的概率p2,若任一非关键帧对应的p2大于B,则确定所述视频为包含不良信息的视频,否则,对与所述关键帧相邻的下一关键帧进行信息识别。
根据本发明一优选实施例,
所述第二识别子单元按照编码次序,依次对所述视频中的各关键帧进行对象识别,所述对象识别包括:确定出所述关键帧是否为识别对象;若所述关键帧不是识别对象,则对与所述关键帧相邻的下一关键帧进行对象识别;若所述关键帧为识别对象,则进一步对所述关键帧进行信息识别,所述信息识别包括:确定出所述关键帧中包含不良信息的概率p1,若p1大于预先设定的第一判定阈值B,则确定所述视频为包含不良信息的视频。
根据本发明一优选实施例,
所述第二识别子单元进一步用于,
若p1小于预先设定的第二判定阈值A,则对与所述关键帧相邻的下一关键帧进行对象识别,A<B;
若A≤p1≤B,则将所述关键帧之后的预定时长内的各关键帧均作为增补的识别对象,或者,将所述关键帧之后的连续N个关键帧均作为增补的识别对象,N为正整数;
若任一增补的识别对象对应的p1大于B,则确定所述视频为包含不良信息的视频;
若任一增补的识别对象对应的p1符合A≤p1≤B,则依次确定出该增补的识别对象到相邻的下一关键帧之间的各非关键帧中包含不良信息的概率p2,若任一非关键帧对应的p2大于B,则确定所述视频为包含不良信息的视频;
若各增补的识别对象对应的p1以及各非关键帧对应的p2均小于或等于B,则对位于各增补的识别对象之后的第一个关键帧进行对象识别。
根据本发明一优选实施例,
针对每个关键帧,所述第二识别子单元分别生成一个取值范围在[a,b]之间的随机数γ,若a1≤γ≤b1,a1>a,b1<b,则确定所述关键帧为识别对象。
根据本发明一优选实施例,
所述第一识别子单元和所述第二识别子单元进一步用于,将视频识别结果发送给所述确定单元,所述视频识别结果包括:所述视频为包含不良信息的视频以及所述视频为未包含不良信息的视频;
所述确定单元进一步用于,若所述视频为包含不良信息的视频,则将所保存的所述用户的风险等级升高;若所述用户连续Y次提交的视频中均未包含不良信息,则将所保存的所述用户的风险等级降低,Y为正整数。
基于上述介绍可以看出,采用本发明所述方案,可根据用户的风险类型,采用与用户的风险类型相对应的识别方式来对用户提交的视频内容进行识别,即针对不同类型的用户可采用不同的识别方式,从而使得识别更具针对性,进而提高了视频识别效率。
【附图说明】
图1为本发明视频内容识别方法实施例的流程图。
图2为本发明视频内容识别装置实施例的组成结构示意图。
【具体实施方式】
为了使本发明的技术方案更加清楚、明白,以下参照附图并举实施例,对本发明所述方案作进一步地详细说明。
实施例一
图1为本发明视频内容识别方法实施例的流程图,如图1所示,包括以下具体实现方式。
在11中,获取用户提交的视频。
用户在提交视频的同时,还可进一步提交自身的用户标识信息,如用户ID或用户名称等。
在12中,确定出用户的风险类型。
在获取到用户的用户标识之后,可查找出所保存的该用户标识对应的风险等级,若风险等级大于预先设定的风险阈值,则确定用户为高风险用户,反之,则确定用户为低风险用户,其中,风险阈值的具体取值可根据实际需要而定。
对于每个用户来说,初始可为用户设定一个初始风险等级,当用户每提交一次包含不良信息的视频后,则升高用户的风险等级,当用户连续Y次提交的视频中均未包含不良信息时,可降低用户的风险等级,Y为正整数,具体取值同样可根据实际需要而定。
比如,可设定用户的初始风险等级为一级,当用户每提交一次包含不良信息的视频后,则将用户的风险等级升高一级,当用户连续三次提交的视频中均未包含不良信息时,则将用户的风险等级降低一级。
本实施例中,可根据风险阈值将用户分为高风险用户和低风险用户,在实际应用中,如果需要,也可以将用户分为更多的类型,不限于高风险用户和低风险用户这两种。
在13中,按照确定出的风险类型对应的识别方式对用户提交的视频内容进行识别。
当用户为高风险用户时,可按照将视频中的所有关键帧均作为识别对象的方式,对用户提交的视频内容进行识别。
当用户为低风险用户时,可按照将视频中的部分关键帧作为识别对象的方式,对用户提交的视频内容进行识别。
以下分别对当用户为高风险用户和低风险用户时的视频识别方式进行详细说明。
一)用户为高风险用户
当用户为高风险用户时,可按照编码次序,依次对用户提交的视频中的各关键帧进行信息识别,所述信息识别可包括:确定出该关键帧中包含不良信息的概率p1,若p1大于预先设定的第一判定阈值B,则确定该视频为包含不良信息的视频,并结束处理。
另外,若p1小于预先设定的第二判定阈值A,可继续对与该关键帧相邻的下一关键帧进行信息识别,A<B。
若A≤p1≤B,可依次确定出该关键帧到相邻的下一关键帧之间的各非关键帧中包含不良信息的概率p2,若任一非关键帧对应的p2大于B,则可确定该视频为包含不良信息的视频,并结束处理,否则,继续对与该关键帧相邻的下一关键帧进行信息识别。
上述第一判定阈值B和第二判定阈值A的具体取值均可根据实际需要而定,比如,A可取值为0.6,B可取值为0.8。
如何确定出关键帧中包含不良信息的概率与如何确定出非关键帧中包含不良信息的概率的方式相同,如可采用图像识别方式,具体实现为现有技术。
基于上述介绍可知,对于用户提交的视频中的每个关键帧,可分别按照以下方式进行处理。
首先,确定出该关键帧中包含不良信息的概率p1,并将p1分别与A和B进行比较,可得到三种比较结果,即p1<A、p1>B和A≤p1≤B。
1)p1<A
若p1<A,可认为该关键帧中未包含不良信息,进而继续对下一关键帧进行处理。
2)p1>B
若p1>B,可认为该关键帧中包含有不良信息,相应地,可确定该视频为包含不良信息的视频,结束处理。
3)A≤p1≤B
若A≤p1≤B,可依次确定出该关键帧到相邻的下一关键帧之间的各非关键帧中包含不良信息的概率p2,其中,在每确定出一个p2时,若确定其大于B,则可确定该视频为包含不良信息的视频,并结束处理,若所有p2均小于或等于B,则可继续对下一关键帧进行处理。
以上过程可进一步举例说明如下:
假设用户提交的视频中共包括10个关键帧,分别为关键帧1~关键帧10;
确定出关键帧1中包含不良信息的概率p1,p1<A;
确定出关键帧2中包含不良信息的概率p1,A≤p1≤B,依次确定出关键帧2到关键帧3之间的各非关键帧中包含不良信息的概率p2,假设关键帧2到关键帧3之间共包含3个非关键帧,分别为非关键帧1~非关键帧3,并假设非关键帧2对应的p2大于B,那么可确定该视频为包含不良信息的视频,结束处理;
假设非关键帧1~非关键帧3对应的p2均小于或等于B,确定出关键帧3中包含不良信息的概率p1,p1>B,那么可确定该视频为包含不良信息的视频,结束处理。
二)用户为低风险用户
当用户为低风险用户时,可按照编码次序,依次对用户提交的视频中的各关键帧进行对象识别,所述对象识别可包括:确定出该关键帧是否为识别对象;若该关键帧不是识别对象,则对与该关键帧相邻的下一关键帧进行对象识别;若该关键帧为识别对象,则进一步对该关键帧进行信息识别,所述信息识别可包括:确定出该关键帧中包含不良信息的概率p1,若p1大于预先设定的第一判定阈值B,则确定该视频为包含不良信息的视频,并结束处理。
另外,若p1小于预先设定的第二判定阈值A,可继续对与该关键帧相邻的下一关键帧进行对象识别,A<B。
若A≤p1≤B,可将该关键帧之后的预定时长内的各关键帧均作为增补的识别对象,或者,将该关键帧之后的连续N个关键帧均作为增补的识别对象,N为正整数,所述预定时长以及N的具体取值均可根据实际需要而定。
若任一增补的识别对象对应的p1大于B,则可确定该视频为包含不良信息的视频,并结束处理。
若任一增补的识别对象对应的p1符合A≤p1≤B,可依次确定出该增补的识别对象到相邻的下一关键帧之间的各非关键帧中包含不良信息的概率p2,若任一非关键帧对应的p2大于B,则可确定该视频为包含不良信息的视频,并结束处理。
若各增补的识别对象对应的p1以及各非关键帧对应的p2均小于或等于B,则对位于各增补的识别对象之后的第一个关键帧进行对象识别。
基于上述介绍可知,对于用户提交的视频中的每个关键帧,可分别按照以下方式进行处理。
首先,确定出该关键帧是否为识别对象,比如,生成一个取值范围在[a,b]之间的随机数γ,若a1≤γ≤b1,a1>a,b1<b,则确定该关键帧为识别对象,a、b、a1以及b1的具体取值均可根据实际需要而定,如a可取值为0,b可取值为1,a1可取值为0.3,b1可取值为0.6。
通过上述方式,可达到仅将用户提交的视频中的部分关键帧作为识别对象的目的,当然,以上仅为举例说明,并不用于限制本发明的技术方案,也可以采用本领域技术人员能够想到的其它方式,只要能够达到上述目的即可,比如,也可以采用每固定间隔一定数量的关键帧,则将一个关键帧确定为识别对象的方式。
若该关键帧不是识别对象,可继续对与该关键帧相邻的下一关键帧进行对象识别。
若该关键帧为识别对象,可确定出该关键帧中包含不良信息的概率p1,并将p1分别与A和B进行比较,可得到三种比较结果,即p1<A、p1>B和A≤p1≤B。
1)p1<A
若p1<A,可继续对与该关键帧相邻的下一关键帧进行对象识别。
2)p1>B
若p1>B,可确定该视频为包含不良信息的视频,并结束处理。
3)A≤p1≤B
若A≤p1≤B,可将该关键帧之后的预定时长内的各关键帧均作为增补的识别对象,或者,将该关键帧之后的连续N个关键帧均作为增补的识别对象;
若任一增补的识别对象对应的p1大于B,则可确定该视频为包含不良信息的视频,并结束处理;
若任一增补的识别对象对应的p1符合A≤p1≤B,可依次确定出该增补的识别对象到相邻的下一关键帧之间的各非关键帧中包含不良信息的概率p2,在每确定出一个p2时,若确定其大于B,则可确定该视频为包含不良信息的视频,并结束处理;
若各增补的识别对象对应的p1以及各非关键帧对应的p2均小于或等于B,则对位于各增补的识别对象之后的第一个关键帧进行对象识别。
以上过程可进一步举例说明如下:
假设用户提交的视频中共包括15个关键帧,分别为关键帧1~关键帧15;
关键帧1为识别对象,其中包含不良信息的概率p1<A;
关键帧2和关键帧3均不是识别对象,关键帧4为识别对象,其中包含不良信息的概率p1符合A≤p1≤B,将关键帧5-关键帧6作为增补的识别对象;
假设关键帧5中包含不良信息的概率p1>B,那么可确定该视频为包含不良信息的视频,并结束处理;
假设关键帧5中包含不良信息的概率p1<A,关键帧6中包含不良信息的概率p1符合A≤p1≤B,那么可依次确定出关键帧6到关键帧7之间的各非关键帧中包含不良信息的概率p2,假设关键帧6到关键帧7之间共包含3个非关键帧,分别为非关键帧1~非关键帧3,并假设非关键帧2对应的p2大于B,那么可确定该视频为包含不良信息的视频,并结束处理;
假设非关键帧1~非关键帧3对应的p2均小于或等于B,关键帧7为识别对象,其中包含不良信息的概率p1>B,那么可确定该视频为包含不良信息的视频,并结束处理。
以上是关于本发明方法实施例的介绍,以下通过装置实施例,对本发明所述方案进行进一步说明。
图2为本发明视频内容识别装置实施例的组成结构示意图,如图2所示,包括:获取单元21、确定单元22以及识别单元23。
获取单元21,用于获取用户提交的视频,并发送给识别单元23;
确定单元22,用于确定出用户的风险类型,并发送给识别单元23;
识别单元23,用于按照确定出的风险类型对应的识别方式对视频内容进行识别。
用户在提交视频的同时,还可进一步提交自身的用户标识信息,如用户ID或用户名称等。
相应地,获取单元21获取用户的用户标识,并将该用户标识发送给确定单元22;确定单元22查找出所保存的该用户标识对应的风险等级,若风险等级大于预先设定的风险阈值,则确定用户为高风险用户,否则,确定用户为低风险用户。
对于每个用户来说,初始可为用户设定一个初始风险等级,当用户每提交一次包含不良信息的视频后,则升高用户的风险等级,当用户连续Y次提交的视频中均未包含不良信息时,可降低用户的风险等级,Y为正整数。
如图2所示,识别单元23中可进一步包括:分发子单元231、第一识别子单元232以及第二识别子单元233。
分发子单元231,用于接收获取单元21发送来的视频以及确定单元22发送来的风险类型,当风险类型为高风险用户时,将该视频发送给第一识别子单元232,当风险类型为低风险用户时,将该视频发送给第二识别子单元233;
第一识别子单元232,用于按照将该视频中的所有关键帧均作为识别对象的方式,对该视频内容进行识别;
第二识别子单元233,用于按照将该视频中的部分关键帧作为识别对象的方式,对该视频内容进行识别。
也就是说,当用户为高风险用户时,由第一识别子单元232来处理用户提交的视频,当用户为低风险用户时,由第二识别子单元233来处理用户提交的视频。
以下分别对第一识别子单元232和第二识别子单元233的具体工作方式进行详细说明。
一)第一识别子单元232
第一识别子单元232可按照编码次序,依次对该视频中的各关键帧进行信息识别,所述信息识别可包括:确定出该关键帧中包含不良信息的概率p1,若p1大于预先设定的第一判定阈值B,则确定该视频为包含不良信息的视频,并结束处理。
另外,若p1小于预先设定的第二判定阈值A,第一识别子单元232可继续对与该关键帧相邻的下一关键帧进行信息识别,A<B。
若A≤p1≤B,第一识别子单元232可依次确定出该关键帧到相邻的下一关键帧之间的各非关键帧中包含不良信息的概率p2,若任一非关键帧对应的p2大于B,则可确定该视频为包含不良信息的视频,并结束处理,否则,对与该关键帧相邻的下一关键帧进行信息识别。
也就是说,对于用户提交的视频中的每个关键帧,第一识别子单元232可分别按照以下方式进行处理。
首先,第一识别子单元232确定出该关键帧中包含不良信息的概率p1,并将p1分别与A和B进行比较,可得到三种比较结果,即p1<A、p1>B和A≤p1≤B。
1)p1<A
若p1<A,第一识别子单元232继续对下一关键帧进行处理。
2)p1>B
若p1>B,第一识别子单元232可确定该视频为包含不良信息的视频,并结束处理。
3)A≤p1≤B
若A≤p1≤B,第一识别子单元232可依次确定出该关键帧到相邻的下一关键帧之间的各非关键帧中包含不良信息的概率p2,其中,在每确定出一个p2时,若确定其大于B,则可确定该视频为包含不良信息的视频,并结束处理,若所有p2均小于或等于B,则可继续对下一关键帧进行处理。
二)第二识别子单元233
第二识别子单元233可按照编码次序,依次对用户提交的视频中的各关键帧进行对象识别,所述对象识别包括:确定出该关键帧是否为识别对象;若该关键帧不是识别对象,则对与该关键帧相邻的下一关键帧进行对象识别;若该关键帧为识别对象,则进一步对该关键帧进行信息识别,所述信息识别可包括:确定出该关键帧中包含不良信息的概率p1,若p1大于预先设定的第一判定阈值B,则确定该视频为包含不良信息的视频,并结束处理。
另外,若p1小于预先设定的第二判定阈值A,第二识别子单元233可继续对与该关键帧相邻的下一关键帧进行对象识别,A<B。
若A≤p1≤B,第二识别子单元233可将该关键帧之后的预定时长内的各关键帧均作为增补的识别对象,或者,将该关键帧之后的连续N个关键帧均作为增补的识别对象,N为正整数;若任一增补的识别对象对应的p1大于B,则可确定该视频为包含不良信息的视频,并结束处理;若任一增补的识别对象对应的p1符合A≤p1≤B,则可依次确定出该增补的识别对象到相邻的下一关键帧之间的各非关键帧中包含不良信息的概率p2,若任一非关键帧对应的p2大于B,则可确定该视频为包含不良信息的视频,并结束处理;若各增补的识别对象对应的p1以及各非关键帧对应的p2均小于或等于B,则可继续对位于各增补的识别对象之后的第一个关键帧进行对象识别。
基于上述介绍可知,对于用户提交的视频中的每个关键帧,第二识别子单元233可分别按照以下方式进行处理。
首先,第二识别子单元233确定出该关键帧是否为识别对象,比如,第二识别子单元233可生成一个取值范围在[a,b]之间的随机数γ,若a1≤γ≤b1,a1>a,b1<b,则可确定该关键帧为识别对象。
若该关键帧不是识别对象,第二识别子单元233可继续对与该关键帧相邻的下一关键帧进行对象识别。
若该关键帧为识别对象,第二识别子单元233可确定出该关键帧中包含不良信息的概率p1,并将p1分别与A和B进行比较,可得到三种比较结果,即p1<A、p1>B和A≤p1≤B。
1)p1<A
若p1<A,第二识别子单元233可继续对与该关键帧相邻的下一关键帧进行对象识别。
2)p1>B
若p1>B,第二识别子单元233可确定该视频为包含不良信息的视频,并结束处理。
3)A≤p1≤B
若A≤p1≤B,第二识别子单元233可将该关键帧之后的预定时长内的各关键帧均作为增补的识别对象,或者,将该关键帧之后的连续N个关键帧均作为增补的识别对象;
若任一增补的识别对象对应的p1大于B,第二识别子单元233可确定该视频为包含不良信息的视频,并结束处理;
若任一增补的识别对象对应的p1符合A≤p1≤B,第二识别子单元233可依次确定出该增补的识别对象到相邻的下一关键帧之间的各非关键帧中包含不良信息的概率p2,在每确定出一个p2时,若确定其大于B,则可确定该视频为包含不良信息的视频,并结束处理;
若各增补的识别对象对应的p1以及各非关键帧对应的p2均小于或等于B,第二识别子单元233可继续对位于各增补的识别对象之后的第一个关键帧进行对象识别。
另外,第一识别子单元232和第二识别子单元233可进一步将该视频的视频识别结果发送给确定单元22,所述视频识别结果包括:该视频为包含不良信息的视频以及该视频为未包含不良信息的视频。
相应地,若该视频为包含不良信息的视频,确定单元22可将所保存的提交该视频的用户的风险等级升高,若该用户连续Y次提交的视频中均未包含不良信息,可将所保存的该用户的风险等级降低,Y为正整数。
总之,采用本发明所述方案,可根据用户的风险类型,采用与用户的风险类型相对应的识别方式来对用户提交的视频内容进行识别,即针对不同类型的用户可采用不同的识别方式,从而使得识别更具针对性,进而提高了识别效率。
另外,采用本发明所述方案,对于高风险用户,可将其提交的视频中的所有关键帧均作为识别对象,对于低风险用户,可仅将其提交的视频中的部分关键帧作为识别对象,即对高风险视频进行重点识别,对低风险视频进行合理抽检,从而达到了对有限的计算资源的合理利用,并且,可通过对非关键帧进行信息识别等进一步提高视频识别结果的准确性。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。
Claims (16)
1.一种视频内容识别方法,其特征在于,包括:
获取用户提交的视频;
确定出所述用户的风险类型;所述风险类型包括:高风险用户和低风险用户;
按照确定出的风险类型对应的识别方式对所述视频内容进行识别,包括:
当所述用户为高风险用户时,按照编码次序,依次对所述视频中的各关键帧进行信息识别,所述信息识别包括:确定出所述关键帧中包含不良信息的概率p1;若A≤p1≤B,则依次确定出所述关键帧到相邻的下一关键帧之间的各非关键帧中包含不良信息的概率p2,若任一非关键帧对应的p2大于B,则确定所述视频为包含不良信息的视频;所述B表示预先设定的第一判定阈值,所述A表示预先设定的第二判定阈值;
当所述用户为低风险用户时,按照将所述视频中的部分关键帧作为识别对象的方式,对所述视频内容进行识别。
2.根据权利要求1所述的方法,其特征在于,
所述确定出所述用户的风险类型之前,进一步包括:获取所述用户的用户标识;
所述确定出所述用户的风险类型包括:
查找出所保存的所述用户标识对应的风险等级;
若所述风险等级大于预先设定的风险阈值,则确定所述用户为高风险用户,否则,确定所述用户为低风险用户。
3.根据权利要求1所述的方法,其特征在于,
所述信息识别进一步包括:
若p1大于所述第一判定阈值B,则确定所述视频为包含不良信息的视频,并结束处理。
4.根据权利要求1所述的方法,其特征在于,
所述信息识别进一步包括:
若不存在非关键帧对应的p2大于B,则对与所述关键帧相邻的下一关键帧进行信息识别;
若p1小于所述第二判定阈值A,则对与所述关键帧相邻的下一关键帧进行信息识别。
5.根据权利要求1所述的方法,其特征在于,
当所述用户为低风险用户时,所述对所述视频内容进行识别包括:
按照编码次序,依次对所述视频中的各关键帧进行对象识别,所述对象识别包括:
确定出所述关键帧是否为识别对象;
若所述关键帧不是识别对象,则对与所述关键帧相邻的下一关键帧进行对象识别;
若所述关键帧为识别对象,则进一步对所述关键帧进行信息识别,所述信息识别包括:
确定出所述关键帧中包含不良信息的概率p1;
若p1大于预先设定的第一判定阈值B,则确定所述视频为包含不良信息的视频,并结束处理。
6.根据权利要求5所述的方法,其特征在于,
所述信息识别进一步包括:
若p1小于预先设定的第二判定阈值A,则对与所述关键帧相邻的下一关键帧进行对象识别,A<B;
若A≤p1≤B,则将所述关键帧之后的预定时长内的各关键帧均作为增补的识别对象,或者,将所述关键帧之后的连续N个关键帧均作为增补的识别对象,N为正整数;
若任一增补的识别对象对应的p1大于B,则确定所述视频为包含不良信息的视频;
若任一增补的识别对象对应的p1符合A≤p1≤B,则依次确定出该增补的识别对象到相邻的下一关键帧之间的各非关键帧中包含不良信息的概率p2,若任一非关键帧对应的p2大于B,则确定所述视频为包含不良信息的视频;
若各增补的识别对象对应的p1以及各非关键帧对应的p2均小于或等于B,则对位于各增补的识别对象之后的第一个关键帧进行对象识别。
7.根据权利要求5所述的方法,其特征在于,
所述确定出所述关键帧是否为识别对象包括:
生成一个取值范围在[a,b]之间的随机数γ,若a1≤γ≤b1,a1>a,b1<b,则确定所述关键帧为识别对象。
8.根据权利要求3、4、5或7所述的方法,其特征在于,
该方法进一步包括:
若确定所述视频为包含不良信息的视频,则将所保存的所述用户的风险等级升高;
若确定所述用户连续Y次提交的视频中均未包含不良信息,则将所保存的所述用户的风险等级降低,Y为正整数。
9.一种视频内容识别装置,其特征在于,包括:获取单元、确定单元以及识别单元;
所述获取用于,用于获取用户提交的视频,并发送给所述识别单元;
所述确定单元,用于确定出所述用户的风险类型,并发送给所述识别单元;所述风险类型包括:高风险用户和低风险用户;
所述识别单元,用于按照确定出的风险类型对应的识别方式对所述视频内容进行识别;
其中,所述识别单元中进一步包括:分发子单元、第一识别子单元以及第二识别子单元;
所述分发子单元,用于接收所述获取单元发送来的所述视频以及所述确定单元发送来的所述风险类型,当所述风险类型为高风险用户时,将所述视频发送给所述第一识别子单元,当所述风险类型为低风险用户时,将所述视频发送给所述第二识别子单元;
所述第一识别子单元,用于按照编码次序,依次对所述视频中的各关键帧进行信息识别,所述信息识别包括:确定出所述关键帧中包含不良信息的概率p1,若A≤p1≤B,则依次确定出所述关键帧到相邻的下一关键帧之间的各非关键帧中包含不良信息的概率p2,若任一非关键帧对应的p2大于B,则确定所述视频为包含不良信息的视频;所述B表示预先设定的第一判定阈值,所述A表示预先设定的第二判定阈值;
所述第二识别子单元,用于按照将所述视频中的部分关键帧作为识别对象的方式,对所述视频内容进行识别。
10.根据权利要求9所述的装置,其特征在于,
所述获取单元进一步用于,获取所述用户的用户标识,并将所述用户标识发送给所述确定单元;
所述确定单元查找出所保存的所述用户标识对应的风险等级,若所述风险等级大于预先设定的风险阈值,则确定所述用户为高风险用户,否则,确定所述用户为低风险用户。
11.根据权利要求9所述的装置,其特征在于,
所述第一识别子单元进一步用于,若p1大于所述第一判定阈值B,则确定所述视频为包含不良信息的视频。
12.根据权利要求9所述的装置,其特征在于,
所述第一识别子单元进一步用于,若不存在非关键帧对应的p2大于B,则对与所述关键帧相邻的下一关键帧进行信息识别;若p1小于所述第二判定阈值A,则对与所述关键帧相邻的下一关键帧进行信息识别。
13.根据权利要求9所述的装置,其特征在于,
所述第二识别子单元按照编码次序,依次对所述视频中的各关键帧进行对象识别,所述对象识别包括:确定出所述关键帧是否为识别对象;若所述关键帧不是识别对象,则对与所述关键帧相邻的下一关键帧进行对象识别;若所述关键帧为识别对象,则进一步对所述关键帧进行信息识别,所述信息识别包括:确定出所述关键帧中包含不良信息的概率p1,若p1大于预先设定的第一判定阈值B,则确定所述视频为包含不良信息的视频。
14.根据权利要求13所述的装置,其特征在于,
所述第二识别子单元进一步用于,
若p1小于预先设定的第二判定阈值A,则对与所述关键帧相邻的下一关键帧进行对象识别,A<B;
若A≤p1≤B,则将所述关键帧之后的预定时长内的各关键帧均作为增补的识别对象,或者,将所述关键帧之后的连续N个关键帧均作为增补的识别对象,N为正整数;
若任一增补的识别对象对应的p1大于B,则确定所述视频为包含不良信息的视频;
若任一增补的识别对象对应的p1符合A≤p1≤B,则依次确定出该增补的识别对象到相邻的下一关键帧之间的各非关键帧中包含不良信息的概率p2,若任一非关键帧对应的p2大于B,则确定所述视频为包含不良信息的视频;
若各增补的识别对象对应的p1以及各非关键帧对应的p2均小于或等于B,则对位于各增补的识别对象之后的第一个关键帧进行对象识别。
15.根据权利要求13所述的装置,其特征在于,
针对每个关键帧,所述第二识别子单元分别生成一个取值范围在[a,b]之间的随机数γ,若a1≤γ≤b1,a1>a,b1<b,则确定所述关键帧为识别对象。
16.根据权利要求11、12、13或15所述的装置,其特征在于,
所述第一识别子单元和所述第二识别子单元进一步用于,将视频识别结果发送给所述确定单元,所述视频识别结果包括:所述视频为包含不良信息的视频以及所述视频为未包含不良信息的视频;
所述确定单元进一步用于,若所述视频为包含不良信息的视频,则将所保存的所述用户的风险等级升高;若所述用户连续Y次提交的视频中均未包含不良信息,则将所保存的所述用户的风险等级降低,Y为正整数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610550797.1A CN106101740B (zh) | 2016-07-13 | 2016-07-13 | 一种视频内容识别方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610550797.1A CN106101740B (zh) | 2016-07-13 | 2016-07-13 | 一种视频内容识别方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106101740A CN106101740A (zh) | 2016-11-09 |
CN106101740B true CN106101740B (zh) | 2019-12-24 |
Family
ID=57220050
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610550797.1A Active CN106101740B (zh) | 2016-07-13 | 2016-07-13 | 一种视频内容识别方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106101740B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108073804B (zh) * | 2016-11-14 | 2022-11-29 | 百度在线网络技术(北京)有限公司 | 一种风险识别方法和装置 |
CN106971327A (zh) * | 2017-02-16 | 2017-07-21 | 广东小天才科技有限公司 | 一种用于电子教育产品的数据管理方法及系统 |
CN107181979B (zh) * | 2017-03-30 | 2020-10-27 | 武汉斗鱼网络科技有限公司 | 一种网络直播监控方法和装置 |
CN110020257A (zh) * | 2017-12-30 | 2019-07-16 | 惠州学院 | 基于用户id和视频拷贝的识别有害视频的方法及系统 |
CN110020258A (zh) * | 2017-12-30 | 2019-07-16 | 惠州学院 | 一种基于近似图的url路径识别有害图片的方法及系统 |
CN110019946A (zh) * | 2017-12-30 | 2019-07-16 | 惠州学院 | 一种识别有害视频的方法及其系统 |
CN111246293B (zh) * | 2018-11-28 | 2023-10-13 | 北京默契破冰科技有限公司 | 用于监控用户行为的方法、设备和计算机存储介质 |
CN112015946B (zh) * | 2019-05-30 | 2023-11-10 | 中国移动通信集团重庆有限公司 | 视频检测方法、装置、计算设备及计算机存储介质 |
CN111723784A (zh) * | 2020-07-30 | 2020-09-29 | 腾讯科技(深圳)有限公司 | 一种风险视频识别方法、装置和电子设备 |
CN113627534A (zh) * | 2021-08-11 | 2021-11-09 | 百度在线网络技术(北京)有限公司 | 识别动态图像的类型的方法、装置及电子设备 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101950296A (zh) * | 2010-08-24 | 2011-01-19 | 中国科学院深圳先进技术研究院 | 云数据审计的方法及系统 |
CN102073841A (zh) * | 2009-11-20 | 2011-05-25 | 中国移动通信集团广东有限公司 | 一种不良视频检测方法及装置 |
CN102930553A (zh) * | 2011-08-10 | 2013-02-13 | 中国移动通信集团上海有限公司 | 不良视频内容识别方法及装置 |
CN103064858A (zh) * | 2011-10-19 | 2013-04-24 | 北京千橡网景科技发展有限公司 | 用于社交网络网站中的不良图像检测的方法和设备 |
CN103400155A (zh) * | 2013-06-28 | 2013-11-20 | 西安交通大学 | 基于图半监督学习的色情视频检测方法 |
CN103577987A (zh) * | 2012-07-20 | 2014-02-12 | 阿里巴巴集团控股有限公司 | 一种风险用户的识别方法和装置 |
CN104580529A (zh) * | 2015-02-03 | 2015-04-29 | 郑州悉知信息技术有限公司 | 一种信息审核方法及装置 |
CN104933570A (zh) * | 2014-03-20 | 2015-09-23 | 阿里巴巴集团控股有限公司 | 用户侦测方法及装置 |
CN105024982A (zh) * | 2014-04-29 | 2015-11-04 | 中国移动通信集团设计院有限公司 | 一种网络接入方法、装置和服务器 |
CN105654051A (zh) * | 2015-12-30 | 2016-06-08 | 北京奇艺世纪科技有限公司 | 一种视频检测方法及系统 |
WO2016109027A2 (en) * | 2014-11-12 | 2016-07-07 | Massachusetts Institute Technology | Dynamic video summarization |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10860739B2 (en) * | 2014-12-12 | 2020-12-08 | Lenovo (Singapore) Pte. Ltd. | Encryption of media based on content |
-
2016
- 2016-07-13 CN CN201610550797.1A patent/CN106101740B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102073841A (zh) * | 2009-11-20 | 2011-05-25 | 中国移动通信集团广东有限公司 | 一种不良视频检测方法及装置 |
CN101950296A (zh) * | 2010-08-24 | 2011-01-19 | 中国科学院深圳先进技术研究院 | 云数据审计的方法及系统 |
CN102930553A (zh) * | 2011-08-10 | 2013-02-13 | 中国移动通信集团上海有限公司 | 不良视频内容识别方法及装置 |
CN103064858A (zh) * | 2011-10-19 | 2013-04-24 | 北京千橡网景科技发展有限公司 | 用于社交网络网站中的不良图像检测的方法和设备 |
CN103577987A (zh) * | 2012-07-20 | 2014-02-12 | 阿里巴巴集团控股有限公司 | 一种风险用户的识别方法和装置 |
CN103400155A (zh) * | 2013-06-28 | 2013-11-20 | 西安交通大学 | 基于图半监督学习的色情视频检测方法 |
CN104933570A (zh) * | 2014-03-20 | 2015-09-23 | 阿里巴巴集团控股有限公司 | 用户侦测方法及装置 |
CN105024982A (zh) * | 2014-04-29 | 2015-11-04 | 中国移动通信集团设计院有限公司 | 一种网络接入方法、装置和服务器 |
WO2016109027A2 (en) * | 2014-11-12 | 2016-07-07 | Massachusetts Institute Technology | Dynamic video summarization |
CN104580529A (zh) * | 2015-02-03 | 2015-04-29 | 郑州悉知信息技术有限公司 | 一种信息审核方法及装置 |
CN105654051A (zh) * | 2015-12-30 | 2016-06-08 | 北京奇艺世纪科技有限公司 | 一种视频检测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN106101740A (zh) | 2016-11-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106101740B (zh) | 一种视频内容识别方法和装置 | |
CN108984662B (zh) | 一种区块链数据同步方法 | |
US8942487B1 (en) | Similar image selection | |
CN106453437B (zh) | 一种设备识别码获取方法及装置 | |
CN112449009B (zh) | 一种基于svd的联邦学习推荐系统通信压缩方法及装置 | |
CN110147469B (zh) | 一种数据处理方法、设备及存储介质 | |
CN111260220B (zh) | 群控设备识别方法、装置、电子设备和存储介质 | |
CN110445792B (zh) | 验证码生成方法和验证码登录系统 | |
CN113992340B (zh) | 用户异常行为识别方法、装置、设备和存储介质 | |
CN111683274A (zh) | 弹幕广告展示方法、装置、设备及计算机可读存储介质 | |
CN106570060B (zh) | 一种信息流中数据的随机抽取方法及装置 | |
CN108334553B (zh) | 基于区块链的数据筛选方法和装置 | |
CN109710502A (zh) | 日志传输方法、装置及存储介质 | |
CN111539206B (zh) | 一种确定敏感信息的方法、装置、设备及存储介质 | |
CN106937127B (zh) | 一种智能搜索准备的显示方法及其系统 | |
WO2021142072A1 (en) | Peceptual video fingerprinting | |
CN111354013A (zh) | 目标检测方法及装置、设备和存储介质 | |
CN107832341B (zh) | Agnss用户去重统计方法 | |
CN115409020A (zh) | 基于字词平衡的汉字分组测试方法、系统和计算机可读存储介质 | |
CN112799872B (zh) | 一种基于键值对存储系统的纠删码编码方法及装置 | |
CN115578765A (zh) | 目标识别方法、装置、系统及计算机可读存储介质 | |
CN109784226B (zh) | 人脸抓拍方法及相关装置 | |
CN114650435B (zh) | 视频内重复片段查找方法、装置及相关设备 | |
CN105721933A (zh) | 广告视频信息库的创建方法、广告视频识别方法及装置 | |
US20210056586A1 (en) | Optimizing large scale data analysis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |