用于生成信息的方法和装置与流程

本申请实施例涉及计算机技术领域，具体涉及用于生成信息的方法和装置。

背景技术：

随着计算机技术的发展，视频类应用应运而生。用户可以利用视频类应用上传、发布视频。为保证视频质量，通常需要确定用户上传的视频的所涉及的内容的类别。当视频涉及色情、暴力、武器等内容时，可以禁止该视频的推送和转发。

现有的视频分类方式，通常需要提取视频中的每一帧，或者按照固定时间间隔提取视频中的多个帧，逐一分析各帧的类别是否为目标类别，进而确定视频类别。

技术实现要素：

本申请实施例提出了用于生成信息的方法和装置。

第一方面，本申请实施例提供了一种用于生成信息的方法，该方法包括：依次提取目标视频中的连续多帧，将每次所提取的连续多帧输入至预先训练的第一检测模型，得到所输入的连续多帧的候选类别，其中，第一检测模型用于确定图像序列的候选类别；将候选类别包含目标类别的连续多帧中的指定帧确定为候选帧；将所确定的候选帧输入至预先训练的第二检测模型，得到所输入的候选帧的类别检测结果，其中，第二检测模型用于确定图像的类别是否为目标类别；基于候选帧的类别检测结果，确定目标视频的类别检测结果。

在一些实施例中，连续多帧为连续三帧，连续多帧中的指定帧为连续三帧的中间帧。

在一些实施例中，基于候选帧的类别检测结果，确定目标视频的类别检测结果，包括：确定类别检测结果指示候选帧的类别为目标类别的数量；响应于确定数量大于第一预设数值，确定目标视频的类别为目标类别。

在一些实施例中，基于候选帧的类别检测结果，确定目标视频的类别检测结果，包括：确定类别检测结果指示候选帧的类别为目标类别的数量，以及，确定候选帧的总数量；响应于确定上述数量与总数量的比值大于第二预设数值，确定目标视频的类别为目标类别。

在一些实施例中，第一检测模型通过如下步骤训练得到：获取第一训练样本集合，其中，第一训练样本集合中的训练样本包括第一样本图像和用于指示第一样本图像的类别的标注信息；利用机器学习方法，将第一训练样本集合中的第一样本图像作为预先建立的第一卷积神经网络的输入，将所输入的第一样本图像的标注信息作为第一卷积神经网络的输出，训练第一卷积神经网络，将训练后的第一卷积神经网络作为第一检测模型。

在一些实施例中，第二检测模型通过如下步骤训练得到：获取第二训练样本集合，其中，第二训练样本集合中的训练样本包括第二样本图像和用于指示第二样本图像的类别是否为目标类别的标注信息；利用机器学习方法，将第二训练样本集合中的第二样本图像作为预先建立的第二卷积神经网络的输入，将所输入的第二样本图像的标注信息作为第二卷积神经网络的输出，训练第二卷积神经网络，将训练后的第二卷积神经网络作为第二检测模型。

第二方面，本申请实施例提供了一种用于生成信息的装置，该装置包括：第一输入单元，被配置成依次提取目标视频中的连续多帧，将每次所提取的连续多帧输入至预先训练的第一检测模型，得到所输入的连续多帧的初始类别，其中，第一检测模型用于确定图像序列的候选类别；第一确定单元，被配置成将初始类别为目标类别的连续多帧中的指定帧确定为候选帧；第二输入单元，被配置成将所确定的候选帧输入至预先训练的第二检测模型，得到所输入的候选帧的类别检测结果，其中，第二检测模型用于确定图像的类别是否为目标类别；第二确定单元，被配置成基于候选帧的类别检测结果，确定目标视频的类别检测结果。

在一些实施例中，连续多帧为连续三帧，连续多帧中的指定帧为连续三帧中的中间帧。

在一些实施例中，第二确定单元，包括：第一确定模块，被配置成确定类别检测结果指示候选帧的类别为目标类别的数量；第二确定模块，被配置成响应于确定数量大于第一预设数值，确定目标视频的类别为目标类别。

在一些实施例中，第二确定单元，包括：第三确定模块，被配置成确定类别检测结果指示候选帧的类别为目标类别的数量，以及，确定候选帧的总数量；第四确定模块，被配置成响应于确定上述数量与总数量的比值大于第二预设数值，确定目标视频的类别为目标类别。

在一些实施例中，第一检测模型通过如下步骤训练得到：获取第一训练样本集合，其中，第一训练样本集合中的训练样本包括第一样本图像和用于指示第一样本图像的类别的标注信息；利用机器学习方法，将第一训练样本集合中的第一样本图像作为预先建立的第一卷积神经网络的输入，将所输入的第一样本图像的标注信息作为第一卷积神经网络的输出，训练第一卷积神经网络，将训练后的第一卷积神经网络作为第一检测模型。

在一些实施例中，第二检测模型通过如下步骤训练得到：获取第二训练样本集合，其中，第二训练样本集合中的训练样本包括第二样本图像和用于指示第二样本图像的类别是否为目标类别的标注信息；利用机器学习方法，将第二训练样本集合中的第二样本图像作为预先建立的第二卷积神经网络的输入，将所输入的第二样本图像的标注信息作为第二卷积神经网络的输出，训练第二卷积神经网络，将训练后的第二卷积神经网络作为第二检测模型。

第三方面，本申请实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实施例的方法。

第四方面，本申请实施例提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面中任一实施例的方法。

本申请实施例提供的用于生成信息的方法和装置，通过依次提取目标视频中的连续多帧，将每次所提取的连续多帧输入至预先训练的第一检测模型，从而可以得到每次所输入的连续多帧所对应的候选类别。此处，如果每次输入单个帧，当帧较为模糊时，类别检测的准确性较低。此处采用连续多帧作为输入的方式，可以同时对连续多帧提取特征，提高了类别检测的准确性。接着，将候选类别包含目标类别的连续多帧中的指定帧确定为候选帧，从而可以从目标视频中提取出疑似属于目标类别的帧。接着，将候选帧输入至用于确定图像是否属于目标类别的第二检测模型，得到候选帧的进一步的类别检测结果。基于候选帧的类别检测结果，可以确定出目标视频的类别检测结果。从而，不需要将每一帧输入到第二检测模型进行类别检测，提高了对目标视频进行类别检测的效率。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请的一个实施例可以应用于其中的示例性系统架构图；

图2是根据本申请的用于生成信息的方法的一个实施例的流程图；

图3是根据本申请的用于生成信息的方法的一个应用场景的示意图；

图4是根据本申请的用于生成信息的方法的又一个实施例的流程图；

图5是根据本申请的用于生成信息的装置的一个实施例的结构示意图；

图6是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请的用于生成信息的方法或用于生成信息的装置的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如视频录制类应用、视频播放类应用、语音交互类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。

终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有显示屏的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

当终端设备101、102、103为硬件时，其上还可以安装有图像采集设备。图像采集设备可以是各种能实现采集图像功能的设备，如摄像头、传感器等等。用户可以利用终端设备101、102、103上的图像采集设备，来采集视频。

服务器105可以是提供各种服务的服务器，例如用于对终端设备101、102、103上传的视频进行存储、管理或者分析的视频处理服务器。视频处理服务器可以存储有用于对图像类别进行检测的第一检测模型，以及，可以存储有用于确定图像的类别是否为目标类别的第二检测模型。此处，目标类别可以是一个或多个类别。每一个目标类别可以对应一个第二检测模型，用于确定图像是否属于该目标类别。视频处理服务器可以利用第一检测模型确定目标视频中的连续多帧对应的类别，也可以利用第二检测模型确定帧的类别是否为目标类别，以便得到视频的类别检测结果。

这样，在用户利用终端设备101、102、103上传视频后，服务器105可以确定用户所上传的视频是否属于目标类别，进而，可以对目标视频进行禁止推送、禁止转发等处理，或者推送相关信息(例如目标视频的类别检测结果)。

需要说明的是，服务器105可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

需要说明的是，本申请实施例所提供的用于生成信息的方法一般由服务器105执行，相应地，用于生成信息的装置一般设置于服务器105中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，示出了根据本申请的用于生成信息的方法的一个实施例的流程200。该用于生成信息的方法，包括以下步骤：

步骤201，依次提取目标视频中的连续多帧，将每次所提取的连续多帧输入至预先训练的第一检测模型，得到所输入的连续多帧的候选类别。

在本实施例中，用于生成信息的方法的执行主体(例如图1所示的服务器105)可以依次提取目标视频中的连续多帧(例如至少两帧)，将每次提取的连续多帧输入至预先训练的第一检测模型，得到每次所输入的连续多帧对应的候选类别。

此处，目标视频可以是待检测类别的视频。在一种场景中，目标视频可以预先存储在上述执行主体中。上述执行主体可以直接从本地提取目标视频中的连续多帧。在另一种场景中，目标视频可以是上述执行主体通过有线连接或者无线连接方式，从终端设备(例如图1所示的终端设备101、102、103)所接收的。上述执行主体可以在接收完毕之后，从目标视频中依次提取连续多帧。需要指出的是，上述无线连接方式可以包括但不限于3g/4g连接、wifi连接、蓝牙连接、wimax连接、zigbee连接、uwb(ultrawideband)连接、以及其他现在已知或将来开发的无线连接方式。

此处，可以依次将目标视频中的帧作为连续多帧的起始帧，进行各次连续多帧的提取。作为示例，第一次可以提取目标视频的第一、第二帧；第二次可以提取目标视频的第二、第三帧；以此类推。作为又一示例，第一次可以提取目标视频的第一帧至第五帧；第二次可以提取目标视频第二帧至第六帧；以此类推。此处，如果每次输入单个帧，当帧较为模糊时，类别检测的准确性较低。此处采用连续多帧作为输入的方式，可以同时对连续多帧提取特征，提高了类别检测的准确性。

此处，第一检测模型可以用于确定图像序列的候选类别。此处，图像序列以及图像可以预先划分为多个类别。例如，可以包括但不限于以下至少一项：色情类、暴力类、武器类、正常类。第一检测模型可以是用于表征图像序列与候选类别的对应关系。作为示例，第一检测模型可以是用于表征图像(可以以像素值矩阵的形式表征)序列与候选类别的对应关系的对应关系表。

作为又一示例，第一检测模型可以是利用机器学习方法，对现有的卷积神经网络(例如densebox、vggnet、resnet、segnet等)进行有监督训练而得到的。实践中，卷积神经网络(convolutionalneuralnetwork，cnn)是一种前馈神经网络，它的人工神经元可以响应一部分覆盖范围内的周围单元，对于图像处理有出色表现，因而，可以利用卷积神经网络进行样本视频中的帧特征的提取。在本示例中，所建立的积神经网络可以包含卷积层、池化层、全连接层等。其中，卷积层可以用于提取图像特征。池化层可以用于对输入的信息进行降采样(downsample)。全连接层可以用于将所得到的特征进行分类。

这里，对卷积神经网络训练后所得到的第一检测模型，可以分别对输入的图像序列中的每一个图像(例如每一次所输入的连续多帧中的每一帧)提取特征。而后，可以对所提取的特征进行融合。例如，每帧的特征可以用特征矩阵或者特征向量的形式来表示。可以将各帧的特征矩阵中相同位置的特征值取平均，得到融合后的特征矩阵。在对所提取的特征进行融合之后，可以对融合后的特征矩阵进行分类，确定所输入的图像序列(连续多帧)属于各个预设类别的概率。最后，可以将所计算出的概率中，大于预设数值(例如0.3)的概率所对应的预设类别作为所输入的图像序列(连续多帧)的候选类别。实践中，当所计算出的概率中，不存在大于预设数值的概率，则所输入的图像序列(连续多帧)不存在对应的候选类别。此时，可以继续提取下一个图像序列(连续多帧)，继续输入至第一检测模型。当所计算出的概率中，存在一个或多个大于预设数值的概率，则可以将各个大于预设数值的概率所对应的预设类别作为所输入的图像序列(连续多帧)的候选类别。接着，继续提取下一个图像序列(连续多帧)，继续输入至第一检测模型。

需要说明的是，上述第一检测模型也可以是具有图像特征提取功能和分类功能的其他模型，并不限于上述示例，具体的模型结构可以根据实际需求设定，此处不作限定。

实践中，第一检测模型可以使用轻量级的卷积神经网络结构进行训练得到。利用第一检测模型确定连续多帧的类别，目的在于快速提取出疑似为目标类别的帧，轻量级的卷积神经网络结构较为简单。例如，可以依次由卷积层、池化层、卷积层、池化层、全连接层构成。由于轻量级的卷积神经网络结构较为简单，因而，数据计算量较小，处理速度较快。此处，目标类别可以是预先指定的某一类别，例如色情类，或者暴力类，或者武器类等。

在本实施例的一些可选的实现方式中，每次所提取的连续多帧可以是连续三帧。作为示例，第一次提取目标视频的第一帧至第三帧；第二次提取目标视频第二帧至第四帧；以此类推。

在本实施例的一些可选的实现方式中，上述第一检测模型可以通过如下步骤训练得到：第一步，可以获取第一训练样本集合。其中，上述第一训练样本集合中的训练样本可以包括第一样本图像和用于指示第一样本图像的类别的标注信息。此处，第一样本图像可以是单张图像，也可以是图像序列。第一样本图像可以是从互联网中收集的各种图像，也可以是从用户上传的视频中所提取的帧。第二步，利用机器学习方法，将第一训练样本集合中的第一样本图像作为预先建立的第一卷积神经网络的输入，将所输入的第一样本图像的标注信息作为上述第一卷积神经网络的输出，训练上述第一卷积神经网络，将训练后的第一卷积神经网络作为第一检测模型。此处，第一卷积神经网络可以利用各种现有的轻量级的卷积神经网络结构。

步骤202，将候选类别包含目标类别的连续多帧中的指定帧确定为候选帧。

在本实施例中，对于每一次所提取的连续多帧，上述执行主体可以首先确定该次所提取的连续多帧的候选类别中，是否包括目标类别。若包括，则可以将该次所提取的连续多帧中的指定帧确定为候选帧。此处，指定帧可以是连续多帧中的指定次序的帧。例如，可以是连续多帧中，除首帧和尾帧其他任意一帧，也可以是连续多帧中的首帧或者尾帧。

由此，可以从目标视频中提取出疑似属于目标类别的候选帧。进而，可以根据对候选帧的分析，确定目标视频的类别。不需要将每一帧分别进行类别检测。因而，提高了对目标视频进行类别检测的效率。

在本实施例的一些可选的实现方式中，每次所提取的连续多帧可以是连续三帧。连续多帧中的指定帧可以是连续三帧的中间帧。

步骤203，将所确定的候选帧输入至预先训练的第二检测模型，得到所输入的候选帧的类别检测结果。

在本实施例中，上述执行主体可以将所确定的候选帧输入至预先训练的第二检测模型，得到所输入的候选帧的类别检测结果。其中，上述第二检测模型可以用于确定图像的类别是否为目标类别，类别检测结果可以用于指示所输入的候选帧的类别是否为目标类别。

作为示例，第二检测模型可以是用于表征图像(可以以像素值矩阵的形式表征)与类别检测结果的对应关系表。

作为又一示例，第二检测模型可以是利用机器学习方法，对现有的具有分类功能的模型进行有监督训练而得到的。上述具有分类功能的模型可以是使用各种现有的结构(例如densebox、vggnet、resnet、segnet等)的卷积神经网络。也可以是支持向量机(supportvectormachine，svm)等模型。第二检测模型可以对所输入的候选帧进行特征提取，进而对所提取的特征进行分析，计算得到所输入的候选帧的类别为目标类别的概率。当确定候选帧的类别为目标类别的概率大于预设概率(例如0.5)时，可以确定所输入的候选帧的类别为目标类别。当确定候选帧的类别为目标类别的概率不大于上述预设概率时，可以确定所输入的候选帧的类别不为目标类别。

由此，仅需要将候选帧输入至第二检测模型进行类别检测，不需要将每一帧输入到第二检测模型进行类别检测，提高了对目标视频进行类别检测的效率。

在本实施例的一些可选的实现方式中，第二检测模型可以通过如下步骤训练得到：第一步，可以获取第二训练样本集合。其中，上述第二训练样本集合中的训练样本包括第二样本图像和用于指示第二样本图像的类别是否为目标类别的标注信息。此处，第二样本图像可以是从互联网中收集的各种图像，也可以是从用户上传的视频中所提取的帧。第二步，可以利用机器学习方法，将第二训练样本集合中的第二样本图像作为预先建立的第二卷积神经网络的输入，将所输入的第二样本图像的标注信息作为上述第二卷积神经网络的输出，训练上述第二卷积神经网络，将训练后的第二卷积神经网络作为第二检测模型。此处，第二卷积神经网络可以利用各种现有的卷积神经网络结构。

步骤204，基于候选帧的类别检测结果，确定目标视频的类别检测结果。

在本实施例中，上述执行主体基于候选帧的类别检测结果，可以利用各种方式确定目标视频的类别检测结果。例如，响应于确定存在类别为目标类别的候选帧，则确定目标视频的类别为目标类别。

在本实施例的一些可选的实现方式中，上述执行主体可以确定类别检测结果指示候选帧的类别为上述目标类别的数量。响应于确定上述数量大于第一预设数值，确定上述目标视频的类别为上述目标类别。此处，第一预设数值可以根据实际需求来设置。

在本实施例的一些可选的实现方式中，上述执行主体可以首先确定类别检测结果指示候选帧的类别为上述目标类别的数量，以及，确定候选帧的总数量。而后，可以确定类别为上述目标类别的数量与上述总数量的比值。响应于确定上述数量与上述总数量的比值大于第二预设数值，确定上述目标视频的类别为上述目标类别。此处，第二预设数值可以根据实际需求来设置。

由此，可以根据候选帧的类别检测结果，确定目标视频的类别检测结果，不需要将每一帧输入到第二检测模型进行类别检测，提高了对目标视频进行类别检测的效率。

继续参见图3，图3是根据本实施例的用于生成信息的方法的应用场景的一个示意图。在图3的应用场景中，用户通过终端设备301向服务器302发送了包含待上传的目标视频303的视频上传请求。服务器302在接收到目标视频之后，可以依次提取目标视频303中的连续多帧，将每次所提取的连续多帧输入至预先训练的第一检测模型，得到所输入的连续多帧的候选类别。接着，服务器302可以将候选类别包含色情类的连续多帧中的指定帧确定为候选帧，并将候选帧输入至预先训练的第二检测模型，得到所输入的候选帧的类别检测结果。之后，服务器302可以基于候选帧的类别检测结果，确定上述目标视频的类别检测结果。当类别检测结果指示目标视频的类别为色情类时，服务器302可以向终端设备301推送提示信息。此时，该提示信息可以用于提示用户所上传的目标视频涉及色情内容以及提示用户更换视频上传。当类别检测结果指示目标视频的类别不为色情类时，可以存储该目标视频，并向终端设备301推送提示信息。此时，该提示信息可以用于提示用户目标视频上传成功。

本申请的上述实施例提供的方法，通过依次提取目标视频中的连续多帧，将每次所提取的连续多帧输入至预先训练的第一检测模型，从而可以得到每次所输入的连续多帧所对应的候选类别。此处，如果每次输入单个帧，当帧较为模糊时，类别检测的准确性较低。此处采用连续多帧作为输入的方式，可以同时对连续多帧提取特征，提高了类别检测的准确性。接着，将候选类别包含目标类别的连续多帧中的指定帧确定为候选帧，从而可以从目标视频中提取出疑似属于目标类别的帧。接着，将候选帧输入至用于确定图像是否属于目标类别的第二检测模型，得到候选帧的进一步的类别检测结果。基于候选帧的类别检测结果，可以确定出上述目标视频的类别检测结果。从而，不需要将每一帧输入到第二检测模型进行类别检测，提高了对目标视频进行类别检测的效率。

进一步参考图4，其示出了用于生成信息的方法的又一个实施例的流程400。该用于生成信息的方法的流程400，包括以下步骤：

步骤401，依次提取目标视频中的连续三帧，将每次所提取的连续三帧输入至预先训练的第一检测模型，得到所输入的连续三帧的候选类别。

在本实施例中，用于生成信息的方法的执行主体(例如图1所示的服务器105)可以依次提取目标视频中的连续三帧，将每次提取的连续三帧输入至预先训练的第一检测模型，得到每次所输入的连续三帧对应的候选类别。

步骤402，将候选类别包含目标类别的连续三帧中的中间帧确定为候选帧。

在本实施例中，对于每一次所提取的连续三帧，上述执行主体可以首先确定该次所提取的连续三帧的候选类别中，是否包括目标类别。若包括，则可以将该次所提取的连续三帧中的中间帧确定为候选帧。由此，可以从目标视频中提取出疑似属于目标类别的候选帧。进而，可以根据对候选帧的分析，确定目标视频的类别。不需要将每一帧分别进行类别检测。因而，提高了对目标视频进行类别检测的效率。

步骤403，将所确定的候选帧输入至预先训练的第二检测模型，得到所输入的候选帧的类别检测结果。

在本实施例中，上述执行主体可以将所确定的候选帧输入至预先训练的第二检测模型，得到所输入的候选帧的类别检测结果。其中，上述第二检测模型可以用于确定图像的类别是否为目标类别，类别检测结果可以用于指示所输入的候选帧的类别是否为目标类别。

步骤404，确定类别检测结果指示候选帧的类别为目标类别的数量，以及，确定候选帧的总数量。

在本实施例中，上述执行主体可以首先确定类别检测结果指示候选帧的类别为上述目标类别的数量，以及，确定候选帧的总数量。

步骤405，响应于确定上述数量与上述总数量的比值大于第二预设数值，确定目标视频的类别为目标类别。

在本实施例中，可以确定类别为上述目标类别的数量与上述总数量的比值。响应于确定上述数量与上述总数量的比值大于第二预设数值，确定上述目标视频的类别为上述目标类别。此处，第二预设数值可以根据实际需求来设置。

从图4中可以看出，与图2对应的实施例相比，本实施例中的用于生成信息的方法的流程400突出了对根据候选帧属于目标类别的比例确定目标视频的类别检测结果的步骤。由此，本实施例描述的方案可以根据候选帧的类别检测结果，确定目标视频的类别检测结果，不需要逐一确定目标视频中的帧是否属于目标类别，提高了对目标视频进行类别检测的效率。

进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种用于生成信息的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，本实施例所述的用于生成信息的装置500包括：第一输入单元501，被配置成依次提取目标视频中的连续多帧，将每次所提取的连续多帧输入至预先训练的第一检测模型，得到所输入的连续多帧的初始类别，其中，上述第一检测模型用于确定图像序列的候选类别；第一确定单元502，被配置成将初始类别为目标类别的连续多帧中的指定帧确定为候选帧；第二输入单元503，被配置成将所确定的候选帧输入至预先训练的第二检测模型，得到所输入的候选帧的类别检测结果，其中，上述第二检测模型用于确定图像的类别是否为上述目标类别；第二确定单元504，被配置成基于候选帧的类别检测结果，确定上述目标视频的类别检测结果。

在本实施例的一些可选的实现方式中，上述连续多帧可以为连续三帧，上述连续多帧中的指定帧可以为上述连续三帧中的中间帧。

在本实施例的一些可选的实现方式中，上述第二确定单元504可以包括第一确定模块和第二确定模块(图中未示出)。其中，上述第一确定模块可以被配置成确定类别检测结果指示候选帧的类别为上述目标类别的数量。上述第二确定模块可以被配置成响应于确定上述数量大于第一预设数值，确定上述目标视频的类别为上述目标类别。

在本实施例的一些可选的实现方式中，上述第二确定单元504可以包括第三确定模块和第四确定模块(图中未示出)。其中，上述第三确定模块可以被配置成确定类别检测结果指示候选帧的类别为上述目标类别的数量，以及，确定候选帧的总数量。上述第四确定模块可以被配置成响应于确定上述数量与上述总数量的比值大于第二预设数值，确定上述目标视频的类别为上述目标类别。

在本实施例的一些可选的实现方式中，上述第一检测模型可以通过如下步骤训练得到：获取第一训练样本集合，其中，上述第一训练样本集合中的训练样本包括第一样本图像和用于指示第一样本图像的类别的标注信息；利用机器学习方法，将第一训练样本集合中的第一样本图像作为预先建立的第一卷积神经网络的输入，将所输入的第一样本图像的标注信息作为上述第一卷积神经网络的输出，训练上述第一卷积神经网络，将训练后的第一卷积神经网络作为第一检测模型。

在本实施例的一些可选的实现方式中，上述第二检测模型可以通过如下步骤训练得到：获取第二训练样本集合，其中，上述第二训练样本集合中的训练样本包括第二样本图像和用于指示第二样本图像的类别是否为目标类别的标注信息；利用机器学习方法，将第二训练样本集合中的第二样本图像作为预先建立的第二卷积神经网络的输入，将所输入的第二样本图像的标注信息作为上述第二卷积神经网络的输出，训练上述第二卷积神经网络，将训练后的第二卷积神经网络作为第二检测模型。

本申请的上述实施例提供的装置，通过第一输入单元501依次提取目标视频中的连续多帧，将每次所提取的连续多帧输入至预先训练的第一检测模型，从而可以得到每次所输入的连续多帧所对应的候选类别。此处，如果每次输入单个帧，当帧较为模糊时，类别检测的准确性较低。此处采用连续多帧作为输入的方式，可以同时对连续多帧提取特征，提高了类别检测的准确性。接着，第一确定单元502将候选类别包含目标类别的连续多帧中的指定帧确定为候选帧，从而可以从目标视频中提取出疑似属于目标类别的帧。接着，第二输入单元503将候选帧输入至用于确定图像是否属于目标类别的第二检测模型，得到候选帧的进一步的类别检测结果。第二确定单元504基于候选帧的类别检测结果，可以确定出上述目标视频的类别检测结果。从而，不需要将每一帧输入到第二检测模型进行类别检测，提高了对目标视频进行类别检测的效率。

下面参考图6，其示出了适于用来实现本申请实施例的电子设备的计算机系统600的结构示意图。图6示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图6所示，计算机系统600包括中央处理单元(cpu)601，其可以根据存储在只读存储器(rom)602中的程序或者从存储部分608加载到随机访问存储器(ram)603中的程序而执行各种适当的动作和处理。在ram603中，还存储有系统600操作所需的各种程序和数据。cpu601、rom602以及ram603通过总线604彼此相连。输入/输出(i/o)接口605也连接至总线604。

以下部件连接至i/o接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至i/o接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(cpu)601执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、rf等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括第一输入单元、第一确定单元、第二输入单元和第二确定单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一输入单元还可以被描述为“依次提取目标视频中的连续多帧，将每次所提取的连续多帧输入至预先训练的第一检测模型的单元”。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该装置执行时，使得该装置：依次提取目标视频中的连续多帧，将每次所提取的连续多帧输入至预先训练的第一检测模型，得到所输入的连续多帧的候选类别；将候选类别包含目标类别的连续多帧中的指定帧确定为候选帧；将所确定的候选帧输入至预先训练的第二检测模型，得到所输入的候选帧的类别检测结果；基于候选帧的类别检测结果，确定该目标视频的类别检测结果。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。