[发明专利]视频数据的欺诈检测方法、装置、计算机设备和存储介质

权利要求书

1.一种视频数据的欺诈检测方法，所述方法包括：

获取待检测视频数据；

从所述待检测视频数据中提取出各视频帧的图像数据，按照各所述视频帧的时间序列将所述图像数据划分为多个图像数据集，所述图像数据集包含连续视频帧对应的图像数据；

将各所述图像数据集输入至预先训练好的图像特征提取模型中，得到图像特征向量；

从所述待检测视频数据中提取语音数据，并获取语音数据的语音特征向量；

对所述图像特征向量以及所述语音特征向量进行级联拼接，得到多模态特征向量；

将所述多模态特征向量输入预先训练好的欺诈检测模型，得到所述欺诈检测模型输出的所述待检测视频数据对应的欺诈检测结果。

2.根据权利要求1所述的方法，其特征在于，所述语音数据包括音频数据；

所述获取语音数据的语音特征向量的步骤，包括：

以预设步长以及预设窗口长度获取所述音频数据的分帧数据；

对各所述分帧数据进行傅里叶分析获取梅尔频谱数据；

对所述梅尔频谱数据进行倒谱分析，得到音频特征向量。

3.根据权利要求1所述的方法，其特征在于，所述语音数据包括文本数据；

所述获取语音数据的语音特征向量的步骤，包括：

对所述文本数据进行分句处理得到句子文本，并对各所述句子文本进行分词处理，得到句子中的词序列；

利用预设词向量模型获取各所述词序列的词向量，根据所述句子文本中各个词序列对应的词向量，获取所述句子文本的文本特征向量。

4.根据权利要求1所述的方法，其特征在于，所述获取待检测视频数据的步骤，包括：

获取视频数据，将所述视频数据切分为多个数据长度为预设视频长度的视频片段数据，将所述视频片段数据确定为待检测视频数据；

所述得到所述欺诈检测模型输出的所述待检测视频数据对应的欺诈检测结果的步骤之后，还包括：

根据各所述视频片段数据的欺诈检测结果，确定所述视频数据的欺诈检测结果。

5.根据权利要求1所述的方法，其特征在于，所述将各所述图像数据集输入至预先训练好的图像特征提取模型中的步骤之前，包括：

获取视频样本，其中所述视频样本包括视频样本数据以及欺诈标签；

提取所述视频样本数据中的各视频帧的图像样本数据；

将所述图像样本数据以及所述欺诈标签输入至3D卷积神经网络模型中，对3D卷积神经网络模型进行训练；

将训练后得到的3D卷积神经网络模型确定为图像特征提取模型。

6.根据权利要求5所述的方法，其特征在于，所述将各所述图像数据集输入至预先训练好的图像特征提取模型中的步骤之前，还包括：

从所述视频样本提取语音样本，并获取提取语音样本的语音样本特征向量；

将语音样本特征向量以及样本图像特征向量进行合并，得到样本视频特征向量；

根据所述样本视频特征向量以及所述视频样本对应的欺诈标签，对机器学习模型进行训练，获取训练后的机器学习模型作为欺诈检测模型。

7.一种视频数据的欺诈检测装置，其特征在于，所述装置包括：

视频数据获取模块，用于获取待检测视频数据；

图像数据获取模块，用于从所述待检测视频数据中提取出各视频帧的图像数据，按照各所述视频帧的时间序列将所述图像数据划分为多个图像数据集，所述图像数据集包含连续视频帧对应的图像数据；

图像特征获取模块，用于将各所述图像数据集输入至预先训练好的图像特征提取模型中，得到图像特征向量；

语音特征获取模块，用于从所述待检测视频数据中提取语音数据，并获取语音数据的语音特征向量；

特征合并模块，用于对所述图像特征向量以及所述语音特征向量进行级联拼接，得到多模态特征向量；

检测结果获取模块，用于将所述多模态特征向量输入预先训练好的欺诈检测模型，得到所述欺诈检测模型输出的所述待检测视频数据对应的欺诈检测结果。