一种视频分类的方法、装置、终端及存储介质制造方法及图纸

本申请适用于计算机技术领域，提供了一种视频分类的方法、装置、终端及存储介质，包括：获取待处理视频对应的多个单帧图像；将多个单帧图像输入到已训练的全局特征提取模型中处理，得到每个单帧图像对应的标记有全局特征的第一目标图像；基于至少一个第一目标图像，生成第一目标视频；将第一目标视频输入到已训练的视频分类模型中处理，得到第一目标视频对应的分类结果。上述方式，通过全局特征提取模型提取单帧图像对应的全局特征，基于带有全局特征的图像生成目标视频，通过视频分类模型对目标视频进行处理时，提取到的语义特征更丰富、准确；基于该语义特征进行分类时，分类结果更准确，从而提升了视频分类的准确度。

【技术实现步骤摘要】
一种视频分类的方法、装置、终端及存储介质
本申请属于计算机
，尤其涉及一种视频分类的方法、装置、终端及存储介质。
技术介绍
视频分类是指通过分析视频信息，将视频分到其对应的类别中去。视频分类在现实应用中起着重要作用，例如视频分类可应用在视频搜索、视频推荐等情形中。然而传统的视频分类方法分类结果并不准确，因此，急需提高视频分类的准确性。
技术实现思路
有鉴于此，本申请实施例提供了一种视频分类的方法、装置、终端及存储介质，以解决传统的视频分类方法分类结果不准确的问题。本申请实施例的第一方面提供了一种视频分类的方法，包括：获取待处理视频对应的多个单帧图像；将所述多个单帧图像输入到已训练的全局特征提取模型中处理，得到每个单帧图像对应的标记有全局特征的第一目标图像；所述全局特征包括人体关节点特征、人员属性特征以及场景特征；基于至少一个所述第一目标图像，生成第一目标视频；将所述第一目标视频输入到已训练的视频分类模型中处理，得到所述第一目标视频对应的分类结果。可选的，所述全局特征提取模本文档来自技高网...

【技术保护点】
1.一种视频分类的方法，其特征在于，包括：/n获取待处理视频对应的多个单帧图像；/n将所述多个单帧图像输入到已训练的全局特征提取模型中处理，得到每个单帧图像对应的标记有全局特征的第一目标图像；所述全局特征包括人体关节点特征、人员属性特征以及场景特征；/n基于至少一个所述第一目标图像，生成第一目标视频；/n将所述第一目标视频输入到已训练的视频分类模型中处理，得到所述第一目标视频对应的分类结果。/n

【技术特征摘要】
1.一种视频分类的方法，其特征在于，包括：
获取待处理视频对应的多个单帧图像；
将所述多个单帧图像输入到已训练的全局特征提取模型中处理，得到每个单帧图像对应的标记有全局特征的第一目标图像；所述全局特征包括人体关节点特征、人员属性特征以及场景特征；
基于至少一个所述第一目标图像，生成第一目标视频；
将所述第一目标视频输入到已训练的视频分类模型中处理，得到所述第一目标视频对应的分类结果。


2.如权利要求1所述的方法，其特征在于，所述全局特征提取模型包括人体姿态关节点提取模型、人员属性识别模型和场景识别模型；所述将所述多个单帧图像输入到已训练的全局特征提取模型中处理，得到每个单帧图像对应的标记有全局特征的第一目标图像，包括：
针对每个单帧图像，将所述单帧图像输入所述人体姿态关节点提取模型中处理，得到标记有人体关节点特征的第一图像；
将所述单帧图像输入所述人员属性识别模型中处理，得到标记有人员属性特征的第二图像；
将所述单帧图像输入所述场景识别模型中处理，得到标记有场景特征的第三图像；
对于所述第一图像、所述第二图像和所述第三图像，以其中任一图像为基础，将另外两个图像中标记的特征融合至所述任一图像中，得到所述第一目标图像。


3.如权利要求2所述的方法，其特征在于，所述针对每个单帧图像，将所述单帧图像输入所述人体姿态关节点提取模型中处理，得到标记有人体关节点特征的第一图像，包括：
通过所述人体姿态关节点提取模型获取每个所述单帧图像对应的人体特征图；
识别并标记所述人体特征图中的各个人体关节点特征；
基于每个所述单帧图像以及每个所述单帧图像对应的各个人体关节点特征，生成每个所述单帧图像对应的第一图像。


4.如权利要求2所述的方法，其特征在于，所述针对每个单帧图像，将所述单帧图像输入所述人体姿态关节点提取模型中处理，得到标记有人体关节点特征的第一图像，包括：
通过所述人体姿态关节点提取模型获取每个所述单帧图像对应的人体特征图；
识别并标记所述人体特征图中的各个人体关节点特征；
通过已训练的空间注意力网络为每个所述单帧图像对应的各个人体关节点特征分配权重值；
基于每个所述单帧图像对应的权重值大于第一预设阈值的人体关节点特征以及每个所述单帧图像，生成每个所述单帧图像对应的第一图像。
...

【专利技术属性】
技术研发人员：董强，李雪，孙芯彤，
申请(专利权)人：西安天和防务技术股份有限公司，
类型：发明
国别省市：陕西;61