训练方法、识别方法、装置、电子设备以及存储介质制造方法及图纸

本公开公开了视频识别模型的训练方法、视频识别方法、装置、电子设备、存储介质以及程序产品。涉及人工智能技术领域，尤其涉及计算机视觉和直播技术领域。具体实现方案为：获取训练样本，其中，训练样本包括视频数据和与视频数据相对应的标签，视频数据包括与交通场景相关的视频数据，标签指示了在采集视频数据的同时发生的事件；以及利用训练样本训练初始视频识别模型，得到视频识别模型。得到视频识别模型。得到视频识别模型。

【技术实现步骤摘要】
训练方法、识别方法、装置、电子设备以及存储介质


[0001]本公开涉及人工智能
，尤其涉及计算机视觉和直播
具体涉及视频识别模型的训练方法、视频识别方法、装置、电子设备、存储介质以及程序产品。

技术介绍

[0002]随着网络上视频数据数量呈现爆炸式增长，海量的数据源以及丰富的数据层次，使得依靠人工来分析和处理这些视频数据变得越来越困难。计算机视觉技术为解放人力提供巨大潜力。计算机视觉是一门研究如何使用电子设备“看”的科学，即，利用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等的科学技术。计算机视觉技术为公共安全、信息安全、金融安全层面的应用发展提供巨大帮助。

技术实现思路

[0003]本公开提供了一种视频识别模型的训练方法、视频识别方法、装置、电子设备、存储介质以及程序产品。
[0004]根据本公开的一方面，提供了一种视频识别模型的训练方法，包括：获取训练样本，其中，训练样本包括视频数据和与视频数据相对应的标签，视频数据包括与交通场景相关的视频数据，标签指示了在采集视频数据的同时发生的事件；以及利用训练样本训练初始视频识别模型，得到视频识别模型。
[0005]根据本公开的另一方面，提供了一种视频识别方法，包括：获取待识别视频数据；以及将待识别视频数据输入视频识别模型，得到与待识别视频数据相对应的识别结果；其中，视频识别模型是利用如上所述的视频识别模型的训练方法训练的。
[0006]根据本公开的另一方面，提供了一种视频识别模型的训练装置，包括：样本获取模块，用于获取训练样本，其中，训练样本包括视频数据和与视频数据相对应的标签，视频数据包括与交通场景相关的视频数据，标签指示了在采集视频数据的同时发生的事件；以及训练模块，用于利用训练样本训练初始视频识别模型，得到视频识别模型。
[0007]根据本专利技术的另一方面，提供了一种视频识别装置，包括：数据获取模块，用于获取待识别视频数据；以及识别模块，用于将待识别视频数据输入视频识别模型，得到与待识别视频数据相对应的识别结果；其中，视频识别模型是利用视频识别模型的训练方法训练的。
[0008]根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上所述的视频识别模型的训练方法以及如上所述的视频识别方法。
[0009]根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行如上所述的视频识别模型的训练方法以及如上所述的视频识别方法。
[0010]根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现如上所述的视频识别模型的训练方法以及如上所述的视频识别方法。
[0011]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0012]附图用于更好地理解本方案，不构成对本公开的限定。其中：
[0013]图1示意性示出了根据本公开实施例的可以应用视频识别方法及装置的示例性系统架构；
[0014]图2示意性示出了根据本公开实施例的视频识别模型的训练方法的流程图；
[0015]图3A示意性示出了根据本公开第一实施例的与交通场景相关的视频数据中的视频帧示意图；
[0016]图3B示意性示出了根据本公开第二实施例的与交通场景相关的视频数据中的视频帧示意图；
[0017]图3C示意性示出了根据本公开第三实施例的与交通场景相关的视频数据中的视频帧示意图；
[0018]图3D示意性示出了根据本公开第四实施例的与交通场景相关的视频数据中的视频帧示意图；
[0019]图4示意性示出了根据本公开实施例的时序信息标记的示意图；
[0020]图5示意性示出了根据本公开实施例的视频识别方法的流程图；
[0021]图6示意性示出了根据本公开另一实施例的视频识别方法的流程图；
[0022]图7示意性示出了根据本公开实施例的视频识别模型的训练装置的框图；
[0023]图8示意性示出了根据本公开实施例的视频识别装置的框图；以及
[0024]图9示意性示出了根据本公开实施例的适于实现视频识别模型的训练方法或者视频识别方法的电子设备的框图。
具体实施方式
[0025]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0026]随着互联网技术的发展，各类场景下的直播快速发展，如直播带货等。但当前各平台直播中，存在如直播过程中驾驶车辆等危险事件。直播场景下的危险驾驶，即主播在驾驶车辆行驶过程中开播，存在很大的安全隐患，易导致交通事故等。
[0027]本公开提供了视频识别模型的训练方法、视频识别方法、装置、电子设备、存储介质以及程序产品。
[0028]根据本公开的实施例，视频识别模型的训练方法可以包括：获取训练样本，其中，训练样本包括视频数据和与视频数据相对应的标签，视频数据包括与交通场景相关的视频
数据，标签指示了在采集视频数据的同时发生的事件；以及利用训练样本训练初始视频识别模型，得到视频识别模型。
[0029]根据本公开的实施例，视频识别方法可以包括：获取待识别视频数据；以及将待识别视频数据输入视频识别模型，得到与待识别视频数据相对应的识别结果；其中，视频识别模型是利用如上所述的视频识别模型的训练方法训练的。
[0030]图1示意性示出了根据本公开实施例的可以应用视频识别方法及装置的示例性系统架构。
[0031]需要注意的是，图1所示仅为可以应用本公开实施例的系统架构的示例，以帮助本领域技术人员理解本公开的
技术实现思路
，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。例如，在另一实施例中，可以应用视频识别方法及装置的示例性系统架构可以包括终端设备，但终端设备可以无需与服务器进行交互，即可实现本公开实施例提供的视频识别方法及装置。
[0032]如图1所示，根据该实施例的系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线和/或无线通信链路等等。
[0033]用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种视频识别模型的训练方法，包括：获取训练样本，其中，所述训练样本包括视频数据和与所述视频数据相对应的标签，所述视频数据包括与交通场景相关的视频数据，所述标签指示了在采集所述视频数据的同时发生的事件；以及利用所述训练样本训练初始视频识别模型，得到所述视频识别模型。2.根据权利要求1所述的方法，其中，所述视频数据包括以下至少一项：与车辆相关的视频数据、与道路相关的视频数据、与交通设施相关的视频数据、对象视频数据。3.根据权利要求2所述的方法，其中，所述与车辆相关的视频数据包括以下至少一项：车辆车身视频数据、车辆内仓视频数据；其中，所述与道路相关的数据包括以下至少一项：道路交通标志线视频数据、道路路面视频数据、绿化带视频数据、道路两侧场景视频数据；其中，所述与交通设施相关的视频数据包括以下至少一项：交通信号灯视频数据、违章信息采集设备视频数据、交通岗亭视频数据、道路交通指示牌视频数据。4.根据权利要求1所述的方法，其中，所述标签包括表示了在采集所述视频数据的同时发生驾驶事件的第一类别标签和表示了在采集所述视频数据的同时未发生驾驶事件的第二类别标签。5.根据权利要求1至4任一项所述的方法，其中，所述利用所述训练样本训练初始视频识别模型，得到所述视频识别模型包括：提取所述视频数据中的多个视频帧；标记所述多个视频帧各自的时序信息，得到多个目标视频帧；以及利用所述多个目标视频帧和与所述视频数据相对应的标签训练所述初始视频识别模型，得到所述视频识别模型。6.根据权利要求5所述的方法，其中，所述提取所述视频数据中的多个视频帧包括：按照预设抽帧频率等间隔提取所述视频数据中的多个视频帧。7.根据权利要求5所述的方法，其中，所述提取所述视频数据中的多个视频帧还包括：确定所述视频数据的时长；在确定所述视频数据的时长大于预设时长的情况下，切分所述视频数据，得到多个视频段数据，以便从所述多个视频段数据的每个视频段数据中提取所述多个视频帧。8.根据权利要求5所述的方法，其中，所述标记所述多个视频帧各自的时序信息，获得多个目标视频帧包括：按照所述视频数据的时序正序标记所述多个视频帧各自的时序信息，得到所述多个目标视频帧；或者按照所述视频数据的时序倒序标记所述多个视频帧各自的时序信息，得到所述多个目标视频帧。9.一种视频识别方法，包括：获取待识别视频数据；以及将所述待识别视频数据输入视频识别模型，得到与所述待识别视频数据相对应的识别结果；
其中，所述视频识别模型是利用根据权利要求1
‑
8中任一项所述的方法训练的。10.根据权利要求9所述的方法，其中，所述将所述待识别视频数据输入视频识别模型，得到与所述待识别视频数据相对应的识别结果包括：提取所述待识别视频数据中的多个待识别视频帧；标记所述多个待识别视频帧各自的时序信息，得到多个目标待识别视频帧；以及将所述多个目标待识别视频帧输入所述视频识别模型，得到与所述待识别视频数据相对应的识别结果。11.根据权利要求9所述的方法，其中，所述获取待识别视频数据包括：确定正在直播中的直播间标识信息；以及基于所述直播间标识信息，获取所述直播间的与当前时间最接近的已经直播过的视频数据，并将所述直播间的与当前时间最接近的已经直播过的视频数据作为所述待识别视频数据。12.一种视频识别模型的训练装置，包括：样本获取模块，用于获取训练...

【专利技术属性】
技术研发人员：孙想，邓天生，贠挺，于天宝，陈国庆，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：