CN110347875A - 一种视频场景分类方法、装置、移动终端及存储介质 - Google Patents

Abstract

本公开实施例公开了一种视频场景分类方法、装置、移动终端及存储介质。包括：确定视频当前帧的场景为预设场景的第一场景概率；根据当前帧的第一场景概率和前一帧的场景为预设场景的第二场景概率，得到当前帧的场景为预设场景的修正场景概率；根据当前帧的场景为预设场景的修正场景概率，确定当前帧的实际场景。本公开实施例解决了现有技术在视频拍摄过程中出现场景跳变，使得视频场景分类错误的问题，可以根据前一帧的场景概率对当前帧的场景概率进行修正，即使视频拍摄过程中出现场景跳变，也可以准确、稳定地对视频图像进行场景分类。

Description

一种视频场景分类方法、装置、移动终端及存储介质

技术领域

本公开实施例涉及视频处理技术，尤其涉及一种视频场景分类方法、装置、移动终端及存储介质。

背景技术

随着移动终端的普及，用户可以通过移动终端在各种场景下进行视频拍摄。例如，在沙滩上进行视频拍摄，或者在夜晚进行视频拍摄。在视频拍摄的过程中，可以对获取的每一帧视频图像进行场景分类，并根据场景分类结果向用户推荐合适的滤镜。场景分类结果不同，推荐的滤镜不同。

现有技术一般通过服务器针对每一帧视频图像进行场景分类和滤镜推荐。服务器对移动终端发送的当前视频图像帧进行场景分类，根据场景分类结果确定与当前视频图像帧匹配的滤镜，并将场景分类结果和滤镜反馈给移动终端，以使移动终端将视频拍摄的滤镜调整为与当前视频图像帧匹配的滤镜。

现有技术的缺陷在于，视频场景分类方案存在场景分类结果不稳定的问题。例如，用户在同一个场景下录制视频，用户晃动了一下手，导致当前视频图像帧的场景分类结果与前一帧的分类结果差别很大，从而根据当前视频图像帧的场景分类结果确定的滤镜与前一帧的滤镜差别也很大。即在同一个场景下录制视频的过程中出现了场景跳变和滤镜跳变，使得视频场景分类错误。

发明内容

本公开提供一种视频场景分类方法、装置、移动终端及存储介质，准确、稳定地对视频图像进行场景分类。

第一方面，本公开实施例提供了一种视频场景分类方法，包括：

确定视频当前帧的场景为预设场景的第一场景概率；

根据当前帧的第一场景概率和前一帧的场景为预设场景的第二场景概率，得到当前帧的场景为预设场景的修正场景概率；

根据当前帧的场景为预设场景的修正场景概率，确定当前帧的实际场景。

第二方面，本公开实施例还提供了一种视频场景分类装置，包括：

概率确定模块，用于确定视频当前帧的场景为预设场景的第一场景概率；

概率修正模块，用于根据当前帧的第一场景概率和前一帧的场景为预设场景的第二场景概率，得到当前帧的场景为预设场景的修正场景概率；

场景确定模块，用于根据当前帧的场景为预设场景的修正场景概率，确定当前帧的实际场景。

第三方面，本公开实施例还提供了一种移动终端，包括：

一个或多个处理装置；

存储装置，用于存储一个或多个程序；

当一个或多个程序被一个或多个处理装置执行，使得一个或多个处理装置实现如本公开实施例所述的视频场景分类方法。

第四方面，本公开实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理装置执行时实现如本公开实施例所述的视频场景分类方法。

本公开实施例通过根据当前帧的第一场景概率和前一帧的场景为预设场景的第二场景概率，得到当前帧的场景为预设场景的修正场景概率，并根据当前帧的场景为预设场景的修正场景概率，确定当前帧的实际场景，解决了现有技术在视频拍摄过程中出现场景跳变，使得视频场景分类错误的问题，可以根据前一帧的场景概率对当前帧的场景概率进行修正，即使视频拍摄过程中出现场景跳变，也可以准确、稳定地对视频图像进行场景分类。

附图说明

图1为本公开实施例提供的一种视频场景分类方法的流程图；

图2为本公开实施例提供的一种视频场景分类方法的流程图；

图3为本公开实施例提供的一种视频场景分类装置的结构示意图；

图4为本公开实施例提供的一种移动终端的结构示意图。

具体实施方式

下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本公开，而非对本公开的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本公开相关的部分而非全部结构。

图1为本公开实施例提供的一种视频场景分类方法的流程图。本实施例可适用于在视频拍摄过程中，对获取的视频图像帧进行场景分类的情况，该方法可以由视频场景分类装置来执行，该装置可以采用软件和/或硬件的方式实现，该装置可以配置于移动终端中。如图1所示，该方法可以包括如下步骤：

步骤101、确定视频当前帧的场景为预设场景的第一场景概率。

其中，在视频拍摄的过程中，用户通过移动终端的摄像头进行拍摄，得到各帧视频图像。视频当前帧是在当前时刻拍摄到的一帧视频图像。预设场景是预先设置的多种类型的场景。例如，婴儿、沙滩、夜景等场景。第一场景概率是视频当前帧的场景为各类场景的概率。

在一个具体实例中，将视频当前帧输入至预设的图像分类模型中，输出视频当前帧的场景为预设场景的第一场景概率。

具体的，将视频当前帧输入至预设的图像分类模型中，预设的图像分类模型对视频当前帧的场景类别进行分析，输出视频当前帧的场景为各类场景的概率。例如，预先设置22种不同类型的场景。将视频当前帧输入至预设的图像分类模型中，预设的图像分类模型对视频当前帧的场景类别进行分析，输出视频当前帧的场景为各类场景的概率。即预设的图像分类模型输出22个概率。每一类场景有对应的一个概率。某一类场景所对应的概率是视频当前帧的场景为该类场景的概率。

步骤102、根据当前帧的第一场景概率和前一帧的场景为预设场景的第二场景概率，得到当前帧的场景为预设场景的修正场景概率。

其中，前一帧为在当前时刻的前一时刻拍摄到的一帧视频图像，即拍摄到的前一帧视频图像。第二场景概率是前一帧的场景为各类场景的概率。

可选的，将前一帧的场景为预设场景的第二场景概率与当前帧的场景为预设场景的第一场景概率进行加权平均，加权平均的概率作为当前帧的场景为预设场景的修正场景概率。

具体的，根据下述公式，得到当前帧的场景为预设场景的修正场景概率：

P_2i＝λP_1i+(1-λ)P′_2i，

其中，P_2i为当前帧的场景为第i类场景的修正场景概率，P′_2i为当前帧的场景为第i类场景的第一场景概率，P_1i为前一帧的场景为第i类场景的第二场景概率，i＝1,2,…N，0＜λ＜1。λ是预设的参数，可以根据业务需求进行设置。

步骤103、根据当前帧的场景为预设场景的修正场景概率，确定当前帧的实际场景。

可选的，按照从大到小的顺序，对加权平均后的当前帧的场景为各类场景的概率进行排序，获取最大概率，并将与最大概率对应的场景确定为当前帧的实际场景。

本实施例的技术方案，通过根据当前帧的第一场景概率和前一帧的场景为预设场景的第二场景概率，得到当前帧的场景为预设场景的修正场景概率，并根据当前帧的场景为预设场景的修正场景概率，确定当前帧的实际场景，解决了现有技术在视频拍摄过程中出现场景跳变，使得视频场景分类错误的问题，可以根据前一帧的场景概率对当前帧的场景概率进行修正，即使视频拍摄过程中出现场景跳变，也可以准确、稳定地对视频图像进行场景分类。

图2为本公开实施例提供的一种视频场景分类方法的流程图。本实施例可以与上述一个或者多个实施例中各个可选方案结合，在本实施例中，确定视频当前帧的场景为预设场景的第一场景概率，可以包括：将视频当前帧输入至预设的图像分类模型中，输出视频当前帧的场景为预设场景的第一场景概率。

以及，在确定视频当前帧的场景为预设场景的第一场景概率之前，可以还包括：获取与各类场景对应的训练样本集合，训练样本集中包括与场景对应的设定数量的图像；使用训练样本集合对神经网络模型进行训练，得到预设的图像分类模型。

如图2所示，该方法可以包括如下步骤：

步骤201、获取与各类场景对应的训练样本集合，训练样本集中包括与场景对应的设定数量的图像。

其中，预先采集与各类场景对应的设定数量的图像，并将图像保存至各类场景对应的训练样本集合中。设定数量可以根据业务需求设置。例如，针对每一类场景，采集与场景对应的2000张图像，并将采集的2000张图像保存至场景对应的训练样本集合中。

可选的，与场景对应的设定数量的图像为：原始图像以及将原始图像随机裁剪后得到的图像。

原始图像是预先采集的图像。对各个训练样本集合中的原始图像进行随机裁剪，然后将原始图像和将原始图像随机裁剪后得到的图像保存至场景对应的训练样本集合中。

将原始图像随机裁剪后得到的图像可以模拟在外界因素影响下拍摄的视频图像，例如，被用户的手遮挡了一部分的视频图像，可以增加各个训练样本集合的样本数量，实现了对各个训练样本集合的样本增强。

步骤202、使用训练样本集合对神经网络模型进行训练，得到预设的图像分类模型。

其中，使用与各类场景对应的训练样本集合对神经网络模型进行训练，得到预设的图像分类模型。预设的图像分类模型用于接收图像，输出图像的场景为各类场景的概率。

步骤203、将视频当前帧输入至预设的图像分类模型中，输出视频当前帧的场景为预设场景的第一场景概率。

其中，将视频当前帧输入至预设的图像分类模型中，预设的图像分类模型对视频当前帧的场景类别进行分析，输出视频当前帧的场景为各类场景的概率。

步骤204、根据当前帧的第一场景概率和前一帧的场景为预设场景的第二场景概率，得到当前帧的场景为预设场景的修正场景概率。

其中，将前一帧为预设场景前一帧的场景为预设场景的第二场景概率与当前帧的场景为预设场景的第一场景概率进行加权平均，加权平均的概率作为当前帧为预设场景当前帧的场景为预设场景的修正场景概率。

可选的，如果当前帧为第一帧，则前一帧的场景为预设场景的第二场景概率为空，当前帧的场景为预设场景的修正场景概率为当前帧的第一场景概率。

如果当前帧为视频拍摄的第一帧视频图像，则前一帧的场景为预设场景的第二场景概率为空。具体的，获取前一帧的场景为预设场景的第二场景概率，如果前一帧的场景为预设场景的第二场景概率为空，表明当前帧为第一帧，则将当前帧的第一场景概率直接作为当前帧的场景为预设场景的修正场景概率。

步骤205、根据当前帧的场景为预设场景的修正场景概率，确定当前帧的实际场景。

本实施例的技术方案，通过获取与各类场景对应的训练样本集合，训练样本集中包括与场景对应的设定数量的图像，并使用训练样本集合对神经网络模型进行训练，得到预设的图像分类模型，将视频当前帧输入至预设的图像分类模型中，输出视频当前帧的场景为预设场景的第一场景概率，可以训练得到可以对视频当前帧的场景类别进行分析，输出视频当前帧的场景为各类场景的概率的预设的图像分类模型，可以根据预设的图像分类模型输出的概率对视频图像进行场景分类。

图3为本公开实施例提供的一种视频场景分类装置的结构示意图。本实施例可适用于拍摄合拍视频的情况。该装置可以采用软件和/或硬件的方式实现，该装置可以配置于移动终端。如图3所示，该装置可以包括：概率确定模块301、概率修正模块302以及场景确定模块303。

其中，概率确定模块301，用于确定视频当前帧的场景为预设场景的第一场景概率；概率修正模块302，用于根据当前帧的第一场景概率和前一帧的场景为预设场景的第二场景概率，得到当前帧的场景为预设场景的修正场景概率；场景确定模块303，用于根据当前帧的场景为预设场景的修正场景概率，确定当前帧的实际场景。

本实施例的技术方案，通过根据当前帧的第一场景概率和前一帧的场景为预设场景的第二场景概率，得到当前帧的场景为预设场景的修正场景概率，并根据当前帧的场景为预设场景的修正场景概率，确定当前帧的实际场景，解决了现有技术在视频拍摄过程中出现场景跳变，使得视频场景分类错误的问题，可以根据前一帧的场景概率对当前帧的场景概率进行修正，即使视频拍摄过程中的场景跳变，也可以准确、稳定地对视频图像进行场景分类。

可选的，在上述技术方案的基础上，概率确定模块301可以包括：概率输出单元，用于将视频当前帧输入至预设的图像分类模型中，输出视频当前帧的场景为预设场景的第一场景概率。

可选的，在上述技术方案的基础上，可以还包括：样本集合获取模块，用于获取与各类场景对应的训练样本集合，训练样本集中包括与场景对应的设定数量的图像；模型训练模块，用于使用训练样本集合对神经网络模型进行训练，得到预设的图像分类模型。

可选的，在上述技术方案的基础上，与场景对应的设定数量的图像为：原始图像以及将原始图像随机裁剪后得到的图像。

可选的，在上述技术方案的基础上，场景确定模块303可以包括：第一帧确定单元，用于如果当前帧为第一帧，则前一帧的场景为预设场景的第二场景概率为空，当前帧的场景为预设场景的修正场景概率为当前帧的第一场景概率。

本公开实施例所提供的视频场景分类装置可执行本公开实施例所提供的视频场景分类方法，具备执行方法相应的功能模块和有益效果。

下面参考图4，其示出了适于用来实现本公开实施例的移动终端400的结构示意图。本公开实施例中的移动终端可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等。图4示出的移动终端仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图4所示，移动终端400可以包括处理装置(例如中央处理器、图形处理器等)401，其可以根据存储在只读存储器(ROM)402中的程序或者从存储装置408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中，还存储有移动终端400操作所需的各种程序和数据。处理装置401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。

通常，以下装置可以连接至I/O接口405：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置406；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置407；包括例如磁带、硬盘等的存储装置408；以及通信装置409。通信装置409可以允许移动终端400与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的移动终端400，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置409从网络上被下载和安装，或者从存储装置408被安装，或者从ROM 402被安装。在该计算机程序被处理装置401执行时，执行本公开实施例的方法中限定的上述功能。

需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

上述计算机可读介质可以是上述移动终端中所包含的；也可以是单独存在，而未装配入该移动终端中。

上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该移动终端执行时，使得该移动终端：确定视频当前帧的场景为预设场景的第一场景概率；根据当前帧的第一场景概率和前一帧的场景为预设场景的第二场景概率，得到当前帧的场景为预设场景的修正场景概率；根据当前帧的场景为预设场景的修正场景概率，确定当前帧的实际场景。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的模块、单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，模块、单元的名称在某种情况下并不构成对该模块或单元本身的限定，例如，概率确定模块还可以被描述为“确定视频当前帧的场景为预设场景的第一场景概率的模块”，概率输出单元还可以被描述为“将视频当前帧输入至预设的图像分类模型中，输出视频当前帧的场景为预设场景的第一场景概率的单元”。

本公开实施例公开的视频场景分类方法，包括：

确定视频当前帧的场景为预设场景的第一场景概率；

根据当前帧的第一场景概率和前一帧的场景为预设场景的第二场景概率，得到当前帧的场景为预设场景的修正场景概率；

根据当前帧的场景为预设场景的修正场景概率，确定当前帧的实际场景。

进一步地，确定视频当前帧的场景为预设场景的第一场景概率，包括：

将视频当前帧输入至预设的图像分类模型中，输出视频当前帧的场景为预设场景的第一场景概率。

进一步地，在确定视频当前帧的场景为预设场景的第一场景概率之前，还包括：

获取与各类场景对应的训练样本集合，训练样本集中包括与场景对应的设定数量的图像；

使用训练样本集合对神经网络模型进行训练，得到预设的图像分类模型。

进一步地，与场景对应的设定数量的图像为：原始图像以及将原始图像随机裁剪后得到的图像。

进一步地，根据当前帧的第一场景概率和前一帧的场景为预设场景的第二场景概率，得到当前帧的场景为预设场景的修正场景概率，包括：

如果当前帧为第一帧，则前一帧的场景为预设场景的第二场景概率为空，当前帧的场景为预设场景的修正场景概率为当前帧的第一场景概率。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (10)

1.一种视频场景分类方法，其特征在于，包括：

确定视频当前帧的场景为预设场景的第一场景概率；

根据所述当前帧的第一场景概率和前一帧的场景为预设场景的第二场景概率，得到所述当前帧的场景为预设场景的修正场景概率；

根据所述当前帧的场景为预设场景的修正场景概率，确定所述当前帧的实际场景。

2.根据权利要求1所述的方法，其特征在于，所述确定视频当前帧的场景为预设场景的第一场景概率，包括：

将视频当前帧输入至预设的图像分类模型中，输出所述视频当前帧的场景为预设场景的第一场景概率。

3.根据权利要求1所述的方法，其特征在于，在确定视频当前帧的场景为预设场景的第一场景概率之前，还包括：

获取与各类场景对应的训练样本集合，所述训练样本集中包括与场景对应的设定数量的图像；

使用所述训练样本集合对神经网络模型进行训练，得到预设的图像分类模型。

4.根据权利要求3所述的方法，其特征在于，所述与场景对应的设定数量的图像为：原始图像以及将原始图像随机裁剪后得到的图像。

5.根据权利要求1所述的方法，其特征在于，所述根据所述当前帧的第一场景概率和前一帧的场景为预设场景的第二场景概率，得到所述当前帧的场景为预设场景的修正场景概率，包括：

如果所述当前帧为第一帧，则前一帧的场景为预设场景的第二场景概率为空，所述当前帧的场景为预设场景的修正场景概率为所述当前帧的第一场景概率。

6.一种视频场景分类装置，其特征在于，包括：

概率确定模块，用于确定视频当前帧的场景为预设场景的第一场景概率；

概率修正模块，用于根据所述当前帧的第一场景概率和前一帧的场景为预设场景的第二场景概率，得到所述当前帧的场景为预设场景的修正场景概率；

场景确定模块，用于根据所述当前帧的场景为预设场景的修正场景概率，确定所述当前帧的实际场景。

7.根据权利要求6所述的装置，其特征在于，所述概率确定模块包括：

概率输出单元，用于将视频当前帧输入至预设的图像分类模型中，输出所述视频当前帧的场景为预设场景的第一场景概率。

8.根据权利要求6所述的装置，其特征在于，还包括：

样本集合获取模块，用于获取与各类场景对应的训练样本集合，所述训练样本集中包括与场景对应的设定数量的图像；

模型训练模块，用于使用所述训练样本集合对神经网络模型进行训练，得到预设的图像分类模型。

9.一种移动终端，其特征在于，所述移动终端包括：

一个或多个处理装置；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理装置执行，使得所述一个或多个处理装置实现如权利要求1-5中任一所述的视频场景分类方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理装置执行时实现如权利要求1-5中任一所述的视频场景分类方法。