[发明专利]一种基于机器学习的视频内容识别方法及装置

说明书

本发明提出一种基于机器学习的视频内容识别方法及装置。一种基于机器学习的视频内容识别方法，包括：将待识别的视频资源解析为多个视频帧；通过经过训练的深度机器学习模型对所述多个视频帧进行内容识别处理，分别确认每个视频帧所包含的视频内容；根据所述每个视频帧所包含的视频内容，确定所述视频资源所包含的视频内容。将上述技术方案应用到对互联网视频内容进行识别的场景，可以有效识别互联网视频内容。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种基于机器学习的视频内容识别方法及装置。

背景技术

随着互联网技术的发展，互联网视频流量在近几年大幅增加，短视频、视频直播等各种新型用户原创内容(User Generated Content，UGC)促使互联网视频越来越丰富。丰富多彩的互联网视频应用牢牢抓住了用户的消费心理，成为互联网吸金的又一利器。

互联网视频推送应当以用户喜好为主，提供个性化的视频资源，提升视频点播率及用户活跃度。基于以上需求，对视频内容进行识别，进而对视频进行筛选成为互联网视频应用的必要功能。其中，对互联网视频内容进行识别成为实现上述功能的基础，如何对互联网视频内容进行有效识别已经成为互联网视频应用向用户推送符合用户喜好的视频资源的研究热点。

发明内容

基于上述技术现状，本发明提出一种基于机器学习的视频内容识别方法及装置，能够对互联网视频内容进行有效识别。

为了达到上述目的，本发明提出如下技术方案：

一种基于机器学习的视频内容识别方法，包括：

将待识别的视频资源解析为多个视频帧；

通过经过训练的深度机器学习模型对所述多个视频帧进行内容识别处理，分别确认每个视频帧所包含的视频内容；

根据所述每个视频帧所包含的视频内容，确定所述视频资源所包含的视频内容。

优选地，所述根据所述每个视频帧所包含的视频内容，确定所述视频资源所包含的视频内容，包括：

汇总所述每个视频帧所包含的视频内容得到所述视频资源所包含的视频内容，以及分别确认每项视频内容在所述视频资源中的时间位置。

优选地，对所述深度机器学习模型的训练过程，包括：

循环执行以下操作，直到计算得到的代价值小于设定阈值；

将已标注图像内容的图像输入深度机器学习模型，使所述深度机器学习模型按照预设的参数对所述图像进行图像内容识别；

将所述深度机器学习模型识别的图像内容，与标注的图像内容进行对比，得到所述深度机器学习模型进行图像内容识别的代价值；

判断得到的代价值是否小于设定阈值；

如果得到的代价值不小于设定阈值，则根据计算得到的代价值，调整所述深度机器学习模型进行图像内容识别的参数。

优选地，对所述深度机器学习模型的训练过程还包括：

建立包含不同类型图像内容，并且已经标注图像内容的图像资源数据库。

优选地，所述深度机器学习模型包括卷积神经网络。

一种基于机器学习的视频内容识别装置，包括：

视频解析单元，用于将待识别的视频资源解析为多个视频帧；

视频帧识别单元，用于通过经过训练的深度机器学习模型对所述多个视频帧进行内容识别处理，分别确认每个视频帧所包含的视频内容；

视频内容确定单元，用于根据所述每个视频帧所包含的视频内容，确定所述视频资源所包含的视频内容。