[发明专利]确定目标视频的标签的方法、装置、计算设备及存储介质

权利要求书

1.一种确定目标视频的标签的方法，其特征在于，所述方法包括：

确定所述目标视频的特征向量；

基于所述目标视频的特征向量与至少一个已有视频的特征向量，从所述至少一个已有视频中确定所述目标视频的相似视频，其中所述相似视频与所述目标视频的相似度大于预设相似度阈值，并且每个所述至少一个已有视频具有至少一个标签；

基于所述相似视频的标签，确定所述目标视频的标签。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

确定所述至少一个已有视频的特征向量，其中确定所述目标视频的特征向量的方式与确定所述至少一个已有视频的特征向量的方式相同。

3.根据权利要求1所述的方法，其特征在于，确定所述目标视频的特征向量包括：

确定所述目标视频的至少一种模态数据的全局特征向量；

基于所述至少一种模态数据的全局特征向量确定所述目标视频的特征向量。

4.根据权利要求3所述的方法，其特征在于，所述至少一种模态数据包括所述目标视频的图像数据、音频数据和文本数据中的至少一种，并且确定所述目标视频的至少一种模态数据的全局特征向量包括：

确定所述图像数据的全局特征向量、确定所述音频数据的全局特征向量和确定所述文本数据的全局特征向量中的至少一个；

其中，基于所述至少一种模态数据的全局特征向量确定所述目标视频的特征向量包括：

基于所述图像数据的全局特征向量、所述音频数据的全局特征向量和所述文本数据的全局特征向量中的至少一种确定所述目标视频的特征向量。

5.根据权利要求4所述的方法，其特征在于，所述图像数据包括所述目标视频的图像流，并且确定所述图像数据的全局特征向量包括：

从所述图像流的各图像帧中识别出场景特征并基于所述场景特征得到所述图像流的场景全局特征向量；

从所述图像流的各图像帧中识别出对象特征并基于所述对象特征得到所述图像流的对象全局特征向量；

从所述图像流的各图像帧中识别出人脸特征并基于所述人脸特征得到所述图像流的人脸全局特征向量；

基于所述场景全局特征向量、所述对象全局特征向量和所述人脸全局特征向量，得到所述图像数据的全局特征向量。

6.根据权利要求5所述的方法，其特征在于，从所述图像流的各图像帧中识别出场景特征并基于所述场景特征得到所述图像流的场景全局特征向量包括：

基于所述场景特征将所述图像流分割为多个镜头片段；

基于每个所述多个镜头片段的各图像帧的场景特征，得到所述多个镜头片段各自的场景镜头特征向量；

基于每个所述镜头片段在所述图像流中的时长占比对所述场景镜头特征向量加权；

基于已加权的所述场景镜头特征向量得到所述场景全局特征向量。

7.根据权利要求6所述的方法，其特征在于，从所述图像流的各图像帧中识别出对象特征并基于所述对象特征得到所述图像流的对象全局特征向量包括：

基于每个所述多个镜头片段的各图像帧的对象特征，得到所述多个镜头片段各自的对象镜头特征向量；

基于每个所述镜头片段在所述图像流中的时长占比对所述对象镜头特征向量加权；

基于已加权的所述对象镜头特征向量得到所述对象全局特征向量。

8.根据权利要求6所述的方法，其特征在于，从所述图像流的各图像帧中识别出人脸特征并基于所述人脸特征得到所述图像流的人脸全局特征向量包括：

基于每个所述多个镜头片段的各图像帧的人脸特征，得到所述多个镜头片段各自的人脸镜头特征向量；

基于每个所述镜头片段在所述图像流中的时长占比对所述人脸镜头特征向量加权；

基于已加权的所述人脸镜头特征向量得到所述人脸全局特征向量。

9.根据权利要求6所述的方法，其特征在于，基于所述场景特征将所述图像流分割为多个镜头片段包括：

基于所述图像流中每相邻两个图像帧之间的差异，将所述图像流分割为所述多个镜头片段。