[发明专利]面审视频的场景分类方法、装置、设备及存储介质

说明书

本申请涉及人工智能技术领域，公开了面审视频的场景分类方法、装置、设备及存储介质，通过从面审视频中，获取至少一个视频图像；将至少一个视频图像进行处理，得到用于场景分类的识别图像；将识别图像进行图像特征提取，得到识别图像的特征图；将识别图像进行处理，得到识别图像的人像抑制图，人像抑制图为特征图，人像抑制图在识别图像中人像区域的平均值不大于a，且在识别图像中非人像区域的平均值大于a，a大于0且小于1；将识别图像的特征图，与人像抑制图相乘，得到场景特征图；将场景特征图通过场景分类模型进行分类，得到面审视频的场景类型，提高了面审视频的分类效率。

技术领域

本申请涉及分类算法技术领域，尤其涉及一种面审视频的场景分类方法、装置、设备及存储介质。

背景技术

场景分类是视觉应用领域的一大关注点，所谓场景分类，就是依据输入的图像或者视频，判断该输入所处的环境类别，比如：教室、机场、图书馆等。依据输入数据类型的不同，可以分为图像场景分类和视频场景分类。对于图像场景分类任务而言，使用目前比较成熟的二维(2D)卷积神经网络(convolutional neural networks,CNN)就可以做到比较高的识别精度，而对于视频任务，则可以使用三维(3D)卷积神经网络、双流卷积神经网络、循环神经网络等方法进行处理。

普通场景分类，场景信息在图像中占据大部分空间，这些信息可以很容易发挥卷积神经网络的性能。但是对于面审视频而言，人脸占据画面中的绝大部分位置，而场景信息在画面中只占小部分。面审视频是指在信贷审批、面试或其他场景下产生的面对面审核视频。如何利用一段视频中仅有的这些信息进行有效的场景分类，目前通常用三维卷积神经网络进行视频特征提取并分类，但易被视频中的人像影响，且提取视频特征工作量大，并不能高效的分类面审视频，以使面审视频分类效率低。

发明内容

本申请实施例提供了一种面审视频的场景分类方法、装置、设备及存储介质，旨在解决现有技术中面审视频分类效率低的问题。

第一方面，本申请实施例提供了一种面审视频的场景分类方法，其包括：从面审视频中，获取至少一个视频图像；将所述至少一个视频图像进行处理，得到用于场景分类的识别图像；将所述识别图像进行图像特征提取，得到所述识别图像的特征图；将所述识别图像进行图像特征处理，将所述识别图像中人像区域的平均特征值控制在(0，a)，将所述识别图像中非人像区域的平均特征值控制在[a，1)，得到所述识别图像的人像抑制图；将所述识别图像的特征图，与所述人像抑制图相乘，得到场景特征图；将所述场景特征图通过场景分类模型进行分类，得到所述面审视频的场景类型。

在一种可选的实现方式中，所述从面审视频中，获取至少一个视频图像，包括：按照视频截取周期，从所述面审视频中截取若干所述视频图像；所述视频截取周期、面审视频的时长，视频图像的数量满足：(N+1)*XY其中，N为所述视频图像的数量，W为所述视频截取周期，Y为所述面审视频的时长，所述N为大于1的整数。

在一种可选的实现方式中，所述将所述至少一个视频图像进行处理，得到用于场景分类的识别图像，包括：将所述N个所述视频图像以平铺的形式进行拼接，得到用于场景分类的所述识别图像，所述N个所述视频图像在所述识别图像中不存在重叠的像素，相邻的所述视频图像之间的间隔不超过1个像素。

在一种可选的实现方式中，所述将所述识别图像进行图像特征处理，将所述识别图像中人像区域的平均特征值控制在(0，a)，将所述识别图像中非人像区域的平均特征值控制在[a，1)，得到所述识别图像的人像抑制图，包括：将所述识别图像输入至人像抑制器，得到所述人像抑制图；所述人像抑制器为经过训练的二维卷积神经网络，所述人像抑制器用于识别所述识别图像的人像区域和非人像区域，将所述识别图像的人像区域转化为特征值b，并将所述识别图像的非人像区域转化为特征值c，其中，0≤bac≤1。