视频鉴别方法、装置、电子设备及计算机可读存储介质
技术领域
本申请涉及计算机技术领域,具体而言,本申请涉及一种视频鉴别方法、装置、电子设备及计算机可读存储介质。
背景技术
随着互联网技术的不断发展,直播越来越普及于人们生活的方方面面,目前的一种直播方式是:直播开始前,采集屏幕内容以及麦克风声音后生成视频,然后通过直播方式将视频播放出去,达到无人直播的效果,显然这种方式违背了直播的初衷,直播体验是非常差的,因此,如何鉴别出当前直播的视频是否为事先录制好的视频,是亟待解决的技术问题。
发明内容
提供该发明内容部分以便以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
本公开第一方面提供了一种视频鉴别方法,包括:
检测到终端通过直播方式播放视频流时,获取终端的参数信息;
将参数信息输入至预置模型进行分类,得到分类结果;
基于分类结果,确定视频流是否为直播开始前已录制完成的视频。
本公开第二方面提供了一种视频鉴别装置,包括:
获取模块,用于检测到终端通过直播方式播放视频流时,获取终端的参数信息;
分类模块,用于将参数信息输入至预置模型进行分类,得到分类结果;
确定模块,用于基于分类结果,确定视频流是否为直播开始前已录制完成的视频。
本公开第三方面,提供了一种电子设备,该电子设备包括:
电子设备包括存储器和处理器;
存储器中存储有计算机程序;
处理器,用于在运行计算机程序时执行第一方面的方法。
本公开第四方面,提供了一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时第一方面的方法。
本申请提供的技术方案带来的有益效果是:
在检测到终端通过直播方式播放视频流时,可以获取终端的参数信息,并将参数信息输入至预置模型进行分类,得到分类结果,从而可以基于分类结果,确定视频流是否为直播开始前已录制完成的视频,可见,本申请可以鉴别出当前直播的视频是否为事先录制好的视频,进而可以防止无人直播的情况发生,提升用户直播体验。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,原件和元素不一定按照比例绘制。
图1为本申请视频鉴别方法的一个实施例示意图;
图2为本申请分类模型的一种可能的情况;
图3为本申请分类模型的另一种可能的情况;
图4为本申请分类模型的另一种可能的情况;
图5为本申请视频鉴别方法的另一个实施例示意图;
图6为本申请一种可能的场景示意图;
图7为本申请另一种可能的场景示意图;
图8为本申请视频鉴别装置的结构示意图;
图9为本申请电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
应当理解,本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元一定为不同的装置、模块或单元,也并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
录屏直播是终端直播中的一种流行方式,录屏直播指的是将终端屏幕内容录制下来然后以直播方式播放出去,由于录屏直播的特点,很多的直播内容提供者会预先将视频录制好,然后以直播方式来播放录制好的视频,这样可以达到无人直播的效果。但是这种直播方式实际上并不能实现直播内容提供者与直播观看者的互动,观看直播的体验是很差的,因此,如何鉴别出当前直播的视频是否为事先录制好的视频,是亟待解决的技术问题。
本申请中的预置模型是一种分类模型,具体的该预置模型可以是XGB(xgboost)模型,该模型中包括至少一个节点,至少一个节点包括根节点、第一级叶子节点、第二级叶子节点至第N级叶子节点,N为大于2的整数,可以通过判断输入模型的参数是否满足每一节点对应的预设条件来对输入模型的参数进行分类。
基于此,本申请提供了一种视频鉴别方法,可以用来确定视频是否为直播开始前已录制完成的视频,从而识别出无人直播场景,该方法可以由服务器执行,服务器可以为实体服务器也可以是虚拟服务器,该方法包括:
步骤S101、检测到终端通过直播方式播放视频流时,获取终端的参数信息;
在本实施例中,一种可能的情况是:服务器可以实时或周期性的检测终端是否通过直播方式在播放视频流,若是,则服务器可以获取该终端的参数信息;
另一种可能的情况是:服务器检测到终端更换直播发起用户(例如终端切换直播发起者账户)、或终端使用同一直播发起者账户关闭直播后又开启直播、或终端暂停视频流播放后又重新开始通过直播方式视频流时,服务器可以获取终端的参数信息。
在本实施例中,服务器检测到终端通过直播方式播放视频流可以是服务器主动检测,或服务器基于终端指令检测终端是否通过直播方式播放视频流。
在本实施例中,终端的参数信息是指终端自身的物理参数,视频流指的是录制应用程序的屏幕界面内容所生成的视频。
步骤S102、将参数信息输入至预置模型进行分类,得到分类结果;
终端将参数信息输入到预置模型,以便于预置模型基于预先设置的至少一个预设条件,对参数信息进行分类,得到分类结果,分类结果具体为:终端的参数信息属于某一类别的概率。
步骤S103、基于分类结果,确定视频流是否为直播开始前已录制完成的视频。
终端基于分类结果,可以确定该概率是否大于预设概率阈值,若大于预设概率阈值,则确定视频流为直播开始前已录制完成的视频,若不大于预设概率阈值,则确定该视频流是针对应用程序的屏幕界面内容实时录制并直播的视频。
在本实施例中,在检测到终端通过直播方式播放视频流时,可以获取终端的参数信息,并将参数信息输入至预置模型进行分类,得到分类结果,从而可以基于分类结果,确定视频流是否为直播开始前已录制完成的视频,可见,本申请可以鉴别出当前直播的视频是否为事先录制好的视频,进而可以防止无人直播的情况发生,提升用户直播体验。
本申请的方案可以用在如下两种场景下:
一种可能的情况是:终端开启第一应用程序后,通过第一应用程序上的直播功能来播放视频流,且视频流是录制第一应用程序的屏幕界面内容得到的视频,这种情况下,第一应用程序始终处于前台运行状态,虽然现有方案中可以通过人脸识别判断当前直播是否为无人直播场景,但是本申请的方案可以由服务器来判断是否是无人直播场景,数据的处理始终由后台进行,前端是无感知的,这样可以避免对前台业务的影响。
另一种可能的情况是:终端开启第二应用程序,并调用第一应用程序上的直播功能来播放通过录制第二应用程序的屏幕界面内容得到的视频,这种情况下第一应用程序处于后台运行状态,第二应用程序处于前台运行状态,因此第一应用程序无法调用摄像头进行人脸识别判断是否为无人直播场景,可见,本申请的方案在进行直播的应用程序处于后台时,也可以对无人直播进行检测。
可选的,步骤S102将参数信息输入至预置模型进行分类,得到分类结果,可以包括:
将参数信息输入至预置模型;
通过预置模型,分别确定参数信息符合至少一个预设条件的概率;
基于所确定的至少一个概率,确定分类结果。
服务器可以将参数信息输入到预置模型,预置模型是一个树形分类模型,预置模型中每个节点都对应有一个预设条件,依次基于根节点、第一级叶子节点至第N级叶子节点对应的预设条件,对参数信息进行分类,针对任一节点,可以计算参数信息符合该节点对应的预设条件的概率A以及参数信息不符合该节点对应的预设条件的概率B,若概率A大于对应门限则进入“是”的分支,若概率B大于对应门限则进入“否”的分支,这样可以将参数信息分到不同的分支中去,以此实现参数信息的分类。这样经过每一节点的预设条件对参数信息进行分类后,可以得到参数信息的分类结果。
需要说明的是,参数信息符合某一节点中条件的概率A与不符合某一节点中条件的概率B之和可以为1,或者小于1,即可能存在部分参数信息无法确定是否满足条件。
在本实施中,每一节点均具有一个对应的特征,节点对应的预设条件实际上是针对该特征设置的预设条件,例如,针对加速度特征,设置预设条件为加速度大于X,X为大于0的正整数。可见,根节点对应的特征对分类结果的影响是最大的,因此该特征是最重要的,后续重要程度依次是第一级叶子节点、第二级叶子节点至第N级叶子节点对应的特征,基于此,通过模型训练,可以基于特征对分类结果的影响程度将特征以及该特征对应的预设条件设置在不同的节点,特征以及特征对应的预设条件所在的节点也可以不断调整,以此来优化和完善分类模型。
可选的,参数信息包括以下至少一项:
运动加速度、角度信息、屏幕状态、屏幕触摸信息以及终端所播放视频的以及终端所处环境的声音信息;
其中,屏幕触摸信息包括以下至少一项:压力值、触摸时长以及用户触摸位置;
其中,声音信息包括以下至少一项:声音大小以及声音持续时长;
屏幕状态包括:横屏状态和/或竖屏状态。
在本实施例中,终端可以通过线性加速度传感器采集运动加速度,该运行加速度已排除终端受到的重力影响,运动加速度指的是:终端在运动状态例如向任一方向运行时的加速度,可以是向左晃动、向右晃动、向上晃动、或向下晃动。
终端可以通过加速度计以及地磁场传感器中至少一项采集终端的角度信息,角度信息指的是:终端在三维空间中的角度,具体为终端分别在x轴、y轴以及z轴上的角度。
终端可以检测自身当前的屏幕状态,例如终端是处于横屏状态还是竖屏状态。
终端还可以通过传感器检测终端上的屏幕触摸信息,屏幕触摸信息可以是触摸屏幕时的压力值、触摸时长、用户触摸位置以及触摸轨迹中至少一项,其中,触摸时长具体包括:点击时长以及滑动触摸时长中至少一项;用户触摸位置指的是:基于终端屏幕构建坐标系后,用户触摸时在该坐标系中的触摸坐标位置;触摸轨迹指的是:滑动触摸时的滑动轨迹。
终端还可以通过麦克风采集终端所播放视频的声音信息以及终端所处环境的声音信息,声音信息具体指的是声音大小以及声音持续时长。终端所播放视频的声音信息指的是:如果是针对多人互动类应用程序所录制的视频,则声音信息包括该应用程序本身的外放声音以及应用程序中队友语音中至少一项;终端所处环境的声音信息包括环境噪音以及主播人声中至少一项。
基于上述参数信息所包含的内容,上述通过预置模型,分别确定参数信息符合至少一个预设条件的概率,有如下两种可能的情况:
一种可能的情况为:运动加速度、屏幕触摸信息以及声音信息分别对一个预设条件,角度信息以及屏幕状态共同对应一个预设条件。
如图2所示,为本实施例的一种可能的场景是:根节点设置的参数条件为运行加速度是否满足预置的加速度离散程度条件,第一级叶子节点设置的参数条件是角度信息和屏幕状态是否满足预设角度条件,第二级叶子节点设置的参数条件为屏幕触摸信息是否满足预设条件,第三级叶子节点设置的参数条件为声音信息是否满足预设声音条件,后续其他级别的节点还可以设置其他的参数条件,越靠近根节点的参数条件表示对分类结果的影响呈现越大。通过判断概率是否大于对应门限分别进入“是”的分支或“否”的分支。该举例只是一种可能的情况,具体更多可能的情况此处不一一赘述。
则在这种情况下:
若参数信息为运动加速度,则预设条件可以是预设的加速度离散程度条件,则确定运行加速度是否符合预设条件可以是:计算加速度在多维空间中的质心,基于该质心计算加速度的离散程度,并确定离散程度是否满足预设的加速度离散程度条件。
若参数信息为屏幕触摸信息,则预设条件可以是:压力值大于预设压力值,且触摸时长大于预设触摸时长以及触摸位置坐标满足预设坐标条件。则确定屏幕触摸信息符合预设条的概率的方式可以是:分别确定压力值大于预设压力值、触摸时长大于预设触摸时长以及触摸位置坐标满足预设坐标条件的概率,基于所确定的三个概率得到屏幕触摸信息符合预设条件的概率。
可选的,基于所确定的三个概率得到屏幕触摸信息符合预设条件的概率的方式可以是:将所确定的三个概率进行加权求和得到屏幕触摸信息符合预设条件的概率;或基于所确定的三个概率将屏幕触摸信息进行分类,最终的分类结果即为屏幕触摸信息符合预设条件的概率,其分类原理依然采用分类树模型的原理。例如,参照图3,将屏幕触摸信息进行分类,若压力值大于预设压力值的概率高于对应门限,则进入“是”的分支进一步判断触摸时长是否大于预设触摸时长,否者进入其他分支进行分类(具体可能是直接得到分类结果,或通过其他判断条件再进行分类,本申请不做限定),同样的,若触摸时长大于预设触摸时长的概率高于对应门限,则进入“是”的分支进一步判断触摸位置坐标是否满足预设坐标条件,否者进入其他分支进行分类,最终得到的分类结果即为屏幕触摸信息符合预设条件的概率。该举例只是一种可能的情况,具体更多可能的情况此处不一一赘述。
一般而言,无人直播时,终端只能采集到坐标(0,0)以及触摸的时间点,无法采集到压力值以及触摸时长等信息。因此,通过屏幕触摸信息可以很好的判断是否为无人直播场景。
在本实施例中,若终端为非触摸式电脑等,则可能不存在屏幕触摸信息,因此在采集屏幕触摸信息之前,终端可以先判断自身的设备类型,从而再确定是否采集屏幕触摸信息。
可选的,参数信息包括屏幕状态以及角度信息;预设条件包括预设角度条件;
分别确定参数信息符合至少一个预设条件的概率,包括:
确定屏幕状态与预设屏幕状态的第一匹配度;
确定角度信息与预设角度信息的第二匹配度;
基于第一匹配度和第二匹配度,确定参数信符合预设角度条件的第一概率。
在本实施例中,第一匹配度以及第二匹配度指的是相匹配的概率,预设屏幕状态指的是适合播放视频流适合的屏幕状态,例如视频流适合横屏播放或适合竖屏播放,设备的屏幕状态指的是采集到的设备当前播放视频流的屏幕状态。服务器可以确定屏幕状态与预设屏幕状态的第一匹配度。
预设角度信息指的是视频流适合播放的角度,例如视频流适合竖屏播放且与水平线垂直播放,则可以确定角度信息与预设角度信息的第二匹配度,以判断终端是否处于倾斜状态。
基于第一匹配度和第二匹配度,可以确定参数信符合预设角度条件的第一概率,具体的:可以是将第一匹配度和第二匹配度进行加权求和,得到该第一概率;也可以是将屏幕状态以及角度信息作为一个整体,或参照分类树模型的原理,依据第一匹配度和第二匹配度将这个整体进行分类,最终的分类结果即为屏幕状态以及角度信息符合预设角度条件的第一概率。
例如,若屏幕状态与预设屏幕状态的第一匹配度大于阈值,则进入“是”的分支进一步判断角度信息是否满足预设角度信息,最终可以得到参数信符合预设角度条件的第一概率,具体更多可能的举例此处不一一赘述。
可选的,参数信息包括声音信息;预设条件包括预设声音条件;
分别确定参数信息符合至少一个预设条件的概率,包括:
确定声音大小与预设声音大小范围的第三匹配度;
确定声音持续时长与预设声音持续时长的第四匹配度;
基于第三匹配度和第四匹配度,确定参数信息符合预设声音条件的第二概率。
在本实施例中,第三匹配度以及第四匹配度指的是相匹配的概率,可以确定声音大小与预设声音大小范围的第三匹配度,预设声音大小可以是0至100分贝,一般,声音过大或过小都可能是无人直播;可以确定声音持续时长与预设声音持续时长的第四匹配度,一般,声音持续时间短可能是无人直播,声音持续时间太长也可能是无人直播。
可以基于第三匹配度和第四匹配度,确定参数信息符合预设声音条件的第二概率,同样的,可以是将第三匹配度和第四匹配度进行加权求和,得到该第二概率;或参照分类树模型的原理,依据第三匹配度和第四匹配度将声音信息进行分类,最终的分类结果即为声音信息符合预设声音条件的第二概率,具体实现方式参照上述实施例的相关论述,此处不再赘述。
另一种可能的情况具体为:运动加速度、角度信息、屏幕状态、压力值、触摸时长以及用户触摸位置、声音大小以及声音持续时长等参数分别对应分类模型中的一个预设条件,则可以基于每一参数满足对应预设条件的概率,确定最终的分类结果。
本实施的一种可能的场景如图4所示,为本实施例的一种可能的场景是:根节点设置的参数条件为运行加速度是否满足预设的加速度离散程度条件,第一级叶子节点设置的参数条件是角度信息是否大于预设角度信息,第二级叶子节点设置的参数条件为屏幕状态是否满足预设屏幕状态,第三级叶子节点设置的参数条件为声音大小是否在预设声音大小范围内,后续其他级别的节点还可以设置其他的参数条件,越靠近根节点的参数条件表示对分类结果的影响呈现越大。同样的,通过判断概率是否大于对应门限分别进入“是”的分支或“否”的分支。该举例只是一种可能的情况,具体更多可能的情况此处不一一赘述。
可见,本申请通过上述分类方式可以实现参数信息的精准分类,可以很好地识别出无人直播场景。
可选的,预置模型是通过以下方式训练得到的:
获取多个样本参数信息,并确定各样本参数信息的样本分类结果;
将各样本参数信息以及对应的样本分类结果输入至初始模型,通过调整初始模型中的初始参数条件对初始模型进行训练,当参数调整后的初始模型输出的分类结果与相应的样本分类结果之间的误差满足预置精确度条件时,将训练后的初始模型作为预置模型。
服务器可以获取多个样本参数信息,每个样本参数信息均具有对应的样本分类结果,样本分类结果指的是该样本参数信息为无人直播样本,将该样本参数信息以及对应的样本分类结果输入到初始模型中,可调整该初始模型中的初始参数条件,具体是调整初始模型的普通参数,当参数调整后的初始模型输出的分类结果与相应的样本分类结果之间的误差满足预置精确度条件时,训练后的初始模型既可以作为该预置模型。
可见,本申请可以不断完善和更新模型,保证了模型预测的准确度。
可选的,步骤S103基于分类结果,确定视频流是否为直播开始前已录制完成的视频之后,该方法还可以包括:
若视频流为直播开始前已录制完成的视频,则向终端发送无人直播提示信息,无人直播提示信息指示终端生成验证窗口;
若检测到终端验证错误或超时未验证,则向终端发送停止直播指令,停止直播指令指示终端停止通过直播方式播放视频流。
在本实施例中,若服务器确定视频流为直播开始前已录制完成的视频,则可以停止通过直播方式播放该视频流,同时停止直播后,终端也停止采集以及上报终端的参数信息,其中,停止通过直播方式播放该视频流有如下两种可实现的方式:
可实现的方式一:服务器可以向终端发送无人直播提示信息,终端基于该无人直播提示信息可以发出提示信息以提示用户进行验证,终端检测到用户验证请求后,可以弹出验证窗口,服务器检测到终端验证错误或终端超时未验证时,可以向终端发送停止直播指令,这样终端就可以基于服务器的停止直播指令停止通过直播方式播放视频流。
在本实施例中,若终端是调用第一应用程序上的直播功能来播放通过录制第二应用程序的屏幕界面内容得到的视频,则终端弹出验证窗口可以是:终端调用第一应用程序的组件在第二应用程序的展示页面上,弹出提示消息以提示返回第一应用程序内,终端返回第一应用程序后,调用第一应用程序的组件弹出验证窗口;或终端不返回第一应用程序,调用第一应用程序的组件在第二应用程序的展示页面上弹窗验证窗口。
可实现的方式二:服务器可以向终端发送无人直播提示信息,终端响应于该无人直播提示信息主动停止通过直播方式播放视频流,同时,终端向服务器发送直播已停止提示。
可见,本申请可以及时关闭无人直播,防止直播作弊行为。
本申请的整体流程图如图5所示,直播服务器(直播sever)、shark***(一种数据库***)、算法模型以及验证软件开发工具包(SoftwareDevelopmentKit,sdk)以及断播服务均为上述服务器中的功能模块或设备。且这几个功能模块之间存在通信连接,可以相互传输数据。
模型训练阶段:客户端设置参数信息的采集频率以及上传频率,客户端的直播开始后,通过传感器进行参数信息采集,参数信息依次经过直播服务器以及shark***最终发送到算法模型,数据传输的速度是分钟级的,算法模块可以基于采集的参数信息进行模型训练,当模型得到的分类结果的置信度达标后,训练完成。模型预测阶段:参数信息的采集方式参照与模型训练阶段,算法模型可以进行持续实时预测,若模型输出结果达到预设的概率阈值,则确定终端播放的视频是直播开始前已录制完成的视频,终端正在进行无人直播,算法模型将无人直播信息经shark***发送给直播sever,直播sever可以通过轮询再次向shark***确定是否为无人直播,若确认是无人直播,则直播sever将无人直播消息发生给客户端,客户端可以展示悬浮球或通知栏消息以提示用户存在无人直播,客户端可以弹出验证窗口,若验证码sdk检测到用户验证超时或用户多次输入错误,则验证码sdk通知shark***真人验证失败,从而端播服务发送直播结束指令,客户端基于该指令结束直播,客户端停止采集和发送参数信息。
本申请可以应用于通过直播软件播放游戏视频,如图6,用户可以通过第一应用程序上的录屏直播功能选择对游戏1进行直播,用户选择游戏1后点击开始录屏直播,终端上第一应用程序进入后台运行状态,第二应用程序处于前台,第二应用程序即为游戏1对应的应用程序,此时如果是正常直播,则展示游戏1的实时画面,若是无人直播,则可以播放第二应用程序中存储的针对游戏1事先录制的画面。
如图7,若确定当前的游戏1的直播为无人直播场景时,第二应用程序可以展示“直播异常,请回到直播间验证”的提示信息,返回直播间即第一应用程序界面后用户可以输入验证码进行验证。
请参照图8,本申请还提供了一种视频鉴别装置,可以包括:
获取模块801,用于检测到终端通过直播方式播放视频流时,获取终端的参数信息;
分类模块802,用于将参数信息输入至预置模型进行分类,得到分类结果;
确定模块803,用于基于分类结果,确定视频流是否为直播开始前已录制完成的视频。
可选的,分类模块802,具体用于:
将参数信息输入至预置模型;
通过预置模型,分别确定参数信息符合至少一个预设条件的概率;
基于所确定的至少一个概率,确定分类结果。
可选的,参数信息包括以下至少一项:
运动加速度、角度信息、屏幕状态、屏幕触摸信息以及终端所播放视频的以及终端所处环境的声音信息;
其中,屏幕触摸信息包括以下至少一项:压力值、触摸时长以及用户触摸位置;
其中,声音信息包括以下至少一项:声音大小以及声音持续时长;
屏幕状态包括:横屏状态和/或竖屏状态。
可选的,参数信息包括屏幕状态以及角度信息;预设条件包括预设角度条件;
分类模块802在分别确定参数信息符合至少一个预设条件的概率时,具体用于:
确定屏幕状态与预设屏幕状态的第一匹配度;
确定角度信息与预设角度信息的第二匹配度;
基于第一匹配度和第二匹配度,确定参数信符合预设角度条件的第一概率。
可选的,参数信息包括声音信息;预设条件包括预设声音条件;
分类模块802在分别确定参数信息符合至少一个预设条件的概率时,具体用于:
确定声音大小与预设声音大小范围的第三匹配度;
确定声音持续时长与预设声音持续时长的第四匹配度;
基于第三匹配度和第四匹配度,确定参数信息符合预设声音条件的第二概率。
可选的,预置模型是通过以下方式训练得到的:
获取多个样本参数信息,并确定各样本参数信息的样本分类结果;
将各样本参数信息以及对应的样本分类结果输入至初始模型,通过调整初始模型中的初始参数条件对初始模型进行训练,当参数调整后的初始模型输出的分类结果与相应的样本分类结果之间的误差满足预置精确度条件时,将训练后的初始模型作为预置模型。
可选的,该装置还包括第一发送模块以及第二发送模块,确定模块803在基于分类结果,确定视频流是否为直播开始前已录制完成的视频之后;
第一发送模块,用于若视频流为直播开始前已录制完成的视频,则向终端发送无人直播提示信息,无人直播提示信息指示终端生成验证窗口;
第二发送模块,用于若检测到终端验证错误或超时未验证,则向终端发送停止直播指令,直播指令停止指示终端通过直播方式播放视频流。
下面参考图9,其示出了适于用来实现本公开实施例的电子设备(例如图1中的终端)600的结构示意图。本公开实施例中的终端可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图9示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
电子设备包括:存储器以及处理器,其中,这里的处理器可以称为下文的处理装置601,存储器可以包括下文中的只读存储器(ROM)602、随机访问存储器(RAM)603以及存储装置608中的至少一项,具体如下所示:
如图9所示,电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置606存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM603中,还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常,以下装置可以连接至I/O接口605:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607;包括例如磁带、硬盘等的存储装置606存储装置608;以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图9示出了具有各种装置的电子设备600,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在非暂态计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置609从网络上被下载和安装,或者从存储装置606608被安装,或者从ROM602被安装。在该计算机程序被处理装置601执行时,执行本公开实施例的方法中限定的上述功能。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperTextTransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,adhoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:检测到终端通过直播方式播放视频流时,获取终端的参数信息;将参数信息输入至预置模型进行分类,得到分类结果;基于分类结果,确定视频流是否为直播开始前已录制完成的视频。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码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)。
附图中的流程图和框图,图示了按照本公开各种实施例的***、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、或代码的一部分,该模块、程序段、或代码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。也应当注意,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,两个接连地表示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操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。
描述于本公开实施例中所涉及到的模块或单元可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,模块或单元的名称在某种情况下并不构成对该单元本身的限定,例如,获取模块还可以被描述为“检测到终端通过直播方式播放视频流时,获取终端的参数信息的模块”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上***(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
根据本公开的一个或多个实施例,公开了一种视频鉴别方法,包括:
检测到终端通过直播方式播放视频流时,获取终端的参数信息;
将参数信息输入至预置模型进行分类,得到分类结果;
基于分类结果,确定视频流是否为直播开始前已录制完成的视频。
可选的,将参数信息输入至预置模型进行分类,得到分类结果,包括:
将参数信息输入至预置模型;
通过预置模型,分别确定参数信息符合至少一个预设条件的概率;
基于所确定的至少一个概率,确定分类结果。
可选的,参数信息包括以下至少一项:
运动加速度、角度信息、屏幕状态、屏幕触摸信息以及终端所播放视频的以及终端所处环境的声音信息;
其中,屏幕触摸信息包括以下至少一项:压力值、触摸时长以及用户触摸位置;
其中,声音信息包括以下至少一项:声音大小以及声音持续时长;
屏幕状态包括:横屏状态和/或竖屏状态。
可选的,参数信息包括屏幕状态以及角度信息;预设条件包括预设角度条件;
分别确定参数信息符合至少一个预设条件的概率,包括:
确定屏幕状态与预设屏幕状态的第一匹配度;
确定角度信息与预设角度信息的第二匹配度;
基于第一匹配度和第二匹配度,确定参数信符合预设角度条件的第一概率。
可选的,参数信息包括声音信息;预设条件包括预设声音条件;
分别确定参数信息符合至少一个预设条件的概率,包括:
确定声音大小与预设声音大小范围的第三匹配度;
确定声音持续时长与预设声音持续时长的第四匹配度;
基于第三匹配度和第四匹配度,确定参数信息符合预设声音条件的第二概率。
可选的,预置模型是通过以下方式训练得到的:
获取多个样本参数信息,并确定各样本参数信息的样本分类结果;
将各样本参数信息以及对应的样本分类结果输入至初始模型,通过调整初始模型中的初始参数条件对初始模型进行训练,当参数调整后的初始模型输出的分类结果与相应的样本分类结果之间的误差满足预置精确度条件时,将训练后的初始模型作为预置模型。
可选的,基于分类结果,确定视频流是否为直播开始前已录制完成的视频之后,方法还包括:
若视频流为直播开始前已录制完成的视频,则向终端发送无人直播提示信息,无人直播提示信息指示终端生成验证窗口;
若检测到终端验证错误或超时未验证,则向终端发送停止直播指令,停止直播指令指示终端停止通过直播方式播放视频流。
根据本公开的一个或多个实施例,公开了一种视频鉴别装置,包括:
获取模块,用于检测到终端通过直播方式播放视频流时,获取终端的参数信息;
分类模型,用于将参数信息输入至预置模型进行分类,得到分类结果;
确定模块,用于基于分类结果,确定视频流是否为直播开始前已录制完成的视频。
可选的,分类模型,具体用于:
将参数信息输入至预置模型;
通过预置模型,分别确定参数信息符合至少一个预设条件的概率;
基于所确定的至少一个概率,确定分类结果。
可选的,参数信息包括以下至少一项:
运动加速度、角度信息、屏幕状态、屏幕触摸信息以及终端所播放视频的以及终端所处环境的声音信息;
其中,屏幕触摸信息包括以下至少一项:压力值、触摸时长以及用户触摸位置;
其中,声音信息包括以下至少一项:声音大小以及声音持续时长;
屏幕状态包括:横屏状态和/或竖屏状态。
可选的,参数信息包括屏幕状态以及角度信息;预设条件包括预设角度条件;
分类模块在分别确定参数信息符合至少一个预设条件的概率时,具体用于:
确定屏幕状态与预设屏幕状态的第一匹配度;
确定角度信息与预设角度信息的第二匹配度;
基于第一匹配度和第二匹配度,确定参数信符合预设角度条件的第一概率。
可选的,参数信息包括声音信息;预设条件包括预设声音条件;
分类模块在分别确定参数信息符合至少一个预设条件的概率时,具体用于:
确定声音大小与预设声音大小范围的第三匹配度;
确定声音持续时长与预设声音持续时长的第四匹配度;
基于第三匹配度和第四匹配度,确定参数信息符合预设声音条件的第二概率。
可选的,预置模型是通过以下方式训练得到的:
获取多个样本参数信息,并确定各样本参数信息的样本分类结果;
将各样本参数信息以及对应的样本分类结果输入至初始模型,通过调整初始模型中的初始参数条件对初始模型进行训练,当参数调整后的初始模型输出的分类结果与相应的样本分类结果之间的误差满足预置精确度条件时,将训练后的初始模型作为预置模型。
可选的,该装置还包括第一发送模块以及第二发送模块,确定模块在基于分类结果,确定视频流是否为直播开始前已录制完成的视频之后;
第一发送模块,用于若视频流为直播开始前已录制完成的视频,则向终端发送无人直播提示信息,无人直播提示信息指示终端生成验证窗口;
第二发送模块,用于若检测到终端验证错误或超时未验证,则向终端发送停止直播指令,停止直播指令指示终端停止通过直播方式播放视频流。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外,虽然采用特定次序描绘了各操作,但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地,在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。