[发明专利]一种电视节目类型识别方法及装置

权利要求书

1.一种电视节目类型识别方法，其特征在于，所述方法包括：

获取当前电视节目中的连续N帧视频图像；

将所述连续N帧视频图像输入到预训练的卷积神经网络，获取所述卷积神经网络输出的所述连续N帧视频图像中每帧视频图像对应的节目类型；

从所述卷积神经网络输出的所述连续N帧视频图像中每帧视频图像对应的节目类型中，分别针对每一节目类型统计具有与该节目类型相同的节目类型数量；若具有相同节目类型数量最多且大于等于第一预设数量，则将该节目类型作为预测类型输出；

从已输出的多个连续预测类型中，分别针对每一预测类型统计与该预测类型具有相同预测类型的预测类型数量；若具有相同预测类型数量最多且大于等于第二预设数量，则将该预测类型作为当前电视节目的节目类型。

2.根权利要求1所述的方法，其特征在于，所述卷积神经网络的训练方法包括：

对电视节目划分多个节目类型；

获取每个节目类型对应的视频样本；

提取所述视频样本中的每帧图像的图像特征数据作为训练数据；

将所述训练数据输入到卷积神经网络中进行训练，得到卷积神经网络模型。

3.根权利要求1所述的方法，其特征在于，所述方法还包括：

若所述连续N帧视频图像中的N大于等于第一阈值时，未确定出当前电视节目对应的节目类型，则获取下一帧视频图像；

若所述连续N帧视频图像中的N大于等于第二阈值时，未确定出当前电视节目对应的节目类型，则停止获取视频图像，等第一时间间隔后，再开始获取视频图像。

4.根权利要求1所述的方法，其特征在于，所述方法还包括：

若通过获取当前电视节目的节目类型与上一次获取的电视节目的节目类型相同，则停止获取视频图像，等第二时间间隔后，再开始获取视频图像；若当前获取的节目类型与上两次的节目类型相同时，则停止获取视频图像，等第三时间间隔后，再开始获取视频图像。

5.一种电视节目类型识别装置，其特征在于，所述装置包括：

获取单元，用于获取当前电视节目中的连续N帧视频图像；

输入单元，用于将所述连续N帧视频图像输入到预训练的卷积神经网络，获取所述卷积神经网络输出的所述连续N帧视频图像中每帧视频图像对应的节目类型；

确定单元，用于从所述卷积神经网络输出的所述连续N帧视频图像中每帧视频图像对应的节目类型中，分别针对每一节目类型统计具有与该节目类型相同的节目类型数量；若具有相同节目类型数量最多且大于等于第一预设数量，则将该节目类型作为预测类型输出；从已输出的多个连续预测类型中，分别针对每一预测类型统计与该预测类型具有相同预测类型的预测类型数量；若具有相同预测类型数量最多且大于等于第二预设数量，则将该预测类型作为当前电视节目的节目类型。

6.根权利要求5所述的装置，其特征在于，所述装置还包括：

训练单元，用于对电视节目划分多个节目类型；获取每个节目类型对应的视频样本；提取所述视频样本中的每帧图像的图像特征数据作为训练数据；将所述训练数据输入到卷积神经网络中进行训练，得到卷积神经网络模型。

7.根权利要求5所述的装置，其特征在于，所述装置还包括：

第一停止单元，用于若所述连续N帧视频图像中的N大于等于第一阈值时，未确定出当前电视节目对应的节目类型，则获取下一帧视频图像；若所述连续N帧视频图像中的N大于等于第二阈值时，未确定出当前电视节目对应的节目类型，则停止获取视频图像，等第一时间间隔后，再开始获取视频图像。

8.根权利要求5所述的装置，其特征在于，所述装置还包括：

第二停止单元，用于若通过获取当前电视节目的节目类型与上一次获取的电视节目的节目类型相同，则停止获取视频图像，等第二时间间隔后，再开始获取视频图像；若当前获取的节目类型与上两次的节目类型相同时，则停止获取视频图像，等第三时间间隔后，再开始获取视频图像。