本公开提供一种视频检测方法、视频检测装置、计算机可读存储介质与电子设备，涉及视频处理技术领域。所述视频检测方法包括：获取待检测视频与目标动作的参考视频；对所述待检测视频中的图像帧提取特征，得到所述待检测视频对应的待检测特征序列，以及对所述参考视频中的图像帧提取特征，得到所述参考视频对应的参考特征序列；在所述待检测特征序列中确定与所述参考特征序列匹配的目标子特征序列；根据所述目标子特征序列确定所述待检测视频中与所述目标动作相关的图像帧。本公开可以在待检测视频中便捷、快速的检测出与目标动作相关的图像帧。像帧。像帧。
【技术实现步骤摘要】
视频检测方法、视频检测装置、存储介质与电子设备
[0001]本公开涉及视频处理
，尤其涉及一种视频检测方法、视频检测装置、计算机可读存储介质与电子设备。
技术介绍
[0002]随着计算机技术的迅速发展，图像和视频数据迅猛增长，为了满足用户在多种视频处理场景下的多样化需求，经常需要对视频进行检测，例如当用户想要从一段长视频中截取其中跳跃动作的子视频时，可以对该长视频进行视频检测，以识别其中的跳跃动作，并截取跳跃动作对应的子视频或者确定跳跃动作对应的开始时间和结束时间等。
[0003]现有技术的视频检测方法，通常需要基于大量的标注数据，预先训练一深度神经网络模型，通过深度神经网络模型对待检测的视频进行处理，来实现对其中指定动作的识别。然而，为了保证视频检测的准确性，采用这种方式时，通常需要人工对大量训练视频进行标注，时间成本和人力成本较高，且随着视频检测需求的不断增加，训练视频集的规模也容易受到限制，从而对深度神经网络模型的性能造成影响，导致视频检测效率和准确性不佳。
技术实现思路
[0004]本公开提供了一种视频检测方法、视频检测装置、计算机可读存储介质与电子设备，进而至少在一定程度上改善现有的视频检测方法需要对大量训练视频进行标注，时间和人力成本较高的问题。
[0005]本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
[0006]根据本公开的第一方面，提供一种视频检测方法，包括：获取待检测视频与目标动作的参考视频；对所述待检测视频中的图像帧提取特征，得到所述待检测视频对应的待检测特征序列，以及对所述参考视频中的图像帧提取特征，得到所述参考视频对应的参考特征序列；在所述待检测特征序列中确定与所述参考特征序列匹配的目标子特征序列；根据所述目标子特征序列确定所述待检测视频中与所述目标动作相关的图像帧。
[0007]根据本公开的第二方面，提供一种视频检测装置，包括：视频获取模块，用于获取待检测视频与目标动作的参考视频；特征提取模块，用于对所述待检测视频中的图像帧提取特征，得到所述待检测视频对应的待检测特征序列，以及对所述参考视频中的图像帧提取特征，得到所述参考视频对应的参考特征序列；序列确定模块，用于在所述待检测特征序列中确定与所述参考特征序列匹配的目标子特征序列；图像确定模块，用于根据所述目标子特征序列确定所述待检测视频中与所述目标动作相关的图像帧。
[0008]根据本公开的第三方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面的视频检测方法及其可能的实现方式。
[0009]根据本公开的第四方面，提供一种电子设备，包括：处理器；存储器，用于存储所述
处理器的可执行指令。其中，所述处理器配置为经由执行所述可执行指令，来执行上述第一方面的视频检测方法及其可能的实现方式。
[0010]本公开的技术方案具有以下有益效果：
[0011]获取待检测视频与目标动作的参考视频；对待检测视频中的图像帧提取特征，得到待检测视频对应的待检测特征序列，以及对参考视频中的图像帧提取特征，得到参考视频对应的参考特征序列；在待检测特征序列中确定与参考特征序列匹配的目标子特征序列；根据目标子特征序列确定待检测视频中与目标动作相关的图像帧。一方面，本示例性实施例提出一种新的视频检测方法，通过比对待检测特征序列与参考特征序列，在待检测视频中确定与目标动作相关的图像帧，由于目标子特征序列是基于目标动作的参考视频匹配得到的，匹配过程以参考视频为基准，使得检测结果具有较强的针对性和准确性；另一方面，本示例性实施例在进行匹配时，仅涉及对目标动作的参考视频的处理过程，无需对其他大量的训练视频进行处理，相比于标注大量数据训练复杂度较高的深度神经网络模型进行视频检测，极大的降低了对视频数据处理的时间成本和人力成本，视频检测流程更加简单、便捷。
[0012]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
[0013]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0014]图1示出本示例性实施方式中一种系统架构的示意图；
[0015]图2示出本示例性实施方式中一种电子设备的结构图；
[0016]图3示出本示例性实施方式中一种视频检测方法的流程图；
[0017]图4示出本示例性实施方式中一种视频检测方法的图像帧示意图；
[0018]图5示出本示例性实施方式中一种视频检测方法的子流程图；
[0019]图6示出本示例性实施方式中训练特征提取模型的示意图；
[0020]图7示出本示例性实施方式中另一种视频检测方法的流程图；
[0021]图8示出本示例性实施方式中一种视频检测方法的另一子流程图；
[0022]图9示出本示例性实施方式中一种视频检测装置的结构框图。
具体实施方式
[0023]现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略特定细节中的一个或更多，或者可以采用其它的方法、组
元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。
[0024]此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
[0025]本公开的示例性实施方式提供一种视频检测方法。图1示出了本示例性实施方式运行环境的系统架构图。如图1所示，该系统架构100可以包括用户终端110和服务端120，两者之间可以通过网络形成通信交互，例如用户终端110可以将获取的视频数据发送至服务端120，服务端120可以将视频检测结果返回至用户终端110。其中，用户终端110可以包括但不限于智能手机、平板电脑、游戏机、可穿戴设备等电子设备；服务端120是指提供互联网服务或视频处理能力的后台服务器。
[0026]应当理解，图1中各装置的数量仅是示例性的。根据实现需要，可以设置任意本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种视频检测方法，其特征在于，包括：获取待检测视频与目标动作的参考视频；对所述待检测视频中的图像帧提取特征，得到所述待检测视频对应的待检测特征序列，以及对所述参考视频中的图像帧提取特征，得到所述参考视频对应的参考特征序列；在所述待检测特征序列中确定与所述参考特征序列匹配的目标子特征序列；根据所述目标子特征序列确定所述待检测视频中与所述目标动作相关的图像帧。2.根据权利要求1所述的方法，其特征在于，所述对所述待检测视频中的图像帧提取特征，得到所述待检测视频对应的待检测特征序列，包括：利用预先训练的特征提取模型对所述待检测视频中的图像帧提取特征，得到所述待检测视频对应的待检测特征序列。3.根据权利要求2所述的方法，其特征在于，所述方法还包括：获取样本视频对，所述样本视频对包括第一样本视频与第二样本视频，所述第一样本视频与所述第二样本视频对应于相同动作；利用待训练的所述特征提取模型分别对所述第一样本视频与所述第二样本视频中的图像帧提取特征，得到所述第一样本视频对应的第一样本特征序列与所述第二样本视频对应的第二样本特征序列；对于所述第一样本特征序列中的至少一帧第一样本特征，在所述第二样本特征序列中确定与之最相似的第二样本特征，得到第一匹配结果，以及在所述第一样本特征序列中确定与所述第二样本特征最相似的第一样本特征，得到第二匹配结果；根据所述第一匹配结果与所述第二匹配结果的差别，更新所述特征提取模型的参数。4.根据权利要求1所述的方法，其特征在于，所述在所述待检测特征序列中确定与所述参考特征序列匹配的目标子特征序列，包括：根据所述参考特征序列的长度确定滑动窗口的尺寸；利用所述滑动窗口在所述待检测特征序列中提取子特征序列，并确定所述子特征序列与所述参考特征序列的匹配度，当所述匹配度达到预设阈值时，将所述子特征序列确定为所述目标子特征序列。5.根据权利要求4所述的方法，其特征在于，所述利用所述滑动窗口在...
【专利技术属性】
技术研发人员：张宸，陈忱，陶训强，何苗，郭彦东，
申请(专利权)人：上海瑾盛通信科技有限公司，
类型：发明
国别省市：
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。