[发明专利]一种视频分类方法、装置、电子设备及存储介质

说明书

本申请实施例提供的一种视频分类方法、装置、电子设备及存储介质，获取待分类视频的N张视频帧；从N张视频帧中确定S个目标图像分组；将S个目标图像分组分别输入到预先训练的深度学习模型的S个特征提取网络中，获取各目标图像分组的特征向量，得到S个特征向量；对S个特征向量进行特征融合，得到N张视频帧的分类特征向量；根据N张视频帧的分类特征向量对待分类视频进行分类，得到待分类视频的分类结果。实现了通过获取不同时间粒度的特征后，进行融合，根据融合结果对待分类视频进行分类，从而实现提取多种时间粒度的特征进行视频的分类，提高视频分类的精度。

技术领域

本申请涉及信息技术领域，特别是涉及一种视频分类方法、装置、电子设备及存储介质。

背景技术

随着智能高清技术的发展，基于图像分析的视频处理技术越来越多的被应用到实际任务当中。短视频作为短视频厂商的主要盈利来源，对其进行有效的分析，比如分类，目标分割，视频概述等等，对后续短视频的处理起着至关重要的作用。

目前，一般通过C3D(3D ConvNets，3维卷积网络)进行短视频的分类。现有技术中，在通过C3D进行短视频的分类时，通常使用单一时间间隔采样的视频帧作为C3D的训练输入，因此在整个网络学习过程中提取的也是单一时间粒度上的特征。在实际分类过程中，因为C3D中输入的为连续视频帧，所提取到的也通常是单一时间粒度的特征，然后仅通过单一时间粒度的特征进行视频分类，分类结果准确度底。

发明内容

本申请实施例的目的在于提供一种视频分类方法、装置、电子设备及存储介质，以实现提高视频分类结果的准确度。具体技术方案如下：

第一方面，本申请提供了一种视频分类方法，包括：

获取待分类视频的N张视频帧；

从N张视频帧中确定S个目标图像分组，其中，每个目标图像分组均包括多张视频帧，不同目标图像分组中各视频帧之间的时序间隔不同；

将S个目标图像分组分别输入到预先训练的深度学习模型的S个特征提取网络中，获取各目标图像分组的特征向量，得到S个特征向量，其中，特征向量用于表征目标图像的空间特征和时序特征；

对S个特征向量进行特征融合，得到N张视频帧的分类特征向量，其中，分类特征向量包括N张视频帧的空间特征和时序特征；

根据N张视频帧的分类特征向量对待分类视频进行分类，得到待分类视频的分类结果。

可选的，从N张视频帧中确定S个目标图像分组，包括：

按照不同的时序间隔对N张视频帧进行分组，得到每个时序间隔对应的分组结果，其中，每个时序间隔对应的分组结果包括多个图像分组；

分别从每个时序间隔对应的分组结果中随机选取一组图像分组，得到S个目标图像分组。

可选的，按照不同的时序间隔对N张视频帧进行分组，得到每个时序间隔对应的分组结果，包括：

按照预设规则从N张视频帧的每一视频帧中截取预设规格的图像，得到截取后的N张视频帧，其中，预设规则为将N张视频帧作为一个视频片段，对同一视频片段在相同位置进行截取，对不同视频片段在不同位置进行截取；

按照不同的时序间隔对截取后的N张视频帧进行分组，得到每个时序间隔对应的分组结果。

可选的，按照不同的时序间隔对截取后的N张视频帧进行分组，得到每个时序间隔对应的分组结果之前，上述方法还包括：

对截取后的N张视频帧中的各视频帧进行映射处理，得到截取后的N张视频帧中的各视频帧对应的浅层特征图。

可选的，获取待分类视频的N张视频帧，包括：

在待分类视频中选取一视频帧，作为起始视频帧；