[發明專利]一種視頻場景分割判斷方法、智能終端及存儲介質

有效

• 申請號: 201711466018.0
• 申請日: 2017-12-28
• 公開（公告）號: CN109977738B
• 公開（公告）日: 2023-07-25
• 發明（設計）人: 陳銘良;吳佳飛;賴長明;徐永澤;楊福軍
• 申請（專利權）人: 深圳TCL新技術有限公司
• 主分類號: G06V20/40
• 分類號: G06V20/40;G06V10/77;G06V10/82;G06N3/0464;G06N3/08
• 代理公司: 深圳市君勝知識產權代理事務所(普通合伙) 44268
• 代理人: 王永文;劉文求

本發明公開了一種視頻場景分割判斷方法、智能終端及存儲介質，所述視頻場景分割判斷包括：采用深度學習網絡對兩個圖像從多個維度進行特征提取；將提取到的所述特征進行級聯，拼接形成一個固定長度的深度級聯特征向量；判斷所述深度級聯特征向量的相似性，根據相似性的結果判斷是否出現視頻場景分割判斷。本發明通過有效的視頻切換檢測算法和級聯特征提取模型，采用深度學習網絡來對圖像從不同維度進行特征提取，最后將這些特征級聯起來，形成一個固定長度的深度級聯特征向量，衡量此特征向量的相似性來判斷是否進行了視頻分割，在電視機等產品上使用時，提升電視機的視頻播放效果。

技術領域

本發明涉及視頻圖像分析技術領域，尤其涉及一種視頻場景分割判斷方法、智能終端及存儲介質。

背景技術

隨著多媒體壓縮、通訊、存儲技術的飛速發展，以及互聯網軟硬件技術的不斷提高和普及，使得數字視頻的應用得到了極大的發展；面對日益增多的海量視頻數據，如何實現對其有效的管理與檢索，已成為亟待解決的問題；當前解決這個問題最主要的技術就是視頻摘要和視頻檢索，而這兩大技術的一個關鍵性的基礎步驟就是視頻結構分割。如果把一個完整視頻分解為一系列有意義可管理的片段對高層的視頻摘要和視頻檢索相當重要，由于一個視頻場景一般都認為是一個有意義的視頻段，因此視頻場景分割判斷是當前研究的熱點問題，對于視頻摘要與視頻檢索極其重要。

視頻場景變換檢測是視頻自動分段的基礎技術，許多場景相關的視頻應用如視頻摘要和自動色彩調節都依賴于有效的場景檢測算法，許多目前有效的算法利用單個有效的低級特征進行檢測，如色彩直方圖或者邊緣檢測算子，這些單一的低級特征雖然速度很快，但是檢測結果往往具有很大的局限性，需要人手設定合適閾值進行分類，使得結果引入大量錯誤的過多分割，或者漏檢導致不同場景沒有正確分割開來。

因此，現有技術還有待于改進和發展。

發明內容

本發明要解決的技術問題在于，針對現有技術中傳統算法提取的單一和低級的特征來判斷場景是否切換不準確的問題的技術問題，本發明提供了一種視頻場景分割判斷方法、智能終端及存儲介質，旨在通過有效的視頻切換檢測算法和級聯特征提取模型，克服傳統算法提取的單一和低級的特征來判斷場景是否切換不準確的問題，借鑒于目前深度學習網絡對圖像特征提取的有效性，采用深度學習網絡來對圖像從不同維度進行特征提取，最后將這些特征級聯起來，形成一個固定長度的深度級聯特征向量，衡量此特征向量的相似性來判斷是否進行了視頻分割，在電視機等產品上使用時，提升電視機的視頻播放效果。

本發明解決技術問題所采用的技術方案如下：

一種視頻場景分割判斷方法，其中，所述方法包括：

采用深度學習網絡對兩個圖像從多個維度進行特征提取；

將提取到的所述特征進行級聯，拼接形成一個固定長度的深度級聯特征向量；

判斷所述深度級聯特征向量的相似性，根據相似性的結果判斷是否出現視頻場景分割判斷。

所述的視頻場景分割判斷方法，其中，所述采用深度學習網絡對兩個圖像從多個維度進行特征提取具體包括：

對于兩個圖像中的任意一圖像，通過所述圖像的灰度圖獲取灰度統計直方圖；

通過邊緣檢測算子獲取所述圖像的邊緣信息圖；

根據原圖像、邊緣信息圖和灰度統計直方圖，采用一個卷積神經網絡提取深度特征，輸出4096維、2048維和1024維的特征向量。

所述的視頻場景分割判斷方法，其中，所述將提取到的所述特征進行級聯，拼接形成一個固定長度的深度級聯特征向量具體包括：

將提取到的4096維、2048維和1024維的三組級聯的特征向量進行拼接，輸出一個7168維的特征向量；

所述7168維的特征向量為一個固定長度的深度級聯特征向量。