[發明專利]視頻的場景識別方法、裝置、存儲介質及計算機設備

有效

• 申請號: 201811392100.8
• 申請日: 2018-11-21
• 公開（公告）號: CN110166826B
• 公開（公告）日: 2021-10-08
• 發明（設計）人: 易陽;涂娟輝;李峰;高孟平
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: H04N21/44
• 分類號: H04N21/44
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 黃曉慶;何平

1.一種視頻的場景識別方法，包括：

獲取待處理視頻幀的圖像特征；所述待處理視頻幀是對待識別視頻進行抽幀處理得到；

通過遞歸神經網絡，根據各所述圖像特征確定各目標圖像特征所對應的隱藏狀態；所述各目標圖像特征包括根據各所述圖像特征確定的各圖像特征序列中的最后一個圖像特征，所述圖像特征序列多于一個；所述圖像特征序列是對所述圖像特征進行分組得到的；所述圖像特征序列中包括至少兩個圖像特征，所述至少兩個圖像特征在時間上是有先后順序的；

根據各所述目標圖像特征所對應的隱藏狀態、以及各所述目標圖像特征所在的圖像特征序列相鄰的前一個圖像特征序列對應的序列特征，確定各所述目標圖像特征所在的圖像特征序列對應的序列特征；

根據各所述圖像特征序列中的最后一個圖像特征序列對應的序列特征，確定所述待識別視頻的場景類別識別結果。

2.根據權利要求1所述的方法，其特征在于，所述獲取待處理視頻幀的圖像特征，包括：

獲取所述待處理視頻幀；

將所述待處理視頻幀輸入特征提取神經網絡；

通過所述特征提取神經網絡，分別提取各所述待處理視頻幀的圖像特征。

3.根據權利要求1所述的方法，其特征在于，還包括：

根據各所述圖像特征進行均值運算，得到均值特征；

所述根據各所述圖像特征序列中的最后一個圖像特征序列對應的序列特征，確定所述待識別視頻的場景類別識別結果，包括：

根據各所述圖像特征序列中的最后一個圖像特征序列對應的序列特征及所述均值特征，確定所述待識別視頻的場景類別識別結果。

4.根據權利要求1所述的方法，其特征在于，所述根據各所述圖像特征序列中的最后一個圖像特征序列對應的序列特征，確定所述待識別視頻的場景類別識別結果，包括：

將各所述圖像特征序列中的最后一個圖像特征序列對應的序列特征，輸入所述遞歸神經網絡中的全連接層；

通過所述全連接層，根據所述最后一個圖像特征序列對應的序列特征進行分類，得到所述待識別視頻的場景類別識別結果。

5.根據權利要求1至4任一項所述的方法，其特征在于，所述通過遞歸神經網絡，根據各所述圖像特征確定目標圖像特征所對應的隱藏狀態，包括：

通過所述遞歸神經網絡，分別根據各所述圖像特征及各所述圖像特征相鄰的前一個圖像特征對應的隱藏狀態，確定各所述圖像特征對應的隱藏狀態；

其中，所述目標圖像特征對應的隱藏狀態包含于各所述圖像特征對應的隱藏狀態中。

6.根據權利要求5所述的方法，其特征在于，所述通過所述遞歸神經網絡，分別根據各所述圖像特征及各所述圖像特征相鄰的前一個圖像特征對應的隱藏狀態，確定各所述圖像特征對應的隱藏狀態，包括：

通過所述遞歸神經網絡，分別將各所述圖像特征相鄰的前一個圖像特征對應的隱藏狀態和第一掩碼參數相乘，得到各所述圖像特征對應的隱藏狀態影響參數；

分別根據各所述圖像特征及與各所述圖像特征對應的隱藏狀態影響參數，確定各所述圖像特征對應的隱藏狀態。

7.根據權利要求6所述的方法，其特征在于，所述分別根據各所述圖像特征及與各所述圖像特征對應的隱藏狀態影響參數，確定各所述圖像特征對應的隱藏狀態，包括：

通過所述遞歸神經網絡，分別根據各所述圖像特征及各所述圖像特征相鄰的前一個圖像特征對應的隱藏狀態，確定各所述圖像特征對應的輸入門參數、遺忘門參數及輸出門參數；

分別將各所述圖像特征相鄰的前一個圖像特征對應的細胞狀態和第二掩碼參數相乘，得到各所述圖像特征對應的細胞狀態影響參數；

分別根據各所述圖像特征及與各所述圖像特征對應的細胞狀態影響參數，確定各所述圖像特征對應的細胞狀態；

分別根據各所述圖像特征對應的隱藏狀態影響參數、輸入門參數、遺忘門參數、輸出門參數、以及各所述圖像特征相鄰的前一個圖像特征對應的細胞狀態，確定各所述圖像特征對應的隱藏狀態。