CN111708988B - 侵权视频识别方法、装置、电子设备及存储介质 - Google Patents

侵权视频识别方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN111708988B
CN111708988B CN202010414608.4A CN202010414608A CN111708988B CN 111708988 B CN111708988 B CN 111708988B CN 202010414608 A CN202010414608 A CN 202010414608A CN 111708988 B CN111708988 B CN 111708988B
Authority
CN
China
Prior art keywords
video
original
face
user
identified
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
Application number
CN202010414608.4A
Other languages
English (en)
Other versions
CN111708988A (zh
Inventor
张大虎
曹敏隆
段光磊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing QIYI Century Science and Technology Co Ltd
Original Assignee
Beijing QIYI Century Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing QIYI Century Science and Technology Co Ltd filed Critical Beijing QIYI Century Science and Technology Co Ltd
Priority to CN202010414608.4A priority Critical patent/CN111708988B/zh
Publication of CN111708988A publication Critical patent/CN111708988A/zh
Application granted granted Critical
Publication of CN111708988B publication Critical patent/CN111708988B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/10—Protecting distributed programs or content, e.g. vending or licensing of copyrighted material ; Digital rights management [DRM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/7837—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using objects detected or recognised in the video content
    • G06F16/784—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using objects detected or recognised in the video content the detected or recognised objects being people
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • 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
    • 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
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Library & Information Science (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Biophysics (AREA)
  • Computing Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Molecular Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Biomedical Technology (AREA)
  • Technology Law (AREA)
  • Computer Hardware Design (AREA)
  • Computer Security & Cryptography (AREA)
  • General Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本发明实施例提供了一种侵权视频识别方法、装置、电子设备及存储介质。侵权视频识别方法包括：确定待识别视频的用户是否为原创用户，以及待识别视频中是否包含人脸；在用户为非原创用户，且待识别视频中包含人脸时，将待识别视频的人脸特征与预设原创视频库中的原创人脸特征进行匹配，原创视频库中包括原创用户对应的原创人脸特征，以及所述原创用户上传的包含人脸的原创视频；在人脸特征匹配成功后，将待识别视频的图像特征与第一目标原创视频的图像特征进行匹配，第一目标原创视频为匹配成功的原创人脸特征对应的包含人脸的原创视频；在图像特征匹配成功后，确定待识别视频为侵权视频。本发明实施例能够提高识别侵权视频的效率和准确性。

Description

侵权视频识别方法、装置、电子设备及存储介质
技术领域
本发明涉及数据处理技术领域，特别是涉及一种侵权视频识别方法、装置、电子设备及存储介质。
背景技术
随着互联网的迅速发展，越来越多的人涌向自媒体行业。自媒体又称公民媒体或个人媒体，是指私人化、平民化、普泛化、自主化的传播者，以现代化、电子化的手段，向不特定的大多数或者特定的单个人传递规范性及非规范性信息的新媒体的总称。但是，目前自媒体行业中存在较为严重的原创视频被侵权的现象，导致创建原创视频的用户得不到保护。
目前一些视频网站具有识别侵权视频的功能。但是通常采用的识别侵权视频的方法为，将待识别视频与所有的原创视频进行匹配，以确定待识别视频是否侵权。但是，由于原创视频的数量巨大，因此匹配的次数巨大，导致识别效率较低。
发明内容
本发明实施例的目的在于提供一种侵权视频识别方法、装置、电子设备及存储介质，以提高识别侵权视频的效率。具体技术方案如下：
在本发明实施的第一方面，首先提供了一种侵权视频识别方法，包括：
确定待识别视频的用户是否为原创用户，以及所述待识别视频中是否包含人脸；
在所述用户为非原创用户，且所述待识别视频中包含人脸时，将所述待识别视频的人脸特征与预设原创视频库中的原创人脸特征进行匹配；所述原创视频库中包括原创用户对应的原创人脸特征，以及所述原创用户上传的包含人脸的原创视频；
在人脸特征匹配成功后，将所述待识别视频的图像特征与第一目标原创视频的图像特征进行匹配；所述第一目标原创视频为匹配成功的原创人脸特征对应的包含人脸的原创视频；
在图像特征匹配成功后，确定所述待识别视频为侵权视频。
可选地，所述原创视频库中还包括所述原创用户上传的未包含人脸的原创视频；在所述确定待识别视频的用户是否为原创用户，以及所述待识别视频中是否包含人脸之后，还包括：在所述用户为非原创用户，且所述待识别视频中未包含人脸时，将所述待识别视频的图像特征与第二目标原创视频的图像特征进行匹配；所述第二目标原创视频为所述原创视频库中未包含人脸的原创视频；在图像特征匹配成功后，确定所述待识别视频为侵权视频。
可选地，所述原创视频库通过如下方式得到：针对原创用户上传的每个原创视频，确定所述原创视频中是否包含人脸；针对每个包含人脸的原创视频，提取所述包含人脸的原创视频的人脸特征；将出现次数最多且出现概率超过预设阈值的人脸特征，作为所述原创用户对应的原创人脸特征；将所述原创用户对应的原创人脸特征、所述原创用户上传的包含人脸的原创视频，以及所述原创用户上传的未包含人脸的原创视频存储至所述原创视频库。
可选地，在所述确定待识别视频的用户是否为原创用户，以及所述待识别视频中是否包含人脸之后，还包括：在所述用户为原创用户时，确定所述待识别视频为非侵权视频；在所述用户为原创用户，且所述待识别视频中包含人脸时，将所述待识别视频作为所述用户对应的包含人脸的原创视频添加至所述原创视频库中，并依据所述待识别视频的人脸特征，更新所述原创视频库中所述用户上传的原创人脸特征；在所述用户为原创用户，且所述待识别视频中未包含人脸时，将所述待识别视频作为所述用户上传的未包含人脸的原创视频添加至所述原创视频库中。
在本发明实施的第二方面，还提供了一种侵权视频识别装置，包括：
第一确定模块，用于确定待识别视频的用户是否为原创用户，以及所述待识别视频中是否包含人脸；
第一匹配模块，用于在所述用户为非原创用户，且所述待识别视频中包含人脸时，将所述待识别视频的人脸特征与预设原创视频库中的原创人脸特征进行匹配；所述原创视频库中包括原创用户对应的原创人脸特征，以及所述原创用户上传的包含人脸的原创视频；
第二匹配模块，用于在所述第一匹配模块人脸特征匹配成功后，将所述待识别视频的图像特征与第一目标原创视频的图像特征进行匹配；所述第一目标原创视频为匹配成功的原创人脸特征对应的包含人脸的原创视频；
第二确定模块，用于在所述第二匹配模块图像特征匹配成功后，确定所述待识别视频为侵权视频。
可选地，所述原创视频库中还包括所述原创用户上传的未包含人脸的原创视频；所述装置还包括：第三匹配模块，用于在所述用户为非原创用户，且所述待识别视频中未包含人脸时，将所述待识别视频的图像特征与第二目标原创视频的图像特征进行匹配；所述第二目标原创视频为所述原创视频库中未包含人脸的原创视频；第三确定模块，用于在所述第三匹配模块图像特征匹配成功后，确定所述待识别视频为侵权视频。
可选地，所述原创视频库通过如下模块得到：第四确定模块，用于针对原创用户上传的每个原创视频，确定所述原创视频中是否包含人脸；提取模块，用于针对每个包含人脸的原创视频，提取所述包含人脸的原创视频的人脸特征；第五确定模块，用于将出现次数最多且出现概率超过预设阈值的人脸特征，作为所述原创用户对应的原创人脸特征；存储模块，用于将所述原创用户对应的原创人脸特征、所述原创用户上传的包含人脸的原创视频，以及所述原创用户上传的未包含人脸的原创视频存储至所述原创视频库。
可选地，所述装置还包括：第六确定模块，用于在所述用户为原创用户时，确定所述待识别视频为非侵权视频；第一更新模块，用于在所述用户为原创用户，且所述待识别视频中包含人脸时，将所述待识别视频作为所述用户上传的包含人脸的原创视频添加至所述原创视频库中，并依据所述待识别视频的人脸特征，更新所述原创视频库中所述用户对应的原创人脸特征；第二更新模块，用于在所述用户为原创用户，且所述待识别视频中未包含人脸时，将所述待识别视频作为所述用户上传的未包含人脸的原创视频添加至所述原创视频库中。
在本发明实施的又一方面，还提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；存储器，用于存放计算机程序；处理器，用于执行存储器上所存放的程序时，实现上述任一所述的侵权视频识别方法。
在本发明实施的又一方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述任一所述的侵权视频识别方法。
在本发明实施的又一方面，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述任一所述的侵权视频识别方法。
本发明实施例提供的侵权视频识别方法、装置、电子设备及存储介质，通过确定待识别视频的用户是否为原创用户，以及所述待识别视频中是否包含人脸；在所述用户为非原创用户，且所述待识别视频中包含人脸时，将所述待识别视频的人脸特征与预设原创视频库中的原创人脸特征进行匹配，所述原创视频库中包括原创用户对应的原创人脸特征以及所述原创用户上传的包含人脸的原创视频；在人脸特征匹配成功后，将所述待识别视频的图像特征与第一目标原创视频的图像特征进行匹配，所述第一目标原创视频为匹配成功的原创人脸特征对应的包含人脸的原创视频；在图像特征匹配成功后，确定所述待识别视频为侵权视频。由此可知，本发明实施例中，对于非原创用户的待识别视频，如果其中包含人脸，则将其与原创用户对应的原创人脸特征进行匹配，匹配成功后再将其与匹配成功的原创人脸特征对应的包含人脸的原创视频进行匹配，从而确定是否为侵权视频。一方面，相比于与全部原创用户的原创视频进行匹配来说，匹配次数大量减少，因此能够提高识别侵权视频的效率；另一方面，通过人脸特征匹配，能够避免由于对侵权视频进行修复等操作导致无法根据图像特征准确识别出侵权视频的情况，提高识别侵权视频的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。
图1为本发明实施例中的一种侵权视频识别方法的步骤流程图。
图2为本发明实施例中的一种原创视频库生成方法的步骤流程图。
图3为本发明实施例中的另一种侵权视频识别方法的步骤流程图。
图4为本发明实施例中的一种侵权视频识别装置的结构框图。
图5为本发明实施例中的另一种侵权视频识别装置的结构框图。
图6为本发明实施例中的一种电子设备的结构框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行描述。
考虑到目前大多原创视频都有真人出镜的情况，优质原创用户的真人出镜几乎占到50％以上，而对于一些Vlog(video blog或video log，意思是视频博客、视频网络日志)等频道的视频，真人出镜几乎占到90％以上。基于此，可以通过人脸识别的方法，对原创用户的所有原创视频进行扫描，识别出此原创用户的原创人脸特征(比如用户画像)。在对待识别视频进行识别时，将待识别视频的人脸特征与原创用户的原创人脸特征进行匹配，匹配成功的待识别视频再与此原创用户的包含人脸的原创视频进行匹配，从而确定待识别视频是否为侵权视频。该种方式能够大大减少匹配次数，加快识别侵权视频速度。
参照图1，示出了本发明实施例中的一种侵权视频识别方法的步骤流程图。本发明实施例的侵权视频识别方法可以应用于提供视频处理服务的服务器中，比如视频网站的服务器等。
如图1所示，本发明实施例中的侵权视频识别方法可以包括以下步骤：
步骤101，确定待识别视频的用户是否为原创用户，以及所述待识别视频中是否包含人脸。
待识别视频是指需要被识别其是否侵权的视频，比如各种自媒体视频、广告视频等均可以作为待识别视频。待识别视频可以为客户端实时上传的视频，也可以为历史上传但还未识别的视频。客户端在上传视频时，会携带上传该视频的用户信息，比如用户标识等信息。
服务器针对一个待识别视频，确定该待识别视频的用户是否为原创用户，以及确定该待识别视频中是否包含人脸。比如，可以基于预先存储的原创用户的用户标识，确定该待识别视频的用户是否为原创用户。可以通过人脸检测的方式，确定该待识别视频中是否包含人脸。对于具体的确定过程，将在下面的实施例中详细介绍。
步骤102，在所述用户为非原创用户，且所述待识别视频中包含人脸时，将所述待识别视频的人脸特征与预设原创视频库中的原创人脸特征进行匹配。
本发明实施例中，可以预先对原创用户的原创视频进行相应处理，确定各原创用户上传的原创视频中哪些为包含人脸的原创视频，哪些为未包含人脸的原创视频，并依据包含人脸的原创视频确定原创用户的原创人脸特征。将各原创用户对应的原创人脸特征、该原创用户上传的包含人脸的原创视频，以及该原创用户上传的未包含人脸的原创视频存储至原创视频库中。
服务器在确定出待识别视频的用户为非原创用户，且待识别视频中包含人脸时，将待识别视频的人脸特征与原创视频库中的原创人脸特征进行匹配，确定是否存在与待识别视频的人脸特征相匹配的原创人脸特征。
步骤103，在人脸特征匹配成功后，将所述待识别视频的图像特征与第一目标原创视频的图像特征进行匹配。
如果原创视频库中存在与待识别视频的人脸特征相匹配的原创人脸特征，也即人脸特征匹配成功，则可以认为该待识别视频有可能会对匹配成功的原创人脸特征对应的，包含人脸的原创视频造成侵权，还需进一步进行内容匹配。因此，服务器在步骤102中人脸特征匹配成功后，将匹配成功的原创人脸特征对应的包含人脸的原创视频作为第一目标原创视频，并将待识别视频的图像特征与第一目标原创视频的图像特征进行匹配。如果原创视频库中不存在与待识别视频的人脸特征相匹配的原创人脸特征，也即人脸特征匹配失败，则可以认为该待识别视频为非侵权视频，因此无需再继续判断。
步骤104，在图像特征匹配成功后，确定所述待识别视频为侵权视频。
如果第一目标原创视频中存在与待识别视频的图像特征相匹配的原创视频，也即图像特征匹配成功，则可以认为待识别视频对与待识别视频的图像特征相匹配的原创视频造成侵权。因此服务器在步骤103中图像特征匹配成功后，可以确定待识别视频为侵权视频。如果第一目标原创视频中不存在与待识别视频的图像特征相匹配的原创视频，也即图像特征匹配失败，则可以认为该待识别视频为非侵权视频。
本发明实施例中，一方面，相比于与全部原创用户的原创视频进行匹配来说，匹配次数大量减少，因此能够提高识别侵权视频的效率；另一方面，通过人脸特征匹配，能够避免由于对侵权视频进行修复等操作导致无法根据图像特征准确识别出侵权视频的情况，提高识别侵权视频的准确性。
参照图2，示出了本发明实施例中的一种原创视频库生成方法的步骤流程图。
如图2所示，本发明实施例中的原创视频库生成方法可以包括以下步骤：
步骤201，针对原创用户上传的每个原创视频，确定所述原创视频中是否包含人脸。
本发明实施例中，针对原创用户上传的每个原创视频，对该原创视频随机取帧，或者按照预设的帧间隔取帧。对取出的每个原创视频帧进行人脸检测，确定该原创视频帧中是否包含人脸。如果至少一个原创视频帧中包含人脸，则确定所述原创视频中包含人脸。
人脸检测，即检测出图像中存在的人脸，并把它的位置准确地框出来。比如，可以采用单个CNN(Convolutional Neural Network，卷积神经网络)人脸检测方法、级联CNN人脸检测方法、OpenCV人脸检测方法，等等。比如，采用MTCNN(多任务级联卷积神经网络)进行人脸检测。MTCNN由三个部分组成，P-Net(proposal Network，建议网络)，R-Net(refineNetwork，精炼网络)，O-Net(output Network，输入输出网络)。这三个部分是相互独立的三个网络结构，相互串联的关系。每个阶段的网络都是一个多任务网络，处理的任务有三个：人脸/非人脸的判断、人脸框回归、特征点定位。对于人脸检测的具体过程，本发明实施例在此不再详细论述。
步骤202，针对每个包含人脸的原创视频，提取所述包含人脸的原创视频的人脸特征。
针对一个包含人脸的原创视频来说，对从该包含人脸的原创视频中取出的每个包含人脸的原创视频帧进行人脸识别，提取各原创视频帧中的人脸特征。将出现次数最多的人脸特征作为该包含人脸的原创视频的人脸特征。
比如，可以利用具有人脸识别功能的卷积神经网络模型对包含人脸的原创视频帧进行人脸识别，提取其中的人脸特征。卷积神经网络可以包括卷积层、全连接层等，其中卷积层可以用于提取特征，全连接层可以用于对提取的特征进行分类。因此，可以将包含人脸的原创视频帧输入预设的卷积神经网络模型，将该卷积神经网络模型的最后一层卷积层输出的人脸特征作为该包含人脸的原创视频帧的人脸特征。对于人脸识别的具体过程，本发明实施例在此不再详细论述。
步骤203，将出现次数最多且出现概率超过预设阈值的人脸特征作为所述原创用户对应的原创人脸特征。
针对一个原创用户的全部原创视频，统计其中包含人脸的原创视频中的同一人脸特征出现的次数，并计算该人脸特征出现的概率。其中出现的概率可以为该人脸特征出现的次数除以全部原创视频的数量得到的比值。
将出现次数最多且出现概率超过预设阈值的人脸特征作为所述原创用户对应的原创人脸特征。对于上述预设阈值，本领域技术人员可以根据实际经验设置任意适用的数值。在实现中，可以根据目前原创用户在该原创用户上传的原创视频中的普遍出镜率等参数设置该阈值，比如设置预设阈值为30％、40％、50％，等等，本发明实施例对此不做限制。
步骤204，将所述原创用户对应的原创人脸特征、所述原创用户上传的包含人脸的原创视频，以及所述原创用户上传的未包含人脸的原创视频存储至所述原创视频库。
通过上述过程，针对每个原创用户，可以得到该原创用户上传的原创视频中哪些为包含人脸的原创视频，哪些为未包含人脸的原创视频，并依据包含人脸的原创视频确定原创用户的原创人脸特征。将各原创用户对应的原创人脸特征、该原创用户上传的包含人脸的原创视频，以及该原创用户上传的未包含人脸的原创视频存储至原创视频库中。比如，在原创视频库中创建原创用户对应的用户画像表，将原创用户的原创人脸特征存储至该用户的用户画像表(ORIGINAL_USER表)中。
图3为本发明实施例中的另一种侵权视频识别方法的步骤流程图。
本发明实施例中的侵权视频识别方法可以包括以下步骤：
步骤301，获取待识别视频。
步骤302，判断待识别视频的用户是否为原创用户。若是，则执行步骤312；若否，则执行步骤303。
原创视频库中存储有原创用户的用户标识，用户上传待识别视频时携带待识别视频的用户标识。因此，将待识别视频的用户标识与原创视频库中存储的用户标识进行匹配。如果原创视频库中存在待识别视频的用户标识，则确定待识别视频的用户为原创用户；否则，确定待识别视频的用户为非原创用户。
步骤303，判断待识别视频中是否包含人脸。若是，则执行步骤304；若否，则执行步骤309。
如果步骤302中判断出待识别视频的用户为非原创用户，则判断待识别视频中是否包含人脸。本发明实施例中，可以对待识别视频随机取帧，或者按照预设的帧间隔取帧。对取出的每个待识别视频帧进行人脸检测，确定该待识别视频帧中是否包含人脸。如果至少一个待识别视频帧中包含人脸，则确定所述待识别视频中包含人脸；否则，确定待识别视频中未包含人脸。
步骤304，判断人脸是否侵权。若是，则执行步骤305；若否，则执行步骤308。
如果步骤302中判断出待识别视频的用户为非原创用户，且步骤303中判断出待识别视频中包含人脸，则判断人脸是否侵权。本发明实施例中，对从包含人脸的待识别视频中取出的每个包含人脸的待识别视频帧进行人脸识别，提取各待识别视频帧中的人脸特征。将提取出的至少一种人脸特征或者出现次数最多的人脸特征作为待识别视频的人脸特征。将待识别视频的人脸特征与原创视频库中的原创人脸特征进行匹配。如果人脸特征匹配成功，则确定人脸侵权；如果人脸特征匹配失败，则确定人脸不侵权。
一种可选地匹配方式为，计算待识别视频的人脸特征与原创视频库中的各原创人脸特征的相似度。当相似度大于预设的相似度阈值时，可以确定人脸特征匹配成功，否则确定人脸特征匹配失败。
人脸特征的相似度可以基于人脸特征之间的余弦距离衡量。余弦距离是用向量空间中两个向量夹角的余弦值作为衡量两个个体间差异的大小的度量，两个特征向量之间的余弦距离越小，两个特征向量的相似度越大。因此，如果用余弦距离衡量相似度，则可以设定距离阈值，当人脸特征之间的余弦距离小于该距离阈值时，确定人脸特征的相似度大于相似度阈值。当然，还可以通过人脸特征之间的欧氏距离、马氏距离等衡量人脸特征相似度，本发明实施例对此不做限制。
步骤305，与包含人脸的原创视频匹配，判断视频是否侵权。若是，则执行步骤306；若否，则执行步骤307。
如果步骤304中判断出待识别视频中包含的人脸侵权，则将匹配成功的原创人脸特征对应的包含人脸的原创视频作为第一目标原创视频，将待识别视频与第一目标原创视频进行匹配，判断视频是否侵权。
本发明实施例中，分别提取待识别视频的图像特征及各第一目标原创视频的图像特征。比如，可以分别对待识别视频及各第一目标原创视频随机取帧，或者按照预设的帧间隔取帧。对从待识别视频中取出的待识别视频帧进行图像特征提取，得到各待识别视频帧的图像特征。对从第一目标原创视频中取出的第一目标原创视频帧进行图像特征提取，得到第一目标原创视频帧的图像特征。比如，可以利用具有图像特征提取功能的卷积神经网络模型对待识别视频帧及第一目标原创视频帧进行图像特征提取。对于图像特征提取的具体过程，本发明实施例在此不再详细论述。
将待识别视频帧的图像特征与第一目标原创视频帧的图像特征匹配。如果图像特征匹配成功，则确定视频侵权；如果图像特征匹配失败，则确定视频不侵权。一种可选地匹配方式为，计算待识别视频帧的图像特征与第一目标原创视频帧的图像特征的相似度。其中，针对每两个视频帧可以计算得到一个相似度，因此可以得到多个相似度。当至少一个相似度大于预设的相似度阈值时，可以确定图像特征匹配成功，否则确定图像特征匹配失败。与上述人脸特征的相似度类似，图像特征的相似度可以基于图像特征之间的余弦距离、欧氏距离、马氏距离等衡量，本发明实施例对此不做限制。
步骤306，将待识别视频标记为侵权视频。
如果步骤305中判断出视频侵权，则将待识别视频标记为侵权视频。
步骤307，将待识别视频标记为非侵权视频。
如果步骤305中判断出视频不侵权，则将待识别视频标记为非侵权视频。
步骤308，将待识别视频标记为非侵权视频。
如果步骤304中判断出待识别视频中包含的人脸不侵权，则将待识别视频标记为非侵权视频。
步骤309，与未包含人脸的原创视频匹配，判断视频是否侵权。若是，则执行步骤310；若否，则执行步骤311。
如果步骤302中判断出待识别视频的用户为非原创用户，且步骤303中判断出待识别视频中未包含人脸，则将原创视频库中未包含人脸的原创视频作为第二目标原创视频，将待识别视频与第二目标原创视频进行匹配，判断视频是否侵权。
本发明实施例中，分别提取待识别视频的图像特征及各第二目标原创视频的图像特征。比如，可以分别对待识别视频及各第二目标原创视频随机取帧，或者按照预设的帧间隔取帧。对从待识别视频中取出的待识别视频帧进行图像特征提取，得到各待识别视频帧的图像特征。对从第二目标原创视频中取出的第二目标原创视频帧进行图像特征提取，得到第二目标原创视频帧的图像特征。
将待识别视频帧的图像特征与第二目标原创视频帧的图像特征匹配。如果图像特征匹配成功，则确定视频侵权；如果图像特征匹配失败，则确定视频不侵权。一种可选地匹配方式为，计算待识别视频帧的图像特征与第二目标原创视频帧的图像特征的相似度。其中，针对每两个视频帧可以计算得到一个相似度，因此可以得到多个相似度。当至少一个相似度大于预设的相似度阈值时，可以确定图像特征匹配成功，否则确定图像特征匹配失败。
本发明实施例中，对于非原创用户且未包含人脸的待识别视频，可以仅将其与原创视频库中未包含人脸的原创视频进行匹配，相比于现有技术中与全部原创视频进行匹配的方式来说，能够降低匹配次数，提高识别效率。
步骤310，将待识别视频标记为侵权视频。
如果步骤309中判断出视频侵权，则将待识别视频标记为侵权视频。
步骤311，将待识别视频标记为非侵权视频。
如果步骤309中判断出视频不侵权，则将待识别视频标记为非侵权视频。
如果非原创用户上传的视频中，侵权视频的占比达到预设占比阈值，则将该非原创用户标记为侵权用户，侵权用户上传的视频不会被平台推荐。对于此处的预设占比阈值，本领域技术人员可以根据实际经验设置任意适用的数值。在实现中，可以根据目前侵权用户的视频中，侵权视频的普遍占比等参数设置该占比阈值，比如设置占比阈值为60％、70％、80％，等等，本发明实施例对此不做限制。
步骤312，将待识别视频标记为非侵权视频，并判断待识别视频中是否包含人脸。若是，则执行步骤313；若否，则执行步骤314。
如果步骤302中判断出待识别视频的用户为原创用户，则可以直接确定待识别视频为非侵权视频，并判断待识别视频中是否包含人脸，以便对原创视频库进行更新。该步骤中判断待识别视频中是否包含人脸的过程与步骤303相同，具体参照上述步骤303的相关说明即可。
步骤313，更新原创人脸特征和包含人脸的原创视频。
如果步骤312中判断出待识别视频中包含人脸，则将待识别视频作为该待识别视频的用户上传的包含人脸的原创视频，添加至所述原创视频库中。并且依据所述待识别视频的人脸特征，更新所述原创视频库中所述待识别视频的用户对应的原创人脸特征。
在更新原创人脸特征时，可以重新统计所述待识别视频的用户对应的包含人脸的原创视频中，各人脸特征的出现次数及出现概率，依据重新统计的出现次数和出现概率，重新确定所述待识别视频的用户对应的原创人脸特征。具体参照上述图2对应的实施例中的相关说明即可。
步骤314，更新未包含人脸的原创视频。
如果步骤312中判断出待识别视频中未包含人脸，则将所述待识别视频作为所述待识别视频的用户上传的未包含人脸的原创视频，添加至所述原创视频库中。
本发明实施例中，对于原创用户的待识别视频，利用其对原创视频库进行更新，从而保证原创视频库的准确性。
图4为本发明实施例中的一种侵权视频识别装置的结构框图。
本发明实施例中的侵权视频识别装置可以包括以下模块：
第一确定模块401，用于确定待识别视频的用户是否为原创用户，以及所述待识别视频中是否包含人脸；
第一匹配模块402，用于在所述用户为非原创用户，且所述待识别视频中包含人脸时，将所述待识别视频的人脸特征与预设原创视频库中的原创人脸特征进行匹配；所述原创视频库中包括原创用户对应的原创人脸特征，以及所述原创用户上传的包含人脸的原创视频；
第二匹配模块403，用于在所述第一匹配模块人脸特征匹配成功后，将所述待识别视频的图像特征与第一目标原创视频的图像特征进行匹配；所述第一目标原创视频为匹配成功的原创人脸特征对应的包含人脸的原创视频；
第二确定模块404，用于在所述第二匹配模块图像特征匹配成功后，确定所述待识别视频为侵权视频。
本发明实施例中，一方面，相比于与全部原创用户的原创视频进行匹配来说，匹配次数大量减少，因此能够提高识别侵权视频的效率；另一方面，通过人脸特征匹配，能够避免由于对侵权视频进行修复等操作导致无法根据图像特征准确识别出侵权视频的情况，提高识别侵权视频的准确性。
图5为本发明实施例中的另一种侵权视频识别装置的结构框图。
本发明实施例中的侵权视频识别装置可以包括以下模块：
第一确定模块501，用于确定待识别视频的用户是否为原创用户，以及所述待识别视频中是否包含人脸；
第一匹配模块502，用于在所述用户为非原创用户，且所述待识别视频中包含人脸时，将所述待识别视频的人脸特征与预设原创视频库中的原创人脸特征进行匹配；所述原创视频库中包括原创用户对应的原创人脸特征，以及所述原创用户上传的包含人脸的原创视频；
第二匹配模块503，用于在所述第一匹配模块人脸特征匹配成功后，将所述待识别视频的图像特征与第一目标原创视频的图像特征进行匹配；所述第一目标原创视频为匹配成功的原创人脸特征对应的包含人脸的原创视频；
第二确定模块504，用于在所述第二匹配模块图像特征匹配成功后，确定所述待识别视频为侵权视频。
可选地，所述原创视频库中还包括所述原创用户上传的未包含人脸的原创视频；所述装置还包括：第三匹配模块505，用于在所述用户为非原创用户，且所述待识别视频中未包含人脸时，将所述待识别视频的图像特征与第二目标原创视频的图像特征进行匹配；所述第二目标原创视频为所述原创视频库中未包含人脸的原创视频；第三确定模块506，用于在所述第三匹配模块图像特征匹配成功后，确定所述待识别视频为侵权视频。
可选地，所述装置还包括：第六确定模块507，用于在所述用户为原创用户时，确定所述待识别视频为非侵权视频；第一更新模块508，用于在所述用户为原创用户，且所述待识别视频中包含人脸时，将所述待识别视频作为所述用户上传的包含人脸的原创视频添加至所述原创视频库中，并依据所述待识别视频的人脸特征，更新所述原创视频库中所述用户对应的原创人脸特征；第二更新模块509，用于在所述用户为原创用户，且所述待识别视频中未包含人脸时，将所述待识别视频作为所述用户上传的未包含人脸的原创视频添加至所述原创视频库中。
可选地，所述原创视频库通过如下模块得到：第四确定模块，用于针对原创用户上传的每个原创视频，确定所述原创视频中是否包含人脸；提取模块，用于针对每个包含人脸的原创视频，提取所述包含人脸的原创视频的人脸特征；第五确定模块，用于将出现次数最多且出现概率超过预设阈值的人脸特征，作为所述原创用户对应的原创人脸特征；存储模块，用于将所述原创用户对应的原创人脸特征、所述原创用户上传的包含人脸的原创视频，以及所述原创用户上传的未包含人脸的原创视频存储至所述原创视频库。
本发明实施例中，对于非原创用户的待识别视频，能够提高识别侵权视频的效率及准确性。对于原创用户的待识别视频，利用其对原创视频库进行更新，能够保证原创视频库的准确性。
本发明实施例还提供了一种电子设备，如图6所示，包括处理器601、通信接口602、存储器603和通信总线604，其中，处理器601，通信接口602，存储器603通过通信总线604完成相互间的通信。
存储器603，用于存放计算机程序；
处理器601，用于执行存储器603上所存放的程序时，实现如下步骤：
确定待识别视频的用户是否为原创用户，以及所述待识别视频中是否包含人脸；
在所述用户为非原创用户，且所述待识别视频中包含人脸时，将所述待识别视频的人脸特征与预设原创视频库中的原创人脸特征进行匹配；所述原创视频库中包括原创用户对应的原创人脸特征，以及所述原创用户上传的包含人脸的原创视频；
在人脸特征匹配成功后，将所述待识别视频的图像特征与第一目标原创视频的图像特征进行匹配；所述第一目标原创视频为匹配成功的原创人脸特征对应的包含人脸的原创视频；
在图像特征匹配成功后，确定所述待识别视频为侵权视频。
可选地，所述原创视频库中还包括所述原创用户上传的未包含人脸的原创视频；在所述确定待识别视频的用户是否为原创用户，以及所述待识别视频中是否包含人脸之后，还包括：在所述用户为非原创用户，且所述待识别视频中未包含人脸时，将所述待识别视频的图像特征与第二目标原创视频的图像特征进行匹配；所述第二目标原创视频为所述原创视频库中未包含人脸的原创视频；在图像特征匹配成功后，确定所述待识别视频为侵权视频。
可选地，所述原创视频库通过如下方式得到：针对原创用户上传的每个原创视频，确定所述原创视频中是否包含人脸；针对每个包含人脸的原创视频，提取所述包含人脸的原创视频的人脸特征；将出现次数最多且出现概率超过预设阈值的人脸特征，作为所述原创用户对应的原创人脸特征；将所述原创用户对应的原创人脸特征、所述原创用户上传的包含人脸的原创视频，以及所述原创用户上传的未包含人脸的原创视频存储至所述原创视频库。
可选地，在所述确定待识别视频的用户是否为原创用户，以及所述待识别视频中是否包含人脸之后，还包括：在所述用户为原创用户时，确定所述待识别视频为非侵权视频；在所述用户为原创用户，且所述待识别视频中包含人脸时，将所述待识别视频作为所述用户上传的包含人脸的原创视频添加至所述原创视频库中，并依据所述待识别视频的人脸特征，更新所述原创视频库中所述用户对应的原创人脸特征；在所述待识别视频中未包含人脸时，将所述待识别视频作为所述用户上传的未包含人脸的原创视频添加至所述原创视频库中。
上述终端提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，简称EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述终端与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory，简称RAM)，也可以包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field－Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述实施例中任一所述的侵权视频识别方法。
在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一所述的侵权视频识别方法。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (10)

1.一种侵权视频识别方法，其特征在于，包括：
确定待识别视频的用户是否为原创用户，以及所述待识别视频中是否包含人脸；
在所述用户为非原创用户，且所述待识别视频中包含人脸时，将所述待识别视频的人脸特征与预设原创视频库中的原创人脸特征进行匹配；所述原创视频库中包括原创用户对应的原创人脸特征，以及所述原创用户上传的包含人脸的原创视频；
在人脸特征匹配成功后，将所述待识别视频的图像特征与第一目标原创视频的图像特征进行匹配；所述第一目标原创视频为匹配成功的原创人脸特征对应的包含人脸的原创视频；
在图像特征匹配成功后，确定所述待识别视频为侵权视频。
2.根据权利要求1所述的方法，其特征在于，所述原创视频库中还包括所述原创用户上传的未包含人脸的原创视频；在所述确定待识别视频的用户是否为原创用户，以及所述待识别视频中是否包含人脸之后，还包括：
在所述用户为非原创用户，且所述待识别视频中未包含人脸时，将所述待识别视频的图像特征与第二目标原创视频的图像特征进行匹配；所述第二目标原创视频为所述原创视频库中未包含人脸的原创视频；
在图像特征匹配成功后，确定所述待识别视频为侵权视频。
3.根据权利要求2所述的方法，其特征在于，所述原创视频库通过如下方式得到：
针对原创用户上传的每个原创视频，确定所述原创视频中是否包含人脸；
针对每个包含人脸的原创视频，提取所述包含人脸的原创视频的人脸特征；
将出现次数最多且出现概率超过预设阈值的人脸特征，作为所述原创用户对应的原创人脸特征；
将所述原创用户对应的原创人脸特征、所述原创用户上传的包含人脸的原创视频，以及所述原创用户上传的未包含人脸的原创视频存储至所述原创视频库。
4.根据权利要求2或3所述的方法，其特征在于，在所述确定待识别视频的用户是否为原创用户，以及所述待识别视频中是否包含人脸之后，还包括：
在所述用户为原创用户时，确定所述待识别视频为非侵权视频；
在所述用户为原创用户，且所述待识别视频中包含人脸时，将所述待识别视频作为所述用户上传的包含人脸的原创视频添加至所述原创视频库中，并依据所述待识别视频的人脸特征，更新所述原创视频库中所述用户对应的原创人脸特征；
在所述用户为原创用户，且所述待识别视频中未包含人脸时，将所述待识别视频作为所述用户上传的未包含人脸的原创视频添加至所述原创视频库中。
5.一种侵权视频识别装置，其特征在于，包括：
第一确定模块，用于确定待识别视频的用户是否为原创用户，以及所述待识别视频中是否包含人脸；
第一匹配模块，用于在所述用户为非原创用户，且所述待识别视频中包含人脸时，将所述待识别视频的人脸特征与预设原创视频库中的原创人脸特征进行匹配；所述原创视频库中包括原创用户对应的原创人脸特征，以及所述原创用户上传的包含人脸的原创视频；
第二匹配模块，用于在所述第一匹配模块人脸特征匹配成功后，将所述待识别视频的图像特征与第一目标原创视频的图像特征进行匹配；所述第一目标原创视频为匹配成功的原创人脸特征对应的包含人脸的原创视频；
第二确定模块，用于在所述第二匹配模块图像特征匹配成功后，确定所述待识别视频为侵权视频。
6.根据权利要求5所述的装置，其特征在于，所述原创视频库中还包括所述原创用户上传的未包含人脸的原创视频；所述装置还包括：
第三匹配模块，用于在所述用户为非原创用户，且所述待识别视频中未包含人脸时，将所述待识别视频的图像特征与第二目标原创视频的图像特征进行匹配；所述第二目标原创视频为所述原创视频库中未包含人脸的原创视频；
第三确定模块，用于在所述第三匹配模块图像特征匹配成功后，确定所述待识别视频为侵权视频。
7.根据权利要求6所述的装置，其特征在于，所述原创视频库通过如下模块得到：
第四确定模块，用于针对原创用户上传的每个原创视频，确定所述原创视频中是否包含人脸；
提取模块，用于针对每个包含人脸的原创视频，提取所述包含人脸的原创视频的人脸特征；
第五确定模块，用于将出现次数最多且出现概率超过预设阈值的人脸特征，作为所述原创用户对应的原创人脸特征；
存储模块，用于将所述原创用户对应的原创人脸特征、所述原创用户上传的包含人脸的原创视频，以及所述原创用户上传的未包含人脸的原创视频存储至所述原创视频库。
8.根据权利要求6或7所述的装置，其特征在于，还包括：
第六确定模块，用于在所述用户为原创用户时，确定所述待识别视频为非侵权视频；
第一更新模块，用于在所述待识别视频中包含人脸时，将所述待识别视频作为所述用户上传的包含人脸的原创视频添加至所述原创视频库中，并依据所述待识别视频的人脸特征，更新所述原创视频库中所述用户对应的原创人脸特征；
第二更新模块，用于在所述待识别视频中未包含人脸时，将所述待识别视频作为所述用户上传的未包含人脸的原创视频添加至所述原创视频库中。
9.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现如权利要求1-4任一所述的方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-4任一所述的方法。
CN202010414608.4A 2020-05-15 2020-05-15 侵权视频识别方法、装置、电子设备及存储介质 Active CN111708988B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010414608.4A CN111708988B (zh) 2020-05-15 2020-05-15 侵权视频识别方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010414608.4A CN111708988B (zh) 2020-05-15 2020-05-15 侵权视频识别方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN111708988A CN111708988A (zh) 2020-09-25
CN111708988B true CN111708988B (zh) 2023-05-30

Family

ID=72537090

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010414608.4A Active CN111708988B (zh) 2020-05-15 2020-05-15 侵权视频识别方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN111708988B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112788363B (zh) * 2020-12-30 2023-04-28 北京奇艺世纪科技有限公司 识别侵权视频的方法、识别侵权视频的装置及电子设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102314562A (zh) * 2010-07-01 2012-01-11 盛乐信息技术（上海）有限公司 音视频分享网站的视频版权检测系统及方法
CN110324729A (zh) * 2019-07-18 2019-10-11 北京奇艺世纪科技有限公司 一种识别侵权视频链接的方法、装置、电子设备及介质
CN110348362A (zh) * 2019-07-05 2019-10-18 北京达佳互联信息技术有限公司 标签生成、视频处理方法、装置、电子设备及存储介质
CN110365973A (zh) * 2019-08-06 2019-10-22 北京字节跳动网络技术有限公司 视频的检测方法、装置、电子设备及计算机可读存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100856027B1 (ko) * 2007-01-09 2008-09-03 주식회사 태그스토리 저작권 인증된 동영상 데이터 서비스 시스템 및 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102314562A (zh) * 2010-07-01 2012-01-11 盛乐信息技术（上海）有限公司 音视频分享网站的视频版权检测系统及方法
CN110348362A (zh) * 2019-07-05 2019-10-18 北京达佳互联信息技术有限公司 标签生成、视频处理方法、装置、电子设备及存储介质
CN110324729A (zh) * 2019-07-18 2019-10-11 北京奇艺世纪科技有限公司 一种识别侵权视频链接的方法、装置、电子设备及介质
CN110365973A (zh) * 2019-08-06 2019-10-22 北京字节跳动网络技术有限公司 视频的检测方法、装置、电子设备及计算机可读存储介质

Also Published As

Publication number Publication date
CN111708988A (zh) 2020-09-25

Similar Documents

Publication Publication Date Title
CN106874253A (zh) 识别敏感信息的方法及装置
CN111814770B (zh) 一种新闻视频的内容关键词提取方法、终端设备及介质
CN110321845B (zh) 一种从视频中提取表情包的方法、装置及电子设备
CN110348362B (zh) 标签生成、视频处理方法、装置、电子设备及存储介质
US11126827B2 (en) Method and system for image identification
WO2022166532A1 (zh) 人脸识别方法、装置、电子设备及存储介质
CN108595422B (zh) 一种过滤不良彩信的方法
CN111079816A (zh) 图像的审核方法、装置和服务器
CN111738120B (zh) 人物识别方法、装置、电子设备及存储介质
CN110909784A (zh) 一种图像识别模型的训练方法、装置及电子设备
CN113326821B (zh) 一种视频帧图像的人脸驱动方法及装置
CN110765292A (zh) 图像检索方法、训练方法及相关装置
US20230410221A1 (en) Information processing apparatus, control method, and program
US10805255B2 (en) Network information identification method and apparatus
CN111708988B (zh) 侵权视频识别方法、装置、电子设备及存储介质
CN111552865A (zh) 用户兴趣画像方法及相关设备
US20200220897A1 (en) Domain name recognition method and domain name recognition device
CN112182520B (zh) 非法账号的识别方法、装置、可读介质及电子设备
CN112041847A (zh) 提供具有隐私标签的图像
CN111444362B (zh) 恶意图片拦截方法、装置、设备和存储介质
CN113076961A (zh) 一种图像特征库更新方法、图像检测方法和装置
CN112735395B (zh) 语音识别方法及电子设备、存储装置
CN115359575A (zh) 身份识别方法、装置和计算机设备
JP6651085B1 (ja) 属性認識システム、学習サーバ、及び属性認識プログラム
CN113449506A (zh) 一种数据检测方法、装置、设备及可读存储介质

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