CN114445896B - 视频中人物陈述内容可置信度的评估方法及装置 - Google Patents

Abstract

本申请公开了一种视频中人物陈述内容可置信度的评估方法及装置，涉及计算机视觉、语音技术、深度学习等。具体实现方案为：获取原始视频，并提取原始视频中的文字信息；从原始视频中确定待分析的多个目标视频片段；基于文字信息，确定每个目标视频片段中目标人物阐述内容的第一时间信息以及阐述的目标文字信息；识别每个目标视频片段中目标人物的微表情，微表情携带时间戳信息；针对每个目标视频片段，基于第一时间信息和微表情，获取目标人物阐述目标文字信息的可置信度评估结果。通过分析视频中目标人物阐述内容时的微表情，评估其阐述内容的可置信度。

Description

视频中人物陈述内容可置信度的评估方法及装置

技术领域

本申请公开了一种视频中人物陈述内容可置信度的评估方法及装置，涉及人工智能领域，具体涉及计算机视觉、语音技术、深度学习等领域。

背景技术

视频是一种传达内容信息的载体，用户在观看视频内容的同时会收到视频中人物所要表达的信息，视频中的人物内容是事实还是虚构，用户难以分辨。

发明内容

本申请提供了一种视频中人物陈述内容可置信度的评估方法及装置。

根据本申请的第一方面，提供了一种视频中人物陈述内容可置信度的评估方法，包括：

获取原始视频，并提取所述原始视频中的文字信息；其中，所述文字信息携带有时间戳信息；

从所述原始视频中确定待分析的多个目标视频片段，其中，所述多个目标视频片段中包含目标人物；

确定每个所述目标视频片段中目标人物阐述内容时对应的第一时间信息，并从所述文字信息中获取所述第一时间信息对应的目标文字信息；

识别每个所述目标视频片段中目标人物的微表情，所述微表情携带时间戳信息；

针对每个所述目标视频片段，基于所述第一时间信息和所述微表情，获取所述目标人物阐述所述目标文字信息的可置信度评估结果。

根据本申请的第二方面，提供了一种视频中人物陈述内容可置信度的评估装置，包括：

文字获取模块，用于获取原始视频，并提取所述原始视频中的文字信息；其中，所述文字信息携带有时间戳信息；

片段合成模块，用于从所述原始视频中确定待分析的多个目标视频片段，其中，所述多个目标视频片段中包含目标人物；

时间获取模块，用于确定每个所述目标视频片段中目标人物阐述内容时对应的第一时间信息，并从所述文字信息中获取所述第一时间信息对应的目标文字信息；

表情识别模块，用于识别每个所述目标视频片段中目标人物的微表情，所述微表情携带时间戳信息；

置信评估模块，用于针对每个所述目标视频片段，基于所述第一时间信息和所述微表情，获取所述目标人物阐述所述目标文字信息的可置信度评估结果。

根据本申请的第三方面，提供了一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行第一方面所述的方法。

根据本申请的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行第一方面所述的方法。

根据本申请的第五方面，提供了一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现第一方面所述方法的步骤。

根据本申请实施例的技术通过分析视频中目标人物阐述内容时的微表情，评估其阐述内容的可置信度，从而为用户提供一定的置信参考。

应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1是根据本申请第一实施例的视频中人物陈述内容可置信度的评估方法的示意图；

图2是根据本申请第二实施例的视频中人物陈述内容可置信度的评估方法的示意图；

图3是根据本申请第三实施例的视频中人物陈述内容可置信度的评估方法的示意图；

图4是根据本申请第四实施例的视频中人物陈述内容可置信度的评估装置的框图；

图5是用来实现本申请实施例的视频中人物陈述内容可置信度的评估的方法的电子设备的框图。

具体实施方式

以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

视频是一种传达内容信息的载体，用户在观看视频内容的同时会收到视频中人物所要表达的信息，例如，主播带货的场景，主播所带的货是真的实惠还是在割观众韭菜，视频中的人物阐述的内容是事实还是虚构，用户难以分辨。

为解决上述技术问题，本申请提出了一种视频中人物陈述内容可置信度的评估方法、装置、电子设备和计算机可读存储介质，可以实现。

下面参照附图来描述根据本申请实施例提出的视频中人物陈述内容可置信度的评估方法、装置、电子设备和计算机可读存储介质。

图1是根据本申请一个实施例的视频中人物陈述内容可置信度的评估方法的流程图。需要说明的是，本申请实施例的视频中人物陈述内容可置信度的评估方法可应用于本申请实施例的视频中人物陈述内容可置信度的评估装置。该视频中人物陈述内容可置信度的评估装置可被配置于电子设备上。如图1所示，该视频中人物陈述内容可置信度的评估方法可以包括如下步骤。

S101，获取原始视频，并提取原始视频中的文字信息；其中，文字信息携带有时间戳信息。

可以理解，要评估视频中人物阐述内容的可置信度，则需要获取视频中人物阐述内容的具体内容信息。

作为一种可能的实现方式，获取文字信息的过程，包括：提取原始视频中的人物语音信息，利用语音转文字技术，将人物语音信息转化为文字信息，且该文字信息带有时间戳(即该文字信息出现在视频中的时间段)，目的是标注好该段文字信息出于视频的时间点。

S102，从原始视频中确定待分析的多个目标视频片段，其中，多个目标视频片段中包含目标人物。

因为要评估的是视频中人物阐述内容的可置信度，则分析的对象是视频中的人物，不同的人具有不同的性格，不同的人物阐述内容时的表现都存在区别。因此，需要按照不同的人物去评估该人物阐述内容的可置信度。从这个角度考虑，如果原始视频中存在多个人物阐述内容，则需要根据不同的人物，获取每个目标人物对应的待分析的目标视频片段。

S103，确定每个目标视频片段中目标人物阐述内容时对应的第一时间信息，并从文字信息中获取第一时间信息对应的目标文字信息。

如上所说，多个目标视频片段中包含各自的目标人物，针对每个目标视频片段中的目标人物，需要获取该目标人物阐述的具体内容信息，以及该目标人物说话时所属的时间段。

根据原始视频中提取的文字信息及其时间戳，结合目标视频片段的时间段，获取该目标视频片段中目标人物说话时对应的目标文字信息，以及该目标文字信息的第一时间信息，即该目标人物说话时所属的时间段。

S104，识别每个目标视频片段中目标人物的微表情，微表情携带时间戳信息。

微表情指的是瞬间闪现的面部表情，这种反应在一个情绪唤起事件之后快速出现而且很难抑制。它们恰能揭示人物的真实感受和情绪。微表情是有助于识别谎言的非语言行为，之前提到的短暂地显露出来的面部表情，如果它们与随后有意呈现的面部表情不一致的话，那么可能是此人在说谎的标志。比如，你问一个人是否喜欢一样东西，在他反应时密切地关注他的脸。如果你看到一个皱眉表情之后紧跟着另一个微笑表情，这就是他撒谎的信号，而实际上他的真实观点是另外一个。

微表情包括很多种，例如皱眉、眨眼、闭眼、眼球转动、撇嘴等等。

通过识别目标视频片段中目标人物的微表情，为评估人物阐述内容的可置信度提供一定的依据。该微表情携带时间戳信息，目的是标注微表情出现在视频中的时间点，例如，微表情出现的时间点是属于说话时间，还是属于未说话时间，还是属于在说某些关键词的时间点。

S105，针对每个目标视频片段，基于第一时间信息和微表情，获取目标人物阐述目标文字信息的可置信度评估结果。

可选的，可统计目标视频片段中目标人物的微表情出现的次数以及频率，从而获取该目标人物对于所说内容的可置信度评估结果，可置信度评估结果可以是评估报告或者是简单的评估结论，或者评估打分等等。

本申请实施例的视频中人物陈述内容可置信度的评估方法，通过分析视频中目标人物阐述内容时的微表情，评估其阐述内容的可置信度，从而为用户提供一定的置信参考。

对于获取的原始视频，可能只包含单人场景，则只需要针对单人场景的视频进行进一步处理。或者选择只分析原始视频中的单人场景的视频片段，过滤掉视频中的多人场景的部分。图2是根据本申请另一个实施例的视频中人物陈述内容可置信度的评估方法的流程图。如图2所示，该视频中人物陈述内容可置信度的评估方法可以包括如下步骤。

S201，获取原始视频，并提取原始视频中的文字信息；其中，文字信息携带有时间戳信息。

在上述实施例的基础上，可选的，根据用户端请求获取原始视频。

需要说明的是，本申请实施例实现的评估方法，可以根据预设条件执行，也可以根据用户端请求执行。

以直播、视频播放类软件的应用场景为例，在该类软件上可以添加功能控件，当用户端触发该功能控件后，相当于发送请求，执行该评估方法，获取待评估的原始视频。

S202根据镜头分割原始视频，得到多个视频片段。

可以理解，一段原始视频可能是由多个镜头拍摄拼接在一起的，例如，某个电视节目，多个镜头同时在不同的角度拍摄，由工作人员指导当前显示哪个镜头拍摄的视频片段。不同的镜头，拍摄的人物或者距离人物的距离可能存在很大差距。在这种情况下，则需要针对该原始视频，进行镜头分割，得到多个视频片段。

S203，合并具有相同的目标人物的多个视频片段，得到多个目标视频片段。

可以理解，多人物出现场景，将视频按照人物的出场对原始视频分割、再合成。将原始视频转换为多个仅含有单人出场的子视频，并对子视频进行评估。对同一个镜头中含有多个人物的场景进行舍弃。

视频合成时，需要用到人脸相似度比对模型，确保合成后的视频中出现的是同一个目标人物。

可选的，得到目标视频片段的过程，包括：

提取每个视频片段中包含人物的关键帧，确定关键帧中的人物数量；基于人物数量，将多个视频片段分为包含单人的第一视频片段和包含多人的第二视频片段；针对每个第一视频片段，提取对应关键帧中的目标人物的人脸模型；将人脸模型满足相似度阈值的多个第一视频片段合成为目标视频片段。

具体实现时，可以通过人脸识别技术，识别关键帧中人脸的数量，从而确定关键帧中人物的数量，从而区分只包含单人场景的视频片段和包含多人场景的视频片段。在本实施例中，将含有多人场景的片段舍弃，只分析含有单人场景的片段。

S204，确定每个目标视频片段中目标人物阐述内容时对应的第一时间信息，并从文字信息中获取第一时间信息对应的目标文字信息。

需要说明的是，在本实施例中，上述步骤S204的实现过程可参见上述步骤S103的实现过程的描述，在此不再赘述。

S205，识别每个目标视频片段中目标人物的微表情，微表情携带时间戳信息。

可选的，获取微表情的方法，包括：通过人脸识别技术，逐帧提取目标视频片段中目标人物的面部信息；基于面部信息的变化，识别目标人物的微表情，并记录微表情的时间戳信息。

微表情识别即人脸表情检测：利用人脸识别技术，对视频逐帧提取并识别出人脸上的五官，重点是眼部，统计出现闭眼场景的次数，以及眼球中眼仁的位置，计算眼仁位置相对变化。最终目的是计算出视频中出现的眨眼次数，以及眼球转动次数，并记录每次出现的时间点。也就是说，本实施例识别的微表情包括但不限于眨眼和眼球转动。还可以包括其他微表情的识别，在此不做限制。

S206，针对每个目标视频片段，基于第一时间信息和微表情，获取目标人物阐述目标文字信息的可置信度评估结果。

可选的，获取可置信度评估结果的过程，包括：

针对每个目标视频片段，获取第一时间信息所包含时间段内，微表情出现的第一次数以及第一平均出现次数；其中，第一平均出现次数为第一次数与第一时间信息所包含时间长度的比值；

获取第一时间信息未包含的剩余时间段内，微表情出现的第二次数以及第二平均出现次数；其中，第二平均出现次数为第二次数与剩余时间段的时间长度的比值；

基于第一次数、第一平均出现次数、第二次数以及第二平均出现次数，获取目标人物阐述目标文字信息的可置信度评估结果。

可以理解，本实施例统计的是目标人物在没有说话的时间段内的表情变化次数以及平均值（次数/时间）、目标人物在说每段话时候的表情变化次数、以及平均变化次数。作为一个示例，表情变化次数包括眨眼次数及眼球转动次数。

可选的，生成评估报告：根据目标视频片段，分别对其中的目标人物阐述内容生成评估报告。

可选的，获取可置信度评估结果之后，还包括：

将可置信度评估结果反馈到用户端。

作为一个示例，将生成的用户报告反馈给用户端。例如，将对应视频中目标人物的阐述的内容和微表情种类和次数反馈到视频播放类软件的用户端进行显示。

以直播、视频播放类软件的应用场景为例，当软件自动执行本申请实施例的评估方法，获取可置信度评估结果后，可以直接将可置信度评估结果在用户端显示；也可以根据用户端的请求，将该可置信度评估结果反馈到用户端。当软件根据用户端的请求，获取可置信度评估结果时，则将可置信度评估结果反馈到用户端。

本申请实施例的视频中人物陈述内容可置信度的评估方法，根据镜头对视频进行分割，在根据人物合并具有相同人物的视频片段。根据人物，分别统计对应目标视频片段中各自的目标人物阐述内容时的微表情出现的次数以及频率，从而评估其阐述内容的可置信度，为用户提供一定的置信参考。

在很多视频场景中包括多个人物，多人场景中阐述了主要的文字信息，在这种情况下，则不能舍弃多人场景的视频片段。图3是根据本申请又一个实施例的视频中人物陈述内容可置信度的评估方法的流程图。如图3所示，该视频中人物陈述内容可置信度的评估方法可以包括如下步骤。

S301，获取原始视频，并提取原始视频中的文字信息；其中，文字信息携带有时间戳信息。

需要说明的是，在本实施例中，上述步骤S301的实现过程可参见上述步骤S201的实现过程的描述，在此不再赘述。S302根据镜头分割原始视频，得到多个视频片段。

S303，合并具有相同的目标人物的多个视频片段，得到多个目标视频片段。

需要说明的是，在本实施例中，上述步骤S302-S303的实现过程可参见上述步骤S202-S203的实现过程的描述，在此不再赘述。

S304，基于多人场景片段调整目标视频片段，得到调整后的目标视频片段。

其中，第二视频片段指的是包含多人场景的视频片段。

可以理解，在将单人场景的视频片段合成为具有相同目标人物的目标视频片段之后，将包含该目标人物的多人场景视频同样合成到该目标视频片段中。也就是说，得到包含该目标人物的单人场景视频片段和多人场景视频片段的总的视频片段。即针对原始视频中出现该目标人物的所有视频片段进行分析，从而评估可置信度。

可以理解，在根据人物合成单人场景的视频片段时，已经确定了该标视频片段中目标人物的人脸模型。将该确定的人脸模型用于后续的人脸对比，目的是将该多人场景的视频片段与前面提取的单人场景的视频合成，以作为最终的视频分析片段。

举例说明，假如某30秒的视频片段中出现了A，B，C三人，在最后合成的时候，要将该片段分别合成到仅含有A或B或C的视频片段中，也就是说，最终得到的待分析的目标视频片段同时包含这个30秒的视频片段。换一种思维方式就是，其实就是寻找所有包含某目标人物的视频片段，在分析时，至于视频中出现的其他人物都可以当做背景板。

S305，确定每个目标视频片段中目标人物阐述内容时对应的第一时间信息，并从文字信息中获取第一时间信息对应的目标文字信息。

在上述任一实施例的基础上，针对多人场景的目标视频片段，需要通过目标人物的唇部变化，识别目标人物是否在讲话，从而确定目标人物讲话的时间段。可选的，确定第一时间信息的过程，包括：

获取每个目标视频片段中目标人物产生的唇部变化时的时间信息；根据时间信息，确定对应目标视频片段中目标人物阐述内容时对应的第一时间信息。

作为一个示例，某30秒的视频片段中出现了A，B，C三人，前10秒是A讲话，后20秒是C讲话，B没有讲话。则在针对目标人物为A的目标视频片段分析的时候，虽然那段30秒的视频是全程有人讲话的，但是分析的时候只需要分析那30秒中的前10秒（只有人物A讲话的片段）。

S306，识别每个目标视频片段中目标人物的微表情，微表情携带时间戳信息。

S307，针对每个目标视频片段，基于第一时间信息和微表情，获取目标人物阐述目标文字信息的可置信度评估结果。

需要说明的是，在本实施例中，上述步骤S306-S307的实现过程可参见上述步骤S205-S206的实现过程的描述，在此不再赘述。

本申请实施例的视频中人物陈述内容可置信度的评估方法，根据镜头对视频进行分割，在根据人物合并具有相同人物的单人场景和多人场景的视频片段。根据人物，分别统计对应目标视频片段中各自的目标人物阐述内容时的微表情出现的次数以及频率，从而评估其阐述内容的可置信度，为用户提供一定的置信参考。

作为对上述各图所示方法的实现，本申请提供一种实施视频中人物陈述内容可置信度的评估方法的虚拟装置的一个实施例，进一步参见图4，示出了本申请实施例提供的视频中人物陈述内容可置信度的评估装置的结构示意图。如图4所示，该视频中人物陈述内容可置信度的评估装置可以包括文字获取模块401、片段合成模块402、时间获取模块403、表情识别模块404和置信评估模块405。

具体地，文字获取模块401，用于获取原始视频，并提取原始视频中的文字信息；其中，文字信息携带有时间戳信息；

片段合成模块402，用于从原始视频中确定待分析的多个目标视频片段，其中，多个目标视频片段中包含目标人物；

时间获取模块403，用于确定每个目标视频片段中目标人物阐述内容时对应的第一时间信息，并从文字信息中获取第一时间信息对应的目标文字信息；

表情识别模块404，用于识别每个目标视频片段中目标人物的微表情，微表情携带时间戳信息；

置信评估模块405，用于针对每个目标视频片段，基于第一时间信息和微表情，获取目标人物阐述目标文字信息的可置信度评估结果。

在本申请的一些实施例中，片段合成模块402，用于：

根据镜头分割原始视频，得到多个视频片段；

合并具有相同的目标人物的多个视频片段，得到多个目标视频片段。

在本申请的一些实施例中，片段合成模块402在合并具有相同的目标人物的多个视频片段，得到多个目标视频片段时，用于：

提取每个视频片段中包含人物的关键帧，确定关键帧中的人物数量；

基于人物数量，将多个视频片段分为包含单人的第一视频片段和包含多人的第二视频片段；

针对每个第一视频片段，提取对应关键帧中的目标人物的人脸模型；

将人脸模型满足相似度阈值的多个第一视频片段合成为目标视频片段。

在本申请的一些实施例中，片段合成模块402在合并具有相同的目标人物的多个视频片段，得到多个目标视频片段时，还用于：

针对每个第二视频片段，提取对应关键帧中的多个人脸模型；

基于多个人脸模型与多个目标视频片段的人脸模型的相似度关系，将满足阈值的第二视频片段与对应的目标视频片段合成，得到调整后的目标视频片段。

在本申请的一些实施例中，时间获取模块403，用于：

获取每个目标视频片段中目标人物产生的唇部变化时的时间信息；根据时间信息，确定对应目标视频片段中目标人物阐述内容时对应的第一时间信。

在本申请的一些实施例中，表情识别模块404，用于：

通过人脸识别技术，逐帧提取目标视频片段中目标人物的面部信息；

基于面部信息的变化，识别目标人物的微表情，并记录微表情的时间戳信息。

在本申请的一些实施例中，置信评估模块405，用于：

针对每个目标视频片段，获取第一时间信息所包含时间段内，微表情出现的第一次数以及第一平均出现次数；其中，第一平均出现次数为第一次数与第一时间信息所包含时间长度的比值；

获取第一时间信息未包含的剩余时间段内，微表情出现的第二次数以及第二平均出现次数；其中，第二平均出现次数为第二次数与剩余时间段的时间长度的比值；

基于第一次数、第一平均出现次数、第二次数以及第二平均出现次数，获取目标人物阐述目标文字信息的可置信度评估结果。

在本申请的一些实施例中，置信评估模块405还用于：

将所述可置信度评估结果反馈到所述用户端。

在本申请的一些实施例中，文字获取模块401，具体用于：

根据用户端请求获取原始视频。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

本申请实施例的视频中人物陈述内容可置信度的评估装置，根据镜头对视频进行分割，在根据人物合并具有相同人物的单人场景和多人场景的视频片段。根据人物，分别统计对应目标视频片段中各自的目标人物阐述内容时的微表情出现的次数以及频率，从而评估其阐述内容的可置信度，为用户提供一定的置信参考。

根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。

如图5所示，是根据本申请实施例的用于实现视频中人物陈述内容可置信度的评估的方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。

如图5所示，该电子设备包括：一个或多个处理器501、存储器502，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置（诸如，耦合至接口的显示设备）上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作（例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统）。图5中以一个处理器501为例。

存储器502即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的视频中人物陈述内容可置信度的评估的方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的视频中人物陈述内容可置信度的评估的方法。

存储器502作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的视频中人物陈述内容可置信度的评估的方法对应的程序指令/模块（例如，附图4所示的文字获取模块401、片段合成模块402、时间获取模块403、表情识别模块404和置信评估模块405）。处理器501通过运行存储在存储器502中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的视频中人物陈述内容可置信度的评估的方法。

存储器502可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据视频中人物陈述内容可置信度的评估的电子设备的使用所创建的数据等。此外，存储器502可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器502可选包括相对于处理器501远程设置的存储器，这些远程存储器可以通过网络连接至视频中人物陈述内容可置信度的评估的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

视频中人物陈述内容可置信度的评估的方法的电子设备还可以包括：输入装置503和输出装置504。处理器501、存储器502、输入装置503和输出装置504可以通过总线或者其他方式连接，图5中以通过总线连接为例。

输入装置503可接收输入的数字或字符信息，以及产生与视频中人物陈述内容可置信度的评估的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置504可以包括显示设备、辅助照明装置（例如，LED）和触觉反馈装置（例如，振动电机）等。该显示设备可以包括但不限于，液晶显示器（LCD）、发光二极管（LED）显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。

此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC（专用集成电路）、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

这些计算程序（也称作程序、软件、软件应用、或者代码）包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置（例如，磁盘、光盘、存储器、可编程逻辑装置（PLD）），包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置（例如，CRT（阴极射线管）或者LCD（液晶显示器）监视器）；以及键盘和指向装置（例如，鼠标或者轨迹球），用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈（例如，视觉反馈、听觉反馈、或者触觉反馈）；并且可以用任何形式（包括声输入、语音输入或者、触觉输入）来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统（例如，作为数据服务器）、或者包括中间件部件的计算系统（例如，应用服务器）、或者包括前端部件的计算系统（例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互）、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信（例如，通信网络）来将系统的部件相互连接。通信网络的示例包括：局域网（LAN）、广域网（WAN）、互联网和区块链网络。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (14)

1.一种视频中人物陈述内容可置信度的评估方法，包括：

获取原始视频，并提取所述原始视频中的文字信息；其中，所述文字信息携带有时间戳信息；

从所述原始视频中确定待分析的多个目标视频片段，其中，所述多个目标视频片段中包含目标人物；

确定每个所述目标视频片段中目标人物阐述内容时对应的第一时间信息，并从所述文字信息中获取所述第一时间信息对应的目标文字信息，其中，根据所述原始视频中提取的文字信息及所述文字信息携带的时间戳信息，结合所述目标视频片段的时间段，获取所述目标视频片段中目标人物说话时对应的目标文字信息，以及所述目标文字信息的第一时间信息；

识别每个所述目标视频片段中目标人物的微表情，所述微表情携带时间戳信息，所述微表情包括眨眼和眼球转动，其中，对所述目标视频片段的视频逐帧提取并识别出人脸上的五官，统计出现闭眼场景的次数，以及眼球中眼仁的位置，计算眼仁位置相对变化，并计算出视频中出现的眨眼次数和眼球转动次数，记录每次出现的时间点；

针对每个所述目标视频片段，获取所述第一时间信息所包含时间段内，所述微表情出现的第一次数以及第一平均出现次数；其中，所述第一平均出现次数为所述第一次数与所述第一时间信息所包含时间长度的比值；

获取所述第一时间信息未包含的剩余时间段内，所述微表情出现的第二次数以及第二平均出现次数；其中，所述第二平均出现次数为所述第二次数与所述剩余时间段的时间长度的比值；

基于所述第一次数、第一平均出现次数、第二次数以及第二平均出现次数，获取所述目标人物阐述所述目标文字信息的可置信度评估结果；

所述从所述原始视频中确定待分析的多个目标视频片段，包括：

根据镜头分割所述原始视频，得到多个视频片段；

合并具有相同的目标人物的多个视频片段，得到多个目标视频片段；

其中，所述合并具有相同的目标人物的多个视频片段，得到多个目标视频片段，包括：

提取每个所述视频片段中包含人物的关键帧，确定所述关键帧中的人物数量；

基于所述人物数量，将所述多个视频片段分为包含单人的第一视频片段和包含多人的第二视频片段；

针对每个所述第一视频片段，提取对应关键帧中的目标人物的人脸模型；

将所述人脸模型满足相似度阈值的多个第一视频片段合成为目标视频片段。

2.根据权利要求1所述的方法，所述合并具有相同的目标人物的多个视频片段，得到多个目标视频片段，还包括：

针对每个所述第二视频片段，提取对应关键帧中的多个人脸模型；

基于所述多个人脸模型与多个所述目标视频片段的人脸模型的相似度关系，将满足阈值的所述第二视频片段与对应的所述目标视频片段合成，得到调整后的目标视频片段。

3.根据权利要求1所述的方法，其中，所述确定每个所述目标视频片段中目标人物阐述内容时对应的第一时间信息，包括：

获取每个所述目标视频片段中目标人物产生唇部变化时的时间信息；

根据所述时间信息，确定对应目标视频片段中目标人物阐述内容时对应的第一时间信息。

4.根据权利要求1所述的方法，其中，所述识别每个所述目标视频片段中目标人物的微表情，包括：

通过人脸识别技术，逐帧提取所述目标视频片段中目标人物的面部信息；

基于所述面部信息的变化，识别所述目标人物的微表情，并记录所述微表情的时间戳信息。

5.根据权利要求1所述的方法，其中，所述方法还包括：

将所述可置信度评估结果反馈到用户端。

6.根据权利要求1所述的方法，其中，所述获取原始视频，包括：

根据用户端请求获取原始视频。

7.一种视频中人物陈述内容可置信度的评估装置，包括：

文字获取模块，用于获取原始视频，并提取所述原始视频中的文字信息；其中，所述文字信息携带有时间戳信息；

片段合成模块，用于从所述原始视频中确定待分析的多个目标视频片段，其中，所述多个目标视频片段中包含目标人物；

时间获取模块，用于确定每个所述目标视频片段中目标人物阐述内容时对应的第一时间信息，并从所述文字信息中获取所述第一时间信息对应的目标文字信息，其中，根据所述原始视频中提取的文字信息及所述文字信息携带的时间戳信息，结合所述目标视频片段的时间段，获取所述目标视频片段中目标人物说话时对应的目标文字信息，以及所述目标文字信息的第一时间信息；

表情识别模块，用于识别每个所述目标视频片段中目标人物的微表情，所述微表情携带时间戳信息，所述微表情包括眨眼和眼球转动，其中，对所述目标视频片段的视频逐帧提取并识别出人脸上的五官，统计出现闭眼场景的次数，以及眼球中眼仁的位置，计算眼仁位置相对变化，并计算出视频中出现的眨眼次数和眼球转动次数，记录每次出现的时间点；

置信评估模块，用于针对每个所述目标视频片段，基于所述第一时间信息和所述微表情，获取所述目标人物阐述所述目标文字信息的可置信度评估结果；

其中，所述置信评估模块，用于：

针对每个所述目标视频片段，获取所述第一时间信息所包含时间段内，所述微表情出现的第一次数以及第一平均出现次数；其中，所述第一平均出现次数为所述第一次数与所述第一时间信息所包含时间长度的比值；

获取所述第一时间信息未包含的剩余时间段内，所述微表情出现的第二次数以及第二平均出现次数；其中，所述第二平均出现次数为所述第二次数与所述剩余时间段的时间长度的比值；

基于所述第一次数、第一平均出现次数、第二次数以及第二平均出现次数，获取所述目标人物阐述所述目标文字信息的可置信度评估结果；

其中，所述片段合成模块，用于：

根据镜头分割所述原始视频，得到多个视频片段；

合并具有相同的目标人物的多个视频片段，得到多个目标视频片段；

其中，所述片段合成模块在合并具有相同的目标人物的多个视频片段，得到多个目标视频片段时，用于：

提取每个所述视频片段中包含人物的关键帧，确定所述关键帧中的人物数量；

基于所述人物数量，将所述多个视频片段分为包含单人的第一视频片段和包含多人的第二视频片段；

针对每个所述第一视频片段，提取对应关键帧中的目标人物的人脸模型；

将所述人脸模型满足相似度阈值的多个第一视频片段合成为目标视频片段。

8.根据权利要求7所述的装置，所述片段合成模块在合并具有相同的目标人物的多个视频片段，得到多个目标视频片段时，还用于：

针对每个所述第二视频片段，提取对应关键帧中的多个人脸模型；

基于所述多个人脸模型与多个所述目标视频片段的人脸模型的相似度关系，将满足阈值的所述第二视频片段与对应的所述目标视频片段合成，得到调整后的目标视频片段。

9.根据权利要求7所述的装置，其中，所述时间获取模块，用于：

获取每个所述目标视频片段中目标人物产生唇部变化时的时间信息；

根据所述时间信息，确定对应目标视频片段中目标人物阐述内容时对应的第一时间信息。

10.根据权利要求7所述的装置，其中，所述表情识别模块，用于：

通过人脸识别技术，逐帧提取所述目标视频片段中目标人物的面部信息；

基于所述面部信息的变化，识别所述目标人物的微表情，并记录所述微表情的时间戳信息。

11.根据权利要求7所述的装置，其中，所述置信评估模块还用于：

将所述可置信度评估结果反馈到用户端。

12.根据权利要求7所述的装置，其中，所述文字获取模块，具体用于：

根据用户端请求获取原始视频。

13.一种电子设备，其特征在于，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。

14.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的方法。