买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉人民网股份有限公司;哈尔滨工业大学申请的专利一种融合视频画面和场景文本信息的跨模态视频正能量评价方法、系统及计算机存储介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117036885B 。

龙图腾网通过国家知识产权局官网在2026-05-08发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202311018030.0，技术领域涉及：G06V10/80；该发明授权一种融合视频画面和场景文本信息的跨模态视频正能量评价方法、系统及计算机存储介质是由刘绍辉;米亚纯;舒言;姜峰设计研发完成，并于2023-08-14向国家知识产权局提交的专利申请。

本一种融合视频画面和场景文本信息的跨模态视频正能量评价方法、系统及计算机存储介质在说明书摘要公布了：一种融合视频画面和场景文本信息的跨模态视频正能量评价方法、系统及计算机存储介质，涉及视频敏感内容分析领域。解决现有基于回归的方法仅考虑了视频中的视觉特征，而忽略了视频中的场景文字信息的问题。本发明提供以下方案，获取视频片段，使用预先训练好的R3D模型对视频片段进行特征选取，得到多个特征向量；对获得的多个特征向量进行全局平均池化操作，并通过全连接获得视频画面特征；提取视频画面特征中的场景文本特征，即删除重复的场景文本特征或句子；文本编辑器用于提取场景文本特征，同时对BERT组件输出的标记嵌入进行均值池化操作，以获得每个句子的特征向量；将获得的视频画面特征和获得的场景文本特征同时输入特征融合模块中，分别使用视觉编码器和场景文本编码器并聚合跨模态融合令牌对两种模态信息进行联合编码；将特征融合模块的输出作为MLP模块的输入，通过MLP模快的处理获得视频的正能量分数。还适用于视频画面信息与场景文本信息提取领域。

本发明授权一种融合视频画面和场景文本信息的跨模态视频正能量评价方法、系统及计算机存储介质在权利要求书中公布了：1.一种融合视频画面和场景文本信息的跨模态视频正能量评价方法，其特征在于，所述方法包括以下步骤： S1：获取视频片段，所述视频片段帧数为预设帧数； S2：使用预先训练好的R3D模型对所述视频片段进行特征选取，得到多个特征向量； S3：对S2中获得的多个特征向量进行全局平均池化GAP操作，并通过全连接FC获得视频画面特征； S4：使用OCR工具提取S3中所述视频画面特征中的场景文本特征，并通过设置帧间距的数值对提取的场景文本特征进行去重复处理，即删除重复的场景文本特征或句子； S5：使用预训练SBERT模型中的一个子网络作为文本编码器，所述文本编码器用于提取S4中的场景文本特征，同时对BERT组件输出的标记嵌入进行均值池化操作，以获得每个句子的特征向量； S6：将S4获得的视频画面特征和S5中获得的场景文本特征同时输入特征融合模块中，分别使用视觉编码器和场景文本编码器并聚合跨模态融合令牌对两种模态信息进行联合编码； S7：将S6中的特征融合模块的输出作为MLP模块的输入，通过MLP模块的处理获得视频的正能量分数； S4中，所述帧间距的数值为10； S7中所述特征融合模块包括两个TransformerEncode结构； 所述S6中用和表示聚合时视觉编码器和场景文本编码器的输入图像令牌和场景文本令牌； 第l个视觉文本和场景文本聚合的输入融合令牌表示为，聚合阶段的视觉Transformer层的工作流程被更新为： 其中，是对应于融合令牌的输出图像特征，Y为多头注意力部分的输出特征在结合输入特征之后得到的中间特征； 场景文本Transformer层在聚合阶段的工作流程被更新为： 其中，为场景文本令牌对应的下一层的输出特征，为对应于融合令牌的场景文本特征输出。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人人民网股份有限公司;哈尔滨工业大学，其通讯地址为：100000 北京市西城区新街口外大街28号B座234号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。