[发明专利]一种视频类型判断方法及服务器

说明书

本发明提供了一种视频类型判断方法及服务器，其中所述方法应用于由服务器和至少一位用户使用的终端组成的系统，所述方法包括：获取视频数据；从所述视频数据中提取特定帧；识别所述特定帧中文字信息以及文字信息所占画面比例；依据所述特定帧中文字信息以及所述比例，确定所述视频特征；依据所述视频特征以及视频库中已存储的视频数据，应用贝叶斯定理计算所述视频数据为第一类型数据的概率；依据所述概率确定所述视频数据是否为第一类型数据。通过本发明提供的视频类型判断方法，能够在支持用户上传的应用中实现了对视频的分类和判断。

技术领域

本发明涉及计算机视频处理技术领域，更具体地，涉及一种视频类型判断方法及服务器。

背景技术

随着网络多媒体技术的飞速发展，网络传输速度的不断提高和压缩技术的不断进步，各种多媒体信息不断涌现，数字图书馆、远程教育、视频点播、数字视频广播、交互式电视等都产生和使用了大量的多媒体数据。而在这些多媒体信息中，视频由于其内容丰富、动态性强等特点而被越来越多的人使用。由于视频信息包含的数据量大，内容庞杂，因此难以从大量视频中识别出属于特定类别的视频，从而实现高效的信息分类和监管。

很多支持用户上传的视频应用程序，每日所接收到的用户上传的大量视频文件中，并非全部都是正常视频文件，往往会包含少量广告视频。目前为了从大量视频文件中筛选出广告视频，主要采用人工一一对视频进行审核，而这种通过人工对视频进行审核的方式，一方面，效率很低，审查速度慢；另一方面，当审核出某视频为广告视频时，可能该条广告视频已经播放一段时间；再一方面，人员审核成本高，并且遇到假期或比赛等活动时会有大量视频文件集中上传，人工审核完全无法满足需求。

现有的视频特征提取技术主要的工作机制是，针对视频数据取出指定帧，与现有广告库中的广告进行匹配，从而判别是否为广告。主要提取的数据为视频特征为色彩，页面切换频率，尾部静止帧多少等特征。但这种方式对于用户自己上传的视频并不是很好的可以适用。

现有的通用机器学习方法是支持向量机(Support Vector Machine，SVM)建模和机器学习，但SVM是一种判别学习模型。传统生成模型认为数据都是某种分布生成的，并试图根据这种分布建模。采用最大似然估计(Maximum Likelihood Estimation，MLE)来求解模型参数，并用平滑算法来解决数据稀疏问题。这种方法仅当数据的概率分布形式是已知的并且存在足够大的训练数据时才能采用MLE来求解模型参数。但在支持用户上传的应用中，这两个条件很多时候无法满足。

发明内容

本发明提供了一种视频类型判断方法及服务器，以解决现有技术中存在的，针对视频应用中用户自行上传的视频进行广告审核时无法使用现有特征选取方案以及机器学习方法，同时人工审核效率底下的问题。

为了解决上述问题，本发明公开了一种视频类型判断方法，应用于由服务器和至少一位用户使用的终端组成的系统，其中，所述方法包括：获取视频数据；从所述视频数据中提取特定帧；识别所述特定帧中文字信息以及文字信息所占画面比例；依据所述特定帧中文字信息以及所述比例，确定所述视频特征；依据所述视频特征以及视频库中已存储的视频数据，应用贝叶斯定理计算所述视频数据为第一类型数据的概率；依据所述概率确定所述视频数据是否为第一类型数据。

优选地，所述特定帧包括：所述视频数据开始部分包含声音的第一设定数量帧；所述视频数据结束前第二设定数量帧；所述视频数据中部第三设定数量帧。

优选地，识别所述特定帧中文字信息以及所述文字信息所占画面比例的步骤为：通过文字识别软件识别所述文字信息对应文字内容；确定所述文字信息含有的像素数；依据所述文字信息含有的像素数确定所述文字信息所占画面比例；将所述文字信息所占画面比例按照大小分档，确定分档结果。