[发明专利]一种短视频情感类别的识别装置

权利要求书

1.一种短视频情感类别的识别装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上执行的计算机程序，其特征在于，所述存储器中存有基于多元线性回归模型构建情感效价模型和情感激励模型、包含各情感类别坐标中心的集合，所述处理器执行所述计算机程序时实现以下步骤：

(1)获取待识别的目标短视频，划分目标短视频为多个镜头片段，提取每个镜头片段的帧画面特征，提取目标短视频的镜头特征和动态特征；其中，镜头特征的提取过程为：提取镜头片段的镜头长度，根据目标短视频对应的所有镜头片段的镜头长度计算目标短视频的镜头平均长度、镜头切换频率，以镜头平均长度、镜头切换频率作为镜头特征；

动态特征的提取过程为：提取目标短视频的相邻采样帧，并计算相邻采样帧的画面特征差值，得到每个相邻采样帧之间的动态特征，将所有的相邻采样帧之间的动态特征取平均值作为目标短视频的第一动态特征；以等距离帧数为间隔提取镜头片段的采样帧，采用光流法和视觉兴奋度算法计算前后两个采样帧之间的动态特征，将所有的前后两个采样帧之间的动态特征取平均值作为目标短视频的第二动态特征；所述第一动态特征和所述第二动态特征组成目标短视频的动态特征；

(2)调用所述情感效价模型对输入的所述帧画面特征进行计算，输出目标短视频的情感效价值；

(3)调用所述情感激励模型对输入的由所述帧画面特征、镜头特征、动态特征组成的组合特征进行计算，输出目标短视频的情感激励值；

(4)计算由所述情感效价值与所述情感激励值构建的V-A情感空间与各情感类别坐标中心的欧式距离，依据所述欧式距离确定该目标短视频的情感类别，包括：

以所述欧式距离的倒数作为匹配程度，每个情感类别对应的匹配程度与所有匹配程度之和的比值作为为目标短视频在情感类别下的概率，筛选概率最大的情感类别确定为目标短视频的情感类别。

2.如权利要求1所述的短视频情感类别的识别装置，其特征在于，划分目标短视频的过程为：

采用感知哈希算法中的dHASH算法计算两帧画面之间的差异度，根据该差异度与设定阈值的大小，将目标短视频为多个镜头片段。

3.如权利要求1所述的短视频情感类别的识别装置，其特征在于，镜头片段的帧画面特征的提取过程为：

以等距离帧数为间隔提取镜头片段的采样帧，并提取采样帧的画面特征信息，该画面特征信息有和颜色相关的色彩丰富度、色彩冷暖度、颜色轻重度、颜色活跃度、颜色柔和度、暗色比例、亮色比例、颜色饱和度、颜色能量、颜色方差特征，以及和纹理相关的灰度共生矩阵的对比度、同质性、能量特征；

对镜头片段对应的所有采样帧的画面特征取平均值，以该平均值作为镜头片段的帧画面特征。

4.如权利要求1所述的短视频情感类别的识别装置，其特征在于，所述各情感类别坐标中心的构建过程为：

采集短视频的情感类别、情感效价值和情感激励值；

针对每类情感类别，筛选出该情感类别下的所有短视频，根据短视频的情感效价值和情感激励值，分别计算该情感类别视频的情感效价值的平均值和情感激励值的平均值，作为该情感类别在由情感效价值和情感激励值构成的V-A空间的坐标中心。

5.如权利要求4所述的短视频情感类别的识别装置，其特征在于，短视频的情感类别、情感效价值和情感激励值的采集过程为：

收集目标情感类别对应的短视频，对收集的短视频进行众包标注，志愿者观看短视频后填写情感调查问卷，通过问卷统计出每个短视频的情感效价值、情感激励值以及情感类别。

6.如权利要求1所述的短视频情感类别的识别装置，其特征在于，所述情感效价模型的构建方法为：

以镜头片段的帧画面特征和镜头片段所在短视频的情感效价值作为一个样本，组成情感效价模型的样本集，根据帧画面特征和情感效价值构建元线性回归模型，利用情感效价模型的样本集，采用XGBoost算法训练该元线性回归模型，确定模型参数，以获得的情感效价模型。

7.如权利要求1所述的短视频情感类别的识别装置，其特征在于，所述情感激励模型的构建方法为：

以镜头片段的帧画面特征，短视频的镜头特征和动态特征以及短视频的情感激励值作为一个样本，组成情感激励模型的样本集，根据帧画面特征，短视频的镜头特征和动态特征以及情感激励值构建元线性回归模型，利用情感激励模型的样本集，采用XGBoost算法训练该元线性回归模型，确定模型参数，以获得的情感激励模型。