[发明专利]视频内容情感分析方法、装置、计算机设备及存储介质

权利要求书

1.一种视频内容情感分析方法，其特征在于，所述方法包括以下步骤：

获取待情感分析的视频信息；

提取所述视频信息的图像特征向量和声音特征向量；

根据所述图像特征向量以及预设的基于注意力机制建立的多个滤波器确定重要图像特征向量；

根据所述重要图像特征向量、声音特征向量以及预设的基于深度神经网络建立的情感分析模型确定所述视频的情感分析结果，所述情感分析结果包括愉悦度、唤醒度以及恐惧；

所述提取所述视频信息的图像特征向量和声音特征向量的步骤，具体包括：

处理所述视频信息并获取相应的图像数据和声音数据；

根据预设的频率以及时长提取多个图像帧以及声音片段；

将所述多个图像帧输入到预设的图像处理工具中，获取相应的图像特征向量；

所述根据所述图像特征向量以及预设的基于注意力机制建立的多个滤波器确定重要图像特征向量的步骤，具体包括：

获取第一滤波器中多个时间序列滤波核的信息，所述时间序列滤波核的信息包括所述时间序列滤波核在所述滤波器中的时间序列以及宽度；

将所述多个时间序列滤波核的信息进行归一化处理；

根据归一化处理后的时间序列滤波核的信息计算在时间序列上的第一滤波器函数；

将所述第一滤波器函数与图像特征向量进行点积生成第一滤波器处理图像特征向量；

根据滤波器处理图像特征向量以及预设的多个滤波器的权重确定重要图像特征向量；

根据所述重要图像特征向量、声音特征向量以及预设的基于深度神经网络建立的情感分析模型确定所述视频的情感分析结果的步骤，具体包括：

将所述重要图像特征向量以及声音特征向量分别映射为相同维度的图像特征向量以及声音特征向量；

计算所述相同维度的图像特征向量与声音特征向量在情感分析模型下的情感分析结果；

训练生成预设的基于深度神经网络建立的情感分析模型的步骤，具体包括：

获取多个视频信息训练样本，并确定所述多个视频信息训练样本对应的目标情感分析结果；

提取所述多个视频信息训练样本的图像特征向量和声音特征向量；

建立基于深度神经网络的情感分析样本模型并初始化所述情感分析样本模型中的可变参数；

根据第一视频信息训练样本的图像特征向量和声音特征向量以及情感分析样本模型确定与所述第一视频信息对应的训练情感分析结果；

根据所述多个视频信息训练样本的训练情感分析结果以及目标情感分析结果计算所述情感分析样本模型的性能指标，所述情感分析样本模型的性能指标包括所述情感分析样本模型的最小均方误差、皮尔森相关系数、准确率以及精确率；

判断所述情感分析样本模型的性能指标是否满足预设的条件；

当判断所述情感分析样本模型的性能指标不满足预设的条件时，计算所述多个视频信息训练样本的目标情感分析结果与训练情感分析结果之间的损失值；并根据所述损失值利用反向传播算法调整所述情感分析样本模型中的可变参数，返回至所述根据第一视频信息训练样本的图像特征向量和声音特征向量以及情感分析样本模型确定与所述第一视频信息对应的训练情感分析结果的步骤；

当判断所述情感分析样本模型的性能指标满足预设的条件时，将当前情感分析样本模型确定为预设的基于深度神经网络建立的情感分析模型。