[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

说明书

本发明适用于计算机领域，提供了一种视频内容情感分析方法。所述方法包括：获取视频信息；提取所述视频信息的图像以及声音特征向量；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。本发明实施例提供的视频内容情感分析方法，利用了基于注意力机制建立的多个滤波器处理所述图像特征向量以获取对情感分析结果影响较大的重要图像特征向量，有效地提高了最终情感分析结果的准确率，同时在确定重要图像特征向量的过程中，能够充分利用计算资源，有效地提高了情感分析的效率。

技术领域

本发明涉及计算机领域，特别是涉及一种视频内容情感分析方法、装置、计算机设备及存储介质。

背景技术

随着信息时代大数据的发展，数据的多样性和丰富性也越来越引起人们的重视。近年来移动通信技术的快速发展，视频的传播已经不再受设备技术的限制，且视频数据相比图片和文本数据更可以给用户带来更立体的用户体验，因此，人们对视频质量的要求也越来越高，其中，视频内容情感分析将有助于提高用户体验，可以应用在视频内容推荐，视频内容分类等多个场景中。

现有的视频内容情感分析方法主要有利用支持向量模型、迭代算法模型以及长短期记忆网络模型进行情感分析。然而，支持向量模型对维度较高且对非线性特征不能很好的提取，且大规模训练将耗费大量的机器内存和运算时间，迭代算法模型的建立需要利用所有的样本进行训练，也需要耗费大量的时间，而长短期记忆网络由于需要将输入的特征序列化，在训练过程中无法并行处理，同样的需要耗费较多时间，且上述情感分析方法确定的情感分析结果的准确率不够理想。

可见现有技术中的视频内容情感分析方法均存在着处理过程复杂、占用时间、计算资源多且分析结果准确率不够理想的技术问题。

发明内容

本发明实施例提供一种视频内容情感分析方法，以解决现有的视频内容情感分析方法存在的处理过程复杂、占用时间、计算资源多且分析结果准确率不够理想的技术问题。

本发明实施例提供一种视频内容情感分析方法，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。

本发明实施例还提供一种视频内容情感分析装置，所述装置包括：

视频信息获取单元，用于获取待情感分析的视频信息；

图像及声音特征向量提取单元，用于提取所述视频信息的图像特征向量和声音特征向量；

重要图像特征向量确定单元，用于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；

情感分析单元，用于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。

本发明实施例还提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如上述所述视频内容情感分析方法的步骤

本发明实施例还提供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计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如上述所述视频内容情感分析方法的步骤。