CN109522451B - 重复视频检测方法和装置 - Google Patents
重复视频检测方法和装置 Download PDFInfo
- Publication number
- CN109522451B CN109522451B CN201811525006.5A CN201811525006A CN109522451B CN 109522451 B CN109522451 B CN 109522451B CN 201811525006 A CN201811525006 A CN 201811525006A CN 109522451 B CN109522451 B CN 109522451B
- Authority
- CN
- China
- Prior art keywords
- video
- target
- description
- target video
- preset
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 26
- 238000000034 method Methods 0.000 claims abstract description 40
- 238000003058 natural language processing Methods 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 9
- 239000013598 vector Substances 0.000 claims description 4
- 239000012634 fragment Substances 0.000 claims 2
- 230000003252 repetitive effect Effects 0.000 claims 1
- 238000013528 artificial neural network Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 230000000306 recurrent effect Effects 0.000 description 7
- 230000015654 memory Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 125000004122 cyclic group Chemical group 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 239000000835 fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000006403 short-term memory Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000008298 dragée Substances 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
Abstract
本申请实施例公开了重复视频检测方法和装置。该方法的一具体实施方式包括:获取目标视频,对该目标视频进行视频描述,生成该目标视频的视频描述语句;对所生成的视频描述语句进行自然语言处理,得到该目标视频的目标视频特征;检测该目标视频特征与视频特征集合中的视频特征的相似度;若该目标视频特征与该视频特征集合中的、任意视频的视频特征的相似度大于或等于预设相似度阈值,则将该目标视频确定为与该视频特征集合关联的视频的重复视频。本申请实施例提供的方案能够利用视频描述,准确地确定重复视频,避免视频的重复存储,进而可以更加合理地利用存储空间,避免存储空间的无效占用。
Description
技术领域
本申请实施例涉及计算机技术领域,具体涉及互联网技术领域,尤其涉及重复视频检测方法和装置。
背景技术
随着互联网技术的发展,视频数据呈爆炸式增长。每天在互联网上增加的各种长视频、短视频不计其数,给视频的存储带来挑战。在视频存储的过程中,可能会存在重复视频的存储,造成存储空间的浪费。
发明内容
本申请实施例提出了重复视频检测方法和装置。
第一方面,本申请实施例提供了一种重复视频检测方法,包括:获取目标视频,对目标视频进行视频描述处理,生成目标视频的视频描述语句;对所生成的视频描述语句进行自然语言处理,得到目标视频的目标视频特征;检测目标视频特征与视频特征集合中的视频特征的相似度;若目标视频特征与视频特征集合中的、任意视频的视频特征的相似度大于或等于预设相似度阈值,则将目标视频确定为与视频特征集合关联的视频的重复视频。
第二方面,本申请实施例提供了一种重复视频检测装置,包括:获取单元,被配置成获取目标视频,对目标视频进行视频描述处理,生成目标视频的视频描述语句;处理单元,被配置成对所生成的视频描述语句进行自然语言处理,得到目标视频的目标视频特征;相似度确定单元,被配置成检测目标视频特征与视频特征集合中的视频特征的相似度;重复视频确定单元,被配置成若目标视频特征与视频特征集合中的、任意视频的视频特征的相似度大于或等于预设相似度阈值,则将目标视频确定为与视频特征集合关联的视频的重复视频。
第三方面,本申请实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如重复视频检测方法中任一实施例的方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如重复视频检测方法中任一实施例的方法。
本申请实施例提供的重复视频检测方案,首先,获取目标视频,对目标视频进行视频描述处理,生成目标视频的视频描述语句。之后,对所生成的视频描述语句进行自然语言处理,得到目标视频的目标视频特征。然后,检测目标视频特征与视频特征集合中的视频特征的相似度;最后,若目标视频特征与视频特征集合中的、任意视频的视频特征的相似度大于或等于预设相似度阈值,则将目标视频确定为与视频特征集合关联的视频的重复视频。本申请实施例提供的方案能够利用视频描述,准确地确定重复视频,避免视频的重复存储,进而可以更加合理地利用存储空间,避免存储空间的无效占用。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请可以应用于其中的示例性系统架构图;
图2是根据本申请的重复视频检测方法的一个实施例的流程图;
图3是根据本申请的重复视频检测方法的一个应用场景的示意图;
图4是根据本申请的重复视频检测方法的又一个实施例的流程图;
图5是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的重复视频检测方法或重复视频检测装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如重复视频检测应用、视频类应用、直播应用、即时通信工具、邮箱客户端、社交平台软件等。
这里的终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是具有显示屏的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103提供支持的后台服务器。后台服务器可以对接收到的目标视频等数据进行分析等处理,并将处理结果(例如重复视频)反馈给终端设备。
需要说明的是,本申请实施例所提供的重复视频检测方法可以由服务器105或者终端设备101、102、103执行,相应地,重复视频检测装置可以设置于服务器105或者终端设备101、102、103中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本申请的重复视频检测方法的一个实施例的流程200。该重复视频检测方法,包括以下步骤:
步骤201,获取目标视频,对目标视频进行视频描述处理,生成目标视频的视频描述语句。
在本实施例中,重复视频检测方法的执行主体(例如图1所示的服务器或终端设备)可以获取目标视频,并对该目标视频进行视频描述处理,以生成该目标视频的视频描述语句。视频描述处理为利用视频描述(video caption)技术,对视频的内容进行描述。视频描述语句为描述视频内容的语句。
步骤202,对所生成的视频描述语句进行自然语言处理,得到目标视频的目标视频特征。
在本实施例中,上述执行主体可以对所生成的视频描述语句进行自然语言处理(natural language processing,NLP),并将处理得到的特征作为目标视频的目标视频特征。视频特征可以体现视频的特点,以向量的形式存在。目标视频特征为上述目标视频的特征。具体地,自然语言处理可以采用多种方式,比如概率图模型、贝叶斯网络或马尔科夫模型等等。
步骤203,检测目标视频特征与视频特征集合中的视频特征的相似度。
在本实施例中,上述执行主体在得到了目标视频特征之后,可以检测目标视频特征与视频特征集合中的视频特征的相似度。在实践中,可以采用多种方式确定相似度。比如,视频特征的相似度可以基于视频特征之间的海明距离表示。此外,视频特征可以表示为多维空间中的坐标点,那么可以基于视频特征之间的欧氏距离表示相似度。具体地,距离越小,则相似度越大。
步骤204,若目标视频特征与视频特征集合中的、任意视频的视频特征的相似度大于或等于预设相似度阈值,则将目标视频确定为与视频特征集合关联的视频的重复视频。
在本实施例中,上述执行主体可以确定目标视频特征与视频特征集合中的、任意视频的视频特征的相似度。如果确定目标视频特征与任意的一个或多个视频的视频特征的相似度大于或等于预设相似度阈值,则可以将目标视频确定为与视频特征集合相关联的视频的重复视频。
在这里,视频特征集合包括多个视频中的每个视频所对应的视频特征。视频特征集合关联的视频为确定出视频特征集合中的视频特征的视频。
在本实施例的一些可选的实现方式中,上述方法还包括:
若目标视频特征与视频特征集合中的、各个视频的视频特征的相似度小于预设相似度阈值,将目标视频添加到预设视频库中;以及将目标视频的目标视频特征添加到视频特征集合中。
在这些可选的实现方式中,上述执行主体可以响应于确定上述目标视频特征与视频特征集合中的、各个视频的视频特征的相似度小于预设相似度阈值,则可以将目标视频入库。并且,可以对目标视频的目标视频特征做入库处理,即添加到视频特征集合中。需要说明的是,目标视频特征与视频特征集合中的、每个视频的视频特征的相似度均小于或等于预设相似度阈值,才能确定目标视频为重复视频。
需要说明的是,若相似度等于相似度阈值,在不同的情况下,可以确定目标视频为重复视频或者不为重复视频。影响上述情况的因素可以有很多种,比如,相似度阈值的大小,对所要确定的重复视频的数量的预期等等。
继续参见图3,图3是根据本实施例的信息处理重复视频检测方法的应用场景的一个示意图。在图3的应用场景中,执行主体301可以获取目标视频302,对目标视频进行视频描述,生成目标视频的视频描述语句303。对所生成的视频描述语句进行自然语言处理,得到目标视频的目标视频特征304。检测目标视频特征与视频特征集合中的视频特征305的相似度306。若目标视频特征与视频特征集合中的、任意视频的视频特征的相似度大于预设相似度阈值,则将目标视频确定为与视频特征集合关联的视频的重复视频307。
本申请的上述实施例提供的方法能够利用视频描述,准确地确定重复视频,避免视频的重复存储,进而可以更加合理地利用存储空间,避免存储空间的无效占用。
进一步参考图4,其示出了重复视频检测方法的又一个实施例的流程400。其中,图4所示的方法中,与图2所示方法相同或相似的内容,可以参考图2中的详细介绍,后续不再赘述。该重复视频检测方法的流程400,包括以下步骤:
步骤401,获取目标视频,对目标视频进行视频描述处理,生成目标视频的视频描述语句。
在本实施例中,重复视频检测方法的执行主体(例如图1所示的服务器或终端设备)可以获取目标视频,并对该目标视频进行视频描述处理,以生成该目标视频的视频描述语句。视频描述处理为利用视频描述技术,对视频的内容进行描述。视频描述语句为描述视频内容的语句,可以对视频进行概括和介绍。
步骤402,将所生成的视频描述语句输入词嵌入模型,得到所生成的视频描述语句的特征,将特征作为目标视频的目标视频特征。
在本实施例中,上述执行主体可以将生成的视频描述语句输入词嵌入(wordembeddings)模型,以得到视频描述语句的特征,并将所得到的特征作为目标视频的目标视频特征。词嵌入模型可以从文字中提取向量形式的特征,从而能够确定视频描述语句的特征。
在本实施例的一些可选的实现方式中,词嵌入模型可以通过以下方式训练得到:
获取预设的视频描述语句,以及预设的视频描述语句的特征;基于预设的视频描述语句与所对应的特征,训练初始词嵌入模型,得到词嵌入模型。
在这些可选的实现方式中,预设的视频描述语句可以是预先设置的用于训练的某个视频描述语句,也可以是预先设置的视频描述语句集合中的视频描述语句。词嵌入模型可以是能够进行机器学习的神经网络。初始词嵌入模型是有待于训练的词嵌入模型。上述执行主体可以使用初始词嵌入模型预测视频描述语句的特征,并确定预测到的特征与所获取的特征的损失值。之后,上述执行主体可以基于该损失值进行反向传播,以训练初始词嵌入模型,进而得到词嵌入模型。
步骤403,检测目标视频特征与视频特征集合中的视频特征的相似度。
在本实施例中,上述执行主体在得到了目标视频特征之后,可以确定目标视频特征与视频特征集合中的视频特征的相似度。具体地,可以采用多种方式确定相似度。
步骤404,若目标视频特征与视频特征集合中的、任意视频的视频特征的相似度大于或等于预设相似度阈值,则将目标视频确定为视频特征集合关联的视频的重复视频。
在本实施例中,上述执行主体可以确定目标视频特征与视频特征集合中的、任意视频的视频特征的相似度。如果确定目标视频特征与任意的一个或多个视频的视频特征的相似度大于或等于预设相似度阈值,则可以将目标视频确定为视频特征集合关联的视频的重复视频。
本实施例可以利用词嵌入模型,得到准确的目标视频特征,进而能够准确地确定出目标视频的重复视频。
在本申请的重复视频检测方法上述任一实施例的一些可选的实现方式中,在上述获取目标视频之后,该重复视频检测方法还包括以下步骤:
将目标视频分割为至少两个视频片段,其中,不同的视频片段对应目标视频的不同事件。
在这些可选的实现方式中,上述执行主体可以在目标视频包括至少两个视频片段的情况下,将目标视频分割为至少两个视频片段。一个视频的视频片段可以是该视频的一部分,也可以是该视频本身。这里的事件指一连串的行为。比如,一个视频可以包括两个事件,第一个事件是“一组运动员在篮球场上打篮球”,第二个事件是“一队拉拉队员在篮球场边欢呼”。第一个事件可以包含多个行为,比如可以包括行为“运动员甲运球”和行为“运动员甲传球”等等。
在实践中,上述执行主体可以采用多种方式将视频分割为视频片段。比如,上述执行主体可以利用预先训练的循环神经网络(Recurrent Neural Network,RNN)分割目标视频。在实践中,循环神经网络可以包括长短期记忆网络(Long Short-Term Memory,LSTM)。循环神经网络能够识别出视频中的各个事件,以基于各个事件所在的播放时间段对视频进行分割。
上述的循环神经网络用于按照时间顺序,将视频分割为视频片段。循环神经网络是一类以序列数据为输入,在序列的演进方向进行递归且所有循环单元链式连接形成闭合回路的递归神经网络(recursive neural network)。循环神经网络具有记忆性、参数共享并且图灵完备(Turing completeness),因此能以很高的效率对序列的非线性特征进行学习。长短期记忆网络是一种循环神经网络门控算法,其对应的循环单元包含三个门控:输入门、遗忘门和输出门。这三个门控在LSTM单元内对内部状态建立了自循环(self-loop)。
在这些实现方式的一些可选的应用场景中,对目标视频进行视频描述,生成目标视频的视频描述语句,包括:
对于目标视频的每个视频片段,将该视频片段输入视频描述生成模型,得到该视频片段的视频描述语句,其中,视频描述生成模型用于表征视频片段与视频描述语句的对应关系。
在这些可选的应用场景中,对于目标视频的每个视频片段,上述执行主体可以将该视频片段输入视频描述生成模型,以得到视频描述生成模型输出的该视频片段的视频描述语句。具体地,上述执行主体可以通过视频描述(video caption)技术,生成对视频的每个事件的描述。
在实践中,视频描述生成模型可以以多种形式存在。举例来说,视频描述生成模型可以是一个预先设置的对应关系表。比如对应关系表中的一组对应关系可以是视频片段中字幕出现多个地名和景物名称,视频描述语句则为风景介绍。视频描述生成模型还可以是神经网络,比如深度神经网络。
这些实现方式可以利用视频描述生成模型,准确地确定视频描述语句,从而增加确定重复视频的准确度。
在这些实现方式的一些可选的应用场景中,视频描述生成模型可以通过以下方式训练得到:
获取预设视频片段,以及预设视频片段所标注的视频描述语句;基于预设视频片段和所标注的视频描述语句,训练初始视频描述生成模型,得到视频描述生成模型。
在这些可选的应用场景中,预设视频片段为某个预先设置的视频片段,可以是预先设置的视频片段库中的视频片段。初始视频描述生成模型为有待于训练的视频描述生成模型。在视频描述生成模型为深度神经网络(比如卷积神经网络)的情况下,上述执行主体可以利用初始视频描述生成模型对预设视频片段预测得到视频描述语句。之后,确定预测得到的视频描述语句与所标注的视频描述语句之间的损失值,并利用该损失值进行反向传播,以训练初始视频描述生成模型。
这些可选的应用场景通过训练视频描述生成模型,可以使视频描述生成模型更加准确,从而得到准确的视频描述语句。
在这些实现方式的一些可选的应用场景中,上述将目标视频分割为至少两个视频片段,可以包括:
若目标视频的事件中,至少两个事件的发生时段存在重叠,则将目标视频分割为至少两个视频片段,其中,在所分割的视频片段中,至少两个视频片段存在重叠。
在这些可选的应用场景中,同一个视频中包括的至少两个事件的发生时段如果存在重叠,那么上述至少两个事件分别对应的视频片段之间则存在重叠。举例来说,事件一对应的第一个视频片段呈现A在唱歌,该事件的发生时段为1分50秒至1分59秒。事件二对应的第二个视频片段呈现B在跳舞,该事件的发生时段为1分56秒至2分07秒。第一个视频片段和第二个视频片之间的重叠部分在第一个视频片段的结尾和第二个视频片段的起始,重叠部分的画面中呈现A在唱歌和B在跳舞。重叠部分所对应的播放时间为1分56秒至1分59秒。
这些应用场景并没有限定不同的视频片段必须包含不同的播放时间,而是围绕事件分割视频片段。在视频片段存在重叠的情况下,基于事件进行视频分割所得到的视频片段更加准确,从而更进一步提高了确定重复视频的准确性。
这些实现方式基于事件对目标视频进行分割,所得到的视频片段更加准确。这样能够更准确地确定目标视频特征,避免了因为特征不准确造成的所确定的相似度低于实际相似度,从而能够不遗漏并且更准确地找到重复视频。
在本申请的重复视频检测方法上述任一实施例的一些可选的实现方式中,在上述确定目标视频特征与视频特征集合中的视频特征的相似度之前,该重复视频检测方法还包括以下步骤:
获取预设视频,将预设视频分割为至少两个视频片段,其中,视频特征集合关联的视频包括预设视频,不同的视频片段对应目标视频的不同事件;将预设视频的每个视频片段输入视频描述生成模型,得到该视频片段的视频描述语句,其中,视频描述生成模型用于表征视频片段与视频描述语句的对应关系;将预设视频的各个视频描述语句输入词嵌入模型,得到预设视频的视频特征;将预设视频的视频特征添加到视频特征集合。
在本实施例中,上述执行主体可以基于事件,将预设视频分割为至少两个视频片段。并将每个视频片段输入视频描述生成模型,以得到视频描述生成模型输出的视频片段的视频描述语句。之后,利用词嵌入模型确定视频特征,并将视频特征添加到视频特征集合中。利用本实施例的方式,可以将多个视频的视频特征添加到视频特征集合。
在这里,预设视频可以是预先设置的用于训练的某个视频,也可以是预先设置的视频集合中的视频。
本实施例通过视频描述生成模型和词嵌入模型,准确地确定出视频特征,进而得到准确的视频特征集合。这样,所得到的视频特征的相似度也能够更加准确。
作为对上述各图所示方法的实现,本申请提供了一种重复视频检测装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
本实施例的重复视频检测装置包括:获取单元、处理单元、相似度确定单元和重复视频确定单元。其中,获取单元,被配置成获取目标视频,对目标视频进行视频描述处理,生成目标视频的视频描述语句;处理单元,被配置成对所生成的视频描述语句进行自然语言处理,得到目标视频的目标视频特征;相似度确定单元,被配置成检测目标视频特征与视频特征集合中的视频特征的相似度;重复视频确定单元,被配置成若目标视频特征与视频特征集合中的、任意视频的视频特征的相似度大于或等于预设相似度阈值,则将目标视频确定为与视频特征集合关联的视频的重复视频。
在一些实施例中,获取单元可以获取目标视频,并对该目标视频进行视频描述,以生成该目标视频的视频描述语句。视频描述为利用视频描述技术,对视频的内容进行描述。
在一些实施例中,处理单元可以对所生成的视频描述语句进行自然语言处理,并将处理得到的特征作为目标视频的目标视频特征。视频特征可以体现视频的特点,以向量的形式存在。
在一些实施例中,相似度确定单元在得到了目标视频特征之后,可以确定目标视频特征与视频特征集合中的视频特征的相似度。在实践中,可以采用多种方式确定相似度。
在一些实施例中,重复视频确定单元可以确定目标视频特征与视频特征集合中的、任意视频的视频特征的相似度。如果确定目标视频特征与任意的一个或多个视频的视频特征的相似度大于预设相似度阈值,则可以将目标视频作为视频特征集合关联的视频的重复视频。
在本实施例的一些可选的实现方式中,装置还包括:第一添加单元,被配置成若所述目标视频特征与所述视频特征集合中的、各个视频的视频特征的相似度小于预设相似度阈值,则将所述目标视频添加到预设视频库中;第二添加单元,被配置成将目标视频的目标视频特征添加到视频特征集合中。
在本实施例的一些可选的实现方式中,处理单元进一步被配置成:将所生成的视频描述语句输入词嵌入模型,得到所生成的视频描述语句的特征,将特征作为目标视频的目标视频特征。
在本实施例的一些可选的实现方式中,词嵌入模型通过以下方式训练得到:获取预设的视频描述语句,以及预设的视频描述语句的特征;基于预设的视频描述语句与所对应的特征,训练初始词嵌入模型,得到词嵌入模型。
在本实施例的一些可选的实现方式中,装置还包括:分割单元,被配置成将目标视频分割为至少两个视频片段,其中,不同的视频片段对应目标视频的不同事件;以及获取单元进一步被配置成:对于目标视频的每个视频片段,将该视频片段输入视频描述生成模型,得到该视频片段的视频描述语句,其中,视频描述生成模型用于表征视频片段与视频描述语句的对应关系。
在本实施例的一些可选的实现方式中,分割单元进一步被配置成:若目标视频的事件中,至少两个事件的发生时段存在重叠,则将目标视频分割为至少两个视频片段,其中,在所分割的视频片段中,至少两个视频片段存在重叠。
在本实施例的一些可选的实现方式中,视频描述生成模型通过以下方式训练得到:获取预设视频片段,以及预设视频片段所标注的视频描述语句;基于预设视频片段和所标注的视频描述语句,训练初始视频描述生成模型,得到视频描述生成模型。
在本实施例的一些可选的实现方式中,装置还包括:获取单元,被配置成获取预设视频,将预设视频分割为至少两个视频片段,其中,视频特征集合关联的视频包括预设视频,不同的视频片段对应目标视频的不同事件;生成单元,被配置成将预设视频的每个视频片段输入视频描述生成模型,得到该视频片段的视频描述语句,其中,视频描述生成模型用于表征视频片段与视频描述语句的对应关系;输入单元,被配置成将预设视频的各个视频描述语句输入词嵌入模型,得到预设视频的视频特征;添加单元,被配置成将预设视频的视频特征添加到视频特征集合。
下面参考图5,其示出了适于用来实现本申请实施例的电子设备的计算机系统500的结构示意图。图5示出的电子设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图5所示,计算机系统500包括处理单元(例如CPU和/或GPU)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有系统500操作所需的各种程序和数据。处理单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
以下部件连接至I/O接口505:包括键盘、鼠标等的输入部分506;包括诸如阴极射线管(CRT)、液晶显示屏(LCD)等以及扬声器等的输出部分507;包括硬盘等的存储部分508;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器510上,以便于从其上读出的计算机程序根据需要被安装入存储部分508。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分509从网络上被下载和安装,和/或从可拆卸介质511被安装。在该计算机程序被处理单元501执行时,执行本申请的方法中限定的上述功能。需要说明的是,本申请的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括获取单元、处理单元、相似度确定单元和重复视频确定单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,获取单元还可以被描述为“获取目标视频的单元”。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的装置中所包含的;也可以是单独存在,而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该装置执行时,使得该装置:获取目标视频,对目标视频进行视频描述,生成目标视频的视频描述语句;对所生成的视频描述语句进行自然语言处理,得到目标视频的目标视频特征;确定目标视频特征与视频特征集合中的视频特征的相似度;响应于确定目标视频特征与视频特征集合中的、任意视频的视频特征的相似度大于预设相似度阈值,将目标视频作为视频特征集合关联的视频的重复视频。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (9)
1.一种重复视频检测方法,包括:
获取目标视频,对所述目标视频进行视频描述处理,生成所述目标视频的视频描述语句,其中,所述目标视频的视频片段与所述视频描述语句存在对应关系,不同的视频片段对应所述目标视频的不同事件;对所生成的视频描述语句进行自然语言处理,得到所述目标视频的目标视频特征,其中,所述目标视频特征为所述视频描述语句的向量形式的特征;
检测所述目标视频特征与视频特征集合中的视频特征的相似度;
若所述目标视频特征与所述视频特征集合中的、任意视频的视频特征的相似度大于或等于预设相似度阈值,则将所述目标视频确定为与所述视频特征集合关联的视频的重复视频;
其中,若所述目标视频特征与所述视频特征集合中的、各个视频的视频特征的相似度小于预设相似度阈值,则将所述目标视频添加到预设视频库中;以及
将所述目标视频的目标视频特征添加到所述视频特征集合中;
其中,所述目标视频的视频片段的生成步骤包括:
识别出所述目标视频中的各个事件,在各个事件的发生时段存在重叠的情况下,基于所述各个事件所在的播放时间段对所述目标视频进行分割。
2.根据权利要求1所述的方法,其特征在于,所述对所生成的视频描述语句进行自然语言处理,得到所述目标视频的目标视频特征,包括:
将所生成的视频描述语句输入词嵌入模型,得到所生成的视频描述语句的特征,将所述特征作为所述目标视频的目标视频特征。
3.根据权利要求2所述的方法,其特征在于,所述词嵌入模型通过以下方式训练得到:
获取预设的视频描述语句,以及所述预设的视频描述语句的特征;
基于所述预设的视频描述语句与所对应的特征,训练初始词嵌入模型,得到所述词嵌入模型。
4.根据权利要求1至3中任一项所述的方法,其特征在于,在所述获取目标视频之后,所述方法还包括:
将所述目标视频分割为至少两个视频片段;以及
所述对所述目标视频进行视频描述处理,生成所述目标视频的视频描述语句,包括:
对于所述目标视频的每个视频片段,将该视频片段输入视频描述生成模型,得到该视频片段的视频描述语句,其中,所述视频描述生成模型用于表征视频片段与视频描述语句的对应关系。
5.根据权利要求4所述的方法,其特征在于,所述将所述目标视频分割为至少两个视频片段,包括:
若所述目标视频的事件中,至少两个事件的发生时段存在重叠,则将所述目标视频分割为至少两个视频片段,其中,在所分割的视频片段中,所述至少两个视频片段存在重叠。
6.根据权利要求4所述的方法,其特征在于,所述视频描述生成模型通过以下方式训练得到:
获取预设视频片段,以及所述预设视频片段所标注的视频描述语句;
基于所述预设视频片段和所标注的视频描述语句,训练初始视频描述生成模型,得到所述视频描述生成模型。
7.根据权利要求1至3、5、6中任一项所述的方法,其特征在于,在所述确定所述目标视频特征与视频特征集合中的视频特征的相似度之前,所述方法还包括:
获取预设视频,将所述预设视频分割为至少两个视频片段,其中,所述视频特征集合关联的视频包括所述预设视频,不同的视频片段对应所述目标视频的不同事件;
将所述预设视频的每个视频片段输入视频描述生成模型,得到该视频片段的视频描述语句,其中,所述视频描述生成模型用于表征视频片段与视频描述语句的对应关系;
将所述预设视频的各个视频描述语句输入词嵌入模型,得到所述预设视频的视频特征;
将所述预设视频的视频特征添加到所述视频特征集合。
8.一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
9.一种计算机可读存储介质,其上存储有计算机程序,其中,该程序被处理器执行时实现如权利要求1-7中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811525006.5A CN109522451B (zh) | 2018-12-13 | 2018-12-13 | 重复视频检测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811525006.5A CN109522451B (zh) | 2018-12-13 | 2018-12-13 | 重复视频检测方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109522451A CN109522451A (zh) | 2019-03-26 |
CN109522451B true CN109522451B (zh) | 2024-02-27 |
Family
ID=65796524
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811525006.5A Active CN109522451B (zh) | 2018-12-13 | 2018-12-13 | 重复视频检测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109522451B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1636339A (zh) * | 2001-11-09 | 2005-07-06 | 皇家飞利浦电子股份有限公司 | 用于监视广播内容的系统 |
WO2008128143A2 (en) * | 2007-04-13 | 2008-10-23 | Ipharro Media, Gmbh | Video detection system and methods |
CN101303695A (zh) * | 2007-05-08 | 2008-11-12 | 讯连科技股份有限公司 | 用于处理运动视频的装置 |
CN102750339A (zh) * | 2012-06-05 | 2012-10-24 | 北京交通大学 | 一种基于视频重构的重复片段定位方法 |
CN102999640A (zh) * | 2013-01-09 | 2013-03-27 | 公安部第三研究所 | 基于语义推理和结构化描述的视频与图像检索系统及方法 |
CN105279495A (zh) * | 2015-10-23 | 2016-01-27 | 天津大学 | 一种基于深度学习和文本总结的视频描述方法 |
CN105894043A (zh) * | 2016-04-27 | 2016-08-24 | 上海高智科技发展有限公司 | 一种视频描述语句生成方法及系统 |
CN105893405A (zh) * | 2015-11-12 | 2016-08-24 | 乐视云计算有限公司 | 重复视频检测方法和系统 |
CN106934352A (zh) * | 2017-02-28 | 2017-07-07 | 华南理工大学 | 一种基于双路分形网络和lstm的视频描述方法 |
CN107707931A (zh) * | 2016-08-08 | 2018-02-16 | 阿里巴巴集团控股有限公司 | 根据视频数据生成解释数据、数据合成方法及装置、电子设备 |
CN108235017A (zh) * | 2016-12-21 | 2018-06-29 | 安讯士有限公司 | 用于检测事件的方法和装置 |
CN108694217A (zh) * | 2017-04-12 | 2018-10-23 | 合信息技术(北京)有限公司 | 视频的标签确定方法及装置 |
CN108960110A (zh) * | 2018-06-26 | 2018-12-07 | 北京字节跳动网络技术有限公司 | 用于生成信息的方法和装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8009193B2 (en) * | 2006-06-05 | 2011-08-30 | Fuji Xerox Co., Ltd. | Unusual event detection via collaborative video mining |
US20170083623A1 (en) * | 2015-09-21 | 2017-03-23 | Qualcomm Incorporated | Semantic multisensory embeddings for video search by text |
WO2017070656A1 (en) * | 2015-10-23 | 2017-04-27 | Hauptmann Alexander G | Video content retrieval system |
-
2018
- 2018-12-13 CN CN201811525006.5A patent/CN109522451B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1636339A (zh) * | 2001-11-09 | 2005-07-06 | 皇家飞利浦电子股份有限公司 | 用于监视广播内容的系统 |
WO2008128143A2 (en) * | 2007-04-13 | 2008-10-23 | Ipharro Media, Gmbh | Video detection system and methods |
CN101303695A (zh) * | 2007-05-08 | 2008-11-12 | 讯连科技股份有限公司 | 用于处理运动视频的装置 |
CN102750339A (zh) * | 2012-06-05 | 2012-10-24 | 北京交通大学 | 一种基于视频重构的重复片段定位方法 |
CN102999640A (zh) * | 2013-01-09 | 2013-03-27 | 公安部第三研究所 | 基于语义推理和结构化描述的视频与图像检索系统及方法 |
CN105279495A (zh) * | 2015-10-23 | 2016-01-27 | 天津大学 | 一种基于深度学习和文本总结的视频描述方法 |
CN105893405A (zh) * | 2015-11-12 | 2016-08-24 | 乐视云计算有限公司 | 重复视频检测方法和系统 |
CN105894043A (zh) * | 2016-04-27 | 2016-08-24 | 上海高智科技发展有限公司 | 一种视频描述语句生成方法及系统 |
CN107707931A (zh) * | 2016-08-08 | 2018-02-16 | 阿里巴巴集团控股有限公司 | 根据视频数据生成解释数据、数据合成方法及装置、电子设备 |
CN108235017A (zh) * | 2016-12-21 | 2018-06-29 | 安讯士有限公司 | 用于检测事件的方法和装置 |
CN106934352A (zh) * | 2017-02-28 | 2017-07-07 | 华南理工大学 | 一种基于双路分形网络和lstm的视频描述方法 |
CN108694217A (zh) * | 2017-04-12 | 2018-10-23 | 合信息技术(北京)有限公司 | 视频的标签确定方法及装置 |
CN108960110A (zh) * | 2018-06-26 | 2018-12-07 | 北京字节跳动网络技术有限公司 | 用于生成信息的方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109522451A (zh) | 2019-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110582025B (zh) | 用于处理视频的方法和装置 | |
US11409791B2 (en) | Joint heterogeneous language-vision embeddings for video tagging and search | |
CN109618236B (zh) | 视频评论处理方法和装置 | |
US10628486B2 (en) | Partitioning videos | |
CN108830235B (zh) | 用于生成信息的方法和装置 | |
CN111274815B (zh) | 用于挖掘文本中的实体关注点的方法和装置 | |
CN109165573B (zh) | 用于提取视频特征向量的方法和装置 | |
US20200034627A1 (en) | Object detection using spatio-temporal feature maps | |
CN109447156B (zh) | 用于生成模型的方法和装置 | |
CN109688428B (zh) | 视频评论生成方法和装置 | |
CN109034069B (zh) | 用于生成信息的方法和装置 | |
CN108960316B (zh) | 用于生成模型的方法和装置 | |
CN109829432B (zh) | 用于生成信息的方法和装置 | |
CN110234018B (zh) | 多媒体内容描述生成方法、训练方法、装置、设备及介质 | |
CN109829164B (zh) | 用于生成文本的方法和装置 | |
CN108121699B (zh) | 用于输出信息的方法和装置 | |
CN109857908B (zh) | 用于匹配视频的方法和装置 | |
CN109214501B (zh) | 用于识别信息的方法和装置 | |
CN110633423B (zh) | 目标账号识别方法、装置、设备及存储介质 | |
CN111915086A (zh) | 异常用户预测方法和设备 | |
CN111897950A (zh) | 用于生成信息的方法和装置 | |
CN112182255A (zh) | 用于存储媒体文件和用于检索媒体文件的方法和装置 | |
CN109829520B (zh) | 图像处理方法和装置 | |
CN109829431B (zh) | 用于生成信息的方法和装置 | |
CN116127925B (zh) | 基于对文本进行破坏处理的文本数据增强方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |