[发明专利]媒体内容相似度的检测方法和装置

权利要求书

1.媒体内容相似度的检测方法，包括：

对目标媒体内容进行采样，得到基础帧数据；

根据所述基础帧数据，确定目标媒体内容中的各个关键帧；

确定参考媒体内容；

得到预先确定的参考媒体内容中的各个关键帧；

针对目标媒体内容的每一个关键帧，计算该关键帧与参考媒体内容中各个关键帧的各帧间相似度；

根据计算出的各帧间相似度，确定目标媒体内容与参考媒体内容的整体相似度。

2.根据权利要求1所述的方法，其中，所述确定参考媒体内容包括：

得到所述目标媒体内容的至少两帧对应的至少两个特征向量；

从媒体内容数据库中获取与所述目标媒体内容的至少两个特征向量相似的特征向量的检索结果；

基于所述特征向量的检索结果，从媒体内容数据库中确定与所述目标媒体内容相似的参考媒体内容。

3.根据权利要求1所述的方法，所述根据所述基础帧数据确定目标媒体内容中的各个关键帧，包括：

将每一个基础帧数据转换为预定大小的二维的小图；

按照各个基础帧数据的时序顺序，将转换出的各个小图依次进行拼接，得到二维拼接图；

将所述二维拼接图输入预先训练的分类网络中；

根据所述分类网络的输出，得到目标媒体内容中的各个关键帧的信息。

4.根据权利要求3所述的方法，所述目标媒体内容中的各个关键帧的信息包括：第一关键帧置信度矩阵，该第一关键帧置信度矩阵中的向量值为0或1，一个向量的向量值为0则表征该向量对应的时序位置上的帧不是关键帧，一个向量的向量值为1则表征该向量对应的时序位置上的帧是关键帧。

5.根据权利要求4所述的方法，其中，所述分类网络的训练方法包括：

利用至少两个样本媒体内容执行至少两轮分类网络的训练，每一轮的训练包括：将由一个样本媒体内容的各基础帧拼接成的样本二维拼接图输入分类网络，使得该分类网络输出一个第二关键帧置信度矩阵；该第二关键帧置信度矩阵中的向量值为从0至1中的一个值，一个向量的值越大则表征该向量对应的时序位置上的帧为关键帧的置信度越高。

6.根据权利要求5所述的方法，其中，所述分类网络的训练方法进一步包括：

将针对第一样本媒体内容和第二样本媒体内容得到的两个第二关键帧置信度矩阵均转换为各关键帧置信度向量；

将针对一个第二关键帧置信度矩阵得到的每一个关键帧置信度向量与针对另一个第二关键帧置信度矩阵得到的每一个关键帧置信度向量两两匹配相乘，得到第三关键帧置信度矩阵；

利用由深度学习检测模型输出的所述第一样本媒体内容和所述第二样本媒体内容之间的相似帧位置及所述第三关键帧置信度矩阵，调整所述分类网络的损失函数。

7.根据权利要求6所述的方法，其中，在所述两两匹配相乘之后，并在得到第三关键帧置信度矩阵之前，进一步包括：对于所述两两匹配相乘后得到的初级矩阵，将该初级矩阵中每隔设定个数位置处的向量值置为1，得到所述第三关键帧置信度矩阵。

8.根据权利要求6所述的方法，其中，所述深度学习检测模型的训练方法，包括：

计算所述第一样本媒体内容的每一帧的特征向量与所述第二样本媒体内容的每一帧的特征向量的相似度，得到相似度矩阵；

将所述第三关键帧置信度矩阵与所述相似度矩阵相乘，得到加权后的相似度矩阵；

将所述加权后的相似度矩阵输入深度学习检测模型中，以便对该深度学习检测模型进行训练。

9.根据权利要求1所述的方法，其中，所述根据计算出的各帧间相似度确定目标媒体内容与参考媒体内容的整体相似度，包括：

将计算出的各帧间相似度输入预先训练的深度学习检测模型中，得到由该深度学习检测模型输出的目标媒体内容与参考媒体内容之间的相似帧位置，根据该相似帧位置确定目标媒体内容与参考媒体内容的整体相似度。