(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 202211206698.3 (22)申请日 2022.09.30 (71)申请人 北京智谱华 章科技有限公司 地址 100084 北京市海淀区中关村东路1号 院6号楼6层6 03A (72)发明人 袁永强　张洽钿　杜冀中　 (74)专利代理 机构 北京清亦华知识产权代理事 务所(普通 合伙) 11201 专利代理师 张润 (51)Int.Cl. G06T 7/00(2017.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 数字人渲染视频的检测方法和系统 (57)摘要 本申请提出一种数字人渲染视频的检测方 法和系统， 该方法包括： 接收待检测的数字人渲 染视频， 并将数字人渲染视频转换为画面帧格 式； 对转换后的数字人渲染视频异步进行多种类 型的异常检测， 包括： 基于深度学习和卷积神经 网络的异常检测、 基于相邻图像对比的边界异常 检测、 图片切分异常检测和视频卡顿异常检测； 获取每种异常检测的检测结果， 将每个检测结果 中的检测得分乘以对应的权重得到数字人渲染 视频最终的目标得分； 判断目标得分是否小于预 设的分数阈值， 在目标得分小于分数阈值的情况 下对数字 人渲染视频进行重新渲染。 该方法对计 算机自动渲染出来的数字人视频进行多层的画 面质量检测， 能够排除异常， 保证数字人渲染视 频的质量。 权利要求书2页 说明书10页 附图2页 CN 115471489 A 2022.12.13 CN 115471489 A 1.一种数字人渲染视频的检测方法， 其特 征在于， 包括以下步骤： 接收待检测的数字人渲染视频， 并将所述数字人渲染视频转换为画面帧格式； 对转换后的数字人渲染视频异步进行多种类型的异常检测， 所述多种类型的异常检测 包括： 基于深度学习和卷积神经网络的异常检测、 基于相邻图像对比的边界异常检测、 图片 切分异常检测 和视频卡顿异常检测； 获取每种所述异常检测的检测结果， 将每个所述检测结果中的检测得分乘以对应的权 重得到所述数字人渲染视频最终的目标 得分； 判断所述目标得分是否小于预设的分数阈值， 在所述目标得分小于所述分数阈值的情 况下对所述数字人渲染视频进行重新 渲染。 2.根据权利要求1所述的数字人渲染视频的检测方法， 其特征在于， 在所述将所述数字 人渲染视频转换为画面帧格式之前， 还 包括： 分析所述数字人渲染视频， 并根据分析结果为所述数字人渲染视频的检测任务配置相 应的虚拟内存。 3.根据权利要求1或2所述的数字人渲染视频的检测方法， 其特征在于， 所述基于深度 学习和卷积神经网络的异常检测， 包括： 获取预先通过大量标记的异常图片训练完成的Yo loV5网络模型； 将全部的画面帧输入至所述训练完成的YoloV5网络模型， 获取所述YoloV5网络模型输 出的对每张所述画面帧的检测结果。 4.根据权利要求1所述的数字人渲染视频的检测方法， 其特征在于， 所述图片切分异常 检测， 包括： 对每张画面帧根据不同的分辨率进行切分， 获取每张所述画面帧中的多个目标区域， 所述多个目标区域是 数字人的胸部之上且除脸部区域之外的部分； 对相邻的切片进行对比， 获取每张所述画面帧的检测结果。 5.根据权利要求1所述的数字人渲染视频的检测方法， 其特征在于， 在所述对转换后的 数字人渲染视频异步进行多种类型的异常检测之前， 还 包括： 根据数字人的动作幅度确定所述数字人渲染视频的类型； 根据所述数字人渲染视频的类型为每种类型的异常检测分配所述对应的权 重。 6.根据权利要求1所述的数字人渲染视频的检测方法， 其特征在于， 在所述对所述数字 人渲染视频进行重新 渲染之后， 还 包括： 对重新渲染后的数字人渲染视频重复进行检测， 并在未通过所述检测时， 根据视频标 号对所述重新 渲染后的数字人渲染视频的重复渲染次数进行记录； 判断所述重复渲染次数是否大于预设的重复次数阈值， 在所述重复渲染次数大于所述 重复次数阈值的情况下， 结束检测流程并将所述重新渲 染后的数字人渲 染视频发送至异常 任务标注系统。 7.根据权利要求1所述的数字人渲染视频的检测方法， 其特征在于， 检测结果还包括： 异常类型、 异常位置坐标和异常方位， 所述对所述数字人渲染视频进行重新 渲染， 包括： 针对检测出的所述异常类型、 所述异常位置坐标和所述异常方位， 以排除异常为目标 进行重新 渲染。 8.一种数字人渲染视频的检测系统， 其特 征在于， 包括以下模块：权　利　要　求　书 1/2 页 2 CN 115471489 A 2转换模块， 用于接收待检测的数字人渲染视频， 并将所述数字人渲染视频转换为画面 帧格式； 异常检测模块， 用于对转换后的数字人渲染视频异步进行多种类型的异常检测， 所述 多种类型 的异常检测包括： 基于深度学习和卷积神经网络的异常检测、 基于相邻图像对比 的边界异常检测、 图片切分异常检测 和视频卡顿异常检测； 计算模块， 用于获取每种所述异常检测的检测结果， 将每个所述检测结果中的检测得 分乘以对应的权 重得到所述数字人渲染视频最终的目标 得分； 判断模块， 用于判断所述目标得分是否小于预设的分数阈值， 在所述目标得分小于所 述分数阈值的情况 下对所述数字人渲染视频进行重新 渲染。 9.根据权利要求8所述的数字人渲染系统， 其特征在于， 还包括： 配置模块， 所述配置模 块， 具体用于： 分析所述数字人渲染视频， 并根据分析结果为数字人渲染视频的检测任务配置相应的 虚拟内存。 10.一种非临时性计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计 算机程序被处 理器执行时实现如权利要求1 ‑7中任一所述的数字人渲染视频的检测方法。权　利　要　求　书 2/2 页 3 CN 115471489 A 3