[发明专利]一种视频分类方法、装置及设备

权利要求书

1.一种视频分类方法，其特征在于，所述方法包括：

获取待分类视频；

利用预先训练好的第一模型对所述待分类视频进行分类，得到第一类分类结果，其中，所述第一模型为：根据时序特征对视频进行分类的模型，所述第一类分类结果包括至少一个所述待分类视频所属的类别和各个类别的置信度；

利用预先训练好的第二模型对所述待分类视频进行分类，得到第二类分类结果，其中，所述第二模型为：根据时序特征和空间特征对视频进行分类的模型，所述第二类分类结果包括至少一个所述待分类视频所属的类别和各个类别的置信度；

根据所述第一模型的模型权值、所述第二模型的模型权值、所述第一类分类结果中包含的各个类别的置信度、所述第二类分类结果中包含的各个类别的置信度以及各个类别的次数权值，确定所述待分类视频的分类结果，其中，每一模型的模型权值为：预先设定的、表示利用该模型对视频进行分类所得分类结果准确性的权值，每一类别的次数权值为：预先设定的、表示该类别在第一类分类结果和第二类分类结果中出现次数对应的权值。

2.如权利要求1所述的方法，其特征在于，所述根据所述第一模型的模型权值、所述第二模型的模型权值、所述第一类分类结果中包含的各个类别的置信度、所述第二类分类结果中包含的各个类别的置信度以及各个类别的次数权值确定所述待分类视频的分类结果的步骤，包括：

统计所述第一类分类结果与所述第二类分类结果中包含的各个类别的出现次数；

以所述第一模型的模型权值为所述第一类分类结果包含的各个类别的权值更新所述第一类分类结果包含的各个类别的置信度，以所述第二模型的模型权值为所述第二类分类结果包含的各个类别的权值更新所述第二类分类结果包含的各个类别的置信度；

对所述第一类分类结果包含的各个类别与所述第二类分类结果包含的各个类别中相同类别的更新后置信度进行相加，得到各个类别的最终置信度；

根据各个类别的最终置信度与各个类别对应的次数权值确定所述待分类视频的分类结果。

3.如权利要求2所述的方法，其特征在于，根据各个类别的最终置信度与各个类别对应的次数权值确定所述待分类视频的分类结果的步骤，包括：

计算各个类别的最终置信度与各个类别对应的次数权值的和值；

将第四预设数量个最高和值对应的类别确定为所述待分类视频的分类结果。

4.如权利要求1-3任一项所述的方法，其特征在于，

所述第一模型包括：预先训练好的根据时序特征对视频进行分类的第一子模型和预先训练好的根据时序特征对视频进行分类的第二子模型；

其中，所述第一子模型为：根据训练集中包含的视频对用于根据时序特征对视频进行分类的初始模型进训练得到模型；

所述第二子模型通过以下方式训练得到：

利用所述第一子模型对测试集中包含的视频进行分类，得到测试分类结果；

确定所得到的测试分类结果中准确率低于预设阈值的准确率对应的类别；

对所确定的类别对应的视频进行重采样，将重采样后的视频更新至所述训练集；

利用更新后的训练集对所述第一子模型进行训练，得到所述第二子模型；

相应地，利用预先训练好的第一模型对所述待分类视频进行分类，得到第一类分类结果的步骤，包括：

利用所述第一子模型对所述待分类视频进行分类，得到第一类子分类结果，利用所述第二子模型对所述待分类视频进行分类，得到第二类子分类结果；

所述根据所述第一模型的模型权值、所述第二模型的模型权值、所述第一类分类结果中包含的各个类别的置信度、所述第二类分类结果中包含的各个类别的置信度以及各个类别的次数权值确定所述待分类视频的分类结果的步骤，包括：

根据所述第一子模型的模型权值、所述第二子模型的模型权值、所述第二模型的模型权值、所述第一类子分类结果中包含的各个类别的置信度、所述第二类子分类结果中包含的各个类别的置信度、所述第二类分类结果中包含的各个类别的置信度以及各个类别的次数权值确定所述待分类视频的分类结果。