[发明专利]一种视频识别方法及装置在审

专利信息
申请号: 202210618307.2 申请日: 2022-06-01
公开(公告)号: CN114926771A 公开(公告)日: 2022-08-19
发明(设计)人: 杨飞;刘亮;洪进栋;王红阳;李想 申请(专利权)人: 北京字节跳动网络技术有限公司
主分类号: G06V20/40 分类号: G06V20/40;G06V10/44;G06V10/74;G06V10/762;G06V10/764
代理公司: 北京中知法苑知识产权代理有限公司 11226 代理人: 李明
地址: 100041 北京市石景山区*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 视频 识别 方法 装置
【说明书】:

本公开提供了一种视频识别方法及装置,该方法将满足聚类条件的第一参考视频作为样本,将其对应的第二特征向量与待识别视频对应的第一特征向量进行对比,得到目标相似度,并根据目标相似度判断待识别视频是否属于目标类型的视频,由于聚类后的第一参考视频集合中的第一参考视频对应的观看用户对于喜爱的视频类型更加专一,使得该第一参考视频更能够与目标类型的视频一致,进而提高判断待识别视频是否为目标类型的视频的精确度。

技术领域

本公开涉及计算机技术领域,具体而言,涉及一种视频识别方法及装置。

背景技术

在视频类应用程序的场景下,经常需要根据用户喜好的视频类别为用户推送视频,通常,需要将多个符合标准的视频作为样本,提取其观看用户特征,与待识别视频的观看用户特征进行对比,来判断待识别视频是否符合用户喜好。然而,由于观看用户特征表示的是用户的观看行为,观看用户特征相似并不能表示视频内容相似,这样的判断方式会存在很多误判,导致视频识别的准确率降低。

发明内容

本公开实施例至少提供一种视频识别方法及装置。

第一方面,本公开实施例提供了一种视频识别方法,包括:

获取待识别视频;

获取所述待识别视频的第一特征向量;所述第一特征向量包含所述待识别视频的观看用户群体的属性特征;

获取第一参考视频集合中多个第一参考视频分别对应的第二特征向量;所述第一参考视频为目标类型的视频;所述第一参考视频集合中包括满足聚类条件的至少一个聚类类别中的多个第一参考视频,其中所述聚类类别满足聚类条件是指:所述聚类类别包括的第一参考视频的数量大于预设数量,且该聚类类别中的各个第一参考视频的第二特征向量之间的相似度大于设定阈值;

基于所述第一参考视频集合中每个第一参考视频的所述第二特征向量分别与所述第一特征向量之间的目标相似度,确定所述待识别视频是否属于所述目标类型的视频。

一种可选的实施方式中,根据以下步骤确定所述第一参考视频集合:

获取所述目标类型的多个第一参考视频的第二特征向量;

基于所述第二特征向量,对所述第一参考视频进行聚类,得到聚类成功的第一参考视频集合,所述第一参考视频集合包括满足聚类条件的至少一个聚类类别中的多个第一参考视频,其中所述聚类类别满足聚类条件是指:所述聚类类别包括的第一参考视频的数量大于预设数量,且该聚类类别中的各个第一参考视频的第二特征向量之间的相似度大于设定阈值。

一种可选的实施方式中,根据以下步骤训练所述目标密度聚类模型:

获取目标类型的多个第二参考视频的第三特征向量,以及多个训练视频样本的第四特征向量;

将所述第三特征向量分别输入至配置有不同模型参数的密度聚类模型,得到不同模型参数下聚类成功的第二参考视频集合;

针对任一所述第二参考视频集合,基于该第二参考视频集合中各个第二参考视频对应的所述第三特征向量与所述训练视频样本对应的第四特征向量之间的目标相似度,确定所述训练视频样本的测试结果;所述测试结果指示有所述训练视频样本是否属于所述目标类型的视频;

基于不同模型参数下的各个训练视频样本的测试结果及其对应的类型标签,确定所述密度聚类模型对应的目标模型参数,并将配置所述目标模型参数的密度聚类模型作为训练好的目标密度聚类模型。

一种可选的实施方式中,所述第一特征向量为所述待识别视频在达到目标展现量时的特征向量;通过以下步骤确定所述目标展现量:

获取目标类型的第三参考视频在达到多个不同的展现量时的第五特征向量;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京字节跳动网络技术有限公司,未经北京字节跳动网络技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210618307.2/2.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top