视频指标的检测方法、装置、计算机设备及存储介质与流程

本发明实施例涉及视频播放，尤其涉及一种视频指标的检测方法、装置、计算机设备及存储介质。

背景技术：

1、在对视频的监控场景中，常见的存在稀疏的监控指标的监控需求，比如监控特定访问量较小的接口的成功率，但由于监控的时间粒度细，成功率指标波动明显，且缺点明显。此类监控指标由于指标缺乏时间上连续性，时序上难以发现规律，针对时间上稀疏的监控指标的视频指标的异常检测往往比较困难，容易漏报。

2、稀疏监控指标容易漏报的主要原因在于稀疏：由于时间的稀疏性导致监控缺乏了时序性上的规律，常规模型无法学习到其真正时序上的稳态。

3、以国内视频网站的业务场景来举例，比如对其实时的播放成功率进行监控，从而获取当前线上用户的真实播放体验。由于需要较为实时的成功率数据，所以每一次投递的指标间隔不宜过长，且为防止受到过去的数据影响，一般会投递较短区间内的成功率，但由于凌晨的用户相对其余时间段用户极低，上述成功率的投递经常会变得稀疏，且在基数极小的情况下，成功率指标也变得异常抖动，失去了其反应真实播放体验的功效。例如凌晨短时间只有10个用户，其中2个用户播放失败，播放成功率会只有80％，但从业务角度分析那两个用户很可能是僵尸用户，或者机器人，全天都处于播放失败的状态，不代表真实的用户体验，但在凌晨播放数少的情况下，就会大大降低播放成功率。

4、因此，在对视频进行监控时，如何准确检测视频指标是否正确成为现在亟待解决的问题。

技术实现思路

1、鉴于此，为解决上述技术问题或部分技术问题，本发明实施例提供一种视频指标的检测方法、装置、计算机设备及存储介质。

2、第一方面，本发明实施例提供一种视频指标的检测方法，包括：

3、对目标视频的视频指标进行监控的过程中，针对多个预设的时间窗口，提取每个所述时间窗口对应的视频指标的时序特征，得到所述视频指标对应的时序特征集合；

4、将所述时序特征集合输入初始模型，以通过所述初始模型对每个所述时序特征进行拟合处理，得到每个所述时间窗口对应的拟合值；

5、根据多个所述拟合值生成拟合模型；

6、根据所述拟合模型检测所述目标视频的视频指标是否正确。

7、在一个可能的实施方式中，所述视频指标为所述目标视频在播放过程中的播放成功率，所述针对多个预设的时间窗口，提取每个所述时间窗口对应的视频指标的时序特征，包括：

8、获取所述播放成功率对应的多个时间窗口；

9、在所述目标视频的播放过程中，获取每个所述时间窗口内的目标视频的播放成功率；

10、每间隔预设时长对每个所述时间窗口进行一次滑动处理；

11、每进行一次滑动处理，获取滑动处理后的时间窗口内的所述目标视频的播放成功率，得到每个所述时间窗口对应的播放成功率集合；

12、将所述播放成功率集合作为每个所述时间窗口对应的时序特征。

13、在一个可能的实施方式中，所述初始模型为长短期记忆网络模型，所述通过所述初始模型对每个所述时序特征进行拟合处理，包括：

14、根据所述播放成功率的获取时刻，从所述时序特征集合中提取每个所述时间窗口对应的时序特征训练样本；

15、将多个所述时序特征训练样本输入所述长短期记忆网络模型进行模型训练，以通过所述长短期记忆网络模型针对每个所述时间窗口对应的时序特征训练样本进行拟合处理。

16、在一个可能的实施方式中，所述根据多个所述拟合值生成拟合模型，包括：

17、根据多个所述拟合值从多个所述时间窗口中确定目标时间窗口；

18、将所述目标时间窗口作为所述长短期记忆网络模型中所述视频指标对应的时间窗口进行模型训练，直至模型收敛，得到训练好的拟合模型。

19、在一个可能的实施方式中，所述根据所述拟合值从多个所述时间窗口中确定目标时间窗口，包括：

20、根据所述播放成功率的获取时刻，从所述时序特征集合中提取每个所述时间窗口对应的时序特征测试样本；

21、根据所述时序特征测试样本和所述拟合值确定每个所述时间窗口对应的拟合残差；

22、将所述拟合残差最小的时间窗口作为所述目标时间窗口，所述目标时间窗口的拟合残差小于设定阈值。

23、在一个可能的实施方式中，所述根据所述时序特征测试样本和所述拟合值确定每个所述时间窗口对应的拟合残差，包括：

24、根据所述拟合值确定每个所述时序特征测试样本对应的预测时序特征；

25、将每个所述时序特征测试样本与对应的预测时序特征的做差，将得到的差值作为对应的所述时间窗口的拟合残差。

26、在一个可能的实施方式中，所述根据所述拟合模型检测所述目标视频的视频指标是否正确，包括：

27、获取所述目标视频的视频指标的第一值；

28、通过所述拟合模型输出所述目标视频的视频指标的第二值；

29、当预设时间段内所述第一值与所述第二值的差值小于设定阈值，确定所述视频指标为正确：

30、当预设时间段内所述第一值与所述第二值的差值大于或等于设定阈值，确定所述视频指标为错误。

31、第二方面，本发明实施例提供一种视频指标的检测装置，包括：

32、提取模块，用于对目标视频的视频指标进行监控的过程中，针对多个预设的时间窗口，提取每个所述时间窗口对应的视频指标的时序特征，得到所述视频指标对应的时序特征集合；

33、处理模块，用于将所述时序特征集合输入初始模型，以通过所述初始模型对每个所述时序特征进行拟合处理，得到每个所述时间窗口对应的拟合值；

34、生成模块，用于根据多个所述拟合值生成拟合模型；

35、检测模块，用于根据所述拟合模型检测所述目标视频的视频指标是否正确。

36、第三方面，本发明实施例提供一种计算机设备，包括：处理器和存储器，所述处理器用于执行所述存储器中存储的视频指标的检测程序，以实现上述第一方面中任一项所述的视频指标的检测方法。

37、第四方面，本发明实施例提供一种存储介质，所述存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现上述第一方面中任一项所述的视频指标的检测方法。

38、本发明实施例提供的视频指标的检测方案，通过对目标视频的视频指标进行监控的过程中，针对多个预设的时间窗口，提取每个所述时间窗口对应的视频指标的时序特征，得到所述视频指标对应的时序特征集合；将所述时序特征集合输入初始模型，以通过所述初始模型对每个所述时序特征进行拟合处理，得到每个所述时间窗口对应的拟合值；根据多个所述拟合值生成拟合模型；根据所述拟合模型检测所述目标视频的视频指标是否正确。由此，可以实现从多个不同长度的时间窗口的角度提取视频指标的时序特征，确定出有效的时间窗口生成模型进行视频指标的检测，解决了稀疏的视频监控指标容易漏报的问题，提高了对视频指标检测的准确度。