一种视频场景分类方法、装置、移动终端及存储介质制造方法及图纸

本公开实施例公开了一种视频场景分类方法、装置、移动终端及存储介质。包括：确定视频当前帧的场景为预设场景的第一场景概率；根据当前帧的第一场景概率和前一帧的场景为预设场景的第二场景概率，得到当前帧的场景为预设场景的修正场景概率；根据当前帧的场景为预设场景的修正场景概率，确定当前帧的实际场景。本公开实施例解决了现有技术在视频拍摄过程中出现场景跳变，使得视频场景分类错误的问题，可以根据前一帧的场景概率对当前帧的场景概率进行修正，即使视频拍摄过程中出现场景跳变，也可以准确、稳定地对视频图像进行场景分类。

A video scene classification method, device, mobile terminal and storage medium

【技术实现步骤摘要】
一种视频场景分类方法、装置、移动终端及存储介质
本公开实施例涉及视频处理技术，尤其涉及一种视频场景分类方法、装置、移动终端及存储介质。
技术介绍
随着移动终端的普及，用户可以通过移动终端在各种场景下进行视频拍摄。例如，在沙滩上进行视频拍摄，或者在夜晚进行视频拍摄。在视频拍摄的过程中，可以对获取的每一帧视频图像进行场景分类，并根据场景分类结果向用户推荐合适的滤镜。场景分类结果不同，推荐的滤镜不同。现有技术一般通过服务器针对每一帧视频图像进行场景分类和滤镜推荐。服务器对移动终端发送的当前视频图像帧进行场景分类，根据场景分类结果确定与当前视频图像帧匹配的滤镜，并将场景分类结果和滤镜反馈给移动终端，以使移动终端将视频拍摄的滤镜调整为与当前视频图像帧匹配的滤镜。现有技术的缺陷在于，视频场景分类方案存在场景分类结果不稳定的问题。例如，用户在同一个场景下录制视频，用户晃动了一下手，导致当前视频图像帧的场景分类结果与前一帧的分类结果差别很大，从而根据当前视频图像帧的场景分类结果确定的滤镜与前一帧的滤镜差别也很大。即在同一个场景下录制视频的过程中出现了场景跳变和滤镜跳变，使得视频场景分类错误。
技术实现思路
本公开提供一种视频场景分类方法、装置、移动终端及存储介质，准确、稳定地对视频图像进行场景分类。第一方面，本公开实施例提供了一种视频场景分类方法，包括：确定视频当前帧的场景为预设场景的第一场景概率；根据当前帧的第一场景概率和前一帧的场景为预设场景的第二场景概率，得到当前帧的场景为预设场景的修正场景概率；根据当前帧的场景为预设场景的修正场景概率，确定当前帧的实际场景。第二方面，本公开实施例还提供了一种视频场景分类装置，包括：概率确定模块，用于确定视频当前帧的场景为预设场景的第一场景概率；概率修正模块，用于根据当前帧的第一场景概率和前一帧的场景为预设场景的第二场景概率，得到当前帧的场景为预设场景的修正场景概率；场景确定模块，用于根据当前帧的场景为预设场景的修正场景概率，确定当前帧的实际场景。第三方面，本公开实施例还提供了一种移动终端，包括：一个或多个处理装置；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理装置执行，使得一个或多个处理装置实现如本公开实施例所述的视频场景分类方法。第四方面，本公开实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理装置执行时实现如本公开实施例所述的视频场景分类方法。本公开实施例通过根据当前帧的第一场景概率和前一帧的场景为预设场景的第二场景概率，得到当前帧的场景为预设场景的修正场景概率，并根据当前帧的场景为预设场景的修正场景概率，确定当前帧的实际场景，解决了现有技术在视频拍摄过程中出现场景跳变，使得视频场景分类错误的问题，可以根据前一帧的场景概率对当前帧的场景概率进行修正，即使视频拍摄过程中出现场景跳变，也可以准确、稳定地对视频图像进行场景分类。附图说明图1为本公开实施例提供的一种视频场景分类方法的流程图；图2为本公开实施例提供的一种视频场景分类方法的流程图；图3为本公开实施例提供的一种视频场景分类装置的结构示意图；图4为本公开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和实施例对本公开作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本公开，而非对本公开的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本公开相关的部分而非全部结构。图1为本公开实施例提供的一种视频场景分类方法的流程图。本实施例可适用于在视频拍摄过程中，对获取的视频图像帧进行场景分类的情况，该方法可以由视频场景分类装置来执行，该装置可以采用软件和/或硬件的方式实现，该装置可以配置于移动终端中。如图1所示，该方法可以包括如下步骤：步骤101、确定视频当前帧的场景为预设场景的第一场景概率。其中，在视频拍摄的过程中，用户通过移动终端的摄像头进行拍摄，得到各帧视频图像。视频当前帧是在当前时刻拍摄到的一帧视频图像。预设场景是预先设置的多种类型的场景。例如，婴儿、沙滩、夜景等场景。第一场景概率是视频当前帧的场景为各类场景的概率。在一个具体实例中，将视频当前帧输入至预设的图像分类模型中，输出视频当前帧的场景为预设场景的第一场景概率。具体的，将视频当前帧输入至预设的图像分类模型中，预设的图像分类模型对视频当前帧的场景类别进行分析，输出视频当前帧的场景为各类场景的概率。例如，预先设置22种不同类型的场景。将视频当前帧输入至预设的图像分类模型中，预设的图像分类模型对视频当前帧的场景类别进行分析，输出视频当前帧的场景为各类场景的概率。即预设的图像分类模型输出22个概率。每一类场景有对应的一个概率。某一类场景所对应的概率是视频当前帧的场景为该类场景的概率。步骤102、根据当前帧的第一场景概率和前一帧的场景为预设场景的第二场景概率，得到当前帧的场景为预设场景的修正场景概率。其中，前一帧为在当前时刻的前一时刻拍摄到的一帧视频图像，即拍摄到的前一帧视频图像。第二场景概率是前一帧的场景为各类场景的概率。可选的，将前一帧的场景为预设场景的第二场景概率与当前帧的场景为预设场景的第一场景概率进行加权平均，加权平均的概率作为当前帧的场景为预设场景的修正场景概率。具体的，根据下述公式，得到当前帧的场景为预设场景的修正场景概率：P2i＝λP1i+(1-λ)P′2i，其中，P2i为当前帧的场景为第i类场景的修正场景概率，P′2i为当前帧的场景为第i类场景的第一场景概率，P1i为前一帧的场景为第i类场景的第二场景概率，i＝1,2,…N，0＜λ＜1。λ是预设的参数，可以根据业务需求进行设置。步骤103、根据当前帧的场景为预设场景的修正场景概率，确定当前帧的实际场景。可选的，按照从大到小的顺序，对加权平均后的当前帧的场景为各类场景的概率进行排序，获取最大概率，并将与最大概率对应的场景确定为当前帧的实际场景。本实施例的技术方案，通过根据当前帧的第一场景概率和前一帧的场景为预设场景的第二场景概率，得到当前帧的场景为预设场景的修正场景概率，并根据当前帧的场景为预设场景的修正场景概率，确定当前帧的实际场景，解决了现有技术在视频拍摄过程中出现场景跳变，使得视频场景分类错误的问题，可以根据前一帧的场景概率对当前帧的场景概率进行修正，即使视频拍摄过程中出现场景跳变，也可以准确、稳定地对视频图像进行场景分类。图2为本公开实施例提供的一种视频场景分类方法的流程图。本实施例可以与上述一个或者多个实施例中各个可选方案结合，在本实施例中，确定视频当前帧的场景为预设场景的第一场景概率，可以包括：将视频当前帧输入至预设的图像分类模型中，输出视频当前帧的场景为预设场景的第一场景概率。以及，在确定视频当前帧的场景为预设场景的第一场景概率之前，可以还包括：获取与各类场景对应的训练样本集合，训练样本集中包括与场景对应的设定数量的图像；使用训练样本集合对神经网络模型进行训练，得到预设的图像分类模型。如图2所示，该方法可以包括如下步骤：步骤201、获取与各类场景对应的训练样本集合，训练样本集中包括与场景对应的设定数量的图像。其中，预先采集与各类场景对应的设定数量的图像，并将图像保存至各类场景对应的训练样本集合中。设定数本文档来自技高网...

【技术保护点】
1.一种视频场景分类方法，其特征在于，包括：确定视频当前帧的场景为预设场景的第一场景概率；根据所述当前帧的第一场景概率和前一帧的场景为预设场景的第二场景概率，得到所述当前帧的场景为预设场景的修正场景概率；根据所述当前帧的场景为预设场景的修正场景概率，确定所述当前帧的实际场景。

【技术特征摘要】
1.一种视频场景分类方法，其特征在于，包括：确定视频当前帧的场景为预设场景的第一场景概率；根据所述当前帧的第一场景概率和前一帧的场景为预设场景的第二场景概率，得到所述当前帧的场景为预设场景的修正场景概率；根据所述当前帧的场景为预设场景的修正场景概率，确定所述当前帧的实际场景。2.根据权利要求1所述的方法，其特征在于，所述确定视频当前帧的场景为预设场景的第一场景概率，包括：将视频当前帧输入至预设的图像分类模型中，输出所述视频当前帧的场景为预设场景的第一场景概率。3.根据权利要求1所述的方法，其特征在于，在确定视频当前帧的场景为预设场景的第一场景概率之前，还包括：获取与各类场景对应的训练样本集合，所述训练样本集中包括与场景对应的设定数量的图像；使用所述训练样本集合对神经网络模型进行训练，得到预设的图像分类模型。4.根据权利要求3所述的方法，其特征在于，所述与场景对应的设定数量的图像为：原始图像以及将原始图像随机裁剪后得到的图像。5.根据权利要求1所述的方法，其特征在于，所述根据所述当前帧的第一场景概率和前一帧的场景为预设场景的第二场景概率，得到所述当前帧的场景为预设场景的修正场景概率，包括：如果所述当前帧为第一帧，则前一帧的场景为预设场景的第二场景概率为空，所述当前帧的场景为预设场景的修正场景概率为所述当前帧的...

【专利技术属性】
技术研发人员：郭冠军，
申请(专利权)人：北京字节跳动网络技术有限公司，
类型：发明
国别省市：北京,11