[发明专利]一种视频分类的方法以及服务器

说明书

本发明实施例公开了一种视频分类的方法，包括：获取待处理视频，其中，待处理视频中包含至少一个视频帧，每个视频帧对应一个时刻；通过视频分类预测模型获取待处理视频所对应的视觉信号特征序列；通过视频分类预测模型获取视觉信号特征序列所对应的音频信号特征序列；根据视觉信号特征序列以及音频信号特征序列，生成目标信号特征序列；通过视频分类预测模型获取目标信号特征序列所对应的分类预测结果，其中，分类预测结果用于预测待处理视频的视频类型。本发明实施例还公开了一种服务器。本发明实施例不但考虑到视觉特征在时间维度上的特征变化，而且还考虑到音频特征在时间维度上的特征变化，从而提升视频分类的效果。

技术领域

本发明涉及人工智能领域，尤其涉及一种视频分类的方法以及服务器。

背景技术

随着网络多媒体技术的飞速发展，各式各样的多媒体信息不断涌现。越来越多的用户习惯于在网络上观看视频，为了使用户能够从大量的视频中选择自己想观看的内容，通常会对视频进行分类，因此，视频分类对于实现视频的管理以及兴趣推荐具有十分重要的作用。

目前所采用的视频分类方法主要为，先对待标记视频中的每一个视频帧进行特征提取，然后通过平均特征方法将帧级别的特征变换为视频级别的特征，最后将视频级别的特征传输到分类网络中进行分类。

然而，在目前的视频分类方法中，基于平均特征方法对帧级别的特征进行变换是较为单一的，并没有考虑到其他维度的变化对视频帧变换的影响，因此，不能很好地对视频内容进行特征表达，从而不利于视频分类的准确性。

发明内容

本发明实施例提供了一种视频分类的方法以及服务器，在对视频进行分类的过程中，不但考虑到视觉特征在时间维度上的特征变化，而且还考虑到音频特征在时间维度上的特征变化，从而能够更好地表达视频内容，提高视频分类的准确率，提升视频分类的效果。

有鉴于此，本发明第一方面提供了一种视频分类的方法，包括：

获取待处理视频，其中，所述待处理视频中包含至少一个视频帧，每个视频帧对应一个时刻；

通过视频分类预测模型获取所述待处理视频所对应的视觉信号特征序列，其中，所述视觉信号特征序列包括至少一个视觉信号特征，每个视觉信号特征对应一个时刻；

通过所述视频分类预测模型获取所述视觉信号特征序列所对应的音频信号特征序列，其中，所述音频信号特征序列包括至少一个音频信号特征，每个音频信号特征对应一个时刻；

根据所述视觉信号特征序列以及所述音频信号特征序列，生成目标信号特征序列；

通过所述视频分类预测模型获取所述目标信号特征序列所对应的分类预测结果，其中，所述分类预测结果用于预测所述待处理视频的视频类型。

本发明第二方面提供了一种服务器，包括：

获取模块，用于获取待处理视频，其中，所述待处理视频中包含至少一个视频帧，每个视频帧对应一个时刻；

所述获取模块，还用于通过视频分类预测模型获取所述待处理视频所对应的视觉信号特征序列，其中，所述视觉信号特征序列包括至少一个视觉信号特征，每个视觉信号特征对应一个时刻；

所述获取模块，还用于通过所述视频分类预测模型获取所述视觉信号特征序列所对应的音频信号特征序列，其中，所述音频信号特征序列包括至少一个音频信号特征，每个音频信号特征对应一个时刻；

生成模块，用于根据所述获取模块获取的所述视觉信号特征序列以及所述音频信号特征序列，生成目标信号特征序列；

所述获取模块，还用于通过所述视频分类预测模型获取所述生成模块生成的所述目标信号特征序列所对应的分类预测结果，其中，所述分类预测结果用于预测所述待处理视频的视频类型。