【技术实现步骤摘要】
一种视频分类方法、装置、电子设备及存储介质
本申请涉及信息
,特别是涉及一种视频分类方法、装置、电子设备及存储介质。
技术介绍
随着智能高清技术的发展,基于图像分析的视频处理技术越来越多的被应用到实际任务当中。短视频作为短视频厂商的主要盈利来源,对其进行有效的分析,比如分类,目标分割,视频概述等等,对后续短视频的处理起着至关重要的作用。目前,一般通过C3D(3DConvNets,3维卷积网络)进行短视频的分类。现有技术中,在通过C3D进行短视频的分类时,通常使用单一时间间隔采样的视频帧作为C3D的训练输入,因此在整个网络学习过程中提取的也是单一时间粒度上的特征。在实际分类过程中,因为C3D中输入的为连续视频帧,所提取到的也通常是单一时间粒度的特征,然后仅通过单一时间粒度的特征进行视频分类,分类结果准确度底。
技术实现思路
本申请实施例的目的在于提供一种视频分类方法、装置、电子设备及存储介质,以实现提高视频分类结果的准确度。具体技术方案如下:第一方面,本申请提供了一种视频分类方法,包括:获取待分类视频的N张视频帧;从N张视频帧中确定S个目标图像分组,其中,每个目标图像分组均包括多张视频帧,不同目标图像分组中各视频帧之间的时序间隔不同;将S个目标图像分组分别输入到预先训练的深度学习模型的S个特征提取网络中,获取各目标图像分组的特征向量,得到S个特征向量,其中,特征向量用于表征目标图像的空间特征和时序特征;对S个特征向量进行特征融合,得到N张视频帧的 ...
【技术保护点】
1.一种视频分类方法,其特征在于,包括:/n获取待分类视频的N张视频帧;/n从所述N张视频帧中确定S个目标图像分组,其中,每个所述目标图像分组均包括多张视频帧,不同所述目标图像分组中各视频帧之间的时序间隔不同;/n将S个所述目标图像分组分别输入到预先训练的深度学习模型的S个特征提取网络中,获取各所述目标图像分组的特征向量,得到S个特征向量,其中,所述特征向量用于表征所述目标图像的空间特征和时序特征;/n对所述S个特征向量进行特征融合,得到所述N张视频帧的分类特征向量,其中,所述分类特征向量包括所述N张视频帧的空间特征和时序特征;/n根据所述N张视频帧的分类特征向量对所述待分类视频进行分类,得到所述待分类视频的分类结果。/n
【技术特征摘要】
1.一种视频分类方法,其特征在于,包括:
获取待分类视频的N张视频帧;
从所述N张视频帧中确定S个目标图像分组,其中,每个所述目标图像分组均包括多张视频帧,不同所述目标图像分组中各视频帧之间的时序间隔不同;
将S个所述目标图像分组分别输入到预先训练的深度学习模型的S个特征提取网络中,获取各所述目标图像分组的特征向量,得到S个特征向量,其中,所述特征向量用于表征所述目标图像的空间特征和时序特征;
对所述S个特征向量进行特征融合,得到所述N张视频帧的分类特征向量,其中,所述分类特征向量包括所述N张视频帧的空间特征和时序特征;
根据所述N张视频帧的分类特征向量对所述待分类视频进行分类,得到所述待分类视频的分类结果。
2.根据权利要求1所述的方法,其特征在于,所述从所述N张视频帧中确定S个目标图像分组,包括:
按照不同的时序间隔对所述N张视频帧进行分组,得到每个时序间隔对应的分组结果,其中,所述每个时序间隔对应的分组结果包括多个图像分组;
分别从所述每个时序间隔对应的分组结果中随机选取一组图像分组,得到S个目标图像分组。
3.根据权利要求1所述的方法,其特征在于,所述按照不同的时序间隔对所述N张视频帧进行分组,得到每个时序间隔对应的分组结果,包括:
按照预设规则从所述N张视频帧的每一视频帧中截取预设规格的图像,得到截取后的N张视频帧,其中,所述预设规则为将所述N张视频帧作为一个视频片段,对同一视频片段在相同位置进行截取,对不同视频片段在不同位置进行截取;
按照不同的时序间隔对所述截取后的N张视频帧进行分组,得到每个时序间隔对应的分组结果。
4.根据权利要求3所述的方法,其特征在于,所述按照不同的时序间隔对所述截取后的N张视频帧进行分组,得到每个时序间隔对应的分组结果之前,所述方法还包括:
对所述截取后的N张视频帧中的各视频帧进行映射处理,得到所述截取后的N张视频帧中的各视频帧对应的浅层特征图。
5.根据权利要求1所述的方法,其特征在于,所述获取待分类视频的N张视频帧,包括:
在所述待分类视频中选取一视频帧,作为起始视频帧;
在所述待分类视频中,从所述起始视频帧开始向前或向后选取连续的N张视频帧。
6.根据权利要求1所述的方法,其特征在于,所述S个特征向量为相同维度的特征向量。
7.根据权利要...
【专利技术属性】
技术研发人员:陈熊,蔡媛,樊鸿飞,汪贤,鲁方波,成超,张海斌,熊宝玉,
申请(专利权)人:北京金山云网络技术有限公司,
类型:发明
国别省市:北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。