[发明专利]视频检测方法、装置、智能终端及计算机可读存储介质

说明书

本发明公开了一种视频检测方法、装置、智能终端及计算机可读存储介质，方法包括：获取待检测文件，待检测文件由若干个图像帧和对应的音频数据组成；根据预设的提取规则，分别提取若干个图像帧对应的初始光流特征和音频数据对应的初始声纹特征；根据初始光流特征和初始声纹特征，确定待检测文件对应的检测结果。本发明能够有效提高对存在虚假视频的筛查效率。

技术领域

本发明涉及计算机技术领域，尤其涉及一种视频检测方法、装置、智能终端及计算机可读存储介质。

背景技术

随着5G技术的发展和手机的快速迭代，越来越多的用户通过视频平台观看视频节目。为了吸引观众，部分用户会采用换脸技术、音频虚假等方式发布虚假信息，损害他人利益。常用的换脸技术有基于深度学习替换人脸的DeepFake和Face2face两种，他们的工作机制是类似与自然语言处理中的翻译模型，用深层神经网络检测原视频中人物的面部动作，然后再合成目标人物的面部信息让他们做出同样的动作。同时，视频的背景和音频保持不变，几乎可以达到肉眼很难分辨以假乱真的程度。换音频主要是通过电脑合成技术将原音频中的关键词替换掉；或者重新录制整段音频来替换原视频中的音频。

目前对于虚假视频的检测方式主要采用人工审核。而基于上述的DeepFake和Face2face技术，肉眼难以分辨视频的真假。此外，在视频平台上发布视频门槛极低，因此每一天都有大量的视频投稿涌入视频平台。以视频平台YouTube为例，每分钟大概有300个小时的视频发布到平台，这个数据已经超越了人工审核的能力范围并且还在不断增加。因此，快速并且自动化识别虚假视频的方法具有重要意义。

发明内容

本发明提供一种视频检测方法、装置、智能终端及计算机可读存储介质，旨在解决现有技术中虚假视频检测效率低的问题。

为实现上述目的，本发明提供一种视频检测方法，包括：

获取待检测文件，其中，待检测文件由若干个图像帧和对应的音频数据组成；

根据预设的提取规则，分别提取若干个图像帧对应的初始光流特征和音频数据对应的初始声纹特征；

根据初始光流特征和初始声纹特征，确定待检测文件对应的检测结果。

此外，为实现上述目的，本发明还提供一种视频检测装置，包括：

获取模块，用于获取待检测文件，待检测文件由若干个图像帧和对应的音频数据组成；

提取模块，用于根据预设的提取规则，分别提取若干个图像帧对应的光流特征和音频数据对应的声纹特征；

确定模块，用于根据光流特征和声纹特征，确定待检测文件对应的检测结果。

此外，为实现上述目的，本发明还提供一种智能终端，智能终端包括存储器、处理器及存储在存储器中并可在处理器上运行的视频检测程序，处理器执行视频检测程序时实现如上的视频检测方法的步骤。

此外，为实现上述目的，本发明还提供一种计算机可读存储介质，计算机可读存储介质存储有视频检测程序，视频检测程序被处理器执行时，实现如上的视频检测方法的步骤。

本发明提供一种视频检测方法，通过对视频文件中的图像帧进行光流特征提取得到初始光流特征，以及对视频文件中的音频数据进行声纹特征提取，得到对应的初始声纹特征，然后判断初始光流特征和初始声纹特征是否存在虚假，从而确定待检测文件对应的检测结果。虽然虚假视频和真实视频在单帧图像上差异很小，但是在单个像素的移动中会有所不同，虚假视频无法兼顾每个像素点。因此其光流特征会存在一定的异常，从而断定该视频是否为虚假视频。换音频主要是通过电脑合成技术将原音频中的关键词替换掉；或者重新录制整段音频来替换原视频中的音频，而这类音频的声纹特征存在不稳定的情形。因此基于视频文件的光流特征和声纹特征，可有效判定该视频文件是否为虚假视频。

附图说明