[发明专利]一种识别体育赛事视频片段的方法、电子设备及存储介质

说明书

本发明实施例提供一种识别体育赛事视频片段的方法、电子设备及存储介质，所述方法包括：采用第一预设模型对体育赛事视频片段的动作类别进行识别；所述第一预设模型的训练采用第一样本数据；所述第一样本数据为与动作类别相关的数据；若识别结果的准确率低于预设阈值，则采用第二预设模型对所述动作类别进行再识别，并将再识别结果作为所述动作类别的最终识别结果；所述第二预设模型的训练采用第二样本数据；所述第二样本数据为与体育赛事视频片段中的目标参照物的相对位置相关的数据；所述相对位置是目标参照物与动作类别的触发部位之间的位置。本发明实施例提供的识别体育赛事视频片段的方法、电子设备及存储介质，能够准确地识别体育赛事视频片段，还具有高效、简单和通用性强的优点。

技术领域

本发明涉及视频处理技术领域，尤其涉及一种识别体育赛事视频片段的方法、电子设备及存储介质。

背景技术

当视频类app需要发布一些体育比赛在不同场景下的短视频集锦时(如进球，点球，罚球等)，除了传统的人工剪辑短视频的视频方法外，还可以通过深度学习算法的方式对比赛视频进行AI自动化剪辑。AI自动化剪辑首先需要做的就是对比赛视频的场景进行识别，目前有很多深度学习的方法可以对一些视频场景做识别，如用3D卷积神经网络对kinetics数据集(人物行为类)做识别，平均准确率可达83.6％，再如用LSTM网络对UCF-101数据集(101类动作)做识别，平均准确率可达88.6％。可以发现：现有的技术方案对于单一化的人体动作场景识别都有不错的准确率，但是，对于体育比赛类的场景识别，特别是篮球和足球，效果就不是那么理想了，对于这类场景的识别率在60％左右，这主要因为有很多人群拥簇的场景，且人物交互的动作跨度大，还有各种环境差异，如多视角、光照、低分辨率等因素。从而导致训练样本的复杂度高，使得识别分类模型的准确率低。

因此，如何避免上述缺陷，准确地识别体育赛事视频片段，成为亟须解决的问题。

发明内容

针对现有技术存在的问题，本发明实施例提供一种识别体育赛事视频片段的方法、电子设备及存储介质。

本发明实施例提供一种识别体育赛事视频片段的方法，包括：

采用第一预设模型对体育赛事视频片段的动作类别进行识别；所述第一预设模型的训练采用第一样本数据；所述第一样本数据为与动作类别相关的数据；

若识别结果的准确率低于预设阈值，则采用第二预设模型对所述动作类别进行再识别，并将再识别结果作为所述动作类别的最终识别结果；所述第二预设模型的训练采用第二样本数据；所述第二样本数据为与体育赛事视频片段中的目标参照物的相对位置相关的数据；所述相对位置是目标参照物与动作类别的触发部位之间的位置。

本发明实施例提供一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，

所述处理器执行所述程序时实现如下方法步骤：

采用第一预设模型对体育赛事视频片段的动作类别进行识别；所述第一预设模型的训练采用第一样本数据；所述第一样本数据为与动作类别相关的数据；

若识别结果的准确率低于预设阈值，则采用第二预设模型对所述动作类别进行再识别，并将再识别结果作为所述动作类别的最终识别结果；所述第二预设模型的训练采用第二样本数据；所述第二样本数据为与体育赛事视频片段中的目标参照物的相对位置相关的数据；所述相对位置是目标参照物与动作类别的触发部位之间的位置。

本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如下方法步骤：

采用第一预设模型对体育赛事视频片段的动作类别进行识别；所述第一预设模型的训练采用第一样本数据；所述第一样本数据为与动作类别相关的数据；