[发明专利]视频分类方法、视频分类装置及电子设备

权利要求书

1.一种视频分类方法，其特征在于，包括：

基于对象特征提取网络，在待分类视频的视频帧中提取目标对象的关键点；

根据提取到的所述关键点确定所述视频帧中的至少一个关键区域；

基于视频分类网络，根据所述至少一个关键区域对所述待分类视频进行分类预测，获得所述待分类视频的分类结果。

2.根据权利要求1所述的方法，其特征在于，

所述基于对象特征提取网络，在待分类视频的视频帧中提取目标对象的关键点，包括：

基于对象特征提取网络，分别在待分类视频的N张视频帧中提取目标对象的关键点，所述N不小于2；

所述基于视频分类网络，根据所述至少一个关键区域对所述待分类视频进行分类预测，获得所述待分类视频的分类结果，包括：

基于视频分类网络，分别根据每张视频帧中的关键区域对所述每张视频帧进行分类预测，获得所述N张视频帧的分类结果；

对所述N张视频帧的分类结果进行融合，得到所述待分类视频的分类结果。

3.根据权利要求2所述的视频分类方法，其特征在于，所述基于视频分类网络，分别根据每张视频帧中的关键区域对所述每张视频帧进行分类预测，获得所述N张视频帧的分类结果包括：

基于所述视频分类网络，分别对所述N张视频帧进行分类预测，得到各张视频帧的分类结果；

基于所述视频分类网络，分别根据每张视频帧中的关键区域进行分类预测，得到每张视频帧中的各个关键区域的分类结果；

基于同一视频帧的各个关键区域的分类结果，对相应视频帧的分类结果进行更新。

4.根据权利要求1至3任一项所述的方法，其特征在于，所述根据提取到的所述关键点确定所述视频帧中的至少一个关键区域，包括：

当从所述视频帧中提取到与人脸相关的关键点时，从所述视频帧中确定一个或两个以上包含与同一人脸相关的所有关键点的关键区域；

和/或，

当从所述视频帧中提取到与手部相关的关键点时，从所述视频帧中确定一个或两个以上包含与同一手部相关的所有关键点的关键区域。

5.根据权利要求1至3任一项所述的方法，其特征在于，所述基于视频分类网络，根据所述至少一个关键区域对所述待分类视频进行分类预测之前，还包括：

使用目标对象的样本帧，对所述视频分类网络进行训练，所述目标对象的样本帧标注有目标对象的类别信息。

6.一种视频分类装置，其特征在于，包括：

提取单元，用于基于对象特征提取网络，在待分类视频的视频帧中提取目标对象的关键点；

确定单元，用于根据所述提取单元提取到的所述关键点确定所述视频帧中的至少一个关键区域；

分类预测单元，用于基于视频分类网络，根据所述至少一个关键区域对所述待分类视频进行分类预测，获得所述待分类视频的分类结果。

7.根据权利要求6所述的视频分类装置，其特征在于，所述提取单元具体用于：基于对象特征提取网络，分别在待分类视频的N张视频帧中提取目标对象的关键点，所述N不小于2；

所述分类预测单元包括：

视频帧分类预测子单元，用于基于视频分类网络，分别根据每张视频帧中的关键区域对所述每张视频帧进行分类预测，获得所述N张视频帧的分类结果；

融合单元，用于对所述N张视频帧的分类结果进行融合，得到所述待分类视频的分类结果。

8.根据权利要求7所述的视频分类装置，其特征在于，所述视频帧分类预测子单元具体用于：

基于所述视频分类网络，分别对所述N张视频帧进行分类预测，得到各张视频帧的分类结果；

基于所述视频分类网络，分别根据每张视频帧中的关键区域进行分类预测，得到每张视频帧中的各个关键区域的分类结果；

基于同一视频帧的各个关键区域的分类结果，对相应视频帧的分类结果进行更新。