[发明专利]视频分类方法及装置、存储介质、电子装置

说明书

本发明实施例提供了一种视频分类方法及装置、存储介质、电子装置，该方法包括：从目标视频的N帧图像中确定每帧图像中包括的对象之间的位置关系，确定N组位置关系，其中，N是大于1的自然数；确定N帧图像之间的时序关系；按照N帧图像之间的时序关系和N组位置关系确定目标序列；将目标序列输入预先训练好的目标神经网络模型中，得到目标视频的分类结果，其中，分类结果用于表示目标视频中是否包括异常事件。通过本发明，解决了相关技术中不能准确的确定视频中的事件类型的问题，达到准确确定视频中的事件类型的效果。

技术领域

本发明实施例涉及通信领域，具体而言，涉及一种视频分类方法及装置、存储介质、电子装置。

背景技术

目前，机器学习尤其是深度学习技术已经广泛应用于与图像识别相关的领域中，例如视频监控、医学图像分析等等。但是对于连续视频的分析，仍过多依赖于一些人工干预的方法，例如，通过人为设置一些参考线、参考框，来进行视频中事件的分类。这种方法人们往往不能总结出事件的所有特征，导致在实际场景下经常会出现一些未能涵盖的情况。

发明内容

本发明实施例提供了一种视频分类方法及装置、存储介质、电子装置视频分类方法及装置、存储介质、电子装置以至少解决相关技术中不能准确的确定视频中的事件类型的问题。

根据本发明的一个实施例，提供了一种视频分类方及装置、存储介质、电子装置，包括：从目标视频的N帧图像中确定每帧图像中包括的对象之间的位置关系，确定N组位置关系，其中，上述N是大于1的自然数；确定上述N帧图像之间的时序关系；按照上述N帧图像之间的时序关系和上述N组位置关系确定目标序列；将上述目标序列输入预先训练好的目标神经网络模型中，得到上述目标视频的分类结果，其中，上述分类结果用于表示上述目标视频中是否包括异常事件。

根据本发明的另一个实施例，提供了一种视频分类装置，包括：第一确定模块，用于从目标视频的N帧图像中确定每帧图像中包括的对象之间的位置关系，确定N组位置关系，其中，上述N是大于1的自然数；第二确定模块，用于确定上述N帧图像之间的时序关系；第三确定模块，用于按照上述N帧图像之间的时序关系和上述N组位置关系确定目标序列；第一输入模块，用于将上述目标序列输入预先训练好的目标神经网络模型中，得到上述目标视频的分类结果，其中，上述分类结果用于表示上述目标视频中是否包括异常事件。

在一个示例性实施例中，上述第一确定模块，包括：第一确定单元，用于针对上述N帧图像中的每帧图像，均执行以下操作，确定N组位置关系：第一识别单元，用于识别上述图像中包括的目标对象，其中，上述目标对象为上述图像中包括的目标类型的对象，上述目标对象的数量为多个，上述目标类型的数量为一个或多个；第二确定单元，用于确定上述目标对象中包括的每个目标对象在上述图像中的坐标信息；第三确定单元，用于按照每个上述目标对象的坐标信息，连接上述目标对象中包括的任意两个目标对象，确定上述图像中包括的每个上述目标对象之间的位置关系，得到一组位置关系。

在一个示例性实施例中，上述第三确定单元，包括：第一确定子单元，用于从每个上述目标对象的坐标信息中，确定上述每个上述目标对象的相邻对象；第一连接子单元，用于利用边线连接每个上述目标对象和上述相邻对象；第一标注子单元，用于在上述边线上标注每个上述目标对象和上述相邻对象之间的距离，以确定上述图像中包括的每个上述目标对象之间的位置关系，得到一组位置关系。

在一个示例性实施例中，上述第二确定模块，包括：第四确定单元，用于按照上述N帧图像的拍摄时间确定上述N帧图像之间的时序关系。

在一个示例性实施例中，上述第三确定模块，包括：第五确定单元，用于按照上述N帧图像之间的时序关系排列上述N组位置关系，确定上述目标序列。