[发明专利]一种视频数据编辑识别方法、装置、智能终端及存储介质

权利要求书

1.一种视频数据编辑识别方法，其特征在于，所述方法包括：

获取待识别视频数据；

将所述待识别视频数据输入训练后的特征模型，得到分类结果；根据所述分类结果识别出视频数据是否被编辑；所述特征模型是基于灰度共生矩阵构造得到的；

所述特征模型训练过程，包括：

获取视频数据，对所述视频数据进行预处理，得到训练数据集和检测数据集；

利用所述特征模型对所述训练数据集中的训练数据进行特征提取；将由同类视频编辑软件处理的训练数据提取的特征构建为同类视频特征集；

将构建得到的不同类的视频特征集，两两训练成二分类器；利用所述训练数据集对所述二分类器进行训练，得到训练后的特征模型；

所述对所述视频数据进行预处理，得到训练数据集和检测数据集，包括：

将所述视频数据导入视频编辑软件，得到被编辑视频数据；所述被编辑视频数据包括，第一被编辑视频数据以及第二被编辑视频数据；

将所述第一被编辑视频数据以及部分所述视频数据集合构成训练数据集；

将所述第二被编辑视频数据以及部分所述视频数据集合构成检测数据集；

所述训练数据进行特征提取，包括：

将所述训练数据集中的每个视频展开成视频帧，所述视频帧以便携灰度模式图像保存；

对每个所述视频帧利用所述特征模型进行特征提取，构成多维特征，并将由同类视频编辑软件处理的训练数据提取多维特征构建为同类视频特征集；

所述将所述待识别视频数据输入所述训练后的特征模型，得到分类结果，包括：

将所述待识别视频数据换为便携灰度模式的视频帧；

利用所述特征模型提取每个所述视频帧的特征，每个所述视频帧通过二分类器进行分类，得到分类结果。

2.根据权利要求1所述的视频数据编辑识别方法，其特征在于，所述二分类器为集合分类器。

3.根据权利要求1所述的视频数据编辑识别方法，其特征在于，所述特征模型为基于灰度共生矩阵的空间丰富模型进行降维，得到的603维特征模型。

4.一种视频数据编辑识别装置，其特征在于，所述装置包括：

获取单元，用于获取待识别视频数据；

分类识别单元，用于将所述待识别视频数据输入训练后的特征模型，得到分类结果；根据所述分类结果识别出视频数据是否被编辑；所述特征模型是基于灰度共生矩阵构造得到的；

所述特征模型训练过程，包括：

获取视频数据，对所述视频数据进行预处理，得到训练数据集和检测数据集；

利用所述特征模型对所述训练数据集中的训练数据进行特征提取；将由同类视频编辑软件处理的训练数据提取的特征构建为同类视频特征集；

将构建得到的不同类的视频特征集，两两训练成二分类器；利用所述训练数据集对所述二分类器进行训练，得到训练后的特征模型；

所述对所述视频数据进行预处理，得到训练数据集和检测数据集，包括：

将所述视频数据导入视频编辑软件，得到被编辑视频数据；所述被编辑视频数据包括，第一被编辑视频数据以及第二被编辑视频数据；

将所述第一被编辑视频数据以及部分所述视频数据集合构成训练数据集；

将所述第二被编辑视频数据以及部分所述视频数据集合构成检测数据集；

所述训练数据进行特征提取，包括：

将所述训练数据集中的每个视频展开成视频帧，所述视频帧以便携灰度模式图像保存；

对每个所述视频帧利用所述特征模型进行特征提取，构成多维特征，并将由同类视频编辑软件处理的训练数据提取多维特征构建为同类视频特征集；

所述将所述待识别视频数据输入所述训练后的特征模型，得到分类结果，包括：

将所述待识别视频数据换为便携灰度模式的视频帧；

利用所述特征模型提取每个所述视频帧的特征，每个所述视频帧通过二分类器进行分类，得到分类结果。

5.一种智能终端，其特征在于，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于执行如权利要求1-3中任意一项所述的方法。

6.一种非临时性计算机可读存储介质，其特征在于，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如权利要求1-3中任意一项所述的方法。