视频检测方法、装置、设备及计算机可读存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114998800A(43)申请公布日2022.09.02(21)申请号202210639497.6G06V10/764(2022.01)(22)申请日2022.06.06G06N3/08(2006.01)G06N3/04(2006.01)(71)申请人中移（杭州）信息技术有限公司地址311100浙江省杭州市余杭区五常街道余杭塘路1600号A01号楼申请人中国移动通信集团有限公司(72)发明人张健程宝平吴楠(74)专利代理机构深圳市世纪恒程知识产权代理事务所44287专利代理师胥巧莉(51)Int.Cl.G06V20/40(2022.01)G06V10/82(2022.01)G06V10/80(2022.01)G06V10/774(2022.01)权利要求书2页说明书11页附图3页(54)发明名称视频检测方法、装置、设备及计算机可读存储介质(57)摘要本发明公开了一种视频检测方法、装置、设备及计算机可读存储介质，视频检测方法包括：获取待测视频的音频信号，确定所述音频信号的音频深度特征，检测所述音频信号是否为涉黄音频信号；若是，则确定所述待测视频中与所述音频信号对应的目标视频，并确定所述目标视频的视觉深度特征；根据所述音频深度特征和所述视觉深度特征构建融合特征矩阵；若根据所述融合特征矩阵确定所述待测视频为存在涉黄的视频，则确定所述待测视频中的目标涉黄视频内容。本发明实现了高效并且精准的检测涉黄视频。CN114998800ACN114998800A权利要求书1/2页1.一种视频检测方法，其特征在于，所述视频检测方法包括以下步骤：获取待测视频的音频信号，确定所述音频信号的音频深度特征，检测所述音频信号是否为涉黄音频信号；若是，则确定所述待测视频中与所述音频信号对应的目标视频，并确定所述目标视频的视觉深度特征；根据所述音频深度特征和所述视觉深度特征构建融合特征矩阵；若根据所述融合特征矩阵确定所述待测视频为存在涉黄的视频，则确定所述待测视频中的目标涉黄视频内容。2.如权利要求1所述的视频检测方法，其特征在于，所述若根据所述融合特征矩阵确定所述待测视频为存在涉黄的视频，则确定所述待测视频中的目标涉黄视频片段的步骤，包括：根据所述融合特征矩阵确定所述目标视频中是否存在涉黄特征；若所述目标视频中存在涉黄特征，则确定所述待测视频为存在涉黄的视频，并将所述目标视频划分为多个时长等同的待测视频片段，并根据各所述待测视频片段确定所述待测视频中的目标涉黄视频内容。3.如权利要求2所述的视频检测方法，其特征在于，所述根据各所述待测视频片段确定所述待测视频中的目标涉黄视频内容的步骤，包括：遍历各所述待测视频片段，基于所述融合特征矩阵确定遍历的所述待测视频片段中是否存在所述涉黄特征；若遍历的所述待测视频片段中存在所述涉黄特征，则确定遍历的所述待测视频片段对应的时间段，并将所述待测视频中和所述时间段匹配的视频内容作为目标涉黄视频内容。4.如权利要求3所述的视频检测方法，其特征在于，所述将所述待测视频中和所述时间段匹配的视频内容作为目标涉黄视频内容的步骤之后，还包括：确定所述待测视频中与所述目标视频相邻的相邻视频，确定所述相邻视频中是否存在具有所述涉黄特征的视频片段；若所述相邻视频中存在具有所述涉黄特征的视频片段，则将所述待测视频中和所述具有所述涉黄特征的视频片段对应的视频内容作为目标涉黄视频内容。5.如权利要求1所述的视频检测方法，其特征在于，所述根据所述音频深度特征和所述视觉深度特征构建融合特征矩阵的步骤，包括：对所述音频深度特征进行长短期记忆网络训练，得到音频训练特征；对所述视觉深度特征进行所述长短期记忆网络训练，得到视觉训练特征；对所述音频训练特征和所述视觉训练特征进行特征提取融合，得到初步融合特征；根据所述初步融合特征和所述音频训练特征构建音频融合特征，并根据所述初步融合特征和所述视觉训练特征构建视觉融合特征；根据所述音频融合特征和所述视觉训练特征构建融合特征矩阵。6.如权利要求1所述的视频检测方法，其特征在于，所述确定所述目标视频的视觉深度特征的步骤，包括：根据所述音频深度特征计算所述目标视频的视觉注意力权重，并提取所述目标视频的初始视觉深度特征；2CN114998800A权利要求书2/2页根据所述视觉注意力权重和所述初始视觉深度特征计算视觉深度特征。7.如权利要求1‑6任一项所述的视频检测方法，其特征在于，所述确定所述音频信号的音频深度特征的步骤，包括：将所述音频信号转换为音频谱图，并确定所述音频谱图的深度信息，根据所述深度信息提取所述音频谱图中的音频深度特征。8.一种视频检测装置，其特征在于，所述视频检测装置包括：获取单元，用于获取待测视频的音频信号，确定所述音频信号的音频深度特征，