[发明专利]一种视频循环识别方法、装置、计算机设备及存储介质

说明书

本申请实施例公开了一种视频循环识别方法、装置、计算机设备及存储介质，包括：获取待识别视频的目标视频片段对，确定第一目标编码特征和第二目标编码特征；获取目标网络模型；将第一目标编码特征输入至与第一模态信息相关联的第一目标序列模型，通过第一序列表征学习层和第一相似度度量层，输出目标视频片段对的第一目标相似结果；将第二目标编码特征输入至与第二模态信息相关联的第二目标序列模型，通过第二序列表征学习层和第二相似度度量层，输出目标视频片段对的第二目标相似结果；将第一目标相似结果和第二目标相似结果进行比对，得到目标视频片段对的循环比对结果。采用本申请实施例，可以提高视频循环识别的准确率。

技术领域

本申请涉及计算机技术领域，尤其涉及一种视频循环识别方法、装置、计算机设备及存储介质。

背景技术

轮播识别是指对不断重复的某一视频片段的视频循环识别，以提高视频质量。若将现有的图像识别技术应用于视频循环识别的过程，则具有图像识别功能的计算机设备在提取到某一待识别视频的每一视频帧的图像特征时，可以将每一视频帧的图像特征分别与后续视频帧的图像特征进行逐帧匹配，以根据统计到的重复帧的数量比例来判断重复的视频片段。发明人发现一旦基于统计到的重复帧的数量比例来进行视频循环识别，这将导致该计算机设备会误将关系错乱的重复视频帧判决为循环视频帧，以至于不支持视频剪辑等应用场景。此外，这种视频循环识别方案在不同视频帧的比对过程中，仅关注参与比对的两个图像帧之间的图像特征是否匹配，而并未充分利用整个视频信息，从而降低了视频循环识别的准确率。

发明内容

本申请实施例提供一种视频循环识别方法、装置、计算机设备及存储介质，可以提高视频循环识别的准确率。

本申请实施例一方面提供一种视频循环识别方法，包括：

获取待识别视频的目标视频片段对，确定目标视频片段对的第一目标编码特征和第二目标编码特征；第一目标编码特征所对应的第一模态信息不同于第二目标编码特征所对应的第二模态信息；

获取用于对待识别视频进行循环识别的目标网络模型；目标网络模型包括与第一模态信息相关联的第一目标序列模型和与第二模态信息相关联的第二目标序列模型；第一目标序列模型包括第一序列表征学习层和第一相似度度量层；第二目标序列模型包括第二序列表征学习层和第二相似度度量层；

将第一目标编码特征输入至第一目标序列模型，通过第一序列表征学习层对第一目标编码特征进行序列特征学习，将序列特征学习到的第一目标学习特征输入至第一相似度度量层，由第一相似度度量层输出目标视频片段对的第一目标相似结果；

将第二目标编码特征输入至第二目标序列模型，通过第二序列表征学习层对第二目标编码特征进行序列特征学习，将序列特征学习到的第二目标学习特征输入至第二相似度度量层，由第二相似度度量层输出目标视频片段对的第二目标相似结果；

将第一目标相似结果和第二目标相似结果进行比对，得到目标视频片段对的循环比对结果；循环比对结果用于指示待识别视频的视频类型。

本申请实施例一方面提供一种视频循环识别装置，包括：

目标编码特征获取模块，用于获取待识别视频的目标视频片段对，确定目标视频片段对的第一目标编码特征和第二目标编码特征；第一目标编码特征所对应的第一模态信息不同于第二目标编码特征所对应的第二模态信息；

目标网络模型获取模块，用于获取用于对待识别视频进行循环识别的目标网络模型；目标网络模型包括与第一模态信息相关联的第一目标序列模型和与第二模态信息相关联的第二目标序列模型；第一目标序列模型包括第一序列表征学习层和第一相似度度量层；第二目标序列模型包括第二序列表征学习层和第二相似度度量层；