[发明专利]视频筛选方法、视频筛选装置及终端设备

权利要求书

1.一种视频筛选方法，其特征在于，包括：

基于视频训练集，对第一分类模型进行训练，获得训练完成的第一分类模型，其中，所述视频训练集中包括多个基础视频，以及各个所述基础视频所分别对应的拓展视频，每一个所述拓展视频根据对应的基础视频而得到；

针对多个所述基础视频和多个所述拓展视频中的每一个视频，将所述视频输入所述训练完成的第一分类模型，获得所述训练完成的第一分类模型针对所述视频得到的特征向量；

根据所述视频训练集中的各个视频所分别对应的特征向量，从所述视频训练集中，筛选出目标视频。

2.如权利要求1所述的视频筛选方法，其特征在于，在基于视频训练集，对第一分类模型进行训练之前，包括：

针对每一个基础视频，以预设采样率对所述基础视频进行采样，获得所述基础视频对应的部分或全部的拓展视频，其中，若采样获得的拓展视频的数量为两个以上，则，采样获得的各个拓展视频在所述基础视频中所分别对应的起始采样帧不同。

3.如权利要求1所述的视频筛选方法，其特征在于，在基于视频训练集，对第一分类模型进行训练之前，包括：

针对每一个基础视频，对所述基础视频的各个视频帧中的指定图像区域进行图像提取，获得所述基础视频对应的部分或全部的拓展视频，其中，若图像提取获得的拓展视频的个数为两个以上，则，图像提取获得的各个拓展视频在所述基础视频中所分别对应的指定图像区域不同。

4.如权利要求1所述的视频筛选方法，其特征在于，在基于视频训练集，对第一分类模型进行训练之前，包括：

针对每一个基础视频，向所述基础视频中的每一视频帧添加指定噪声，获得所述基础视频对应的部分或全部的拓展视频，其中，若添加指定噪声获得的拓展视频的数量为两个以上，则，添加指定噪声获得的各个拓展视频所分别对应的指定噪声不同。

5.如权利要求1所述的视频筛选方法，其特征在于，所述基于视频训练集，对第一分类模型进行训练，获得训练完成的第一分类模型，包括：

在每一次迭代训练中，从所述视频训练集中随机获取第一视频和第二视频；

将所述第一视频输入所述第一分类模型，将所述第二视频输入第三分类模型，并获取所述第一分类模型针对所述第一视频得到的第一训练结果以及获取所述第三分类模型针对所述第二视频得到的第二训练结果，其中，所述第三分类模型的结构与所述第一分类模型的结构相同；

基于所述第一训练结果和所述第二训练结果，根据预设损失函数得到当前损失值，并判断所述当前损失值是否符合预设条件；

若所述当前损失值符合预设条件，则将所述第一分类模型作为训练完成的第一分类模型；

若所述当前损失值不符合预设条件，则根据所述第一训练结果和所述第二训练结果对所述第一分类模型进行更新，并根据更新后的所述第一分类模型，执行下一次迭代训练。

6.如权利要求5所述的视频筛选方法，其特征在于，所述预设损失函数包括关于所述第一分类模型的第一分类损失函数、关于所述第三分类模型的第二分类损失函数，以及所述第一分类模型与所述第三分类模型之间的相似性损失函数；

所述第一训练结果包括所述第一分类模型中的指定中间层针对所述第一视频输出的第一特征向量，还包括所述第一分类模型对所述第一视频的第一分类结果；

所述第二训练结果包括所述第三分类模型中的指定中间层针对所述第二视频输出的第二特征向量，还包括所述第三分类模型对所述第二视频的第二分类结果；

所述基于所述第一训练结果和所述第二训练结果，根据预设损失函数得到当前损失值，并判断所述当前损失值是否符合预设条件，包括：

根据所述第一特征向量、所述第二特征向量和所述相似性损失函数，计算第一损失值；

根据所述第一分类结果和所述第一分类损失函数，计算第二损失值；

根据所述第二分类结果和所述第二分类损失函数，计算第三损失值；

根据所述第一损失值、第二损失值和第三损失值，计算所述当前损失值；

确定所述当前损失值是否符合预设条件。