一种视频分析方法、装置、电子设备及存储介质制造方法及图纸

本申请涉及视频分析技术领域，尤其涉及一种视频分析方法、装置、电子设备及存储介质，用以提高视频分析的准确性。该方法包括：基于已训练的目标视频分析模型，获得各视频片段各自包含各设定事件的初始概率，基于各初始概率以及预设的概率阈值，获得待分析的视频中包含的目标事件的定位信息，基于该定位信息，对待分析的视频中包含的目标事件进行分析；其中，目标视频分析模型是基于第一训练损失和第二训练损失对应的目标训练损失，对待训练的视频分析模型进行参数调整后得到的，第一训练损失是基于样本视频的每个样本视频片段包含各样本事件的样本初始概率获得的，第二训练损失是基于各样本参考概率获得的，从而可以提高视频分析的准确性。析的准确性。析的准确性。

【技术实现步骤摘要】
一种视频分析方法、装置、电子设备及存储介质


[0001]本申请涉及视频分析
，尤其涉及一种视频分析方法、装置、电子设备及存储介质。

技术介绍

[0002]随着智慧城市的建设和物联网技术的发展，摄像头等图像采集设备的数量激增并且产生了海量的视频。其中，可以基于预先训练完毕的视频分析模型，来对视频中出现的非延续性事件进行识别和定位，例如：可以通过视频分析模型对视频进行特征分析，最终输出在视频的第X分X秒
‑
第XX分XX秒出现了跳高等非延续性事件的定位信息。
[0003]相关技术下，在对视频分析模型进行训练时，可以基于标注有样本标签的各样本视频，对视频分析模型进行训练。其中，为了减少人力消耗，各样本视频可以分别被标注有较少数量的样本标签，例如：每个样本视频可以分别被标注一个样本标签等。
[0004]然而，也正是由于每个样本视频被标注的样本标签的数量较少，使得视频分析模型可以学习的特征较少，因此，基于上述方式训练完毕的视频分析模型的定位精确度较低，基于该视频分析模型确定的定位信息的准确度也较低，即视频分析的准确性本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种视频分析方法，其特征在于，所述方法包括：基于已训练的目标视频分析模型，获得待分析的视频包含的各视频片段各自的初始特征，基于各初始特征，获得所述各视频片段各自包含各设定事件的初始概率；基于各初始概率以及预设的概率阈值，获得所述待分析的视频中包含的目标事件的定位信息，基于所述定位信息，对所述待分析的视频中包含的目标事件进行分析；其中，所述目标视频分析模型是基于第一训练损失和第二训练损失对应的目标训练损失，对待训练的视频分析模型进行参数调整后得到的，所述第一训练损失是基于样本视频的每个样本视频片段包含各样本事件的样本初始概率获得的，所述第二训练损失是基于各样本初始概率，确定所述每个样本视频片段包含所述各样本事件的样本参考概率，并基于各样本参考概率获得的。2.根据权利要求1所述的方法，其特征在于，在训练过程中，所述第一训练损失是采用以下方式获得的：基于待训练的视频分析模型，获得所述每个样本视频片段各自的样本初始特征，及各自包含各样本事件的样本初始概率；基于各样本初始概率和所述样本视频包含各样本事件的标签样本概率，获得所述第一训练损失；在训练过程中，所述第二训练损失是采用以下方式获得的：基于所述每个样本视频片段包含各样本事件的样本初始概率及相应的概率阈值，确定所述每个样本视频片段包含所述各样本事件的样本参考概率；基于所述每个样本视频片段的样本初始特征及相应的样本参考概率，确定所述每个样本视频片段的样本基准特征；基于所述每个样本视频片段的样本基准特征及预设的样本特征集，确定第二训练损失，所述样本特征集中包含相应的正负样本特征。3.根据权利要求2所述的方法，其特征在于，所述基于所述每个样本视频片段的样本基准特征及预设的样本特征集，确定第二训练损失，包括：基于各样本视频片段，组成各样本子视频，其中，每个样本子视频中包含所述各样本视频片段中的部分样本视频片段或全部样本视频片段；基于所述各样本子视频中包含的样本视频片段的样本基准特征，分别确定各样本子视频各自的样本综合特征；基于所述各样本子视频各自的样本综合特征及预设的样本特征集，确定第二训练损失。4.根据权利要求2或3所述的方法，其特征在于，所述基于所述每个样本视频片段的样本初始特征及相应的样本参考概率，确定所述每个样本视频片段的样本基准特征，包括：基于所述每个样本视频片段的样本初始特征及相应的样本参考概率，分别确定所述每个样本视频片段的第一事件子特征以及第一背景子特征；将所述每个样本视频片段的第一事件子特征以及第一背景子特征，作为所述每个样本视频片段的样本基准特征。5.根据权利要求4所述的方法，其特征在于，所述基于所述各样本子视频中包含的样本视频片段的样本基准特征，分别确定各样本子视频各自的样本综合特征，包括：
基于所述各样本子视频中包含的样本视频片段的所述第一事件子特征，确定各样本子视频各自的第二事件子特征；以及，基于所述各样本子视频中包含的样本视频片段的所述第一背景子特征，确定各样本子视频各自的第二背景子特征；将所述各样本子视频各自的第二事件子特征以及第二背景子特征，作为所述各样本子视频各自的样本综合特征。6.根据权利要求5所述的方法，其特征在于，所述基于所述各样本子视频各自的样本综合特征及预设的样本特征集，确定第二训练损失，包括：基于所述样本视频对应的样本标签，确定所述各样本子视频各自的第二事件子特征的事件类别；基于所述事件类别以及所述样本特征集中各样本特征的类别，确定各第二事件子特征相应的正样本特征及负样本特征；基于所述各第二事件子特征与相应的正样本特征之间的第一距离，以及所述各第二事件子特征与相应的负样本特征之间的第二距离，确定第二训练损失。7.根据权利要求2所述的方法，其特征在于，所...

【专利技术属性】
技术研发人员：李婧婧，杨田雨，王珏，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：