[发明专利]视频场景识别方法、装置、电子设备及存储介质

权利要求书

1.一种视频场景识别方法，其特征在于，包括：

将待识别场景的目标视频输入至目标神经网络中，所述目标神经网络包括第一层结构和第二层结构，所述第一层结构用于根据所述目标视频确定关键人物的位置热力图像，所述关键人物在所述目标视频中的动作表征所述目标视频的候选识别场景类型；所述第二层结构用于根据所述目标视频以及所述关键人物的位置热力图像从所述候选识别场景类型中确定目标识别场景特征类型；

根据所述目标神经网络输出的所述目标识别场景类型，对所述视频进行场景识别。

2.根据权利要求1所述的视频场景识别方法，其特征在于，所述第一层结构包括第一子层结构以及至少一个第二子层结构；

所述第一子层结构用于根据所述目标视频确定关键人物的位置热力图像；所述第二子层结构用于根据所述目标视频对所述第一子层结构输出的所述关键人物的位置热力图像进行优化；或所述第二子层结构用于根据所述目标视频对前一个所述第二子层结构输出的优化后的关键人物的位置热力图像进行再次优化。

3.根据权利要求2所述的视频场景识别方法，其特征在于，基于损失函数训练得到所述第一层结构和所述第二层结构。

4.根据权利要求3所述的视频场景识别方法，其特征在于，所述损失函数为公式

其中，Y₁、Y₂、Y₃分别表征所述第一子层结构、所述第二子层结构、所述第二层结构的输出，G表征输入的关键人物的位置热力图像的样本标签，T表征视频场景，N表征待识别场景的视频样本中的图像帧数，W表征待识别场景的视频样本中的图像长度，H表征待识别场景的视频样本中的图像宽度，表征第k个图像样本的输出Y₁中x坐标为i，y坐标为j的位置上的像素点的值，表征第k个图像样本的输出Y₂中x坐标为i，y坐标为j的位置上的像素点的值；是输入样本标签G中的第k个图像样本中x坐标为i，y坐标为j位置上的像素点的值；是T中第s维数据的值；是Y₃第s维数据的值，p和m为预设参数。

5.根据权利要求1-4中任一项所述的视频场景识别方法，其特征在于，所述关键人物的位置热力图像中所述关键人物所在的像素点位置标记为1。

6.一种视频识别装置，包括：

场景特征类型识别单元，用于将待识别场景的目标视频输入至目标神经网络中，所述目标神经网络包括第一层结构和第二层结构，所述第一层结构用于根据所述目标视频确定关键人物的位置热力图像，所述关键人物在所述目标视频中的动作表征所述目标视频的候选识别场景类型；所述第二层结构用于根据所述目标视频以及所述关键人物的位置热力图像从所述候选识别场景类型中确定目标识别场景特征类型；

视频场景识别单元，根据所述目标神经网络输出的所述目标识别场景类型，对所述视频进行场景识别。

7.根据权利要求6所述的视频识别装置，其特征在于，所述第一层结构包括第一子层结构以及至少一个第二子层结构；

所述第一子层结构用于根据所述目标视频确定关键人物的位置热力图像；所述第二子层结构用于根据所述目标视频对所述第一子层结构输出的所述关键人物的位置热力图像进行优化；或所述第二子层结构用于根据所述目标视频对前一个所述第二子层结构输出的优化后的关键人物的位置热力图像进行再次优化。

8.根据权利要求7所述的视频识别装置，其特征在于，所述第一层结构和所述第二层结构基于损失函数训练得到。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至5任一项所述视频场景识别方法的步骤。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至5任一项所述视频场景识别方法的步骤。