的场景作为待识别视频的场景，该方法相比较现有技术实现了对视频帧更精细准确的分类，提高了视频场景识别的准确度。
[0057]而且，通过提取待识别视频的关键帧进行识别，提高了识别处理速度。
[0058]在本发明的另一实施例中，采用级联分类器对视频帧进行两级分类的过程，如图2所示，可以包括以下步骤:
[0059]步骤201，采用一级分类器对视频帧进行一级分类。
[0060]本实施例中，以级联分类器包括一级分类器和二级分类器为例进行说明，一级分类器对应的分类类别记为一级类别，二级分类器对应的分类类别记为二级类别，二级类别为一级类别的子类别，不同二级类别对应不同的场景。
[0061]视频场景识别装置预先通过采集一级类别(如1000种类别)对应的大量样本图像，然后利用样本图像进行分类器训练，获得一级分类器，同理，通过采集各二级类别对应的大量样本图像，然后利用样本图像进行分类器训练，获得二级分类器。
[0062]在本步骤中，该视频场景识别装置首先采用一级分类器对待识别视频的视频帧进行一级分类，该分类过程与现有技术中采用分类器进行图像分类的过程类似，此处不再赘述。
[0063]步骤202，当满足指定一级类别对应的分类条件时，采用指定一级类别对应的二级分类器对待识别视频的视频帧进行二级分类。
[0064]本实施例还可以设置每个级别的分类类别对应的分类条件，例如对于一级类别中的某一分类类别，记为指定一级类别，对应的分类条件至少包括待识别视频中至少一个视频帧属于该指定一级类别，也即待识别视频中只要有一个视频帧属于该指定一级类别，则认为该待识别视频属于该指定一级类别；该分类条件还可以进一步包括待识别视频中至少一个视频帧属于该指定一级类别的置信度高于阈值。该置信度是视频帧属于某一一级类别的置信度，可以在一级分类器进行分类时获得。
[0065]当待识别视频的视频帧满足指定一级类别对应的分类条件时，进一步采用该指定一级类别的下一级分类器也即二级分类器对待识别视频的视频帧进行二级分类。
[0066]该二级分类的过程与一级分类类似。
[0067]在进行二级分类时，也可以设定指定二级类别的分类条件，例如，待识别视频中的至少一个视频帧属于指定二级类别。当待识别视频的视频帧满足该指定二级类别的分类条件时，确定该待识别视频属于该指定二级类别。
[0068]然后，执行前述步骤103将两级分类后确定出的类别所对应的场景作为待识别视频的场景，具体的，当满足指定二级类别对应的分类条件时，确定待识别视频的场景为指定二级类别对应的场景。
[0069]在另一实施例中，如图3所示，在采用指定一级类别对应的二级分类器对待识别视频的视频帧进行二级分类之前，还可以包括:
[0070]步骤301，利用正样本及负样本对两类分类器进行训练获得二级分类器，其中，正样本为属于指定二级类别的样本图像，负样本为不属于指定二级类别的样本图像。
[0071]本实施例中，在采用一级分类器对视频帧进行一级分类后，对二级分类器进行训练，该二级分类器为一两类分类器。
[0072]该两类分类器通过采集正负样本，并利用正负样本对两类分类器进行训练获得。两类分类器对应的两分类类别即指定二级类别及非指定二级类别。其中，正样本为属于指定二级类别的样本图像，负样本为不属于指定二级类别的样本图像。
[0073]在另一实施例中，该负样本可以是在训练一级分类器时使用的样本中，一级分类器误判为指定一级类别的样本
[0074]获得负样本的过程可以是:首先采用一级类别(如1000种类别)对应的大量样本进行分类器训练，获得一级分类器，然后用获得的一级分类器对训练样本进行分类测试，一级分类器测试时误判为指定一级类别的样本即可作为二级分类器的负样本。
[0075]另外，在训练获得二级分类器后，还可以对训练好的一级和二级分类器作为级联分类器进行测试，只有当两级分类器均判为指定一级类别的样本才可确定该样本为指定一级类别的样本。在获得二级分类器后，再执行上述步骤202采用指定一级类别对应的二级分类器对待识别视频的视频帧进行二级分类。
[0076]在一具体实例中，假设在提取一段待识别视频的N张视频帧后，利用CNN训练ImageNet数据库(1000种类别，包括篮球)作为一级分类器，将训练好的模型依次识别N张视频帧。如果该待识别视频中存在一张视频帧被一级分类器识别为“篮球”类别，且置信度在top-30中，则确定该待识别视频对应的指定一级类别为篮球类别，该待识别视频为篮球视频。
[0077]然后，将一级分类器误检的样本，也即一级分类器识别为不属于篮球类别的待识别视频的视频帧作为负样本，预先采集的NBA场景图像作为正样本，利用CNN训练一个两类分类器作为二级分类器，将训练好的二级分类器对一级分类器识别为篮球类别的N张视频帧依次分类。如果N张视频帧中存在一张视频帧的图像被二级分类器识别为NBA类别，则确定该待识别视频对应的指定二级类别为NBA类别，该待识别视频为NBA视频，该待识别视频的场景记为NBA场景。
[0078]本实施例通过采用两级级联分类器对待识别视频进行分类检测，提高了视频场景的识别准确率，而且，将对视频的处理转化为对N张视频帧的处理，加快了处理速度。
[0079]需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。
[0080]参照图4，示出了本发明一种视频场景的识别装置实施例的结构框图，具体可以包括如下单元:
[0081]帧提取单元401，用于提取待识别视频的视频帧。
[0082]两级分类单元402，用于采用两级级联分类器对所述视频帧进行两级分类。
[0083]场景确定单元403，用于将两级分类后确定出的类别所对应的场景作为所述待识别视频的场景。
[0084]本发明实施例通过上述单元采用级联分类器对待识别视频的视频帧进行逐级分类，将最终确定出的类别对应的场景作为待识别视频的场景，该装置相比较现有技术提高了视频场景识别的准确度。
[0085]而且，通过提取待识别视频的关键帧进行识别，提高了识别处理速度。
[0086]上述帧提取单元401，具体可以用于在所述待识别视频中按预设时间间隔提取关键帧作为所述视频帧。
[0087]在本发明的另一实施例中，如图5所示，两级分类单元402可以进一步包括:
[0088]一级分类子单元501，用于采用一级分类器对所述视频帧进行一级分类。
[0089]二级分类子单元502，用于当满足指定一级类别对应的分类条件时，采用所述指定一级类别对应的二级分类器对所述待识别视频的视频帧进行二级分类，所述指定一级类别对应的分类条件至少包括所述待识别视频中至少一个视频帧属于所述指定一级类别；其中，所述指定二级类别为所述指定一级类别的子类，不同二级类别对应不同的场景。
[0090]其中，指定一级类别对应的分类条件还可以包括:所述至少一个视频帧属于所述指定一级类别的置信度高于阈值。
[0091]场景确定单元403，具体可以用于当满足指定二级类别对应的分类条件时，确定所述待识别视频的场景为所述指定二级类别对应的场景，所述指定二级类别对应的分类条件至少包括所述待识别视频中的至少一个视频帧属于所述指定二级类别。
[0092]在另一实施例中，如图6所示，两级分类单元402还可以包括:
[0093]训练子单元601，用于在所述二级分类子单元502采用所述指定一级类别对应的二级分类器对所述待识别视频的视频帧进行二级分类之前，利用正样本及负样本对两类分类器进行训练获得所述二级分类器，其中，所述正样本为属于所述指定二级类别的样本图像，所述负样本为不属于所述指定二级类别的样本图像。
[0094]其中，负样本为在训练所述一级分类器时使用的样本中，所述一级分类器误判为