[发明专利]用于生成信息的方法和装置

权利要求书

1.一种用于生成信息的方法，包括：

依次提取目标视频中的连续多帧，将每次所提取的连续多帧输入至预先训练的第一检测模型，得到所输入的连续多帧的候选类别，其中，所述第一检测模型用于确定图像序列的候选类别；

将候选类别包含目标类别的连续多帧中的指定帧确定为候选帧；

将所确定的候选帧输入至预先训练的第二检测模型，得到所输入的候选帧的类别检测结果，其中，所述第二检测模型用于确定图像的类别是否为所述目标类别；

基于候选帧的类别检测结果，确定所述目标视频的类别检测结果，其中，所述目标视频的类别检测结果用于指示所述目标视频的类别是否为目标类别。

2.根据权利要求1所述的用于生成信息的方法，其中，所述连续多帧为连续三帧，连续多帧中的指定帧为连续三帧的中间帧。

3.根据权利要求1所述的用于生成信息的方法，其中，所述基于候选帧的类别检测结果，确定所述目标视频的类别检测结果，包括：

确定类别检测结果指示候选帧的类别为所述目标类别的数量；

响应于确定所述数量大于第一预设数值，确定所述目标视频的类别为所述目标类别。

4.根据权利要求1所述的用于生成信息的方法，其中，所述基于候选帧的类别检测结果，确定所述目标视频的类别检测结果，包括：

确定类别检测结果指示候选帧的类别为所述目标类别的数量，以及，确定候选帧的总数量；

响应于确定所述数量与所述总数量的比值大于第二预设数值，确定所述目标视频的类别为所述目标类别。

5.根据权利要求1所述的用于生成信息的方法，其中，所述第一检测模型通过如下步骤训练得到：

获取第一训练样本集合，其中，所述第一训练样本集合中的训练样本包括第一样本图像和用于指示第一样本图像的类别的标注信息；

利用机器学习方法，将第一训练样本集合中的第一样本图像作为预先建立的第一卷积神经网络的输入，将所输入的第一样本图像的标注信息作为所述第一卷积神经网络的输出，训练所述第一卷积神经网络，将训练后的第一卷积神经网络作为第一检测模型。

6.根据权利要求1所述的用于生成信息的方法，其中，所述第二检测模型通过如下步骤训练得到：

获取第二训练样本集合，其中，所述第二训练样本集合中的训练样本包括第二样本图像和用于指示第二样本图像的类别是否为目标类别的标注信息；

利用机器学习方法，将第二训练样本集合中的第二样本图像作为预先建立的第二卷积神经网络的输入，将所输入的第二样本图像的标注信息作为所述第二卷积神经网络的输出，训练所述第二卷积神经网络，将训练后的第二卷积神经网络作为第二检测模型。

7.一种用于生成信息的装置，包括：

第一输入单元，被配置成依次提取目标视频中的连续多帧，将每次所提取的连续多帧输入至预先训练的第一检测模型，得到所输入的连续多帧的初始类别，其中，所述第一检测模型用于确定图像序列的候选类别；

第一确定单元，被配置成将初始类别为目标类别的连续多帧中的指定帧确定为候选帧；

第二输入单元，被配置成将所确定的候选帧输入至预先训练的第二检测模型，得到所输入的候选帧的类别检测结果，其中，所述第二检测模型用于确定图像的类别是否为所述目标类别；

第二确定单元，被配置成基于候选帧的类别检测结果，确定所述目标视频的类别检测结果，其中，所述目标视频的类别检测结果用于指示所述目标视频的类别是否为目标类别。

8.根据权利要求7所述的用于生成信息的装置，其中，所述连续多帧为连续三帧，所述连续多帧中的指定帧为所述连续三帧中的中间帧。

9.根据权利要求7所述的用于生成信息的装置，其中，所述第二确定单元，包括：

第一确定模块，被配置成确定类别检测结果指示候选帧的类别为所述目标类别的数量；

第二确定模块，被配置成响应于确定所述数量大于第一预设数值，确定所述目标视频的类别为所述目标类别。