[发明专利]影片年代类型识别的系统、方法及识别模型的构建方法

说明书

本发明提供了一种影片年代类型识别的系统、方法及识别模型的构建方法。一种影片年代类型识别的系统，包括：训练好的影片年代类型识别模型；计算设备、存储设备和输入输出设备构成用于自动识别过程的计算机设备；数字影片解码、截图和图片预处理构成的卷积神经网络系统；能够根据模型推理结果分析影片年代类型的分类器。通过该系统和方法，计算设备从存储设备获得数字影片后可自动识别影片的年代类型。相比人工识别，使用计算设备识别具有可靠、快速、廉价和可批量处理等诸多优势。

技术领域

本发明涉及一种影片年代类型识别的系统、方法及识别模型的构建方法，属于信息技术技术领域。

背景技术

近年来，视频业务发展迅速，追网剧、看数字电视等活动成为人们的重要娱乐方式。视频服务商往往储存有大量的影片，如何自动、快速、可靠、批量地给这些影片打上年代、题材、体裁等标签，对于帮助服务商提供优质的视频服务具有重要意义。

发明内容

本发明目的是提供了一种影片年代类型识别的系统、方法及识别模型的构建方法。

本发明为实现上述目的，通过以下技术方案实现：

一种影片年代类型识别的系统，包括：

训练好的影片年代类型识别模型；

计算设备、存储设备和输入输出设备构成用于自动识别过程的计算机设备；

数字影片解码、截图和图片预处理构成的卷积神经网络系统；

能够根据模型推理结果分析影片年代类型的分类器。

上述影片年代类型识别的系统基础上，卷积神经网络系统为VGG-16网络结构。

一种所述的系统进行影片年代类型识别方法，包括如下步骤：

计算设备从存储设备读取待识别的影片，将影片的开头a分钟和结尾b分钟掐去后，均匀时间间隔地截取M张图片；

将M张图片进行预处理之后，分别输入至卷积神经网络；

对于每一个图片输入，卷积神经网络会推理出一个N维概率向量，每一维都对应图片属于相应年代类型的概率；

M张图片全部推理完成后，影片年代类型识别的系统将M个概率向量输入至分类器。

一种所述影片年代类型识别模型的构建方法，其特征在于，包括如下步骤：

S1. 构建训练集和验证集：准备分属于N种年代类型的大量的数字影片，从每个影片时间间隔均匀地截取图片，作为该类型的训练数据和验证数据；

S2. 卷积神经网络的搭建：使用一种用于图像分类任务的深层卷积网络作为本网络的主体；

S3. 卷积神经网络的训练：冻结卷积基的参数，训练分类器，分类器的第一层使用Dropout；经多轮训练，分类器达到较好的正确率后，解冻卷积基的底层，进行微调训练，并验证集上验证网络的正确率。

上述所述影片年代类型识别模型的构建方法，所有的训练图片和验证图片应进行预处理，包括如下步骤：1)缩放至神经网络要求的输入尺寸；2)每张图片的像素减去整个图片数据集的平均的RGB值；3)将RGB的像素值除以255，使得RGB数值介于0到1。

6.根据权利要求3所述影片年代类型识别模型的构建方法，其特征在于：分类器按照下述算法分析出影片的年代类型：视频流的任一播放时刻t都对应一个帧，将该帧作为模型的输入可得到一个N维概率向量 ，向量的每个维度分别对应一个年代类型；

引入评分函数，其中 ；

将所有播放时刻的评分函数做积分，得到总评分 ，总评分是一个N维向量，其各个维的定义式为 ，且每一维都对应一个年代类型；