一种视频内容识别方法、装置及电子设备制造方法及图纸

本发明专利技术实施例提供了一种视频内容识别方法、装置及电子设备，所述方法包括：确定待识别的目标视频帧序列；获得所述目标视频帧序列中各个视频帧的目标图像特征；基于预先构建的注意力模型，确定所获得的各个目标图像特征所对应的目标权重值，其中，所述注意力模型为：以存在异常事件的视频帧序列样本所对应的各个图像特征为输入内容，以所述各个图像特征对应的权重值为输出内容训练所得到的，其中，在所述视频帧序列样本中，异常帧的图像特征的权重值高于其他帧的权重值；基于所述各个目标图像特征所对应的目标权重值，确定所述目标视频帧序列中是否存在异常事件。应用本发明专利技术实施例，可以降低识别视频内容的成本，并可以提高识别效率。

【技术实现步骤摘要】
一种视频内容识别方法、装置及电子设备
本专利技术涉及视频检测
，特别是涉及一种视频内容识别方法、装置及电子设备、可读存储介质。
技术介绍
目前，常常需要利用视频监控设备对楼道、小区入口和车道等区域进行监控，从而获得这些区域所对应的监控视频。并且，在获得这些监控视频后，还需要对这些监控视频的内容进行识别，以分析这些监控视频中是否存在异常事件，其中，异常事件包括但并不局限于碰撞事件和摔倒事件。而目前的异常事件识别方式为：工作人员逐一查看每个待识别的监控视频，从而判断所查看的监控视频中是否存在异常事件。专利技术人发现，该种异常事件识别方式存在以下问题：当监控视频数量较多时，该种方式会消耗大量的人力和时间，使得成本较高且效率低。
技术实现思路
本专利技术实施例的目的在于提供一种视频内容识别方法、装置及电子设备、可读存储介质，以降低识别成本，并提高识别效率。第一方面，本专利技术实施例提供了一种视频内容识别方法，所述方法可以包括：确定待识别的目标视频帧序列；获得所述目标视频帧序列中各个视频帧的目标图像特征；基于预先构建的注意力模型，确定所获得的各个目标图像特征所对应的目标权重值，其中，所述注意本文档来自技高网...

【技术保护点】
1.一种视频内容识别方法，其特征在于，所述方法包括：确定待识别的目标视频帧序列；获得所述目标视频帧序列中各个视频帧的目标图像特征；基于预先构建的注意力模型，确定所获得的各个目标图像特征所对应的目标权重值，其中，所述注意力模型为：以存在异常事件的视频帧序列样本所对应的各个图像特征为输入内容，以所述各个图像特征对应的权重值为输出内容训练所得到的，其中，在所述视频帧序列样本中，异常帧的图像特征的权重值高于其他帧的权重值；基于所述各个目标图像特征所对应的目标权重值，确定所述目标视频帧序列中是否存在异常事件。

【技术特征摘要】
1.一种视频内容识别方法，其特征在于，所述方法包括：确定待识别的目标视频帧序列；获得所述目标视频帧序列中各个视频帧的目标图像特征；基于预先构建的注意力模型，确定所获得的各个目标图像特征所对应的目标权重值，其中，所述注意力模型为：以存在异常事件的视频帧序列样本所对应的各个图像特征为输入内容，以所述各个图像特征对应的权重值为输出内容训练所得到的，其中，在所述视频帧序列样本中，异常帧的图像特征的权重值高于其他帧的权重值；基于所述各个目标图像特征所对应的目标权重值，确定所述目标视频帧序列中是否存在异常事件。2.根据权利要求1所述的方法，其特征在于，所述确定待识别的目标视频帧序列的步骤，包括：确定待识别的目标视频；按照预设提取长度和预设滑动步长，从所述目标视频中获得至少一个视频帧序列；从所述至少一个视频帧序列中确定待识别的目标视频帧序列。3.根据权利要求1所述的方法，其特征在于，所述获得所述目标视频帧序列中各个视频帧的目标图像特征的步骤，包括：利用预设的卷积神经网络对所述目标视频帧序列进行卷积计算，得到所述目标视频帧序列中各个视频帧的初始图像特征；基于预设的第一循环神经网络，对所获得的各个初始图像特征进行上下文关联计算，得到所述目标视频帧序列中各个视频帧的目标图像特征。4.根据权利要求1所述的方法，其特征在于，所述基于所述各个目标图像特征所对应的目标权重值，确定所述目标视频帧序列中是否存在异常事件的步骤，包括：确定在所述各个目标图像特征所对应的目标权重值中，是否存在大于其他目标权重值的第一目标权重值，若是，确定所述目标视频帧序列中存在异常事件，否则，确定所述目标视频帧序列中不存在异常事件。5.根据权利要求1所述的方法，其特征在于，所述基于所述各个目标图像特征所对应的目标权重值，确定所述目标视频帧序列中是否存在异常事件的步骤，包括：确定在所述各个目标图像特征所对应的目标权重值中，是否存在大于第一阈值且符合预定条件的至少两个目标权重值，其中，所述预定条件为所对应的视频帧连续；若是，确定所述目标视频帧序列中存在异常事件，否则，确定所述目标视频帧序列中不存在异常事件。6.根据权利要求4所述的方法，其特征在于，在所述确定所述目标视频帧序列中存在异常事件的步骤之后，所述方法还包括：将所述目标视频帧序列中第一目标权重值所对应的视频帧，确定为所述目标视频帧序列中异常事件所对应的视频帧。7.根据权利要求1-5任一项所述的方法，其特征在于，在确定出所述目标视频帧序列中存在异常事件之后，所述方法还包括：针对每个目标图像特征，利用相应的目标权重值对该目标图像特征进行加权计算，得到图像特征加权值；对所获得的各个图像特征加权值进行求和，得到所述目标视频帧序列对应的目标加权图像特征；基于所述目标加权图像特征，确定所述目标视频帧序列所对应的异常事件类型。8.根据权利要求7所述的方法，其特征在于，所述基于所述目标加权图像特征，确定所述目标视频帧序列所对应的异常事件类型的步骤，包括：基于预设的第二循环神经网络，确定与所述目标加权图像特征所对应的异常事件类型，其中，所述第二循环神经网络为：以所述视频帧序列样本对应的加权图像特征为输入内容，以所述视频帧序列样本所对应的异常事件类型为输出内容训练得到的；将所确定出的异常事件类型确定为所述目标视频帧序列所对应的异常事件类型。9.一种视频内容识别装置，其特征在于，所述装置包括：第一确定单元，用于确定待识别的目标视频帧序列；获得单元，用于获得所述目标视频帧序列中各个视频帧的目标图像特征；第二确定单元，用于基于预先构建的注意力模型，确定...

【专利技术属性】
技术研发人员：程战战，郑钢，钮毅，罗兵华，
申请(专利权)人：杭州海康威视数字技术股份有限公司，
类型：发明
国别省市：浙江,33