[发明专利]获取视频关键帧的方法、装置、存储介质及电子设备

权利要求书

1.一种获取视频关键帧的方法，其特征在于，包括：

获取多个待搜索关键帧的视频流及关键词；

根据关键词，在多个待搜索关键帧的视频流里，搜索出与关键词对应的目标视频帧；

计算多段目标视频帧平均准确度；

按照平均准确度高低对多段目标视频帧进行排序，输出视频关键帧。

2.根据权利要求1所述的获取视频关键帧的方法，其特征在于，所述关键词为人物、烟雾、车辆。

3.根据权利要求1所述的获取视频关键帧的方法，其特征在于，所述根据关键词，在多个待搜索关键帧的视频流里，搜索出与关键词对应的目标视频帧包括：

构建卷积神经网络模型；

根据关键词，对多个待搜索关键帧的视频流进行训练；

输出与关键词对应的目标视频帧序列号。

4.根据权利要求1所述的获取视频关键帧的方法，其特征在于，所述按照平均准确度高低对多段目标视频帧进行排序，输出视频关键帧包括：

按照平均准确度高低对多段目标视频帧进行排序，从多个待搜索关键帧的视频流截取中截取所述多段目标视频帧，作为视频关键帧，输出视频关键帧。

5.根据权利要求1所述的获取视频关键帧的方法，其特征在于，所述按照平均准确度高低对多段目标视频帧进行排序，输出视频关键帧包括：

选择平均准确度最高的那一段目标视频帧作为视频关键帧，输出视频关键帧。

6.根据权利要求3所述的获取视频关键帧的方法，其特征在于，还输出多段目标视频帧准确度。

7.根据权利要求3所述的获取视频关键帧的方法，其特征在于，所述卷积神经网络模型包括：输入层、卷积层H1～H5、全连接层、输出层，其中，输入层输入图片，卷积层H1～H5层为通过卷积进行特征提取的滤波过程；

卷积层H1通过7×7卷积核和大小为2的滑动步长，提取64组大小为112×112的特征图；

卷积层H2包括两部分，首先通过3×3大小的卷积核和滑动步长为2的下采样层，再经过3个卷积块输出尺寸为56×56的特征图；

卷积层H3经过4个卷积块输出尺寸为28×28的特征图；

卷积层H4经过23个卷积块输出尺寸为14×14的特征图；

卷积层H5经过3个卷积块输出尺寸为7×7的特征图；

全连接层FC包括10092个单元，输出层连接上层的分类单元，输出分类结果。

8.根据权利要求3所述的获取视频关键帧的方法，其特征在于，所述卷积神经网络采用resnet网络。

9.根据权利要求7所述的获取视频关键帧的方法，其特征在于，所述输出层使用多个logistic分类器进行数据分类。

10.根据权利要求7所述的获取视频关键帧的方法，其特征在于，所述卷积层H1～H5均选择Relu函数作为激活函数，其函数表达为：f(x)＝max(0,x)，即当x0时,f(x)＝0，当x≥0,f(x)＝x。

11.一种电子设备，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10任一项所述的方法。

12.一种存储介质，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10任一项所述的方法。