[发明专利]一种视频检测方法及装置

权利要求书

1.一种视频检测方法，其特征在于，所述方法包括：

基于待检测视频中相邻帧图像的相似度，将所述待检测视频分割成多个子段视频；

分别对各个子段视频进行图像检测、文本检测和话音关键词检测，得到各个子段视频的图像检测结果、各个子段视频的文本检测结果和各个子段视频的话音检测结果，其中所述图像检测结果用于指示基于图像检测得到的子段视频的检测结果，所述文本检测结果用于指示基于文本检测得到的子段视频的检测结果，所述话音检测结果用于指示基于话音关键词检测得到的子段视频的检测结果；

基于各个子段视频的图像检测结果、各个子段视频的文本检测结果和各个子段视频的话音检测结果，得到相应子段视频的检测结果；

基于各个子段视频的检测结果，得到所述待检测视频的检测结果。

2.根据权利要求1所述的方法，其特征在于，所述基于各个子段视频的图像检测结果、各个子段视频的文本检测结果和各个子段视频的话音检测结果，得到相应子段视频的检测结果，包括：

当子段视频的图像检测结果、子段视频的文本检测结果和子段视频的话音检测结果中任意一项检测结果指示检测到目标对象，且目标对象的等级为一级时，得到指示所述子段视频为不良视频子段的检测结果；

当子段视频的图像检测结果、子段视频的文本检测结果和子段视频的话音检测结果中至少两项检测结果指示检测到目标对象，且目标对象的等级为二级时，得到指示所述子段视频为不良视频子段的检测结果，其中所述二级的重要程度小于所述一级的重要程度；

当子段视频的图像检测结果、子段视频的文本检测结果和子段视频的话音检测结果中任意一项检测结果指示检测到目标对象，且目标对象的等级为二级时，得到指示所述子段视频为疑似不良视频子段的检测结果。

3.根据权利要求2所述的方法，其特征在于，所述基于各个子段视频的检测结果，得到所述待检测视频的检测结果，包括：

基于所述检测结果，得到为不良视频子段的第一子段视频数量以及疑似不良视频字段的第二子段视频数量；

当所述第一子段视频数量与子段视频总数的比例大于第一阈值时，得到指示所述待检测视频为不良视频的检测结果；

当所述第二子段视频数量与所述子段视频总数的比例大于第二阈值时，得到指示所述待检测视频为不良视频的检测结果，其中所述第一阈值小于第二阈值。

4.根据权利要求1所述的方法，其特征在于，对子段视频进行图像检测，得到子段视频的图像检测结果，包括：

提取所述子段视频中每帧图像的检测区域的视觉特征；

将所提取的视觉特征与预先建立的图像对象模型进行匹配分析，以得到所述每帧图像中的不良对象和所述不良对象的等级，其中所述图像检测结果包括所述每帧图像中的不良对象和所述不良对象的等级。

5.根据权利要求1所述的方法，其特征在于，对子段视频进行文本检测，得到子段视频的文本检测结果，包括：

确定所述子段视频中每帧图像中的文本区域；

对所确定的文本区域进行文本识别，得到所述文本区域包括的文本；

将得到的文本与预先建立的文本库进行匹配，以得到所述每帧图像中的不良文本和所述不良文本的等级，其中所述文本检测结果包括所述每帧图像中的不良文本和所述不良文本的等级。

6.根据权利要求1所述的方法，其特征在于，对子段视频进行话音检测，得到子段视频的话音检测结果，包括：

提取所述子段视频中的音频数据，并获得所述音频数据的语音特征序列；

将所获得的语音特征序列与预先建立的话音库中各个关键词的语音特征序列进行比对，得到所获得的语音特征序列与各个关键词的语音特征序列之间的距离；

当所获得的语音特征序列与任意一个关键词的语音特征序列之间的距离的取值小于距离阈值时，确定所述子段视频中包括不良话音；

获得距离的取值小于距离阈值的所述关键词，并基于所述关键词所在等级确定不良话音的等级，所述话音检测结果包括所述不良话音和所述不良话音的等级。