视频剪辑方法、装置、存储介质及终端制造方法及图纸

本申请实施例公开了视频剪辑方法、装置、存储介质及终端。该方法包括：获取视频中的待分类图像；获取基于机器学习的预设分类模型，预设分类模型由多个已知类别的图像样本训练得到，用于对图像进行基于目标内容的分类；将待分类图像输入至预设分类模型中，并获取预设分类模型的输出结果；根据输出结果对待分类图像进行归类，并按照归类结果对视频进行剪辑处理，得到剪辑视频。本申请实施例通过采用上述技术方案，能够丰富图像的分类维度并提高分类准确度，可实现视频的自动按类别剪辑。

【技术实现步骤摘要】
视频剪辑方法、装置、存储介质及终端
本申请实施例涉及多媒体
，尤其涉及视频剪辑方法、装置、存储介质及终端。
技术介绍
随着多媒体技术的发展，各种图像及音视频为人们的生活增添了诸多乐趣。人们在观看影片、电视剧或者自己拍摄的短片等视频文件时，通常会选择自己感兴趣的片段进行观看，但是准确的找到这些片段是比较困难的，尤其对于习惯使用移动终端观看视频的用户来说，基本使用手指在触摸屏上对进度条进行相关操作，观看不方便。
技术实现思路
本申请实施例提供视频剪辑方法、装置、存储介质及终端，可以优化对视频进行剪辑的方案。第一方面，本申请实施例提供了一种视频剪辑方法，包括：获取视频中的待分类图像；获取基于机器学习的预设分类模型，所述预设分类模型由多个已知类别的图像样本训练得到，用于对图像进行基于目标内容的分类；将所述待分类图像输入至所述预设分类模型中，并获取所述预设分类模型的输出结果；根据所述输出结果对所述待分类图像进行归类，并按照归类结果对所述视频进行剪辑处理，得到剪辑视频。第二方面，本申请实施例提供了一种视频剪辑装置，包括：图像获取模块，用于获取视频中的待分类图像；模型获取模块，用于获取基于机器学习的预设分类模型，所述预设分类模型由多个已知类别的图像样本训练得到，用于对图像进行基于目标内容的分类；模型输入模块，用于将所述待分类图像输入至所述预设分类模型中，并获取所述预设分类模型的输出结果；剪辑模块，用于根据所述输出结果对所述待分类图像进行归类，并按照归类结果对所述视频进行剪辑处理，得到剪辑视频。第三方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请实施例所述的视频剪辑方法。第四方面，本申请实施例提供了一种终端，包括存储器，处理器及存储在存储器上并可在处理器运行的计算机程序，所述处理器执行所述计算机程序时实现如本申请实施例所述的视频剪辑方法。本申请实施例中提供的视频剪辑方案，将视频中需要进行分类的图像输入至基于机器学习的预设分类模型中，根据输出结果对图像进行归类，并按照归类结果对视频进行剪辑,其中，预设分类模型是基于机器学习的模型，能够丰富图像的分类维度并提高分类准确度，可实现视频的自动按类别剪辑。附图说明图1为本申请实施例提供的一种视频剪辑方法的流程示意图；图2为本申请实施例提供的另一种视频剪辑方法的流程示意图；图3为本申请实施例提供的另一种视频剪辑方法的流程示意图；图4为本申请实施例提供的另一种视频剪辑方法的流程示意图；图5为本申请实施例提供的一种视频剪辑装置的结构框图；图6为本申请实施例提供的一种终端的结构示意图；图7为本申请实施例提供的一种移动终端的结构示意图。具体实施方式下面结合附图并通过具体实施方式来进一步说明本申请的技术方案。可以理解的是，此处所描述的具体实施例仅仅用于解释本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部结构。在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。图1为本申请实施例提供的一种视频剪辑方法的流程示意图，该方法可以由视频剪辑装置执行，其中该装置可由软件和/或硬件实现，一般可集成在手机、平板电脑、计算机或服务器等终端中。如图1所示，该方法包括：步骤101、获取视频中的待分类图像。示例性的，本申请实施例中所述的视频可以是影片、电视剧或者用户自己拍摄的短片等视频文件，还可以是其他类型或者来源的视频文件，本申请不做限定。视频文件的格式可以有很多种，如运动图像专家组(MotionPictureExpertsGroup，MPEG)格式、音频视频交错(AudioVideoInterleaved，AVI)格式、流媒体(FlashViedo，FLV)格式以及RealMedia可变比特率(RealMediaVariableBitrate，RMVB)格式等等，本申请不做限定。视频一般都是由静止的画面(图像)组成的,一张静止的画面可被称为一帧图像，视频包含的图像总数可被称为帧数，每秒钟播放的图像可被称为帧率。示例性的，本申请中的待分类图像可以是视频中包含的所有图像，也可以是其中的部分图像。当待分类图像为视频中包含的部分图像时，本步骤可以是以预设采样频率获取视频中的待分类图像，预设采样频率可根据实际需求设置，例如1秒每次。当待分类图像为视频中包含的部分图像时，本步骤还可以是对视频中包含的图像进行图像识别，获取符合预设筛选条件的图像作为待分类图像。示例性的，可在终端中提供视频剪辑功能的操作界面，用户可通过该操作界面触发视频剪辑事件，根据用户的选择操作确定即将进行自动剪辑的视频，然后根据用户设置获取该视频中的待分类图像。步骤102、获取基于机器学习的预设分类模型。其中，所述预设分类模型由多个已知类别的图像样本训练得到，用于对图像进行基于目标内容的分类。可选的，目标内容包括拍摄场景、人物动作和人物表情中的至少一个。其中，每种目标内容下可以包含多种分类模式。以拍摄场景为例，按照室内外的分类模式划分时，类别可包括室内和室外；按照天气情况的分类模式划分时，类别可包括晴天、阴天、雨天、雾霾天及雪天等等；按照昼夜分类模式划分时，类别可包括白天和黑夜，还可包括清晨、晌午以傍晚等；按照景色分类模式划分时，类别可包括海边、森林、瀑布、草原及星空等等；按照场所分类模式划分时，可包括工作场所、娱乐场所、旅游场所、家居场所及商场等等。人物动作可包括步行、跑步、游泳、打篮球和踢足球等等。人物表情可包括微笑、大笑、皱眉以及哭泣等等。上述类别仅作为示意性说明，还可以有其他的分类方式以及类别，本申请不再一一举例。可选的，预设分类模型可以对图像具体属于那种类别进行识别，还可以仅对图像是否属于特定类别进行识别。例如，以目标内容为人物动作为例，预设分类模型可以识别当前图像中是否包含人物，如果包含人物，那么人物的动作具体是步行、跑步、游泳、打篮球、踢足球还是其他动作，预设分类模型还可以仅识别当前图像中是否包含跑步的人物。本申请实施例中，对预设分类模型的来源不做限定，可以是从终端本地获取，也可从与终端对应的预设服务器获取。当终端检测到待分类图像获取完毕时或者在检测到视频剪辑事件被触发时，可从移动终端本地存储空间中获取预设分类模型，也可从对应的预设服务器获取预设分类模型。可选的，对于不同的目标内容，或者对于不同目标内容下的不同分类模式，可对应不同的预设分类模型，可先确定目标内容或者目标内容下的目标分类模式，然后获取与目标内容对应的或者与目标分类模式对应的预设分类模型。示例性的，预设分类模型的训练或更新过程可在移动终端本地进行；也可在预设服务器中进行，当预设分类模型训练完毕或更新完毕后，可直接发送至移动终端进行存储，或在预设服务器本地进行存储，等待移动终端主动获取。可选的，本申请实施例中的基于机器学习的预设分类模型包括基于神经网络的模型，例如本文档来自技高网...

【技术保护点】
一种视频剪辑方法，其特征在于，包括：获取视频中的待分类图像；获取基于机器学习的预设分类模型，所述预设分类模型由多个已知类别的图像样本训练得到，用于对图像进行基于目标内容的分类；将所述待分类图像输入至所述预设分类模型中，并获取所述预设分类模型的输出结果；根据所述输出结果对所述待分类图像进行归类，并按照归类结果对所述视频进行剪辑处理，得到剪辑视频。

【技术特征摘要】
1.一种视频剪辑方法，其特征在于，包括：获取视频中的待分类图像；获取基于机器学习的预设分类模型，所述预设分类模型由多个已知类别的图像样本训练得到，用于对图像进行基于目标内容的分类；将所述待分类图像输入至所述预设分类模型中，并获取所述预设分类模型的输出结果；根据所述输出结果对所述待分类图像进行归类，并按照归类结果对所述视频进行剪辑处理，得到剪辑视频。2.根据权利要求1所述的方法，其特征在于，所述目标内容包括拍摄场景、人物动作和人物表情中的至少一个。3.根据权利要求1所述的方法，其特征在于，所述根据所述输出结果对所述待分类图像进行归类，并按照归类结果对所述视频进行剪辑处理，包括：确定目标类别；若当前待分类图像对应的输出结果与所述目标类别匹配时，确定所述当前待分类图像为感兴趣图像，并将所述当前待分类图像归入感兴趣图集；依据所述感兴趣图集对所述视频进行剪辑处理。4.根据权利要求3所述的方法，其特征在于，所述依据所述感兴趣图集对所述视频进行剪辑处理，得到剪辑视频，包括：获取所述感兴趣图集中的图像对应的时间轴位置；根据所述时间轴位置对所述感兴趣图集中的图像进行拼接操作，以及根据所述时间轴位置提取与所述感兴趣图集中的图像对应的音频数据；根据拼接后的图像和所提取的音频数据生成剪辑视频，得到剪辑视频。5.根据权利要求3所述的方法，其特征在于，还包括：判断当前感兴趣图像与上一帧感兴趣图像之间的时间差是否小于预设时长，若是，则将所述当前感兴趣图像与所述上一帧感兴趣图像之间的图像归入感兴趣图集。6.根据权利要求1-5任一所述的方法，其特征在于，在所述按照...

【专利技术属性】
技术研发人员：梁昆，
申请(专利权)人：广东欧珀移动通信有限公司，
类型：发明
国别省市：广东,44