[发明专利]场景分类方法、电子设备以及计算机可读存储介质

说明书

本发明公开了一种场景分类方法、电子设备以及计算机可读存储介质，其中，场景分类方法包括：获取到目标场景的视频数据，并基于视频数据得到目标场景在视频数据对应的时间段内的目标特征曲线；获取到预设场景的标准特征曲线，并基于标准特征曲线与目标特征曲线进行拟合，确定拟合程度；其中，标准特征曲线对应的时间段至少包括视频数据对应的时间段；基于拟合程度确定目标场景的场景类别。通过上述方式，本发明能够提高场景分类的准确性。

技术领域

本发明涉及场景分类领域，特别是涉及场景分类方法、电子设备以及计算机可读存储介质。

背景技术

在图像处理中，图像或视频的场景分类在许多领域都显得尤为重要，例如基于内容的图像恢复、数字化图书馆、自主机器人的应用以及数字摄影等应用场景。

目前，色彩及纹理特征是场景分类问题最经常使用的特征，但由于室内外场景的复杂性，部分场景不具有典型室内外场景的纹理表现，如室外面向建筑、室内窗边场景等，容易产生误判。

因此传统的场景分类技术的分类准确率较低。

发明内容

本发明提供了一种场景分类方法、电子设备以及计算机可读存储介质，以解决场景分类的分类准确率较低的问题。

为解决上述技术问题，本发明提供一种场景分类方法，包括：获取到目标场景的视频数据，并基于视频数据得到目标场景在视频数据对应的时间段内的目标特征曲线；获取到预设场景的标准特征曲线，并基于标准特征曲线与目标特征曲线进行拟合，确定拟合程度；其中，标准特征曲线对应的时间段至少包括视频数据对应的时间段；基于拟合程度确定目标场景的场景类别。

其中，基于预设场景的标准特征曲线与目标特征曲线进行拟合，确定拟合程度，包括：利用标准特征曲线各时间点的特征数据与目标特征曲线的各时间点的特征数据的差值确定拟合程度。

其中，利用标准特征曲线各时间点的特征数据与目标特征曲线的各时间点的特征数据的差值确定拟合程度，包括：依次计算得到目标特征曲线各时间点的特征数据与标准特征曲线各时间点的特征数据之间的第一差值；以及依次计算得到目标特征曲线各时间点的特征数据与目标特征曲线的平均特征数据之间的第二差值；基于第一差值与第二差值确定拟合程度。

其中，目标特征曲线包括多种类型的子目标特征曲线，标准特征曲线对应包括多种类型的子标准特征曲线；基于预设场景的标准特征曲线对目标特征曲线进行拟合，确定拟合程度，包括：将至少部分类型的子标准特征曲线与对应的至少部分类型的子目标特征曲线进行拟合，得到拟合程度。

其中，多种类型的子目标特征曲线包括：环境亮度曲线、白平衡全局红色增益曲线、白平衡全局蓝色增益曲线以及亮度直方图方差曲线；多种类型的子标准特征曲线包括环境亮度标准曲线、白平衡全局红色增益标准曲线、白平衡全局蓝色增益标准曲线以及亮度直方图方差标准曲线；预设场景包括半户外场景；将至少部分类型的子标准特征曲线与对应的至少部分类型的子目标特征曲线进行拟合，得到拟合程度，包括：确定环境亮度曲线与半户外场景的环境亮度标准曲线之间的亮度拟合程度，以及亮度直方图方差曲线与半户外场景的亮度直方图方差标准曲线之间的方差拟合程度；响应于亮度拟合程度以及方差拟合程度满足第一预设条件，确定目标场景为半户外场景。

其中，预设场景还包括户外场景；确定环境亮度曲线与半户外场景的环境亮度标准曲线之间的亮度拟合程度，以及亮度直方图方差曲线与半户外场景的亮度直方图方差标准曲线之间的方差拟合程度，包括：响应于亮度拟合程度以及方差拟合程度不满足第一预设条件，确定环境亮度曲线与户外场景的环境亮度标准曲线之间的亮度拟合程度、白平衡全局红色增益曲线与户外场景的白平衡全局红色增益标准曲线之间的红色拟合程度，以及白平衡全局蓝色增益曲线与户外场景的白平衡全局红色增益标准曲线之间的蓝色拟合程度；响应于亮度拟合程度、红色拟合程度以及蓝色拟合程度满足第二预设条件，确定目标场景为户外场景。