CN110909562A

CN110909562A - 视频审核方法及装置

Info

Publication number: CN110909562A
Application number: CN201811072632.3A
Authority: CN
Inventors: 杨忠伟
Original assignee: Chuanxian Network Technology Shanghai Co Ltd
Current assignee: Alibaba China Co Ltd
Priority date: 2018-09-14
Filing date: 2018-09-14
Publication date: 2020-03-24

Abstract

本公开涉及视频审核方法及装置。该方法包括：对第一视频的待审核视频帧进行人脸检测；若在所述待审核视频帧中检测到人脸区域，则提取所述人脸区域的特征向量；在第一人脸索引数据库中检索与所述人脸区域的特征向量匹配的人脸图像，得到所述人脸区域对应的检索结果；根据所述人脸区域对应的检索结果，确定所述第一视频对应的审核结果。本公开能够对视频中的人脸进行自动审核，从而能够提高视频审核的效率。

Description

视频审核方法及装置

技术领域

本公开涉及视频技术领域，尤其涉及一种视频审核方法及装置。

背景技术

视频网站中每天会增加大量新的视频，其中，许多视频是由用户拍摄上传的。在视频发布前，需要对视频进行审核。例如，若审核出视频中包含敏感人脸(例如***的人脸)，则要屏蔽该视频，不允许该视频在视频网站进行发布。相关技术中，通过人工进行视频审核，费时费力。

发明内容

有鉴于此，本公开提出了一种视频审核方法及装置。

根据本公开的一方面，提供了一种视频审核方法，包括：

对第一视频的待审核视频帧进行人脸检测；

若在所述待审核视频帧中检测到人脸区域，则提取所述人脸区域的特征向量；

在第一人脸索引数据库中检索与所述人脸区域的特征向量匹配的人脸图像，得到所述人脸区域对应的检索结果；

根据所述人脸区域对应的检索结果，确定所述第一视频对应的审核结果。

在一种可能的实现方式中，在第一人脸索引数据库中检索与所述人脸区域的特征向量匹配的人脸图像，得到所述人脸区域对应的检索结果，包括：

采用乘积量化方法，在第一人脸索引数据库中检索与所述人脸区域的特征向量匹配的人脸图像，得到所述人脸区域对应的检索结果。

在一种可能的实现方式中，在第一人脸索引数据库中检索与所述人脸区域的特征向量匹配的人脸图像之前，所述方法还包括：

提取多个指定人脸图像对应的特征向量；

基于所述多个指定人脸图像对应的特征向量，采用乘积量化方法，建立所述多个指定人脸图像对应的第一人脸索引数据库。

在一种可能的实现方式中，所述方法还包括：

基于至少一个待审核视频的各个待审核视频帧中的人脸区域的特征向量，采用乘积量化方法，建立所述至少一个待审核视频对应的第二人脸索引数据库，其中，所述至少一个待审核视频包括所述第一视频。

在一种可能的实现方式中，在建立所述至少一个待审核视频对应的第二人脸索引数据库之后，所述方法还包括：

提取新的指定人脸图像的特征向量；

采用乘积量化方法，在所述第二人脸索引数据库中检索与所述新的指定人脸图像的特征向量匹配的人脸图像，得到所述新的指定人脸图像对应的检索结果，其中，所述新的指定人脸图像为所述第一人脸索引数据库中不包含的人脸图像。

根据本公开的另一方面，提供了一种视频审核装置，包括：

人脸检测模块，用于对第一视频的待审核视频帧进行人脸检测；

第一提取模块，用于若在所述待审核视频帧中检测到人脸区域，则提取所述人脸区域的特征向量；

第一检索模块，用于在第一人脸索引数据库中检索与所述人脸区域的特征向量匹配的人脸图像，得到所述人脸区域对应的检索结果；

第一确定模块，用于根据所述人脸区域对应的检索结果，确定所述第一视频对应的审核结果。

在一种可能的实现方式中，所述第一检索模块用于：

在一种可能的实现方式中，所述装置还包括：

第二提取模块，用于提取多个指定人脸图像对应的特征向量；

第一建立模块，用于基于所述多个指定人脸图像对应的特征向量，采用乘积量化方法，建立所述多个指定人脸图像对应的第一人脸索引数据库。

在一种可能的实现方式中，所述装置还包括：

第二建立模块，用于基于至少一个待审核视频的各个待审核视频帧中的人脸区域的特征向量，采用乘积量化方法，建立所述至少一个待审核视频对应的第二人脸索引数据库，其中，所述至少一个待审核视频包括所述第一视频。

在一种可能的实现方式中，所述装置还包括：

第三提取模块，用于提取新的指定人脸图像的特征向量；

第二检索模块，用于采用乘积量化方法，在所述第二人脸索引数据库中检索与所述新的指定人脸图像的特征向量匹配的人脸图像，得到所述新的指定人脸图像对应的检索结果，其中，所述新的指定人脸图像为所述第一人脸索引数据库中不包含的人脸图像。

根据本公开的另一方面，提供了一种视频审核装置，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为执行上述方法。

根据本公开的另一方面，提供了一种非易失性计算机可读存储介质，其上存储有计算机程序指令，其中，所述计算机程序指令被处理器执行时实现上述方法。

本公开的各方面的视频审核方法及装置通过对第一视频的待审核视频帧进行人脸检测，若在待审核视频帧中检测到人脸区域，则提取人脸区域的特征向量，在第一人脸索引数据库中检索与人脸区域的特征向量匹配的人脸图像，得到人脸区域对应的检索结果，并根据人脸区域对应的检索结果，确定第一视频对应的审核结果，由此能够对视频中的人脸进行自动审核，从而能够提高视频审核的效率。

根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。

附图说明

包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面，并且用于解释本公开的原理。

图1示出根据本公开一实施例的视频审核方法的流程图。

图2示出根据本公开一实施例的视频审核方法的一示例性的流程图。

图3示出根据本公开一实施例的视频审核方法的另一示例性的流程图。

图4示出根据本公开一实施例的视频审核方法的另一示例性的流程图。

图5示出根据本公开一实施例的视频审核装置的框图。

图6示出根据本公开一实施例的视频审核装置的一示例性的框图。

图7是根据一示例性实施例示出的一种用于视频审核的装置800的框图。

图8是根据一示例性实施例示出的一种用于视频审核的装置1900的框图。

具体实施方式

以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。

在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。

另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。

图1示出根据本公开一实施例的视频审核方法的流程图。该视频审核方法的执行主体可以是视频审核装置。例如，该视频审核方法可以由终端设备或服务器或其它处理设备执行。其中，终端设备可以是用户设备(User Equipment，UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字助理(Personal Digital Assistant，PDA)、手持设备、计算设备、车载设备或者可穿戴设备等。在一些可能的实现方式中，该视频审核方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。如图1所示，该方法包括步骤S11至步骤S14。

在步骤S11中，对第一视频的待审核视频帧进行人脸检测。

需要说明的是，本公开实施例中的第一视频是指某一待审核视频。第一视频中的“第一”在此仅为表述和指代的方便，并不意味着在本公开的具体实现方式中一定会有与之对应的第一视频。其中，待审核视频可以表示需要进行审核的视频。

在本公开实施例中，第一视频的待审核视频帧可以表示第一视频中需要进行审核的视频帧。其中，第一视频的待审核视频帧的数量可以为一个或多个。通常情况下，第一视频的待审核视频帧的数量为多个。

在一种可能的实现方式中，可以采用相关技术中的人脸检测(face detect)技术，对第一视频的待审核视频帧进行人脸检测。

在一种可能的实现方式中，在对第一视频的待审核视频帧进行人脸检测之前，该方法还包括：确定第一视频中的待审核视频帧。

作为该实现方式的一个示例，确定第一视频中的待审核视频帧，包括：按预定时间间隔，从第一视频中确定待审核视频帧。例如，预定时间间隔为1秒，每隔1秒从第一视频中确定一个待审核视频帧。

作为该实现方式的另一个示例，确定第一视频中的待审核视频帧，包括：将第一视频中的关键帧(I帧)确定为待审核视频帧。

作为该实现方式的另一个示例，确定第一视频中的待审核视频帧，包括：将第一视频中的每个视频帧分别确定为待审核视频帧。

需要说明的是，尽管以以上示例介绍了确定第一视频中的待审核视频帧的方式如上，但本领域技术人员能够理解，本公开应不限于此。本领域技术人员可以根据实际应用场景需求和/或个人喜好灵活设置确定第一视频中的待审核视频帧的方式。

在步骤S12中，若在待审核视频帧中检测到人脸区域，则提取人脸区域的特征向量。

在一种可能的实现方式中，若检测到待审核视频帧中存在人脸，则可以通过人脸检测技术确定待审核视频帧中的人脸区域。其中，待审核视频帧中的人脸区域可以表示待审核视频帧中人脸的边界框(bounding box)所界定的区域。

在一种可能的实现方式中，可以采用预先训练的深度学习模型提取待审核视频帧的人脸区域的特征向量。例如，可以采用基于face embedding技术的深度学习模型提取人脸区域的特征向量。例如，所提取的人脸区域的特征向量的维度为128维。

在本公开实施例中，特征向量可以均为视觉特征向量。

在步骤S13中，在第一人脸索引数据库中检索与人脸区域的特征向量匹配的人脸图像，得到人脸区域对应的检索结果。

在本公开实施例中，第一人脸索引数据库可以包括至少一个指定人脸图像对应的索引数据。

在本公开实施例中，可以在第一人脸索引数据库中检索是否存在与人脸区域的特征向量匹配的指定人脸图像。例如，第一指定人脸图像为第一人脸索引数据库中与该人脸区域的特征向量的相似度最高的指定人脸图像。若第一指定人脸图像的特征向量与该人脸区域的特征向量的相似度大于第一阈值，则可以确定该人脸区域对应的检索结果为该人脸区域与第一指定人脸图像相匹配；若第一指定人脸图像的特征向量与该人脸区域的特征向量的相似度小于或等于第一阈值，则可以确定该人脸区域对应的检索结果为该人脸区域不与任何指定人脸图像相匹配。

在一种可能的实现方式中，在第一人脸索引数据库中检索与人脸区域的特征向量匹配的人脸图像，得到人脸区域对应的检索结果，包括：采用乘积量化方法，在第一人脸索引数据库中检索与人脸区域的特征向量匹配的人脸图像，得到人脸区域对应的检索结果。

在步骤S14中，根据人脸区域对应的检索结果，确定第一视频对应的审核结果。

在一种可能的实现方式中，若第一视频中的某一待审核视频帧中的某一人脸区域对应的检索结果为该人脸区域与某一指定人脸图像相匹配，则可以确定第一视频的审核结果为敏感视频，即第一视频审核不通过。

在一种可能的实现方式中，若第一视频的各个待审核视频帧中的各个人脸区域对应的检索结果均为人脸区域不与任何指定人脸图像相匹配，则可以确定第一视频的审核结果为非敏感视频，即第一视频审核通过。

本公开实施例通过对第一视频的待审核视频帧进行人脸检测，若在待审核视频帧中检测到人脸区域，则提取人脸区域的特征向量，在第一人脸索引数据库中检索与人脸区域的特征向量匹配的人脸图像，得到人脸区域对应的检索结果，并根据人脸区域对应的检索结果，确定第一视频对应的审核结果，由此能够对视频中的人脸进行自动审核，从而能够提高视频审核的效率。

在一种可能的实现方式中，该视频审核方法可以应用于视频网站在发布视频前对视频进行审核。

在另一种可能的实现方式中，该视频审核方法还可以应用于街道摄像头监控等领域监控***或者通缉犯。在这种应用场景中，可以快速判断监控摄像头中是否出现了***或者通缉犯。

图2示出根据本公开一实施例的视频审核方法的一示例性的流程图。如图2所示，该方法可以包括步骤S21至步骤S26。

在步骤S21中，提取多个指定人脸图像对应的特征向量。

例如，指定人脸图像可以包括***的人脸图像或者通缉犯的人脸图像等敏感人脸图像。

在一种可能的实现方式中，可以采用预先训练的深度学习模型分别提取该多个指定人脸图像对应的特征向量。例如，可以采用基于face embedding技术的深度学习模型分别提取该多个指定人脸图像对应的特征向量。例如，所提取的指定人脸图像对应的特征向量的维度为128维。

在步骤S22中，基于该多个指定人脸图像对应的特征向量，采用乘积量化方法，建立该多个指定人脸图像对应的第一人脸索引数据库。

在步骤S23中，对第一视频的待审核视频帧进行人脸检测。

其中，对步骤S23参见上文对步骤S11的描述。

在步骤S24中，若在待审核视频帧中检测到人脸区域，则提取人脸区域的特征向量。

其中，对步骤S24参见上文对步骤S12的描述。

在步骤S25中，在第一人脸索引数据库中检索与人脸区域的特征向量匹配的人脸图像，得到人脸区域对应的检索结果。

其中，对步骤S25参见上文对步骤S13的描述。

在步骤S26中，根据人脸区域对应的检索结果，确定第一视频对应的审核结果。

其中，对步骤S26参见上文对步骤S14的描述。

图3示出根据本公开一实施例的视频审核方法的另一示例性的流程图。如图3所示，该方法可以包括步骤S11至步骤S15。

在步骤S11中，对第一视频的待审核视频帧进行人脸检测。

在步骤S15中，基于至少一个待审核视频的各个待审核视频帧中的人脸区域的特征向量，采用乘积量化方法，建立该至少一个待审核视频对应的第二人脸索引数据库，其中，该至少一个待审核视频包括第一视频。

在本公开实施例中，通过建立第二人脸索引数据库，由此在需要对待审核视频进行重新审核时，无需重新提取待审核视频中人脸区域的特征向量，从而能够对待审核视频快速进行重新审核，提高了视频审核效率。

图4示出根据本公开一实施例的视频审核方法的另一示例性的流程图。如图4所示，该方法可以包括步骤S11至步骤S17。

在步骤S11中，对第一视频的待审核视频帧进行人脸检测。

在步骤S16中，提取新的指定人脸图像的特征向量。

例如，新的指定人脸图像为新的通缉犯的人脸图像。

在一种可能的实现方式中，可以采用预先训练的深度学习模型提取新的指定人脸图像的特征向量。例如，可以采用基于face embedding技术的深度学习模型提取该新的指定人脸图像的特征向量。例如，所提取的新的指定人脸图像的特征向量的维度为128维。

在步骤S17中，采用乘积量化方法，在第二人脸索引数据库中检索与该新的指定人脸图像的特征向量匹配的人脸图像，得到该新的指定人脸图像对应的检索结果，其中，该新的指定人脸图像为第一人脸索引数据库中不包含的人脸图像。

在本公开实施例中，可以采用乘积量化方法，在第二人脸索引数据库中检索是否存在与该新的指定人脸图像的特征向量匹配的人脸区域的特征向量。例如，第一人脸区域的特征向量为第二人脸索引数据库中与该新的指定人脸图像的特征向量的相似度最高的特征向量。若第一人脸区域的特征向量与该新的指定人脸图像的特征向量的相似度大于第二阈值，则可以确定该新的指定人脸图像对应的检索结果为第一人脸区域所属的视频中存在该新的指定人脸图像，或者，可以确定该新的指定人脸图像对应的检索结果为第一人脸区域中存在该新的指定人脸图像；若第一人脸区域的特征向量与该新的指定人脸图像的特征向量的相似度小于或等于第二阈值，则可以确定该新的指定人脸图像对应的检索结果为第二人脸索引数据库对应的各个待审核视频中均不存在该新的指定人脸图像。

本公开实施例无需训练人脸识别模型，而只需对人脸图像和/或人脸区域建立索引。如果训练人脸识别模型，则所训练的人脸识别模型只能识别与训练样本数相同的人脸数量。例如有1000个人脸样本，那么所训练的人脸识别模型只能识别1000个人脸。如果有新增加的人脸，则需要重新训练人脸识别模型。由于本公开实施例无需训练人脸识别模型，因此本公开实施例在需要针对新的指定人脸图像进行视频审核时，也无需重新训练人脸识别模型。另外，本公开实施例无需重新建立待审核视频对应的人脸索引数据，而可以基于待审核视频对应的第二人脸索引数据库快速地对待审核视频进行重新审核，而无需对待审核视频进行人脸识别，从而大大提高了视频审核的效率。

图5示出根据本公开一实施例的视频审核装置的框图。如图5所示，该装置包括：人脸检测模块51，用于对第一视频的待审核视频帧进行人脸检测；第一提取模块52，用于若在待审核视频帧中检测到人脸区域，则提取人脸区域的特征向量；第一检索模块53，用于在第一人脸索引数据库中检索与人脸区域的特征向量匹配的人脸图像，得到人脸区域对应的检索结果；第一确定模块54，用于根据人脸区域对应的检索结果，确定第一视频对应的审核结果。

图6示出根据本公开一实施例的视频审核装置的一示例性的框图。如图6所示：

在一种可能的实现方式中，第一检索模块53用于：采用乘积量化方法，在第一人脸索引数据库中检索与人脸区域的特征向量匹配的人脸图像，得到人脸区域对应的检索结果。

在一种可能的实现方式中，该装置还包括：第二提取模块55，用于提取多个指定人脸图像对应的特征向量；第一建立模块56，用于基于该多个指定人脸图像对应的特征向量，采用乘积量化方法，建立该多个指定人脸图像对应的第一人脸索引数据库。

在一种可能的实现方式中，该装置还包括：第二建立模块57，用于基于至少一个待审核视频的各个待审核视频帧中的人脸区域的特征向量，采用乘积量化方法，建立该至少一个待审核视频对应的第二人脸索引数据库，其中，该至少一个待审核视频包括第一视频。

在一种可能的实现方式中，该装置还包括：第三提取模块58，用于提取新的指定人脸图像的特征向量；第二检索模块59，用于采用乘积量化方法，在第二人脸索引数据库中检索与该新的指定人脸图像的特征向量匹配的人脸图像，得到该新的指定人脸图像对应的检索结果，其中，该新的指定人脸图像为第一人脸索引数据库中不包含的人脸图像。

图7是根据一示例性实施例示出的一种用于视频审核的装置800的框图。例如，装置800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。

参照图7，装置800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。

处理组件802通常控制装置800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。

存储器804被配置为存储各种类型的数据以支持在装置800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电源组件806为装置800的各种组件提供电力。电源组件806可以包括电源管理***，一个或多个电源，及其他与为装置800生成、管理和分配电力相关联的组件。

多媒体组件808包括在所述装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当装置800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜***或具有焦距和光学变焦能力。

音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当装置800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。

I/O接口812为处理组件802和***接口模块之间提供接口，上述***接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件814包括一个或多个传感器，用于为装置800提供各个方面的状态评估。例如，传感器组件814可以检测到装置800的打开/关闭状态，组件的相对定位，例如所述组件为装置800的显示器和小键盘，传感器组件814还可以检测装置800或装置800一个组件的位置改变，用户与装置800接触的存在或不存在，装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理***的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，装置800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由装置800的处理器820执行以完成上述方法。

图8是根据一示例性实施例示出的一种用于视频审核的装置1900的框图。例如，装置1900可以被提供为一服务器。参照图8，装置1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。

装置1900还可以包括一个电源组件1926被配置为执行装置1900的电源管理，一个有线或无线网络接口1950被配置为将装置1900连接到网络，和一个输入输出(I/O)接口1958。装置1900可以操作基于存储在存储器1932的操作***，例如Windows ServerTM，MacOS XTM，UnixTM,LinuxTM，FreeBSDTM或类似。

在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由装置1900的处理组件1922执行以完成上述方法。

本公开可以是***、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。

这里参照根据本公开实施例的方法、装置(***)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本公开的多个实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。

以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims

1.一种视频审核方法，其特征在于，包括：

对第一视频的待审核视频帧进行人脸检测；

2.根据权利要求1所述的方法，其特征在于，在第一人脸索引数据库中检索与所述人脸区域的特征向量匹配的人脸图像，得到所述人脸区域对应的检索结果，包括：

3.根据权利要求1所述的方法，其特征在于，在第一人脸索引数据库中检索与所述人脸区域的特征向量匹配的人脸图像之前，所述方法还包括：

提取多个指定人脸图像对应的特征向量；

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

5.根据权利要求4所述的方法，其特征在于，在建立所述至少一个待审核视频对应的第二人脸索引数据库之后，所述方法还包括：

提取新的指定人脸图像的特征向量；

6.一种视频审核装置，其特征在于，包括：

7.根据权利要求6所述的装置，其特征在于，所述第一检索模块用于：

8.根据权利要求6所述的装置，其特征在于，所述装置还包括：

9.根据权利要求6所述的装置，其特征在于，所述装置还包括：

10.根据权利要求9所述的装置，其特征在于，所述装置还包括：

第三提取模块，用于提取新的指定人脸图像的特征向量；

11.一种视频审核装置，其特征在于，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为执行权利要求1至5中任意一项所述的方法。

12.一种非易失性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，所述计算机程序指令被处理器执行时实现权利要求1至5中任意一项所述的方法。