CN117478977A - 视频检测方法、装置、设备、存储介质及计算机程序产品 - Google Patents
视频检测方法、装置、设备、存储介质及计算机程序产品 Download PDFInfo
- Publication number
- CN117478977A CN117478977A CN202210851082.5A CN202210851082A CN117478977A CN 117478977 A CN117478977 A CN 117478977A CN 202210851082 A CN202210851082 A CN 202210851082A CN 117478977 A CN117478977 A CN 117478977A
- Authority
- CN
- China
- Prior art keywords
- video
- recommended
- target
- features
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 147
- 238000004590 computer program Methods 0.000 title claims abstract description 24
- 230000005540 biological transmission Effects 0.000 claims abstract description 109
- 230000011218 segmentation Effects 0.000 claims abstract description 48
- 238000000034 method Methods 0.000 claims abstract description 44
- 238000012545 processing Methods 0.000 claims description 20
- 239000012634 fragment Substances 0.000 claims description 10
- 238000005516 engineering process Methods 0.000 abstract description 11
- 238000013473 artificial intelligence Methods 0.000 abstract description 7
- 230000035515 penetration Effects 0.000 description 20
- 238000000605 extraction Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 10
- 238000013507 mapping Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 238000009423 ventilation Methods 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 238000011176 pooling Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000013526 transfer learning Methods 0.000 description 1
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]
- H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
- H04N21/83—Generation or processing of protective or descriptive data associated with content; Content structuring
- H04N21/845—Structuring of content, e.g. decomposing content into time segments
- H04N21/8456—Structuring of content, e.g. decomposing content into time segments by decomposing the content in the time domain, e.g. in time segments
-
- 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]
- H04N21/40—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
- H04N21/454—Content or additional data filtering, e.g. blocking advertisements
-
- 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
- H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
- H04N21/4667—Processing of monitored end-user data, e.g. trend analysis based on the log file of viewer selections
-
- 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
- H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
- H04N21/4668—Learning process for intelligent management, e.g. learning user preferences for recommending movies for recommending content, e.g. movies
Abstract
本申请公开了视频检测方法、装置、设备、存储介质及计算机程序产品,可应用于人工智能、云技术、车载视频等各种领域或场景,其中,该方法包括:获取目标视频的视频特征集,视频特征集包括M个目标视频特征以及各个目标视频特征对应的观看状态,各个目标视频特征为对目标视频进行视频切分得到的M个目标视频片段中的一个目标视频片段的视频特征;从视频推荐池中获取待检测推荐视频,对待检测推荐视频进行视频切分,得到N个推荐视频片段;确定各个推荐视频片段的视频特征,得到N个推荐视频特征;基于目标视频的视频特征集以及N个推荐视频特征,确定待检测推荐视频的剧透检测结果。通过该方法,可以准确地确定出待检测推荐视频的剧透检测结果。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种视频检测方法、一种视频检测装置、一种计算机设备、一种计算机可读存储介质以及一种计算机程序产品。
背景技术
视频播放应用在向用户展示某部视频作品(例如,电视剧、电影、综艺等)时,通常还会展示一些与该部视频作品的视频内容相关的推荐短视频,这些推荐短视频是由普通用户或专业用户上传的,并不是原作。如果展示的推荐短视频包含该部视频作品的用户未观看的视频内容(这样的视频称之为剧透视频),且用户选择事先观看这类推荐视频,则会知悉该部视频作品的原作视频内容,这通常会导致用户观看原作的兴致减少,就不会再选择观看原作,从而会严重影响原作的诸如观看量等权益。因此,如何屏蔽剧透视频是很有必要的。屏蔽剧透视频的一个前提是需要准确确定出剧透视频,但如何准确判断推荐短视频是否为剧透视频是目前有待解决的问题。
发明内容
本申请实施例提供了视频检测方法、装置、设备、存储介质及计算机程序产品,可以准确地确定出待检测推荐视频的剧透检测结果。
本申请实施例一方面公开了一种视频检测方法,该方法包括:
获取目标视频的视频特征集;其中,所述视频特征集包括M个目标视频特征以及各个所述目标视频特征对应的观看状态,各个所述目标视频特征为M个目标视频片段中的一个目标视频片段的视频特征,所述M个目标视频片段是对所述目标视频进行视频切分得到;不同目标视频特征所对应的目标视频片段不同,目标视频特征对应的观看状态为目标视频特征对应的目标视频片段的观看状态;M为大于1的正整数;
从视频推荐池中获取待检测推荐视频,对所述待检测推荐视频进行视频切分,得到N个推荐视频片段,N为大于1的正整数;
确定各个所述推荐视频片段的视频特征,得到N个推荐视频特征;
基于所述目标视频的视频特征集和所述N个推荐视频特征,确定所述待检测推荐视频的剧透检测结果。
本申请实施例一方面公开了一种视频检测装置,该装置包括:
获取单元,用于获取目标视频的视频特征集;其中,所述视频特征集包括M个目标视频特征以及各个所述目标视频特征对应的观看状态,各个所述目标视频特征为M个目标视频片段中的一个目标视频片段的视频特征,所述M个目标视频片段是对所述目标视频进行视频切分得到;不同目标视频特征所对应的目标视频片段不同,目标视频特征对应的观看状态为目标视频特征对应的目标视频片段的观看状态;M为大于1的正整数;
处理单元,用于从视频推荐池中获取待检测推荐视频,对所述待检测推荐视频进行视频切分,得到N个推荐视频片段,N为大于1的正整数;
确定单元,用于确定各个所述推荐视频片段的视频特征,得到N个推荐视频特征;基于所述目标视频的视频特征集和所述N个推荐视频特征,确定所述待检测推荐视频的剧透检测结果。
本申请实施例一方面公开了一种计算机设备,该计算机设备包括处理器,适于实现一条或多条计算机程序;以及,计算机存储介质,所述计算机存储介质存储有一条或多条计算机程序,所述一条或多条计算机程序适于由所述处理器加载并执行以上述的视频检测方法。
本申请实施一方面公开了一种计算机可读存储介质,该计算机可读存储介质存储有一条或多条计算机程序,所述一条或多条计算机程序适于由处理器加载并执行上述的视频检测方法。
本申请实施例一方面公开了一种计算机程序产品,该计算机程序产品包括计算机程序,该计算机程序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程序,处理器执行该计算机程序,使得该计算机设备执行上述的视频检测方法。
本申请实施例中,获取目标视频的视频特征集,视频特征集包括M个目标视频特征以及各个目标视频特征对应的观看状态,各个目标视频特征为对目标视频进行视频切分得到的M个目标视频片段中的一个目标视频片段的视频特征,目标视频特征对应的观看状态为目标视频特征对应的目标视频片段的观看状态;从视频推荐池中获取待检测推荐视频,对待检测推荐视频进行视频切分,得到N个推荐视频片段,然后确定各个推荐视频片段的视频特征,得到N个推荐视频特征;最后基于目标视频的视频特征集以及该N个推荐视频特征,确定待检测推荐视频的剧透检测结果。此方式基于目标视频的各个视频片段的视频片段特征和观看状态、待检测推荐视频的各个视频片段的视频片段特征确定待检测推荐视频的剧透检测结果,一方面,只需基于视频的视频特征(即视频画面信息的特征)即可完成剧透检测,相对于结合视频画面信息、视频字幕信息、视频弹幕信息来进行剧透检测的方式,处理方式更加简单,数据量更小,这样可以快速完成剧透检测;另一方面,将视频切分成多个视频片段,并基于各个视频片段的视频片段特征进行剧透检测,可以实现细粒度的特征对比检测,从而有效提高剧透检测结果的准确性。
附图说明
为了更清楚地说明本申请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,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例公开的一种视频检测系统的网络架构图;
图2是本申请实施例公开的一种视频检测方法的流程示意图;
图3是本申请实施例公开的一种特征提取模块的网络结构图;
图4是本申请实施例公开的一种目标视频对应的视频推荐页面;
图5是本申请实施例公开的另一种视频检测方法的流程示意图;
图6是本申请实施例公开的又一种视频检测方法的流程示意图;
图7是本申请实施例公开的一种视频检测装置的结构示意图;
图8是本申请实施例公开的一种计算机设备的结构示意图。
具体实施方式
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,都属于本申请保护的范围。
为了有效提升用户的观看体验,本申请实施例提出了一种视频检测方法,可以准确地确定出待检测推荐视频的剧透检测结果,即准确的判断出待检测推荐视频是目标视频的剧透视频,还是目标视频的非剧透视频,基于此,可以在向用户展示目标视频相关联的推荐视频时,准确过滤掉目标视频的剧透视频,只向用户展示目标视频的非剧透视频,这样可以有效避免用户由于观看了剧透视频,观看原作的兴致减少而不会再选择观看原作的问题,从而保证目标视频原作的诸如观看量等权益。
本申请实施例提供的视频检测方法可以基于AI(Artificial Intelligence,人工智能)技术实现。AI是指利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。AI技术是一门综合学科,其涉及的领域较为广泛;而本申请实施例提供的视频检测方法主要涉及AI技术中的机器学习(Machine Learning,ML)技术。机器学习通常包括人工神经网络、置信网络、强化学习、迁移学习、归纳学习、式教学习等技术。
在可行的实施例中,本申请实施例提供的视频检测方法还可以基于云技术(Cloudtechnology)和/或区块链技术实现。具体可以涉及云技术中的云存储(Cloud storage)、云数据库(Cloud Database)、大数据(Big data)中的一种或者多种。例如,从云数据库中获取执行该视频检测方法所需要的数据(例如目标视频的视频特征集、待检测推荐视频等)。又例如,执行该视频检测方法所需要的数据可以是以区块的形式存储在区块链上;可以将执行该视频检测方法所产生的数据(例如推荐视频特征、剧透检测结果等)以区块的形式存储到区块链上;另外,执行该视频检测方法的数据处理设备可以是区块链网络中的节点设备。
本申请实施例提供的视频检测方法可以适用于图1所示的网络架构,请参见图1,是本申请实施例公开的一种视频检测系统的网络架构图,该视频检测系统100可以至少包括终端设备101以及计算机设备102,其中,终端设备101和计算机设备102可以实现通信连接,其连接方式可以包括有线连接和无线连接,在此不进行限定。在具体的实现过程中,终端设备101主要是用于显示结果,在本申请中,可以显示目标视频以及与目标视频相关的非剧透推荐视频;计算机设备102主要是用于获取目标视频的视频特征集以及待检测推荐视频,然后对待检测推荐视频进行处理的得到推荐视频特征,再基于目标视频的视频特征集和推荐视频特征,确定待检测推荐视频的剧透检测结果。
在一种可能的实现方式中,上述所提及的终端设备101包括但不限于手机、电脑、智能语音交互设备、智能家电、车载终端、飞行器等;上述的计算机设备102是一种数据处理设备,可以是服务器,服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、以及大数据和人工智能平台等基础云计算服务的云服务器。图1只是示例性地表征视频检测系统的网络架构图,并不对此进行限定。例如,图1中计算机设备102可以部署成区块链网络中的节点,或者将计算机设备102可以接入区块链网络,使得计算机设备102可以将目标视频的视频特征集、视频推荐池中的待检测推荐视频以及剧透检测结果等上传至区块链网络进行存储,以防止内部数据被篡改,从而保证数据安全性。
结合上述视频检测系统,本申请实施例的视频检测方法大致可以包括:获取目标视频的视频特征集;其中,所述视频特征集包括M个目标视频特征以及各个所述目标视频特征对应的观看状态,各个所述目标视频特征为M个目标视频片段中的一个目标视频片段的视频特征,所述M个目标视频片段是对所述目标视频进行视频切分得到;不同目标视频特征所对应的目标视频片段不同,目标视频特征对应的观看状态为目标视频特征对应的目标视频片段的观看状态;M为大于1的正整数;从视频推荐池中获取待检测推荐视频,对所述待检测推荐视频进行视频切分,得到N个推荐视频片段,N为大于1的正整数;确定各个所述推荐视频片段的视频特征,得到N个推荐视频特征;基于所述目标视频的视频特征集和所述N个推荐视频特征,确定所述待检测推荐视频的剧透检测结果。
通过本申请实施例,可以将目标视频的目标视频特征和待检测推荐视频的推荐识进行对比,结合各个目标视频特征所对应视频片段的观看状态,可以准确地确定出待检测推荐视频是否为剧透视频,进一步的,可以对剧透视频进行隐藏,仅向用户展示非剧透的推荐视频以及目标视频,这样一来可以提升用户的观看体验,在一定程度上,提升目标视频的用户观看量。
需要说明的是,在本申请的具体实施方式中,涉及到目标视频、推荐池中的待检测推荐视频等相关的数据,所涉及使用到的数据均是经过用户授权的。当本申请以上实施例运用到具体产品或技术中时,所涉及使用到的数据需要获得用户许可或者同意,且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
请参见图2,是本申请实施例公开的一种视频检测方法的流程示意图,本申请实施例中所描述的视频检测方法可以由图1所示的计算机设备执行,该视频检测方法包括但不限于如下步骤:
S201:获取目标视频的视频特征集。
在可行的实施例中,目标视频可以是以下任意一种:电视剧、电影、综艺、动漫。其中,目标视频的视频特征集包括M个目标视频特征以及各个目标视频特征对应的观看状态,各个所述目标视频特征为M个目标视频片段中的一个目标视频片段的视频特征,也就是说,M个目标视频特征中一个目标视频特征为M个目标视频片段中的一个目标视频片段的视频特征,在进行特征提取时,M个目标视频片段是对目标视频进行视频切分得到,各个目标视频特征的观看状态与目标视频特征对应的目标视频片段的观看状态相同。观看状态包括已观看状态和未观看状态,在获取目标视频的同时,也会同步地获取目标视频的观看状态。也就是说,当目标视频是已观看状态,那对应的目标视频特征也是已观看状态;目标视频是未观看状态,那对应的目标视频特征也是未观看状态。观看状态的获取方式是比较灵活的,可以根据用户的观看状态实时获取。
S202:从视频推荐池中获取待检测推荐视频,对待检测推荐视频进行视频切分,得到N个推荐视频片段,N为大于1的正整数。
在确定目标视频后,可以从视频应用的视频推荐池中获取一系列待检测推荐视频,然后对待检测推荐视频进行视频切分,得到N个推荐视频片段,N为大于1的正整数。
在可行的实施例中,针对任意一个待检测推荐视频,在对待检测推荐视频进行视频切分时可以采用视频切分模块进行视频切分,视频切分模块是基于待检测推荐视频的视频切分信息进行视频切分的。其中,视频切分信息包括黑帧信息和场景切换帧信息中的一种或两种;基于黑帧信息或场景切换帧信息中的一种或两种可以对待检测推荐视频进行视频切分,从而得到N个推荐视频片段。也就是可以根据黑帧信息或场景切换帧信息(两者中其中一个是视频切分点)对待检测推荐视频进行视频切分,也可以基于黑帧信息和场景切换帧信息两者(两者都是视频切分点)对待检测推荐视频进行视频切分。
其中,黑帧信息可以基于视频帧图像的像素值确定的,具体确定过程可以包括:首先从待检测推荐视频中提取每帧图像,然后计算每帧图像的RGB像素的平均值(0到255),并与设定阈值比较,小于设定阈值认为是黑帧信息,黑帧信息中的黑帧通常用于视频中的转场,因此检测到的黑帧通常可以用于视频片段的转换点。场景切换帧信息可以基于视频帧图像帧与帧之间的差异确定,具体确定过程可以包括:从待检测推荐视频提取每帧图像,并将每帧图像从RGB色彩空间转换到HSV色彩空间,然后计算HSV色彩空间中相邻帧之间的变化量,也就是计算色调(H)、饱和度(S)、明度(V)之间的变化量,如果变化量大于设定阈值,则认为发生了场景切换,并将对应的视频帧确定为场景切换帧信息。
在本申请中,这些待检测推荐视频可以是和目标视频相关联的,也可以是和目标视频没有关联的。由于本申请是为了筛选目标视频的剧透视频,可以认为待检测推荐视频是与目标视频相关联的,这些待检测推荐视频通常是由普通用户或专业用户上传的内容,即用户生成内容(User Generated Content,UGC)。可选的,待检测推荐视频可以是由一个电视剧中的某一集的视频片段组成的一个视频,也可以是从一个电视剧中的多集中裁剪的多个视频片段组成的一个视频;还可以是针对不同电视剧的不同视频片段组成的一个视频。不在此对其进行限定。
S203:确定各个推荐视频片段的视频特征,得到N个推荐视频特征。
在一种可能的实现方式中,针对各个推荐视频片段,可以采用视频特征提取模块进行特征提取,特征提取模块的网络结构图可以参见图3,由3D块划分模块(3D PatchPartition)以及4个阶段(stage)包括的模块组成,其中,每个阶段包括两个部分,阶段1包括线性映射模块(Linear Embedding)和视频处理模块(视频Swin Transformer Block),阶段2~阶段4均包括块合并模块(Patch Merging)和视频处理模块。3D块划分模块的作用是等分成小块的操作,线性映射模块用于将划分的小块进行线性映射,块合并模块类似于池化的操作,池化会损失信息,块合并模块不会。以图3为例,输入为一个尺寸为T×H×W×3的推荐视频片段,T可以设置为32,表示从推荐视频片段的所有帧中采样得到32帧,采样的方法可以自行选择,不同任务可能会有不同的采样方法,一般可以采用等间隔采样。将输入经过3D块划分模块之后会变成一个(T/2)×(H/4)×(W/4)×96的向量。由于patch size为(2,4,4),分别是时间、高度和宽度三个维度的尺寸,其中96是因为2×4×4×3=96,也就是一个patch内的所有像素点的rgb(光学三原色,R代表Red(红色),G代表Green(绿色),B代表Blue(蓝色))三个通道的值。3D块划分模块之后会紧跟一个线性映射模块,如果线性映射模块的维度为96,那么经过线性映射模块之后的尺寸96。然后再分别会经过多个视频处理模块和块合并模块进行处理,得到该推荐视频片段的推荐视频特征,整个过程模仿了CNN模块中的下采样过程,可以让模型可以针对不同尺度生成特征。
S204:基于目标视频的视频特征集以及N个推荐视频特征,确定待检测推荐视频的剧透检测结果。
在本申请实施例中,剧透检测结果要么是待检测推荐视频为剧透视频,要么是待检测推荐视频为非剧透视频,剧透视频即是用户还未观看的视频内容,非剧透视频即是用户已经看过的视频内容。基于上述阐述,主要是将N个推荐视频特征在目标视频的视频特征集中进行检索,然后基于检索结果确定出待检测推荐视频的剧透检测结果。
在一种可能的实现方式中,基于目标视频的视频特征集和N个推荐视频特征,确定待检测推荐视频的剧透检测结果的实现方式可以为:将N个推荐视频特征分别与目标视频的视频特征集中的各个目标视频特征进行比较,得到比较结果,若基于比较结果确定N个推荐视频特征中存在第一类推荐视频特征,则确定待检测推荐视频的剧透检测结果为第一剧透检测结果,若基于比较结果确定N个推荐视频特征中不存在第一类推荐视频特征,则确定待检测推荐视频的剧透检测结果为第二剧透检测结果,第一剧透检测结果指示待检测推荐视频为目标视频的剧透视频,第二剧透检测结果指示待检测推荐视频为目标视频的非剧透视频。
其中,第一类推荐视频特征于视频特征集中存在与其相匹配的目标视频特征,且视频特征集中与第一类推荐视频特征相匹配的目标视频特征所对应观看状态为未观看状态。也就是说,待检测推荐视频的各个推荐视频特征中若是存在一个推荐视频特征能在视频特征集中找到与之匹配的目标视频特征,且该目标视频特征对应的观看状态为未观看状态,则说明该待检测推荐视频是剧透视频。
在一实施方式中,若基于比较结果确定N个推荐视频特征中的K个推荐视频特征为第二类推荐视频特征,且除该K个推荐视频特征之外的N-K个推荐视频特征为第三类推荐视频特征,则可以确定N个推荐视频特征中不存在第一类推荐视频特征。其中,K为大于或等于1且小于或等于N的整数。第二类推荐视频特征于视频特征集中存在与其相匹配的目标视频特征,且视频特征集中与第二类推荐视频特征相匹配的目标视频特征所对应观看状态包括已观看状态;第三类推荐视频特征于视频特征集中不存在与其相匹配的目标视频特征。
例如,一个被切分成了5个推荐视频片段的待检测推荐视频,对应的有5个推荐视频特征,其中,有2个推荐视频特征属于第二类推荐视频特征,也就是在视频特征集中能找到与这2个推荐视频特征相匹配的两个目标视频特征,且这两个目标视频特征对应的目标视频片段的观看状态为已观看状态,同时,有3个推荐视频特征属于第三类推荐视频特征,也就是在视频特征集中不能找到与这3个推荐视频特征相匹配的目标视频特征,可以直接得出这3个推荐视频特征对应的推荐视频片段和目标视频是无关的,可以是从其他视频(和目标视频无关)中剪辑的视频片段,又或者可以包括上传者自己拍摄的与目标视频内容不相关的内容。由于和目标视频相关的2个推荐视频片段都是已观看状态,因此,该待检测推荐视频是非剧透视频。
上述在确定视频特征集中是否存在推荐视频特征时,可以采用最近邻检索方式,主要是计算特征之间的相似度,通过相似度确定两个视频片段是否为同一个视频片段。其中,相似度的计算主要可以是计算特征之间的距离,如欧式距离或者余弦距离,主要是计算推荐视频特征与视频特征集中的目标视频特征之间的欧式距离或者余弦距离,当所计算所得的数值达到预设条件,比如达到设定阈值(如0.9),将对应的目标视频特征认为是与该推荐视频特征相匹配的特征。
在确定出待检测推荐的剧透检测结果后,可以根据对相关的待检测推荐视频进行处理,对于剧透视频,对其进行过滤,非剧透视频,对其进行展示。在具体实现方式中,若待检测推荐视频的剧透检测结果指示待检测推荐视频为目标视频的剧透视频,则将待检测推荐视频放入目标视频的剧透视频池中;若待检测推荐视频的剧透检测结果指示待检测推荐视频为所述目标视频的非剧透视频,则将待检测推荐视频放入目标视频的非剧透视频池中。进一步的,从目标视频的非剧透视频池中获取目标推荐视频;将目标推荐视频的相关信息发送给客户端,以使得客户端在视频播放应用中的目标视频对应的视频推荐页面中展示目标检测推荐视频的相关信息。也就是说,在视频播放应用中播放目标视频时,可以先从放入非剧透视频池中的待检测推荐视频中确定出目标推荐视频,然后在视频推荐页面中展示目标推荐视频的相关信息。在用户的观看过程中,随着时间的推移,当剧透视频池中的剧透视频被用户观看后,可以将该剧透视频从剧透视频池移动到非剧透视频池,并在视频推荐页面中展示相关信息。其中,待检测推荐视频的相关信息的形式包括多种,可以是一个图标形式的链接,也可以是以待检测推荐视频的封面图像进行展示的图标。
可选的,若待检测推荐视频的剧透检测结果指示待检测推荐视频为目标视频的剧透视频,则为待检测视频添加剧透标识,若待检测推荐视频的剧透检测结果指示待检测推荐视频为所述目标视频的非剧透视频,则为待检测推荐视频添加非剧透标识。在视频播放应用中播放目标视频时,可以基于非剧透标识获取对应的目标推荐视频,并在视频推荐页面中展示目标推荐视频的相关信息。随着用户的观看,有的剧透视频的观看状态会随着发生改变,当用户观看了某一剧透视频时,可以将该剧透视频的剧透标识转换成非剧透标识。
其中,目标视频对应的视频推荐页面可以如图4所示,其中,401是目标视频的播放区域,402是视频推荐显示区域,在402中可以包括多个推荐视频:推荐视频1、推荐视频2以及推荐视频3,402中显示的推荐视频均是非剧透视频。例如,401中播放的是某电视剧的第K集,那么402中的推荐视频多数都是与第1集~第K-1集相关的视频片段。可选的,用户上传的待检测推荐视频的数量可能很多,但视频推荐显示区域是有限的,因此,还可以对待检测推荐视频进行筛选,显示满足条件的目标推荐视频。
其中,可以根据待检测推荐视频的播放时间来进行筛选,从而确定出目标推荐视频,先确定目标视频播放的当前时间,以当前时间为界,确定当前时间以前与当前时间距离最近的待检测推荐视频,并基于视频推荐页面的视频推荐显示区域的排版方式从待检测推荐视频中确定出目标推荐视频的个数,若是视频推荐显示区域可以显示5个,则确定5个。例如,当前播放的是某电视剧的第K集,那么待检测推荐视频可以是与第1集~第K-1集相关的视频片段,根据播放时间,优先选择第K-1集中的视频片段,其次是第K-2集,依次进行选择,直到确定出满足数量要求的目标推荐视频。
本申请实施例基于目标视频的各个视频片段的视频片段特征和观看状态、待检测推荐视频的各个视频片段的视频片段特征确定待检测推荐视频的剧透检测结果,一方面,只需基于视频的视频特征(即视频画面信息的特征)即可完成剧透检测,相对于结合视频画面信息、视频字幕信息、视频弹幕信息来进行剧透检测的方式,处理方式更加简单,数据量更小,这样可以快速完成剧透检测;另一方面,将视频切分成多个视频片段,并基于各个视频片段的视频片段特征进行剧透检测,可以实现细粒度的特征对比检测,从而有效提高剧透检测结果的准确性。基于准确地待检测推荐视频的剧透检测结果,可以在向用户展示目标视频相关联的推荐视频时,准确过滤掉目标视频的剧透视频,只向用户展示目标视频的非剧透视频,这样可以有效避免用户由于观看了剧透视频,观看原作的兴致减少而不会再选择观看原作的问题,从而保证目标视频原作的诸如观看量等权益。
基于上述阐述,是直接基于目标视频的视频特征集和N个推荐视频特征确定待检测推荐视频的剧透检测结果的,在下面的实施例中,可以将视频特征集划分成已观看视频特征子集和未观看视频特征子集时,然后再基于已观看视频特征子集、未观看视频特征子集以及N个推荐视频特征确定待检测推荐视频的剧透检测结果的。参见图5,是本申请实施例公开的另一种视频检测方法,可以包括但不仅限于以下步骤:
S501:获取目标视频,对目标视频进行视频切分,得到M个目标视频片段。
例如,当目标视频是电视剧时,可以先将电视剧按集数进行排序,然后针对每一集电视剧进行视频切分,得到每一集的多个目标视频片段,然后将每一集的多个目标视频片段组合在一起,得到M个目标视频片段;又例如,当目标视频是电影时,可以将该电影直接当成一个整体进行视频切分,得到M个目标视频片段。
由上述阐述可知,也可以利用视频切分模块对目标视频进行视频切分,在切分时,先从目标视频中确定视频切分信息,然后基于视频切分信息对目标视频进行视频切分,得到M个目标视频片段。其中,黑帧信息与场景切分帧信息确认过程在上述已经在步骤S202中进行了详细的阐述,此处不在赘述。
S502:确定M个目标视频片段中各个目标视频片段的视频特征,得到M个目标视频特征。
可以采用视频特征提取模块对M个目标视频片段进行特征提取,从而得到M个目标视频特征,一个目标视频片段对应一个目标视频特征。其中,视频特征提取模块详见图3,对视频进行视频特征提取已在上文进行了详细的阐述,此处便不再赘述。
S503:确定M个目标视频片段中各个目标视频片段的观看状态,基于各个目标视频片段的观看状态、M个目标视频片段和M个目标视频特征的对应关系,确定各个目标视频特征对应的观看状态。
在可行的实施例中,在对目标视频进行切分时,可以根据目标视频的观看状态确定各个目标视频片段的观看状态。例如,对于一个包含N集的电视剧,前K集均是用户已经观看过得,那么基于这K集电视剧划分得到的目标视频片段的观看状态也是已观看状态,那么对应的,这些目标视频片段对应的目标视频特征也是已观看状态;对应的第K+1集到第N集是未观看的,那么基于第K+1集到第N集划分得到的目标视频片段的观看状态也是未观看状态,那么对应的,这些目标视频片段对应的目标视频特征也是未观看状态。对于一个电影而言,可以根据用户的观看记录,根据时间划分,将电视划分成两个部分,一个为已观看部分,另一个为未观看部分,基于此对已观看部分进行视频划分,得到多个目标视频片段,这些目标视频片段对应的目标视频特征的观看状态为已观看状态;对未观看部分进行视频划分,得到多个目标视频片段,这些目标视频片段对应的目标视频特征的观看状态为未观看状态。
由于M个目标视频片段和M个目标视频特征是一一对应关系,根据目标视频片段的观看状态就可以确定目标视频特征对应的观看状态。例如,将目标视频片段划分成多个目标视频片段,其中,有两个目标视频片段的观看状态为已观看状态,那么这两个目标视频片段对应的目标视频特征的观看状态也是已观看状态。
S504:基于所对应观看状态为已观看状态的目标视频特征生成已观看视频特征子集,基于所对应观看状态为未观看状态的目标视频特征生成未观看视频特征子集,基于已观看视频特征子集以及未观看视频特征子集生成目标视频的视频特征集。
在一实施方式中,将M个目标视频特征中所对应观看状态为已观看状态的各个目标视频特征放到同一个子集中,得到已观看视频特征子集;将M个目标视频特征中所对应观看状态为未观看状态的各个目标视频特征放到同一个子集中,得到未观看视频特征子集;然后将已观看视频特征子集以及未观看视频特征子集放到同一个集合中,得到目标视频的视频特征集。
S505:从视频推荐池中获取待检测推荐视频,对待检测推荐视频进行视频切分,得到N个推荐视频片段,N为大于1的正整数。
S506:确定各个推荐视频片段的视频特征,得到N个推荐视频特征。
其中,步骤S505和步骤S506对应的详细描述可以参见步骤S202和步骤S203,此处不再赘述。
S507:将N个推荐视频特征分别与已观看视频特征子集中的各个目标视频特征进行比较,以及将N个推荐视频特征分别与未观看视频特征子集中的各个目标视频特征进行比较,得到比较结果。
例如,N为3,也就是将这3个推荐视频特征与已观看视频特征子集中的各个目标视频特征进行比较,同时将这3个推荐视频特征与未观看视频特征子集中的各个目标视频特进行比较,得到比较结果。
S508:若基于比较结果确定N个推荐视频特征中存在第一类推荐视频特征,则确定待检测推荐视频的剧透检测结果为第一剧透检测结果。
其中,第一剧透检测结果指示待检测推荐视频为目标视频的剧透视频;第一类推荐视频特征于未观看视频特征子集中存在与其相匹配的目标视频特征,且于已观看视频特征子集中不存在与其相匹配的目标视频特征,也就是说,在未观看视频特征子集中可以匹配到第一类推荐视频特征,在已观看视频特征子集中不能匹配到第一类推荐视频特征。例如,一个有3个推荐视频特征的待检测推荐视频,若是其中有一个视频特征能在未观看视频特征子集中匹配到,且不能在已观看视频特征子集中不匹配到,则确定个待检测推荐视频是剧透视频。
需要注意的是,要满足存在第一类推荐视频特征才确定待检测推荐视频是剧透视频,是因为为了排除特殊情况而导致判断不准确。例如,电视剧第一集观看,第二集未观看,待检测推荐视频是第二集中对第一集片段的回忆,在这种情况下,待检测推荐视频的推荐视频特征同时与第一集的视频片段的视频特征相匹配,又与第二集的视频片段的视频特征相匹配,这样,便不能确定该待检测推荐视频是否为剧透视频。因此,要推荐视频特征满足在未观看视频特征子集中存在与其相匹配的目标视频特征,且在已观看视频特征子集中不存在与其相匹配的目标视频特征时,才将推荐视频特征对应的待检测推荐视频确定为剧透视频。
S509:若基于比较结果确定N个推荐视频特征中不存在第一类推荐视频特征,则确定待检测推荐视频的剧透检测结果为第二剧透检测结果。
其中,若基于比较结果确定所述N个推荐视频特征中的K个推荐视频特征为第二类推荐视频特征,且除K个推荐视频特征之外的N-K个推荐视频特征为第三类推荐视频特征,则确定N个推荐视频特征中不存在所述第一类推荐视频特征。
第二剧透检测结果指示待检测推荐视频为目标视频的非剧透视频,K为大于或等于1且小于或等于N的整数,为了表明这N个推荐视频特征对应的待检测推荐视频是与目标视频相关联的;第二类推荐视频特征于已观看视频特征子集中存在与其相匹配的目标视频特征;第三类推荐视频特征于已观看视频特征子集中不存在与其相匹配的目标视频特征,且于未观看视频特征子集中不存在与其相匹配的目标视频特征。例如一个待检测推荐视频,被切分成了5个视频片段,对应的有5个推荐视频特征,其中,有2个推荐视频特征属于第二类推荐视频特征,也就是这2个推荐视频特征与已观看视频特征子集中的目标视频特征相匹配,有3个属于推荐视频特征第三类推荐视频特征,也就是这3个推荐视频特征与已观看视频特征子集中的目标视频特征不匹配,也与未观看视频特征子集中的目标视频特征不匹配,那么该待检测推荐视频就是非剧透视频。一般,这种视频就是混剪的,就是将从多个电视剧中裁剪出来的视频片段进行组合,得到一个视频。
可选的,基于比较结果确定N个推荐视频特征中各个推荐视频特征均属于第四类推荐视频特征,第四类推荐视频特征既不与已观看视频特征子集中的目标视频特征相匹配,也不与未观看视频特征子集中的目标视频特征相匹配,这种情况下,表明这N个推荐视频特征对应的待检测推荐视频是与目标视频没有关联的,显然该待检测推荐视频也不是目标视频的剧透视频。
可选的,由于用户的行为是动态,不同的时刻用户看过的视频集数不同。因此,对于每个待检测推荐视频(属于剧透视频),在该待检测推荐视频上传到视频播放应用之后,可以对其进行一次检索,先确定该待检测推荐视频在目标视频中的具体位置,然后基于用户的观看进度,确定该待检测推荐视频的剧透检测结果。在本申请实施例中,先确定各个第一类推荐视频特征对应的播放时间,播放时间为未观看视频特征子集中与第一类推荐视频特征相匹配的目标视频特征所对应目标视频片段的片段播放时间。片段播放时间可以是一个时间段,比如一个电影的时长是0:00:00~1:40:50(从0秒到1小时40分钟50秒),片段播放时间可以是“0:25:34~0:32:52”,若对于电视剧而言,可以将片段播放时间定义为具体的集数(如第几集),例如第4集第20分钟,而不是单纯的一个时间第20分钟;对应的,视频片段特征对应的播放时间也可以集数进行阐述。获取目标视频的新的观看时间信息,新的观看时间信息包括目标视频的已观看部分的视频播放时间。新的观看时间可以用于表示用户观看目标视频的进度情况,新的观看时间信息是一个时间点,这个时间是基于目标视频的观看时间点,如一个电影的时长是0:00:00~1:40:50,新的观看时间可以是指1:02:56,1:02:56之前的电影内容是用户已经观看的,1:02:56之后的电影内容是用户围观看的。若已观看部分的视频播放时间包含各个第一类推荐视频特征对应的播放时间,则将待检测推荐视频的剧透检测结果由第一剧透检测结果调整为第二剧透检测结果,所述第二剧透检测结果指示待检测推荐视频不为所述目标视频的剧透视频。
例如,当视频播放应用检测到一个新的待检测推荐视频A,然后将待检测推荐视频A在目标视频的完整片源中进行检索,确定待检测推荐视频A在目标视频中的位置信息(如在电视剧中的第几集,或者在电影中的哪个时刻),并对其进行标记。若对于用户观看的某部电视剧,当检索到待检测推荐视频A对应其中的第k集(片段播放时间)。在用户按剧集顺序进行观看时,实时获取用户观看的集数(新的观看时间),在用户看过第k集之前,第k集的观看状态属于未观看状态,因此该待检测推荐视频属于剧透视频,隐藏该待检测推荐视频;而如果用户已经观看过第k集,则第k集的观看状态属于已观看状态,因此该待检测推荐视频属于非剧透视频,可以向用户展示该待检测推荐视频。
基于上述阐述,以一部包括N集的电视剧x为例,图6示出的也是一种视频检测方法,根据用户的观看记录,可以将电视剧x分成已观看视频(从第1集到第K集)和未观看视频(从第K+1集到第N集),利用视频切分模块将已观看视频和未观看视频进行切分,得到每一集的多个视频片段,然后再利用特征提取模块对各个视频片段进行特提取,得到视频特征,将基于已观看视频得到的视频特征作为第一特征信息集合,将基于未观看视频得到的视频特征作为第二特征信息集合。同时,获取与该电视剧x相关联的推荐视频,推荐视频可以包括多个,然后利用视频切分模块对推荐视频进行切分,得到多个视频片段,然后再利用特征提取模块对各个视频片段进行特提取,得到视频特征,将基于推荐视频得到的视频特征作为参考特征信息集合。最后将参考特征信息集合中的各个特征信息分别在第一特征信息集合和第二特征信息集合进行最邻近检索,确定各个推荐视频的剧透检测结果。在检索时,通常包括两种结果:如果在第一特征信息集合中能检索到、在第二特征信息集合中不能检索到,说明该推荐视频包含了用户已观看过的内容,属于非剧透视频,可以向用户展示;如果在第一特征信息集合中不能检索到、在第二特征信息集合中能检索到,说明该推荐视频包含了用户还未观看过的内容,属于剧透视频,需要进行过滤,不能向用户展示。
本申请实施例中,我们将视频特征集划分成已观看视频特征子集和未观看视频特征子集时,然后再基于已观看视频特征子集、未观看视频特征子集以及N个推荐视频特征确定待检测推荐视频的剧透检测结果的,通过这种方式,可以准确快速的确定出视频推荐池中的剧透视频以及非剧透视频,提升用户观看体验。
基于上述的方法实施例,本申请实施例还提供了一种视频检测装置的结构示意图。参见图7,为本申请实施例提供的一种视频检测装置的结构示意图,对应于前文所述的计算机设备,图7所示的视频检测装置可运行如下单元:
获取单元701,用于获取目标视频的视频特征集;其中,所述视频特征集包括M个目标视频特征以及各个所述目标视频特征对应的观看状态,各个所述目标视频特征为M个目标视频片段中的一个目标视频片段的视频特征,所述M个目标视频片段是对所述目标视频进行视频切分得到;不同目标视频特征所对应的目标视频片段不同,目标视频特征对应的观看状态为目标视频特征对应的目标视频片段的观看状态;M为大于1的正整数;
处理单元702,用于从视频推荐池中获取待检测推荐视频,对所述待检测推荐视频进行视频切分,得到N个推荐视频片段,N为大于1的正整数;
确定单元703,用于确定各个所述推荐视频片段的视频特征,得到N个推荐视频特征;基于所述目标视频的视频特征集以及所述N个推荐视频特征,确定所述待检测推荐视频的剧透检测结果。
在一种可能的实现方式中,所述获取单元701,还用于获取目标视频,对所述目标视频进行视频切分,得到M个目标视频片段;
所述确定单元703,还用于确定各个所述目标视频片段的视频特征,得到M个目标视频特征;确定各个所述目标视频片段的观看状态,基于各个所述目标视频片段的观看状态、所述M个目标视频片段和所述M个目标视频特征的对应关系,确定各个所述目标视频特征对应的观看状态;基于所对应观看状态为已观看状态的目标视频特征生成已观看视频特征子集,基于所对应观看状态为未观看状态的目标视频特征生成未观看视频特征子集,基于所述已观看视频特征子集以及所述未观看视频特征子集生成所述目标视频的视频特征集。
在一种可能的实现方式中,所述确定单元703基于所述目标视频的视频特征集以及所述N个推荐视频特征,确定所述待检测推荐视频的剧透检测结果时,具体用于:
将所述N个推荐视频特征分别与所述已观看视频特征子集中的各个目标视频特征进行比较,以及将所述N个推荐视频特征分别与所述未观看视频特征子集中的各个目标视频特征进行比较,得到比较结果;
若基于所述比较结果确定所述N个推荐视频特征中存在第一类推荐视频特征,则确定所述待检测推荐视频的剧透检测结果为第一剧透检测结果;
若基于所述比较结果确定所述N个推荐视频特征中不存在所述第一类推荐视频特征,则确定所述待检测推荐视频的剧透检测结果为第二剧透检测结果;
其中,所述第一剧透检测结果指示所述待检测推荐视频为所述目标视频的剧透视频,所述第二剧透检测结果指示所述待检测推荐视频为所述目标视频的非剧透视频;所述第一类推荐视频特征于所述未观看视频特征子集中存在与其相匹配的目标视频特征,且于所述已观看视频特征子集中不存在与其相匹配的目标视频特征。
在一种可能的实现方式中,所述确定单元703,还用于:
若基于所述比较结果确定所述N个推荐视频特征中的K个推荐视频特征为第二类推荐视频特征,且除所述K个推荐视频特征之外的N-K个推荐视频特征为第三类推荐视频特征,则确定所述N个推荐视频特征中不存在所述第一类推荐视频特征;
其中,K为大于或等于1且小于或等于N的整数;所述第二类推荐视频特征于所述已观看视频特征子集中存在与其相匹配的目标视频特征;所述第三类推荐视频特征于所述已观看视频特征子集中不存在与其相匹配的目标视频特征,且于所述未观看视频特征子集中不存在与其相匹配的目标视频特征。
在一种可能的实现方式中,所述确定单元703,还用于确定各个所述第一类推荐视频特征对应的播放时间,所述播放时间为所述未观看视频特征子集中与所述第一类推荐视频特征相匹配的目标视频特征所对应目标视频片段的片段播放时间;
所述获取单元701,还用于获取所述目标视频的新的观看时间信息,所述新的观看时间信息包括所述目标视频的已观看部分的视频播放时间;
所述处理单元702,还用于若所述已观看部分的视频播放时间包含各个所述第一类推荐视频特征对应的播放时间,则将所述待检测推荐视频的剧透检测结果由所述第一剧透检测结果调整为第二剧透检测结果,所述第二剧透检测结果指示所述待检测推荐视频为所述目标视频的非剧透视频。
在一种可能的实现方式中,所述处理单元702对所述待检测推荐视频进行视频切分,得到N个推荐视频片段时,具体用于:
从所述待检测推荐视频中确定视频切分信息,所述视频切分信息包括黑帧信息和场景切换帧信息中的一种或两种;
基于所述视频切分信息对所述待检测推荐视频进行视频切分,得到N个推荐视频片段。
在一种可能的实现方式中,所述处理单元702,还用于若所述待检测推荐视频的剧透检测结果指示所述待检测推荐视频为所述目标视频的剧透视频,则将所述待检测推荐视频放入所述目标视频的剧透视频池中;
若所述待检测推荐视频的剧透检测结果指示所述待检测推荐视频为所述目标视频的非剧透视频,则将所述待检测推荐视频放入所述目标视频的非剧透视频池中。
在一种可能的实现方式中,所述获取单元701,还用于从所述目标视频的非剧透视频池中获取目标推荐视频;将所述目标推荐视频的相关信息发送给客户端,以使得所述客户端在视频播放应用中的所述目标视频对应的视频推荐页面中展示所述目标检测推荐视频的相关信息。
可以理解的是,本申请实施例提供的视频检测装置的各功能单元的功能可根据上述方法实施例中的方法具体实现,其具体实现过程可以参照上述方法实施例中的相关描述,此处不再赘述。
在可行的实施例中,本申请实施例提供的视频检测装置可以采用软件方式实现,视频检测装置可以存储在存储器中,其可以是程序和插件等形式的软件,并包括一系列的单元,包括获取单元、处理单元以及确定单元;其中,获取单元、处理单元以及确定单元用于实现本申请实施例提供的视频检测方法。
在其它可行的实施例中,本申请实施例提供的视频检测装置也可以采用软硬件结合的方式实现,作为示例,本申请实施例提供的视频检测装置可以是采用硬件译码处理器形式的处理器,其被编程以执行本申请实施例提供的视频检测方法,例如,硬件译码处理器形式的处理器可以采用一个或多个应用专用集成电路(ASIC,Application SpecificIntegrated Circuit)、DSP、可编程逻辑器件(PLD,Programmable Logic Device)、复杂可编程逻辑器件(CPLD,Complex Programmable Logic Device)、现场可编程门阵列(FPGA,Field-Programmable Gate Array)或其他电子元件。
本申请实施例基于目标视频的各个视频片段的视频片段特征和观看状态、待检测推荐视频的各个视频片段的视频片段特征确定待检测推荐视频的剧透检测结果,一方面,只需基于视频的视频特征(即视频画面信息的特征)即可完成剧透检测,相对于结合视频画面信息、视频字幕信息、视频弹幕信息来进行剧透检测的方式,处理方式更加简单,数据量更小,这样可以快速完成剧透检测;另一方面,将视频切分成多个视频片段,并基于各个视频片段的视频片段特征进行剧透检测,可以实现细粒度的特征对比检测,从而有效提高剧透检测结果的准确性。基于准确地待检测推荐视频的剧透检测结果,可以在向用户展示目标视频相关联的推荐视频时,准确过滤掉目标视频的剧透视频,只向用户展示目标视频的非剧透视频,这样可以有效避免用户由于观看了剧透视频,观看原作的兴致减少而不会再选择观看原作的问题,从而保证目标视频原作的诸如观看量等权益。
请参阅图8,图8为本申请实施例提供的一种计算机设备的结构示意图。本申请实施例中所描述的计算机设备包括:处理器801、通信接口802及存储器803。其中,处理器801、通信接口802及存储器803可通过总线或其他方式连接,本申请实施例以通过总线连接为例。
其中,处理器801(或称CPU(Central Processing Unit,中央处理器))是计算机设备的计算核心以及控制核心,其可以解析计算机设备内的各类指令以及处理计算机设备的各类数据,例如:CPU可以用于解析用户向计算机设备所发送的开关机指令,并控制计算机设备进行开关机操作;再如:CPU可以在计算机设备内部结构之间传输各类交互数据,等等。通信接口802可选的可以包括标准的有线接口、无线接口(如Wi-Fi、移动通信接口等),受处理器801的控制用于收发数据。存储器803(Memory)是计算机设备中的记忆设备,用于存放程序和数据。可以理解的是,此处的存储器803既可以包括计算机设备的内置存储器,当然也可以包括计算机设备所支持的扩展存储器。存储器803提供存储空间,该存储空间存储了计算机设备的操作系统,可包括但不限于:Android系统、iOS系统、Windows Phone系统等等,本申请对此并不作限定。
在本申请实施例中,处理器801通过运行存储器803中的可执行程序代码,执行如下操作:
获取目标视频的视频特征集;其中,所述视频特征集包括M个目标视频特征以及各个所述目标视频特征对应的观看状态,各个所述目标视频特征为M个目标视频片段中的一个目标视频片段的视频特征,所述M个目标视频片段是对所述目标视频进行视频切分得到;不同目标视频特征所对应的目标视频片段不同,目标视频特征对应的观看状态为目标视频特征对应的目标视频片段的观看状态;M为大于1的正整数;
从视频推荐池中获取待检测推荐视频,对所述待检测推荐视频进行视频切分,得到N个推荐视频片段,N为大于1的正整数;
确定各个所述推荐视频片段的视频特征,得到N个推荐视频特征;基于所述目标视频的视频特征集以及所述N个推荐视频特征,确定所述待检测推荐视频的剧透检测结果。
在一种可能的实现方式中,所述处理器801,还用于:
获取目标视频,对所述目标视频进行视频切分,得到M个目标视频片段;
确定各个所述目标视频片段的视频特征,得到M个目标视频特征;确定各个所述目标视频片段的观看状态,基于各个所述目标视频片段的观看状态、所述M个目标视频片段和所述M个目标视频特征的对应关系,确定各个所述目标视频特征对应的观看状态;基于所对应观看状态为已观看状态的目标视频特征生成已观看视频特征子集,基于所对应观看状态为未观看状态的目标视频特征生成未观看视频特征子集,基于所述已观看视频特征子集以及所述未观看视频特征子集生成所述目标视频的视频特征集。
在一种可能的实现方式中,所述处理器801基于所述目标视频的视频特征集以及所述N个推荐视频特征,确定所述待检测推荐视频的剧透检测结果时,具体用于:
将所述N个推荐视频特征分别与所述已观看视频特征子集中的各个目标视频特征进行比较,以及将所述N个推荐视频特征分别与所述未观看视频特征子集中的各个目标视频特征进行比较,得到比较结果;
若基于所述比较结果确定所述N个推荐视频特征中存在第一类推荐视频特征,则确定所述待检测推荐视频的剧透检测结果为第一剧透检测结果;
若基于所述比较结果确定所述N个推荐视频特征中不存在所述第一类推荐视频特征,则确定所述待检测推荐视频的剧透检测结果为第二剧透检测结果;
其中,所述第一剧透检测结果指示所述待检测推荐视频为所述目标视频的剧透视频,所述第二剧透检测结果指示所述待检测推荐视频为所述目标视频的非剧透视频;所述第一类推荐视频特征于所述未观看视频特征子集中存在与其相匹配的目标视频特征,且于所述已观看视频特征子集中不存在与其相匹配的目标视频特征。
在一种可能的实现方式中,所述处理器801,还用于:
若基于所述比较结果确定所述N个推荐视频特征中的K个推荐视频特征为第二类推荐视频特征,且除所述K个推荐视频特征之外的N-K个推荐视频特征为第三类推荐视频特征,则确定所述N个推荐视频特征中不存在所述第一类推荐视频特征;
其中,K为大于或等于1且小于或等于N的整数;所述第二类推荐视频特征于所述已观看视频特征子集中存在与其相匹配的目标视频特征;所述第三类推荐视频特征于所述已观看视频特征子集中不存在与其相匹配的目标视频特征,且于所述未观看视频特征子集中不存在与其相匹配的目标视频特征。
在一种可能的实现方式中,所述处理器801,还用于:
确定各个所述第一类推荐视频特征对应的播放时间,所述播放时间为所述未观看视频特征子集中与所述第一类推荐视频特征相匹配的目标视频特征所对应目标视频片段的片段播放时间;
获取所述目标视频的新的观看时间信息,所述新的观看时间信息包括所述目标视频的已观看部分的视频播放时间;
若所述已观看部分的视频播放时间包含各个所述第一类推荐视频特征对应的播放时间,则将所述待检测推荐视频的剧透检测结果由所述第一剧透检测结果调整为第二剧透检测结果,所述第二剧透检测结果指示所述待检测推荐视频为所述目标视频的非剧透视频。
在一种可能的实现方式中,所述处理器801对所述待检测推荐视频进行视频切分,得到N个推荐视频片段时,具体用于:
从所述待检测推荐视频中确定视频切分信息,所述视频切分信息包括黑帧信息和场景切换帧信息中的一种或两种;
基于所述视频切分信息对所述待检测推荐视频进行视频切分,得到N个推荐视频片段。
在一种可能的实现方式中,所述处理器801,还用于若所述待检测推荐视频的剧透检测结果指示所述待检测推荐视频为所述目标视频的剧透视频,则将所述待检测推荐视频放入所述目标视频的剧透视频池中;
若所述待检测推荐视频的剧透检测结果指示所述待检测推荐视频为所述目标视频的非剧透视频,则将所述待检测推荐视频放入所述目标视频的非剧透视频池中。
在一种可能的实现方式中,所述处理器801,还用于从所述目标视频的非剧透视频池中获取目标推荐视频;
将所述目标推荐视频的相关信息发送给客户端,以使得所述客户端在视频播放应用中的所述目标视频对应的视频推荐页面中展示所述目标检测推荐视频的相关信息。
本申请实施例基于目标视频的各个视频片段的视频片段特征和观看状态、待检测推荐视频的各个视频片段的视频片段特征确定待检测推荐视频的剧透检测结果,一方面,只需基于视频的视频特征(即视频画面信息的特征)即可完成剧透检测,相对于结合视频画面信息、视频字幕信息、视频弹幕信息来进行剧透检测的方式,处理方式更加简单,数据量更小,这样可以快速完成剧透检测;另一方面,将视频切分成多个视频片段,并基于各个视频片段的视频片段特征进行剧透检测,可以实现细粒度的特征对比检测,从而有效提高剧透检测结果的准确性。基于准确地待检测推荐视频的剧透检测结果,可以在向用户展示目标视频相关联的推荐视频时,准确过滤掉目标视频的剧透视频,只向用户展示目标视频的非剧透视频,这样可以有效避免用户由于观看了剧透视频,观看原作的兴致减少而不会再选择观看原作的问题,从而保证目标视频原作的诸如观看量等权益。
本申请实施例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计算机程序,当其在计算机上运行时,使得计算机执行如本申请实施例所述的视频检测方法。其具体实现方式可参考前文描述,此处不再赘述。
本申请实施例还提供了一种计算机程序产品或计算机程序,所述计算机程序产品或计算机程序包括计算机指令,所述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所述计算机可读存储介质读取所述计算机指令,处理器执行所述计算机指令,使得所述计算机设备执行如本申请实施例所述的视频检测方法。其具体实现方式可参考前文描述,此处不再赘述。
需要说明的是,对于前述的各个方法实施例,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,某一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。
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 AccessMemory,RAM)、磁盘或光盘等。
以上所揭露的仅为本申请部分实施例而已,当然不能以此来限定本申请之权利范围,因此依本申请权利要求所作的等同变化,仍属本申请所涵盖的范围。
Claims (12)
1.一种视频检测方法,其特征在于,所述方法包括:
获取目标视频的视频特征集;其中,所述视频特征集包括M个目标视频特征以及各个所述目标视频特征对应的观看状态,各个所述目标视频特征为M个目标视频片段中的一个目标视频片段的视频特征,所述M个目标视频片段是对所述目标视频进行视频切分得到;不同目标视频特征所对应的目标视频片段不同,目标视频特征对应的观看状态为目标视频特征对应的目标视频片段的观看状态;M为大于1的正整数;
从视频推荐池中获取待检测推荐视频,对所述待检测推荐视频进行视频切分,得到N个推荐视频片段,N为大于1的正整数;
确定各个所述推荐视频片段的视频特征,得到N个推荐视频特征;
基于所述目标视频的视频特征集以及所述N个推荐视频特征,确定所述待检测推荐视频的剧透检测结果。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取目标视频,对所述目标视频进行视频切分,得到M个目标视频片段;
确定各个所述目标视频片段的视频特征,得到M个目标视频特征;
确定各个所述目标视频片段的观看状态,基于各个所述目标视频片段的观看状态、所述M个目标视频片段和所述M个目标视频特征的对应关系,确定各个所述目标视频特征对应的观看状态;
基于所对应观看状态为已观看状态的目标视频特征生成已观看视频特征子集,基于所对应观看状态为未观看状态的目标视频特征生成未观看视频特征子集,基于所述已观看视频特征子集以及所述未观看视频特征子集生成所述目标视频的视频特征集。
3.根据权利要求2所述的方法,其特征在于,所述基于所述目标视频的视频特征集以及所述N个推荐视频特征,确定所述待检测推荐视频的剧透检测结果,包括:
将所述N个推荐视频特征分别与所述已观看视频特征子集中的各个目标视频特征进行比较,以及将所述N个推荐视频特征分别与所述未观看视频特征子集中的各个目标视频特征进行比较,得到比较结果;
若基于所述比较结果确定所述N个推荐视频特征中存在第一类推荐视频特征,则确定所述待检测推荐视频的剧透检测结果为第一剧透检测结果;
若基于所述比较结果确定所述N个推荐视频特征中不存在所述第一类推荐视频特征,则确定所述待检测推荐视频的剧透检测结果为第二剧透检测结果;
其中,所述第一剧透检测结果指示所述待检测推荐视频为所述目标视频的剧透视频,所述第二剧透检测结果指示所述待检测推荐视频为所述目标视频的非剧透视频;所述第一类推荐视频特征于所述未观看视频特征子集中存在与其相匹配的目标视频特征,且于所述已观看视频特征子集中不存在与其相匹配的目标视频特征。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
若基于所述比较结果确定所述N个推荐视频特征中的K个推荐视频特征为第二类推荐视频特征,且除所述K个推荐视频特征之外的N-K个推荐视频特征为第三类推荐视频特征,则确定所述N个推荐视频特征中不存在所述第一类推荐视频特征;
其中,K为大于或等于1且小于或等于N的整数;所述第二类推荐视频特征于所述已观看视频特征子集中存在与其相匹配的目标视频特征;所述第三类推荐视频特征于所述已观看视频特征子集中不存在与其相匹配的目标视频特征,且于所述未观看视频特征子集中不存在与其相匹配的目标视频特征。
5.根据权利要求3所述的方法,其特征在于,所述方法还包括:
确定各个所述第一类推荐视频特征对应的播放时间,所述播放时间为所述未观看视频特征子集中与所述第一类推荐视频特征相匹配的目标视频特征所对应目标视频片段的片段播放时间;
获取所述目标视频的新的观看时间信息,所述新的观看时间信息包括所述目标视频的已观看部分的视频播放时间;
若所述已观看部分的视频播放时间包含各个所述第一类推荐视频特征对应的播放时间,则将所述待检测推荐视频的剧透检测结果由所述第一剧透检测结果调整为第二剧透检测结果,所述第二剧透检测结果指示所述待检测推荐视频为所述目标视频的非剧透视频。
6.根据权利要求1-5任一项所述的方法,其特征在于,所述对所述待检测推荐视频进行视频切分,得到N个推荐视频片段,包括:
从所述待检测推荐视频中确定视频切分信息,所述视频切分信息包括黑帧信息和场景切换帧信息中的一种或两种;
基于所述视频切分信息对所述待检测推荐视频进行视频切分,得到N个推荐视频片段。
7.根据权利要求1-5任一项所述的方法,其特征在于,所述方法还包括:
若所述待检测推荐视频的剧透检测结果指示所述待检测推荐视频为所述目标视频的剧透视频,则将所述待检测推荐视频放入所述目标视频的剧透视频池中;
若所述待检测推荐视频的剧透检测结果指示所述待检测推荐视频为所述目标视频的非剧透视频,则将所述待检测推荐视频放入所述目标视频的非剧透视频池中。
8.根据权利要求7所述的方法,其特征在于,所述方法还包括:
从所述目标视频的非剧透视频池中获取目标推荐视频;
将所述目标推荐视频的相关信息发送给客户端,以使得所述客户端在视频播放应用中的所述目标视频对应的视频推荐页面中展示所述目标检测推荐视频的相关信息。
9.一种视频检测装置,其特征在于,所述装置包括:
获取单元,用于获取目标视频的视频特征集;其中,所述视频特征集包括M个目标视频特征以及各个所述目标视频特征对应的观看状态,各个所述目标视频特征为M个目标视频片段中的一个目标视频片段的视频特征,所述M个目标视频片段是对所述目标视频进行视频切分得到;不同目标视频特征所对应的目标视频片段不同,目标视频特征对应的观看状态为目标视频特征对应的目标视频片段的观看状态;M为大于1的正整数;
处理单元,用于从视频推荐池中获取待检测推荐视频,对所述待检测推荐视频进行视频切分,得到N个推荐视频片段,N为大于1的正整数;
确定单元,用于确定各个所述推荐视频片段的视频特征,得到N个推荐视频特征;基于所述目标视频的视频特征集以及所述N个推荐视频特征,确定所述待检测推荐视频的剧透检测结果。
10.一种计算机设备,其特征在于,所述计算机设备包括输入接口和输出接口,所述计算机设备还包括:
处理器,适于实现一条或多条计算机程序;以及,
计算机可读存储介质,所述计算机可读存储介质存储有一条或多条计算机程序,所述一条或多条计算机程序适于由所述处理器加载并执行如权利要求1-8任一项所述的视频检测方法。
11.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有一条或多条计算机程序,所述一条或多条计算机程序适于由处理器加载并执行如权利要求1-8任一项所述的视频检测方法。
12.一种计算机程序产品,其特征在于,所述计算机程序产品包括计算机程序,所述计算机程序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所述计算机程序,处理器执行所述计算机程序,使得计算机设备执行如权利要求1-8任一项所述的视频检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210851082.5A CN117478977A (zh) | 2022-07-20 | 2022-07-20 | 视频检测方法、装置、设备、存储介质及计算机程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210851082.5A CN117478977A (zh) | 2022-07-20 | 2022-07-20 | 视频检测方法、装置、设备、存储介质及计算机程序产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117478977A true CN117478977A (zh) | 2024-01-30 |
Family
ID=89624322
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210851082.5A Pending CN117478977A (zh) | 2022-07-20 | 2022-07-20 | 视频检测方法、装置、设备、存储介质及计算机程序产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117478977A (zh) |
-
2022
- 2022-07-20 CN CN202210851082.5A patent/CN117478977A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6937988B2 (ja) | 動的ビデオオーバレイ | |
CN107534796B (zh) | 视频处理系统和数字视频分发系统 | |
US20160366463A1 (en) | Information pushing method, terminal and server | |
TWI712316B (zh) | 視訊摘要的生成方法及裝置 | |
CN105144141A (zh) | 用于使用距离关联性散列法对媒体数据库定址的系统和方法 | |
CN112954450B (zh) | 视频处理方法、装置、电子设备和存储介质 | |
CN104216956B (zh) | 一种图片信息的搜索方法和装置 | |
CN113518256A (zh) | 视频处理方法、装置、电子设备及计算机可读存储介质 | |
US20220172476A1 (en) | Video similarity detection method, apparatus, and device | |
CN111182359A (zh) | 视频预览方法、视频抽帧方法、视频处理装置及存储介质 | |
KR20180093582A (ko) | 엔드투엔드 학습에 기반한 영상 이벤트 구간 인덱싱 방법 및 장치 | |
CN111757174A (zh) | 用于视频音画质匹配的方法及装置、电子设备 | |
CN112000024A (zh) | 用于控制家电设备的方法及装置、设备 | |
CN114598919B (zh) | 视频处理方法、装置、计算机设备和存储介质 | |
CN112218159A (zh) | 多媒体信息播放方法、装置、存储介质及电子装置 | |
CN111160340B (zh) | 一种运动目标检测方法、装置、存储介质及终端设备 | |
WO2016040939A1 (en) | Systems and methods for subject-oriented compression | |
CN113542909A (zh) | 视频处理方法、装置、电子设备及计算机存储介质 | |
CN117478977A (zh) | 视频检测方法、装置、设备、存储介质及计算机程序产品 | |
CN111988520B (zh) | 一种画面切换方法、装置、电子设备及存储介质 | |
CN104754367A (zh) | 一种多媒体信息处理方法及设备 | |
CN117014649A (zh) | 视频处理方法、装置及电子设备 | |
CN115019138A (zh) | 视频字幕擦除、模型训练、交互方法、设备及存储介质 | |
CN114500879A (zh) | 视频数据处理方法、装置、设备及存储介质 | |
CN112423438A (zh) | 智能灯的控制方法、装置、设备以及计算机可读存储介质 |
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 |