[发明专利]一种电视节目类型识别方法及装置

说明书

本申请提供一种电视节目类型识别方法及装置，通过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；然后将所述连续N帧视频图像中每帧视频图像对应的节目类型根据预设策略进行统计得到当前电视节目的节目类型。本发明可以可以避免少数视频图像识别错误导致的误判，从而提高了电视节目的识别准确率。

技术领域

本申请涉及电视技术领域，尤其涉及一种电视节目类型识别方法及装置。

背景技术

在现有的电视节目类型识别算法中，现有的多数算法是针对时间段以及节目的标识信息进行电视节目的识别，然而这种识别具有局限性，若一段图片中没有时间段或者标识信息，则识别效果就会大打折扣。

另一种常用的识别算法就是深度学习算法，其中又以卷积神经网络算法最为突出。对于电视节目类型的识别，由于在视频播出过程中，经常会出现一些画面的识别率不高，在类似于某种节目的同时，也类似于另一种节目。因此，在取得的样本并不能足够大的情况下会导致识别准确率不高的情况。

发明内容

有鉴于此，为了解决现有的节目类型识别时准确率较低的问题，本发明提出一种电视节目类型识别方法及装置，利用卷积神经网络对输入的多帧视频图像进行节目类型识别，对识别出的每帧视频图像对应的节目类型进行组合判断最终确定出电视节目对应的节目类型，从而提高了电视节目的识别准确率。

具体地，本申请是通过如下技术方案实现的：

根据本申请实施例的第一方面，提供一种电视节目类型识别方法，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N帧视频图像中每帧视频图像对应的节目类型；

将所述连续N帧视频图像中每帧视频图像对应的节目类型根据预设策略进行统计得到当前电视节目的节目类型。

作为一个实施例，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。

作为一个实施例，将所述连续N帧视频图像中每帧视频图像对应的节目类型根据预设策略进行统计得到当前电视节目的节目类型，包括：

从所述卷积神经网络输出的所述连续N帧视频图像中，分别统计每个节目类型具有相同节目类型的数量；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；

从连续多个预测类型中，分别统计每个预测类型具有相同预测类型的数量；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。

作为一个实施例，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。

作为一个实施例，所述方法还包括：

若当前电视节目的节目类型与下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。