[发明专利]一种视频处理方法、装置、计算机设备和可读存储介质

说明书

本申请提出一种视频处理方法、装置、计算机设备和可读存储介质，涉及图像处理技术领域，其中，本申请提出的方法包括：获取待分类视频的至少一个关键帧图像对应的关键帧特征；通过预先训练的视频分类模型对至少一个关键帧图像对应的关键帧特征进行处理，得到待分类视频的分类结果，其中，预先训练的视频分类模型是基于多头视觉注意力模块构建的。该方案可以应用在计算机视觉和人工智能等领域。

技术领域

本申请涉及图像处理技术领域，尤其涉及一种视频处理方法、装置、计算机设备和可读存储介质。

背景技术

随着技术的进步，人们的生活越来越离不开视频，由于视频信息种类繁多、数量巨大，远远超出了人类手工处理的能力，因此，自动识别视频中的动作，是计算机视觉和人工智能领域急需解决的问题。

视频动作识别是通过计算机视觉技术研究计算机如何像人类视觉一样，从视频中理解其高层内涵，早期的视频动作识别基于手工特征的方法，后面基于深度学习的方法，例如3D CNN建模。但是视频与图片的最大不同在于视频还包含了时序上的信息，且有高冗余，训练强大的深度视频表示比学习图像表示更具有挑战性，需要的计算量通常也比较大，因此有必要设计一个准确度高的视频分类模型。

发明内容

本申请提供一种视频处理方法、装置、计算机设备和可读存储介质，能够提高视频分类的准确率。

一方面，本申请提供一种视频处理方法，包括：获取待分类视频的至少一个关键帧图像对应的关键帧特征；通过预先训练的视频分类模型对所述至少一个关键帧图像对应的关键帧特征进行处理，得到所述待分类视频的分类结果，其中，所述预先训练的视频分类模型是基于多头视觉注意力模块构建的。

另一方面，本申请提供一种视频处理装置，包括：

特征获取模块，用于获取待分类视频的至少一个关键帧图像对应的关键帧特征；

分类模块，与所述特征获取模块相连，用于通过预先训练的视频分类模型对所述至少一个关键帧图像对应的关键帧特征进行处理，得到所述待分类视频的分类结果，其中，所述预先训练的视频分类模型是基于多头视觉注意力模块构建的。

又一方面，本申请提供一种计算机设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现上述视频处理方法。

再一方面，本申请提供一种非临时性计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述所述的视频处理方法。

综上所述，本申请实施例的视频处理方法、装置、计算机设备和可读存储介质，通过基于多头视觉注意力模块构建的分类模型对关键帧特征进行分类处理，以得到分类结果。由于本申请实施例中的视频分类模型是基于多头视觉注意力模块构建的，多头视觉注意力模块的引入既能获取关键帧更加丰富的特征信息，又能将多个独立的视觉注意力模块作为一个集合，防止模型过拟合，进而提高视频分类的准确度。

本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。

附图说明

本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1为本申请实施例1所提供的一种视频处理方法的流程图；

图2为本申请实施例2所提供的一种视频处理方法的流程图；

图3为本申请实施例3所提供的一种视频分类装置的结构示意图一；以及

图4为本申请实施例3所提供的一种视频分类装置的结构示意图二。

具体实施方式