[发明专利]一种视频审核的方法、系统及设备

说明书

本发明实施例提供一种由计算设备运行的视频审核方法，对视频的帧进行抽样时，首先从视频中抽样出一帧作为当前帧，根据所述当前帧的特征参数确定所述当前帧的抽样间隔后，根据该抽样间隔从该视频中获取下一抽样帧。最后，确定抽样得到的帧是否为违规帧，根据所述确定结果，确定所述视频的审核结果，在节约了审核视频所需的资源的同时提高了视频审核的准确度。

技术领域

本发明涉及信息技术领域，尤其涉及一种视频审核的方法及系统。

背景技术

随着互联网技术的繁荣发展，网络上的视频也越来越多。通常情况下，出于监管的目的，需要对视频的内容进行审核，以过滤包含违规信息的视频。近年来，图像识别技术的发展，使得非人工的视频审核成为可能。通常情况下，需将视频解码为视频的帧，通过图像识别技术对帧进行识别和审核，从而实现对视频的审核。

视频往往包含大量的帧，逐帧审核所带来的运算量是庞大的。同时，视频拍摄的对象一般是连续的场景，因此视频的相邻帧通常是类似的，因此，在审核视频时可以对视频的帧进行抽样，仅审核抽样得到的帧。帧的抽样方法直接影响到视频的审核结果。

发明内容

本发明实施例提供一种视频审核的方法与系统，在对视频进行采样时，根据抽样得到的当前帧的特征参数确定当前帧的抽样间隔，提升了视频审核的准确度。

第一方面，本发明实施例提供一种由计算设备运行的视频审核方法。该方法包括：获取该视频；从该视频中选取当前帧；提取该当前帧的特征参数；根据该当前帧的特征参数确定该当前帧的抽样间隔；根据该当前帧的抽样间隔从该视频中获取下一抽样帧，该下一抽样帧和该当前帧之间间隔的帧的个数为该当前帧的抽样间隔；确定该下一抽样帧是否为违规帧；根据该确定结果，确定该视频的审核结果。

根据当前帧的图像信息动态地选择抽样间隔，避免了因固定抽样间隔而导致的资源利用率低或审核准确率低的问题。由于视频中违规帧的相邻帧一般也是违规帧，非违规帧的相邻帧一般也是非违规帧，采取动态的抽样间隔，当视频中出现大量的连续非违规帧时，可以避免抽样得到大量的非违规帧，进而避免将审核帧的资源浪费在大量非违规帧上，节约审核视频所需的资源；同时，当视频中非违规帧较多而违规帧较少时，根据帧的图像信息确定的抽样间隔也可以避免因较大的固定抽样间隔而导致无法抽样出违规帧的情况，在提高资源利用率的情况下提高了视频审核的准确度。

结合第一方面，在第一方面的第一种可能的实现方式中，该根据该当前帧的特征参数确定该当前帧的抽样间隔包括：将该当前帧的特征参数输入强化学习网络，获得该当前帧的抽样间隔，其中，该强化学习网络由训练集训练得到，该训练集包括至少一个训练视频和每个训练视频对应的先验知识，每个训练视频对应的先验知识包括该每个训练视频包括的各个帧是否为违规帧的信息。

将训练完毕的强化学习网络应用在当前帧的抽样间隔决策，可以使得抽样间隔的选取尽可能地符合视频中违规帧的分布规律，从而进一步提高资源利用率并提高视频审核的准确度。

结合第一方面，在第一方面的第二种可能的实现方式中，该获取该视频前，该方法还包括训练强化学习网络。该训练强化学习网络包括：从训练集中获取训练视频和该训练视频的先验知识，该训练视频的先验知识包括该训练视频包括的各个帧是否为违规帧的信息；提取该训练视频的第一帧的特征参数，将该第一帧的特征参数输入该强化学习网络；获取该强化学习网络根据该第一帧的特征参数输出的该第一帧的抽样间隔；根据该第一帧的抽样间隔，从该训练视频中获取该训练视频的第二帧，该训练视频中该第二帧和该第一帧之间间隔的帧的个数为该第一帧的抽样间隔；根据该训练视频的先验知识，确定该第二帧是否为违规帧；根据该确定结果生成奖励，该奖励作用于该强化学习网络。该根据该当前帧的特征参数确定该当前帧的抽样间隔包括：将该当前帧的特征参数输入该训练后的强化学习网络，获得该当前帧的抽样间隔。