[发明专利]一种基于神经网络的视频分类方法以及系统

说明书

本发明实施例提供了一种基于神经网络的视频分类方法以及系统，所述方法包括：获取待处理的目标视频；根据预设的参数从所述目标视频中提取目标帧；将所述目标帧输入目标神经网络，所述目标神经网络包括至少一层卷积层，所述至少一层卷积层用于将所述目标帧对应的特征向量转换为高阶特征向量；获取所述目标神经网络的输出结果；根据所述输出结果确定所述目标视频的类型。本发明实施例通过高阶项进行数据的拟合，能够有利于参数的传递，提取更多的图片帧的特征，便于图片帧的识别，从而提高视频分类的性能。

技术领域

本发明涉及计算机技术领域，尤其涉及一种基于神经网络的视频分类方法以及系统。

背景技术

随着技术的不断发展，视频内容日益增长。在对视频内容进行运用的过程中，往往需要对视频进行分类。传统的人工进行分类不仅耗时，而且浪费人力，效率不高。

现有的神经网络可以实现对视频的分类，通常采用2D卷积神经网络与时序模型结合、双流卷积神经网络或者3D卷积神经网络，在上述做法中，容易导致时空域的信息丢失，影响视频分类性能。

发明内容

本发明实施例提供一种基于神经网络的视频分类方法，能够采用高阶项进行数据的拟合，提高视频分类的性能。

本发明实施例第一方面提供了一种基于神经网络的视频分类方法，包括：

获取待处理的目标视频；

根据预设的参数从所述目标视频中提取目标帧；

将所述目标帧输入目标神经网络，所述目标神经网络包括至少一层卷积层，所述至少一层卷积层用于将所述目标帧对应的特征向量转换为高阶特征向量；

获取所述目标神经网络的输出结果；

根据所述输出结果确定所述目标视频的类型。

可选的，所述根据预设的参数从所述目标视频中提取目标帧，包括：

解析预设的参数，获取提取频率以及初始提取帧；

根据所述初始提取帧以及提取频率从所述目标视频中提取目标帧。

可选的，所述获取待处理的目标视频之前，还包括：

创建目标神经网络；

采用训练数据对所述目标神经网络进行训练；

获得训练后的目标神经网络。

可选的，所述至少一层卷积层用于将所述目标帧对应的特征向量转换为高阶特征向量，包括：

将所述目标帧处理为第一特征向量；

将所述第一特征向量作为输入，输入至第一卷积层，得到第二特征向量；

将所述第二特征向量依次输入第二卷积层以及第三卷积层，得到第三特征向量；

将所述第二特征向量与第三特征向量进行乘运算，得到第四特征向量，其中，所述第四特征向量为所述第一特征向量的高阶表示；

将所述第四特征向量输入第四卷积层，得到第五特征向量。

可选的，所述将所述目标帧输入目标神经网络，还包括：

将所述第一特征向量与所述第五特征向量进行和运算，得到第六特征向量；

将所述第六特征向量输入至所述目标神经网络的分类器，获得输出结果。

可选的，所述第一特征向量的维度为T*W*H*1024。

可选的，所述第一卷积层的卷积核为1*1*1，通道维度为512。