[发明专利]一种音视频质检处理方法及系统

说明书

本发明提供的一种音视频质检处理方法及系统，涉及数据处理技术领域。在本发明中，对待质检音视频数据进行数据分离处理，输出待质检视频数据和待质检音频数据；对待质检视频数据进行分帧处理及对象识别处理，输出每一帧待质检视频帧对应的对象识别信息；对待质检音频数据进行语音识别处理，输出待质检文本数据，对待质检文本数据进行质检处理，输出音频质检信息；基于每一帧待质检视频帧对应的对象识别信息和待质检音频数据对应的音频质检信息分析出待质检音视频数据对应的融合质检信息。本发明先将音视频进行分离识别质检再融合判断，提高了音视频中的文本信息、行为动作以及语音识别等质检项目的精度，进一步提高了音视频的质检效率。

技术领域

本发明涉及数据处理技术领域，具体而言，涉及一种音视频质检处理方法及系统。

背景技术

随着计算机技术和互联网技术的不断成熟，使得音视频数据的数量极具增强。其中，对于海量的音视频数据，一般会存在着部分音视频并不符合配置的条件，因此，需要对音视频进行质检，且音视频的质检在较多领域中有应用。但是，现有技术中，存在着音视频质检的可靠度不高的问题，即容易出现较多无效的音视频质检，因此，基于一定的质检需求，可能需要进行多次的音视频质检，从而导致音视频质检效率不佳。

发明内容

有鉴于此，本发明的目的在于提供一种音视频质检处理方法及系统，以在一定程度上改善音视频质检的可靠度不高的问题，有效提高了音视频质检效率。

为实现上述目的，本发明实施例采用如下技术方案：

一种音视频质检处理方法，包括：

提取到待质检音视频数据，并对所述待质检音视频数据进行数据分离处理，以输出对应的待质检视频数据和对应的待质检音频数据；

对所述待质检视频数据进行分帧处理，以输出所述待质检视频数据包括的每一帧待质检视频帧，以及，分别对每一帧所述待质检视频帧进行对象识别处理，以输出每一帧待质检视频帧对应的对象识别信息；

对所述待质检音频数据进行语音识别处理，以输出所述待质检音频数据对应的待质检文本数据，以及，对所述待质检文本数据进行质检处理，以输出所述待质检音频数据对应的音频质检信息；

基于每一帧待质检视频帧对应的对象识别信息和所述待质检音频数据对应的音频质检信息分析出所述待质检音视频数据对应的融合质检信息，所述融合质检信息用于反应所述待质检音视频数据在视频维度和音频维度两个维度整体上具有的质检信息。

在一些优选的实施例中，在上述音视频质检处理方法中，所述对所述待质检音频数据进行语音识别处理，以输出所述待质检音频数据对应的待质检文本数据，以及，对所述待质检文本数据进行质检处理，以输出所述待质检音频数据对应的音频质检信息的步骤，包括：

对所述待质检音频数据进行语音识别处理，以输出所述待质检音频数据对应的待质检文本数据；

利用目标文本数据质检神经网络，对示例性文本第一簇中的每一种音频质检信息类型对应的示例性文本进行挖掘，以挖掘出对应的示例文本深层次描述向量，所述目标文本数据质检神经网络通过对所述示例性文本第一簇进行学习以形成，所述示例性文本第一簇包括各自属于多种音频质检信息类型中的每一种音频质检信息类型对应的示例性文本；

对所述目标文本数据质检神经网络加载待质检文本数据，利用所述目标文本数据质检神经网络，挖掘到所述待质检文本数据对应的待质检文本深层次描述向量；

确定出每一个所述示例文本深层次描述向量对应的初始描述向量组合，所述初始描述向量组合包括所述示例文本深层次描述向量和所述待质检文本深层次描述向量；