CN113963287A - 评分模型获取及视频识别方法、装置及存储介质 - Google Patents

Abstract

本公开提供了评分模型获取及视频识别方法、装置及存储介质，涉及计算机视觉和深度学习等人工智能领域，具体可应用于视频分析场景下，其中的评分模型获取方法可包括：针对作为训练数据的视频样本，分别获取其中的各帧的重量级特征以及轻量级特征，所述视频样本属于N个不同的类别，N为大于一的正整数；根据获取到的重量级特征分别确定出各帧的显著性评分；根据获取到的轻量级特征以及显著性评分，利用视频样本训练得到评分模型，所述评分模型用于确定出待识别的第一视频中的各帧的显著性评分，所述显著性评分用于从第一视频中的各帧中选出用于生成第一视频的分类结果的关键帧。应用本公开所述方案，可降低计算成本，并可确保识别结果的准确性等。

Description

评分模型获取及视频识别方法、装置及存储介质

技术领域

本公开涉及人工智能技术领域，特别涉及计算机视觉和深度学习等领域的评分模型获取及视频识别方法、装置及存储介质。

背景技术

高效视频识别，是指要求模型在一定的计算限制下对视频完成尽可能准确的类别指定，即分类，高效视频识别可广泛应用于视频分析等场景下。

目前，单一的准确性已经不再是视频识别中的主要瓶颈，如何降低计算成本(即计算量)也是一个迫切需要解决的问题。

为降低计算成本，通常采用轻量级视频识别模型，即利用轻量级视频识别模型来对输入的视频进行视频识别，但这种方式的准确性通常较差。

发明内容

本公开提供了评分模型获取及视频识别方法、装置及存储介质。

一种评分模型获取方法，包括：

针对作为训练数据的视频样本，分别获取其中的各帧的重量级特征以及轻量级特征，所述视频样本属于N个不同的类别，N为大于一的正整数；

根据所述重量级特征分别确定出各帧的显著性评分；

根据所述轻量级特征以及所述显著性评分，利用所述视频样本训练得到所述评分模型，所述评分模型用于确定出待识别的第一视频中的各帧的显著性评分，所述显著性评分用于从所述第一视频中的各帧中选出用于生成所述第一视频的分类结果的关键帧。

一种视频识别方法，包括：

针对待识别的第一视频，利用按照上述方法获取到的评分模型，分别确定出所述第一视频中的各帧的显著性评分；

根据所述显著性评分从所述第一视频中的各帧中选出P个关键帧，P为大于一的正整数，且小于所述第一视频中的帧数；

根据所述P个关键帧生成所述第一视频的分类结果。

一种评分模型获取装置，包括：特征获取模块、评分获取模块以及模型获取模块；

所述特征获取模块，用于针对作为训练数据的视频样本，分别获取其中的各帧的重量级特征以及轻量级特征，所述视频样本属于N个不同的类别，N为大于一的正整数；

所述评分获取模块，用于根据所述重量级特征分别确定出各帧的显著性评分；

所述模型获取模块，用于根据所述轻量级特征以及所述显著性评分，利用所述视频样本训练得到所述评分模型，所述评分模型用于确定出待识别的第一视频中的各帧的显著性评分，所述显著性评分用于从所述第一视频中的各帧中选出用于生成所述第一视频的分类结果的关键帧。

一种视频识别装置，包括：评分模块、筛选模块以及识别模型；

所述评分模块，用于针对待识别的第一视频，利用按照上述装置获取到的评分模型，分别确定出所述第一视频中的各帧的显著性评分；

所述筛选模块，用于根据所述显著性评分从所述第一视频中的各帧中选出P个关键帧，P为大于一的正整数，且小于所述第一视频中的帧数；

所述识别模块，用于根据所述P个关键帧生成所述第一视频的分类结果。

一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如以上所述的方法。

一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使计算机执行如以上所述的方法。

一种计算机程序产品，包括计算机程序/指令，所述计算机程序/指令被处理器执行时实现如以上所述的方法。

上述公开中的一个实施例具有如下优点或有益效果：可根据视频样本中的各帧的重量级特征以及轻量级特征等训练得到评分模型，相应地，在对第一视频进行视频识别时，可根据评分模型确定出第一视频中的各帧的显著性评分，并可根据显著性评分选出部分关键帧，进而可利用选出的关键帧来生成第一视频的分类结果，从而降低了计算成本，并确保了识别结果的准确性等。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1为本公开所述评分模型获取方法第一实施例的流程图；

图2为本公开所述评分模型获取方法第二实施例的流程图；

图3为本公开所述视频识别方法实施例的流程图；

图4为本公开所述显著性评分的获取方式示意图；

图5为本公开所述评分模型获取装置实施例500的组成结构示意图；

图6为本公开所述视频识别装置实施例600的组成结构示意图；

图7示出了可以用来实施本公开的实施例的电子设备700的示意性框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

另外，应理解，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

图1为本公开所述评分模型获取方法第一实施例的流程图。如图1所示，包括以下具体实现方式。

在步骤101中，针对作为训练数据的视频样本，分别获取其中的各帧的重量级特征以及轻量级特征，所述视频样本属于N个不同的类别，N为大于一的正整数。

在步骤102中，根据获取到的重量级特征分别确定出各帧的显著性评分。

在步骤103中，根据获取到的轻量级特征以及显著性评分，利用所述视频样本训练得到评分模型，所述评分模型用于确定出待识别的第一视频中的各帧的显著性评分，所述显著性评分用于从第一视频中的各帧中选出用于生成第一视频的分类结果的关键帧。

可以看出，上述方法实施例所述方案中，可根据视频样本中的各帧的重量级特征以及轻量级特征等训练得到评分模型，相应地，在对第一视频进行视频识别时，可根据评分模型确定出第一视频中的各帧的显著性评分，并可根据显著性评分选出部分关键帧，进而可利用选出的关键帧来生成第一视频的分类结果，从而降低了计算成本，并确保了识别结果的准确性等。

针对作为训练数据的各视频样本，可分别获取其中的各帧的重量级特征以及轻量级特征，所述视频样本属于N个不同的类别，N的具体取值以及具体包括哪些类别可根据实际需要而定。

优选地，针对每个视频样本中的每一帧，可分别利用重量级视频识别模型以及轻量级视频识别模型来提取出该帧的重量级特征和轻量级特征。

其中，重量级视频识别模型可为深度残差网络(ResNet，Deep residual Network)152模型，轻量级视频识别模型可为移动网络(MobileNetv2)模型。重量级特征和轻量级特征中分别包括哪些内容也可根据实际需要而定。

进一步地，可根据获取到的重量级特征分别确定出各视频样本中的各帧的显著性评分。相比于轻量级视频识别模型，重量级视频识别模型的计算量更大，但准确性会更高。因此，本公开所述方案中，可基于获取到的重量级特征来确定出各帧的显著性评分，以提升获取到的显著性评分的准确性等。

优选地，可针对每个视频样本，分别根据该视频样本中的帧的重量级特征，确定出该视频样本的视频特征，并可针对每个类别，分别根据属于该类别的视频样本的视频特征，确定出该类别的类原型，进而可针对每个视频样本中的每一帧，分别根据该帧的重量级特征以及各类别的类原型，确定出该帧的显著性评分。

优选地，针对每个视频样本，可首先从该视频样本中的各帧中选出符合要求的M帧，M为大于一的正整数，且小于该视频样本中的帧数，之后可根据选出的M帧的重量级特征确定出该视频样本的视频特征。

优选地，针对该视频样本中的每一帧，可分别进行以下处理：获取该帧分别属于N个不同类别的置信度分数，若其中取值最大的置信度分数对应的类别为该视频样本所属的类别，则可将该帧确定为待选帧，进而可按照该视频样本所属的类别对应的置信度分数从大到小的顺序对各待选帧进行排序，选出排序后处于前M位的帧，M小于候选帧的数量，M的具体取值可根据实际需要而定。

针对任一帧，如何获取该帧分别属于N个不同类别的置信度分数不作限制。比如，可利用重量级视频识别模型确定出该帧分别属于N个不同类别的置信度分数。

举例说明：

假设N的取值为10，为便于表述，将10个类别分别称为类别1～类别10，并假设某一视频样本a中包括20帧，分别为帧1～帧20。

针对帧1，可分别获取其属于10个不同类别的置信度分数，即相当于得到一个包括10个元素的向量，每个元素分别对应于一个类别，10个元素相加之和可为1，假设10个置信度分数中取值最大的置信度分数对应的类别为类别2，视频样本a所属的类别也为类别2，那么则可将帧1确定为待选帧，比如，可将帧1的标签设置为1，针对帧2，可分别获取其属于10个不同类别的置信度分数，假设10个置信度分数中取值最大的置信度分数对应的类别为类别1，而视频样本a所属的类别为类别2，那么则可确定帧2不为待选帧，相应地，可将帧2的标签设置为0，其它各帧的处理方式类似，不再赘述。

假设共得到15个待选帧，那么可将这15个待选帧按照类别2对应的置信度分数从大到小的顺序进行排序，进而可选出排序后处于前10位的帧。

通过上述处理，可对视频样本中的帧进行筛选，仅保留一些有代表性的帧，从而减少了后续处理的工作量，提升了处理效率等。

相应地，针对任一视频样本，可根据选出的M帧的重量级特征确定出该视频样本的视频特征。比如，可计算选出的M帧的重量级特征的均值，将所述均值作为该视频样本的视频特征。

在确定各类别的类原型时，优选地，针对每个类别，可首先从属于该类别的各视频样本中选出符合要求的L个视频样本，L为大于一的正整数，且小于属于该类别的视频样本的数量，之后可根据选出的L个视频样本的视频特征确定出该类别的类原型，L的具体取值根据实际需要而定。

优选地，针对属于该类别的各视频样本，可分别获取其属于N个不同类别的置信度分数，进而可按照该类别对应的置信度分数从大到小的顺序对属于该类别的各视频样本进行排序，选出排序后处于前L位的视频样本。

针对任一视频样本，如何获取其分别属于N个不同类别的置信度分数不作限制。比如，可分别获取该视频样本中的各帧分别属于N个不同类别的置信度分数，之后可将各帧对应的置信度分数进行汇合(如求平均)，从而得到该视频样本分别属于N个不同类别的置信度分数。

举例说明：

假设N的取值为10，为便于表述，将10个类别分别称为类别1～类别10，对于某一类别如类别3，假设属于类别3的视频样本有30个，那么针对每个视频样本，可分别获取其属于10个不同类别的置信度分数，之后可将这30个视频样本按照类别3对应的置信度分数从大到小的顺序进行排序，并可选出排序后处于前20位的视频样本。

通过上述处理，可对同一类别下的视频样本进行筛选，仅保留一些有代表性的视频样本，从而减少了后续处理的工作量，提升了处理效率等。

相应地，针对任一类别，可根据选出的L个视频样本的视频特征确定出该类别的类原型。比如，可计算L个视频样本的视频特征的均值，将所述均值作为该类别的类原型。

在分别获取到各类别的类原型后，针对每个视频样本中的每一帧，可分别根据该帧的重量级特征以及各类别的类原型，确定出该帧的显著性评分。

优选地，针对每一视频样本中的每一帧，可分别进行以下处理：获取该帧的重量级特征与该帧所在的视频样本所属的第一类别(为方便与其它类别进行区分，将该帧所在的视频样本所属的类别称为第一类别)的类原型之间的相似度，作为第一相似度；分别获取该帧的重量级特征与第一类别之外的其余N-1个类别的类原型之间的相似度，将其中的最大值作为第二相似度；将第一相似度与第二相似度的比值作为该帧的显著性评分。

举例说明：

假设N的取值为10，为便于表述，将10个类别分别称为类别1～类别10，并假设某一视频样本b中包括20帧，分别为帧1～帧20，视频样本b所属的类别为类别5。

以帧1为例，可获取帧1的重量级特征与类别5的类原型之间的相似度，作为第一相似度，并可分别获取帧1的重量级特征与类别5之外的其余9个类别的类原型之间的相似度，即分别获取帧1的重量级特征与类别1的类原型之间的相似度、帧1的重量级特征与类别2的类原型之间的相似度、帧1的重量级特征与类别3的类原型之间的相似度、帧1的重量级特征与类别4的类原型之间的相似度、帧1的重量级特征与类别6的类原型之间的相似度、帧1的重量级特征与类别7的类原型之间的相似度、帧1的重量级特征与类别8的类原型之间的相似度、帧1的重量级特征与类别9的类原型之间的相似度以及帧1的重量级特征与类别10的类原型之间的相似度，并可从得到的9个相似度中选出最大值，作为第二相似度，进而可将第一相似度/第二相似度作为帧1的显著性评分，其它各帧的处理方式类似，不再赘述。

通过上述处理，借助于重量级特征以及类原型之间的相似度，可准确高效地确定出各帧的显著性评分。

进一步地，可根据获取到的各帧的轻量级特征以及显著性评分，利用视频样本训练得到评分模型。

优选地，评分模型可为回归网络模型，其中可包括两层全连接网络(FC，FullConnection)。如何训练得到评分模型为现有技术。

基于上述介绍，图2为本公开所述评分模型获取方法第二实施例的流程图。如图2所示，包括以下具体实现方式。

在步骤201中，针对作为训练数据的视频样本，分别获取其中的各帧的重量级特征以及轻量级特征，所述视频样本属于N个不同的类别，N为大于一的正整数。

在步骤202中，针对任一视频样本，分别从该视频样本中的各帧中选出符合要求的M帧，M为大于一的正整数，且小于该视频样本中的帧数，根据选出的M帧的重量级特征确定出该视频样本的视频特征。

针对该视频样本中的每一帧，可分别进行以下处理：获取该帧分别属于N个不同类别的置信度分数，若其中取值最大的置信度分数对应的类别为该视频样本所属的类别，则将该帧确定为待选帧，按照该视频样本所属的类别对应的置信度分数从大到小的顺序对各待选帧进行排序，选出排序后处于前M位的帧，M小于候选帧的数量。

另外，可计算选出的M帧的重量级特征的均值，将所述均值作为该视频样本的视频特征。

在步骤203中，针对任一类别，分别从属于该类别的各视频样本中选出符合要求的L个视频样本，L为大于一的正整数，且小于属于该类别的视频样本的数量，根据选出的L个视频样本的视频特征确定出该类别的类原型。

其中，针对属于该类别的各视频样本，可分别获取其属于N个不同类别的置信度分数，并可按照该类别对应的置信度分数从大到小的顺序对属于该类别的各视频样本进行排序，选出排序后处于前L位的视频样本。

另外，可计算选出的L个视频样本的视频特征的均值，将所述均值作为该类别的类原型。

在步骤204中，针对任一视频样本中的任一帧，分别获取该帧的重量级特征与该帧所在的视频样本所属的第一类别的类原型之间的相似度，作为第一相似度，并分别获取该帧的重量级特征与第一类别之外的其余N-1个类别的类原型之间的相似度，将其中的最大值作为第二相似度，将第一相似度与第二相似度的比值作为该帧的显著性评分。

在步骤205中，根据获取到的各帧的轻量级特征以及显著性评分，利用视频样本训练得到评分模型。

在得到评分模型之后，即可利用其来进行实际的视频识别。

图3为本公开所述视频识别方法实施例的流程图。如图3所示，包括以下具体实现方式。

在步骤301中，针对待识别的第一视频，利用预先训练得到的评分模型，分别确定出其中的各帧的显著性评分。

在步骤302中，根据获取到的显著性评分从第一视频中的各帧中选出P个关键帧，P为大于一的正整数，且小于第一视频中的帧数。

在步骤303中，根据选出的P个关键帧生成第一视频的分类结果。

可以看出，上述方法实施例所述方案中，可根据评分模型确定出第一视频中的各帧的显著性评分，并可根据显著性评分选出部分关键帧，进而可利用选出的关键帧来生成第一视频的分类结果，从而降低了计算成本，并确保了识别结果的准确性等。

其中，所述评分模型可为按照图1所示方式得到的评分模型。

利用评分模型，可分别获取到第一视频中的各帧的显著性评分。图4为本公开所述显著性评分的获取方式示意图。如图4所示，可分别将第一视频中的各帧输入评分模型，从而分别得到评分模型输出的各帧的显著性评分。

优选地，在分别得到各帧的显著性评分之后，可按照显著性评分从大到小的顺序对第一视频中的各帧进行排序，进而可选出排序后处于前P位的帧，作为所需的关键帧，P的具体取值可根据实际需要而定。

优选地，可将P个关键帧输入重量级视频识别模型，从而得到第一视频的分类结果，即得到第一视频的识别结果。借助于重量级视频识别模型，可提升识别结果的准确性。

需要说明的是，对于前述的各方法实施例，为了简单描述，将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本公开并不受所描述的动作顺序的限制，因为依据本公开，某些步骤可以采用其它顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本公开所必须的。另外，某个实施例中没有详述的部分，可以参见其它实施例中的相关说明。

以上是关于方法实施例的介绍，以下通过装置实施例，对本公开所述方案进行进一步说明。

图5为本公开所述评分模型获取装置实施例500的组成结构示意图。如图5所示，包括：特征获取模块501、评分获取模块502以及模型获取模块503。

特征获取模块501，用于针对作为训练数据的视频样本，分别获取其中的各帧的重量级特征以及轻量级特征，所述视频样本属于N个不同的类别，N为大于一的正整数。

评分获取模块502，用于根据获取到的重量级特征分别确定出各帧的显著性评分。

模型获取模块503，用于根据获取到的轻量级特征以及显著性评分，利用所述视频样本训练得到评分模型，所述评分模型用于确定出待识别的第一视频中的各帧的显著性评分，所述显著性评分用于从第一视频中的各帧中选出用于生成第一视频的分类结果的关键帧。

针对作为训练数据的各视频样本，特征获取模块501可分别获取其中的各帧的重量级特征以及轻量级特征，所述视频样本属于N个不同的类别。

优选地，针对每个视频样本中的每一帧，特征获取模块501可分别利用重量级视频识别模型以及轻量级视频识别模型来提取出该帧的重量级特征和轻量级特征。

其中，重量级视频识别模型可为ResNet152模型，轻量级视频识别模型可为MobileNetv2模型。重量级特征和轻量级特征中分别包括哪些内容可根据实际需要而定。

进一步地，评分获取模块502可根据获取到的重量级特征分别确定出各帧的显著性评分。

优选地，评分获取模块502可针对任一视频样本，分别根据该视频样本中的帧的重量级特征，确定出该视频样本的视频特征，针对任一类别，分别根据属于该类别的视频样本的视频特征，确定出该类别的类原型，针对任一视频样本中的任一帧，分别根据该帧的重量级特征以及各类别的类原型，确定出该帧的显著性评分。

优选地，针对任一视频样本，评分获取模块502可从该视频样本中的各帧中选出符合要求的M帧，M为大于一的正整数，且小于该视频样本中的帧数，进而可根据选出的M帧的重量级特征确定出该视频样本的视频特征。

优选地，针对任一视频样本，评分获取模块502可针对该视频样本中的任一帧，分别进行以下处理：获取该帧分别属于N个不同类别的置信度分数，若其中取值最大的置信度分数对应的类别为该视频样本所属的类别，则将该帧确定为待选帧；按照该视频样本所属的类别对应的置信度分数从大到小的顺序对各待选帧进行排序，选出排序后处于前M位的帧，M小于候选帧的数量。

优选地，针对任一类别，评分获取模块502可从属于该类别的各视频样本中选出符合要求的L个视频样本，L为大于一的正整数，且小于属于该类别的视频样本的数量，进而可根据选出的L个视频样本的视频特征确定出该类别的类原型。

优选地，针对任一类别，评分获取模块502可针对属于该类别的各视频样本，分别获取其属于N个不同类别的置信度分数，并可按照该类别对应的置信度分数从大到小的顺序对属于该类别的各视频样本进行排序，选出排序后处于前L位的视频样本。

在分别获取到各类别的类原型后，针对任一视频样本中的任一帧，评分获取模块502可分别根据该帧的重量级特征以及各类别的类原型，确定出该帧的显著性评分。

优选地，评分获取模块502可针对任一视频样本中的任一帧，分别进行以下处理：获取该帧的重量级特征与该帧所在的视频样本所属的第一类别的类原型之间的相似度，作为第一相似度；分别获取该帧的重量级特征与第一类别之外的其余N-1个类别的类原型之间的相似度，将其中的最大值作为第二相似度；将第一相似度与第二相似度的比值作为该帧的显著性评分。

进一步地，模型获取模块503可根据获取到的各帧的轻量级特征以及显著性评分，利用所述视频样本训练得到评分模型。优选地，评分模型可为回归网络模型，其中可包括两层全连接网络。

图6为本公开所述视频识别装置实施例600的组成结构示意图。如图6所示，包括：评分模块601、筛选模块602以及识别模型603。

评分模块601，用于针对待识别的第一视频，利用预先训练得到的评分模型，分别确定出第一视频中的各帧的显著性评分。

筛选模块602，用于根据获取到的显著性评分从第一视频中的各帧中选出P个关键帧，P为大于一的正整数，且小于第一视频中的帧数。

识别模块603，用于根据选出的P个关键帧生成第一视频的分类结果。

其中，所述评分模型可为按照图5所示装置得到的评分模型。

利用评分模型，评分模块601可分别确定出第一视频中的各帧的显著性评分，进而可由筛选模块602根据所述显著性评分从第一视频中的各帧中选出P个关键帧。优选地，筛选模块602可按照显著性评分从大到小的顺序对第一视频中的各帧进行排序，选出排序后处于前P位的帧，作为关键帧。

优选地，识别模块603还可将选出的P个关键帧输入重量级视频识别模型，以得到分类结果。

图5和图6所示装置实施例的具体工作流程请参照前述方法实施例中的相关说明，不再赘述。

总之，采用本公开装置实施例所述方案，可根据视频样本中的各帧的重量级特征以及轻量级特征等训练得到评分模型，相应地，在对第一视频进行视频识别时，可根据评分模型确定出第一视频中的各帧的显著性评分，并可根据显著性评分选出部分关键帧，进而可利用选出的关键帧来生成第一视频的分类结果，从而降低了计算成本，并确保了识别结果的准确性等。

本公开所述方案可应用于人工智能领域，特别涉及计算机视觉和深度学习等领域。人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术，人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术，人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。

另外，本公开所述实施例中的视频并不是针对某一特定用户的视频，并不能反映出某一特定用户的个人信息。本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

图7示出了可以用来实施本公开的实施例的电子设备700的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字助理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图7所示，设备700包括计算单元701，其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序，来执行各种适当的动作和处理。在RAM 703中，还可存储设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。

设备700中的多个部件连接至I/O接口705，包括：输入单元706，例如键盘、鼠标等；输出单元707，例如各种类型的显示器、扬声器等；存储单元708，例如磁盘、光盘等；以及通信单元709，例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理，例如本公开所述的方法。例如，在一些实施例中，本公开所述的方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元708。在一些实施例中，计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM 703并由计算单元701执行时，可以执行本公开所述的方法的一个或多个步骤。备选地，在其他实施例中，计算单元701可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行本公开所述的方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (23)

1.一种评分模型获取方法，包括：

针对作为训练数据的视频样本，分别获取其中的各帧的重量级特征以及轻量级特征，所述视频样本属于N个不同的类别，N为大于一的正整数；

根据所述重量级特征分别确定出各帧的显著性评分；

根据所述轻量级特征以及所述显著性评分，利用所述视频样本训练得到所述评分模型，所述评分模型用于确定出待识别的第一视频中的各帧的显著性评分，所述显著性评分用于从所述第一视频中的各帧中选出用于生成所述第一视频的分类结果的关键帧。

2.根据权利要求1所述的方法，其中，所述根据所述重量级特征分别确定出各帧的显著性评分包括：

针对任一视频样本，分别根据所述视频样本中的帧的重量级特征，确定出所述视频样本的视频特征；

针对任一类别，分别根据属于所述类别的视频样本的视频特征，确定出所述类别的类原型；

针对任一视频样本中的任一帧，分别根据所述帧的重量级特征以及各类别的类原型，确定出所述帧的显著性评分。

3.根据权利要求2所述的方法，其中，所述针对任一视频样本，分别根据所述视频样本中的帧的重量级特征，确定出所述视频样本的视频特征包括：

从所述视频样本中的各帧中选出符合要求的M帧，M为大于一的正整数，且小于所述视频样本中的帧数；

根据选出的M帧的重量级特征确定出所述视频样本的视频特征。

4.根据权利要求3所述的方法，其中，所述从所述视频样本中的各帧中选出符合要求的M帧包括：

针对所述视频样本中的任一帧，分别进行以下处理：获取所述帧分别属于N个不同类别的置信度分数，若其中取值最大的置信度分数对应的类别为所述视频样本所属的类别，则将所述帧确定为待选帧；

按照所述视频样本所属的类别对应的置信度分数从大到小的顺序对各待选帧进行排序，选出排序后处于前M位的帧，M小于所述候选帧的数量。

5.根据权利要求2所述的方法，其中，所述针对任一类别，分别根据属于所述类别的视频样本的视频特征，确定出所述类别的类原型包括：

从属于所述类别的各视频样本中选出符合要求的L个视频样本，L为大于一的正整数，且小于属于所述类别的视频样本的数量；

根据选出的L个视频样本的视频特征确定出所述类别的类原型。

6.根据权利要求5所述的方法，其中，所述从属于所述类别的各视频样本中选出符合要求的L个视频样本包括：

针对属于所述类别的各视频样本，分别获取其属于N个不同类别的置信度分数；

按照所述类别对应的置信度分数从大到小的顺序对属于所述类别的各视频样本进行排序，选出排序后处于前L位的视频样本。

7.根据权利要求2～6中任一项所述的方法，其中，所述针对任一视频样本中的任一帧，分别根据所述帧的重量级特征以及各类别的类原型，确定出所述帧的显著性评分包括：

针对任一视频样本中的任一帧，分别进行以下处理：

获取所述帧的重量级特征与所述帧所在的视频样本所属的第一类别的类原型之间的相似度，作为第一相似度；

分别获取所述帧的重量级特征与所述第一类别之外的其余N-1个类别的类原型之间的相似度，将其中的最大值作为第二相似度；

将所述第一相似度与所述第二相似度的比值作为所述帧的显著性评分。

8.一种视频识别方法，包括：

针对待识别的第一视频，利用按照权利要求1～7中任一项所述的方法获取到的评分模型，分别确定出所述第一视频中的各帧的显著性评分；

根据所述显著性评分从所述第一视频中的各帧中选出P个关键帧，P为大于一的正整数，且小于所述第一视频中的帧数；

根据所述P个关键帧生成所述第一视频的分类结果。

9.根据权利要求8所述的方法，其中，所述根据所述显著性评分从所述第一视频中的各帧中选出P个关键帧包括：

按照所述显著性评分从大到小的顺序对所述第一视频中的各帧进行排序；

选出排序后处于前P位的帧，作为所述关键帧。

10.根据权利要求8或9所述的方法，其中，所述根据所述P个关键帧生成所述第一视频的分类结果包括：

将所述P个关键帧输入重量级视频识别模型，得到所述分类结果。

11.一种评分模型获取装置，包括：特征获取模块、评分获取模块以及模型获取模块；

所述特征获取模块，用于针对作为训练数据的视频样本，分别获取其中的各帧的重量级特征以及轻量级特征，所述视频样本属于N个不同的类别，N为大于一的正整数；

所述评分获取模块，用于根据所述重量级特征分别确定出各帧的显著性评分；

所述模型获取模块，用于根据所述轻量级特征以及所述显著性评分，利用所述视频样本训练得到所述评分模型，所述评分模型用于确定出待识别的第一视频中的各帧的显著性评分，所述显著性评分用于从所述第一视频中的各帧中选出用于生成所述第一视频的分类结果的关键帧。

12.根据权利要求11所述的装置，其中，

所述评分获取模块针对任一视频样本，分别根据所述视频样本中的帧的重量级特征，确定出所述视频样本的视频特征，针对任一类别，分别根据属于所述类别的视频样本的视频特征，确定出所述类别的类原型，针对任一视频样本中的任一帧，分别根据所述帧的重量级特征以及各类别的类原型，确定出所述帧的显著性评分。

13.根据权利要求12所述的装置，其中，

所述评分获取模块从所述视频样本中的各帧中选出符合要求的M帧，M为大于一的正整数，且小于所述视频样本中的帧数，根据选出的M帧的重量级特征确定出所述视频样本的视频特征。

14.根据权利要求13所述的装置，其中，

所述评分获取模块针对所述视频样本中的任一帧，分别进行以下处理：获取所述帧分别属于N个不同类别的置信度分数，若其中取值最大的置信度分数对应的类别为所述视频样本所属的类别，则将所述帧确定为待选帧；按照所述视频样本所属的类别对应的置信度分数从大到小的顺序对各待选帧进行排序，选出排序后处于前M位的帧，M小于所述候选帧的数量。

15.根据权利要求12所述的装置，其中，

所述评分获取模块从属于所述类别的各视频样本中选出符合要求的L个视频样本，L为大于一的正整数，且小于属于所述类别的视频样本的数量，根据选出的L个视频样本的视频特征确定出所述类别的类原型。

16.根据权利要求15所述的装置，其中，

所述评分获取模块针对属于所述类别的各视频样本，分别获取其属于N个不同类别的置信度分数，并按照所述类别对应的置信度分数从大到小的顺序对属于所述类别的各视频样本进行排序，选出排序后处于前L位的视频样本。

17.根据权利要求12～16中任一项所述的装置，其中，

所述评分获取模块针对任一视频样本中的任一帧，分别进行以下处理：获取所述帧的重量级特征与所述帧所在的视频样本所属的第一类别的类原型之间的相似度，作为第一相似度；分别获取所述帧的重量级特征与所述第一类别之外的其余N-1个类别的类原型之间的相似度，将其中的最大值作为第二相似度；将所述第一相似度与所述第二相似度的比值作为所述帧的显著性评分。

18.一种视频识别装置，包括：评分模块、筛选模块以及识别模型；

所述评分模块，用于针对待识别的第一视频，利用按照权利要求11～17中任一项所述的装置获取到的评分模型，分别确定出所述第一视频中的各帧的显著性评分；

所述筛选模块，用于根据所述显著性评分从所述第一视频中的各帧中选出P个关键帧，P为大于一的正整数，且小于所述第一视频中的帧数；

所述识别模块，用于根据所述P个关键帧生成所述第一视频的分类结果。

19.根据权利要求18所述的装置，其中，

所述筛选模块按照所述显著性评分从大到小的顺序对所述第一视频中的各帧进行排序，选出排序后处于前P位的帧，作为所述关键帧。

20.根据权利要求18或19所述的装置，其中，

所述识别模块将所述P个关键帧输入重量级视频识别模型，得到所述分类结果。

21.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-10中任一项所述的方法。

22.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使计算机执行权利要求1-10中任一项所述的方法。

23.一种计算机程序产品，包括计算机程序/指令，所述计算机程序/指令被处理器执行时实现权利要求1-10中任一项所述的方法。

Images