[发明专利]黑边视频检测方法及装置

说明书

技术领域

本发明涉及计算机技术领域，特别是涉及一种黑边视频检测方法及装置。

背景技术

近年来，由于短视频融合了文字、语音和视频，其能够更加直观、立体地满足用户的表达、沟通以及分享的需求，越来越多的企业进入短视频行业。但是，目前短视频的质量参差不齐，这是所有做视频聚合的企业所面临的问题。通常来说短视频的质量可以从两个方面进行考量：一方面是视频自身的清晰度，如视频是否有黑边、视频格式是否兼容等问题。另一方面是视频所讲的内容是否有营养、有价值。其中，后一方面是比较主观的，难以直接通过技术直接区分，而前一方面视频自身的质量问题是可以通过技术手段进行筛选和过滤的。黑边视频的产生一般是由于拍摄设备和视频播放平台的大小不一致，为了保证视频不被拉伸的情况下，对视频进行黑边填充而导致的，其检测难点主要在于填充的宽度不固定、颜色不单一、不同位置大小的水印混淆、纯黑背景视频混淆。这些难点导致了黑边视频的召回率和准确率都很难达到一个比较理想的情况。

深度学习能够自适应很好的学习这些黑边视频特征，无需人为制定特征。但是，深度学习需要收集大量的数据集来进行模型训练，因此训练数据集的快速构建是一项重大挑战。此外，深度学习模型非常多，而训练时间又很长，如何选择和制定合适的网络模型并进行快速迭代实验也是目前面临的巨大问题。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的黑边视频检测方法和装置。

依据本发明的一方面，提供了一种黑边视频检测方法，包括：

从待检测视频集合中筛选出视频训练数据集，其中，所述视频训练数据集包括与黑边视频相似度超过第一阈值的疑似黑边视频；

确定待训练网络模型，并基于所述视频训练数据集为所述待训练网络模型设定训练参数；

将所述视频训练数据集中的数据赋予所述待训练网络模型作为实际训练参数值，由所述待训练网络模型基于实际训练参数值进行模型训练，直到所述待训练网络模型收敛，得到训练后的检测模型；

利用训练后的检测模型对待检测视频进行检测，检测出其中的黑边视频。

可选地，所述从待检测视频集合中筛选出视频训练数据集，包括：

从所述待检测视频集合中按照预设规则筛选出与黑边视频相似度超过第一阈值的疑似黑边视频；

利用筛选出的疑似黑边视频构建所述视频训练数据集。

可选地，从所述待检测视频集合中按照预设规则筛选出与黑边视频相似度超过第一阈值的疑似黑边视频，包括：

从所述待检测视频集合中选取任意待检测视频，并从选取的待检测视频中抽取指定数量的视频关键帧；

分析所述指定数量的视频关键帧是否存在黑边；

若是，分析指定数量的视频关键帧的黑边参数是否均位于第二阈值范围内，若是，则确定该待检测视频与黑边视频相似度超过第一阈值，将选取的待检测视频确认为疑似黑边视频。

可选地，所述黑边参数包括：黑边颜色和/或黑边尺寸。

可选地，所述从选取的待检测视频中抽取指定数量的视频关键帧，包括：

依据视频播放顺序从选取的待检测视频中等间隔抽取指定数量的视频关键帧。

可选地，所述利用筛选出的疑似黑边视频构建所述视频训练数据集，包括：

对筛选出的疑似黑边视频中的黑边范围进行标注，利用标注黑边范围后的疑似黑边视频构建视频训练数据集。

可选地，将所述视频训练数据集中的数据赋予所述待训练网络模型作为实际训练参数值，由所述待训练网络模型基于实际训练参数值进行模型训练，直到所述待训练网络模型收敛，得到训练后的检测模型，包括：

若所述视频训练数据集中疑似黑边视频的黑边包含其他视频特征信息，则对其他视频特征信息进行标注；

将所述视频训练数据集中的数据赋予所述待训练网络模型作为实际训练参数值，由所述待训练网络模型基于实际训练参数值以及被标注的其他视频特征信息进行模型训练，直到所述待训练网络模型收敛，得到训练后的检测模型。

可选地，所述其他视频特征信息包括以下至少之一：

视频黑边范围内的水印、视频黑边连接的黑色视频背景、视频黑边的颜色为非单一颜色。

可选地，所述待训练网络模型包括AlexNet网络模型。

可选地，将所述视频训练数据集中的数据赋予所述待训练网络模型作为实际训练参数值，由所述待训练网络模型基于实际训练参数值进行模型训练，直到所述待训练网络模型收敛，得到训练后的检测模型，包括：