视频分类方法、装置、电子设备及计算机可读存储介质与流程

1.本公开涉及视频分类领域，尤其涉及一种视频分类方法、装置、电子设备及计算机可读存储介质。


背景技术：

2.近几年，随着移动互联网的快速发展，短视频行业迅速崛起，由于其传播速度快，制作门槛低以及社交属性强能优点受到大量用户和创作者的青睐。为了更精准的为用户推荐相关内容，需要对每个视频进类别的标注，例如在汽车视频中，需要对视频所描述的车系进行标注。针对用户创作内容(user generated cintent,ugc)场景下的视频车系分类，现有的技术方案是抽取视频帧，利用检测模型提取出图片中面积占比最大的目标区域，并返回目标区域的车辆系类型。
3.针对多标签视频车系识别问题，现有技术方案主要存在以下缺点：1、汽车视频样本中，包括大量对汽车内饰的介绍内容，现有方案仅通过汽车外观进行识别，因此整体召回率不高；2、单帧视频有时候会有多辆车的情况，现有方案仅返回面积最大的目标结果，可能存在错判；3、最终结果仅与单帧有关，如果单帧识别错误，则会大大降低准确率。


技术实现要素：

4.提供该发明内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
5.为了解决上述技术问题，本公开实施例提出如下技术方案。
6.第一方面，本公开实施例提供一种视频分类方法，包括：
7.获取待分类视频的多个视频帧；
8.对所述多个视频帧进行分类得到所述多个视频帧的第一类别，其中所述第一类别包括对象外部视频帧和对象内部视频帧；
9.根据所述对象外部视频帧对所述对象进行识别得到所述对象外部视频帧的第一分类向量；
10.根据所述对象内部视频帧对所述对象进行识别得到所述对象内部视频帧的第一分类向量；
11.根据所述第一分类向量确定所述待分类视频的分类结果。
12.第二方面，本公开实施例提供一种视频分类装置，包括：
13.视频帧获取模块，用于获取待分类视频的多个视频帧；
14.第一分类模块，用于对所述多个视频帧进行分类得到所述多个视频帧的第一类别，其中所述第一类别包括对象外部视频帧和对象内部视频帧；
15.外部第一分类向量获取模块，用于根据所述对象外部视频帧对所述对象进行识别得到所述对象外部视频帧的第一分类向量；
16.内部第一分类向量获取模块，用于根据所述对象内部视频帧对所述对象进行识别得到所述对象内部视频帧的第一分类向量；
17.分类结果确定模块，用于根据所述第一分类向量确定所述待分类视频的分类结果。
18.第三方面，本公开实施例提供一种电子设备，包括：至少一个处理器；以及，
19.与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有能被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行前述第一方面中的任一所述的方法。
20.第四方面，本公开实施例提供一种非暂态计算机可读存储介质，其特征在于，该非暂态计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行前述第一方面中的任一所述的方法。
21.本公开实施例公开了一种视频分类方法、装置、电子设备和计算机可读存储介质。其中该视频分类方法包括：获取待分类视频的多个视频帧；对所述多个视频帧进行分类得到所述多个视频帧的第一类别，其中所述第一类别包括对象外部视频帧和对象内部视频帧；根据所述对象外部视频帧对所述对象进行识别得到所述对象外部视频帧的第一分类向量；根据所述对象内部视频帧对所述对象进行识别得到所述对象内部视频帧的第一分类向量；根据所述第一分类向量确定所述待分类视频的分类结果。上述方法通过结合对象外部视频帧以及对象内部视频帧，解决了视频分类的召回率低的技术问题。
22.上述说明仅是本公开技术方案的概述，为了能更清楚了解本公开的技术手段，而可依照说明书的内容予以实施，并且为让本公开的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例，并配合附图，详细说明如下。
附图说明
23.结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。
24.图1为本公开实施例提供的视频分类方法的流程示意图；
25.图2为本公开实施例提供的视频分类方法的进一步流程示意图；
26.图3为本公开实施例提供的视频分类方法的进一步流程示意图；
27.图4为本公开实施例提供的视频分类方法的进一步流程示意图；
28.图5为本公开实施例提供的视频分类方法的进一步流程示意图
29.图6为本公开实施例提供的视频分类方法的进一步流程示意图；
30.图7为本公开实施例提供的视频分类方法的进一步流程示意图；
31.图8为本公开实施例提供的视频分类方法的应用场景示意图；
32.图9为本公开实施例提供的视频分类装置的实施例的结构示意图；
33.图10为根据本公开实施例提供的电子设备的结构示意图。
具体实施方式
34.下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些
实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
35.应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
36.本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
37.需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
38.需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
39.本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
40.图1为本公开实施例提供的视频分类方法实施例的流程图，本实施例提供的该视频分类方法可以由一视频分类装置来执行，该视频分类装置可以实现为软件，或者实现为软件和硬件的组合，该视频分类装置可以集成设置在视频分类系统中的某设备中，比如视频分类服务器或者视频分类终端设备中。如图1所示，该方法包括如下步骤：
41.步骤s101，获取待分类视频的多个视频帧；
42.其中，所述待分类视频可以为任何类型的视频。所述分类为所述待分类视频中的待分类对象的类型，如所述分类为汽车的车系类型，则所述分类表示所述待分类视频中包括所述汽车的车系，或者所述待分类视频的内容与所述车系相关。
43.可以理解的，所述待分类视频可以从预设位置读取，或者通过预设接口接收，如从预设的存储位置或者网络位置读取所述待分类视频，或者通过人机交互接口接收用户上传的待分类视频等等，在此不再赘述。
44.可选的，所述获取待分类视频的多个视频帧包括：根据抽帧频率对所述待分类视频进行抽帧得到所述多个视频帧。示例性的，对所述待分类视频按照2fps(frame per second)的频率进行抽帧，得到视频帧序列i＝{i1,i2,
……
，in},其中n表示视频帧的数量。
45.可选的，为了后续方便对视频帧中的对象进行识别，在该步骤中还可以包括对所述视频帧进行预处理。示例性的，在该步骤中，将所述视频帧归一化到长宽分别为m和n大小，以方便后续处理。可以理解的，所述预处理可以包括任何预处理方式，在此不再赘述。
46.返回附图1，所述视频分类方法还包括，步骤s102，对所述多个视频帧进行分类得到所述多个视频帧的第一类别，其中所述第一类别包括对象外部视频帧和对象内部视频帧；
47.其中，所述第一类别为将所述视频帧分类为包括所述对象的外部特征的对象外部视频帧和包括所述对象的内部特征的对象内部视频帧。示例性的，所述对象为汽车，则在该步骤中，将抽取的视频帧分为汽车外观视频帧和汽车内饰视频帧，其中由于汽车内饰中的
汽车中控可以较为准确的反应一个汽车的车系，因此所述汽车内饰视频帧可以进一步包括汽车中控视频帧。
48.为了防止在视频帧中出现多个对象时，非目标对象占比太大所导致的误识别，可选的，如图2所示，所述步骤s102进一步包括：
49.步骤s201，对所述视频帧进行目标检测得到至少一个目标检测框；
50.步骤s202，根据所述目标检测框的置信度、目标检测框距离视频帧中心点的距离以及目标检测框的面积在视频帧中的占比计算所述目标框的综合置信度；
51.步骤s203，将综合置信度最大的目标检测框所对应的类别作为所述视频帧的第一类别。
52.其中，所述步骤s201可以通过预先训练好的目标检测模型执行。其中所述目标检测模型用于检测两个类别的视频帧，分别为对象外部和对象内部。具体的，若某一视频帧的检测结果为空，则表示该帧中没有包括对象，因此丢弃该帧。当某一帧的检测结果不为空，则目标检测模型输出至少一个目标检测框，示例性的，所述目标检测模型的输出表示为：b＝{b1,b2,......,bm}，其中m表示在该帧中得到的目标检测框的数量。第k个目标检测框定义为bk＝[xk,yk,wk,hk,ck,sk]，其中xk和yk分别表示目标检测框的左上角的横坐标和纵坐标，wk和hk分别表示目标检测框的宽和高，ck表示第一类别，sk表示所述目标检测框的置信度。
[0053]
进一步的，在所述步骤s202中，使用以下公式(1)计算综合置信度：
[0054]
sk＝sk*dk*akꢀꢀ
(1)
[0055]
其中，dk∈(0,1]表示所述目标检测框的位置得分，目标检测框的中心点离视频帧的中心点越近，得分越高；示例性的，所述dk根据以下公式(2)计算得到：
[0056]dk
＝max(|xk+wk/2-n/2|,|yk+hk/2-m/2|)
ꢀꢀ
(2)
[0057]
其中，ak∈(0,1]表示所述目标检测框在视频帧中的面积占比，示例性的，所述ak根据以下公式(3)计算得到：
[0058]ak
＝wk*hk/(m*n)
ꢀꢀ
(3)
[0059]
在步骤s202中，计算模型输出的每个目标检测框的综合置信度，得到至少一个综合置信度。
[0060]
在步骤s203中，将所述至少一个综合置信度根据大小进行排序，将综合置信度最大的目标检测框所对应的类别作为所述视频帧的第一类别。
[0061]
在上述步骤s201-s203中，通过在目标检测时加入位置得分以及面积占比，使得靠近视频帧中间位置其面积较大的目标检测框的权重更大，使得在检测到多个目标检测框时，能够更加准确的对所述视频帧进行分类。
[0062]
返回附图1，所述视频分类方法还包括，步骤s103，根据所述对象外部视频帧对所述对象进行识别得到所述对象外部视频帧的第一分类向量；步骤s104，根据所述对象内部视频帧对所述对象进行识别得到所述对象内部视频帧的第一分类向量。
[0063]
可选的，在所述步骤s103中，将在步骤s102中被分类为对象外部视频帧的视频帧输入预先训练好的对象外部分类模型，所述对象外部分类模型用于通过对象外部视频帧对所述视频帧进行分类，如通过汽车的外观视频帧对所述外观视频帧进行分类得到所述视频帧对应的车系。
[0064]
可选的，在所述步骤s104中，将在步骤s102中被分类为对象内部视频帧的视频帧输入预先训练好的对象内部分类模型，所述对象内部分类模型用于通过对象内部视频帧对所述视频帧进行分类，如通过汽车的中控视频帧对所述中控视频帧进行分类得到所述视频帧对应的车系。
[0065]
可以理解的，为了处理速度更快，输入所述对象外部分类模型或对象内部分类模型的视频帧可以为在步骤s102中得到的目标检测框内的图像。
[0066]
其中，所述第一分类向量中的每个第一元素对应一种第二类别，所述第一元素的值表示所述视频帧为所述第一元素所对应的第二类别的置信度。示例性的，所述第一分类向量为所述对象外部分类模型或对象内部分类模型输出的经过归一化处理的一维向量，以vi表示第i个视频帧的第一分类向量，则：
[0067]vi
＝{v
i1
,v
i2
,......,v
ic
}
[0068]
其中v
ij
为所述第一分类向量中的第一元素，j∈[1,c]，其中c表示第二类别的数量，即v
ij
表示第i帧属于第j类的置信度；其中，v
i1
+v
i2
+......+v
ic
＝1。
[0069]
通过上述步骤s103和步骤s104，将对象外部视频帧和对象内部视频帧分别进行识别分类得到第一分类向量，在对象外部视频帧的基础上加入了对象内部视频帧的识别，使得对视频的分类的整体召回率提高。
[0070]
返回附图1，所述视频分类方法还包括，步骤s105，根据所述第一分类向量确定所述待分类视频的分类结果。
[0071]
在步骤s103和步骤s104中，对待分类视频的视频帧进行分类识别得到至少一个第一分类向量，通常情况下，会得到多个第一分类向量，则在步骤s105中，综合所述多个第一分类向量确定所述待分类视频的分类结果，即所述待分类视频的第二类别。
[0072]
可选的，如图3所示，所述步骤s105进一步包括：
[0073]
步骤s301，根据所述第一分类向量将所述第一分类向量所对应的视频帧分类为至少一个第二类别；其中，每个第二类别对应一个视频帧集合；
[0074]
步骤s302，根据所述视频帧集合中的每个视频帧的所述第一分类向量计算所述待分类视频为所述视频帧集合所对应的第二类别的置信度；
[0075]
步骤s303，根据所述第二类别的置信度确定所述待分类视频的分类结果。
[0076]
对于通过步骤s102得到的每一个对象外部视频帧和对象内部视频帧，其通过步骤s103或步骤s104均可以得到一个对应的第一分类向量，通过该分类向量，能够将所述视频帧分为为至少一个第二类别，如通过所述第一分类向量中最大的第一元素的值确定所述视频帧的第二类别。为了分类更加准确，还可以预先设置聚类阈值，根据所述聚类阈值对所述视频帧进行分类，可选的，所述步骤s301还包括：
[0077]
步骤s401，获取聚类阈值；
[0078]
步骤s402，比较所述第一分类向量中的每一个第一元素的值与所述聚类阈值的大小；
[0079]
步骤s403，响应于所述第一元素的值大于所述聚类阈值，将所述第一分类向量所对应的视频帧分类为所述第一元素所对应的第二类别。
[0080]
设所述聚类阈值为th1，且th1∈[0,1]，上述步骤s402和步骤s403可以通过以下公式(4)实现：
[0081][0082]
其中，c
ij
用于表示第i帧是否属于第j类。通过上述步骤s402和步骤s403将所述步骤s103或者步骤s104得到的视频帧分类为一个或多个第二类别，可以理解的，在上述步骤中，也可能某一帧不属于任何一个第二类别，在这种情况下，可以丢弃该视频帧。
[0083]
通过上述步骤，可以得到c个第二类别中的每个类别所对应的视频帧，即每个第二类别对应一个视频帧集合，所述视频帧集合中包括了所述对象外部视频帧和/或所述对象内部视频帧。
[0084]
返回附图3，在步骤s302中，首先计算每个第二类别的综合第一分类向量，可选的，通过将所述第二类别所对应的视频帧集合中的每个视频帧的第一分类向量进行加和之后再归一化的方式计算所述综合第一分类向量。以第二类别为l类为例，所述综合第一分类向量通过以下公式(5)计算得到：
[0085][0086]
其中a表示属于l类的视频帧的集合，vq表示第q帧的第一分类向量，f(.)＝softmax(.)；由此可以得到综合第一分类向量vl_result，其中vl_result中的第l个元素的值vl_result
l
即为所述待分类视频为l类的第二类别的置信度。
[0087]
对于每个第二类别均可以计算所述第二类别的置信度，则在步骤s303中可以将最大的第二类别的置信度所对应的第二类别确定为所述待分类视频的分类结果。
[0088]
为了减少计算量，在所述步骤s302之前，还包括：对所述第二类别进行过滤。可选的，所述过滤包括过滤掉视频帧少的第二类别。可选的，设置数量阈值参数th2，其中th2∈[0,1]，由此可以得到数量阈值：n*th2,将视频帧的数量小于所述数量阈值的视频帧集合所对应的第二类别过滤掉，剩下的第二类别参与后续的综合第一分类向量的计算以及确定第二类别的置信度的步骤。由此可以过滤掉明显不正确的第二类别以减少确定所述第二类别的置信度时的计算量。
[0089]
在步骤s303中，由于每个参与综合第一分类向量计算的第二类别均会得到对应的vl_result
l
，因此在该步骤中，可以比较所有vl_result
l
的大小，将vl_result
l
的值最大的第二类别作为所述待分类视频的分类结果。
[0090]
可选的，如按照所有vl_result
l
的值最大的第二类别作为所述待分类视频的分类结果时，有可能所有的vl_result
l
的值都不大，此时分类结果是不准确的。因此，为了最终分类结果的准确性，所述步骤s303进一步包括：
[0091]
获取分类阈值；
[0092]
将所述第二类别的置信度与所述分类阈值比较；
[0093]
将所述第二类别的置信度大于所述分类阈值的第二类别确定为所述待分类视频的分类结果。
[0094]
所述分类阈值为预先设置的阈值th3，当vl_result
l
》th3时，确定所述待分类视频的分类结果为l类，为了防止待分类视频被分类为多个第二类别，th3的值可以设置为较大的值，如th3＝0.8。
[0095]
通过上述步骤s101-s105，在对视频进行分类时，除了对象的外部特征之外，还加
入了对象的内部特征，使得包括对象内部和对象外部的视频的分类更加准确，解决了仅通过对象外部的视频帧对视频进行分类时所带来的召回率低的技术问题，同时也解决了单帧误识别所导致的准确率低的问题；另外，在对单帧进行目标识别的时候，结合了目标检测框的位置和面积信息，使得误判减少。
[0096]
进一步的，在某些场景下，某些视频中的对象是有明显标识的，其可以准确的对视频进行分类，如在车系识别的时候，可以通过车标识别出汽车的品牌或者通过车尾的标识识别出汽车品牌中的具体型号等等。由此，在某一帧中识别出对象标识的情况下，可以在上述计算综合第一分类向量时，增加所述帧的权重。因此可选的，如图5所示，所述视频分类方法还包括：
[0097]
步骤s501，根据所述对象外部视频帧对所述对象的标识进行识别得到所述对象外部视频帧中包括所述对象的标识的标识置信度；
[0098]
步骤s502，根据所述标识置信度计算所述对象外部视频帧的权重值；
[0099]
此时，所述步骤s302进一步包括：
[0100]
步骤s503，根据所述对象外部视频帧的权重值对视频帧集合中的所述对象外部视频帧的第一分类向量进行加权计算得到加权第一分类向量；
[0101]
步骤s504，根据所述加权第一分类向量计算所述待分类视频为所述视频帧集合所对应的第二类别的置信度。
[0102]
在所述步骤s501中，可以将所述对象外部视频帧输入预先训练好的对象标识的检测模型以识别所述对象外部视频帧是否包含所述对象的标识，所述对象标识的检测模型的输出结果与上述步骤s102中的模型的输出类似，即输出一个或多个目标检测框，每个目标检测框以左上角的纵横坐标、目标检测框的长宽值、类别以及置信度表示，在本公开中，由于有单独的流程对象外部视频帧进行分类，因此在所述步骤s501中，可以仅检测所述对象外部视频帧中是否包括对象的标识，而不必要对其进行分类。由此，可以比较多个目标检测框的标识置信度，得到最大的标识置信度。
[0103]
可选的，如图6所示，在步骤s502中，根据所述标识置信度计算所述对象外部视频帧的权重值包括：
[0104]
步骤s601，获取权重阈值；
[0105]
步骤s602，当所述标识置信度大于或等于所述权重阈值，根据所述权重阈值和所述标识置信度计算第一权重值所述对象外部视频帧的权重值；
[0106]
步骤s603，当所述标识置信度小于所述权重阈值，将预设权重值设置为所述对象外部视频帧的权重值；其中所述预设权重值小于或等于所述第一权重值。
[0107]
示例性的，预先设置权重阈值th4，设在步骤s502中得到的所述对象外部视频帧的标识置信度为s_logoq，其表示第q帧存在对象的标识的置信度。则可以通过以下公式(6)计算所述对象外部视频帧的权重值：
[0108][0109]
在步骤s503中，对视频帧集合中的所述对象外部视频帧的第一分类向量进行加权计算得到加权第一分类向量。如上述实施例中所述，类别为l的视频帧集合a中的视频帧q，
其加权第一分类向量为：wq*vq。
[0110]
在步骤s504中，首先根据所述集合a中的所有视频帧的加权第一分类向量得到综合加权第一分类向量，示例性的，所述综合加权第一分类向量通过如下公式(7)计算得到：
[0111][0112]
其中参数的定义与公式(5)中相同，在此不再赘述。由此，最终l类别的第二类别的置信度为：vl_result
l
。之后，确定待分类视频的分类结果的过程参见步骤s105中的描述，在此不再赘述。
[0113]
在上述进一步的实施例中，在计算综合第一分类向量时对包含有对象标识的视频帧进行了加权，使得其权重变大，且标识置信度越大的帧，其权重wq的值越大，在计算综合加权第一分类向量时，其所占的比例越大，由此使得最终的分类结果的鲁棒性加强，分类更加准确。
[0114]
在上述实施例中，分类过程均与视频帧的特征有关；对于用户上传的视频来说，其通常会包括标题，且标题中时常包含有与内容密切相关的字符或者关键词，因此还可以通过待分类视频的标题对分类结果进行加强。如图7所示，进一步的，所述视频分类方法还包括：
[0115]
步骤s701，获取所述待分类视频的标题；
[0116]
步骤s702，根据所述标题计算第一系数，所述第一系数的值与所述标题中出现所述第二类别的名称的次数相关；
[0117]
此时，所述步骤s302进一步包括：
[0118]
步骤s703，根据所述视频帧集合中的每个视频帧的所述第一分类向量计算所述待分类视频为所述视频帧集合所对应的第二类别的第一置信度；
[0119]
步骤s704，根据所述第一系数以及所述第二类别的第一置信度计算所述待分类视频为所述视频帧集合所对应的第二类别的置信度。
[0120]
在步骤s702中，对所述待分分类视频的标题进行分词以及关键词提取等操作得到与所述第二类别的名称匹配的字符或者关键词，所述字符或关键的数量可以是任意多个。根据所述与第二类别的名称匹配的字符或者关键词的数量计算与所述视频帧集合对应的第二类别的第一系数。可选的，所述步骤s702进一步包括：将所述待分类视频的标题与所述第二类别进行匹配得到所述标题中出现每个第二类别的名称的次数；根据所述次数计算每个第二类别的第一系数，其中所述第一系数与所述次数程反比关系。示例性的，根据以下公式(8)计算所述第一系数：
[0121]
γ＝2/(e
t
+1)
ꢀꢀ
(8)
[0122]
其中t表示所述标题中出现与所述第二类别的名称匹配的字符或者关键词的次数。其中t≥0，且t为整数。其中t的值越大，γ的值越小。
[0123]
在步骤s703中，计算第二类别的第一置信度，所述第二类别的第一置信度可以是所述步骤s302中所计算出来的第二类别的置信度或者是所述步骤s504计算出来的第二类别的置信度。即所述步骤s703中的第二类别的第一置信度包括通过公式(5)或者公式(7)计算出来的vl_result
l
。
[0124]
在步骤s704中，根据所述第一系数以及所述第二类别的第一置信度计算所述待分
类视频为所述视频帧集合所对应的第二类别的置信度。可选的，将所述第一系数所述第二类别的第一置信度的指数计算所述第二类别的置信度。示例性的，根据：s_result
l
＝v_result
lγ
计算l类的所述第二类别的置信度。之后，确定待分类视频的分类结果的过程参见步骤s105中的描述，在此不再赘述。上述第一系数的值γ随t的变大而变小，而由于vl_result
l
是一个小于1的值，因此v_result
lγ
的值随着γ的变小而变大，即随t的变大而变大。即，标题中出现与所述第二类别匹配的字符或关键词的次数越多，对应的第二分类的置信度越高。
[0125]
在上述可选实施例中，通过标题对分类结果进行影响，由此通过标题中所包含的信息能够对所述分类结果进行加强，使得最终的分类结果的鲁棒性加强，分类更加准确。
[0126]
图8为上述实施例中的视频分类方法的一个应用场景。如图8所示，所述应用场景为视频的车系分类，其通过视频中的汽车外观和汽车中控视频帧对视频进行分类。如图8所示，首先获取视频信息，其中包括视频和视频的标题；对视频进行抽帧和预处理，对标题进行分词，统计其中出现每个车系的名称的次数，并计算第一系数；对预处理之后的视频帧进行分类，分为外观帧和中控帧，将外观帧输入外观识别模型进行特征提取和分类得到外观帧的第一分类向量，将中控帧输入中控识别模型进行特征提取和分类得到中控帧的第一分类向量；同时，将外观帧输入车标检测模块进行车标检测，输出外观帧中包括车标的车标置信度；在计算所述视频分类结果时，同时将所述车标置信度、第一分类向量和所述第一系数作为计算因子进行计算得到最终的分类结果。在该应用场景中，结合了视频中的汽车外观的特征、汽车中控的特征，并通过车标特征以及标题中的特征对分类结果进行加强，增加了视频分类的召回率以及准确率。
[0127]
本公开实施例公开了一种视频分类方法，该视频分类方法包括：获取待分类视频的多个视频帧；对所述多个视频帧进行分类得到所述多个视频帧的第一类别，其中所述第一类别包括对象外部视频帧和对象内部视频帧；根据所述对象外部视频帧对所述对象进行识别得到所述对象外部视频帧的第一分类向量；根据所述对象内部视频帧对所述对象进行识别得到所述对象内部视频帧的第一分类向量；根据所述第一分类向量确定所述待分类视频的分类结果。上述方法通过结合对象外部视频帧以及对象内部视频帧，解决了视频分类的召回率低的技术问题。
[0128]
在上文中，虽然按照上述的顺序描述了上述方法实施例中的各个步骤，本领域技术人员应清楚，本公开实施例中的步骤并不必然按照上述顺序执行，其也可以倒序、并行、交叉等其他顺序执行，而且，在上述步骤的基础上，本领域技术人员也可以再加入其他步骤，这些明显变型或等同替换的方式也应包含在本公开的保护范围之内，在此不再赘述。
[0129]
图9为本公开实施例提供的视频分类装置实施例的结构示意图。如图9所示，该装置900包括：视频帧获取模块901、第一分类模块902、外部第一分类向量获取模块903、内部第一分类向量获取模块904和分类结果确定模块905。
[0130]
其中，
[0131]
视频帧获取模块901，用于获取待分类视频的多个视频帧；
[0132]
第一分类模块902，用于对所述多个视频帧进行分类得到所述多个视频帧的第一类别，其中所述第一类别包括对象外部视频帧和对象内部视频帧；
[0133]
外部第一分类向量获取模块903，用于根据所述对象外部视频帧对所述对象进行
识别得到所述对象外部视频帧的第一分类向量；
[0134]
内部第一分类向量获取模块904，用于根据所述对象内部视频帧对所述对象进行识别得到所述对象内部视频帧的第一分类向量；
[0135]
分类结果确定模块905，用于根据所述第一分类向量确定所述待分类视频的分类结果。
[0136]
进一步的，所述第一分类模块902，还用于：
[0137]
对所述视频帧进行目标检测得到至少一个目标检测框；
[0138]
根据所述目标检测框的置信度、目标检测框距离视频帧中心点的距离以及目标检测框的面积在视频帧中的占比计算所述目标框的综合置信度；
[0139]
将综合置信度最大的目标检测框所对应的类别作为所述视频帧的第一类别。
[0140]
进一步的，所述第一分类向量中的每个第一元素对应一种第二类别，所述第一元素的值表示所述视频帧为所述第一元素所对应的第二类别的置信度。
[0141]
进一步的，所述分类结果确定模块905，还用于：
[0142]
根据所述第一分类向量将所述第一分类向量所对应的视频帧分类为至少一个第二类别；其中，每个第二类别对应一个视频帧集合；
[0143]
根据所述视频帧集合中的每个视频帧的所述第一分类向量计算所述待分类视频为所述视频帧集合所对应的第二类别的置信度；
[0144]
根据所述第二类别的置信度确定所述待分类视频的分类结果。
[0145]
进一步的，所述分类结果确定模块905，还用于：
[0146]
获取聚类阈值；
[0147]
比较所述第一分类向量中的每一个第一元素的值与所述聚类阈值的大小；
[0148]
响应于所述第一元素的值大于所述聚类阈值，将所述第一分类向量所对应的视频帧分类为所述第一元素所对应的第二类别。
[0149]
进一步的，所述视频分类装置还包括：
[0150]
标识置信度确定模块，用于根据所述对象外部视频帧对所述对象的标识进行识别得到所述对象外部视频帧中包括所述对象的标识的标识置信度；
[0151]
权重计算模块，用于根据所述标识置信度计算所述对象外部视频帧的权重值；
[0152]
其中，所述分类结果确定模块905，还用于：
[0153]
根据所述对象外部视频帧的权重值对视频帧集合中的所述对象外部视频帧的第一分类向量进行加权计算得到加权第一分类向量；
[0154]
根据所述加权第一分类向量计算所述待分类视频为所述视频帧集合所对应的第二类别的置信度。
[0155]
进一步的，所述权重计算模块还用于：
[0156]
获取权重阈值；
[0157]
当所述标识置信度大于或等于所述权重阈值，根据所述权重阈值和所述标识置信度计算第一权重值所述对象外部视频帧的权重值；
[0158]
当所述标识置信度小于所述权重阈值，将预设权重值设置为所述对象外部视频帧的权重值；其中所述预设权重值小于或等于所述第一权重值。
[0159]
进一步的，所述视频分类装置，还包括：
[0160]
标题获取模块，用于获取所述待分类视频的标题；
[0161]
第一系数计算模块，用于根据所述标题计算第一系数，所述第一系数的值与所述标题中出现所述第二类别的名称的次数相关；
[0162]
其中，所述分类结果确定模块905，还用于：
[0163]
根据所述视频帧集合中的每个视频帧的所述第一分类向量计算所述待分类视频为所述视频帧集合所对应的第二类别的第一置信度；
[0164]
根据所述第一系数以及所述第二类别的第一置信度计算所述待分类视频为所述视频帧集合所对应的第二类别的置信度。
[0165]
进一步的，所述第一系数计算模块还用于：
[0166]
将所述待分类视频的标题与所述第二类别进行匹配得到所述标题中出现每个第二类别的名称的次数；
[0167]
根据所述次数计算每个第二类别的第一系数，其中所述第一系数与所述次数程反比关系。
[0168]
进一步的，所述分类结果确定模块905，还用于：
[0169]
获取分类阈值；
[0170]
将所述第二类别的置信度与所述分类阈值比较；
[0171]
将所述第二类别的置信度大于所述分类阈值的第二类别确定为所述待分类视频的分类结果。
[0172]
图9所示装置可以执行图1-图8所示实施例的方法，本实施例未详细描述的部分，可参考对图1-图8所示实施例的相关说明。该技术方案的执行过程和技术效果参见图1-图8所示实施例中的描述，在此不再赘述。
[0173]
下面参考图10，其示出了适于用来实现本公开实施例的电子设备1000的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、pda(个人数字助理)、pad(平板电脑)、pmp(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字tv、台式计算机等等的固定终端。图10示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
[0174]
如图10所示，电子设备1000可以包括处理装置(例如中央处理器、图形处理器等)1001，其可以根据存储在只读存储器(rom)1002中的程序或者从存储装置1008加载到随机访问存储器(ram)1003中的程序而执行各种适当的动作和处理。在ram 1003中，还存储有电子设备1000操作所需的各种程序和数据。处理装置1001、rom 1002以及ram 1003通过总线1004彼此相连。输入/输出(i/o)接口1005也连接至总线1004。
[0175]
通常，以下装置可以连接至i/o接口1005：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置1006；包括例如液晶显示器(lcd)、扬声器、振动器等的输出装置1007；包括例如磁带、硬盘等的存储装置1008；以及通信装置1009。通信装置1009可以允许电子设备1000与其他设备进行无线或有线通信以交换数据。虽然图10示出了具有各种装置的电子设备1000，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
[0176]
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，其包括承载在非暂态计算机可
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装置1009从网络上被下载和安装，或者从存储装置1008被安装，或者从rom 1002被安装。在该计算机程序被处理装置1001执行时，执行本公开实施例的方法中限定的上述功能。
[0177]
需要说明的是，本公开上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。在本公开中，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。而在本公开中，计算机可读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，该计算机可读信号介质可以发送、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：电线、光缆、rf(射频)等等，或者上述的任意合适的组合。
[0178]
在一些实施方式中，客户端、服务器可以利用诸如http(hypertext transfer protocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“lan”)，广域网(“wan”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
[0179]
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
[0180]
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电子设备执行时，使得该电子设备：执行上述视频分类方法。
[0181]
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
[0182]
附图中的流程图和框图，图示了按照本公开各种实施例的系统、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。
[0183]
描述于本公开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。其中，单元的名称在某种情况下并不构成对该单元本身的限定。
[0184]
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、片上系统(soc)、复杂可编程逻辑设备(cpld)等等。
[0185]
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
[0186]
根据本公开的一个或多个实施例，提供了一种视频分类方法，包括：
[0187]
获取待分类视频的多个视频帧；
[0188]
对所述多个视频帧进行分类得到所述多个视频帧的第一类别，其中所述第一类别包括对象外部视频帧和对象内部视频帧；
[0189]
根据所述对象外部视频帧对所述对象进行识别得到所述对象外部视频帧的第一分类向量；
[0190]
根据所述对象内部视频帧对所述对象进行识别得到所述对象内部视频帧的第一分类向量；
[0191]
根据所述第一分类向量确定所述待分类视频的分类结果。
[0192]
进一步的，所述对所述多个视频帧进行分类得到所述多个视频帧的第一类别，包括：
[0193]
对所述视频帧进行目标检测得到至少一个目标检测框；
[0194]
根据所述目标检测框的置信度、目标检测框距离视频帧中心点的距离以及目标检测框的面积在视频帧中的占比计算所述目标框的综合置信度；
[0195]
将综合置信度最大的目标检测框所对应的类别作为所述视频帧的第一类别。
[0196]
进一步的，所述第一分类向量中的每个第一元素对应一种第二类别，所述第一元素的值表示所述视频帧为所述第一元素所对应的第二类别的置信度。
[0197]
进一步的，所述根据所述第一分类向量确定所述待分类视频的分类结果，包括：
[0198]
根据所述第一分类向量将所述第一分类向量所对应的视频帧分类为至少一个第
二类别；其中，每个第二类别对应一个视频帧集合；
[0199]
根据所述视频帧集合中的每个视频帧的所述第一分类向量计算所述待分类视频为所述视频帧集合所对应的第二类别的置信度；
[0200]
根据所述第二类别的置信度确定所述待分类视频的分类结果。
[0201]
进一步的，所述根据所述第一分类向量将所述第一分类向量所对应的视频帧分类为至少一个第二类别，包括：
[0202]
获取聚类阈值；
[0203]
比较所述第一分类向量中的每一个第一元素的值与所述聚类阈值的大小；
[0204]
响应于所述第一元素的值大于所述聚类阈值，将所述第一分类向量所对应的视频帧分类为所述第一元素所对应的第二类别。
[0205]
进一步的，所述方法还包括：
[0206]
根据所述对象外部视频帧对所述对象的标识进行识别得到所述对象外部视频帧中包括所述对象的标识的标识置信度；
[0207]
根据所述标识置信度计算所述对象外部视频帧的权重值；
[0208]
所述根据所述视频帧集合中的每个视频帧的所述第一分类向量计算所述待分类视频为所述视频帧集合所对应的第二类别的置信度，包括：
[0209]
根据所述对象外部视频帧的权重值对视频帧集合中的所述对象外部视频帧的第一分类向量进行加权计算得到加权第一分类向量；
[0210]
根据所述加权第一分类向量计算所述待分类视频为所述视频帧集合所对应的第二类别的置信度。
[0211]
进一步的，所述根据所述标识置信度计算所述对象外部视频帧的权重值，包括：
[0212]
获取权重阈值；
[0213]
当所述标识置信度大于或等于所述权重阈值，根据所述权重阈值和所述标识置信度计算第一权重值所述对象外部视频帧的权重值；
[0214]
当所述标识置信度小于所述权重阈值，将预设权重值设置为所述对象外部视频帧的权重值；其中所述预设权重值小于或等于所述第一权重值。
[0215]
进一步的，所述方法还包括：
[0216]
获取所述待分类视频的标题；
[0217]
根据所述标题计算第一系数，所述第一系数的值与所述标题中出现所述第二类别的名称的次数相关；
[0218]
所述根据所述视频帧集合中的每个视频帧的所述第一分类向量计算所述待分类视频为所述视频帧集合所对应的第二类别的置信度，包括：
[0219]
根据所述视频帧集合中的每个视频帧的所述第一分类向量计算所述待分类视频为所述视频帧集合所对应的第二类别的第一置信度；
[0220]
根据所述第一系数以及所述第二类别的第一置信度计算所述待分类视频为所述视频帧集合所对应的第二类别的置信度。
[0221]
进一步的，所述根据所述标题计算第一系数，包括：
[0222]
将所述待分类视频的标题与所述第二类别进行匹配得到所述标题中出现每个第二类别的名称的次数；
[0223]
根据所述次数计算每个第二类别的第一系数，其中所述第一系数与所述次数程反比关系。
[0224]
进一步的，所述根据所述第二类别的置信度确定所述待分类视频的分类结果，包括：
[0225]
获取分类阈值；
[0226]
将所述第二类别的置信度与所述分类阈值比较；
[0227]
将所述第二类别的置信度大于所述分类阈值的第二类别确定为所述待分类视频的分类结果。
[0228]
根据本公开的一个或多个实施例，提供了一种视频分类装置，包括：
[0229]
视频帧获取模块，用于获取待分类视频的多个视频帧；
[0230]
第一分类模块，用于对所述多个视频帧进行分类得到所述多个视频帧的第一类别，其中所述第一类别包括对象外部视频帧和对象内部视频帧；
[0231]
外部第一分类向量获取模块，用于根据所述对象外部视频帧对所述对象进行识别得到所述对象外部视频帧的第一分类向量；
[0232]
内部第一分类向量获取模块，用于根据所述对象内部视频帧对所述对象进行识别得到所述对象内部视频帧的第一分类向量；
[0233]
分类结果确定模块，用于根据所述第一分类向量确定所述待分类视频的分类结果。
[0234]
进一步的，所述第一分类模块，还用于：
[0235]
对所述视频帧进行目标检测得到至少一个目标检测框；
[0236]
根据所述目标检测框的置信度、目标检测框距离视频帧中心点的距离以及目标检测框的面积在视频帧中的占比计算所述目标框的综合置信度；
[0237]
将综合置信度最大的目标检测框所对应的类别作为所述视频帧的第一类别。
[0238]
进一步的，所述第一分类向量中的每个第一元素对应一种第二类别，所述第一元素的值表示所述视频帧为所述第一元素所对应的第二类别的置信度。
[0239]
进一步的，所述分类结果确定模块，还用于：
[0240]
根据所述第一分类向量将所述第一分类向量所对应的视频帧分类为至少一个第二类别；其中，每个第二类别对应一个视频帧集合；
[0241]
根据所述视频帧集合中的每个视频帧的所述第一分类向量计算所述待分类视频为所述视频帧集合所对应的第二类别的置信度；
[0242]
根据所述第二类别的置信度确定所述待分类视频的分类结果。
[0243]
进一步的，所述分类结果确定模块，还用于：
[0244]
获取聚类阈值；
[0245]
比较所述第一分类向量中的每一个第一元素的值与所述聚类阈值的大小；
[0246]
响应于所述第一元素的值大于所述聚类阈值，将所述第一分类向量所对应的视频帧分类为所述第一元素所对应的第二类别。
[0247]
进一步的，所述视频分类装置还包括：
[0248]
标识置信度确定模块，用于根据所述对象外部视频帧对所述对象的标识进行识别得到所述对象外部视频帧中包括所述对象的标识的标识置信度；
[0249]
权重计算模块，用于根据所述标识置信度计算所述对象外部视频帧的权重值；
[0250]
其中，所述分类结果确定模块，还用于：
[0251]
根据所述对象外部视频帧的权重值对视频帧集合中的所述对象外部视频帧的第一分类向量进行加权计算得到加权第一分类向量；
[0252]
根据所述加权第一分类向量计算所述待分类视频为所述视频帧集合所对应的第二类别的置信度。
[0253]
进一步的，所述权重计算模块还用于：
[0254]
获取权重阈值；
[0255]
当所述标识置信度大于或等于所述权重阈值，根据所述权重阈值和所述标识置信度计算第一权重值所述对象外部视频帧的权重值；
[0256]
当所述标识置信度小于所述权重阈值，将预设权重值设置为所述对象外部视频帧的权重值；其中所述预设权重值小于或等于所述第一权重值。
[0257]
进一步的，所述视频分类装置，还包括：
[0258]
标题获取模块，用于获取所述待分类视频的标题；
[0259]
第一系数计算模块，用于根据所述标题计算第一系数，所述第一系数的值与所述标题中出现所述第二类别的名称的次数相关；
[0260]
其中，所述分类结果确定模块，还用于：
[0261]
根据所述视频帧集合中的每个视频帧的所述第一分类向量计算所述待分类视频为所述视频帧集合所对应的第二类别的第一置信度；
[0262]
根据所述第一系数以及所述第二类别的第一置信度计算所述待分类视频为所述视频帧集合所对应的第二类别的置信度。
[0263]
进一步的，所述第一系数计算模块还用于：
[0264]
将所述待分类视频的标题与所述第二类别进行匹配得到所述标题中出现每个第二类别的名称的次数；
[0265]
根据所述次数计算每个第二类别的第一系数，其中所述第一系数与所述次数程反比关系。
[0266]
进一步的，所述分类结果确定模块，还用于：
[0267]
获取分类阈值；
[0268]
将所述第二类别的置信度与所述分类阈值比较；
[0269]
将所述第二类别的置信度大于所述分类阈值的第二类别确定为所述待分类视频的分类结果。
[0270]
根据本公开的一个或多个实施例，提供了一种电子设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有能被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行前述第一方面中的任一所述视频分类方法。
[0271]
根据本公开的一个或多个实施例，提供了一种非暂态计算机可读存储介质，其特征在于，该非暂态计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行前述第一方面中的任一所述视频分类方法。
[0272]
以上描述仅为本公开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，本公开中所涉及的公开范围，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公开构思的情况下，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。例如上述特征与本公开中公开的(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。