[发明专利]视频场景分类方法、装置、设备及存储介质

权利要求书

1.一种视频场景分类方法，其特征在于，包括：

从视频帧序列中，抽取多个待处理视频帧；

将所述多个待处理视频帧输入至场景分类模型中，得到所述场景分类模型输出的多个待处理视频帧对应的场景类别，其中，场景分类模型包括聚合模型、分类器和多个特征提取模型，其中，所述多个特征提取模型并行排布，且所述多个特征提取模型的输出端分别与所述聚合模型的输入端连接，所述场景分类模型通过每个特征提取模型提取输入的待处理视频帧中的图像特征，通过聚合模型聚合多个待处理视频帧中的图像特征得到聚合特征，通过所述分类器对聚合特征进行分类得到对应的场景类别，所述多个待处理视频帧分别输入至所述多个特征提取模型中；

所述分类器预存有场景类别标签集合，所述场景类别标签集合包括多个场景类别标签，所述场景类别标签是用于指示场景类别的标识；

所述图像特征包括颜色特征、纹理特征、形状特征、空间关系特征；

将至少一个待识别视频帧分别输入至第一图像识别模型，得到至少一个所述待识别视频帧分别对应的拍摄视角；

如果存在待识别视频帧对应的拍摄视角为预设拍摄视角，或者，对应预设拍摄视角的待识别视频帧的数量超过第一预设阈值，从至少一个待识别视频帧对应的视频帧序列中抽取多个待处理视频帧；

所述将至少一个待识别视频帧分别输入至第一图像识别模型，得到至少一个所述待识别视频帧分别对应的拍摄视角，包括：

将至少一个所述待识别视频帧分别输入至所述第一图像识别模型，得到所述第一图像识别模型输出的每个所述待识别视频帧对应的拍摄视角；

或将至少一个所述待识别视频帧分别输入至所述第一图像识别模型，得到所述第一图像识别模型输出的每个所述待识别视频帧中目标对象的显示区域，根据所述目标对象的显示区域的高度或者面积与整个所述待识别视频帧的高度或者面积的比较结果，确定每个所述待识别视频帧对应的拍摄视角。

2.根据权利要求1所述的方法，其特征在于，所述场景分类模型通过聚合模型聚合多个待处理视频帧中的图像特征得到聚合特征，包括：

所述场景分类模型通过聚合模型对多个待处理视频帧中的图像特征进行加权平均，得到所述聚合特征。

3.根据权利要求1所述的方法，其特征在于，所述从视频帧序列中，抽取多个待处理视频帧，还包括：

从视频流中，抽取至少一个待识别视频帧；

将至少一个待识别视频帧分别输入至第二图像识别模型，识别至少一个待识别视频帧中的预设对象；

如果在至少一个待识别视频帧中识别到预设对象，或者识别到预设对象的待识别视频帧的数量超过第二预设阈值，从至少一个待识别视频帧对应的视频帧序列中抽取多个待处理视频帧。

4.根据权利要求1所述的方法，其特征在于，在将所述多个待处理视频帧输入至场景分类模型中，得到所述场景分类模型输出的多个待处理视频帧对应的场景类别之后，还包括：

根据多个待处理视频帧对应的场景类别，确定与所述场景类别对应的目标场景对象；

将多个待处理视频帧分别输入至第三图像识别模型，识别多个待处理视频帧中的目标场景对象；

如果在多个待处理视频帧中识别到目标场景对象，或者，识别到目标场景对象的待处理视频帧的数量超过第三预设阈值，确定所述场景类别为最终场景类别。

5.根据权利要求1-4任一项所述的方法，其特征在于，还包括：

从视频流中截取所述视频帧序列，生成视频文件；

关联所述视频文件和对应的场景类别信息；

对相关联的视频文件和对应的场景类别信息进行展示操作。