CN113438507B - 一种用于确定视频侵权的方法、设备及介质 - Google Patents

一种用于确定视频侵权的方法、设备及介质 Download PDF

Info

Publication number
CN113438507B
CN113438507B CN202110656892.0A CN202110656892A CN113438507B CN 113438507 B CN113438507 B CN 113438507B CN 202110656892 A CN202110656892 A CN 202110656892A CN 113438507 B CN113438507 B CN 113438507B
Authority
CN
China
Prior art keywords
image
video
video frame
frame image
target video
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
CN202110656892.0A
Other languages
English (en)
Other versions
CN113438507A (zh
Inventor
陆寅辰
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.)
Shanghai Lianshang Network Technology Co Ltd
Original Assignee
Shanghai Lianshang Network 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 Shanghai Lianshang Network Technology Co Ltd filed Critical Shanghai Lianshang Network Technology Co Ltd
Priority to CN202110656892.0A priority Critical patent/CN113438507B/zh
Publication of CN113438507A publication Critical patent/CN113438507A/zh
Application granted granted Critical
Publication of CN113438507B publication Critical patent/CN113438507B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • H04N21/254—Management at additional data server, e.g. shopping server, rights management server
    • H04N21/2541—Rights Management
    • 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]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream, rendering scenes according to MPEG-4 scene graphs
    • H04N21/44008—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream, rendering scenes according to MPEG-4 scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics in the video stream
    • 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]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/462—Content or additional data management, e.g. creating a master electronic program guide from data received from the Internet and a Head-end, controlling the complexity of a video stream by scaling the resolution or bit-rate based on the client capabilities
    • H04N21/4627—Rights management associated to the content
    • 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]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/85—Assembly of content; Generation of multimedia applications
    • H04N21/854—Content authoring

Abstract

本申请的目的是提供一种用于确定视频侵权的方法、设备、介质及程序产品，该方法包括：根据图像抽取配置信息对目标视频进行图像抽取，获得一个或多个视频帧图像；对于每个视频帧图像，获得该视频帧图像对应的第一图像数据；对于每个视频帧图像，根据预定摘要规则，对该视频帧图像对应的第一图像数据进行摘要计算，获得该视频帧图像对应的第一特征值；根据所述目标视频对应的第二特征值，在版权库特征集合中进行匹配，若满足预定匹配条件，确定所述目标视频不侵权，其中，所述第二特征值包括所述每个视频帧图像对应的第一特征值。本申请通过构建自动检测视频侵权系统，可以减少视频侵权的检测难度及检测时长，提高视频侵权的检测效率。

Description

一种用于确定视频侵权的方法、设备及介质
技术领域
本申请涉及通信领域，尤其涉及一种用于确定视频侵权的技术。
背景技术
在现有技术中，当用户使用一些视频app上传自己的作品时，往往需要等待漫长的后台人工审核，一方面是防止出现非法内容，另一方面就是防止视频侵犯版权，但想要从庞大的版权库中识别视频是否侵权，难度巨大。
发明内容
本申请的一个目的是提供一种用于确定视频侵权的方法、设备、介质及程序产品。
根据本申请的一个方面，提供了一种用于确定视频侵权的方法，该方法包括：
根据图像抽取配置信息对目标视频进行图像抽取，获得一个或多个视频帧图像；
对于每个视频帧图像，获得该视频帧图像对应的第一图像数据；
对于每个视频帧图像，根据预定摘要规则，对该视频帧图像对应的第一图像数据进行摘要计算，获得该视频帧图像对应的第一特征值；
根据所述目标视频对应的第二特征值，在版权库特征集合中进行匹配，若满足预定匹配条件，确定所述目标视频不侵权，其中，所述第二特征值包括所述每个视频帧图像对应的第一特征值。
根据本申请的一个方面，提供了一种用于确定视频侵权的网络设备，该设备包括：
一一模块，用于根据图像抽取配置信息对目标视频进行图像抽取，获得一个或多个视频帧图像；
一二模块，用于对于每个视频帧图像，获得该视频帧图像对应的第一图像数据；
一三模块，用于对于每个视频帧图像，根据预定摘要规则，对该视频帧图像对应的第一图像数据进行摘要计算，获得该视频帧图像对应的第一特征值；
一四模块，用于根据所述目标视频对应的第二特征值，在版权库特征集合中进行匹配，若满足预定匹配条件，确定所述目标视频不侵权，其中，所述第二特征值包括所述每个视频帧图像对应的第一特征值。
根据本申请的一个方面，提供了一种用于确定视频侵权的计算机设备，包括存储器、处理器及存储在存储器上的计算机程序，其中，所述处理器执行所述计算机程序以实现如上所述任一方法的操作。
根据本申请的一个方面，提供了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，该计算机程序被处理器执行时实现如上所述任一方法的操作。
根据本申请的一个方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现如上所述任一方法的步骤。
与现有技术相比，本申请根据图像抽取配置信息对目标视频进行图像抽取，获得一个或多个视频帧图像，对于每个视频帧图像，根据图像分块规则对该视频帧图像进行分块，获取该视频帧图像对应的多个子图像及该视频帧图像对应的第一图像数据，根据预定摘要规则，对该视频帧图像对应的第一图像数据进行摘要计算，获得该视频帧图像对应的第一特征值，根据所述目标视频对应的一个或多个第一特征值，在版权库特征集合中进行匹配，若满足预定匹配条件，确定所述目标视频不侵权，从而通过构建自动检测视频侵权系统，可以减少视频侵权的检测难度及检测时长，提高视频侵权的检测效率。
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示出根据本申请一个实施例的一种用于确定视频侵权的方法流程图；
图2示出根据本申请一个实施例的一种用于确定视频侵权的网络设备结构图；
图3示出根据本申请一个实施例的一种用于确定视频侵权的方法流程图；
图4示出根据本申请一个实施例的一种用于确定视频侵权的方法流程图；
图5示出根据本申请一个实施例的一种用于确定视频侵权的方法流程图；
图6示出可被用于实施本申请中所述的各个实施例的示例性系统。
附图中相同或相似的附图标记代表相同或相似的部件。
实施方式
下面结合附图对本申请作进一步详细描述。
在本申请一个典型的配置中，终端、服务网络的设备和可信方均包括一个或多个处理器(例如，中央处理器（Central Processing Unit，CPU）)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RandomAccess Memory，RAM)和/或非易失性内存等形式，如只读存储器(Read Only Memory，ROM)或闪存(Flash Memory)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存（Phase-Change Memory，PCM）、可编程随机存取存储器(Programmable Random Access Memory，PRAM)、静态随机存取存储器(Static Random-Access Memory，SRAM)、动态随机存取存储器 (Dynamic Random AccessMemory，DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器 (Electrically-Erasable Programmable Read-Only Memory，EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(Compact Disc Read-Only Memory，CD-ROM)、数字多功能光盘(Digital Versatile Disc ,DVD)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。
本申请所指设备包括但不限于终端、网络设备、或终端与网络设备通过网络相集成所构成的设备。所述终端包括但不限于任何一种可与用户进行人机交互（例如通过触摸板进行人机交互）的移动电子产品，例如智能手机、平板电脑等，所述移动电子产品可以采用任意操作系统，如Android操作系统、iOS操作系统等。其中，所述网络设备包括一种能够按照事先设定或存储的指令，自动进行数值计算和信息处理的电子设备，其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑器件（Programmable Logic Device，PLD）、现场可编程门阵列（Field ProgrammableGate Array，FPGA）、数字信号处理器（Digital Signal Processor，DSP）、嵌入式设备等。所述网络设备包括但不限于计算机、网络主机、单个网络服务器、多个网络服务器集或多个服务器构成的云；在此，云由基于云计算（Cloud Computing）的大量计算机或网络服务器构成，其中，云计算是分布式计算的一种，由一群松散耦合的计算机集组成的一个虚拟超级计算机。所述网络包括但不限于互联网、广域网、城域网、局域网、VPN网络、无线自组织网络（Ad Hoc网络）等。优选地，所述设备还可以是运行于所述终端、网络设备、或终端与网络设备、网络设备、触摸终端或网络设备与触摸终端通过网络相集成所构成的设备上的程序。
当然，本领域技术人员应能理解上述设备仅为举例，其他现有的或今后可能出现的设备如可适用于本申请，也应包含在本申请保护范围以内，并在此以引用方式包含于此。
在本申请的描述中，“多个”的含义是两个或者更多，除非另有明确具体的限定。
图1示出根据本申请一个实施例的一种用于确定视频侵权的方法流程图，该方法包括步骤S11、步骤S12、步骤S13和步骤S14。在步骤S11中，网络设备根据图像抽取配置信息对目标视频进行图像抽取，获得一个或多个视频帧图像；在步骤S12中，网络设备对于每个视频帧图像，获得该视频帧图像对应的第一图像数据；在步骤S13中，网络设备对于每个视频帧图像，根据预定摘要规则，对该视频帧图像对应的第一图像数据进行摘要计算，获得该视频帧图像对应的第一特征值；在步骤S14中，网络设备根据所述目标视频对应的第二特征值，在版权库特征集合中进行匹配，若满足预定匹配条件，确定所述目标视频不侵权，其中，所述第二特征值包括所述每个视频帧图像对应的第一特征值。
在步骤S11中，网络设备根据图像抽取配置信息对目标视频进行图像抽取，获得一个或多个视频帧图像。在一些实施例中，目标视频可以是用户使用客户端新上传的视频，或者，还可以是存储在网络设备中的视频，或者，还可以是网络设备从其他文件存储设备获得的视频。在一些实施例中，图像抽取配置信息用于定义如何对目标视频进行图像抽取获得一个或多个视频帧图像。在一些实施例中，可以是所有视频使用同一个预定图像抽取配置信息，或者，还可以是不同的视频使用不同的图像抽取配置信息，即根据目标视频所对应的图像抽取配置信息对目标视频进行图像抽取。在一些实施例中，图像抽取配置信息包括一个或多个锚点对应的锚点数量及每个锚点在所述目标视频对应的播放时间轴上的位置信息，每个视频帧图像对应一个锚点。在一些实施例中，锚点在目标视频对应的播放时间轴上的位置信息可以是一个具体的时间点（例如，15秒、30秒等），或者，还可以是一个相对于该播放时间轴或该目标视频的播放总时长的百分比数值或比例数值（例如，25%、50%、0.25、0.5等）。在一些实施例中，抽取目标视频在每个锚点对应的播放时间轴位置处的视频帧图像，每个锚点对应一个视频帧图像，例如，抽取目标视频在15秒、30秒处的视频帧图像，又例如，抽取目标视频在25%播放进度、50%播放进度处的视频帧图像。在一些实施例中，需要先分别将目标视频预加载到每个锚点对应的播放时间轴位置处，然后再分别抽取目标视频的当前视频帧，并将其作为每个锚点对应的视频帧图像。在一些实施例中，锚点数量和/或锚点位置可以是每次对目标视频进行图像抽取时随机确定的，从而防止被发现规律。在一些实施例中，锚点数量和/或锚点位置可以是定期（例如，1个星期、1个月）更新的，从而防止被发现规律。
在步骤S12中，网络设备对于每个视频帧图像，获得该视频帧图像对应的第一图像数据。在一些实施例中，对于每个视频帧图像，获得该视频帧图像对应的第一图像数据，其中，所述第一图像数据包括一个或多个第二图像数据，每个第二图像数据是通过对该视频帧图像进行图像分析获得的，该第二图像数据包括但不限于对该视频帧图像进行图像分析所获得的与该视频帧图像相关的任何信息，例如，第二图像数据可以是该视频帧图像对应的像素点色值累加值，或者，还可以是该视频帧图像对应的像素点平均色值，或者，还可以是该视频帧图像对应的预定数量个像素点最高色值和/或预定数量个像素点最低色值。在一些实施例中，对于每个视频帧图像，根据图像分块规则对该视频帧图像进行分块，获取该视频帧图像对应的多个子图像，根据所述多个子图像，获得该视频帧图像对应的第一图像数据。在一些实施例中，图像分块规则包括但不限于分块数量（例如，4块、9块）、分块方式等，分块方式包括均匀分块和非均匀分块，均匀分块是指根据分块数量将视频帧图像均匀等分成若干个子图像，例如，分块数量为4，分块方式为均匀分块，则将视频帧图像均匀等分成4个子图像，即左上子图像、左下子图像、右上子图像、右下子图像。在一些实施例中，若分块方式为非均匀分块，则图像分块规则还包括分块顺序及每个分块的尺寸信息，分块顺序用于指示按照何种顺序对视频帧图像进行分块，例如，按照先从左到右再从上往下的顺序进行分块，或者，按照先从上到下再从左到右的顺序进行分块，每个分块的尺寸信息可以是每个分块的长宽相对于视频帧图像长宽的占比，或者，还可以是每个分块的面积相对于视频帧图像面积的占比。在一些实施例中，对该多个子图像中的至少一个子图像进行图像分析，获得该视频帧图像对应的第一图像数据，该第一图像数据可以包括该至少一个子图像中的每个子图像对应的第二图像数据，该第二图像数据包括但不限于对该子图像进行图像分析所获得的与该子图像相关的任何信息。在一些实施例中，所述第一图像数据包括每个子图像对应的第二图像数据，所述第二图像数据是通过对所述每个子图像进行图像分析获得的。在一些实施例中，对于每个视频帧图像对应的多个子图像进行图像分析，获得每个子图像对应的第二图像数据，在此，第二图像数据包括但不限于对每个子图像进行图像分析所获得的与该子图像相关的任何信息，例如，第二图像数据可以是该子图像对应的像素点色值累加值，或者，还可以是该子图像对应的像素点平均色值，或者，还可以是该子图像对应的预定数量个像素点最高色值和/或预定数量个像素点最低色值。在一些实施例中，每个视频帧图像对应的第一图像数据可以是由该视频帧图像对应的每个子图像对应的第二图像数据所构成的集合（例如，数组）。在一些实施例中，每个视频帧图像对应的第一图像数据还可以是根据该视频帧图像对应的每个子图像对应的第二图像数据确定的，例如，将每个子图像对应的第二图像数据拼接起来构成该视频帧图像对应的第一图像数据。
在步骤S13中，网络设备对于每个视频帧图像，根据预定摘要规则，对该视频帧图像对应的第一图像数据进行摘要计算，获得该视频帧图像对应的第一特征值。在一些实施例中，摘要规则包括所使用的摘要算法，其用于定义如何通过该摘要算法对该视频帧图像对应的第二图像数据进行摘要计算，摘要算法包括但不限于MD5（Message-DigestAlgorithm 5，消息摘要算法版本5）、SHA-1（Secure Hash Algorithm，安全散列算法1）、SHA-256（Secure Hash Algorithm，安全散列算法256）等。在一些实施例中，对于每个视频帧图像，可以是将该视频帧图像对应的第一图像数据保存为一个目标文件，获得所述目标文件的摘要值并确定为该视频帧图像对应的第一特征值。在一些实施例中，对于每个视频帧图像，还可以是将根据预定的间隔字符（例如，“|”），对该视频帧图像对应的第一图像数据中的一个或多个第二图像数据进行字符串拼接，获得拼接后的目标字符串，并获得所述目标字符串的摘要值并确定为该视频帧图像对应的第一特征值。在一些实施例中，目标视频对应的第二特征值可以是由从该目标视频中抽取得到的一个或多个视频帧图像分别对应的第一特征值所构成的集合（例如，数组）。在一些实施例中，目标视频对应的第二特征值还可以是根据从该目标视频中抽取得到的一个或多个视频帧图像分别对应的第一特征值确定的，例如，将每个视频帧图像对应的第一特征值拼接起来构成目标视频对应的第二特征值。
在步骤S14中，网络设备根据所述目标视频对应的第二特征值，在版权库特征集合中进行匹配，若满足预定匹配条件，确定所述目标视频不侵权，其中，所述第二特征值包括所述每个视频帧图像对应的第一特征值。在一些实施例中，将目标视频对应的第二特征值放入网络设备维护的版权库特征集合中进行匹配比对，若满足预定匹配条件，确定该目标视频不侵权，否则，确定该目标视频侵权。在一些实施例中，版权库特征集合包括多个视频中的每个视频对应的版权库特征，每个版权库特征是一个特征值序列，该特征值序列包括多个第三特征值，该特征值序列是根据每个视频对应的所有视频帧图像生成的，每个第三特征值分别对应一个不同的视频帧图像，每个第三特征值在该特征值序列中的顺序与该第三特征值对应的视频帧图像在该视频中的顺序保持一致。在一些实施例中 ，第二特征值与每个版权库特征的匹配度可以是，先得到该第二特征值中的每个第一特征值与该版权库特征中的多个第三特征值之间的最大匹配度，然后根据该多个最大匹配度，得到第二特征值与该版权库特征的匹配度，包括但不限于该多个最大匹配度对应的平均匹配度、最小匹配度或最大匹配度，或者，第二特征值与每个版权库特征的匹配度还可以是，先获取该第二特征值中的每个第一特征值对应的视频帧图像在该目标视频对应的播放时间轴上的位置信息（例如，从该目标视频对应的图像抽取配置信息中获取），该位置信息可以是一个具体的时间点（例如，15秒、30秒等），或者，还可以是一个相对于该播放时间轴或该目标视频的播放总时长的百分比数值或比例数值（例如，25%、50%、0.25、0.5等），然后根据该位置信息从该版权库特征中获取与该第二特征值中的每个第一特征值对应的第三特征值，然后将每个第一特征值与其对应的第三特征值进行匹配，得到每个第一特征值与其对应的第三特征值之间的匹配度，然后根据该多个匹配度，得到第二特征值与该版权库特征的匹配度，包括但不限于该多个匹配度对应的平均匹配度、最小匹配度或最大匹配度。在一些实施例中，预定匹配条件可以是所述第二特征值与所述版权库特征集合中的所有版权库特征之间的匹配度均小于或等于第一预定匹配度阈值（例如，20%），或者，还可以是所述版权库特征集合中与所述第二特征值之间的匹配度最高的目标版权库特征所对应的匹配度小于或等于第二预定匹配度阈值。本申请通过构建自动检测视频侵权系统，可以减少视频侵权的检测难度及检测时长，提高视频侵权的检测效率。在一些实施例中，作为一个示例，如图3所示，对于某个原始视频，随机确定该原始视频对应的锚点个数和位置，通过播放系统使用播放器将原始视频预加载到每个锚点对应的播放进度处，然后解码系统使用解码器批量输出每个锚点对应的视频帧图片，然后将批量输出的多个视频帧图片送往AI图像识别系统进行视频分析采集，输出每个视频帧图片对应的图像数据，并通过计算系统对每个视频帧图片对应的图像数据进行md5计算生成唯一的md5特征值，然后将该原始视频对应的md5特征集合输入匹配系统在版权库特征集合中进行匹配比对，若匹配度超过阈值20%，需要重新选取该原始视频对应的锚点。在一些实施例中，作为一个示例，如图4所示，客户端上传视频到服务端，服务器从该视频中抽取视频帧图像构成图片集合，对该图片集合进行AI智能解析获得图形数据，对该图形数据进行md5计算获得特征集合，然后将该特征集合放入版权库中进行匹配，若匹配度小于20%，则该视频审核通过并通知客户端，若匹配度大于20%，则从该视频中重新抽取视频帧图像构成新的图片集合，并针对该新的图片集合重复执行前述步骤。
在一些实施例中，所述图像抽取配置信息包括一个或多个锚点对应的锚点数量及每个锚点在所述目标视频对应的播放时间轴上的位置信息，每个视频帧图像对应一个锚点。在一些实施例中，锚点在目标视频对应的播放时间轴上的位置信息可以是一个具体的时间点（例如，15秒、30秒等），或者，还可以是一个相对于该播放时间轴或该目标视频的播放总时长的百分比数值或比例数值（例如，25%、50%、0.25、0.5等）。在一些实施例中，抽取目标视频在每个锚点对应的播放时间轴位置处的视频帧图像，每个锚点对应一个视频帧图像，例如，抽取目标视频在15秒、30秒处的视频帧图像，又例如，抽取目标视频在25%播放进度、50%播放进度处的视频帧图像。在一些实施例中，需要先分别将目标视频预加载到每个锚点对应的播放时间轴位置处，然后再分别抽取目标视频的当前视频帧，并将其作为每个锚点对应的视频帧图像。在一些实施例中，锚点数量和/或锚点位置可以是每次对目标视频进行图像抽取时随机确定的，从而防止被发现规律。在一些实施例中，锚点数量和/或锚点位置可以是定期（例如，1个星期、1个月）更新的，从而防止被发现规律。
在一些实施例中，所述对于每个视频帧图像，获得该视频帧图像对应的第一图像数据，包括：对于每个视频帧图像，获得该视频帧图像对应的第一图像数据，其中，所述第一图像数据包括一个或多个第二图像数据，每个第二图像数据是通过对该视频帧图像进行图像分析获得的。在一些实施例中，对于每个视频帧图像，获得该视频帧图像对应的第一图像数据，其中，所述第一图像数据包括一个或多个第二图像数据，每个第二图像数据是通过对该视频帧图像进行图像分析获得的，该第二图像数据包括但不限于对该视频帧图像进行图像分析所获得的与该视频帧图像相关的任何信息，例如，第二图像数据可以是该视频帧图像对应的像素点色值累加值，或者，还可以是该视频帧图像对应的像素点平均色值，或者，还可以是该视频帧图像对应的预定数量个像素点最高色值和/或预定数量个像素点最低色值。
在一些实施例中，所述对于每个视频帧图像，获得该视频帧图像对应的第一图像数据，包括：对于每个视频帧图像，根据图像分块规则对该视频帧图像进行分块，获取该视频帧图像对应的多个子图像，根据所述多个子图像，获得该视频帧图像对应的第一图像数据。在一些实施例中，图像分块规则包括但不限于分块数量（例如，4块、9块）、分块方式等，分块方式包括均匀分块和非均匀分块，均匀分块是指根据分块数量将视频帧图像均匀等分成若干个子图像，例如，分块数量为4，分块方式为均匀分块，则将视频帧图像均匀等分成4个子图像，即左上子图像、左下子图像、右上子图像、右下子图像。在一些实施例中，若分块方式为非均匀分块，则图像分块规则还包括分块顺序及每个分块的尺寸信息，分块顺序用于指示按照何种顺序对视频帧图像进行分块，例如，按照先从左到右再从上往下的顺序进行分块，或者，按照先从上到下再从左到右的顺序进行分块，每个分块的尺寸信息可以是每个分块的长宽相对于视频帧图像长宽的占比，或者，还可以是每个分块的面积相对于视频帧图像面积的占比。在一些实施例中，对该多个子图像中的至少一个子图像进行图像分析，获得该视频帧图像对应的第一图像数据，该第一图像数据可以包括该至少一个子图像中的每个子图像对应的第二图像数据，该第二图像数据包括但不限于对该子图像进行图像分析所获得的与该子图像相关的任何信息。
在一些实施例中，所述第一图像数据包括每个子图像对应的第二图像数据，所述第二图像数据是通过对所述每个子图像进行图像分析获得的。在一些实施例中，对于每个视频帧图像对应的多个子图像进行图像分析，获得每个子图像对应的第二图像数据，在此，第二图像数据包括但不限于对每个子图像进行图像分析所获得的与该子图像相关的任何信息，例如，第二图像数据可以是该子图像对应的像素点色值累加值，或者，还可以是该子图像对应的像素点平均色值，或者，还可以是该子图像对应的预定数量个像素点最高色值和/或预定数量个像素点最低色值。在一些实施例中，每个视频帧图像对应的第一图像数据可以是由该视频帧图像对应的每个子图像对应的第二图像数据所构成的集合（例如，数组）。在一些实施例中，每个视频帧图像对应的第一图像数据还可以是根据该视频帧图像对应的每个子图像对应的第二图像数据确定的，例如，将每个子图像对应的第二图像数据拼接起来构成该视频帧图像对应的第一图像数据。
在一些实施例中，所述根据图像抽取配置信息对目标视频进行图像抽取，包括：根据目标视频对应的图像抽取配置信息对所述目标视频进行图像抽取；其中，所述方法还包括步骤S15（未示出）。在步骤S15中，网络设备确定所述目标视频对应的图像抽取配置信息。在一些实施例中，不同的视频使用不同的图像抽取配置信息，即根据目标视频所对应的图像抽取配置信息对目标视频进行图像抽取，需要先根据目标视频，确定该目标视频对应的、适合该目标视频的图像抽取配置信息。在一些实施例中，可以仅确定锚点数量，或者，也可以仅确定锚点位置，或者，还可以同时确定锚点数量及锚点位置。在一些实施例中，可以是根据目标视频的时长信息来确定该目标视频对应的图像抽取配置信息，或者，还可以是根据所述目标视频的视频类型来确定该目标视频对应的图像抽取配置信息，或者，还可以是先多目标视频进行图像分析，获得该目标视频对应的视频帧图像分析结果信息，再根据该视频帧图像分析结果信息来确定该目标视频对应的图像抽取配置信息。
在一些实施例中，，所述步骤S15包括步骤S151（未示出）。在步骤S151中，网络设备根据所述目标视频，确定所述一个或多个锚点对应的锚点数量。在一些实施例中，网络设备可以根据目标视频的时长信息，来确定图像抽取配置信息中的锚点数量，或者，还可以根据目标视频的视频类型，来确定锚点数量，或者，还可以先对目标视频进行图像分析，获得目标视频对应的视频帧图像分析结果信息，再根据该视频帧图像分析结果信息，来确定锚点数量，或者，还可以结合上述三种方式或该三种方式中的其中任意两种方式，来确定锚点数量。
在一些实施例中，所述步骤S151包括：网络设备根据所述目标视频的时长信息，确定所述一个或多个锚点对应的锚点数量。在一些实施例中，锚点数量可以与目标视频的时长成正比，即目标视频的时长越长，则其对应的锚点数量越多。在一些实施例中，可以构建一个时长与锚点数量的函数公式，通过将目标视频的时长输入该函数公式，可以输出得到其对应的锚点数量。在一些实施例中，还可以将时长分为若干个区间，例如1分钟内、1-5分钟、5-10分钟等，每个区间对应一个预定的锚点数量，根据目标视频的时长所落入的区间，将该区间对应的锚点数量作为目标视频对应的图像抽取配置信息中的锚点数量。
在一些实施例中，所述步骤S151包括：网络设备根据所述目标视频的视频类型，确定所述一个或多个锚点对应的锚点数量。在一些实施例中，可以给不同的视频类型设置不同的预定锚点数量，例如，可以给公开课类型的视频设置较少的预定锚点数量，可以给真人秀类型的视频设置较多的预定锚点数量。在一些实施例中，先获得目标视频对应的视频类型，然后将该视频类型对应的预定锚点数量作为该目标视频对应的图像抽取配置信息中的锚点数量。
在一些实施例中，所述步骤S151包括：网络设备对所述目标视频进行图像分析，获得所述目标视频对应的视频帧图像分析结果信息；根据所述视频帧图像分析结果信息，确定所述一个或多个锚点对应的锚点数量。在一些实施例中，通过对目标视频进行图像分析，获得该目标视频对应的视频帧图像分析结果，视频帧图像分析结果包括但不限于目标视频对应的视频帧图像变化程度、视频帧内容复杂程度，然后根据该视频帧图像分析结果，进一步确定与该视频帧图像分析结果匹配的、适合该视频帧图像分析结果的锚点数量，并将其作为该目标视频对应的图像抽取配置信息中的锚点数量。在一些实施例中，可以构建一个视频帧图像变化程度和/或视频帧内容复杂程度与锚点数量的函数公式，通过将目标视频对应的视频帧图像分析结果输入该函数公式，可以输出得到其对应的锚点数量。
在一些实施例中，所述视频帧图像分析结果信息包括所述目标视频对应的视频帧图像变化程度信息。在一些实施例中，视频帧图像变化程度可以是目标视频对应的全部或部分视频帧（例如，前10%的视频帧、后20%的视频帧、中间30%的视频帧等）的平均图像变化程度，或者，还可以是该全部或部分视频帧的最大图像变化程度。在一些实施例中，锚点数量可以与目标视频的图像变化程度成正比，即目标视频的图像变化程度越大，则其对应的锚点数量越多。在一些实施例中，图像变化程度是指前后视频帧的视频图像内容的差异程度。
在一些实施例中，所述播放时间轴上的每两个相邻锚点之间的时间间隔相同；其中，所述方法还包括：网络设备根据所述目标视频的时长信息，确定所述每个锚点在所述播放时间轴上的位置信息。在一些实施例中，若播放时间轴上的每两个相邻锚点之间的时间间隔相同，则可以根据目标视频的时长信息，来直接确定每个锚点在该播放时间轴上的位置信息，例如，目标视频对应的图像抽取配置信息中的锚点数量为3，目标视频的时长为1分钟，则可以以此来确定，锚点1在该目标视频对应的播放时间轴上的位置信息为15秒，锚点2在该播放时间轴上的位置信息为30秒，锚点3在该播放时间轴上的位置信息为45秒。
在一些实施例中，所述步骤S15包括步骤S152（未示出）。在步骤S152中，网络设备根据所述目标视频，确定所述每个锚点在所述目标视频对应的播放时间轴上的位置信息。在一些实施例中，可以根据目标视频的视频类型，来确定每个锚点在所述目标视频对应的播放时间轴上的位置信息，例如，若目标视频的视频类型为电视剧类型，则可以设置播放时间轴上位于视频片头部分或视频结尾部分的播放时间区间上的每两个相邻锚点之间的时间间隔较大，而播放时间轴上位于视频中间部分的播放时间区间上的每两个相邻锚点之间的时间间隔较小。
在一些实施例中，所述步骤S152包括步骤S1521（未示出）和步骤S1522（未示出）。在步骤S1521中，网络设备对所述目标视频进行图像分析，将所述播放时间轴划分为多个播放时间区间，并确定所述目标视频在每个播放时间区间上的视频帧图像变化程度信息；在步骤S1522中，网络设备根据所述目标视频在每个播放时间区间上的视频帧图像变化程度信息，确定所述每个锚点在所述目标视频对应的播放时间轴上的位置信息。在一些实施例中，对目标视频进行图像分析，将该目标视频对应的播放时间轴划分为多个播放时间区间，并确定该目标视频在每个播放时间区间上的视频帧图像变化程度，该视频帧图像变化程度可以是该目标视频在每个播放时间区间对应的全部或部分视频帧的平均图像变化程度，或者，还可以是该全部或部分视频帧的最大图像变化程度。在一些实施例中 ，可以根据每个播放区间对应的视频帧图像变化程度，确定每个锚点在该目标视频对应的播放时间轴上的位置信息，例如，对于每个播放时间区间，可以根据该播放区间对应的视频帧图像变化程度来确定位于该播放时间区间上的每两个相邻锚点之间的时间间隔。在一些实施例中，还可以进一步确定位于该播放时间区间上的锚点数量，每两个相邻锚点之间的时间间隔越大，则对应的锚点数量越少，反之。每两个相邻锚点之间的时间间隔越小，则对应的锚点数量越多。
在一些实施例中，对于每个播放时间区间，该播放时间区间上的每两个相邻锚点之间的时间间隔与所述目标视频在该播放时间区间上的视频帧图像变化程度信息成反比。在一些实施例中，对于每个播放时间区间，目标视频在该播放时间区间上的视频帧图像变化程度越大，则位于该播放时间区间上的每两个相邻锚点之间的时间间隔越小，反之，目标视频在该播放时间区间上的视频帧图像变化程度越小，则位于该播放时间区间上的每两个相邻锚点之间的时间间隔越大。
在一些实施例中，所述播放时间轴上的每两个相邻锚点之间的初始时间间隔相同，所述多个播放时间区间包括至少一个第一播放时间区间及至少一个第二播放时间区间，所述目标视频在所述至少一个第一播放时间区间上的视频帧图像变化程度信息大于或等于第一预定阈值，所述目标视频在所述至少一个第二播放时间区间上的视频帧图像变化程度信息小于或等于第二预定阈值；其中，所述步骤S1522包括：网络设备增加位于所述至少一个第一播放时间区间上的锚点数量，减小所述至少一个第一播放时间区间上的每两个相邻锚点之间的时间间隔，减少位于所述至少一个第二播放时间区间上的锚点数量，增大所述至少一个第二播放时间区间上的每两个相邻锚点之间的时间间隔，并保持所述一个或多个锚点对应的锚点数量不变。在一些实施例中，若播放时间轴上的每两个相邻锚点之间的初始时间间隔相同，则可以从该目标视频对应的播放时间轴划分成的多个播放时间区间中确定至少一个第一播放时间区间及至少一个第二播放时间区间，其中，目标视频在该至少一个第一播放时间区间上的视频帧图像变化程度大于或等于第一预定阈值，目标视频在该至少一个第二播放时间区间上的视频帧图像变化程度小于或等于第二预定阈值。在一些实施例中，增加位于该至少一个第一播放时间区间上的锚点数量，并减小该至少一个第一播放时间区间上的每两个相邻锚点之间的时间间隔，以使该至少一个第一播放时间区间上的每两个相邻锚点之间的时间间隔仍然相同，减少位于该至少一个第二播放时间区间上的锚点数量，并增大该至少一个第二播放时间区间上的每两个相邻锚点之间的时间间隔，以使该至少一个第二播放时间区间上的每两个相邻锚点之间的时间间隔仍然相同，其中，该至少一个第一播放时间区间对应的锚点增加数量与该至少一个第二播放时间区间对的锚点减少数量相同，以保持该图像抽取配置信息中的锚点总数不变。
在一些实施例中，所述根据图像分块规则对该视频帧图像进行分块，包括：根据所述目标视频对应的图像分块规则，对该视频帧图像进行分块；其中，所述方法还包括步骤S16（未示出）。在步骤S16中，网络设备确定所述目标视频对应的图像分块规则，其中，所述图像分块规则包括图像分块数量。在一些实施例中，需要先根据目标视频确定与其对应的、适合该目标视频的图像分块规则，该图像分块规则包括图像分块数量，然后根据该目标视频对应的图像分块规则，对该视频帧图像进行分块。在一些实施例中，该图像分块规则除了包括图像分块数量，还可以包括图像分块方式、图像分块顺序、每个图像分块的尺寸信息等，已在前文详述，在此不再赘述。
在一些实施例中，所述步骤S16包括：网络设备根据所述目标视频的分辨率信息，确定图像分块数量；根据所述图像分块数量，确定所述目标视频对应的图像分块规则。在一些实施例中，可以根据目标视频的分辨率来确定图像分块规则中的图像分块数量。在一些实施例中，图像分块数量与目标视频的分辨率成正比，分辨率越大，则图像分块数量越多，反之，分辨率越小，则图像分块数量越小。
在一些实施例中，所述步骤S16包括：网络设备根据所述目标视频对应的视频内容复杂程度信息，确定图像分块数量；根据所述图像分块数量，确定所述目标视频对应的图像分块规则。在一些实施例中，可以先对目标视频进行图像分析，获得该目标视频对应的视频内容复杂程度，然后根据该视频内容复杂程度来确定图像分块规则中的图像分块数量。在一些实施例中，图像分块数量与目标视频对应的视频内容复杂程度成正比，视频内容复杂程度越高，则图像分块数量越多，反之，视频内容复杂程度越低，则图像分块数量越小。
在一些实施例中，所述每个子图像对应的第二图像数据包括该子图像对应的像素点色值累加值。在一些实施例中，对于每个子图像，该子图像对应的像素点色值累加值可以是根据该子图像中的全部像素点的色值进行累加获得的，或者，还可以是根据该子图像中的部分像素点的色值进行累加获得的，例如，可以从全部像素点中过滤掉子图像边缘部分的像素点，或者，还可以是从全部像素点中过滤掉子图像中画面失真区域的像素点。
在一些实施例中，所述步骤S13包括：网络设备对于每个视频帧图像，将该视频帧图像对应的第一图像数据保存为一个目标文件；获得所述目标文件的摘要值并确定为该视频帧图像对应的第一特征值。在一些实施例中，对于每个视频帧图像，可以将该视频帧图像对应的第一图像数据保存为一个目标文件，然后将该目标文件的摘要值（例如，MD5值）确定为该视频帧图像对应的第一特征值。
在一些实施例中，所述步骤S13包括：网络设备对于每个视频帧图像，根据预定的间隔字符，对该视频帧图像对应的第一图像数据中的一个或多个第二图像数据进行字符串拼接，获得拼接后的目标字符串；获得所述目标字符串的摘要值并确定为该视频帧图像对应的第一特征值。在一些实施例中，对于每个视频帧图像，将根据预定的间隔字符（例如，“|”），对该视频帧图像对应的第一图像数据中的一个或多个第二图像数据进行字符串拼接，将拼接后的目标字符串的摘要值（例如，MD5值）确定为该视频帧图像对应的第一特征值。例如，第一图像数据包括四个第二图像数据，分别是“20e”、“1t5”、“6ay”、“j90”，根据预定的间隔字符（“|”）对该四个第二图像数据进行字符串拼接，拼接后的目标字符串为“20e|1t5|6ay|j90”，并将该目标字符串的MD5值确定为该视频帧图像对应的第一特征值。
在一些实施例中，所述根据所述目标视频对应的第二特征值，在版权库特征集合中进行匹配，包括：根据所述目标视频对应的第二特征值及每个第一特征值对应的视频帧图像在所述目标视频对应的播放时间轴上的位置信息，在版权库特征集合中进行匹配。在一些实施例中，版权库特征集合包括多个视频中的每个视频对应的版权库特征，每个版权库特征是一个特征值序列，该特征值序列包括多个第三特征值，该特征值序列是根据每个视频对应的所有视频帧图像生成的，每个第三特征值分别对应一个不同的视频帧图像，每个第三特征值在该特征值序列中的顺序与该第三特征值对应的视频帧图像在该视频中的顺序保持一致。在一些实施例中，先获取该第二特征值中的每个第一特征值对应的视频帧图像在该目标视频对应的播放时间轴上的位置信息（例如，从该目标视频对应的图像抽取配置信息中获取），该位置信息可以是一个具体的时间点（例如，15秒、30秒等），或者，还可以是一个相对于该播放时间轴或该目标视频的播放总时长的百分比数值或比例数值（例如，25%、50%、0.25、0.5等），然后根据该位置信息从该版权库特征中获取与该第二特征值中的每个第一特征值对应的第三特征值，然后将每个第一特征值与其对应的第三特征值进行匹配，得到每个第一特征值与其对应的第三特征值之间的匹配度，然后根据该多个匹配度，得到第二特征值与该版权库特征的匹配度，包括但不限于该多个匹配度对应的平均匹配度、最小匹配度或最大匹配度。
在一些实施例中，所述预定匹配条件包括但不限于：所述第二特征值与所述版权库特征集合中的所有版权库特征之间的匹配度均小于或等于第一预定匹配度阈值；所述版权库特征集合中与所述第二特征值之间的匹配度最高的目标版权库特征所对应的匹配度小于或等于第二预定匹配度阈值。在一些实施例中，预定匹配条件还可以是所述第二特征值与所述版权库特征集合中的部分版权库特征之间的匹配度均小于或等于第三预定匹配度阈值，例如，所述第二特征值与所述版权库特征集合中的预定数量占比（例如，90%）的版权库特征之间的匹配度均小于或等于第三预定匹配度阈值，或者，先从所有版权库特征中确定发布日期或最近更新日期距离当前时间的时间间隔小于预定的时间间隔阈值的部分版权库特征，然后再将该第二特征值与该部分版权库特征进行匹配比对。
在一些实施例中，所述方法还包括：若不满足预定匹配条件，网络设备调整所述图像抽取配置信息，根据调整后的图像抽取配置信息重新执行所述图像抽取操作、所述分块操作以及所述摘要计算操作，并根据所述目标视频对应的新的第二特征值，再次在版权库特征集合中进行匹配，若满足所述预定匹配条件，确定所述目标视频不侵权，否则，确定所述目标视频侵权。在一些实施例中，调整图像抽取配置信息可以是调整每个锚点在所述目标视频对应的播放时间轴上的位置信息，或者，还可以是仅调整部分锚点在所述目标视频对应的播放时间轴上的位置信息，或者，还可以是调整锚点数量。
在一些实施例中，作为一个示例，如图5所示，网络设备根据所述目标视频对应的第二特征值，在版权库特征集合中进行匹配，若满足预定匹配条件，确定所述目标视频不侵权，若不满足预定匹配条件，调整所述图像抽取配置信息，根据调整后的图像抽取配置信息重新执行所述图像抽取操作、所述分块操作以及所述摘要计算操作，并根据所述目标视频对应的新的第二特征值，再次在版权库特征集合中进行匹配，若满足所述预定匹配条件，确定所述目标视频不侵权，否则，确定所述目标视频侵权。
在一些实施例中，所述调整所述图像抽取配置信息，包括以下至少一项：调整所述一个或多个锚点中的至少一个锚点在所述目标视频对应的播放时间轴上的位置信息；调整所述一个或多个锚点对应的锚点数量。在一些实施例中，可以是调整所有锚点在所述目标视频对应的播放时间轴上的位置信息，或者，还可以是仅调整部分锚点在所述目标视频对应的播放时间轴上的位置信息。在一些实施例中，还可以调整该一个或多个锚点对应的锚点数量，或者，还可以同时调整该一个或多个锚点中的至少一个锚点在所述目标视频对应的播放时间轴上的位置信息及该一个或多个锚点对应的锚点数量。
图2示出根据本申请一个实施例的一种用于确定视频侵权的网络设备结构图，该设备包括一一模块11、一二模块12、一三模块13和一四模块14。一一模块11，用于根据图像抽取配置信息对目标视频进行图像抽取，获得一个或多个视频帧图像；一二模块12，用于对于每个视频帧图像，获得该视频帧图像对应的第一图像数据；一三模块13，用于对于每个视频帧图像，根据预定摘要规则，对该视频帧图像对应的第一图像数据进行摘要计算，获得该视频帧图像对应的第一特征值；一四模块14，用于根据所述目标视频对应的第二特征值，在版权库特征集合中进行匹配，若满足预定匹配条件，确定所述目标视频不侵权，其中，所述第二特征值包括所述每个视频帧图像对应的第一特征值。
一一模块11，用于根据图像抽取配置信息对目标视频进行图像抽取，获得一个或多个视频帧图像。在一些实施例中，目标视频可以是用户使用客户端新上传的视频，或者，还可以是存储在网络设备中的视频，或者，还可以是网络设备从其他文件存储设备获得的视频。在一些实施例中，图像抽取配置信息用于定义如何对目标视频进行图像抽取获得一个或多个视频帧图像。在一些实施例中，可以是所有视频使用同一个预定图像抽取配置信息，或者，还可以是不同的视频使用不同的图像抽取配置信息，即根据目标视频所对应的图像抽取配置信息对目标视频进行图像抽取。在一些实施例中，图像抽取配置信息包括一个或多个锚点对应的锚点数量及每个锚点在所述目标视频对应的播放时间轴上的位置信息，每个视频帧图像对应一个锚点。在一些实施例中，锚点在目标视频对应的播放时间轴上的位置信息可以是一个具体的时间点（例如，15秒、30秒等），或者，还可以是一个相对于该播放时间轴或该目标视频的播放总时长的百分比数值或比例数值（例如，25%、50%、0.25、0.5等）。在一些实施例中，抽取目标视频在每个锚点对应的播放时间轴位置处的视频帧图像，每个锚点对应一个视频帧图像，例如，抽取目标视频在15秒、30秒处的视频帧图像，又例如，抽取目标视频在25%播放进度、50%播放进度处的视频帧图像。在一些实施例中，需要先分别将目标视频预加载到每个锚点对应的播放时间轴位置处，然后再分别抽取目标视频的当前视频帧，并将其作为每个锚点对应的视频帧图像。在一些实施例中，锚点数量和/或锚点位置可以是每次对目标视频进行图像抽取时随机确定的，从而防止被发现规律。在一些实施例中，锚点数量和/或锚点位置可以是定期（例如，1个星期、1个月）更新的，从而防止被发现规律。
一二模块12，用于对于每个视频帧图像，获得该视频帧图像对应的第一图像数据。在一些实施例中，对于每个视频帧图像，获得该视频帧图像对应的第一图像数据，其中，所述第一图像数据包括一个或多个第二图像数据，每个第二图像数据是通过对该视频帧图像进行图像分析获得的，该第二图像数据包括但不限于对该视频帧图像进行图像分析所获得的与该视频帧图像相关的任何信息，例如，第二图像数据可以是该视频帧图像对应的像素点色值累加值，或者，还可以是该视频帧图像对应的像素点平均色值，或者，还可以是该视频帧图像对应的预定数量个像素点最高色值和/或预定数量个像素点最低色值。在一些实施例中，对于每个视频帧图像，根据图像分块规则对该视频帧图像进行分块，获取该视频帧图像对应的多个子图像，根据所述多个子图像，获得该视频帧图像对应的第一图像数据。在一些实施例中，图像分块规则包括但不限于分块数量（例如，4块、9块）、分块方式等，分块方式包括均匀分块和非均匀分块，均匀分块是指根据分块数量将视频帧图像均匀等分成若干个子图像，例如，分块数量为4，分块方式为均匀分块，则将视频帧图像均匀等分成4个子图像，即左上子图像、左下子图像、右上子图像、右下子图像。在一些实施例中，若分块方式为非均匀分块，则图像分块规则还包括分块顺序及每个分块的尺寸信息，分块顺序用于指示按照何种顺序对视频帧图像进行分块，例如，按照先从左到右再从上往下的顺序进行分块，或者，按照先从上到下再从左到右的顺序进行分块，每个分块的尺寸信息可以是每个分块的长宽相对于视频帧图像长宽的占比，或者，还可以是每个分块的面积相对于视频帧图像面积的占比。在一些实施例中，对该多个子图像中的至少一个子图像进行图像分析，获得该视频帧图像对应的第一图像数据，该第一图像数据可以包括该至少一个子图像中的每个子图像对应的第二图像数据，该第二图像数据包括但不限于对该子图像进行图像分析所获得的与该子图像相关的任何信息。在一些实施例中，所述第一图像数据包括每个子图像对应的第二图像数据，所述第二图像数据是通过对所述每个子图像进行图像分析获得的。在一些实施例中，对于每个视频帧图像对应的多个子图像进行图像分析，获得每个子图像对应的第二图像数据，在此，第二图像数据包括但不限于对每个子图像进行图像分析所获得的与该子图像相关的任何信息，例如，第二图像数据可以是该子图像对应的像素点色值累加值，或者，还可以是该子图像对应的像素点平均色值，或者，还可以是该子图像对应的预定数量个像素点最高色值和/或预定数量个像素点最低色值。在一些实施例中，每个视频帧图像对应的第一图像数据可以是由该视频帧图像对应的每个子图像对应的第二图像数据所构成的集合（例如，数组）。在一些实施例中，每个视频帧图像对应的第一图像数据还可以是根据该视频帧图像对应的每个子图像对应的第二图像数据确定的，例如，将每个子图像对应的第二图像数据拼接起来构成该视频帧图像对应的第一图像数据。
一三模块13，用于对于每个视频帧图像，根据预定摘要规则，对该视频帧图像对应的第一图像数据进行摘要计算，获得该视频帧图像对应的第一特征值。在一些实施例中，摘要规则包括所使用的摘要算法，其用于定义如何通过该摘要算法对该视频帧图像对应的第二图像数据进行摘要计算，摘要算法包括但不限于MD5（Message-Digest Algorithm 5，消息摘要算法版本5）、SHA-1（Secure Hash Algorithm，安全散列算法1）、SHA-256（SecureHash Algorithm，安全散列算法256）等。在一些实施例中，对于每个视频帧图像，可以是将该视频帧图像对应的第一图像数据保存为一个目标文件，获得所述目标文件的摘要值并确定为该视频帧图像对应的第一特征值。在一些实施例中，对于每个视频帧图像，还可以是将根据预定的间隔字符（例如，“|”），对该视频帧图像对应的第一图像数据中的一个或多个第二图像数据进行字符串拼接，获得拼接后的目标字符串，并获得所述目标字符串的摘要值并确定为该视频帧图像对应的第一特征值。在一些实施例中，目标视频对应的第二特征值可以是由从该目标视频中抽取得到的一个或多个视频帧图像分别对应的第一特征值所构成的集合（例如，数组）。在一些实施例中，目标视频对应的第二特征值还可以是根据从该目标视频中抽取得到的一个或多个视频帧图像分别对应的第一特征值确定的，例如，将每个视频帧图像对应的第一特征值拼接起来构成目标视频对应的第二特征值。
一四模块14，用于根据所述目标视频对应的第二特征值，在版权库特征集合中进行匹配，若满足预定匹配条件，确定所述目标视频不侵权，其中，所述第二特征值包括所述每个视频帧图像对应的第一特征值。在一些实施例中，将目标视频对应的第二特征值放入网络设备维护的版权库特征集合中进行匹配比对，若满足预定匹配条件，确定该目标视频不侵权，否则，确定该目标视频侵权。在一些实施例中，版权库特征集合包括多个视频中的每个视频对应的版权库特征，每个版权库特征是一个特征值序列，该特征值序列包括多个第三特征值，该特征值序列是根据每个视频对应的所有视频帧图像生成的，每个第三特征值分别对应一个不同的视频帧图像，每个第三特征值在该特征值序列中的顺序与该第三特征值对应的视频帧图像在该视频中的顺序保持一致。在一些实施例中 ，第二特征值与每个版权库特征的匹配度可以是，先得到该第二特征值中的每个第一特征值与该版权库特征中的多个第三特征值之间的最大匹配度，然后根据该多个最大匹配度，得到第二特征值与该版权库特征的匹配度，包括但不限于该多个最大匹配度对应的平均匹配度、最小匹配度或最大匹配度，或者，第二特征值与每个版权库特征的匹配度还可以是，先获取该第二特征值中的每个第一特征值对应的视频帧图像在该目标视频对应的播放时间轴上的位置信息（例如，从该目标视频对应的图像抽取配置信息中获取），该位置信息可以是一个具体的时间点（例如，15秒、30秒等），或者，还可以是一个相对于该播放时间轴或该目标视频的播放总时长的百分比数值或比例数值（例如，25%、50%、0.25、0.5等），然后根据该位置信息从该版权库特征中获取与该第二特征值中的每个第一特征值对应的第三特征值，然后将每个第一特征值与其对应的第三特征值进行匹配，得到每个第一特征值与其对应的第三特征值之间的匹配度，然后根据该多个匹配度，得到第二特征值与该版权库特征的匹配度，包括但不限于该多个匹配度对应的平均匹配度、最小匹配度或最大匹配度。在一些实施例中，预定匹配条件可以是所述第二特征值与所述版权库特征集合中的所有版权库特征之间的匹配度均小于或等于第一预定匹配度阈值（例如，20%），或者，还可以是所述版权库特征集合中与所述第二特征值之间的匹配度最高的目标版权库特征所对应的匹配度小于或等于第二预定匹配度阈值。本申请通过构建自动检测视频侵权系统，可以减少视频侵权的检测难度及检测时长，提高视频侵权的检测效率。在一些实施例中，作为一个示例，如图3所示，对于某个原始视频，随机确定该原始视频对应的锚点个数和位置，通过播放系统使用播放器将原始视频预加载到每个锚点对应的播放进度处，然后解码系统使用解码器批量输出每个锚点对应的视频帧图片，然后将批量输出的多个视频帧图片送往AI图像识别系统进行视频分析采集，输出每个视频帧图片对应的图像数据，并通过计算系统对每个视频帧图片对应的图像数据进行md5计算生成唯一的md5特征值，然后将该原始视频对应的md5特征集合输入匹配系统在版权库特征集合中进行匹配比对，若匹配度超过阈值20%，需要重新选取该原始视频对应的锚点。在一些实施例中，作为一个示例，如图4所示，客户端上传视频到服务端，服务器从该视频中抽取视频帧图像构成图片集合，对该图片集合进行AI智能解析获得图形数据，对该图形数据进行md5计算获得特征集合，然后将该特征集合放入版权库中进行匹配，若匹配度小于20%，则该视频审核通过并通知客户端，若匹配度大于20%，则从该视频中重新抽取视频帧图像构成新的图片集合，并针对该新的图片集合重复执行前述步骤。
在一些实施例中，所述图像抽取配置信息包括一个或多个锚点对应的锚点数量及每个锚点在所述目标视频对应的播放时间轴上的位置信息，每个视频帧图像对应一个锚点。在此，相关操作与图1所示实施例相同或相近，故不再赘述，在此以引用方式包含于此。
在一些实施例中，所述对于每个视频帧图像，获得该视频帧图像对应的第一图像数据，包括：对于每个视频帧图像，获得该视频帧图像对应的第一图像数据，其中，所述第一图像数据包括一个或多个第二图像数据，每个第二图像数据是通过对该视频帧图像进行图像分析获得的。在此，相关操作与图1所示实施例相同或相近，故不再赘述，在此以引用方式包含于此。
在一些实施例中，所述对于每个视频帧图像，获得该视频帧图像对应的第一图像数据，包括：对于每个视频帧图像，根据图像分块规则对该视频帧图像进行分块，获取该视频帧图像对应的多个子图像，根据所述多个子图像，获得该视频帧图像对应的第一图像数据。在此，相关操作与图1所示实施例相同或相近，故不再赘述，在此以引用方式包含于此。
在一些实施例中，所述第一图像数据包括每个子图像对应的第二图像数据，所述第二图像数据是通过对所述每个子图像进行图像分析获得的。在此，相关操作与图1所示实施例相同或相近，故不再赘述，在此以引用方式包含于此。
在一些实施例中，所述根据图像抽取配置信息对目标视频进行图像抽取，包括：根据目标视频对应的图像抽取配置信息对所述目标视频进行图像抽取；其中，所述设备还包括一五模块15（未示出）。一五模块15，用于确定所述目标视频对应的图像抽取配置信息。在此，相关操作与图1所示实施例相同或相近，故不再赘述，在此以引用方式包含于此。
在一些实施例中，，所述一五模块15包括一五一模块151（未示出）。一五一模块151，用于根据所述目标视频，确定所述一个或多个锚点对应的锚点数量。在此，相关操作与图1所示实施例相同或相近，故不再赘述，在此以引用方式包含于此。
在一些实施例中，所述一五一模块151用于：根据所述目标视频的时长信息，确定所述一个或多个锚点对应的锚点数量。在此，相关操作与图1所示实施例相同或相近，故不再赘述，在此以引用方式包含于此。
在一些实施例中，所述一五一模块151用于：根据所述目标视频的视频类型，确定所述一个或多个锚点对应的锚点数量。在此，相关操作与图1所示实施例相同或相近，故不再赘述，在此以引用方式包含于此。
在一些实施例中，所述一五一模块151用于：对所述目标视频进行图像分析，获得所述目标视频对应的视频帧图像分析结果信息；根据所述视频帧图像分析结果信息，确定所述一个或多个锚点对应的锚点数量。在此，相关操作与图1所示实施例相同或相近，故不再赘述，在此以引用方式包含于此。
在一些实施例中，所述视频帧图像分析结果信息包括所述目标视频对应的视频帧图像变化程度信息。在此，相关操作与图1所示实施例相同或相近，故不再赘述，在此以引用方式包含于此。
在一些实施例中，所述播放时间轴上的每两个相邻锚点之间的时间间隔相同；其中，所述设备还用于：根据所述目标视频的时长信息，确定所述每个锚点在所述播放时间轴上的位置信息。在此，相关操作与图1所示实施例相同或相近，故不再赘述，在此以引用方式包含于此。
在一些实施例中，所述一五模块15包括一五二模块152（未示出）。一五二模块152，用于根据所述目标视频，确定所述每个锚点在所述目标视频对应的播放时间轴上的位置信息。在此，相关操作与图1所示实施例相同或相近，故不再赘述，在此以引用方式包含于此。
在一些实施例中，所述一五二模块152包括一五二一模块1521（未示出）和一五二二模块1522（未示出）。一五二一模块1521，用于对所述目标视频进行图像分析，将所述播放时间轴划分为多个播放时间区间，并确定所述目标视频在每个播放时间区间上的视频帧图像变化程度信息；一五二二模块1522，用于根据所述目标视频在每个播放时间区间上的视频帧图像变化程度信息，确定所述每个锚点在所述目标视频对应的播放时间轴上的位置信息。在此，相关操作与图1所示实施例相同或相近，故不再赘述，在此以引用方式包含于此。
在一些实施例中，对于每个播放时间区间，该播放时间区间上的每两个相邻锚点之间的时间间隔与所述目标视频在该播放时间区间上的视频帧图像变化程度信息成反比。在此，相关操作与图1所示实施例相同或相近，故不再赘述，在此以引用方式包含于此。
在一些实施例中，所述播放时间轴上的每两个相邻锚点之间的初始时间间隔相同，所述多个播放时间区间包括至少一个第一播放时间区间及至少一个第二播放时间区间，所述目标视频在所述至少一个第一播放时间区间上的视频帧图像变化程度信息大于或等于第一预定阈值，所述目标视频在所述至少一个第二播放时间区间上的视频帧图像变化程度信息小于或等于第二预定阈值；其中，所述一五二二模块1522用于：增加位于所述至少一个第一播放时间区间上的锚点数量，减小所述至少一个第一播放时间区间上的每两个相邻锚点之间的时间间隔，减少位于所述至少一个第二播放时间区间上的锚点数量，增大所述至少一个第二播放时间区间上的每两个相邻锚点之间的时间间隔，并保持所述一个或多个锚点对应的锚点数量不变。在此，相关操作与图1所示实施例相同或相近，故不再赘述，在此以引用方式包含于此。
在一些实施例中，所述根据图像分块规则对该视频帧图像进行分块，包括：根据所述目标视频对应的图像分块规则，对该视频帧图像进行分块；其中，所述设备还包括一六模块16（未示出）。一六模块16，用于确定所述目标视频对应的图像分块规则，其中，所述图像分块规则包括图像分块数量。在此，相关操作与图1所示实施例相同或相近，故不再赘述，在此以引用方式包含于此。
在一些实施例中，所述一六模块16用于：根据所述目标视频的分辨率信息，确定图像分块数量；根据所述图像分块数量，确定所述目标视频对应的图像分块规则。在此，相关操作与图1所示实施例相同或相近，故不再赘述，在此以引用方式包含于此。
在一些实施例中，所述一六模块16用于：根据所述目标视频对应的视频内容复杂程度信息，确定图像分块数量；根据所述图像分块数量，确定所述目标视频对应的图像分块规则。在此，相关操作与图1所示实施例相同或相近，故不再赘述，在此以引用方式包含于此。
在一些实施例中，所述每个子图像对应的第二图像数据包括该子图像对应的像素点色值累加值。在此，相关操作与图1所示实施例相同或相近，故不再赘述，在此以引用方式包含于此。
在一些实施例中，所述一三模块13用于：对于每个视频帧图像，将该视频帧图像对应的第一图像数据保存为一个目标文件；获得所述目标文件的摘要值并确定为该视频帧图像对应的第一特征值。在此，相关操作与图1所示实施例相同或相近，故不再赘述，在此以引用方式包含于此。
在一些实施例中，所述一三模块13用于：对于每个视频帧图像，根据预定的间隔字符，对该视频帧图像对应的第一图像数据中的一个或多个第二图像数据进行字符串拼接，获得拼接后的目标字符串；获得所述目标字符串的摘要值并确定为该视频帧图像对应的第一特征值。在此，相关操作与图1所示实施例相同或相近，故不再赘述，在此以引用方式包含于此。
在一些实施例中，所述根据所述目标视频对应的第二特征值，在版权库特征集合中进行匹配，包括：根据所述目标视频对应的第二特征值及每个第一特征值对应的视频帧图像在所述目标视频对应的播放时间轴上的位置信息，在版权库特征集合中进行匹配。在一些实施例中，版权库特征集合包括多个视频中的每个视频对应的版权库特征，每个版权库特征是一个特征值序列，该特征值序列包括多个第三特征值，该特征值序列是根据每个视频对应的所有视频帧图像生成的，每个第三特征值分别对应一个不同的视频帧图像，每个第三特征值在该特征值序列中的顺序与该第三特征值对应的视频帧图像在该视频中的顺序保持一致。在一些实施例中，先获取该第二特征值中的每个第一特征值对应的视频帧图像在该目标视频对应的播放时间轴上的位置信息（例如，从该目标视频对应的图像抽取配置信息中获取），该位置信息可以是一个具体的时间点（例如，15秒、30秒等），或者，还可以是一个相对于该播放时间轴或该目标视频的播放总时长的百分比数值或比例数值（例如，25%、50%、0.25、0.5等），然后根据该位置信息从该版权库特征中获取与该第二特征值中的每个第一特征值对应的第三特征值，然后将每个第一特征值与其对应的第三特征值进行匹配，得到每个第一特征值与其对应的第三特征值之间的匹配度，然后根据该多个匹配度，得到第二特征值与该版权库特征的匹配度，包括但不限于该多个匹配度对应的平均匹配度、最小匹配度或最大匹配度。
在一些实施例中，所述预定匹配条件包括但不限于：所述第二特征值与所述版权库特征集合中的所有版权库特征之间的匹配度均小于或等于第一预定匹配度阈值；所述版权库特征集合中与所述第二特征值之间的匹配度最高的目标版权库特征所对应的匹配度小于或等于第二预定匹配度阈值。在此，相关操作与图1所示实施例相同或相近，故不再赘述，在此以引用方式包含于此。
在一些实施例中，所述设备还用于：若不满足预定匹配条件，网络设备调整所述图像抽取配置信息，根据调整后的图像抽取配置信息重新执行所述图像抽取操作、所述分块操作以及所述摘要计算操作，并根据所述目标视频对应的新的第二特征值，再次在版权库特征集合中进行匹配，若满足所述预定匹配条件，确定所述目标视频不侵权，否则，确定所述目标视频侵权。在此，相关操作与图1所示实施例相同或相近，故不再赘述，在此以引用方式包含于此。
在一些实施例中，所述调整所述图像抽取配置信息，包括以下至少一项：调整所述一个或多个锚点中的至少一个锚点在所述目标视频对应的播放时间轴上的位置信息；调整所述一个或多个锚点对应的锚点数量。在此，相关操作与图1所示实施例相同或相近，故不再赘述，在此以引用方式包含于此。
除上述各实施例介绍的方法和设备外，本申请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存储有计算机代码，当所述计算机代码被执行时，如前任一项所述的方法被执行。
本申请还提供了一种计算机程序产品，当所述计算机程序产品被计算机设备执行时，如前任一项所述的方法被执行。
本申请还提供了一种计算机设备，所述计算机设备包括：
一个或多个处理器；
存储器，用于存储一个或多个计算机程序；
当所述一个或多个计算机程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如前任一项所述的方法。
图6示出了可被用于实施本申请中所述的各个实施例的示例性系统；
如图6所示在一些实施例中，系统300能够作为各所述实施例中的任意一个设备。在一些实施例中，系统300可包括具有指令的一个或多个计算机可读介质(例如，系统存储器或NVM/存储设备320)以及与该一个或多个计算机可读介质耦合并被配置为执行指令以实现模块从而执行本申请中所述的动作的一个或多个处理器(例如，(一个或多个)处理器305)。
对于一个实施例，系统控制模块310可包括任意适当的接口控制器，以向(一个或多个)处理器305中的至少一个和/或与系统控制模块310通信的任意适当的设备或组件提供任意适当的接口。
系统控制模块310可包括存储器控制器模块330，以向系统存储器315提供接口。存储器控制器模块330可以是硬件模块、软件模块和/或固件模块。
系统存储器315可被用于例如为系统300加载和存储数据和/或指令。对于一个实施例，系统存储器315可包括任意适当的易失性存储器，例如，适当的DRAM。在一些实施例中，系统存储器315可包括双倍数据速率类型四同步动态随机存取存储器(DDR4SDRAM)。
对于一个实施例，系统控制模块310可包括一个或多个输入/输出(I/O)控制器，以向NVM/存储设备320及(一个或多个)通信接口325提供接口。
例如，NVM/存储设备320可被用于存储数据和/或指令。NVM/存储设备320可包括任意适当的非易失性存储器(例如，闪存)和/或可包括任意适当的(一个或多个)非易失性存储设备(例如，一个或多个硬盘驱动器(HDD)、一个或多个光盘(CD)驱动器和/或一个或多个数字通用光盘(DVD)驱动器)。
NVM/存储设备320可包括在物理上作为系统300被安装在其上的设备的一部分的存储资源，或者其可被该设备访问而不必作为该设备的一部分。例如，NVM/存储设备320可通过网络经由(一个或多个)通信接口325进行访问。
(一个或多个)通信接口325可为系统300提供接口以通过一个或多个网络和/或与任意其他适当的设备通信。系统300可根据一个或多个无线网络标准和/或协议中的任意标准和/或协议来与无线网络的一个或多个组件进行无线通信。
对于一个实施例，(一个或多个)处理器305中的至少一个可与系统控制模块310的一个或多个控制器(例如，存储器控制器模块330)的逻辑封装在一起。对于一个实施例，(一个或多个)处理器305中的至少一个可与系统控制模块310的一个或多个控制器的逻辑封装在一起以形成系统级封装(SiP)。对于一个实施例，(一个或多个)处理器305中的至少一个可与系统控制模块310的一个或多个控制器的逻辑集成在同一模具上。对于一个实施例，(一个或多个)处理器305中的至少一个可与系统控制模块310的一个或多个控制器的逻辑集成在同一模具上以形成片上系统(SoC)。
在各个实施例中，系统300可以但不限于是：服务器、工作站、台式计算设备或移动计算设备(例如，膝上型计算设备、手持计算设备、平板电脑、上网本等)。在各个实施例中，系统300可具有更多或更少的组件和/或不同的架构。例如，在一些实施例中，系统300包括一个或多个摄像机、键盘、液晶显示器(LCD)屏幕(包括触屏显示器)、非易失性存储器端口、多个天线、图形芯片、专用集成电路(ASIC)和扬声器。
需要注意的是，本申请可在软件和/或软件与硬件的组合体中被实施，例如，可采用专用集成电路（ASIC）、通用目的计算机或任何其他类似硬件设备来实现。在一个实施例中，本申请的软件程序可以通过处理器执行以实现上文所述步骤或功能。同样地，本申请的软件程序（包括相关的数据结构）可以被存储到计算机可读记录介质中，例如，RAM存储器，磁或光驱动器或软磁盘及类似设备。另外，本申请的一些步骤或功能可采用硬件来实现，例如，作为与处理器配合从而执行各个步骤或功能的电路。
另外，本申请的一部分可被应用为计算机程序产品，例如计算机程序指令，当其被计算机执行时，通过该计算机的操作，可以调用或提供根据本申请的方法和/或技术方案。本领域技术人员应能理解，计算机程序指令在计算机可读介质中的存在形式包括但不限于源文件、可执行文件、安装包文件等，相应地，计算机程序指令被计算机执行的方式包括但不限于：该计算机直接执行该指令，或者该计算机编译该指令后再执行对应的编译后程序，或者该计算机读取并执行该指令，或者该计算机读取并安装该指令后再执行对应的安装后程序。在此，计算机可读介质可以是可供计算机访问的任意可用的计算机可读存储介质或通信介质。
通信介质包括藉此包含例如计算机可读指令、数据结构、程序模块或其他数据的通信信号被从一个系统传送到另一系统的介质。通信介质可包括有导的传输介质(诸如电缆和线(例如，光纤、同轴等))和能传播能量波的无线(未有导的传输)介质，诸如声音、电磁、RF、微波和红外。计算机可读指令、数据结构、程序模块或其他数据可被体现为例如无线介质(诸如载波或诸如被体现为扩展频谱技术的一部分的类似机制)中的已调制数据信号。术语“已调制数据信号”指的是其一个或多个特征以在信号中编码信息的方式被更改或设定的信号。调制可以是模拟的、数字的或混合调制技术。
作为示例而非限制，计算机可读存储介质可包括以用于存储诸如计算机可读指令、数据结构、程序模块或其它数据的信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动的介质。例如，计算机可读存储介质包括，但不限于，易失性存储器，诸如随机存储器(RAM, DRAM, SRAM)；以及非易失性存储器，诸如闪存、各种只读存储器(ROM,PROM, EPROM, EEPROM)、磁性和铁磁/铁电存储器(MRAM, FeRAM)；以及磁性和光学存储设备(硬盘、磁带、CD、DVD)；或其它现在已知的介质或今后开发的能够存储供计算机系统使用的计算机可读信息/数据。
在此，根据本申请的一个实施例包括一个装置，该装置包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器，其中，当该计算机程序指令被该处理器执行时，触发该装置运行基于前述根据本申请的多个实施例的方法和/或技术方案。
对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其他的具体形式实现本申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。装置权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。

Claims (23)

1.一种用于确定视频侵权的方法，其中，该方法包括：
根据图像抽取配置信息对目标视频进行图像抽取，获得一个或多个视频帧图像；
对于每个视频帧图像，获得该视频帧图像对应的第一图像数据；
对于每个视频帧图像，根据预定摘要规则，对该视频帧图像对应的第一图像数据进行摘要计算，获得该视频帧图像对应的第一特征值，其中，所述第一图像数据是根据对该视频帧图像进行分块后获得的多个子图像对应的第二图像数据确定的；
根据所述目标视频对应的第二特征值，在版权库特征集合中进行匹配，若满足预定匹配条件，确定所述目标视频不侵权，其中，所述第二特征值包括所述每个视频帧图像对应的第一特征值；
其中，所述版权库特征集合包括每个视频对应的版权库特征，所述版权库特征为包括多个第三特征值的特征值序列，所述特征值序列是根据该视频对应的所有视频帧图像生成的，每个第三特征值分别对应一个不同的视频帧图像；
其中，所述根据所述目标视频对应的第二特征值，在版权库特征集合中进行匹配，包括：
获取所述第二特征值中的每个第一特征值对应的视频帧图像在所述目标视频对应的播放时间轴上的位置信息，根据所述位置信息从所述版权库特征获取与该第一特征值对应的第三特征值，得到该第一特征值与该第三特征值之间的匹配度，然后根据每个第一特征值对应的匹配度，得到所述目标视频与所述版权库特征的匹配度；
其中，所述对于每个视频帧图像，获得该视频帧图像对应的第一图像数据，包括：对于每个视频帧图像，根据所述目标视频对应的图像分块规则，对该视频帧图像进行分块，获取该视频帧图像对应的多个子图像，根据所述多个子图像，获得该视频帧图像对应的第一图像数据；
其中，所述方法还包括：根据所述目标视频的分辨率信息或视频内容复杂程度信息，确定图像分块数量，其中，所述图像分块数量与所述目标视频的分辨率或所述目标视频对应的视频内容复杂程度成正比；根据所述图像分块数量，确定所述目标视频对应的图像分块规则。
2.根据权利要求1所述的方法，其中，所述图像抽取配置信息包括一个或多个锚点对应的锚点数量及每个锚点在所述目标视频对应的播放时间轴上的位置信息，每个视频帧图像对应一个锚点。
3.根据权利要求1所述的方法，其中，所述对于每个视频帧图像，获得该视频帧图像对应的第一图像数据，包括：
对于每个视频帧图像，获得该视频帧图像对应的第一图像数据，其中，所述第一图像数据包括一个或多个第二图像数据，每个第二图像数据是通过对该视频帧图像进行图像分析获得的。
4.根据权利要求1所述的方法，其中，所述第一图像数据包括每个子图像对应的第二图像数据，所述第二图像数据是通过对所述每个子图像进行图像分析获得的。
5.根据权利要求2所述的方法，其中，所述根据图像抽取配置信息对目标视频进行图像抽取，包括：
根据目标视频对应的图像抽取配置信息对所述目标视频进行图像抽取；
其中，所述方法还包括：
确定所述目标视频对应的图像抽取配置信息。
6.根据权利要求5所述的方法，其中，所述确定所述目标视频对应的图像抽取配置信息，包括：
根据所述目标视频，确定所述一个或多个锚点对应的锚点数量。
7.根据权利要求6所述的方法，其中，所述根据所述目标视频，确定所述一个或多个锚点对应的锚点数量，包括：
根据所述目标视频的时长信息，确定所述一个或多个锚点对应的锚点数量。
8.根据权利要求6所述的方法，其中，所述根据所述目标视频，确定所述一个或多个锚点对应的锚点数量，包括：
根据所述目标视频的视频类型，确定所述一个或多个锚点对应的锚点数量。
9.根据权利要求6所述的方法，其中，所述根据所述目标视频，确定所述一个或多个锚点对应的锚点数量，包括：
对所述目标视频进行图像分析，获得所述目标视频对应的视频帧图像分析结果信息；
根据所述视频帧图像分析结果信息，确定所述一个或多个锚点对应的锚点数量。
10.根据权利要求9所述的方法，其中，所述视频帧图像分析结果信息包括所述目标视频对应的视频帧图像变化程度信息。
11.根据权利要求5所述的方法，其中，所述播放时间轴上的每两个相邻锚点之间的时间间隔相同；
其中，所述方法还包括：
根据所述目标视频的时长信息，确定所述每个锚点在所述播放时间轴上的位置信息。
12.根据权利要求5所述的方法，其中，所述确定所述目标视频对应的图像抽取配置信息，包括：
根据所述目标视频，确定所述每个锚点在所述目标视频对应的播放时间轴上的位置信息。
13.根据权利要求12所述的方法，其中，所述根据所述目标视频，确定所述每个锚点在所述目标视频对应的播放时间轴上的位置信息，包括：
对所述目标视频进行图像分析，将所述播放时间轴划分为多个播放时间区间，并确定所述目标视频在每个播放时间区间上的视频帧图像变化程度信息；
根据所述目标视频在每个播放时间区间上的视频帧图像变化程度信息，确定所述每个锚点在所述目标视频对应的播放时间轴上的位置信息。
14.根据权利要求13所述的方法，其中，对于每个播放时间区间，该播放时间区间上的每两个相邻锚点之间的时间间隔与所述目标视频在该播放时间区间上的视频帧图像变化程度信息成反比。
15.根据权利要求13所述的方法，其中，所述播放时间轴上的每两个相邻锚点之间的初始时间间隔相同，所述多个播放时间区间包括至少一个第一播放时间区间及至少一个第二播放时间区间，所述目标视频在所述至少一个第一播放时间区间上的视频帧图像变化程度信息大于或等于第一预定阈值，所述目标视频在所述至少一个第二播放时间区间上的视频帧图像变化程度信息小于或等于第二预定阈值；
其中，所述根据所述目标视频在每个播放时间区间上的视频帧图像变化程度信息，确定所述每个锚点在所述目标视频对应的播放时间轴上的位置信息，包括：
增加位于所述至少一个第一播放时间区间上的锚点数量，减小所述至少一个第一播放时间区间上的每两个相邻锚点之间的时间间隔，减少位于所述至少一个第二播放时间区间上的锚点数量，增大所述至少一个第二播放时间区间上的每两个相邻锚点之间的时间间隔，并保持所述一个或多个锚点对应的锚点数量不变。
16.根据权利要求4所述的方法，其中，所述每个子图像对应的第二图像数据包括该子图像对应的像素点色值累加值。
17.根据权利要求1所述的方法，其中，所述对于每个视频帧图像，根据预定摘要规则，对该视频帧图像对应的第一图像数据进行摘要计算，获得该视频帧图像对应的第一特征值，包括：
对于每个视频帧图像，将该视频帧图像对应的第一图像数据保存为一个目标文件；
获得所述目标文件的摘要值并确定为该视频帧图像对应的第一特征值。
18.根据权利要求1所述的方法，其中，所述对于每个视频帧图像，根据预定摘要规则，对该视频帧图像对应的第一图像数据进行摘要计算，获得该视频帧图像对应的第一特征值，包括：
对于每个视频帧图像，根据预定的间隔字符，对该视频帧图像对应的第一图像数据中的一个或多个第二图像数据进行字符串拼接，获得拼接后的目标字符串；
获得所述目标字符串的摘要值并确定为该视频帧图像对应的第一特征值。
19.根据权利要求1所述的方法，其中，所述预定匹配条件包括以下任一项：
所述第二特征值与所述版权库特征集合中的所有版权库特征之间的匹配度均小于或等于第一预定匹配度阈值；
所述版权库特征集合中与所述第二特征值之间的匹配度最高的目标版权库特征所对应的匹配度小于或等于第二预定匹配度阈值。
20.根据权利要求1所述的方法，其中，所述方法还包括：
若不满足预定匹配条件，调整所述图像抽取配置信息，根据调整后的图像抽取配置信息重新执行所述图像抽取操作、所述分块操作以及所述摘要计算操作，并根据所述目标视频对应的新的第二特征值，再次在版权库特征集合中进行匹配，若满足所述预定匹配条件，确定所述目标视频不侵权，否则，确定所述目标视频侵权。
21.根据权利要求20所述的方法，其中，所述调整所述图像抽取配置信息，包括以下至少一项：
调整所述一个或多个锚点中的至少一个锚点在所述目标视频对应的播放时间轴上的位置信息；
调整所述一个或多个锚点对应的锚点数量。
22.一种用于确定视频侵权的计算机设备，包括存储器、处理器及存储在存储器上的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现如权利要求1至21中任一项所述方法的步骤。
23.一种计算机可读存储介质，其上存储有计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现如权利要求1至21中任一项所述方法的步骤。
CN202110656892.0A 2021-06-11 2021-06-11 一种用于确定视频侵权的方法、设备及介质 Active CN113438507B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110656892.0A CN113438507B (zh) 2021-06-11 2021-06-11 一种用于确定视频侵权的方法、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110656892.0A CN113438507B (zh) 2021-06-11 2021-06-11 一种用于确定视频侵权的方法、设备及介质

Publications (2)

Publication Number Publication Date
CN113438507A CN113438507A (zh) 2021-09-24
CN113438507B true CN113438507B (zh) 2023-09-15

Family

ID=77755811

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110656892.0A Active CN113438507B (zh) 2021-06-11 2021-06-11 一种用于确定视频侵权的方法、设备及介质

Country Status (1)

Country Link
CN (1) CN113438507B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101374234A (zh) * 2008-09-25 2009-02-25 清华大学 一种基于内容的视频拷贝监测方法及装置
CN103744973A (zh) * 2014-01-11 2014-04-23 西安电子科技大学 基于多特征哈希的视频拷贝检测方法
CN104754330A (zh) * 2015-04-10 2015-07-01 飞狐信息技术（天津）有限公司 视频检测方法及系统
CN104994411A (zh) * 2015-06-29 2015-10-21 北京国泰信安科技有限公司 一种移动互联网高清视频数字版权保护体系
CN107529071A (zh) * 2016-06-22 2017-12-29 腾讯科技（深圳）有限公司 一种视频数据处理方法以及装置
CN110309795A (zh) * 2019-07-04 2019-10-08 腾讯科技（深圳）有限公司 视频检测方法、装置、电子设备及存储介质
CN111666907A (zh) * 2020-06-09 2020-09-15 北京奇艺世纪科技有限公司 一种视频中对象信息的识别方法、装置及服务器
CN112291634A (zh) * 2019-07-25 2021-01-29 腾讯科技（深圳）有限公司 视频处理方法及装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8295611B2 (en) * 2009-08-10 2012-10-23 Pixel Forensics, Inc. Robust video retrieval utilizing audio and video data
CN107967416B (zh) * 2016-10-19 2021-07-09 华为技术有限公司 版权维权检测的方法、装置和系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101374234A (zh) * 2008-09-25 2009-02-25 清华大学 一种基于内容的视频拷贝监测方法及装置
CN103744973A (zh) * 2014-01-11 2014-04-23 西安电子科技大学 基于多特征哈希的视频拷贝检测方法
CN104754330A (zh) * 2015-04-10 2015-07-01 飞狐信息技术（天津）有限公司 视频检测方法及系统
CN104994411A (zh) * 2015-06-29 2015-10-21 北京国泰信安科技有限公司 一种移动互联网高清视频数字版权保护体系
CN107529071A (zh) * 2016-06-22 2017-12-29 腾讯科技（深圳）有限公司 一种视频数据处理方法以及装置
CN110309795A (zh) * 2019-07-04 2019-10-08 腾讯科技（深圳）有限公司 视频检测方法、装置、电子设备及存储介质
CN112291634A (zh) * 2019-07-25 2021-01-29 腾讯科技（深圳）有限公司 视频处理方法及装置
CN111666907A (zh) * 2020-06-09 2020-09-15 北京奇艺世纪科技有限公司 一种视频中对象信息的识别方法、装置及服务器

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Security Analysis of Hash Based Fragile Watermarking Scheme for Image Integrity;N. R. Neena Raj et al.;《2019 2nd International Conference on Intelligent Computing, Instrumentation and Control Technologies (ICICICT)》;全文 *
基于感知哈希的图像相似检索算法研究;尹玉梅;《中国优秀硕士学位论文全文数据库信息科技辑》;全文 *
运用哈希算法的图片版权保护;杨帆;《电子技术 》(第11期);全文 *

Also Published As

Publication number Publication date
CN113438507A (zh) 2021-09-24

Similar Documents

Publication Publication Date Title
US10136098B2 (en) Integrity verification of an audio-visual data stream
US11153526B2 (en) Detection of photosensitive triggers in video content
CN107221346B (zh) 一种用于确定ar视频的识别图片的方法与设备
US20140325409A1 (en) Active & Efficient Monitoring of a Graphical User Interface
WO2021159644A1 (zh) 一种截屏管理方法、装置及移动终端
US20210250404A1 (en) Video data storage method and device in cloud storage system
JP2018528634A (ja) 動画像をプレビューする方法及びデバイス、並びに表現パッケージを表示する方法及びデバイス
CN107864384B (zh) 重定向云桌面上互联网视频播放的方法及装置
CN111162990B (zh) 一种呈现消息通知的方法与设备
CN109992489B (zh) 一种用于监控用户设备中应用的执行行为的方法与设备
CN113490063B (zh) 一种用于直播互动的方法、设备、介质及程序产品
CN111695107A (zh) 验证方法、装置和电子设备
CN109345416B (zh) 一种用于记录作品间的引用关系的方法与设备
CN113438507B (zh) 一种用于确定视频侵权的方法、设备及介质
CN112866302B (zh) 对集群数据完整性检查的方法、设备、介质及程序产品
CN114666652A (zh) 一种用于播放视频的方法、设备、介质及程序产品
CN109636922B (zh) 一种用于呈现增强现实内容的方法与设备
US11755758B1 (en) System and method for evaluating data files
CN110413800B (zh) 一种提供小说信息的方法与设备
WO2020114375A1 (zh) 一种用于生成和识别二维码的方法与设备
CN111680250B (zh) 一种召回呈现信息的方法与设备
CN115209220A (zh) 视频文件处理方法、装置、存储介质及电子设备
US20200286120A1 (en) Advertising monitoring method, system, apparatus, and electronic equipment
TWI571804B (zh) 可預覽畫面之視訊檔案回放系統及其方法與電腦程式產品
CN113965665A (zh) 一种用于确定虚拟直播图像的方法与设备

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