CN117112837A - 视频舆情监测系统和方法、存储介质及电子设备 - Google Patents

视频舆情监测系统和方法、存储介质及电子设备 Download PDF

Info

Publication number
CN117112837A
CN117112837A CN202310670587.6A CN202310670587A CN117112837A CN 117112837 A CN117112837 A CN 117112837A CN 202310670587 A CN202310670587 A CN 202310670587A CN 117112837 A CN117112837 A CN 117112837A
Authority
CN
China
Prior art keywords
video
video event
information network
root node
event
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.)
Pending
Application number
CN202310670587.6A
Other languages
English (en)
Inventor
陈楚怡
刘世章
汪昭辰
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.)
Qingdao Chenyuan Technology Information Co ltd
Original Assignee
Qingdao Chenyuan Technology Information 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 Qingdao Chenyuan Technology Information Co ltd filed Critical Qingdao Chenyuan Technology Information Co ltd
Priority to CN202310670587.6A priority Critical patent/CN117112837A/zh
Publication of CN117112837A publication Critical patent/CN117112837A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • G06F16/7844—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 original textual content or text extracted from visual content or transcript of audio data
    • 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
    • G06F16/73—Querying
    • G06F16/732—Query formulation
    • 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
    • G06F16/73—Querying
    • G06F16/738—Presentation of query results

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Library & Information Science (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请公开了一种视频舆情监测系统和方法、存储介质及电子设备。系统包括：资源视频处理模块、视频事件分析模块和个人关注视频事件处理模块；资源视频处理模块根据上传的目标资源视频文件，生成至少一个视频事件，将每个视频事件作为根节点或子节点，构成资源视频事件信息网络，将所有视频事件发送至个人关注视频事件处理模块；视频事件分析模块根据资源视频事件信息网络，确定最新视频事件集合，或确定热点视频事件集合，或对指定视频事件进行溯源分析；个人关注视频事件处理模块根据个人上传的个人关注视频样本，构建个人关注视频事件信息网络，进行个人关注视频事件筛选，或进行个人关注视频事件检索。本申请为监测视频舆情提供了有效的手段。

Description

视频舆情监测系统和方法、存储介质及电子设备
技术领域
本申请涉及视频和图像处理技术领域，具体而言，涉及一种视频舆情监测系统和方法、存储介质及电子设备。
背景技术
随着信息技术和互联网的飞速发展，网络上的视频以惊人的速度产生和传播，有些视频的大量传播可能会对社会舆论产生巨大影响。例如假新闻和谣言等视频的大量传播，会对社会舆论产生负面影响，不利于社会的稳定；又如民众对国家制定政策的评论，会引起有关部门的关注，甚至影响国家下一步政策的调整；在这样的背景下，如何从海量的视频掌握舆情的整体情况，迅速发现负面舆论的视频，及时限制负面舆论的传播并予以清除，确保视频舆情的稳定，是舆情监测的工作的重中之重。
在现有技术中，通常采用遍历一段时间内存在的视频进行分析，该段时间内存在大量内容相同的视频，使得遍历的视频数量庞大，同时监查人员人工查看视频的方式费时费力，使得监管部门无法及时从海量视频中及时掌握舆情的整体情况发现负面舆论的视频，同时也无法及时限制负面舆论导向视频的传播并予以清除，不利于维护视频舆情的稳定。
发明内容
本申请实施例提供了一种视频舆情监测系统和方法、存储介质及电子设备，以至少解决无法及时从海量视频中及时发现负面舆论的视频的技术问题。
根据本申请实施例的一个方面，提供了一种视频舆情监测系统，系统包括：资源视频处理模块、视频事件分析模块以及个人关注视频事件处理模块；其中，资源视频处理模块，用于根据上传的目标资源视频文件，生成至少一个视频事件，并将每个视频事件作为根节点或子节点，构成资源视频事件信息网络，以及将所有视频事件发送至个人关注视频事件处理模块；视频事件分析模块，用于根据资源视频事件信息网络，确定最新视频事件集合，或者确定热点视频事件集合，或者对指定视频事件进行溯源分析，生成第一结果，并反馈至客户端；个人关注视频事件处理模块，用于根据个人上传的个人关注视频样本，构建个人关注视频事件信息网络，根据个人关注视频事件信息网络对资源视频处理模块发送的每个视频事件进行个人关注视频事件筛选，或者根据个人关注视频事件信息网络以及资源视频事件信息网络进行个人关注视频事件的检索，生成第二结果，并反馈至客户端。
可选的，资源视频事件信息网络或个人关注视频事件信息网络是基于视频事件信息空间以多级树集合为基础构造的森林结构，视频事件信息空间是指视频事件特征向量所在的多维向量空间，多级树包括根节点和子节点，任意两个根节点对应的视频事件之间的差异率大于预设阈值，每个根节点的子节点与其根节点对应的视频事件之间的差异率小于等于预设阈值；视频事件是指一个镜头内所有内容帧的集合，视频事件特征向量为在相同坐标系下对内容帧的集合提取特征矩阵后计算得到，内容帧是指表示镜头内容的帧，包括首帧、尾帧、和N个中间帧，N为自然数，中间帧通过对一个镜头的除首尾两帧之外的所有子帧顺序与其前一个内容帧进行差异率计算，当差异率大于预设阈值时得到；一个镜头内所有内容帧的集合是根据目标资源视频文件或个人关注视频样本生成。
可选的，根据资源视频事件信息网络，确定最新视频事件集合，包括：按照预设轮询周期在资源视频事件信息网络中查找是否存在新添加的根节点；如果在一个轮询周期结束时，确认在该轮询周期内存在新添加的根节点，则确认在该轮询周期内存在新视频事件；确定每个新视频事件对应的原始视频，得到全部新视频事件对应的原始视频集合。
可选的，确定热点视频事件集合，包括：按照预设轮询周期在资源视频事件信息网络中查找根节点；在查找到一个根节点时，计算根节点及其子节点的属性值的增量；根据根节点及其子节点的属性值的增量判断根节点是否为备选视频事件；若是，则根据根节点及其子节点的属性值计算根节点的分值，根据根节点的分值判断根节点对应的备选视频事件是否为热点视频事件；若是，则将根节点对应的视频事件存入热点视频事件集合；在资源视频事件信息网络中全部根节点遍历结束的情况下，得到热点视频事件集合。
可选的，对指定视频事件进行溯源分析，包括：根据展示的视频文件集合，确定指定视频事件；在资源视频事件信息网络中检索与指定视频事件相似的相似根节点；获取每个相似根节点下的子节点集合，并返回由每个根节点及其子节点集合共同组成的相似视频事件集合；通过相似视频事件集合对指定视频事件进行溯源分析。
可选的，根据个人关注视频事件信息网络对资源视频处理模块发送的每个视频事件进行个人关注视频事件筛选，包括：遍历个人关注视频事件信息网络中根节点；在遍历到根节点时，根据第一视频事件确定是否将根节点对应的个人关注视频事件添加到结果集中；第一视频事件为资源视频处理模块发送的所有视频事件中任意一个视频事件；在将根节点对应的个人关注视频事件添加到结果集时，遍历根节点下的子节点，并计算子节点与第一视频事件的相似率，并将相似率关联到子节点对应的个人关注视频事件上，并添加到结果集中；确定个人关注视频事件信息网络中的根节点是否全部遍历结束；若是，则基于结果集，生成第一视频事件的筛选结果；当筛选结果非空时，第一视频事件为个人关注视频事件信息网络筛选出的视频事件。
可选的，根据个人关注视频事件信息网络以及资源视频事件信息网络进行个人关注视频事件的检索，包括：根据个人关注视频事件信息网络，确定个人关注的视频事件集合，并选择个人关注的视频事件集合中的一个视频事件作为第一待检索视频事件，执行以下操作：确定根节点筛选条件，在资源视频事件信息网络中遍历符合根节点筛选条件的根节点时，根据第一待检索视频事件判断是否将根节点对应的视频事件添加到结果集中；在将根节点对应的视频事件添加到结果集中时，遍历根节点下的子节点，并计算子节点与第一待检索视频事件的相似率，并将相似率关联到子节点对应的视频事件上，并添加到结果集中；确定符合所述根节点筛选条件的根节点是否全部遍历结束；若是，则生成该第一待检索视频事件的第一结果集，完成检索。
可选的，按照以下步骤构建个人关注视频事件信息网络和资源视频事件信息网络，包括：接收来自个人上传的原始视频文件，得到个人关注的视频样本，或者获取上传的资源视频文件；获取并预处理个人关注视频样本，得到目标视频；对目标视频进行镜头分割，得到至少一个镜头；根据至少一个镜头，生成镜头数据；提取每个镜头的内容帧；根据每个镜头的内容帧，生成内容帧数据；根据每个镜头的镜头数据和内容帧数据生成每个视频事件；将每个视频事件作为根节点或子节点，构成个人关注视频事件信息网络或资源视频事件信息网络。
根据本申请实施例的另一方面，还提供了一种视频舆情监测方法，方法包括：根据上传的目标资源视频文件，生成至少一个视频事件，并将每个视频事件作为根节点或子节点，构成资源视频事件信息网络；根据资源视频事件信息网络，确定最新视频事件集合，或者确定热点视频事件集合，或者对指定视频事件进行溯源分析，生成第一结果，并反馈至客户端；根据个人上传的个人关注视频样本，构建个人关注视频事件信息网络，根据个人关注视频事件信息网络对资源视频处理模块发送的每个视频事件进行个人关注视频事件筛选，或者根据个人关注视频事件信息网络以及资源视频事件信息网络进行个人关注视频事件的检索，生成第二结果，并反馈至客户端。
根据本申请实施例的又一方面，还提供了一种电子设备，包括存储器和处理器，上述存储器中存储有计算机程序，上述处理器被设置为通过上述计算机程序执行上述的视频舆情监测方法。
根据本申请实施例的又一方面，还提供了一种计算机可读的存储介质，该计算机可读的存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述视频舆情监测方法。
在本申请实施例中，视频舆情监测系统首先根据上传的目标资源视频文件，生成至少一个视频事件，并将每个视频事件作为根节点或子节点，构成资源视频事件信息网络，然后根据资源视频事件信息网络，确定最新视频事件集合，或者确定热点视频事件集合，或者对指定视频事件进行溯源分析，生成第一结果，并反馈至客户端，最后根据个人上传的个人关注视频样本，构建个人关注视频事件信息网络，根据个人关注视频事件信息网络对资源视频处理模块发送的每个视频事件进行个人关注视频事件筛选，或者根据个人关注视频事件信息网络以及资源视频事件信息网络进行个人关注视频事件的检索，生成第二结果，并反馈至客户端。由于本申请通过构建资源视频事件信息网络和个人关注视频事件信息网络，能够使得监管部门实时对海量视频进行分析，及时发现最新和最热的视频事件，分析民众对视频事件的舆论走向，溯源视频事件的发展全过程，同时监管人员可根据上传个人关注视频事件样本，对资源视频事件进行个人关注视频事件筛选或个人关注视频事件的检索，从而及时掌握重点关注事件的发展情况，为监测视频舆情稳定状态提供了有效的手段。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是根据本申请实施例的一种可选的视频舆情监测方法的应用环境的示意图；
图2是根据本申请实施例的另一种可选的视频舆情监测方法的应用环境的示意图；
图3是根据本申请实施例的一种可选的视频舆情监测系统的结构示意图；
图4是根据本申请实施例的一种内容帧选取的示意图；
图5是根据本申请实施例的一种视频到内容帧的分层次提取过程示意图；
图6是根据本申请实施例的一种最新视频事件的展示效果示意图；
图7是根据本申请实施例的一种新视频的确定过程的过程示意框图；
图8是根据本申请实施例的一种热点视频事件的展示效果示意图；
图9是根据本申请实施例的一种热点视频确定过程的过程示意框图；
图10是根据本申请实施例的一种视频事件溯源结果的效果示意图；
图11是根据本申请实施例的一种视频事件溯源分析过程的过程示意框图；
图12是根据本申请实施例的一种个人关注视频事件筛选结果的效果示意图；
图13是根据本申请实施例的一种个人关注视频事件筛选过程的过程示意框图；
图14是根据本申请实施例的一种个人关注视频事件检索结果的效果示意图；
图15是根据本申请实施例的一种个人关注视频事件检索过程的过程示意图；
图16是根据本申请实施例的一种视频舆情监测过程的过程示意图；
图17是根据本申请实施例的另一种视频舆情监测过程的过程示意图；
图18是根据本申请实施例的一种视频舆情监测方法的流程示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本申请实施例的一个方面，提供了一种视频舆情监测方法，作为一种可选地实施方式，上述视频舆情监测方法可以但不限于应用于如图1所示的应用环境中。该应用环境中包括：与用户进行人机交互的终端设备102、网络104、服务器106。用户108与终端设备102之间可以进行人机交互，终端设备102中运行有视频舆情监测应用程序。上述终端设备102中包括人机交互屏幕1022，处理器1024及存储器1026。人机交互屏幕1022用于显示第一结果和第二结果；处理器1024用于生成第一结果和第二结果。存储器1026用于存储上述目标资源视频文件和个人关注视频样本。
此外，服务器106中包括数据库1062及处理引擎1064，数据库1062中用于存储上述目标资源视频文件和个人关注视频样本。处理引擎1064用于：根据上传的目标资源视频文件，生成至少一个视频事件，并将每个视频事件作为根节点或子节点，构成资源视频事件信息网络；根据资源视频事件信息网络，确定最新视频事件集合，或者确定热点视频事件集合，或者对指定视频事件进行溯源分析，生成第一结果，并反馈至客户端；根据个人上传的个人关注视频样本，构建个人关注视频事件信息网络，根据个人关注视频事件信息网络对资源视频处理模块发送的每个视频事件进行个人关注视频事件筛选，或者根据个人关注视频事件信息网络以及资源视频事件信息网络进行个人关注视频事件的检索，生成第二结果，并反馈至客户端。
在一个或多个实施例中，本申请上述视频舆情监测方法可以应用于图2所示的应用环境中。如图2所示，用户202与用户设备204之间可以进行人机交互。用户设备204中包含有存储器206和处理器208。本实施例中用户设备204可以但不限于参考执行上述终端设备102所执行的操作，生成第一结果和第二结果。
可选地，上述终端设备102和用户设备204包括但不限于为手机、平板电脑、笔记本电脑、PC机，车载电子设备，可穿戴设备等终端，上述网络104可以包括但不限于无线网络或有线网络。其中，该无线网络包括：WIFI及其他实现无线通信的网络。上述有线网络可以包括但不限于：广域网、城域网、局域网。上述服务器106可以包括但不限于任何可以进行计算的硬件设备。上述服务器可以是单一服务器，也可以是由多个服务器组成的服务器集群，或者是云服务器。上述仅是一种示例，本实施例中对此不作任何限定。
相关技术中通常采用遍历一段时间内存在的视频进行分析，该段时间内存在大量内容相同的视频，使得遍历的视频数量庞大，同时监查人员人工查看视频的方式费时费力，使得监管部门无法及时从海量视频中及时发现负面舆论的视频，同时也无法及时发现并限制负面舆论导向视频的传播并予以清除，不利于维护视频舆情的正确导向。
为了解决上述技术问题，作为一种可选地实施方式，如图3所示，本申请实施例提供了一种视频舆情监测系统，该系统包括资源视频处理模块、视频事件分析模块以及个人关注视频事件处理模块；其中，资源视频处理模块，用于根据上传的目标资源视频文件，生成至少一个视频事件，并将每个视频事件作为根节点或子节点，构成资源视频事件信息网络，以及将所有视频事件发送至个人关注视频事件处理模块；视频事件分析模块，用于根据资源视频事件信息网络，确定最新视频事件集合，或者确定热点视频事件集合，或者对指定视频事件进行溯源分析，生成第一结果，并反馈至客户端；个人关注视频事件处理模块，用于根据个人上传的个人关注视频样本，构建个人关注视频事件信息网络，根据个人关注视频事件信息网络对资源视频处理模块发送的每个视频事件进行个人关注视频事件筛选，或者根据个人关注视频事件信息网络以及资源视频事件信息网络进行个人关注视频事件的检索，生成第二结果，并反馈至客户端。
具体的，资源视频事件信息网络或个人关注视频事件信息网络是基于视频事件信息空间以多级树集合为基础构造的森林结构，视频事件信息空间是指视频事件特征向量所在的多维向量空间，多级树包括根节点和子节点，任意两个根节点对应的视频事件之间的差异率大于预设阈值，每个根节点的子节点与其根节点对应的视频事件之间的差异率小于等于预设阈值；视频事件是指一个镜头内所有内容帧的集合，视频事件特征向量为在相同坐标系下对内容帧的集合提取特征矩阵后计算得到，内容帧是指表示镜头内容的帧，包括首帧、尾帧、和N个中间帧，N为自然数，中间帧通过对一个镜头的除首尾两帧之外的所有子帧顺序与其前一个内容帧进行差异率计算，当差异率大于预设阈值时得到；一个镜头内所有内容帧的集合是根据目标资源视频文件或个人关注视频样本生成。
例如，通过分析镜头中内容的差异，可以从连续帧序列中选取少量的帧来表示镜头的内容，这些帧即为内容帧。内容帧至少包括镜头的首尾两帧(镜头帧)，所以一个镜头内容帧数量≥2。
例如图4所示，首帧是第一个内容帧，然后计算第2、第3帧.....与其差异率，直到大于预设阈值，假如第2、3与首帧的差异率小于预设阈值，而第4帧大于预设阈值，则第4帧就是第二个内容帧。然后计算第5、第6....与第4帧的差异率，直到大预设阈值，假如第5、6、7帧与首帧的差异率小于预设阈值，而第8帧大于预设阈值，则第8帧就是第三个内容帧。依次类推，计算出所有首帧和尾帧之间的所有子帧中的内容帧。尾帧直接选定为最后一个内容帧，而不必计算与其前一个内容帧之间的差异率。
例如一个监控视频，夜晚期间人少车少，视频画面变化很小，那内容帧会很少，例如在10个小时内仅提取个位数个内容帧。而白天人多车多，视频画面里面人和物的变化频繁，按照上面方法计算出来的内容帧会比晚上多很多。由此，内容帧相对于关键帧来说，保证了不丢失镜头视频的所有内容信息，因为关键帧有可能丢失部分镜头内容。而相对于视频每一帧都要计算和考虑的方案，内容帧的选取由于只选取了部分视频图像帧，在不丢失内容的前提下，极大了减少了图像计算量。
例如图5所示，目标资源视频文件或个人关注视频样本的视频内容是由连续帧序列组成的，按照视频内容的连续性可将连续帧序列分为多组，每组连续帧序列即为一个镜头。通过分析视频镜头中内容的差异，从连续帧序列中选取少量的帧来表示镜头的内容，这些帧即为内容帧。内容帧至少包括镜头的首尾两帧(镜头帧)，所以一个镜头内容帧数量≥2。
在本申请实施例中，在根据资源视频事件信息网络，确定最新视频事件集合时，首先按照预设轮询周期在资源视频事件信息网络中查找是否存在新添加的根节点；然后如果在一个轮询周期结束时，确认在该轮询周期内存在新添加的根节点，则确认在该轮询周期内存在新视频事件；最后确定每个新视频事件对应的原始视频，得到全部新视频事件对应的原始视频集合。
具体的，按照预设轮询周期在资源视频事件信息网络中查找是否存在新添加的根节点时，首先获取当前时刻；然后计算当前时刻和上一个轮询开始时刻之间的目标时长；最后在目标时长大于等于预设轮询周期时，当前时刻为轮询开始时刻，在资源视频事件信息网络中查找是否存从上一个轮询开始时刻为起始到当前轮询开始时刻为结束且不包括当前轮询开始时刻的时间区间内新添加的根节点。
具体的，在确定每个新视频事件对应的原始视频时，首先确定每个新视频事件的视频属性信息；然后在预先构建的视频属性信息和原始视频的映射关系中定位每个视频属性信息对应的原始视频，得到每个新视频事件的原始视频，全部新视频事件得到原始视频集合。
进一步地，在得到原始视频集合后，首先根据镜头属性信息确定每个新视频事件的事件时长；其次计算原始视频集合中，每个原始视频中所有新视频事件的事件时长之和与其原始视频的视频总时长的比值，得到每个原始视频的分值；最后根据每个原始视频的分值将所有原始视频进行倒序排列，并将排序后的原始视频推送至客户端进行显示，例如图6所示。由于得到原始视频集合中的视频是任意排列的，因此，为了让用户看到最新的内容，此时按照分值进行排序，分值越大的视频中包含的新内容时长越长，所以倒序排列后使得用户对新视频中新内容的含量可以一目了然。需要说明的是，分值Score(0<Score≤1)。
例如图7所示，图7是本申请提供的一种新视频的确定过程的过程示意框图，首先根据预设轮询周期在资源视频事件信息网络中查找新根节点，如果不存在则等待下次轮询，如果存在则确定存在新视频事件，确定新视频事件对应的原始视频，得到视频集合，计算视频集合中每个视频分值，然后根据每个视频分值将视频集合进行倒序排列，将排序后的视频推送显示，最后等待下次轮询。
在本申请实施例中，在确定热点视频事件集合时，首先按照预设轮询周期在资源视频事件信息网络中查找根节点；然后在查找到一个根节点时，计算根节点及其子节点的属性值的增量；其次根据根节点及其子节点的属性值的增量判断根节点是否为备选视频事件；若是，则根据根节点及其子节点的属性值计算根节点的分值，根据根节点的分值判断根节点对应的备选视频事件是否为热点视频事件；若是，则将根节点对应的视频事件存入热点视频事件集合；最后在资源视频事件信息网络中全部根节点遍历结束的情况下，得到热点视频事件集合。
进一步地，在得到热点视频事件集合后，可以首先确定热点视频事件集合中每个热点视频事件的视频属性信息；然后在预先构建的视频属性信息和原始视频的映射关系中定位每个视频属性信息对应的原始视频，得到每个热点视频事件对应的原始视频，以得到原始视频集合；如果存在多个热点视频事件对应同一原始视频的情况，则同一原始视频在原始视频集合中只添加一次；其次计算原始视频集合中每个视频的分值，并根据每个视频的分值将原始视频集合进行倒序排列；最后将排序后的原始视频集合推送至客户端进行显示，例如图8所示。
具体的，在计算根节点及其子节点的属性值的增量时，首先统计根节点及其子节点的第一属性值；属性值至少包括事件数量、回复数量以及点赞数量；然后获取上一个轮询的开始所统计的根节点及其子节点的第二属性值；最后将第一属性值与第二属性值的差值作为根节点及其子节点的属性值的增量。
具体的，在根据根节点及其子节点的属性值的增量判断根节点是否为备选视频事件时，首先当任意一个属性值的增量大于预设阈值时，将根节点对应的视频事件确定为备选视频事件。
具体的，根据根节点及其子节点的属性值计算根节点的分值，根据根节点的分值判断根节点对应的备选视频事件是否为热点视频事件时，首先如果根节点对应的视频事件为备选视频事件，根据根节点及其子节点的属性值计算根节点的分值；然后如果根节点的分值大于预设阈值，将根节点对应的备选视频事件确定为热点视频事件；最后继续执行在资源视频事件信息网络中查找根节点，直到资源视频事件信息网络中全部根节点遍历结束。
例如图9所示，图9是本申请提供的一种热点视频确定过程的过程示意框图，可按照以下步骤实现：步骤1：在视频事件信息网络中遍历根节点，设遍历到的当前根节点为Er；步骤2：统计当前根节点Er及全部子节点的属性值，属性值包括事件数量(子节点数量+1)、回复数量、点赞数量；步骤3：计算当前根节点在上一个轮询开始的属性值与本次轮询的属性值(事件数量、回复数量、点赞数量)之间的增量，判断是否存在某一属性值增量大于预设阈值(每种属性的阈值不同)，如果不存在则说明事件趋于沉寂，转到步骤6，如果存在则转到步骤4；步骤4：计算当前根节点的属性值(事件数量、回复数量、点赞数量)的加权平均数作为当前根节点Er的分值HotVal；步骤5：判断是否满足条件HotVal≥HotValmin(HotValmin为预设阈值)，满足则Er为热点事件，放入热点事件集合；步骤6：重复1～5直到遍历结束；步骤7：根据热点事件集合找出每个热点事件对应的原始视频，得到原始视频集合。步骤8：计算视频集合中每个视频的分值HotScore；步骤9：对视频集合按分值进行倒序排列；步骤10：将排序后的视频推送到客户端显示；步骤11：按照设置的时间间隔，等待下一次轮询开始。
在本申请实施例中，在对指定视频事件进行溯源分析时，首先根据展示的视频文件集合，确定指定视频事件；然后在资源视频事件信息网络中检索与指定视频事件相似的相似根节点；其次获取每个相似根节点下的子节点集合，并返回由每个根节点及其子节点集合共同组成的相似视频事件集合；最后通过相似视频事件集合对指定视频事件进行溯源分析，得到指定视频事件的溯源结果。
具体的，在根据展示的视频文件集合，确定指定视频事件时，首先展示视频文件集合；然后当接收选择目标视频的指令时，确定要选择的目标视频；其次获取并展示目标视频对应的镜头；并当接收到选择目标镜头的指令时，确定要选择的目标镜头；最后在接收到目标镜头的溯源指令时，确定目标镜头对应的视频事件，得到指定视频事件。
具体的，在通过相似视频事件集合对指定视频事件进行溯源分析，得到指定视频事件的溯源结果时，通过相似视频事件集合对指定视频事件进行事件时序分析，得到时间溯源结果；或者，通过相似视频事件集合对指定视频事件进行空间分布分析，得到事件态势分析结果；或者，通过相似视频事件集合对指定视频事件进行事件势能分析，得到势能分析结果；或者，将时间溯源结果、态势分析结果和/或势能分析结果作为指定视频事件的溯源结果。
具体的，在资源视频事件信息网络中检索与指定视频事件相似的相似根节点时，首先遍历资源视频事件信息网络中存在的目标根节点，并确定每个目标根节点的目标视频事件；计算指定视频事件的内容帧数量与该目标视频事件的内容帧数量差值的绝对值；当内容帧数量差值的绝对值小于等于预设数量阈值时，根据指定视频事件的内容帧的特征向量得到指定视频事件的特征向量以及特征向量的模，根据目标视频事件的内容帧的特征向量得到目标视频事件的特征向量以及第一视频事件的特征向量的模，根据指定视频事件的特征向量以及目标视频事件的特征向量，得到指定视频事件与目标视频事件的特征向量差异值，根据指定视频事件与目标视频事件的特征向量差异值、指定视频事件的特征向量的模、目标视频事件的特征向量的模，得到指定视频事件和目标视频事件之间的特征向量差异率；当特征向量差异率小于等于预设差异率阈值时，判断指定视频事件的任一内容帧是否在目标视频事件中均存在目标内容帧，计算指定视频事件的每一内容帧与其对应的目标内容帧的内容帧差异率；当指定视频事件的每一内容帧与其对应的目标内容帧的内容帧差异率小于等于预设差异率阈值时，计算指定视频事件与目标视频事件的相似率；当相似率大于等于预设相似率阈值时，确定指定视频事件与该目标视频事件相似，并将相似的目标视频事件对应的根节点确定为与指定视频事件相似的相似根节点。
进一步地，在得到指定视频事件的溯源结果后，可将其推送至客户端进行显示，客户端显示的几种可能的分析结果例如图10所示。例如用户可根据溯源分析结果确定出视频事件的始发点及其传播路径。
例如图11所示，图11是本申请提供的一种视频事件溯源分析过程的过程示意框图，可按照以下步骤实现：步骤1：确定指定视频事件，在资源视频事件信息网络中查找所有与指定视频事件相似的根节点，得到相似根节点集合；步骤2：获取所有相似根节点下的子节点集合(其中根节点与指定事件相似，子节点必与指定事件相似)；步骤3：返回有根节点和子节点共同组成的相似视频事件集合；步骤4：在视频事件集合中对指定视频事件进行溯源分析；1)事件时序分析，得到时间溯源结果；分析视频事件集合中指定事件的发生时间，找出指定事件出现的最早事件和最晚时间，并得到指定事件数量随时间的变化趋势。2)事件分布分析，得到态势分析结果；分析视频事件集合中指定事件的发布位置(发布网站等)，找到指定事件的空间分布，得到指定事件数量在不同空间位置的变化趋势。3)事件势能分析，得到势能分析结果；信息是具有能量的，同一信息数量的多少反映信息所具备势能的大小。信息在不同时间和空间所具备的势能也不同，因此在分析时往往是固定一个维度变化另一个维度的方式来分析势能的变化。步骤5：返回分析结果，包括时间溯源结果、空间溯源结果、势能分析结果。
在本申请实施例中，在根据个人关注视频事件信息网络对资源视频处理模块发送的每个视频事件进行个人关注视频事件筛选时，首先遍历个人关注视频事件信息网络中根节点；然后在遍历到根节点时，根据第一视频事件确定是否将根节点对应的个人关注视频事件添加到结果集中；第一视频事件为资源视频处理模块发送的所有视频事件中任意一个视频事件；其次在将根节点对应的个人关注视频事件添加到结果集时，遍历根节点下的子节点，并计算子节点与所述第一视频事件的相似率，并将相似率关联到子节点对应的个人关注视频事件上，并添加到结果集中；确定个人关注视频事件信息网络中的根节点是否全部遍历结束；最后当筛选结果非空时，第一视频事件为个人关注视频事件信息网络筛选出的视频事件。
具体的，在遍历到根节点时，根据第一视频事件确定是否将根节点对应的个人关注视频事件添加到结果集中时，确定根节点对应的第二视频事件，并判断该第二视频事件与第一视频事件之间是否相似；若是，则计算第二视频事件与第一视频事件之间的相似率，并将相似率关联到根节点对应的个人关注视频事件，并添加到结果集中。
进一步地，在得到筛选结果后，将筛选结果保存到数据库中，同时将筛选结果推送至客户端。具体的，首先确定目标个人视频事件对应的用户信息；目标个人视频事件为结果集中任意一个个人关注视频事件；然后获取第一视频事件对应的第一镜头数据；其次获取目标个人视频事件对应的目标镜头数据；并确定目标个人视频事件与第一视频事件之间的相似率，得到视频事件间的相似率；以及将镜头数据、目标镜头数据，用户信息，视频事件间的相似率及其ID标识符保存到数据库中；最后根据用户信息，将第一镜头数据、目标镜头数据、视频事件间的相似率及其ID标识符同时推送至用户当前登录的客户端，例如图12所示。
具体的，在根据第一视频事件确定是否将根节点对应的个人关注视频事件添加到结果集中时，首先确定根节点对应的第二视频事件，并判断该第二视频事件与第一视频事件之间是否相似；若是，则将根节点对应的个人关注视频事件添加到结果集中。
具体的，在根据接收的原始视频文件，生成第一视频事件时，首先接收来自信息网络上传的实时资源，得到原始视频文件；然后根据原始视频文件，生成多个视频事件；最后将多个视频事件中任意一个视频事件作为第一视频事件。
例如图13所示，图13是本申请提供的一种个人关注视频事件筛选过程的过程示意框图，个人关注视频事件筛选过程包括以下步骤：步骤1：根据接收的原始视频文件，生成第一视频事件，计算该视频事件E的特征数据；步骤2：遍历个人关注视频事件信息网中根节点，设当前遍历到的根节点事件为Er；步骤3：确定第一视频事件与根节点对应的个人关注视频事件是否相似，并最终基于特征数据计算出E与Er的相似率Sim；步骤4：如果满足条件Sim≥Simmin(Simmin为预设相似率阈值)则E与Er相似，将Er添加到结果集中；否则转到步骤11；步骤5：遍历Er下所有子节点，设遍历到的当前子节点为Ec；步骤6：计算E与Ec的相似率Sim；步骤7：将相似率Sim关联至Ec对应的个人关注视频事件上，并将关联相似率的Ec添加到结果集中；步骤8：重复步骤5～7直到子节点遍历结束；步骤9：重复步骤2～8直到根节点遍历结束；步骤10：返回结果集，并基于结果集，生成视频事件的筛选结果，并将筛选结果保存到数据库中，同时将筛选结果推送至客户端。
在本申请实施例中，在根据个人关注视频事件信息网络以及资源视频事件信息网络进行个人关注视频事件的检索时，根据个人关注视频事件信息网络，确定个人关注的视频事件集合，并选择个人关注的视频事件集合中的一个视频事件作为第一待检索视频事件，执行以下操作：确定根节点筛选条件，在资源视频事件信息网络中遍历符合根节点筛选条件的根节点时，根据第一待检索视频事件判断是否将根节点对应的视频事件添加到结果集中；在将根节点对应的视频事件添加到结果集中时，遍历根节点下的子节点，并计算子节点与第一待检索视频事件的相似率，并将相似率关联至子节点对应的视频事件上，并添加到结果集中；确定符合根节点筛选条件的根节点是否全部遍历结束；若是，则生成该第一待检索视频事件的第一结果集，完成检索。
具体的，在根据第一待检索视频事件判断是否将根节点对应的视频事件添加到结果集中时，确定根节点对应的第一视频事件，并判断该第一视频事件与第一待检索视频事件之间是否相似；若是，则计算第一视频事件与第一待检索视频事件之间的相似率，并将相似率关联到根节点对应的视频事件上，并添加到结果集中。
进一步地，在得到第一结果集后，分为两种情况：在单线程模式下，从个人关注的视频事件集合的剩余待检索视频事件中继续选择一个待检索视频事件执行操作得到相应的结果集，直至全部待检索视频事件完成操作，将所有待检索视频事件执行操作后得到的结果集合并，得到最终结果集，基于最终结果集生成视频事件的检索结果，并实时返回至客户端。在多线程模式下，将个人关注的视频事件集合中任意一个视频事件作为第一待检索视频事件；针对每个第一待检索视频事件，并行执行确定根节点筛选条件的步骤，直到并行得到每个第一待检索视频事件的第一结果集；将并行得到的每个第一待检索视频事件的第一结果集合并，得到最终结果集，基于最终结果集生成视频事件的检索结果，并实时返回至客户端，例如图14所示。
具体的，在根据个人关注视频事件信息网络，确定个人关注的视频事件集合时，首先根据个人关注视频事件信息网络，生成并展示个人关注的视频信息列表；然后当接收到对视频信息列表的选择指令时，确定所选择的至少一个目标视频信息；其次在预先生成的视频信息和视频事件的映射关系中确定目标视频信息对应的视频事件，得到至少一个个人关注的视频事件；最后将至少一个个人关注的视频事件保存至集合，得到个人关注的视频事件集合。
具体的，在根据第一待检索视频事件判断是否将根节点对应的视频事件添加到结果集中时，确定根节点对应的第一视频事件，并判断该第一视频事件与第一待检索视频事件之间是否相似；若是，则将根节点对应的视频事件添加到结果集中。
具体的，在判断该第一视频事件与第一待检索视频事件之间是否相似时，首先计算第一待检索视频事件的内容帧数量与该第一视频事件的内容帧数量差值的绝对值；然后当内容帧数量差值的绝对值小于等于预设数量阈值时，根据第一待检索视频事件的内容帧的特征向量得到第一待检索视频事件的特征向量以及特征向量的模，根据第一视频事件的内容帧的特征向量得到第一视频事件的特征向量以及第一视频事件的特征向量的模，根据第一待检索视频事件的特征向量以及第一视频事件的特征向量，得到第一待检索视频事件与第一视频事件的特征向量差异值，根据第一待检索视频事件与第一视频事件的特征向量差异值、第一待检索视频事件的特征向量的模、第一视频事件的特征向量的模，得到第一待检索视频事件和第一视频事件之间的特征向量差异率；其次当特征向量差异率小于等于预设差异率阈值时，判断第一待检索视频事件的任一内容帧是否在第一视频事件中均存在目标内容帧，计算第一待检索视频事件的每一内容帧与其对应的目标内容帧的内容帧差异率；并当第一待检索视频事件的每一内容帧与其对应的目标内容帧的内容帧差异率小于等于预设差异率阈值时，计算第一待检索视频事件与该第一视频事件的相似率；最后当相似率大于等于预设相似率阈值时，确定第一待检索视频事件与该第一视频事件相似。
具体的，在基于最终结果集生成视频事件的检索结果，并实时返回至客户端时，首先获取第一待检索视频事件对应的目标镜头数据；然后获取第三视频事件对应的第三镜头数据；第三视频事件为最终结果集中任意一个视频事件；其次确定第一待检索视频事件与第三视频事件之间的相似率，得到视频事件间的相似率；并将目标镜头数据、第三镜头数据、视频事件间的相似率及其ID标识符保存到数据库中；最后将目标镜头数据、第三镜头数据、视频事件间的相似率及其ID标识符实时返回至用户当前登录的客户端。
具体的，在生成个人关注视频事件信息网络或者资源视频事件信息网络时，首先接收来自个人上传的原始视频文件，得到个人关注的视频样本，或者获取上传的资源视频文件；再预处理个人关注的视频样本或者资源视频文件，得到目标视频；然后对目标视频进行镜头分割，得到至少一个镜头；再根据至少一个镜头，生成镜头数据；其次提取每个镜头的内容帧；再根据每个镜头的内容帧，生成内容帧数据；最后根据每个镜头的镜头数据和内容帧数据生成每个视频事件；并将每个视频事件作为根节点或子节点，构成个人关注视频事件信息网络或者资源视频事件信息网络。
例如图15所示，图15是本申请提供的一种个人关注视频事件检索过程的过程示意图，具体步骤如下，步骤1：根据个人关注视频信息网络进行条件筛选，得到符合条件的个人关注事件集合；步骤2：在集合中遍历个人关注事件，设遍历到的一个个人关注事件为E；步骤3：从视频事件信息网中遍历选取出符合预设筛选条件的根节点集合；步骤4：在根节点集合中遍历根节点，设遍历到的一个根节点为Er；步骤5：计算E与Er的相似率Sim；步骤6：如果满足条件Sim≥Simmin(Simmin为预设阈值)则E与Er相似，将E与Er添加到结果集中；否则转到步骤11；步骤7：遍历Er下所有子节点，设当前子节点为Ec；步骤8：计算E与Ec的相似率Sim；步骤9：将E与Ec的相似率Sim关联至Ec对应的视频事件上，并将其添加到结果集中；步骤10：重复步骤7～9直到子节点遍历结束；步骤11：重复步骤4～10直到根节点遍历结束；步骤12：重复步骤2～11直到个人关注事件遍历结束；步骤13：返回结果集。
在本申请实施例中，在根据个人上传的个人关注视频样本，构建个人关注视频事件信息网络时，首先接收来自个人上传的个人关注视频样本；再获取并预处理个人关注视频样本，得到目标视频；然后对目标视频进行镜头分割，得到至少一个镜头；再根据至少一个镜头，生成镜头数据；其次提取每个镜头的内容帧；其次根据每个镜头的内容帧，生成内容帧数据；再根据每个镜头的镜头数据和内容帧数据生成每个视频事件；最后将每个视频事件作为根节点或子节点，构成个人关注视频事件信息网络。
具体的，在将每个视频事件作为根节点或子节点，构成个人关注视频事件信息网络时，首先计算第一视频事件的特征向量，第一视频事件为任意一个视频事件，然后遍历个人关注视频事件信息网络，查找内容帧数量大于等于第一视频事件的内容帧数量的目标根节点，若不存在目标根节点，则将第一视频事件作为新的根节点添加至个人关注视频事件信息网络中；若存在至少一个目标根节点，再根据第一视频事件的特征向量判断第一视频事件与至少一个目标根节点是否相似；若是，则将第一视频事件作为目标根节点的子节点添加至个人关注视频事件信息网络中；或者，若否，则将第一视频事件作为新的根节点添加至个人关注视频事件信息网络中。
具体的，在根据第一视频事件的特征向量判断第一视频事件是否存在相似目标根节点，可将第一视频事件可记为q，目标根节点的视频事件可记为p，已知事件p的内容帧数量fcntp和事件q的内容帧数量fcntq，如果事件q和p可能相似，必满足关系fcntp≥fcntq(如果不满足，将p，q互换)，判断事件q是否与事件p相似的方法如下：
步骤1：判断事件p与q的内容帧数量fcntp与fcntq是否满足：
fcntp-cntq≤diffmax；其中diffmax≥0为预设阈值，如果不满足则事件p与q不相似，判断结束；
步骤2：计算事件p的特征向量EV(p)与事件q的特征向量EV(q)的特征向量差异率DisEV(p,q)；视频事件特征向量为EV；
步骤3：判断是否满足条件：
DisEV(p,q)≤DisEVmax；
其中DisEVmax为预设阈值，不满足则事件q与p不相似，判断结束；
步骤4：进行精确计算，通过公式计算内容帧特征矩阵的差异率是否满足条件：
满足：
如果不满足，则事件p与q不相似，判断结束；其中，Dis(i)为事件p的j内容帧和事件q的i内容帧之间的最终差异率，dis(fpj,fqi)为事件p的j内容帧和事件q的i内容帧之间的原始差异率，θ为固有误差，/>为计算误差的预设阈值，fpi和fqi分别为事件p的j内容帧和事件q的i内容帧；dismax为预设差异率阈值；
步骤5：计算p与q的相似率SimEV(p,q),公式如下：
Dis(i)为事件p与事件q的i内容帧相似的j内容帧之间的最终差异率；/>
步骤6：判断SimEV是否满足条件：
SimEV≥SimEVmin
其中SimEVmin为预设阈值，满足条件则事件p与q相似，否则不相似。
例如图16所示，图16是本申请提供的一种视频舆情监测过程的过程示意图，在资源处理过程中，获取待处理的视频文件后，对视频文件进行视频预处理，可得到视频属性信息，再对预处理后的视频进行镜头分割，得到镜头数据，然后在分割出的每个镜头中进行内容帧提取，得到内容帧数据，其次根据每个镜头的镜头数据和内容帧数据，得到每个视频事件，将每个视频事件和视频信息保存在视频资源库，最后将每个视频事件作为根节点或子节点，以构建网络，构成资源视频事件信息网络，并将每个视频事件发送到个人关注处理过程。其中，视频预处理包括解帧、归一化等操作，视频属性信息包括大小、时长、分辨率等。
在个人关注处理过程中构建个人关注视频事件信息网络时，执行以下步骤，步骤1：上传视频文件作为个人关注的视频样本；步骤2：对视频样本进行预处理(解帧、归一化等)后得到目标视频帧序列，并获得到视频信息(如大小、时长、分辨率等)；步骤3：对目标视频帧序列进行镜头分割，得到至少一个镜头，并根据至少一个镜头，生成镜头数据；步骤4：对每个镜头进行镜头内容帧提取，得内容帧数据；步骤5：镜头数据和内容帧数据共同组成视频事件，将每个视频事件作为根节点或子节点，构成个人关注视频事件信息网络或资源视频事件信息网络；步骤6：将视频信息和视频事件的信息保存到个人资源库中。
在个人关注处理过程中进行视频事件筛选或检索时，可根据个人关注视频事件信息网络对资源处理过程中发送的每个视频事件进行个人关注视频事件筛选，或者根据个人关注视频事件信息网络以及资源视频事件信息网络进行个人关注视频事件的检索，得到结果反馈至客户端。
在事件分析过程，可根据资源视频事件信息网络，确定最新视频事件集合，或者确定热点视频事件集合，或者对指定视频事件进行溯源分析，生成第一结果，并反馈至客户端。
本申请实施例还具有以下有益效果：
在本申请实施例中，由于本申请通过构建资源视频事件信息网络和个人关注视频事件信息网络，能够使得监管部门实时对海量视频进行分析，及时发现最新和最热的视频事件，分析民众对视频事件的舆论走向，溯源视频事件的发展全过程，同时监管人员可根据上传个人关注视频事件样本，对资源视频事件进行个人关注视频事件筛选或个人关注视频事件的检索，从而及时掌握重点关注事件的发展情况，为监测视频舆情稳定状态提供了有效的手段。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。
为了解决上述技术问题，作为一种可选地实施方式，如图17所示，本申请实施例提供了一种视频舆情监测方法示意图，方法包括：
S101，根据上传的目标资源视频文件，生成至少一个视频事件，并将每个视频事件作为根节点或子节点，构成资源视频事件信息网络；
S102，根据资源视频事件信息网络，确定最新视频事件集合，或者确定热点视频事件集合，或者对指定视频事件进行溯源分析，生成第一结果，并反馈至客户端；
S103，根据个人上传的个人关注视频样本，构建个人关注视频事件信息网络，根据个人关注视频事件信息网络对资源视频处理模块发送的每个视频事件进行个人关注视频事件筛选，或者根据个人关注视频事件信息网络以及资源视频事件信息网络进行个人关注视频事件的检索，生成第二结果，并反馈至客户端。
在本申请实施例中，视频舆情监测系统首先根据上传的目标资源视频文件，生成至少一个视频事件，并将每个视频事件作为根节点或子节点，构成资源视频事件信息网络，然后根据资源视频事件信息网络，确定最新视频事件集合，或者确定热点视频事件集合，或者对指定视频事件进行溯源分析，生成第一结果，并反馈至客户端，最后根据个人上传的个人关注视频样本，构建个人关注视频事件信息网络，根据个人关注视频事件信息网络对资源视频处理模块发送的每个视频事件进行个人关注视频事件筛选，或者根据个人关注视频事件信息网络以及资源视频事件信息网络进行个人关注视频事件的检索，生成第二结果，并反馈至客户端。由于本申请通过构建资源视频事件信息网络和个人关注视频事件信息网络，能够使得监管部门实时对海量视频进行分析，及时发现最新和最热的视频事件，分析民众对视频事件的舆论走向，溯源视频事件的发展全过程，同时监管人员可根据上传个人关注视频事件样本，对资源视频事件进行个人关注视频事件筛选或个人关注视频事件的检索，从而及时掌握重点关注事件的发展情况，为监测视频舆情稳定状态提供了有效的手段。
根据本申请实施例的又一个方面，还提供了一种用于实施上述视频舆情监测方法的电子设备，该电子设备可以是图18所示的终端设备或服务器。本实施例以该电子设备为终端为例来说明。如图18所示，该电子设备包括存储器1802和处理器1804，该存储器1802中存储有计算机程序，该处理器1804被设置为通过计算机程序执行上述任一项方法实施例中的步骤。
可选地，在本实施例中，上述电子设备可以位于计算机网络的多个网络设备中的至少一个网络设备。
可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以上S101-S103步骤。
可选地，本领域普通技术人员可以理解，图18所示的结构仅为示意，电子系统电子设备也可以是智能手机(如Android手机、iOS手机等)、平板电脑、掌上电脑以及移动互联网设备(Mobile Internet Devices，MID)、PAD等终端设备。图18其并不对上述电子系统电子设备的结构造成限定。例如，电子系统电子设备还可包括比图18中所示更多或者更少的组件(如网络接口等)，或者具有与图18所示不同的配置。
其中，存储器1802可用于存储软件程序以及模块，如本申请实施例中的视频舆情监测系统和方法对应的程序指令/模块，处理器1804通过运行存储在存储器1802内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的视频舆情监测方法。存储器1802可包括高速随机存储器，还可以包括非易失性存储器，如一个或者多个磁性存储系统、闪存、或者其他非易失性固态存储器。在一些实例中，存储器1802可进一步包括相对于处理器1804远程设置的存储器，这些远程存储器可以通过网络连接至终端。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。其中，存储器1802具体可以但不限于用于存储镜头帧和内容帧等信息。作为一种示例，如图18所示，上述存储器1802中可以但不限于包括上述视频舆情监测系统中的分割单元1702、获取单元1704与第一确定单元1706。此外，还可以包括但不限于上述视频舆情监测系统中的其他模块单元，本示例中不再赘述。
可选地，上述的传输系统1806用于经由一个网络接收或者发送数据。上述的网络具体实例可包括有线网络及无线网络。在一个实例中，传输系统1806包括一个网络适配器(Network Interface Controller，NIC)，其可通过网线与其他网络设备与路由器相连从而可与互联网或局域网进行通讯。在一个实例中，传输系统1806为射频(Radio Frequency，RF)模块，其用于通过无线方式与互联网进行通讯。
此外，上述电子设备还包括：显示器1808，用于显示上述账单子任务的处理结果；和连接总线1810，用于连接上述电子设备中的各个模块部件。
根据本申请的一个方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述视频舆情监测方法，其中，该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
可选地，在本实施例中，上述计算机可读的存储介质可以被设置为存储用于执行以上步骤S101-S103的计算机程序。
可选地，在本实施例中，本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：闪存盘、只读存储器(Read-Only Memory，ROM)、随机存取器(Random Access Memory，RAM)、磁盘或光盘等。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
上述实施例中的集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在上述计算机可读取的存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在存储介质中，包括若干指令用以使得一台或多台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。
在本申请的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的客户端，可通过其它的方式实现。其中，以上所描述的系统实施例仅仅是示意性的，例如单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
以上仅是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。

Claims (11)

1.一种视频舆情监测系统，其特征在于，所述系统包括：
资源视频处理模块、视频事件分析模块以及个人关注视频事件处理模块；其中，
所述资源视频处理模块，用于根据上传的目标资源视频文件，生成至少一个视频事件，并将每个所述视频事件作为根节点或子节点，构成资源视频事件信息网络，以及将所有视频事件发送至所述个人关注视频事件处理模块；
所述视频事件分析模块，用于根据所述资源视频事件信息网络，确定最新视频事件集合，或者确定热点视频事件集合，或者对指定视频事件进行溯源分析，生成第一结果，并反馈至客户端；
所述个人关注视频事件处理模块，用于根据个人上传的个人关注视频样本，构建个人关注视频事件信息网络，根据所述个人关注视频事件信息网络对所述资源视频处理模块发送的每个视频事件进行个人关注视频事件筛选，或者根据所述个人关注视频事件信息网络以及所述资源视频事件信息网络进行个人关注视频事件的检索，生成第二结果，并反馈至客户端。
2.根据权利要求1所述的系统，其特征在于，所述资源视频事件信息网络或个人关注视频事件信息网络是基于视频事件信息空间以多级树集合为基础构造的森林结构，所述视频事件信息空间是指视频事件特征向量所在的多维向量空间，所述多级树包括根节点和子节点，任意两个所述根节点对应的视频事件之间的差异率大于预设阈值，每个根节点的子节点与其根节点对应的视频事件之间的差异率小于等于所述预设阈值；所述视频事件是指一个镜头内所有内容帧的集合，所述视频事件特征向量为在相同坐标系下对内容帧的集合提取特征矩阵后计算得到，所述内容帧是指表示镜头内容的帧，包括首帧、尾帧、和N个中间帧，N为自然数，所述中间帧通过对一个镜头的除首尾两帧之外的所有子帧顺序与其前一个内容帧进行差异率计算，当所述差异率大于预设阈值时得到；所述一个镜头内所有内容帧的集合是根据所述目标资源视频文件或个人关注视频样本生成。
3.根据权利要求1所述的系统，其特征在于，所述根据所述资源视频事件信息网络，确定最新视频事件集合，包括：
按照预设轮询周期在所述资源视频事件信息网络中查找是否存在新添加的根节点；
如果在一个轮询周期结束时，确认在该轮询周期内存在新添加的根节点，则确认在该轮询周期内存在新视频事件；
确定每个新视频事件对应的原始视频，得到全部新视频事件对应的原始视频集合。
4.根据权利要求1所述的系统，其特征在于，所述确定热点视频事件集合，包括：
按照预设轮询周期在所述资源视频事件信息网络中查找根节点；
在查找到一个根节点时，计算所述根节点及其子节点的属性值的增量；
根据所述根节点及其子节点的属性值的增量判断所述根节点是否为备选视频事件；若是，则根据所述根节点及其子节点的属性值计算根节点的分值，根据根节点的分值判断根节点对应的备选视频事件是否为热点视频事件；若是，则将所述根节点对应的视频事件存入热点视频事件集合；
在所述资源视频事件信息网络中全部根节点遍历结束的情况下，得到热点视频事件集合。
5.根据权利要求1所述的系统，其特征在于，所述对指定视频事件进行溯源分析，包括：
根据展示的视频文件集合，确定指定视频事件；
在所述资源视频事件信息网络中检索与所述指定视频事件相似的相似根节点；
获取每个相似根节点下的子节点集合，并返回由每个根节点及其子节点集合共同组成的相似视频事件集合；
通过所述相似视频事件集合对所述指定视频事件进行溯源分析。
6.根据权利要求1所述的系统，其特征在于，所述根据所述个人关注视频事件信息网络对所述资源视频处理模块发送的每个视频事件进行个人关注视频事件筛选，包括：
遍历所述个人关注视频事件信息网络中根节点；
在遍历到根节点时，根据第一视频事件确定是否将所述根节点对应的个人关注视频事件添加到结果集中；所述第一视频事件为所述资源视频处理模块发送的所有视频事件中任意一个视频事件；
在将所述根节点对应的个人关注视频事件添加到结果集时，遍历所述根节点下的子节点，并计算所述子节点与所述第一视频事件的相似率，并将所述相似率关联到所述子节点对应的个人关注视频事件上，并添加到结果集中；确定所述个人关注视频事件信息网络中的根节点是否全部遍历结束；
若是，则基于所述结果集，生成第一视频事件的筛选结果；
当筛选结果非空时，第一视频事件为个人关注视频事件信息网络筛选出的视频事件。
7.根据权利要求1所述的系统，其特征在于，所述根据所述个人关注视频事件信息网络以及所述资源视频事件信息网络进行个人关注视频事件的检索，包括：
根据所述个人关注视频事件信息网络，确定个人关注的视频事件集合，并选择所述个人关注的视频事件集合中的一个视频事件作为第一待检索视频事件，执行以下操作：
确定根节点筛选条件，在资源视频事件信息网络中遍历符合所述根节点筛选条件的根节点时，根据所述第一待检索视频事件判断是否将所述根节点对应的视频事件添加到结果集中；
在将所述根节点对应的视频事件添加到结果集中时，遍历所述根节点下的子节点，并计算所述子节点与所述第一待检索视频事件的相似率，并将所述相似率关联到所述子节点对应的视频事件上，并添加到结果集中；
确定符合所述根节点筛选条件的根节点是否全部遍历结束；
若是，则生成该第一待检索视频事件的第一结果集，完成检索。
8.根据权利要求1所述的系统，其特征在于，按照以下步骤构建个人关注视频事件信息网络和资源视频事件信息网络，包括：
接收来自个人上传的原始视频文件，得到个人关注的视频样本，或者获取上传的资源视频文件；
获取并预处理个人关注视频样本，得到目标视频；
对所述目标视频进行镜头分割，得到至少一个镜头；
根据所述至少一个镜头，生成镜头数据；
提取每个镜头的内容帧；
根据所述每个镜头的内容帧，生成内容帧数据；
根据每个镜头的镜头数据和内容帧数据生成每个视频事件；
将所述每个视频事件作为根节点或子节点，构成个人关注视频事件信息网络或资源视频事件信息网络。
9.一种视频舆情监测方法，其特征在于，所述系统包括：
根据上传的目标资源视频文件，生成至少一个视频事件，并将每个所述视频事件作为根节点或子节点，构成资源视频事件信息网络；
根据所述资源视频事件信息网络，确定最新视频事件集合，或者确定热点视频事件集合，或者对指定视频事件进行溯源分析，生成第一结果，并反馈至客户端；
根据个人上传的个人关注视频样本，构建个人关注视频事件信息网络，根据所述个人关注视频事件信息网络对所述资源视频处理模块发送的每个视频事件进行个人关注视频事件筛选，或者根据所述个人关注视频事件信息网络以及所述资源视频事件信息网络进行个人关注视频事件的检索，生成第二结果，并反馈至客户端。
10.一种计算机存储介质，其特征在于，所述计算机存储介质存储有多条指令，所述指令适于由处理器加载并执行如权利要求1-9任意一项所述的方法。
11.一种电子设备，其特征在于，包括：处理器和存储器；其中，所述存储器存储有计算机程序，所述计算机程序适于由所述处理器加载并执行如权利要求1-9任意一项所述的方法。
CN202310670587.6A 2023-06-07 2023-06-07 视频舆情监测系统和方法、存储介质及电子设备 Pending CN117112837A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310670587.6A CN117112837A (zh) 2023-06-07 2023-06-07 视频舆情监测系统和方法、存储介质及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310670587.6A CN117112837A (zh) 2023-06-07 2023-06-07 视频舆情监测系统和方法、存储介质及电子设备

Publications (1)

Publication Number Publication Date
CN117112837A true CN117112837A (zh) 2023-11-24

Family

ID=88804489

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310670587.6A Pending CN117112837A (zh) 2023-06-07 2023-06-07 视频舆情监测系统和方法、存储介质及电子设备

Country Status (1)

Country Link
CN (1) CN117112837A (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106066990A (zh) * 2015-04-23 2016-11-02 阿迪达斯股份公司 用于将人的活动视频中的帧与事件相关联的方法和装置
WO2019183235A1 (en) * 2018-03-21 2019-09-26 Second Spectrum, Inc. Methods and systems of spatiotemporal pattern recognition for video content development
CN110765285A (zh) * 2019-10-23 2020-02-07 深圳报业集团 基于视觉特征的多媒体信息内容管控方法及系统
CN111318576A (zh) * 2020-03-04 2020-06-23 西安因联信息科技有限公司 一种基于工况信号触发的咬钢冲击数据滤除方法
CN112019736A (zh) * 2019-05-31 2020-12-01 苹果公司 用于媒体捕获和保留的视频分析和管理技术
CN112866724A (zh) * 2020-12-31 2021-05-28 山东远桥信息科技有限公司 一种基于软件定义网络和边缘计算技术的视频业务处理方法和系统
CN116188808A (zh) * 2023-04-25 2023-05-30 青岛尘元科技信息有限公司 图像特征提取方法和系统、存储介质及电子设备
CN116188821A (zh) * 2023-04-25 2023-05-30 青岛尘元科技信息有限公司 版权检测方法、系统、电子设备和存储介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106066990A (zh) * 2015-04-23 2016-11-02 阿迪达斯股份公司 用于将人的活动视频中的帧与事件相关联的方法和装置
WO2019183235A1 (en) * 2018-03-21 2019-09-26 Second Spectrum, Inc. Methods and systems of spatiotemporal pattern recognition for video content development
CN112019736A (zh) * 2019-05-31 2020-12-01 苹果公司 用于媒体捕获和保留的视频分析和管理技术
CN110765285A (zh) * 2019-10-23 2020-02-07 深圳报业集团 基于视觉特征的多媒体信息内容管控方法及系统
CN111318576A (zh) * 2020-03-04 2020-06-23 西安因联信息科技有限公司 一种基于工况信号触发的咬钢冲击数据滤除方法
CN112866724A (zh) * 2020-12-31 2021-05-28 山东远桥信息科技有限公司 一种基于软件定义网络和边缘计算技术的视频业务处理方法和系统
CN116188808A (zh) * 2023-04-25 2023-05-30 青岛尘元科技信息有限公司 图像特征提取方法和系统、存储介质及电子设备
CN116188821A (zh) * 2023-04-25 2023-05-30 青岛尘元科技信息有限公司 版权检测方法、系统、电子设备和存储介质

Similar Documents

Publication Publication Date Title
CN110198310B (zh) 一种网络行为反作弊方法、装置及存储介质
CN110210227B (zh) 风险检测方法、装置、设备和存储介质
CN110134829B (zh) 视频定位方法和装置、存储介质及电子装置
CN116188821B (zh) 版权检测方法、系统、电子设备和存储介质
TW202007178A (zh) 用戶特徵的生成方法、裝置、設備及儲存介質
WO2014206131A1 (en) Method and apparatus for report generation
CN108304428A (zh) 信息推荐方法及装置
CN116469039B (zh) 热点视频事件确定方法和系统、存储介质及电子设备
CN112256880A (zh) 文本识别方法和装置、存储介质及电子设备
WO2017173456A1 (en) Systems and methods for enabling situational awareness for events via data visualization
CN110909380B (zh) 一种异常文件访问行为监控方法和装置
CN117112837A (zh) 视频舆情监测系统和方法、存储介质及电子设备
CN117112815B (zh) 个人关注视频事件检索方法和系统、存储介质及电子设备
CN113408470B (zh) 数据处理方法、装置、电子设备、存储介质及程序产品
CN110069691A (zh) 用于处理点击行为数据的方法和装置
CN116662606B (zh) 新视频事件的确定方法和系统、存储介质及电子设备
CN114298018A (zh) 视频标题的生成方法、装置及存储介质
CN114528973A (zh) 业务处理模型的生成方法、业务处理方法和装置
AU2020335019B2 (en) Evaluation method based on mobile news client and system thereof
CN113886631A (zh) 视频档案生成方法、装置及存储介质
CN114357242A (zh) 基于召回模型的训练评估方法及装置、设备、存储介质
CN116662645A (zh) 视频事件溯源分析方法和系统、存储介质及电子设备
CN110163043B (zh) 面部检测方法、装置、存储介质及电子装置
CN117177012B (zh) 视频播出监测方法、系统、设备及存储介质
CN117112821A (zh) 图像检索系统和方法、存储介质及电子设备

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