[发明专利]视频片段定位方法、装置、计算机设备及存储介质

权利要求书

1.一种视频片段定位方法，其特征在于，所述方法包括：

对视频中视频片段所包括的至少两个视频单元进行特征提取，得到所述至少两个视频单元的单元特征；

基于所述至少两个视频片段所包括视频单元的单元特征，确定所述至少两个视频片段的初始片段特征；

对所述至少两个视频片段的初始片段特征进行采样，得到所述至少两个视频片段的片段特征，所述至少两个视频片段的片段特征的维度相同；

获取目标文本的文本特征；

基于所述至少两个视频片段的片段特征以及所述至少两个视频片段在所述视频中的位置信息，构造所述视频对应的第一特征矩阵；

基于所述第一特征矩阵的维度，对所述文本特征进行维度扩展，得到扩展矩阵，所述扩展矩阵的维度与所述第一特征矩阵的维度相同；

将所述第一特征矩阵与所述扩展矩阵中相同位置的元素相乘，得到中间特征矩阵；

对所述中间特征矩阵进行池化处理，得到第二特征矩阵，所述第二特征矩阵中的一个特征用于表示一个视频片段的融合片段特征；

基于所述至少两个视频片段的融合片段特征，得到所述至少两个视频片段的第一注意力权重，所述第一注意力权重用于指示视频片段与所述目标文本之间的匹配度；

从所述至少两个视频片段中，获取与所述目标文本之间的匹配度满足参考条件的视频片段，作为目标视频片段；

基于所述目标视频片段的起始时刻，在所述视频的播放界面中，从当前播放时刻跳转至所述目标视频片段的起始时刻，以播放所述目标视频片段；或者，显示影片集的链接，所述影片集基于多个视频的所述目标视频片段得到。

2.根据权利要求1所述的方法，其特征在于，所述对所述至少两个视频片段的初始片段特征进行采样，得到所述至少两个视频片段的片段特征，包括：

基于所述视频片段的时长，确定所述视频片段对应的采样时刻，每个视频片段对应的采样时刻的数目相同；

基于所述视频片段对应的采样时刻，对所述视频片段的初始片段特征进行采样，得到所述视频片段的片段特征。

3.根据权利要求2所述的方法，其特征在于，所述基于所述视频片段对应的采样时刻，对所述视频片段的初始片段特征进行采样，得到所述视频片段的片段特征，包括：

基于所述至少两个视频片段对应的采样时刻以及所述至少两个视频片段在所述视频中的位置信息，构造采样矩阵；

将所述采样矩阵与所述至少两个视频片段的初始片段特征相乘，得到采样特征矩阵，所述采样特征矩阵中的一个特征用于表示一个视频片段的采样特征；

对所述至少两个视频片段的采样特征进行降维处理，得到所述至少两个视频片段的片段特征。

4.根据权利要求1所述的方法，其特征在于，所述基于所述至少两个视频片段的融合片段特征，得到所述至少两个视频片段的第一注意力权重，包括：

对所述第二特征矩阵进行至少一次卷积运算，得到第一注意力矩阵，所述第一注意力矩阵中的一个元素用于表示一个视频片段的所述第一注意力权重。

5.根据权利要求1所述的方法，其特征在于，所述从所述至少两个视频片段中，获取与所述目标文本之间的匹配度满足参考条件的视频片段，作为目标视频片段之前，所述方法还包括：

获取所述至少两个视频单元的第二注意力权重，所述第二注意力权重用于指示视频单元与所述目标文本之间的匹配度；

基于所述至少两个视频片段所包括的视频单元以及所述至少两个视频单元的第二注意力权重，对所述至少两个视频片段的第一注意力权重进行调整。

6.根据权利要求5所述的方法，其特征在于，所述获取所述至少两个视频单元的第二注意力权重，包括：

将所述至少两个视频单元的单元特征分别与所述目标文本的文本特征进行融合，得到所述至少两个视频单元的融合单元特征；

基于所述至少两个视频单元的融合单元特征，得到所述至少两个视频单元的第二注意力权重。