CN115103223B - 视频内容检测方法、装置、设备及存储介质 - Google Patents
视频内容检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115103223B CN115103223B CN202210628167.7A CN202210628167A CN115103223B CN 115103223 B CN115103223 B CN 115103223B CN 202210628167 A CN202210628167 A CN 202210628167A CN 115103223 B CN115103223 B CN 115103223B
- Authority
- CN
- China
- Prior art keywords
- video
- video frame
- target
- frame
- playing time
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 53
- 238000000034 method Methods 0.000 claims abstract description 25
- 238000012216 screening Methods 0.000 claims abstract description 8
- 238000005070 sampling Methods 0.000 claims description 22
- 230000015654 memory Effects 0.000 claims description 17
- 238000004422 calculation algorithm Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011524 similarity measure Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000001131 transforming effect Effects 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]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
- H04N21/44008—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics in the video stream
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了一种视频内容检测方法、装置、设备及存储介质,属于视频处理技术领域。该方法包括获取同一视频集的第一目标视频与第二目标视频;第一目标视频包括多个第一视频帧,第二目标视频包括多个第二视频帧,且第一视频帧与第二视频帧均具有播放时间戳;根据播放时间戳,将多个第一视频帧与多个第二视频帧进行一一匹配,得到多个视频帧组;从多个视频帧组中筛选出相似度满足预设条件的相似视频帧组,并得到相似视频帧组的目标播放时间戳;根据多个目标播放时间戳,确定出至少一个连续播放时间段;将同一视频集中与连续播放时间段对应的多个视频帧,确定为同一视频集的相似视频内容。本申请可以更加准确的识别出同一视频集中的相似内容。
Description
技术领域
本申请涉及视频处理技术领域,尤其涉及一种视频内容检测方法、装置、设备及存储介质。
背景技术
相关技术中,电视剧集等同一视频集具有固定的、统一剪辑的相似内容。相似内容可以是片头部分、片尾部分或者片中广告部分。
在识别同一视频集的相似内容时,有以下两种方式:
一是通过选取视频样本和待识别视频图片进行比较,当待识别视频图片存在连续和视频样本匹配时,就确定了待识别视频图片对应时间点的位置为视频片头,并确定待识别图片最后一张图片对应时间点为片头结束时间。基于视频图片样本和待识别视频图片比较,视频图片样本的选择尤为重要,但是视频样本并没有统一标准,因为待比较视频的图片可能质量是参差不齐的。这样势必会造成比较低的相似内容识别准确率。
二是通过获取视频对象的播放数据,即用户关闭或者跳过所述视频对象的大数据统计数据,获得用户关闭或者跳过视频操作在视频播放对象播放时间段上的变化率,选定变化率大于某个阈值的时刻,确定为片头结束时刻、片尾开始时刻或者片中广告部分。但是基于对视频播放数据的识别前提是该视频对象已经上架可播,对于新上线或者样本较少的电视剧或无用户播放数据的视频对象也存在相似内容识别准确了较低的问题。
发明内容
本申请的主要目的在于提供一种视频内容检测方法、装置、设备及存储介质,旨在解决现有视频相似内容检测识别准确率不高的问题。
为实现上述目的,第一方面,本申请提供一种视频内容检测方法,包括:
获取第一目标视频与第二目标视频;其中,所述第一目标视频与所述第二目标视频均属于同一视频集,所述第一目标视频包括多个第一视频帧,所述第二目标视频包括多个第二视频帧,且所述第一视频帧与所述第二视频帧均具有播放时间戳;
根据所述播放时间戳,将多个所述第一视频帧与多个所述第二视频帧进行一一匹配,得到多个视频帧组;
从多个所述视频帧组中筛选出相似度满足预设条件的相似视频帧组,并得到所述相似视频帧组的目标播放时间戳;其中,所述相似度为各个所述视频帧组内所述第一视频帧与所述第二视频帧之间的画面相似度;
根据多个所述目标播放时间戳,确定出至少一个连续播放时间段;其中,所述连续播放时间段内相邻两个所述目标播放时间戳之间的播放时间戳差值小于预设时间阈值;
将所述同一视频集中与所述连续播放时间段对应的多个视频帧,确定为所述同一视频集的相似视频内容。
在一实施例中,所述从多个所述视频帧组中筛选出相似度满足预设条件的相似视频帧组,包括:
分别确定各个所述视频帧组内所述第一视频帧与所述第二视频帧的差异值哈希;
根据所述差异值哈希,确定出各个所述视频帧组的相似度。
在一实施例中,所述分别确定各个所述视频帧组内所述第一视频帧与所述第二视频帧的差异值哈希,包括:
根据所述第一视频帧与或者所述第二视频帧中每行相邻像素的图像差异值,获得差异值数组;
确定所述差异值数组中的每预设值个连续图像差异值组成的预设进制数据;
将所述预设进制数据对应的字符串作为所述第一视频帧与或者所述第二视频帧的差异值哈希。
在一实施例中,所述分别确定各个所述视频帧组内所述第一视频帧与所述第二视频帧的差异值哈希,包括:
将所述第一视频帧缩小为预设尺寸的第一视频帧;
将所述第二视频帧缩小为预设尺寸的第二视频帧;
分别确定各个所述视频帧组内所述预设尺寸的第一视频帧与所述预设尺寸的第二视频帧的差异值哈希。
在一实施例中,所述分别确定各个所述视频帧组内所述第一视频帧与所述第二视频帧的差异值哈希,包括:
对所述预设尺寸的第一视频帧进行灰度化处理,获得第一灰度视频帧;
对所述预设尺寸的第一视频帧进行灰度化处理,获得第二灰度视频帧;
分别确定所述第一灰度视频帧与所述第二灰度视频帧的差异值哈希。
在一实施例中,所述根据所述播放时间戳,将多个所述第一视频帧与多个所述第二视频帧进行一一匹配,得到多个视频帧组之前,所述方法还包括:
根据指定采样帧率,对所述第一视频帧中指定播放时间段内的视频进行视频帧采样,获得多个第一视频帧;其中,所述指定采样帧率与所述预设时间阈值相对应;
根据所述指定采样帧率,对所述第二视频帧中所述指定播放时间段内的视频进行视频帧采样,获得多个第二视频帧。
在一实施例中,所述连续播放时间段包括片头时间段、片尾时间段与片中广告时间段中的至少一者。
第二方面,本申请还提供了一种视频内容检测装置,包括:
视频帧获取模块,用于获取第一目标视频与第二目标视频;其中,所述第一目标视频与所述第二目标视频均属于同一视频集,所述第一目标视频包括多个第一视频帧,所述第二目标视频包括多个第二视频帧,且所述第一视频帧与所述第二视频帧均具有播放时间戳;
视频帧匹配模块,用于根据所述播放时间戳,将多个所述第一视频帧与多个所述第二视频帧进行一一匹配,得到多个视频帧组;
相似帧确定模块,用于从多个所述视频帧组中筛选出相似度满足预设条件的相似视频帧组,并得到所述相似视频帧组的目标播放时间戳;其中,所述相似度为各个所述视频帧组内所述第一视频帧与所述第二视频帧之间的画面相似度;
时间段确定模块,用于根据多个所述目标播放时间戳,确定出至少一个连续播放时间段;其中,所述连续播放时间段内相邻两个目标播放时间戳之间的播放时间戳差值小于预设时间阈值;
相似内容确定模块,用于将所述同一视频集中与所述连续播放时间段对应的多个视频帧,确定为所述同一视频集的相似视频内容。
第三方面,本申请还提供了一种视频内容检测设备,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的视频内容检测程序,所述视频内容检测程序配置为实现如上所述的视频内容检测方法的步骤。
第四方面,本申请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上存储有视频内容检测程序,所述视频内容检测程序被处理器执行时实现如上所述的视频内容检测方法的步骤。
本申请提供了一种视频内容检测方法,将同一视频集中任意两个目标视频,即第一目标视频和第二目标视频中多组播放时间戳匹配的第一视频帧与第二视频帧彼此之间进行相似度比较以确定是否是相似帧,进而根据得到的相似帧视频帧组的目标播放时间戳一连续播放时间段,该连续播放时间段对应的多个视频帧即为该同一视频集的相似视频集合。相较于相关技术中,将同一视频集中的目标视频帧与视频样本进行比对以确定相似视频帧,或者通过用户访问的大数据进行相似内容检测,本申请比较的是同一视频集中的视频帧,从而克服了视频样本本身质量带来的检测误差,也避免了用户访问的大数据数量级不够带来的检测误差,可以更加准确地识别同一视频集中的相似内容。
附图说明
图1为本申请视频内容检测设备的结构示意图;
图2为本申请视频内容检测方法第一实施例的流程示意图;
图3为本申请视频内容检测方法第二实施例的流程示意图;
图4为本申请视频内容检测方法中一实施例的步骤S301的细化流程示意图;
图5为本申请视频内容检测方法中另一实施例的步骤S301的细化流程示意图;
图6为本申请视频内容检测方法第三实施例的流程示意图;
图7为本申请视频内容检测装置的示意图。
本申请目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
对于视频剧集而言,其每一集视频在片头和片尾均具有相似内容的多个视频帧,即片头视频和片尾视频。相关技术中,片头视频和片尾视频识别方式有两种:
一是通过选取视频样本和待识别视频图片进行比较,当待识别视频图片存在连续和视频样本匹配时,就确定了待识别视频图片对应时间点的位置为视频片头,并确定待识别图片最后一张图片对应时间点为片头结束时间。
基于视频图片样本和待识别视频图片比较,视频图片样本的选择尤为重要,但其实视频样本并没有一个统一标准,因为待比较视频的图片可能质量是参差不齐的。这样势必会造成比较低的匹配效率。
二是通过获取视频对象的播放数据,即用户关闭所述视频对象的大数据统计数据,获得用户关闭视频操作在视频播放对象播放时间段上的变化率,选定变化率大于某个阈值的时刻,确定为片头结束时刻或片尾开始时刻。
基于对视频播放数据的识别前提是该视频对象已经上架可播,对于新上线的电视剧或无用户播放数据的视频对象就无能为力,需要人工标注进行相似内容识别。
为此,本申请提供了一种视频内容检测方法,通过将同一视频集中任意两个目标视频,即第一目标视频和第二目标视频中播放时间戳相同的两帧视频帧,通过相似度比较确定出一存在相似视频帧的连续播放时间段,该连续播放时间段对应的多个视频帧,确定为所述同一视频集的相似视频内容,从而克服了视频样本本身质量带来的检测误差,也避免了用户访问的大数据数量级不够带来的检测误差,可以更加准确地识别同一视频集中的相似内容,进而根据确定出的相似帧的播放时间点确定出相似内容帧集合。
下面结合一些具体实施例进一步阐述本申请的申请构思。
参照图1,图1为本申请实施例方案涉及的硬件运行环境的视频内容检测设备的结构示意图。
如图1所示,该视频内容检测设备可以包括:处理器1001,例如中央处理器(Central Processing Unit,CPU),通信总线1002、用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity,WI-FI)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory,RAM)存储器,也可以是稳定的非易失性存储器(Non-Volatile Memory,NVM),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的结构并不构成对视频内容检测设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种存储介质的存储器1005中可以包括操作***、数据存储模块、通信模块、用户接口模块以及视频内容检测程序。
在图1所示的视频内容检测设备中,网络接口1004主要用于与网络服务器进行数据通信;用户接口1003主要用于与用户进行数据交互;本申请视频内容检测设备中的处理器1001、存储器1005可以设置在视频内容检测设备中,视频内容检测设备通过处理器1001调用存储器1005中存储的视频内容检测程序,并执行本申请实施例提供的视频内容检测方法。
基于上述硬件设备但不限于上述硬件设备,提出本申请一种视频内容检测方法第一实施例。参阅图2,图2为本申请视频内容检测方法第一实施例的流程示意图。
本实施例中,方法包括:
步骤S100、获取第一目标视频与第二目标视频;其中,第一目标视频与第二目标视频均属于同一视频集,第一目标视频包括多个第一视频帧,第二目标视频包括多个第二视频帧,且第一视频帧与第二视频帧均具有播放时间戳。
步骤S200、根据播放时间戳,将多个第一视频帧与多个第二视频帧进行一一匹配,得到多个视频帧组。
本实施例中,视频内容检测方法的执行主体是视频内容检测设备。视频内容检测设备用于检测输入的同一视频集中每个目标视频之间的相似视频帧。视频内容检测设备可以是手机、平板等移动终端,还可以是本地计算机或者云端服务器等,本实施例对此并不限制。
同一视频集为具有相同或者相似内容的电视剧集、或者同一制作者发布的携带有相同的特征标签的视频。如,对于同一电视剧集,其片头部分和片尾部分通常是一致的。或者,对于同一电影发行公司,其片尾部分通常具有展示其公司标志的视频帧,即携带有相同的特征标签的视频帧。或者,对于同一个人制作者,其发布的视频构成的同一视频集中,每个目标视频均具有携带其个人标签的视频帧。
同一视频集包括至少两个目标视频,即第一目标视频与第二目标视频,至少两个目标视频之间可以具有明确的逻辑关系,如对于同一电视剧集,其包括的目标视频根据剧集列表排序。至少两个目标视频之间还可各自独立,如同一个人制作者发布的短视频集合,其每一个目标视频是对某一个游戏或者动漫的评测,多个目标视频之间在内容上并无逻辑上的关联。
具体而言,视频内容检测设备可通过网络下载该同一视频集,还可从本地数据库调取存储的该同一视频集,本申请对此并不限制。且可以理解的,同一视频集包括多个目标视频,本实施例可获取同一视频集中的部分目标视频,而非同一视频集的全部。但是,值得一提的是,对于同一视频集中的任一目标视频,其较佳的是完整的。
对于任一目标视频,其包括多个视频帧,且任一视频帧包括图像数据、音频数据以及播放时间戳。可以理解的,为了避免视帧频的音画不同步,播放时间戳可以作为图像数据和音频数据的播放顺序标签,用于保证播放该视频时,所展示的第一图像数据和所播放的音频数据的内容同步。因此,对于同一目标视频而言,不同的视频帧具有不同的播放时间戳。且对于两个不同的视频帧而言,可能具有相同的播放时间戳。也即是对于具有相同的播放时间戳的视频帧而言,其应该是在相同的时间点播放。如对于一视频剧集,第一集视频中的一视频帧的播放时间戳为03:00,其应当是在第一集视频播放开始后的03:00这一时间点进行播放,即显示图像数据以及播放音频数据。第二集视频中的一视频帧的播放时间戳为03:00,其也应当是在第二集视频播放开始后的03:00这一时间点进行播放,即显示图像数据以及播放音频数据。
因此,基于相同的播放时间戳,可将多个第一视频帧与多个第二视频帧进行一一匹配,得到多个视频帧组。
如第一目标视频中提取出第一待检测视频帧,其在第一目标视频开始播放时的01:20这个时间点开始播放,则从第二目标视频帧提取出的第二待检测视频帧,也在第二目标视频开始播放时的01:20这个时间点开始播放。照此,可得到多个视频帧组。且可以理解的,不同组的待检测视频帧的播放时间点不同。如第一组待检测视频帧组中的两个待检测视频帧,即第一组第一视频帧与第二视频帧的播放时间点均为00:29,而第二组待检测视频帧组中的两个待检测视频帧,即第二组第一视频帧与第二视频帧的播放时间点均为01:20。
值得一提的是,从同一视频集中获取多个视频帧组的个数可以是2个以上,如30个。
步骤S300、从多个视频帧组中筛选出相似度满足预设条件的相似视频帧组,并得到相似视频帧组的目标播放时间戳;其中,相似度为各个视频帧组内第一视频帧与第二视频帧之间的画面相似度。
本实施例中,两个待检测视频帧的画面相似度满足预设条件时,则将该两个待检测视频帧所在的视频帧组确定为相似视频帧组。
如,20组待检测视频帧组,其中,00:05,00:30,001:00,01:30这4个播放时间点对应的待检测视频帧组的相似度满足预设条件,则确定为相似视频帧组。
可以理解的,本领域技术人员知晓如何确定两个视频帧之间的画面相似度,如基于SSIM(结构相似性度量)、cosin相似度(余弦相似度)或者直方图等技术进行相似度判断,本实施例对此不再赘述。
在确定出多个相似视频帧组后,即可根据该相似视频组内第一视频帧和第二视频帧具有的的播放时间戳,得到相似视频帧组的目标播放时间戳。
步骤S400、根据多个目标播放时间戳,确定出至少一个连续播放时间段;其中,连续播放时间段内相邻两个目标播放时间戳之间的播放时间戳差值小于预设时间阈值。
步骤S500、将同一视频集中与连续播放时间段对应的多个视频帧,确定为同一视频集的相似视频内容。
由于已经确定出相似视频帧组的目标播放时间戳,即在播放时间轴上确定除了零散的播放时间点出来。此时,即可依据该多个播放时间点,得出对应的相似视频帧组分布的连续播放时间段。在得到连续播放时间段之后,即可将与连续播放时间段对应的多个视频帧,确定为同一视频集的相似视频内容。
值得一提的是,连续播放时间段包括至少一个。
可以理解的,对于同一电视剧集而言,因为绝大部分电视剧及的片头部分和片尾部分都是固定的、统一剪辑进去的,所以每集目标视频之间的片头部分和片尾部分的相似度较高。从而可通过对同一部电视剧的剧集进行两两比较检测出片头部分和片尾部分。
如若同一视频集中仅仅具有相同相似的片头内容,此时,连续播放时间段仅有一个。可以理解的,本实施例中,相似视频集合可以是电视剧集的片头部分,片尾部分,还可以是同一制作者发布的同一视频集中的携带有制作者标签的片头部分。如若同一视频集中仅仅具有相同相似的片尾内容,此时,连续播放时间段也仅有一个。如20组视频帧组,其中,00:05,00:30,01:00,01:30这4个播放时间戳对应的视频帧组的相似度满足预设条件,则确定为相似视频帧组。此时,可根据00:05,00:30,1:00,01:30这4个播放时间点,确定连续播放时间段为00:00-01:30。此时,同一视频集中第一目标视频和第二目标视频中在00:00-01:30这一时间段内播放的为相似视频内容。
如若同一视频集中具有相同相似的片尾内容,也具有相同相似的片头内容。此时,连续播放时间段包括至两个。如果同一视频集中具有相同相似的片尾内容、相同相似的片头内容以及相同相似的片中广告内容,此时,连续播放时间段包括至少三个。也即是连续播放时间段包括片头时间段、片尾时间段与片中广告时间段中的至少一者。
具体而言,根据多个相似视频帧组的目标播放时间戳,可确定出片头连续播放时间段和片尾连续播放时间段。具体而言,将多个相似视频帧组的播放时间戳划分为靠近播放开始时间的第一组播放时间点,以及靠近播放结束时间的第二组播放时间点。此时,第一组播放时间点的最末时间点与开始播放时间可组成片头连续播放时间段。第二组播放时间点的最初时间点与结束播放时间可组成片尾连续播放时间段。
如,对于一单集播放时长为27分钟的电视剧集,多个相似视频帧组的播放时间点为:00:05,00:30,01:00,01:30,以及25:30,26:00,26:30。此时,可将00:05,00:30,01:00,01:30分为第一组播放时间点,将25:30,26:00,26:30分为第二组播放时间点。此时,即可根据第一组播放时间点中的01:30确定出片头相似视频帧时间段为00:00至01:30之间的视频帧的集合。此时,根据第二组播放时间点中的25:30,确定片尾相似视频时间段为25:30-27:00。
可以理解的,作为本实施例的一种实施方式,还可仅仅根据播放时间戳确定出片头相似视频帧时间段和片尾相似视频时间段。如片头相似视频帧时间段为00:05至01:30,片尾相似视频时间段为25:30-26:30。
此外,由于确定的目标播放时间戳为多个零散的时间点,为了形成正确的连续播放时间段,避免将两个连续播放时间段判定为一个连续播放时间段,此时,连续播放时间段内相邻两个目标播放时间戳之间的播放时间戳差值小于预设时间阈值。也即是,若两个相邻的相似视频组的目标播放时间戳的播放时间戳差值小于预设时间阈值,则认为两者在同一连续播放时间段内,而大于或者等于预设时间阈值,则认为两者不属于同一连续播放时间段内。
本实施例中,对于同一电视剧集而言,因为绝大部分电视剧及的片头部分和片尾部分都是固定的、统一剪辑进去的,所以每集目标视频之间的片头部分和片尾部分的相似度较高,因此,本实施例将同一视频集中任意两个目标视频,即第一目标视频和第二目标视频中播放时间戳相同的两帧视频帧,通过差异值哈希进行相似度比较,以确定出电视剧集的,可以更加准确地识别同一视频集中的片头部分和片尾部分。
相较于相关技术中,将同一视频集中的目标视频帧与视频样本进行比对以确定相似视频帧,或者通过用户访问的大数据进行相似内容检测,本实施例将同一视频集中任意两个目标视频,即第一目标视频和第二目标视频中多组播放时间戳匹配的第一视频帧与第二视频帧彼此之间进行相似度比较以确定是否是相似帧,进而根据得到的相似帧视频帧组的目标播放时间戳一连续播放时间段,该连续播放时间段对应的多个视频帧即为该同一视频集的相似视频集合,从而克服了视频样本本身质量带来的检测误差,也避免了用户访问的大数据数量级不够带来的检测误差,可以更加准确地识别同一视频集中的相似内容,进而根据确定出的相似帧的播放时间点确定出相似内容帧集合。
基于上述实施例,提出本申请视频内容检测方法第二实施例。参阅图3,图3为本申请视频内容检测方法第二实施例的流程示意图。
本实施例中,从多个视频帧组中筛选出相似度满足预设条件的相似视频帧组,包括:
步骤S301、分别确定各个视频帧组内第一视频帧与第二视频帧的差异值哈希;
步骤S302、根据差异值哈希,确定出各个视频帧组的相似度。
具体而言,感知哈希算法用于比较不同图像的指纹信息来判断图像的相似性。当比较结果越接近时,则图像越相似。本实施例采取的是差异值哈希算法,即dHash算法。该dHash算法兼顾了精度和计算效率。对于获取到的每个待检测视频帧,均通过差异值哈希算法对其进行处理,得到每张待检测视频帧的差异值哈希。并通过每个待检测视频帧的差异值哈希,判断各个视频帧组内第一视频帧和第二视频帧的相似度。
作为一个实施例中,参阅图4,步骤S301包括:
步骤S3011、根据第一视频帧与或者第二视频帧中每行相邻像素的图像差异值,获得差异值数组。
步骤S3012、确定差异值数组中的每预设值个连续图像差异值组成的预设进制数据。
步骤S3013、将预设进制数据对应的字符串作为第一视频帧与或者第二视频帧的差异值哈希。
本实施例中,预设值可以是8,预设进制数据可以是16进制数据。具体而言,对于每个待检测视频帧,可沿一预设方向,如从左至右,对每行相邻像素的强度进行比对,如果前一个像素的颜色强度大于第二个像素,那么差异值就设置为1,否则设为0。从而最终得到每个待检测视频帧的差异值数组。该差异值数组只含有0或1。然后将差异值数组中的每一个数值看作一个字节bit,每8个bit组成为一个16进制数据。最后将该16进制数据连接起来转换为字符串,就可以得到差异值哈希。
本实施例采取的是差异值哈希算法,即dHash算法。该dHash算法进一步通过判断每个待检测视频帧的相邻像素的强度,从而进一步兼顾了精度和计算效率。
作为一个实施例,步骤S302,包括:
步骤S3021、获得第一视频帧与第二视频帧的差异值哈希的二进制数据;
步骤S3022、对两个二进制数据进行异或处理,获得异或结果;
步骤S3023、将异或结果中的预设字符的出现次数确定为第一视频帧与第二视频帧的汉明距离,以得到视频帧组的相似度。
具体而言,将一视频帧组内的两个待检测视频帧,即第一视频帧和第二视频帧的差异值哈希转换为二进制数据,对两个二进制数据进行异或处理,获得异或结果。其中,若第一视频帧的二进制数据包括a,第二视频帧的二进制数据包括b,若a、b两个值不相同,则异或结果为1。如果a、b两个值相同,异或结果为0。
此时异或结果即为有0和1构成的一串数据,计算异或结果的“1”的位数,也就是不相同的位数,从而得到该视频帧组内第一视频帧和第二视频帧的汉明距离。
可以理解的,汉明距离是以理查德·卫斯理·汉明的名字命名的。在信息论中,两个等长字符串之间的汉明距离是两个字符串对应位置的不同字符的个数。换句话说,就是将一个字符串变换成另外一个字符串所需要替换的字符个数。例如:1111101与1101001之间的距离是1。而在本实施例中,通过异或运算,已经得到将一个字符串变换成另外一个字符串所需要替换的字符个数,从而统计异或结果中的1的个数即可。如两个待检测视频帧的异或结果为00001001000010010000100,其中,1出现的个数为5,5即为两个待检测视频帧的汉明距离。其中,使用汉明距离量化两张图像的相似性时,汉明距离越大,图像的相似度越小,汉明距离越小,图像的相似度越大。
本实施例中,可将视频帧组内第一视频帧和第二视频帧的汉明距离满足预设条件的视频帧组内确定为相似视频帧组。如汉明距离小于5,可以认为为同一张图片,即将该视频帧组内第一视频帧和第二视频帧的汉明距离满足预设条件的视频帧组内确定为相似视频帧组。
作为一个实施例中,参阅图5,步骤S301,包括:
步骤A3011、将第一视频帧缩小为预设尺寸的第一视频帧。
步骤A3012、将第二视频帧缩小为预设尺寸的第二视频帧。
步骤A3013、分别确定各个视频帧组内预设尺寸的第一视频帧与预设尺寸的第二视频帧的差异值哈希。
可以理解的,由于待检测视频帧,即第一视频帧或者第二视频帧的原图的分辨率一般都非常高。一张200*200的图片,就有整整4万个像素点,每一个像素点都保存着一个RGB值,4万个RGB,是相当庞大的信息量,非常多的细节需要处理。如果直接对待检测视频帧的原图进行处理,则运算量过大。因此,本实施例中可首先图片缩放到较小的预设尺寸小,隐藏待检测视频帧的细节部分,减少计算量。如,预设尺寸可以是宽*高=9*8。如图片缩放使用Python Imaging Library的resize方法就可以完成效果。
本实施例中,由于绝大部分电视剧的片头片尾都是固定的、统一剪辑进去的所以集与集相似度较高,因此可忽略待检测视频帧中的细节部分,缩小尺寸至预设尺寸,通过整体判断是否属于相似图片。
本实施例中,在通过差异值哈希处理之前,首先缩小待检测视频帧的尺寸,以降低后续处理的计算量,进而提高后续处理的计算速度。
作为一个实施方式,步骤S301,包括:
步骤B3011、对预设尺寸的第一视频帧进行灰度化处理,获得第一灰度视频帧
步骤B3012、对预设尺寸的第一视频帧进行灰度化处理,获得第二灰度视频帧
步骤B3013、分别确定第一灰度视频帧与第二灰度视频帧的差异值哈希
可以理解的,由于绝大部分电视剧的片头片尾都是固定的、统一剪辑进去的所以集与集相似度较高,因此,为了进一步降低工作量,可在待检测视频帧尺寸缩小后,进行灰度化处理。具体而言,将彩色图片的待处理视频帧灰度化处理后,可将RGB值由三维降至只有一个0-255的整数表示灰度,以降低使用RGB对比颜色强制差异带来的复杂度。
基于上述实施例,提出本申请视频内容检测方法第三实施例,参阅图6,图6为本申请视频内容检测方法第三实施例的流程示意图。
本实施例中,步骤S200之前,方法还包括:
步骤C100、根据指定采样帧率,对第一目标视频帧中指定播放时间段内的视频进行视频帧采样,获得多个第一视频帧。
步骤C200、根据指定采样帧率,对第二目标视频帧中指定播放时间段内的视频进行视频帧采样,获得多个第二视频帧。
其中,指定采样帧率与预设时间阈值相对应。
具体而言,指定播放时间段可以是每个目标视频的前3分钟或者前5分钟以及每个目标视频的后3分钟或者后5分钟。可以理解的,指定播放时间段还可以是每个目标视频的前3分钟或者前5分钟;或者每个目标视频的后3分钟或者后5分钟。
本实施例中可,指定采样帧率可以是1秒1帧。
如在一具体实施方式中,从而视频内容检测设备首先获取同一视频集内的所有目标视频。对每个目标视频进行分割,取第一目标视频前5分钟视频使用ffmpeg按照1秒1帧进行分割得到300张图片,每张图片按照序号命名第一目标视频1-第一目标视频300。同样,取第二目标视频前5分钟视频使用ffmpeg按照1秒1帧进行分割得到300张图片,每张图片按照序号命名第二目标视频1-第二目标视频300。可以理解的,由于指定采样帧率相同,且指定播放时间段相同,所以第一目标视频1和第二目标视频1的播放时间点相同,依次类推,第一目标视频300和第二目标视频300的播放时间点也相同。
将第一目标视频1-第一目标视频300和第二目标视频1-第二目标视频300进行一一配对,从而得到多个待检测视频帧组:第一组:第一目标视频1-第二目标视频1;第二组:第一目标视频2-第二目标视频2;……;第300组:第一目标视频300:第二目标视频300。
本实施例中,通过指定采样帧率在每个目标视频的指定播放时间段内进行采样,从而可以获取到播放时间点相对应的多个待检测视频帧。可以理解的,为了提高识别精度,可通过调整指定采样帧率以获得更佳的识别准确度。
可以理解的,前述的指定采样帧率与预设时间阈值相对应。从而可以提高判断连续播放时间段的准确性。如指定采样帧率可以是1秒1帧,则预设时间间隔为2S。若两个目标播放时间戳之间播放时间戳差值小于2S,则认为是属于同一连续播放时间段。
基于同一申请构思,参阅图7,本申请还提供了一种视频内容检测装置,包括:
视频帧获取模块,用于获取第一目标视频与第二目标视频;其中,第一目标视频与第二目标视频均属于同一视频集,第一目标视频包括多个第一视频帧,第二目标视频包括多个第二视频帧,且第一视频帧与第二视频帧均具有播放时间戳;
视频帧匹配模块,用于根据播放时间戳,将多个第一视频帧与多个第二视频帧进行一一匹配,得到多个视频帧组;
相似帧确定模块,用于从多个视频帧组中筛选出相似度满足预设条件的相似视频帧组,并得到相似视频帧组的目标播放时间戳;其中,相似度为各个视频帧组内第一视频帧与第二视频帧之间的画面相似度;
时间段确定模块,用于根据多个目标播放时间戳,确定出至少一个连续播放时间段;其中,连续播放时间段内相邻两个目标播放时间戳之间的播放时间戳差值小于预设时间阈值;
相似内容确定模块,用于将同一视频集中与连续播放时间段对应的多个视频帧,确定为同一视频集的相似视频内容。
需要说明的是,本实施例中的关于视频内容检测装置的各实施方式以及其达到的技术效果可参照前述实施例中视频内容检测方法的各种实施方式,这里不再赘述。
此外,本申请实施例还提出一种计算机存储介质,存储介质上存储有视频编码程序,视频编码程序被处理器执行时实现如上文的视频编码方法的步骤。因此,这里将不再进行赘述。另外,对采用相同方法的有益效果描述,也不再进行赘述。对于本申请所涉及的计算机可读存储介质实施例中未披露的技术细节,请参照本申请方法实施例的描述。确定为示例,程序指令可被部署为在一个计算设备上执行,或者在位于一个地点的多个计算设备上执行,又或者,在分布在多个地点且通过通信网络互连的多个计算设备上执行。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,上述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,上述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(RandomAccessMemory,RAM)等。
另外需说明的是,以上所描述的装置实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外,本申请提供的装置实施例附图中,模块之间的连接关系表示它们之间具有通信连接,具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,所属领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件的方式来实现,当然也可以通过专用硬件包括专用集成电路、专用CPU、专用存储器、专用元器件等来实现。一般情况下,凡由计算机程序完成的功能都可以很容易地用相应的硬件来实现,而且,用来实现同一功能的具体硬件结构也可以是多种多样的,例如模拟电路、数字电路或专用电路等。但是,对本申请而言更多情况下软件程序实现是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在可读取的存储介质中,如计算机的软盘、U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,RandomAccessMemory)、磁碟或者光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例的方法。
以上仅为本申请的优选实施例,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (10)
1.一种视频内容检测方法,其特征在于,包括:
获取第一目标视频与第二目标视频;其中,所述第一目标视频与所述第二目标视频均属于同一视频集,所述第一目标视频包括多个第一视频帧,所述第二目标视频包括多个第二视频帧,且所述第一视频帧与所述第二视频帧均具有播放时间戳;所述同一视频集包括多个目标视频,且各个所述目标视频均具有相似视频内容;
根据所述播放时间戳,将多个所述第一视频帧与多个所述第二视频帧进行一一匹配,得到多个视频帧组;
从多个所述视频帧组中筛选出相似度满足预设条件的相似视频帧组,并得到所述相似视频帧组的目标播放时间戳;其中,所述相似度为各个所述视频帧组内所述第一视频帧与所述第二视频帧之间的画面相似度;
根据多个所述目标播放时间戳,确定出至少一个连续播放时间段;其中,所述连续播放时间段内相邻两个所述目标播放时间戳之间的播放时间戳差值小于预设时间阈值;
将所述同一视频集中与所述连续播放时间段对应的多个视频帧,确定为所述同一视频集的相似视频内容。
2.根据权利要求1所述的视频内容检测方法,其特征在于,所述从多个所述视频帧组中筛选出相似度满足预设条件的相似视频帧组,包括:
分别确定各个所述视频帧组内所述第一视频帧与所述第二视频帧的差异值哈希;
根据所述差异值哈希,确定出各个所述视频帧组的相似度。
3.根据权利要求2所述的视频内容检测方法,其特征在于,所述分别确定各个所述视频帧组内所述第一视频帧与所述第二视频帧的差异值哈希,包括:
根据所述第一视频帧与或者所述第二视频帧中每行相邻像素的图像差异值,获得差异值数组;
确定所述差异值数组中的每预设值个连续图像差异值组成的预设进制数据;
将所述预设进制数据对应的字符串作为所述第一视频帧与或者所述第二视频帧的差异值哈希。
4.根据权利要求2所述的视频内容检测方法,其特征在于,所述分别确定各个所述视频帧组内所述第一视频帧与所述第二视频帧的差异值哈希,包括:
将所述第一视频帧缩小为预设尺寸的第一视频帧;
将所述第二视频帧缩小为预设尺寸的第二视频帧;
分别确定各个所述视频帧组内所述预设尺寸的第一视频帧与所述预设尺寸的第二视频帧的差异值哈希。
5.根据权利要求2所述的视频内容检测方法,其特征在于,所述分别确定各个所述视频帧组内所述第一视频帧与所述第二视频帧的差异值哈希,包括:
对预设尺寸的第一视频帧进行灰度化处理,获得第一灰度视频帧;
对预设尺寸的第一视频帧进行灰度化处理,获得第二灰度视频帧;
分别确定所述第一灰度视频帧与所述第二灰度视频帧的差异值哈希。
6.根据权利要求1所述的视频内容检测方法,其特征在于,所述根据所述播放时间戳,将多个所述第一视频帧与多个所述第二视频帧进行一一匹配,得到多个视频帧组之前,所述方法还包括:
根据指定采样帧率,对所述第一视频帧中指定播放时间段内的视频进行视频帧采样,获得多个第一视频帧;其中,所述指定采样帧率与所述预设时间阈值相对应;
根据所述指定采样帧率,对所述第二视频帧中所述指定播放时间段内的视频进行视频帧采样,获得多个第二视频帧。
7.根据权利要求1至6任一项所述的视频内容检测方法,其特征在于,所述连续播放时间段包括片头时间段、片尾时间段与片中广告时间段中的至少一者。
8.一种视频内容检测装置,其特征在于,包括:
视频帧获取模块,用于获取第一目标视频与第二目标视频;其中,所述第一目标视频与所述第二目标视频均属于同一视频集,所述第一目标视频包括多个第一视频帧,所述第二目标视频包括多个第二视频帧,且所述第一视频帧与所述第二视频帧均具有播放时间戳;所述同一视频集包括多个目标视频,且各个所述目标视频均具有相似视频内容;
视频帧匹配模块,用于根据所述播放时间戳,将多个所述第一视频帧与多个所述第二视频帧进行一一匹配,得到多个视频帧组;
相似帧确定模块,用于从多个所述视频帧组中筛选出相似度满足预设条件的相似视频帧组,并得到所述相似视频帧组的目标播放时间戳;其中,所述相似度为各个所述视频帧组内所述第一视频帧与所述第二视频帧之间的画面相似度;
时间段确定模块,用于根据多个所述目标播放时间戳,确定出至少一个连续播放时间段;其中,所述连续播放时间段内相邻两个目标播放时间戳之间的播放时间戳差值小于预设时间阈值;
相似内容确定模块,用于将所述同一视频集中与所述连续播放时间段对应的多个视频帧,确定为所述同一视频集的相似视频内容。
9.一种视频内容检测设备,其特征在于,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的视频内容检测程序,所述视频内容检测程序配置为实现如权利要求1至7中任一项所述的视频内容检测方法的步骤。
10.一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上存储有视频内容检测程序,所述视频内容检测程序被处理器执行时实现如权利要求1至7任一项所述的视频内容检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210628167.7A CN115103223B (zh) | 2022-06-02 | 2022-06-02 | 视频内容检测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210628167.7A CN115103223B (zh) | 2022-06-02 | 2022-06-02 | 视频内容检测方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115103223A CN115103223A (zh) | 2022-09-23 |
CN115103223B true CN115103223B (zh) | 2023-11-10 |
Family
ID=83289615
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210628167.7A Active CN115103223B (zh) | 2022-06-02 | 2022-06-02 | 视频内容检测方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115103223B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000069420A (ja) * | 1998-08-26 | 2000-03-03 | Sharp Corp | 映像処理装置 |
CA2593243A1 (en) * | 2005-01-11 | 2006-07-20 | Anthony I. Provitola | Enhancement of visual perception |
JP2010097246A (ja) * | 2008-10-14 | 2010-04-30 | Nippon Hoso Kyokai <Nhk> | シーン類似判定装置、そのプログラム及びサマリ映像生成システム |
CN103995804A (zh) * | 2013-05-20 | 2014-08-20 | 中国科学院计算技术研究所 | 基于多模态信息融合与图聚类的跨媒体话题检测方法、装置 |
CN110134829A (zh) * | 2019-04-28 | 2019-08-16 | 腾讯科技(深圳)有限公司 | 视频定位方法和装置、存储介质及电子装置 |
CN110166827A (zh) * | 2018-11-27 | 2019-08-23 | 深圳市腾讯信息技术有限公司 | 视频片段的确定方法、装置、存储介质及电子装置 |
CN110557683A (zh) * | 2019-09-19 | 2019-12-10 | 维沃移动通信有限公司 | 一种视频播放控制方法及电子设备 |
CN111651636A (zh) * | 2020-03-31 | 2020-09-11 | 易视腾科技股份有限公司 | 视频相似片段搜索方法及装置 |
CN112699787A (zh) * | 2020-12-30 | 2021-04-23 | 湖南快乐阳光互动娱乐传媒有限公司 | 一种广告***时间点的检测方法及装置 |
CN112861717A (zh) * | 2021-02-05 | 2021-05-28 | 深圳市英威诺科技有限公司 | 视频相似度检测方法、装置、终端设备以及存储介质 |
CN114189711A (zh) * | 2021-11-16 | 2022-03-15 | 北京金山云网络技术有限公司 | 视频处理方法和装置、电子设备、存储介质 |
CN114245229A (zh) * | 2022-01-29 | 2022-03-25 | 北京百度网讯科技有限公司 | 一种短视频制作方法、装置、设备以及存储介质 |
CN114449346A (zh) * | 2022-02-14 | 2022-05-06 | 腾讯科技(深圳)有限公司 | 视频处理方法、装置、设备以及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100804678B1 (ko) * | 2007-01-04 | 2008-02-20 | 삼성전자주식회사 | 비디오 인물별 신 분류 방법 및 그 시스템 |
-
2022
- 2022-06-02 CN CN202210628167.7A patent/CN115103223B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000069420A (ja) * | 1998-08-26 | 2000-03-03 | Sharp Corp | 映像処理装置 |
CA2593243A1 (en) * | 2005-01-11 | 2006-07-20 | Anthony I. Provitola | Enhancement of visual perception |
JP2010097246A (ja) * | 2008-10-14 | 2010-04-30 | Nippon Hoso Kyokai <Nhk> | シーン類似判定装置、そのプログラム及びサマリ映像生成システム |
CN103995804A (zh) * | 2013-05-20 | 2014-08-20 | 中国科学院计算技术研究所 | 基于多模态信息融合与图聚类的跨媒体话题检测方法、装置 |
CN110166827A (zh) * | 2018-11-27 | 2019-08-23 | 深圳市腾讯信息技术有限公司 | 视频片段的确定方法、装置、存储介质及电子装置 |
CN110134829A (zh) * | 2019-04-28 | 2019-08-16 | 腾讯科技(深圳)有限公司 | 视频定位方法和装置、存储介质及电子装置 |
CN110557683A (zh) * | 2019-09-19 | 2019-12-10 | 维沃移动通信有限公司 | 一种视频播放控制方法及电子设备 |
CN111651636A (zh) * | 2020-03-31 | 2020-09-11 | 易视腾科技股份有限公司 | 视频相似片段搜索方法及装置 |
CN112699787A (zh) * | 2020-12-30 | 2021-04-23 | 湖南快乐阳光互动娱乐传媒有限公司 | 一种广告***时间点的检测方法及装置 |
CN112861717A (zh) * | 2021-02-05 | 2021-05-28 | 深圳市英威诺科技有限公司 | 视频相似度检测方法、装置、终端设备以及存储介质 |
CN114189711A (zh) * | 2021-11-16 | 2022-03-15 | 北京金山云网络技术有限公司 | 视频处理方法和装置、电子设备、存储介质 |
CN114245229A (zh) * | 2022-01-29 | 2022-03-25 | 北京百度网讯科技有限公司 | 一种短视频制作方法、装置、设备以及存储介质 |
CN114449346A (zh) * | 2022-02-14 | 2022-05-06 | 腾讯科技(深圳)有限公司 | 视频处理方法、装置、设备以及存储介质 |
Non-Patent Citations (3)
Title |
---|
《A similarity analysis and clustering alogorithm for video based on moving trajectory time series wavelet transform of moving object in Video》;Yanmin Luo;《2010 International Conference on Image Analysis and Signal Processing》;全文 * |
《电视剧播出管理平台技术架构研究》;王洋;《广播与电视技术》;第45卷(第3期);全文 * |
基于深度学习的电视剧剧名识别在广电中的应用;罗晓松;《江西通信科技》(第4期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115103223A (zh) | 2022-09-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3271865B1 (en) | Detecting segments of a video program | |
Gu et al. | Blind quality assessment of tone-mapped images via analysis of information, naturalness, and structure | |
US10368123B2 (en) | Information pushing method, terminal and server | |
US8671109B2 (en) | Content-based video copy detection | |
CN109871490B (zh) | 媒体资源匹配方法、装置、存储介质和计算机设备 | |
CN109063611B (zh) | 一种基于视频语义的人脸识别结果处理方法和装置 | |
US11259029B2 (en) | Method, device, apparatus for predicting video coding complexity and storage medium | |
CN111836118B (zh) | 视频处理方法、装置、服务器及存储介质 | |
CN110505513A (zh) | 一种视频截图方法、装置、电子设备及存储介质 | |
CN113496208B (zh) | 视频的场景分类方法及装置、存储介质、终端 | |
CN111199186A (zh) | 图像质量评分模型训练方法、装置、设备及存储介质 | |
CN110248235B (zh) | 软件教学方法、装置、终端设备及介质 | |
US8165387B2 (en) | Information processing apparatus and method, program, and recording medium for selecting data for learning | |
Mehta et al. | Near-duplicate detection for LCD screen acquired images using edge histogram descriptor | |
US10733453B2 (en) | Method and system for supervised detection of televised video ads in live stream media content | |
CN115103223B (zh) | 视频内容检测方法、装置、设备及存储介质 | |
CN109101964B (zh) | 确定多媒体文件中首尾区域的方法、设备及存储介质 | |
US10719715B2 (en) | Method and system for adaptively switching detection strategies for watermarked and non-watermarked real-time televised advertisements | |
US20180359523A1 (en) | Method and system for progressive penalty and reward based ad scoring for detection of ads | |
Cohendet et al. | MediaEval 2018: Predicting media memorability | |
CN113420809A (zh) | 视频质量评价方法、装置和电子设备 | |
CN111899239A (zh) | 图像处理方法和装置 | |
CN113569668A (zh) | 确定视频中高光片段的方法、介质、装置和计算设备 | |
CN112949494A (zh) | 灭火器位置检测方法、装置、设备及存储介质 | |
CN110619362A (zh) | 一种基于感知与像差的视频内容比对方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |