[发明专利]视频文件的结构检测方法、装置

权利要求书

1.一种视频文件的结构检测方法，其特征在于，所述方法包括：

从视频文件中提取包括端点视频帧的候选片段；

对所述候选片段中的多个视频帧进行光学字符识别，得到每个所述视频帧的关键词识别结果；

通过机器学习模型对每个所述视频帧提取图像特征，并基于每个所述视频帧的图像特征预测每个所述视频帧属于端点片段的概率；

将第一片首时间戳与第二片首时间戳中较大的时间戳作为片首时间戳，将第一片尾时间戳与第二片尾时间戳中较小的时间戳作为片尾时间戳；其中，所述第一片首时间戳是片首候选片段具有所述关键词识别结果的所述视频帧中时间戳最大的视频帧，所述第一片尾时间戳是片尾候选片段的具有所述关键词识别结果的所述视频帧中时间戳最小的视频帧；所述第二片首时间戳是片首概率最大且超过第一概率阈值的视频帧所对应的时间戳，所述第二片尾时间戳是片尾概率最大且超过第二概率阈值的视频帧所对应的时间戳；

将所述片首时间戳对应的视频帧作为片首末帧，将所述片尾时间戳对应的视频帧作为片尾首帧；

基于所述端点视频帧和分界视频帧确定所述视频文件中的所述端点片段，其中，所述分界视频帧包括所述片首末帧和所述片尾首帧。

2.根据权利要求1所述的方法，其特征在于，所述端点视频帧包括所述视频文件的视频首帧和视频末帧；所述从视频文件中提取包括端点视频帧的候选片段，包括：

当所述视频文件的时长大于片首预设时间段和片尾预设时间段的长度之和时，从所述视频文件中提取包括所述视频首帧且长度为所述片首预设时间段的片首候选片段，从所述视频文件中提取所包括所述视频末帧且长度为所述片尾预设时间段的片尾候选片段。

3.根据权利要求1所述的方法，其特征在于，所述对所述候选片段中的多个视频帧进行光学字符识别，得到每个所述视频帧的关键词识别结果，包括：

按固定时间间隔从所述候选片段中抽取多个视频帧；

对每个所述视频帧进行图像预处理，得到对应的二值化图像；

对所述二值化图像进行分割处理，得到包含多个字符的字符图像；

提取所述字符图像中多个字符的字符特征，并基于所述字符特征进行特征匹配，将匹配得到的关键词作为与所述字符图像对应的所述视频帧的关键词识别结果。

4.根据权利要求3所述的方法，其特征在于，所述基于所述字符特征进行特征匹配，将匹配得到的关键词作为与所述字符图像对应的所述视频帧的关键词识别结果，包括：

遍历关键词特征库，以将所述关键词特征库中的特征与所述字符特征进行匹配，并将匹配度最高的特征所对应的关键词作为与所述字符图像对应的所述视频帧的关键词识别结果。

5.根据权利要求2所述的方法，其特征在于，所述端点片段包括片首和片尾；所述通过机器学习模型对每个所述视频帧提取图像特征，并基于每个所述视频帧的图像特征预测每个所述视频帧属于端点片段的概率，包括：

通过所述机器学习模型对所述片首候选片段和所述片尾候选片段中的视频帧进行卷积处理，得到对应的图像特征；

对所述图像特征进行分类处理，得到所述片首候选片段中的视频帧属于所述片首的片首概率，以及所述片尾候选片段中的所述视频帧属于所述片尾的片尾概率。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

当基于每个所述视频帧的关键词识别结果、以及每个所述视频帧属于所述端点片段的概率，未从所述多个视频帧中识别出所述分界视频帧时，将所述视频首帧作为所述片首末帧，并将所述视频末帧作为所述片尾首帧。

7.根据权利要求6所述的方法，其特征在于，所述基于所述端点视频帧和所述分界视频帧确定所述视频文件中的所述端点片段，包括：

将时间戳在所述视频首帧所对应的时间戳和所述片首末帧所对应的时间戳之间的视频帧所构成的片段作为片首；

将时间戳在所述片尾首帧所对应的时间戳和所述视频末帧所对应的时间戳之间的视频帧所构成的片段作为片尾。