[发明专利]一种视频场景分类方法、装置、移动终端及存储介质

权利要求书

1.一种视频场景分类方法，其特征在于，包括：

确定视频当前帧的场景为预设场景的第一场景概率，所述视频当前帧是指当前时刻拍摄到的一帧图像；

根据所述当前帧的第一场景概率和前一帧的场景为预设场景的第二场景概率，得到所述当前帧的场景为预设场景的修正场景概率，包括：将所述第二场景概率与所述第一场景概率进行加权平均，加权平均的概率作为所述当前帧的场景为预设场景的修正场景概率；

得到所述当前帧的场景为预设场景的修正场景概率的公式为：P_2i＝λP_1i+(1-λ)P′_2i，其中，所述P_2i为当前帧的场景为第i类场景的修正场景概率，所述P′_2i为当前帧的场景为第i类场景的第一场景概率，所述P_1i为前一帧的场景为第i类场景的第二场景概率，i＝1,2,…N，0＜λ＜1，所述λ是预设的参数，根据业务需求进行设置；

根据所述当前帧的场景为预设场景的修正场景概率，确定所述当前帧的实际场景。

2.根据权利要求1所述的方法，其特征在于，所述确定视频当前帧的场景为预设场景的第一场景概率，包括：

将视频当前帧输入至预设的图像分类模型中，输出所述视频当前帧的场景为预设场景的第一场景概率。

3.根据权利要求1所述的方法，其特征在于，在确定视频当前帧的场景为预设场景的第一场景概率之前，还包括：

获取与各类场景对应的训练样本集合，所述训练样本集中包括与场景对应的设定数量的图像；

使用所述训练样本集合对神经网络模型进行训练，得到预设的图像分类模型。

4.根据权利要求3所述的方法，其特征在于，所述与场景对应的设定数量的图像为：原始图像以及将原始图像随机裁剪后得到的图像。

5.根据权利要求1所述的方法，其特征在于，所述根据所述当前帧的第一场景概率和前一帧的场景为预设场景的第二场景概率，得到所述当前帧的场景为预设场景的修正场景概率，包括：

如果所述当前帧为第一帧，则前一帧的场景为预设场景的第二场景概率为空，所述当前帧的场景为预设场景的修正场景概率为所述当前帧的第一场景概率。

6.一种视频场景分类装置，其特征在于，包括：

概率确定模块，用于确定视频当前帧的场景为预设场景的第一场景概率，所述视频当前帧是指当前时刻拍摄到的一帧图像；

概率修正模块，用于根据所述当前帧的第一场景概率和前一帧的场景为预设场景的第二场景概率，得到所述当前帧的场景为预设场景的修正场景概率，包括：将所述第二场景概率与所述第一场景概率进行加权平均，加权平均的概率作为所述当前帧的场景为预设场景的修正场景概率；

得到所述当前帧的场景为预设场景的修正场景概率的公式为：P_2i＝λP_1i+(1-λ)P′_2i，其中，所述P_2i为当前帧的场景为第i类场景的修正场景概率，所述P′_2i为当前帧的场景为第i类场景的第一场景概率，所述P_1i为前一帧的场景为第i类场景的第二场景概率，i＝1,2,…N，0＜λ＜1，所述λ是预设的参数，根据业务需求进行设置；

场景确定模块，用于根据所述当前帧的场景为预设场景的修正场景概率，确定所述当前帧的实际场景。

7.根据权利要求6所述的装置，其特征在于，所述概率确定模块包括：

概率输出单元，用于将视频当前帧输入至预设的图像分类模型中，输出所述视频当前帧的场景为预设场景的第一场景概率。

8.根据权利要求6所述的装置，其特征在于，还包括：

样本集合获取模块，用于获取与各类场景对应的训练样本集合，所述训练样本集中包括与场景对应的设定数量的图像；

模型训练模块，用于使用所述训练样本集合对神经网络模型进行训练，得到预设的图像分类模型。