CN113610034A - 识别视频中人物实体的方法、装置、存储介质及电子设备 - Google Patents

Abstract

本公开涉及一种识别视频中人物实体的方法、装置、存储介质及电子设备，获取待识别视频；对所述待识别视频中的关键帧进行人脸识别，得到人脸识别结果，所述人脸识别结果包括人脸识别到的候选人物实体；根据所述关键帧的人脸识别结果，建立所述待识别视频的人物关系拓扑图；将所述人物关系拓扑图和预构建的视频数据库中存储的已知视频的人物关系原始拓扑图进行匹配；根据匹配结果，确定所述待识别视频的目标人物实体。通过比较人物图谱的方式，来识别待识别视频的目标人物实体，提高了实体识别效率和准确率。

Description

识别视频中人物实体的方法、装置、存储介质及电子设备

技术领域

本公开涉及视频识别技术，具体地，涉及一种识别视频中人物实体的方法、装置、存储介质及电子设备。

背景技术

对视频分析得到的实体数据对视频理解、视频推荐等都是及其重要的。然而采用人工的方式对视频进行实体分析需要大量的时间，因此，使用计算机技术对视频进行分析，提取视频的实体数据是有必要的。

在相关技术中，传统的基于深度神经网络的方法，需要人工构造大量训练数据和构造标签来进行训练，且深度神经网络对每一秒级别的视频帧进行识别，最后将多帧融合得到结果，导致计算量较大，实体识别效率低。

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。

第一方面，本公开提供一种识别视频中人物实体的方法，包括：

获取待识别视频；

对所述待识别视频中的关键帧进行人脸识别，得到人脸识别结果，所述人脸识别结果包括人脸识别到的候选人物实体；

根据所述关键帧的人脸识别结果，建立所述待识别视频的人物关系拓扑图；

将所述人物关系拓扑图和预构建的视频数据库中存储的已知视频的人物关系原始拓扑图进行匹配；

根据匹配结果，确定所述待识别视频的目标人物实体。

第二方面，本公开提供一种识别视频中人物实体的装置，包括：

获取模块，用于获取待识别视频；

识别模块，用于对所述待识别视频中的关键帧进行人脸识别，得到人脸识别结果，所述人脸识别结果包括人脸识别到的候选人物实体；

建立模块，用于根据所述关键帧的人脸识别结果，建立所述待识别视频的人物关系拓扑图；

匹配模块，用于将所述人物关系拓扑图和预构建的视频数据库中存储的已知视频的人物关系原始拓扑图进行匹配；

确定模块，用于根据匹配结果，确定所述待识别视频的目标人物实体。

第三方面，本公开提供一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现上述第一方面中所述识别视频中人物实体的方法的步骤。

第四方面，本公开提供一种电子设备，包括：

存储装置，其上存储有计算机程序；

处理装置，用于执行所述存储装置中的所述计算机程序，以实现上述第一方面中所述识别视频中人物实体的方法的步骤。

通过上述技术方案，通过对待识别视频中的关键帧进行人脸识别，得到包括人脸识别到的候选人物实体的人脸识别结果，依据人脸识别结果建立人物关系拓扑图，再人物关系拓扑图和预构建的视频数据库中存储的已知视频的人物关系原始拓扑图进行匹配，根据匹配结果，确定待识别视频的目标人物实体。如此，通过比较人物图谱的方式，来识别待识别视频的目标人物实体，提高了实体识别效率和准确率。

本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。

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。在附图中：

图1是根据本公开一示例性实施例示出的一种识别视频中人物实体的方法的流程图。

图2是根据本公开一示例性实施例示出的一种关键帧的示意图。

图3是根据本公开一示例性实施例示出的一种人物关系拓扑图的示意图。

图4是根据本公开一示例性实施例示出的一种关键帧的另一示意图。

图5是根据本公开一示例性实施例示出的一种关键帧的另一示意图。

图6是根据本公开一示例性实施例示出的一种关键帧的另一示意图。

图7是根据本公开一示例性实施例示出的一种人物关系拓扑图的另一示意图。

图8是根据本公开一示例性实施例示出的一种已知视频的介绍信息的示意图。

图9是根据本公开一示例性实施例示出的一种识别视频中人物实体的装置的框图。

图10是根据本公开一示例性实施例示出的一种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。

正如背景技术所言，基于深度神经网络的方法需要大量的数据标签，且针对视频分析而言，需要增加时间维度信息，对视频的时序信息建模需要海量的训练数据才能进行，其对比图片数据带来了时序分析，因果分析等问题，因此，导致计算量较大，实体识别效率低。

知识图谱(KnowledgeGraph)是结构化的语义知识库，用于以符号形式描述物理世界中的概念及其相互间的关系，其基本组成单位是三元组。具体地，我们可以把三元组理解为(实体entity，实体关系relation，实体entity)，若将实体看做结点把实体关系(包括属性，类别等)看做一条边，实体之间通过实体关系相互联结，构成网状的知识结构，如此包含了大量三元组的知识库就成为了一个庞大的知识图谱。

有鉴于此，本公开实施例公开一种识别视频中人物实体的方法、装置、存储介质及电子设备，通过基于视频中的人物实体构建人物关系拓扑图，通过比较人物图谱的方式，来识别待识别视频的目标人物实体，无需人工标注，提高了实体识别效率。

首先，对本公开的应用场景进行说明，例如，针对某一待识别视频，可以基于该待识别视频中的目标人物实体，对相关观看过待识别视频的用户推荐与目标人物实体相关的视频。又或是，针对某一待识别视频，可以基于该待识别视频中的目标人物实体，基于该目标人物实体对该待识别视频进行描述，该描述可以用于例如搜索场景的应用中，根据用户输入的关键词，将与关键词相对应的描述所对应的视频推荐至用户所使用的终端。此外，本公开还可以应用与其他与实体信息相关应用场景，本实施例在此不做赘述。

图1是根据本公开一示例性实施例示出的一种识别视频中人物实体的方法的流程图。参照图1，该识别视频中人物实体的方法包括：

步骤101，获取待识别视频。

示例地，待识别视频可以是影视视频，也可以是经过后期人工处理的影视视频，该处理可以是在影视视频中进行人物增加或人物减少的处理。以下以待识别视频为影视视频为例对本公开进行进一步解释说明。

步骤102，对待识别视频中的关键帧进行人脸识别，得到人脸识别结果，人脸识别结果包括人脸识别到的候选人物实体。

应当说明的是，关键帧属于计算机动画术语，指角色或者物体运动变化中关键动作所处的那一帧，相当于二维动画中的原画。关键帧与关键帧之间的动画可以由软件创建添加，叫做过渡帧或者中间帧。帧即动画中最小单位的单幅影像画面，相当于电影胶片上的每一格镜头，在动画软件的时间轴上，帧表现为一格或者一个标记。

示例地，以图2所示的关键帧为例，对图中左侧人脸的识别结果可能是人物实体A，即人物实体A是候选人物实体。

步骤103，根据关键帧的人脸识别结果，建立待识别视频的人物关系拓扑图。

步骤104，将人物关系拓扑图和预构建的视频数据库中存储的已知视频的人物关系原始拓扑图进行匹配。

在本公开中将人物关系拓扑图与已知视频的人物关系原始拓扑图进行匹配是为了确定人物关系拓扑图中候选人物实体对应的目标人物实体。

示例地，已知视频也可以是影视视频。

步骤105，根据匹配结果，确定所述待识别视频的目标人物实体。

通过上述方式，对待识别视频中的关键帧进行人脸识别，得到包括人脸识别到的候选人物实体的人脸识别结果，依据人脸识别结果建立人物关系拓扑图，再人物关系拓扑图和预构建的视频数据库中存储的已知视频的人物关系原始拓扑图进行匹配，根据匹配结果，确定待识别视频的目标人物实体。如此，通过比较人物图谱的方式，来识别待识别视频的目标人物实体，无需人工标注，提高了实体识别效率和准确率。

为了使得本领域技术人员更加理解本公开提供的识别视频中人物实体的方法，结合图3、图4和图5所示的关键帧对上述各步骤进行详细举例说明。

在可能的方式中，图1中所示的对待识别视频中的关键帧进行人脸识别可以包括：对待识别视频中的多个关键帧分别进行人脸识别；在此情况下，图1中所示的根据关键帧的人脸识别结果，建立待识别视频的人物关系拓扑图可以包括：根据从每一关键帧识别到的候选人物实体，建立待识别视频的人物关系拓扑图。

图3、图4和图5为同一待识别视频中的不同关键帧，以下分别将图3、图4和图5中的关键帧依次作为关键帧1、关键帧2和关键帧3来对本公开进行说明。

关键帧1右上识别到候选任务实体1，关键帧2上方识别到候选任务实体2，关键帧3上方识别到候选任务实体1和候选任务实体3。

通过上述方式，通过对待识别视频中的多个关键帧分别进行人脸识别，增加能识别到的候选人物实体的数量，以此来增加待识别视频的人物关系拓扑图的信息量，可以确保在后续匹配过程中提高匹配的精准性。

在可能的方式中，图1中所示的对待识别视频中的多个关键帧进行人脸识别还可以包括：确定每一关键帧中的背景图像；计算各关键帧的背景图像之间的相似度，并根据相似度确定具有同一视频场景的关键帧；生成从同一关键帧识别出的候选人物实体之间的关联关系，以及从具有同一视频场景的关键帧中识别出的候选人物实体之间的关联关系，关联关系表征不同候选人物实体出现在同一视频场景中，人脸识别结果包括关联关系。

示例地，可以根据关键帧中某一区域进行相似度进行，且可以确定为同一视频场景的关键帧涉及到的相似度值可以根据实际情况进行设定，本实施例在此不做赘述。

以关键帧1和关键帧2为例，由于关键帧1和关键帧2中有部分区域高度相似，因此，关键帧1和关键帧2确定具有同一视频场景的关键帧。

因此，根据人脸识别结果包括关联关系，通过关联关系来构建人物关系拓扑图，以进一步提高人物关系拓扑图的信息维度，用于后续的匹配，用于提高匹配的精准性。

在可能的方式中，人物关系拓扑图包括节点和节点之间的边，节点表征人物实体，任意两个节点之间的边表征该两个节点对应的人物实体出现在同一场景下，该同一场景可以是同一背景。

示例地，关键帧1右上识别到候选任务实体1，关键帧2上方识别到候选任务实体2，关键帧3上方识别到候选任务实体1和候选任务实体3。且关键帧1和关键帧2为具有同一视频场景的关键帧，因此，关联关系包括候选任务实体1和候选任务实体2出现在同一场景中；另外，关键帧3上方识别到候选任务实体1和候选任务实体3，因此，关联关系还包括候选任务实体1和候选任务实体3出现在同一场景中，根据人物关系拓扑图中节点和节点之间边的结构，建立的人物关系拓扑图如图6所示。

在可能的方式中，图1所示的对所述待识别视频中的关键帧进行人脸识别的步骤可以包括：针对关键帧中的每一人物图像进行人脸识别，得到每一人物对象对应的多个不同的候选人物实体；在此情况下，图1所示的根据关键帧的人脸识别结果，建立待识别视频的人物关系拓扑图的步骤可以包括：确定多个候选人物实体集合，对于每一候选人物实体集合，该候选人物实体集合中的每一候选人物实体分别对应不同的人物图像；根据每一候选人物实体集合，分别建立人物关系拓扑图。

需要说明的是，基于外在因素(例如，视频分辨率、拍摄光照)和人脸识别准确率的影响，人物图像在进行人脸识别时，得到的是该人物对象属于多个不同人物实体的概率，即某一人脸可能存在不同候选人物实体的识别结果。

以图2所示的关键帧为例，对图中左侧人脸的识别结果可能是候选人物实体A1和候选人物实体A2，候选人物实体A1与候选人物实体A2是图2中左侧的人物对象对应的不同的候选人物实体，图中右侧人脸的识别结果可能是候选人物实体B，候选人物实体B是图2中右侧的人物对象对应的候选人物实体。由此，确定的候选人物实体集合包括[候选人物实体A1，候选人物实体B]和[候选人物实体A2，候选人物实体B]这两个集合。

进一步地，根据两个集合，分别建立人物关系拓扑图如图7所示，图7中a是候选人物实体集合[候选人物实体A1，候选人物实体B]对应的人物关系拓扑图；图7中b是候选人物实体集合[候选人物实体A2，候选人物实体B]对应的人物关系拓扑图。

应当说明的是，在得到多个人物关系拓扑图时，将每一个人物关系拓扑图与视频数据库中存储的已知视频的人物关系原始拓扑图进行匹配，并匹配度最高的人物关系拓扑图和人物关系原始拓扑图的匹配结果，来确定待识别视频的目标人物实体。

示例地，通过节点匹配度和边匹配度来确定综合匹配度，第一候选人物实体集合所有人物实体均在第一已知视频中，由此，在节点匹配度方面，可以将节点匹配度数字化为100％，第一候选人物实体集合所有边与第一已知视频中的边完全匹配，由此，在边匹配度方面，则可以将边匹配度数字化为100％，这样，第一候选人物实体集合与第一视频的综合匹配度为100％；第二候选人物实体集合一半人物实体在第一已知视频中，由此，在节点匹配度方面，可以将节点匹配度数字化为50％，第一候选人物实体集合一半边与第一已知视频中的边完全匹配，由此，在边匹配度方面，则可以将边匹配度数字化为50％，这样，第一候选人物实体集合与第一视频的综合匹配度为25％，这样，可以根据第一已知视频来确定第一候选人物实体集合中各候选人物实体的目标人物实体。

通过上述方式，考虑到人脸识别的识别结果是属于多个不同人物实体的概率，为提高识别的准确性，确定多个候选人物实体集合，并基于每一集合构建的人物关系拓扑图与视频数据库中存储的已知视频的人物关系原始拓扑图进行匹配，并根据匹配度最高的组合来确定待识别视频的目标人物实体，由此，提高了视频中实体识别的准确性。

在可能的方式中，图1所示将人物关系拓扑图和预构建的视频数据库中存储的已知视频的人物关系原始拓扑图进行匹配的步骤可以包括：从人物关系拓扑图中确定不同的节点组合，并针对每一节点组合，确定出现过该节点组合中每一节点对应的人物实体的目标已知视频，得到多个目标已知视频；针对每一目标已知视频，将视频数据库中存储的该目标已知视频的人物关系原始拓扑图和人物关系拓扑图进行匹配。

应当说明的是，为提高视频数据库的已知视频的数量来确保目标人物实体的准确性，视频数据库中的已知视频的数量可能较大。

示例地，视频数据库中包括人物实体、与该人物实体对应的已知视频以及以该已知视频对应的人物关系原始拓扑图的对应关系。可以根据该对应关系来确定节点组合中每一节点对应的人物实体的目标已知视频。

示例地，以图6所示的人物关系拓扑图为例，确定的节点组合包括候选人物实体1和候选任务实体2，以及候选人物实体1和候选任务实体3。确定到节点组合中候选人物实体1对应的目标已知视频包括目标已知视频1、目标已知视频2以及目标已知视频3；候选人物实体2对应的目标已知视频包括目标已知视频2和目标已知视频4；候选人物实体3对应的目标已知视频包括目标已知视频2、目标已知视频5和目标已知视频6。进而，在匹配是，可以将人物关系拓扑图分别与目标已知视频1、目标已知视频2、目标已知视频3、目标已知视频4、目标已知视频5、目标已知视频6进行匹配。显然，选人物实体1、候选任务实体2和候选任务实体3都参于的目标已知视频为目标已知视频2，则目标已知视频2应该为匹配度最高的视频，则可以根据目标已知视频2的信息确定到待识别视频的目标人物实体。

通过上述方式，可以在匹配前过滤掉视频数据库中大量的已知视频，进一步提高了视频实体识别的效率。

在可能的实施方式中，视频数据库通过以下方式构建：针对每一已知视频，获取针对已知视频的介绍信息；根据介绍信息中包括人物实体以及人物实体之间的关联关系，构建已知视频的人物关系原始拓扑图。

示例地，可以通过一些公开发布的信息、内容等中获取针对已知视频的介绍信息。

示例地，介绍信息可以包括人脸图像、人物实体名字、参演的影视作品等。

示例地，参照图8所示的针对已知视频(阿甘正传)获取到的介绍信息。

通过上述方式，获取丰富、充分的已知视频的介绍信息，能够确保构建的视频数据库的信息量丰富，提高匹配的准确性。

基于同一发明构思，本公开实施例提供了一种识别视频中人物实体的装置，参照图9，该识别视频中人物实体的装置900包括：

获取模块901，用于获取待识别视频；

识别模块902，用于对所述待识别视频中的关键帧进行人脸识别，得到人脸识别结果，所述人脸识别结果包括人脸识别到的候选人物实体；

建立模块903，用于根据所述关键帧的人脸识别结果，建立所述待识别视频的人物关系拓扑图；

匹配模块904，用于将所述人物关系拓扑图和预构建的视频数据库中存储的已知视频的人物关系原始拓扑图进行匹配；

确定模块905，用于根据匹配结果，确定所述待识别视频的目标人物实体。

可选地，所述识别模块902包括：

第一识别子模块，用于对所述待识别视频中的多个关键帧分别进行人脸识别；

所述建立模块903包括：

第一建立子模块，用于根据从每一所述关键帧识别到的候选人物实体，建立所述待识别视频的人物关系拓扑图。

可选地，所述第一识别子模块具体用于确定每一所述关键帧中的背景图像；

计算各所述关键帧的背景图像之间的相似度，并根据所述相似度确定具有同一视频场景的关键帧；

生成从同一关键帧识别出的候选人物实体之间的关联关系，以及从具有同一视频场景的关键帧中识别出的候选人物实体之间的关联关系，所述关联关系表征不同候选人物实体出现在同一视频场景中，所述人脸识别结果包括所述关联关系。

可选地，所述识别模块902还包括：

第二识别子模块，用于针对所述关键帧中的每一人物图像进行人脸识别，得到每一所述人物对象对应的多个不同的候选人物实体

所述建立模块903还包括：

第二建立子模块，用于确定多个候选人物实体集合，对于每一所述候选人物实体集合，该候选人物实体集合中的每一候选人物实体分别对应不同的人物图像；

根据每一所述候选人物实体集合，分别建立所述人物关系拓扑图。

可选地，所述人物关系拓扑图包括节点和节点之间的边，所述节点表征人物实体，任意两个节点之间的边表征该两个节点对应的人物实体出现在同一场景下。

可选地，所述匹配模块904包括：

视频确定子模块，用于从所述人物关系拓扑图中确定不同的节点组合，并针对每一节点组合，确定出现过该节点组合中每一节点对应的人物实体的目标已知视频，得到多个目标已知视频；

匹配子模块，用于针对每一所述目标已知视频，将所述视频数据库中存储的该目标已知视频的人物关系原始拓扑图和所述人物关系拓扑图进行匹配。

可选地，所述装置900还包括：

介绍信息获取模块，用于针对每一已知视频，获取针对所述已知视频的介绍信息；

构建模块，用于根据所述介绍信息中包括人物实体以及人物实体之间的关联关系，构建所述已知视频的人物关系原始拓扑图。

基于同一发明构思，本公开实施例提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现方法实施例中所述识别视频中人物实体的方法的步骤。

基于同一发明构思，本公开实施例提供了一种电子设备，包括：

存储装置，其上存储有计算机程序；

处理装置，用于执行所述存储装置中的所述计算机程序，以实现方法实施例中所述识别视频中人物实体的方法的步骤。

下面参考图10，其示出了适于用来实现本公开实施例的电子设备1000的结构示意图。本公开实施例中的终端设备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10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。

如图10所示，电子设备1000可以包括处理装置(例如中央处理器、图形处理器等)1001，其可以根据存储在只读存储器(ROM)1002中的程序或者从存储装置1008加载到随机访问存储器(RAM)1003中的程序而执行各种适当的动作和处理。在RAM 1003中，还存储有电子设备1000操作所需的各种程序和数据。处理装置1001、ROM 1002以及RAM 1003通过总线1004彼此相连。输入/输出(I/O)接口1005也连接至总线1004。

通常，以下装置可以连接至I/O接口1005：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1006；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置1007；包括例如磁带、硬盘等的存储装置1008；以及通信装置1009。通信装置1009可以允许电子设备1000与其他设备进行无线或有线通信以交换数据。虽然图10示出了具有各种装置的电子设备1000，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1009从网络上被下载和安装，或者从存储装置1008被安装，或者从ROM 1002被安装。在该计算机程序被处理装置1001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，电子设备可以利用诸如HTTP(HyperText TransferProtocol，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，ad hoc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：获取待识别视频；对所述待识别视频中的关键帧进行人脸识别，得到人脸识别结果，所述人脸识别结果包括人脸识别到的候选人物实体；根据所述关键帧的人脸识别结果，建立所述待识别视频的人物关系拓扑图；将所述人物关系拓扑图和预构建的视频数据库中存储的已知视频的人物关系原始拓扑图进行匹配；根据匹配结果，确定所述待识别视频的目标人物实体。

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，模块的名称在某种情况下并不构成对该模块本身的限定，例如，获取模块还可以被描述为“获取待识别视频的模块”。

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，示例1提供了一种识别视频中人物实体的方法，所述方法包括：

获取待识别视频；

对所述待识别视频中的关键帧进行人脸识别，得到人脸识别结果，所述人脸识别结果包括人脸识别到的候选人物实体；

根据所述关键帧的人脸识别结果，建立所述待识别视频的人物关系拓扑图；

将所述人物关系拓扑图和预构建的视频数据库中存储的已知视频的人物关系原始拓扑图进行匹配；

根据匹配结果，确定所述待识别视频的目标人物实体。

根据本公开的一个或多个实施例，示例2提供了示例1的方法，所述对所述待识别视频中的关键帧进行人脸识别包括：

对所述待识别视频中的多个关键帧分别进行人脸识别；

所述根据所述关键帧的人脸识别结果，建立所述待识别视频的人物关系拓扑图，包括：

根据从每一所述关键帧识别到的候选人物实体，建立所述待识别视频的人物关系拓扑图。

根据本公开的一个或多个实施例，示例3提供了示例2的方法，所述对所述待识别视频中的多个关键帧进行人脸识别还包括：

确定每一所述关键帧中的背景图像；

计算各所述关键帧的背景图像之间的相似度，并根据所述相似度确定具有同一视频场景的关键帧；

生成从同一关键帧识别出的候选人物实体之间的关联关系，以及从具有同一视频场景的关键帧中识别出的候选人物实体之间的关联关系，所述关联关系表征不同候选人物实体出现在同一视频场景中，所述人脸识别结果包括所述关联关系。

根据本公开的一个或多个实施例，示例4提供了示例1的方法，所述对所述待识别视频中的关键帧进行人脸识别，包括：

针对所述关键帧中的每一人物图像进行人脸识别，得到每一所述人物对象对应的多个不同的候选人物实体；

所述根据所述关键帧的人脸识别结果，建立所述待识别视频的人物关系拓扑图，包括：

确定多个候选人物实体集合，对于每一所述候选人物实体集合，该候选人物实体集合中的每一候选人物实体分别对应不同的人物图像；

根据每一所述候选人物实体集合，分别建立所述人物关系拓扑图。

根据本公开的一个或多个实施例，示例5提供了示例4的方法，所述人物关系拓扑图包括节点和节点之间的边，所述节点表征人物实体，任意两个节点之间的边表征该两个节点对应的人物实体出现在同一场景下。

根据本公开的一个或多个实施例，示例6提供了示例1-5中任一项的方法，所述将所述人物关系拓扑图和预构建的视频数据库中存储的已知视频的人物关系原始拓扑图进行匹配，包括：

从所述人物关系拓扑图中确定不同的节点组合，并针对每一节点组合，确定出现过该节点组合中每一节点对应的人物实体的目标已知视频，得到多个目标已知视频；

针对每一所述目标已知视频，将所述视频数据库中存储的该目标已知视频的人物关系原始拓扑图和所述人物关系拓扑图进行匹配。

根据本公开的一个或多个实施例，示例7提供了示例1-5中任一项的方法，所述视频数据库通过以下方式构建：

针对每一已知视频，获取针对所述已知视频的介绍信息；

根据所述介绍信息中包括人物实体以及人物实体之间的关联关系，构建所述已知视频的人物关系原始拓扑图。

根据本公开的一个或多个实施例，示例8提供了一种识别视频中人物实体的装置装置，包括：

获取模块，用于获取待识别视频；

识别模块，用于对所述待识别视频中的关键帧进行人脸识别，得到人脸识别结果，所述人脸识别结果包括人脸识别到的候选人物实体；

建立模块，用于根据所述关键帧的人脸识别结果，建立所述待识别视频的人物关系拓扑图；

匹配模块，用于将所述人物关系拓扑图和预构建的视频数据库中存储的已知视频的人物关系原始拓扑图进行匹配；

确定模块，用于根据所述匹配，确定所述待识别视频的目标人物实体。

根据本公开的一个或多个实施例，示例9提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现示例1-7中任一项所述方法的步骤。

根据本公开的一个或多个实施例，示例10提供了一种电子设备，包括：

存储装置，其上存储有计算机程序；

处理装置，用于执行所述存储装置中的所述计算机程序，以实现示例1-7中任一项所述方法的步骤。

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。关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

Claims (10)

1.一种识别视频中人物实体的方法，其特征在于，所述方法包括：

获取待识别视频；

对所述待识别视频中的关键帧进行人脸识别，得到人脸识别结果，所述人脸识别结果包括人脸识别到的候选人物实体；

根据所述关键帧的人脸识别结果，建立所述待识别视频的人物关系拓扑图；

将所述人物关系拓扑图和预构建的视频数据库中存储的已知视频的人物关系原始拓扑图进行匹配；

根据匹配结果，确定所述待识别视频的目标人物实体。

2.根据权利要求1所述的方法，其特征在于，所述对所述待识别视频中的关键帧进行人脸识别包括：

对所述待识别视频中的多个关键帧分别进行人脸识别；

所述根据所述关键帧的人脸识别结果，建立所述待识别视频的人物关系拓扑图，包括：

根据从每一所述关键帧识别到的候选人物实体，建立所述待识别视频的人物关系拓扑图。

3.根据权利要求2所述的方法，其特征在于，所述对所述待识别视频中的多个关键帧进行人脸识别还包括：

确定每一所述关键帧中的背景图像；

计算各所述关键帧的背景图像之间的相似度，并根据所述相似度确定具有同一视频场景的关键帧；

生成从同一关键帧识别出的候选人物实体之间的关联关系，以及从具有同一视频场景的关键帧中识别出的候选人物实体之间的关联关系，所述关联关系表征不同候选人物实体出现在同一视频场景中，所述人脸识别结果包括所述关联关系。

4.根据权利要求1所述的方法，其特征在于，所述对所述待识别视频中的关键帧进行人脸识别，包括：

针对所述关键帧中的每一人物图像进行人脸识别，得到每一所述人物对象对应的多个不同的候选人物实体；

所述根据所述关键帧的人脸识别结果，建立所述待识别视频的人物关系拓扑图，包括：

确定多个候选人物实体集合，对于每一所述候选人物实体集合，该候选人物实体集合中的每一候选人物实体分别对应不同的人物图像；

根据每一所述候选人物实体集合，分别建立所述人物关系拓扑图。

5.根据权利要求4所述的方法，其特征在于，所述人物关系拓扑图包括节点和节点之间的边，所述节点表征人物实体，任意两个节点之间的边表征该两个节点对应的人物实体出现在同一场景下。

6.根据权利要求1-5中任一项所述的方法，其特征在于，所述将所述人物关系拓扑图和预构建的视频数据库中存储的已知视频的人物关系原始拓扑图进行匹配，包括：

从所述人物关系拓扑图中确定不同的节点组合，并针对每一节点组合，确定出现过该节点组合中每一节点对应的人物实体的目标已知视频，得到多个目标已知视频；

针对每一所述目标已知视频，将所述视频数据库中存储的该目标已知视频的人物关系原始拓扑图和所述人物关系拓扑图进行匹配。

7.根据权利要求1-5中任一项所述的方法，其特征在于，所述视频数据库通过以下方式构建：

针对每一已知视频，获取针对所述已知视频的介绍信息；

根据所述介绍信息中包括人物实体以及人物实体之间的关联关系，构建所述已知视频的人物关系原始拓扑图。

8.一种识别视频中人物实体的装置，其特征在于，包括：

获取模块，用于获取待识别视频；

识别模块，用于对所述待识别视频中的关键帧进行人脸识别，得到人脸识别结果，所述人脸识别结果包括人脸识别到的候选人物实体；

建立模块，用于根据所述关键帧的人脸识别结果，建立所述待识别视频的人物关系拓扑图；

匹配模块，用于将所述人物关系拓扑图和预构建的视频数据库中存储的已知视频的人物关系原始拓扑图进行匹配；

确定模块，用于根据所述匹配，确定所述待识别视频的目标人物实体。

9.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理装置执行时实现权利要求1-7中任一项所述方法的步骤。

10.一种电子设备，其特征在于，包括：

存储装置，其上存储有计算机程序；

处理装置，用于执行所述存储装置中的所述计算机程序，以实现权利要求1-7中任一项所述方法的步骤。

Images