[发明专利]相册视频识别方法、系统、设备及存储介质

说明书

本发明提供了一种相册视频识别方法、系统、设备及存储介质，该方法包括：基于深度学习构建视频识别模型，所述视频识别模型包括依次串联的特征提取层、特征挖掘层和输出层，所述特征提取层的输入为视频数据，所述输出层的输出为输入的视频数据预测为相册视频的概率；将待识别的视频数据输入所述视频识别模型；根据所述视频识别模型的输出层的输出确定所述待识别的视频数据是否为相册视频。本发明利用深度学习的方法对视频进行鉴别是否为相册视频，能够快速准确地过滤相册视频，及时发现视频内容的内在缺陷，可大幅度节省运营维护成本，保证前端展示视频和视频推荐的准确性，有效提升用户的服务体验。

技术领域

本发明涉及图像识别技术领域，尤其涉及一种相册视频识别方法、系统、设备及存储介质。

背景技术

当前互联网环境中，视频是重要的信息媒介。在OTA(Online Travel Agency，在线旅行社)场景下，景点或酒店宣传视频制作的好坏直接影响用户的体验，视频来源复杂，种类繁多，因此保证视频的质量在在线旅游公司(OTA)具有极大的挑战。当前视频的质量主要依赖于人工审核，而酒店行业的视频量日益增多，因此维护需要耗费较大的人力成本。目前在OTA行业中，用户上传的相册视频常与正常拍摄的视频混杂，实验证明相册视频对于用户吸引力较正常制作视频大大降低。然而现有技术中并没有很好的针对相册视频的检测识别方式。

发明内容

针对现有技术中的问题，本发明的目的在于提供一种相册视频识别方法、系统、设备及存储介质，针对现有的视频库中相册视频与正常拍摄的宣传视频混杂的情况，快速准确识别相册视频，提升视频推荐的准确性。

本发明实施例提供一种相册视频识别方法，包括如下步骤：

基于深度学习构建视频识别模型，所述视频识别模型包括依次串联的特征提取层、特征挖掘层和输出层，所述特征提取层的输入为视频数据，所述输出层的输出为输入的视频数据预测为相册视频的概率；

将待识别的视频数据输入所述视频识别模型；

根据所述视频识别模型的输出层的输出确定所述待识别的视频数据是否为相册视频。

在一些实施例中，所述基于深度学习构建视频识别模型包括基于长期循环卷积神经网络模型构建视频识别模型，所述视频识别模型包括基于卷积神经网络的特征提取层和基于循环神经网络的特征挖掘层。

在一些实施例中，所述基于长期循环卷积神经网络模型构建视频识别模型之后，还包括如下步骤：

训练用于提取图像特征的残差网络层；

采用所述残差网络层替代所述长期循环卷积神经网络模型中的特征提取层。

在一些实施例中，所述训练用于提取图像特征的残差网络层，包括采用多个场景下的图像集训练用于提取图像特征的残差网络层。

在一些实施例中，采用所述残差网络层替代所述长期循环卷积神经网络模型中的特征提取层，包括如下步骤：

修改所述长期循环卷积神经网络模型中的特征提取层的输入尺寸为适应残差网络层的输入尺寸；

去除训练好的残差网络层的输出层，并将所述残差网络层输出的全局池化层向量调整为适应于输入所述特征挖掘层的维度；

将所述残差网络层与所述特征挖掘层串联。

在一些实施例中，所述将待识别的视频数据输入所述视频识别模型，包括如下步骤：

将所述待识别的视频数据中预设时间范围内的多帧图像输入所述视频识别模型的残差网络层。

在一些实施例中，所述基于长期循环卷积神经网络模型构建视频识别模型之后，还包括如下步骤：

采用双向长短期记忆网络替代所述特征挖掘层中的长短期记忆网络。