(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210639497.6 (22)申请日 2022.06.06 (71)申请人 中移 （杭州） 信息技 术有限公司 地址 311100 浙江省杭州市余杭区五常街 道余杭塘路16 00号A01号楼 申请人 中国移动通信集团有限公司 (72)发明人 张健　程宝平　吴楠　 (74)专利代理 机构 深圳市世纪恒程知识产权代 理事务所 4 4287 专利代理师 胥巧莉 (51)Int.Cl. G06V 20/40(2022.01) G06V 10/82(2022.01) G06V 10/80(2022.01) G06V 10/774(2022.01)G06V 10/764(2022.01) G06N 3/08(2006.01) G06N 3/04(2006.01) (54)发明名称 视频检测方法、 装置、 设备及计算机可读存 储介质 (57)摘要 本发明公开了一种视频检测方法、 装置、 设 备及计算机可读存储介质， 视频检测方法包括： 获取待测视频的音频信号， 确定所述音频信号的 音频深度特征， 检测所述音 频信号是否为涉黄音 频信号； 若是， 则确定所述待测视频中与所述音 频信号对应的目标视频， 并确定所述目标视频的 视觉深度特征； 根据所述音 频深度特征和所述视 觉深度特征构建融合特征矩阵； 若根据所述融合 特征矩阵确定所述待测视频为存在涉黄的视频， 则确定所述待测视频中的目标涉黄视频内容。 本 发明实现了高效 并且精准的检测涉黄 视频。 权利要求书2页 说明书11页 附图3页 CN 114998800 A 2022.09.02 CN 114998800 A 1.一种视频检测方法， 其特 征在于， 所述视频检测方法包括以下步骤： 获取待测视频的音频信号， 确定所述音频信号的音频深度特征， 检测所述音频信号是 否为涉黄音频信号； 若是， 则确定所述待测视频中与所述音频信号对应的目标视频， 并确定所述目标视频 的视觉深度特 征； 根据所述音频深度特 征和所述视 觉深度特 征构建融合特 征矩阵； 若根据所述融合特征矩阵确定所述待测视频为存在涉黄的视频， 则确定所述待测视频 中的目标 涉黄视频内容。 2.如权利要求1所述的视频检测方法， 其特征在于， 所述若根据 所述融合特征矩阵确定 所述待测视频为存在涉黄的视频， 则确定所述待测视频中的目标涉黄视频片段的步骤， 包 括： 根据所述融合特 征矩阵确定所述目标视频中是否存在涉黄特 征； 若所述目标视频中存在涉黄特征， 则确定所述待测视频为存在涉黄的视频， 并将所述 目标视频划分为多个时长等同的待测视频片段， 并根据各所述待测视频片段确定所述待测 视频中的目标 涉黄视频内容。 3.如权利要求2所述的视频检测方法， 其特征在于， 所述根据各所述待测视频片段确定 所述待测视频中的目标 涉黄视频内容的步骤， 包括： 遍历各所述待测视频片段， 基于所述融合特征矩阵确定遍历的所述待测视频片段中是 否存在所述涉黄特 征； 若遍历的所述待测视频片段中存在所述涉黄特征， 则确定遍历的所述待测视频片段对 应的时间段， 并将所述待测视频中和所述时间段匹配的视频内容作为目标 涉黄视频内容。 4.如权利要求3所述的视频检测方法， 其特征在于， 所述将所述待测视频中和所述 时间 段匹配的视频内容作为目标 涉黄视频内容的步骤之后， 还 包括： 确定所述待测视频中与所述目标视频相邻的相邻 视频， 确定所述相邻 视频中是否存在 具有所述涉黄特 征的视频片段； 若所述相邻 视频中存在具有所述涉黄特征的视频片段， 则将所述待测视频中和所述具 有所述涉黄特 征的视频片段对应的视频内容作为目标 涉黄视频内容。 5.如权利要求1所述的视频检测方法， 其特征在于， 所述根据所述音频深度特征和所述 视觉深度特 征构建融合特 征矩阵的步骤， 包括： 对所述音频深度特 征进行长短期记 忆网络训练， 得到音频训练特 征； 对所述视 觉深度特 征进行所述长短期记 忆网络训练， 得到 视觉训练特 征； 对所述音频训练特 征和所述视 觉训练特 征进行特征提取融合， 得到初步融合特 征； 根据所述初步融合特征和所述音频训练特征构建音频融合特征， 并根据 所述初步融合 特征和所述视 觉训练特 征构建视 觉融合特 征； 根据所述音频融合特 征和所述视 觉训练特 征构建融合特 征矩阵。 6.如权利要求1所述的视频检测方法， 其特征在于， 所述确定所述目标视频的视觉深度 特征的步骤， 包括： 根据所述音频深度特征计算所述目标视频的视觉注意力 权重， 并提取所述目标视频的 初始视觉深度特 征；权　利　要　求　书 1/2 页 2 CN 114998800 A 2根据所述视 觉注意力权 重和所述初始视 觉深度特 征计算视 觉深度特 征。 7.如权利要求1 ‑6任一项所述的视频检测方法， 其特征在于， 所述确定所述音频信号的 音频深度特 征的步骤， 包括： 将所述音频信号转换为音频谱图， 并确定所述音频谱图的深度信息， 根据所述深度信 息提取所述音频谱图中的音频深度特 征。 8.一种视频检测装置， 其特 征在于， 所述视频检测装置包括： 获取单元， 用于获取待测视频的音频信号， 确定所述音频信号的音频深度 特征， 检测所 述音频信号是否为涉黄音频信号； 确定单元， 用于若是， 则确定所述待测视频中与所述音频信号对应的目标视频， 并确定 所述目标视频的视 觉深度特 征； 构建单元， 用于根据所述音频深度特 征和所述视 觉深度特 征构建融合特 征矩阵； 检测单元， 用于若根据所述融合特征矩阵确定所述待测视频为存在涉黄的视频， 则确 定所述待测视频中的目标 涉黄视频内容。 9.一种视频检测设备， 其特征在于， 所述视频检测设备包括： 存储器、 处理器及存储在 所述存储器上并可在所述处理器上运行的视频检测程序， 所述视频检测程序被所述处理器 执行时实现如权利要求1至7中任一项所述的视频检测方法的步骤。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质上存储有视频检 测程序， 所述视频检测程序被处理器执行时实现如权利要求 1至7中任一项所述的视频检测 方法的步骤。权　利　要　求　书 2/2 页 3 CN 114998800 A 3