[發明專利]視頻分類方法及裝置、存儲介質、電子裝置

在審

• 申請號: 202210361945.0
• 申請日: 2022-04-07
• 公開（公告）號: CN114639062A
• 公開（公告）日: 2022-06-17
• 發明（設計）人: 彭垚;王強;林亦寧
• 申請（專利權）人: 上海閃馬智能科技有限公司;杭州閃馬智擎科技有限公司
• 主分類號: G06V20/40
• 分類號: G06V20/40;G06N3/04;G06N3/08
• 代理公司: 北京康信知識產權代理有限責任公司 11240
• 代理人: 趙靜

本發明實施例提供了一種視頻分類方法及裝置、存儲介質、電子裝置，該方法包括：從目標視頻的N幀圖像中確定每幀圖像中包括的對象之間的位置關系，確定N組位置關系，其中，N是大于1的自然數；確定N幀圖像之間的時序關系；按照N幀圖像之間的時序關系和N組位置關系確定目標序列；將目標序列輸入預先訓練好的目標神經網絡模型中，得到目標視頻的分類結果，其中，分類結果用于表示目標視頻中是否包括異常事件。通過本發明，解決了相關技術中不能準確的確定視頻中的事件類型的問題，達到準確確定視頻中的事件類型的效果。

技術領域

本發明實施例涉及通信領域，具體而言，涉及一種視頻分類方法及裝置、存儲介質、電子裝置。

背景技術

目前，機器學習尤其是深度學習技術已經廣泛應用于與圖像識別相關的領域中，例如視頻監控、醫學圖像分析等等。但是對于連續視頻的分析，仍過多依賴于一些人工干預的方法，例如，通過人為設置一些參考線、參考框，來進行視頻中事件的分類。這種方法人們往往不能總結出事件的所有特征，導致在實際場景下經常會出現一些未能涵蓋的情況。

發明內容

本發明實施例提供了一種視頻分類方法及裝置、存儲介質、電子裝置視頻分類方法及裝置、存儲介質、電子裝置以至少解決相關技術中不能準確的確定視頻中的事件類型的問題。

根據本發明的一個實施例，提供了一種視頻分類方及裝置、存儲介質、電子裝置，包括：從目標視頻的N幀圖像中確定每幀圖像中包括的對象之間的位置關系，確定N組位置關系，其中，上述N是大于1的自然數；確定上述N幀圖像之間的時序關系；按照上述N幀圖像之間的時序關系和上述N組位置關系確定目標序列；將上述目標序列輸入預先訓練好的目標神經網絡模型中，得到上述目標視頻的分類結果，其中，上述分類結果用于表示上述目標視頻中是否包括異常事件。

根據本發明的另一個實施例，提供了一種視頻分類裝置，包括：第一確定模塊，用于從目標視頻的N幀圖像中確定每幀圖像中包括的對象之間的位置關系，確定N組位置關系，其中，上述N是大于1的自然數；第二確定模塊，用于確定上述N幀圖像之間的時序關系；第三確定模塊，用于按照上述N幀圖像之間的時序關系和上述N組位置關系確定目標序列；第一輸入模塊，用于將上述目標序列輸入預先訓練好的目標神經網絡模型中，得到上述目標視頻的分類結果，其中，上述分類結果用于表示上述目標視頻中是否包括異常事件。

在一個示例性實施例中，上述第一確定模塊，包括：第一確定單元，用于針對上述N幀圖像中的每幀圖像，均執行以下操作，確定N組位置關系：第一識別單元，用于識別上述圖像中包括的目標對象，其中，上述目標對象為上述圖像中包括的目標類型的對象，上述目標對象的數量為多個，上述目標類型的數量為一個或多個；第二確定單元，用于確定上述目標對象中包括的每個目標對象在上述圖像中的坐標信息；第三確定單元，用于按照每個上述目標對象的坐標信息，連接上述目標對象中包括的任意兩個目標對象，確定上述圖像中包括的每個上述目標對象之間的位置關系，得到一組位置關系。

在一個示例性實施例中，上述第三確定單元，包括：第一確定子單元，用于從每個上述目標對象的坐標信息中，確定上述每個上述目標對象的相鄰對象；第一連接子單元，用于利用邊線連接每個上述目標對象和上述相鄰對象；第一標注子單元，用于在上述邊線上標注每個上述目標對象和上述相鄰對象之間的距離，以確定上述圖像中包括的每個上述目標對象之間的位置關系，得到一組位置關系。

在一個示例性實施例中，上述第二確定模塊，包括：第四確定單元，用于按照上述N幀圖像的拍攝時間確定上述N幀圖像之間的時序關系。

在一個示例性實施例中，上述第三確定模塊，包括：第五確定單元，用于按照上述N幀圖像之間的時序關系排列上述N組位置關系，確定上述目標序列。