【技术实现步骤摘要】
视频类型确定方法、装置、设备以及存储介质
[0001]本申请涉及人工智能领域，尤其涉及一种视频类型确定方法、装置、设备以及存储介质。
技术介绍
[0002]在视频推荐、视频检索、视频广告投放等领域，对视频进行分类作为视频内容特征最基本的表现方式之一，具有可解释性强、易扩展等优势。例如，在视频推荐领域，可根据目标对象浏览过的视频的视频类型向目标对象推荐感兴趣的视频，在视频检索领域，基于视频类型进行检索可提升检索结果的准确性。
[0003]现有技术往往通过识别视频中出现最多的对象来对确定视频类型，但是容易受到背景或风格的影响导致确定出的视频类型与实际类型存在差异，如同样是一个坐着的人，当该人物出现在办公室、餐厅、书房、汽车内甚至海边度假村等场景下时，会和不同的视频类型相对应。现有技术还会通过确定视频帧中的部分视频帧的图像类型，进而根据部分视频帧的图像类型推导出视频的视频类型，但是此方法受视频帧的图像类型的限制较大，导致最终确定出的视频类型准确性较低。
[0004]因此，如何准确对视频进行分类成为亟待解决的问题。<...
【技术保护点】
【技术特征摘要】
1.一种视频类型确定方法，其特征在于，所述方法包括：确定待预测视频的各视频帧的初始图像特征；将各所述初始图像特征输入视频类型预测模型，得到所述待预测视频的目标类型；其中，所述视频类型预测模型是基于以下方式训练得到的：确定训练样本集，所述训练样本集包括至少一个样本视频；确定每一所述样本视频的各样本视频帧，确定每一所述样本视频帧的初始图像样本特征和图像分割样本特征，基于所述初始图像样本特征和所述图像分割样本特征确定该样本视频帧的目标图像样本特征；从每一所述样本视频的各样本视频帧中确定至少一个第一视频帧，基于各所述第一视频帧的目标图像样本特征，确定该样本视频对应的第一视频样本特征，所述第一视频样本特征表征了每一所述第一视频帧的图像类型属于至少一个预设图像类型的概率；将每一所述样本视频对应的各目标图像样本特征和第一视频样本特征输入初始模型，得到每一所述样本视频的预测类型；基于各所述样本视频的实际类型和预测类型确定总训练损失，基于所述总训练损失和所述训练样本集对所述初始模型进行迭代训练，直至所述总训练损失符合训练结束条件时停止训练，并将停止训练时的模型确定为所述视频类型预测模型。2.根据权利要求1所述的方法，其特征在于，对于每一所述样本视频帧，确定该样本视频帧的初始图像样本特征，包括：确定该样本视频帧对应于各颜色通道的颜色特征；该样本视频帧对应于每一所述颜色通道的颜色特征替换为该样本视频帧对应于除该颜色通道外的其他任一颜色通道的颜色特征，得到该样本视频帧的初始图像样本特征。3.根据权利要求1所述的方法，其特征在于，对于每一所述样本视频帧，确定该样本视频帧的图像分割样本特征，包括：对该样本视频帧进行图像分割处理，得到图像分割结果；将所述图像分割结果中对应于背景元素的各像素点的特征值替换为第一值，基于各所述第一值和所述图像分割结果中对应于非背景元素的各像素点的特征值，确定该样本视频帧的图像分割样本特征。4.根据权利要求3所述的方法，其特征在于，对于每一所述样本视频帧，所述基于各所述第一值和所述图像分割结果中对应于非背景元素的各像素点的特征值，确定该样本视频帧的图像分割样本特征，包括：将所述图像分割结果中对应于非背景元素的各像素点的特征值替换为第二值；基于各所述第一值和各所述第二值该样本视频帧的图像分割样本特征。5.根据权利要求1所述的方法，其特征在于，对于每一所述样本视频帧，所述基于所述初始图像样本特征和所述图像分割样本特征确定该样本视频帧的目标图像样本特征，包括以下至少一项：对于该样本视频帧的每一像素点，将所述初始图像样本特征中对应于该像素点的颜色特征与所述图像分割样本特征中对应于该像素点的特征值相乘，得到该像素点对应的目标样本特征，基于该样本视频帧的各像素点对应的目标样本特征，确定该样本视频帧的目标图像样本特征；
将所述初始图像样本特征和所述图像分割样本特征进行拼接得到第一拼接特征，将所述第一拼接特征确定为该样本视频帧的目标图像样本特征。6.根据权利要求5所述的方法，其特征在于，每一所述样本视频帧的目标图像样本特征是通过将该样本视频帧的初始图像样本特征和图像分割样本特征进行拼接后得到的，所述将每一所述样本视频对应的各目标图像样本特征和第一视频样本特征输入初始模型，得到每一所述样本视频的预测类型，包括：基...
【专利技术属性】
技术研发人员：刘刚，
申请(专利权)人：腾讯科技深圳有限公司，
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。