[发明专利]一种视频内容识别方法、装置及电子设备

说明书

本发明实施例提供了一种视频内容识别方法、装置及电子设备，所述方法包括：确定待识别的目标视频帧序列；获得所述目标视频帧序列中各个视频帧的目标图像特征；基于预先构建的注意力模型，确定所获得的各个目标图像特征所对应的目标权重值，其中，所述注意力模型为：以存在异常事件的视频帧序列样本所对应的各个图像特征为输入内容，以所述各个图像特征对应的权重值为输出内容训练所得到的，其中，在所述视频帧序列样本中，异常帧的图像特征的权重值高于其他帧的权重值；基于所述各个目标图像特征所对应的目标权重值，确定所述目标视频帧序列中是否存在异常事件。应用本发明实施例，可以降低识别视频内容的成本，并可以提高识别效率。

技术领域

本发明涉及视频检测技术领域，特别是涉及一种视频内容识别方法、装置及电子设备、可读存储介质。

背景技术

目前，常常需要利用视频监控设备对楼道、小区入口和车道等区域进行监控，从而获得这些区域所对应的监控视频。并且，在获得这些监控视频后，还需要对这些监控视频的内容进行识别，以分析这些监控视频中是否存在异常事件，其中，异常事件包括但并不局限于碰撞事件和摔倒事件。

而目前的异常事件识别方式为：工作人员逐一查看每个待识别的监控视频，从而判断所查看的监控视频中是否存在异常事件。发明人发现，该种异常事件识别方式存在以下问题：当监控视频数量较多时，该种方式会消耗大量的人力和时间，使得成本较高且效率低。

发明内容

本发明实施例的目的在于提供一种视频内容识别方法、装置及电子设备、可读存储介质，以降低识别成本，并提高识别效率。

第一方面，本发明实施例提供了一种视频内容识别方法，所述方法可以包括：

确定待识别的目标视频帧序列；

获得所述目标视频帧序列中各个视频帧的目标图像特征；

基于预先构建的注意力模型，确定所获得的各个目标图像特征所对应的目标权重值，其中，所述注意力模型为：以存在异常事件的视频帧序列样本所对应的各个图像特征为输入内容，以所述各个图像特征对应的权重值为输出内容训练所得到的，其中，在所述视频帧序列样本中，异常帧的图像特征的权重值高于其他帧的权重值；

基于所述各个目标图像特征所对应的目标权重值，确定所述目标视频帧序列中是否存在异常事件。

可选地，所述确定待识别的目标视频帧序列的步骤，可以包括：

确定待识别的目标视频；

按照预设提取长度和预设滑动步长，从所述目标视频中获得至少一个视频帧序列；

从所述至少一个视频帧序列中确定待识别的目标视频帧序列。

可选地，所述获得所述目标视频帧序列中各个视频帧的目标图像特征的步骤，可以包括：

利用预设的卷积神经网络对所述目标视频帧序列进行卷积计算，得到所述目标视频帧序列中各个视频帧的初始图像特征；

基于预设的第一循环神经网络，对所获得的各个初始图像特征进行上下文关联计算，得到所述目标视频帧序列中各个视频帧的目标图像特征。

可选地，在本发明的一种实施例中，所述基于所述各个目标图像特征所对应的目标权重值，确定所述目标视频帧序列中是否存在异常事件的步骤，可以包括：

确定在所述各个目标图像特征所对应的目标权重值中，是否存在大于其他目标权重值的第一目标权重值，若是，确定所述目标视频帧序列中存在异常事件，否则，确定所述目标视频帧序列中不存在异常事件。

可选地，在本发明的另一种实施例中，所述基于所述各个目标图像特征所对应的目标权重值，确定所述目标视频帧序列中是否存在异常事件的步骤，可以包括：