[发明专利]一种基于深度学习的体育视频集锦剪辑方法

说明书

本发明公开了一种基于深度学习的体育视频集锦剪辑方法，所述方法包括：将待处理的视频源拆分为一系列视频块，并按顺序对每段视频块标记序号；针对每一个视频块，基于训练好的深度学习VGG16网络进行打分，该分数为0‑1的小数，其中，打分分数的高低与该段视频精彩程度成正比；打分完成后，以视频块序号为横轴，以视频块分数为纵轴建立坐标系，并将一系列视频块在坐标系中标出，并连接形成曲线；在坐标系中，获取曲线中所有波峰为1的波段并获取对应的视频块序号，组成视频块序号组；基于获取的视频块序号组，将视频块序号组中序号对应的视频块组成连续视频，生成视频精彩集锦；实现了自动对视频进行剪辑，剪辑效率较高的技术效果。

技术领域

本发明涉及视频处理领域，具体地，涉及一种基于深度学习的体育视频集锦剪辑方法。

背景技术

传统的体育比赛视频集锦剪辑大多采用人工的方法，由视频编辑自行判断一场比赛中的精彩部分，并进行剪辑。人工的方法通常要求编辑对所剪辑的体育比赛有一定的了解，知道如何判断一场比赛中的精彩镜头，同时需要看完整场比赛，以保证不会漏掉其中的精彩部分。随着现阶段体育比赛越来越丰富，人工剪辑的方法显得效率低下，不足以满足对大量比赛进行专业化的剪辑的需求。

发明内容

本发明提供了一种基于深度学习的体育视频集锦剪辑方法，解决了现有采用人工视频剪辑方法效率低下的问题，实现了自动对视频进行剪辑，剪辑效率较高的技术效果。

为实现上述发明目的，本申请提供了一种基于深度学习的体育视频集锦剪辑方法，所述方法包括：

将待处理的视频源拆分为一系列视频块，并按顺序对每段视频块标记序号；

针对每一个视频块，基于训练好的深度学习VGG16网络进行打分，该分数为0-1的小数，其中，打分分数的高低与该段视频精彩程度成正比；

打分完成后，以视频块序号为横轴，以视频块分数为纵轴建立坐标系，并将一系列视频块在坐标系中标出，并连接形成曲线；

在坐标系中，获取曲线中所有波峰为1的波段并获取对应的视频块序号，组成视频块序号组；

基于获取的视频块序号组，将视频块序号组中序号对应的视频块组成连续视频，生成视频精彩集锦。

该方法对比赛的剪辑完全使用自动化程序执行，解决了现阶段体育比赛人工剪辑方法效率低下的问题。

进一步的，本方法中的深度学习VGG16网络将准备的训练数据输入网络，观察网络输出的准确率和loss值，在训练过程中不断降低学习率，直到输出的准确率不再上升且loss值不再下降。

进一步的，本方法将待处理的视频源的每一帧彩色图像转换为灰度图，然后按照每24帧分为一个视频块，并按顺序对每段视频块标记序号。

本方法中的深度学习VGG16网络模型训练具体包括：修改VGG16网络，将VGG16网络中data的channel设置为24，修改VGG16网络中fc8层的输出参数num_output为1，最后的loss层改为sigmoidCrossEntropyLoss层，在caffe环境中训练准备好的训练数据。

进一步的，本方法使用训练好的模型对每个视频块进行预测，将fc8层的输出通过sigmod函数映射到0-1的范围内，该数值即为该段视频的精彩程度分数。

以视频块序号为横轴，以视频块分数为纵轴作一条曲线：视频中的精彩部分的label标记1，该精彩部分起始和结束的序号所对应的label标记0，顺次连接标记点，即可获得每个视频块所对应的label。

依照编号顺序获取分数为1的序号为基准，从序号从大向小的方向，获取分数为0的序号为该段精彩视频序列段的起始序号；从序号从小向大的方向，向后获取分数为0的序号作为该段精彩视频序列段的结束序号，保存区间序列所对应的视频块。