视频切分方法、装置、设备及存储介质与流程

技术特征：
1.一种视频切分方法，其特征在于，所述视频切分方法包括：获取待切分视频的初始切分点；将所述初始切分点对应的相邻两帧进行比较，并根据比较结果对需要关注区域进行调整，得到目标关注区域；通过预设卷积神经网络对相邻两帧的所述目标关注区域进行特征提取，得到对应的特征向量；根据所述特征向量进行余弦相似度计算，并根据计算结果从所述初始切分点中进行筛选，得到候选切分点；将所述候选切分点对应的相邻两帧中的当前帧的余弦相似度和哈希相似度进行加权，得到综合相似度；将所述候选切分点对应的综合相似度通过预设排序规则进行排序，根据排序结果得到目标切分点；根据所述目标切分点对所述视频进行切分。2.如权利要求1所述的视频切分方法，其特征在于，所述将所述初始切分点对应的相邻两帧进行比较，并根据比较结果对需要关注区域进行调整，得到目标关注区域，包括：将所述初始切分点对应的相邻两帧转换为相邻灰度图；获取相邻灰度图中对应的像素值；将所述像素值进行计算，得到计算结果；将所述计算结果小于预设像素阈值的像素值设为第一常数，将所述计算结果大于等于所述预设像素阈值的像素值设为第二常数；基于所述第一常数和所述第二常数通过预设轮廓提取算法对所述相邻两帧中需要关注区域进行轮廓提取，得到目标关注区域。3.如权利要求1所述的视频切分方法，其特征在于，所述根据所述特征向量进行余弦相似度计算，并根据计算结果从所述初始切分点中进行筛选，得到候选切分点，包括：将所特征向量进行余弦相似度计算，得到第一余弦相似度；将所述第一余弦相似度与第一预设余弦相似度阈值进行比较；在所述第一余弦相似度小于所述第一预设余弦相似度阈值时，基于所述第一余弦相似度对所述初始切分点进行筛选，得到候选切分点。4.如权利要求1所述的视频切分方法，其特征在于，所述根据所述目标切分点对所述视频进行切分，包括：计算所述目标切分点对应的切分片段的片段哈希均值；计算相邻片段的片段哈希均值的第二余弦相似度，并将所述第二余弦相似度与第二预设余弦相似度阈值进行比较；在所述第二余弦相似度大于所述第二预设余弦相似度阈值时，将所述第二余弦相似度对应的相邻片段进行合并，完成视频切分。5.如权利要求1-4中任一项所述的视频切分方法，其特征在于，所述获取待切分视频的初始切分点，包括：获取待切分视频，并将所述待切分视频进行抽帧，得到各视频帧；获取各视频帧对应的图像，并将所述图像进行缩放并转换为灰度图像；
将所述灰度图像进行离散余弦变换，得到离散余弦变换系数矩阵；通过预设筛选规则对所述离散余弦变换系数矩阵进行筛选，得到目标像素矩阵；将所述目标像素矩阵与预设像素均值进行比对计算，得到各视频帧的感知哈希值；基于所述各视频帧中相邻两帧的感知哈希值计算哈希相似度；根据所述哈希相似度的计算结果得到待切分视频的初始切分点。6.如权利要求5所述的视频切分方法，其特征在于，所述根据所述哈希相似度的计算结果得到初始切分点，包括：将所述哈希相似度与预设哈希相似度阈值进行比较；在所述哈希相似度小于所述预设哈希相似度阈值时，将所述哈希相似度对应的当前帧作为初始切分点。7.如权利要求5所述的视频切分方法，其特征在于，所述基于所述各视频帧中相邻两帧的感知哈希值计算哈希相似度，包括：统计所述各视频帧中相邻两帧的感知哈希值中的二进制串的数量；在所述二进制串中位置相同的数量小于预设二进制串数量时，根据所述二进制串中位置相同的数量得到哈希相似度。8.一种视频切分装置，其特征在于，所述视频切分装置包括：获取模块，用于获取待切分视频的初始切分点；比较模块，用于将所述初始切分点对应的相邻两帧进行比较，并根据比较结果对需要关注区域进行调整，得到目标关注区域；提取模块，用于通过预设卷积神经网络对相邻两帧的所述目标关注区域进行特征提取，得到对应的特征向量；计算模块，用于根据所述特征向量进行余弦相似度计算，并根据计算结果从所述初始切分点中进行筛选，得到候选切分点；加权模块，用于将所述候选切分点对应的相邻两帧中的当前帧的余弦相似度和哈希相似度进行加权，得到综合相似度；排序模块，用于将所述候选切分点对应的综合相似度通过预设排序规则进行排序，根据排序结果得到目标切分点；切分模块，用于根据所述目标切分点对所述视频进行切分。9.一种视频切分设备，其特征在于，所述视频切分设备包括：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切分程序，所述视频切分程序配置为实现如权利要求1至7中任一项所述的视频切分方法。10.一种存储介质，其特征在于，所述存储介质上存储有视频切分程序，所述视频切分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切分方法。

技术总结
本发明公开了一种视频切分方法、装置、设备及存储介质，属于视频切分技术领域。本发明通过获取待切分视频的初始切分点；将初始切分点对应的相邻两帧进行比较，并根据比较结果对需要关注区域进行调整，得到目标关注区域；通过预设卷积神经网络对相邻两帧的目标关注区域进行特征提取，得到对应的特征向量；根据特征向量进行余弦相似度计算，并根据计算结果得到候选切分点；将候选切分点对应的相邻两帧中的当前帧的余弦相似度和哈希相似度进行加权，得到综合相似度；将所述候选切分点对应的综合相似度通过预设排序规则进行排序，根据排序结果得到目标切分点；根据所述目标切分点对所述视频进行切分，提高了视频切分的准确性和灵活性。性。性。


技术研发人员：刘求索 刘露
受保护的技术使用者：深圳市英威诺科技有限公司
技术研发日：2022.01.24
技术公布日：2022/5/17