CN109815365A - 用于处理视频的方法和装置 - Google Patents

Abstract

本公开的实施例公开了用于处理视频的方法和装置。该方法的一具体实施方式包括：获取待标注视频；将待标注视频输入预先训练的视频分类模型，得到类别信息集合和类别信息对应的概率值，其中，类别信息用于表征待标注视频所属的类别；从类别信息集合中选择类别信息，其中，所选择的类别信息对应的概率值大于等于预设的概率阈值；对于所选择的类别信息中的类别信息，将待标注视频存储到与该类别信息预先建立对应关系的标注队列中，以使待标注视频发送到预先与标注队列建立对应关系的标注终端。该实施方式实现了将机器识别和人工标注相结合，有助于提高对视频进行标注的准确性和效率。

Description

用于处理视频的方法和装置

技术领域

本公开的实施例涉及计算机技术领域，具体涉及用于处理视频的方法和装置。

背景技术

随着互联网技术的发展，越来越多的视频出现在互联网中。为了便于对这些视频进行管理，可以使用视频分类模型，对视频进行类型识别。为了训练视频分类模型，通常需要对大量的样本视频进行标注，以区分样本视频的类型。目前主要由人工对视频进行标注。

发明内容

本公开的实施例提出了用于处理视频的方法和装置。

第一方面，本公开的实施例提供了一种用于处理视频的方法，该方法包括：获取待标注视频；将待标注视频输入预先训练的视频分类模型，得到类别信息集合和类别信息对应的概率值，其中，类别信息用于表征待标注视频所属的类别；从类别信息集合中选择类别信息，其中，所选择的类别信息对应的概率值大于等于预设的概率阈值；对于所选择的类别信息中的类别信息，将待标注视频存储到与该类别信息预先建立对应关系的标注队列中，以使待标注视频发送到预先与标注队列建立对应关系的标注终端。

在一些实施例中，从类别信息集合中选择类别信息，包括：响应于确定类别信息集合包括的、对应的概率值大于等于预设的概率阈值的类别信息的数量大于预设数量，从对应的概率值大于等于预设的概率阈值的类别信息中选择预设数量个类别信息。

在一些实施例中，从类别信息集合中选择类别信息，包括：响应于确定类别信息集合包括的、对应的概率值大于等于预设的概率阈值的类别信息的数量小于等于预设数量，选择对应的概率值大于等于预设的概率阈值的类别信息。

在一些实施例中，视频分类模型预先按照如下步骤训练得到：获取训练样本集合，其中，训练样本包括样本视频、预先对样本视频进行标注的样本类别信息集合；利用机器学习方法，将训练样本集合中的训练样本包括的样本视频作为输入，将与输入的样本视频对应的样本类别信息集合作为期望输出，训练得到视频分类模型。

在一些实施例中，视频分类模型为多标签分类模型。

在一些实施例中，在对于所选择的类别信息中的类别信息，将待标注视频存储到与该类别信息预先建立对应关系的标注队列中，以使待标注视频发送到预先与标注队列建立对应关系的标注终端之后，该方法还包括：获取标注后视频集合，其中，标注后视频是由标注终端对接收的待标注视频进行类别信息标注后得到的视频；利用机器学习方法，将标注后视频集合中的标注后视频作为视频分类模型的输入，将与输入的标注后视频对应的类别信息集合作为视频分类模型的期望输出，训练得到更新后的视频分类模型。

第二方面，本公开的实施例提供了一种用于处理视频的装置，该装置包括：第一获取单元，被配置成获取待标注视频；分类单元，被配置成将待标注视频输入预先训练的视频分类模型，得到类别信息集合和类别信息对应的概率值，其中，类别信息用于表征待标注视频所属的类别；选择单元，被配置成从类别信息集合中选择类别信息，其中，所选择的类别信息对应的概率值大于等于预设的概率阈值；存储单元，被配置成对于所选择的类别信息中的类别信息，将待标注视频存储到与该类别信息预先建立对应关系的标注队列中，以使待标注视频发送到预先与标注队列建立对应关系的标注终端。

在一些实施例中，选择单元进一步被配置成：响应于确定类别信息集合包括的、对应的概率值大于等于预设的概率阈值的类别信息的数量大于预设数量，从对应的概率值大于等于预设的概率阈值的类别信息中选择预设数量个类别信息。

在一些实施例中，选择单元进一步被配置成：响应于确定类别信息集合包括的、对应的概率值大于等于预设的概率阈值的类别信息的数量小于等于预设数量，选择对应的概率值大于等于预设的概率阈值的类别信息。

在一些实施例中，视频分类模型预先按照如下步骤训练得到：获取训练样本集合，其中，训练样本包括样本视频、预先对样本视频进行标注的样本类别信息集合；利用机器学习方法，将训练样本集合中的训练样本包括的样本视频作为输入，将与输入的样本视频对应的样本类别信息集合作为期望输出，训练得到视频分类模型。

在一些实施例中，视频分类模型为多标签分类模型。

在一些实施例中，该装置还包括：第二获取单元，被配置成获取标注后视频集合，其中，标注后视频是由标注终端对接收的待标注视频进行类别信息标注后得到的视频；训练单元，被配置成利用机器学习方法，将标注后视频集合中的标注后视频作为视频分类模型的输入，将与输入的标注后视频对应的类别信息集合作为视频分类模型的期望输出，训练得到更新后的视频分类模型。

第三方面，本公开的实施例提供了一种电子设备，该电子设备包括：一个或多个处理器；存储装置，其上存储有一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。

第四方面，本公开的实施例提供了一种计算机可读介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。

本公开的实施例提供的用于处理视频的方法和装置，通过将获取的待标注视频输入预先训练的视频分类模型，得到类别信息集合和类别信息对应的概率值，再根据概率值从类别信息集合中选择类别信息，最后将待标注视频存储到与选择的类别信息预先建立对应关系的标注队列中，以使待标注视频发送到预先与标注队列建立对应关系的标注终端以对待标注视频进行标注，从而通过使用视频分类模型和标注队列，实现了将机器识别和人工标注相结合，有助于提高对视频进行标注的准确性和效率。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显：

图1是本公开的一个实施例可以应用于其中的示例性***架构图；

图2是根据本公开的实施例的用于处理视频的方法的一个实施例的流程图；

图3是根据本公开的实施例的用于处理视频的方法的一个应用场景的示意图；

图4是根据本公开的实施例的用于处理视频的方法的又一个实施例的流程图；

图5是根据本公开的实施例的用于处理视频的装置的一个实施例的结构示意图；

图6是适于用来实现本公开的实施例的电子设备的结构示意图。

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相关公开，而非对该公开的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关公开相关的部分。

需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。

图1示出了可以应用本公开的实施例的用于处理视频的方法或用于处理视频的装置的示例性***架构100。

如图1所示，***架构100可以包括终端设备101、102、103，网络104、服务器105和标注终端106。网络104用以在终端设备101、102、103、服务器105、标注终端106之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如视频播放类应用，视频处理类应用、网页浏览器应用、社交平台软件等。

终端设备101、102、103，可以是硬件，也可以是软件。当为硬件时，可以是各种电子设备。当为软件时，可以安装在上述电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。

标注终端106可以是硬件，也可以是软件。当为硬件时，可以是各种电子设备。当为软件时，可以安装在上述电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。通常，标注人员可以使用标注终端106，对接收的待标注视频进行标注。

服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上传的待标注视频进行处理的后台视频处理服务器。后台视频处理服务器可以对获取的待标注视频进行处理，并根据处理结果(例如所选择的类别信息和与该类别信息预先建立对应关系的标注队列)将待标注视频发送到的对应的标注终端。

需要说明的是，本公开的实施例所提供的用于处理视频的方法可以由服务器105执行，也可以由终端设备101、102、103，相应地，用于处理视频的装置可以设置于服务器105中，也可以设置于终端设备101、102、103中。

需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，示出了根据本公开的用于处理视频的方法的一个实施例的流程200。该用于处理视频的方法，包括以下步骤：

步骤201，获取待标注视频。

在本实施例中，用于处理视频的方法的执行主体(例如图1所示的服务器或终端设备)可以通过有线连接方式或者无线连接方式从远程获取待标注视频，或从本地获取待标注视频。其中，待标注视频是待对其进行类别标注的视频。

步骤202，将待标注视频输入预先训练的视频分类模型，得到类别信息集合和类别信息对应的概率值。

在本实施例中，上述执行主体可以将待标注视频输入预先训练的视频分类模型，得到类别信息集合和类别信息对应的概率值。其中，视频分类模型用于表征待标注视频和类别信息集合的对应关系。类别信息用于表征待标注视频所属的类别。类别信息可以包括但不限于以下至少一种形式的信息：数字、文字、符号等。作为示例，类别信息集合可以包括如下文字形式的类别信息：海边、酒店、汽车、森林、卧室。作为另一示例，类别信息集合可以包括如下数字形式的类别信息：001、002、003、004、005，其中每个类别信息用于表征一个视频类别。

在本实施例中，类别信息对应的概率值用于表征待标注视频属于类别信息表征的视频类别的概率。例如，假设类别信息“海边”对应的概率值为0.6，则该概率值用于表征待标注视频的类别为“海边”的概率为0.6。

通常，视频分类模型可以包括特征提取部分和分类部分。其中，特征提取部分用于提取表征待标注视频的各种特征(例如颜色特征、形状特征等)的特征数据。分类部分可以对特征数据进行分类，从而得到待标注视频的类别信息集合。作为示例，视频分类模型可以是卷积神经网络模型，特征提取部分包括卷积层、池化层等，用于根据待标注视频包括的视频帧(可以是全部视频帧或部分视频帧)，生成特征数据，分类部分包括全连接层，用于将生成的特征数据连接为一个特征向量，并对该特征向量进行分类，最终得到待标注视频的类别信息集合。

上述视频分类模型可以是各种用于对视频进行分类的模型。作为示例，视频分类模型可以是单标签分类模型。单标签分类模型最终的输出结果用于表征从多个类别中选择一类，即选择对应的概率值最大的类别信息作为最终结果。通常，单标签分类模型为卷积神经网络模型，包括用于对视频进行分类的全连接层，全连接层可以输出类别信息集合中的每个类别信息对应的概率值，所有概率值的和为一。

在本实施例的一些可选的实现方式中，视频分类模型为多标签分类模型。多标签分类模型最终的输出结果包括由至少一个类别信息(即标签)组成的类别信息集合，用于表征输入的视频可以同时属于多个类别。通常，多标签分类模型输出的类别信息集合的每个类别信息对应的概率值的和可以大于一。作为示例，假设类别信息集合包括海边、酒店、汽车，分别对应的概率值可以是0.6、0.7、0.5。通过使用多标签分类模型，可以更全面地对待标注视频进行分类，从而有助于提高对待标注视频进行标注的准确性。

在本实施例的一些可选的实现方式中，视频分类模型可以预先按照如下步骤训练得到：

首先，获取训练样本集合。其中，训练样本包括样本视频、预先对样本视频进行标注的样本类别信息集合。作为示例，样本类别信息集合可以用向量的形式表征，向量中的每个元素即为类别信息。例如，假设向量包括N(N为预设的正整数)个元素，其中，序号为1的元素用于表征样本视频属于“海边”类，值为1，序号为2的元素用于表征样本视频属于“酒店”类，值为1。其他序号对应的元素为0，表征样本视频不属于元素对应的类别。

然后，利用机器学习方法，将训练样本集合中的训练样本包括的样本视频作为输入，将与输入的样本视频对应的样本类别信息集合作为期望输出，训练得到视频分类模型。

具体地，用于训练视频分类模型的执行主体可以利用机器学习算法，将获取到的训练样本集合中的训练样本包括的样本视频作为输入，将与输入的样本视频对应的样本类别信息集合作为期望输出，对初始模型(例如卷积神经网络模型)进行训练，针对每次训练输入的样本视频，可以得到实际输出。其中，实际输出是初始模型实际输出的数据，用于表征类别信息集合。然后，上述执行主体可以采用梯度下降法，基于实际输出和期望输出，调整初始模型的参数，将每次调整参数后得到的模型作为下次训练的初始模型，并在满足预设的结束条件的情况下，结束训练，从而训练得到视频分类模型。需要说明的是，这里预设的训练结束条件可以包括但不限于以下至少一项：训练时间超过预设时长；训练次数超过预设次数；计算所得的损失值小于预设损失阈值。其中，上述损失值是采用预设的损失函数(例如交叉熵损失函数)计算得到的、用于表征实际输出相对于期望输出之间的差异的数值。

在这里，上述执行主体可以采用批量训练算法对初始模型进行训练，也可以采用随机训练算法对初始模型进行训练，本申请实施例对此不做限定。

步骤203，从类别信息集合中选择类别信息。

在本实施例中，上述执行主体可以从类别信息集合中选择类别信息。其中，所选择的类别信息对应的概率值大于等于预设的概率阈值。

在本实施例的一些可选的实现方式中，上述执行主体可以按照如下步骤从类别信息集合中选择类别信息：

响应于确定类别信息集合包括的、对应的概率值大于等于预设的概率阈值的类别信息的数量大于预设数量，从对应的概率值大于等于预设的概率阈值的类别信息中选择预设数量个类别信息。作为示例，假设概率阈值为0.6，上述执行主体可以首先确定大于等于0.6的概率值对应的类别信息，再从所确定的类别信息中，按照各种方式选择(例如随机选择，或按照对应的概率值由大到小的顺序选择)预设数量(例如3)个类别信息。

在本实施例的一些可选的实现方式中，上述执行主体可以按照如下步骤从类别信息集合中选择类别信息：

响应于确定类别信息集合包括的、对应的概率值大于等于预设的概率阈值的类别信息的数量小于等于预设数量，选择对应的概率值大于等于预设的概率阈值的类别信息。作为示例，假设概率阈值为0.6，上述执行主体可以首先确定大于等于0.6的概率值对应的类别信息的数量，如果数量小于等于预设数量(例如3)，则将所有大于等于0.6的概率值对应的类别信息确定为所选择的类别信息。

步骤204，对于所选择的类别信息中的类别信息，将待标注视频存储到与该类别信息预先建立对应关系的标注队列中，以使待标注视频发送到预先与标注队列建立对应关系的标注终端。

在本实施例中，对于所选择的类别信息中的类别信息，上述执行主体可以将待标注视频存储到与该类别信息预先建立对应关系的标注队列中，以使待标注视频发送到预先与所存储的标注队列建立对应关系的标注终端(如图1所示的标注终端)。

类别信息与标注队列的对应关系可以由诸如二维表格、链表等形式表征。例如，标注队列可以对应于预设的编号，编号和类别信息可以对应地存储到二维表格中，上述执行主体可以根据每个类别信息，从二维表格中查找与类别信息对应的编号，从而确定出标注队列。类似地，标注队列与标注终端的对应关系也可以由诸如二维表格、链表等形式表征。例如，二维表格中存储有标注队列的编号和标注终端的标识(例如网络地址信息)，上述执行主体可以根据标注队列的编号，查找到对应的标注终端的标识，从而根据标识将待标注视频发送到对应的标注终端。

其中，标注队列可以是预先设置的、用于存储待标注视频的存储区。标注队列可以设置在上述执行主体中，也可以设置在与上述执行主体通信连接的其他电子设备中。当标注队列存储了至少两个待标注视频时，可以按照存储的先后顺序，依次发送到与标注队列对应的标注终端。

作为示例，假设步骤203中选择的类别信息包括：海边、酒店、汽车，分别对应于预先建立的标注队列A、B、C，则上述执行主体可以将标注队列A中的待标注视频发送到对应的标注终端a，标注人员使用标注终端a对待标注视频进行标注，生成用于表征待标注视频是否属于“海边”类别的视频的类别信息。同时，上述执行主体可以将待标注视频分别发送到与标注队列B、C对应的标注终端b、c，以使标注人员对待标注视频进行标注，生成用于表征待标注视频是否属于“酒店”类别的视频的类别信息和用于表征待标注视频是否属于“汽车”类别的视频的类别信息。

需要说明的是，上述各个标注队列分别对应的标注终端可以是硬件。标注终端也可以是软件，例如，每个标注终端对应于一个标注界面，标注人员可以通过该标注界面对待标注视频标注对应的类别信息。

通过使用标注队列，可以有针对性的将待标注视频发送到各个标注终端，标注人员可以只判断所接收的待标注视频是否属于与标注队列对应的视频类别，从而简化了对视频标注的过程，有利于提高对视频标注的效率。

继续参见图3，图3是根据本实施例的用于处理视频的方法的应用场景的一个示意图。在图3的应用场景中，电子设备301首先从本地获取一个待标注视频302。然后，电子设备301将待标注视频302输入预先训练的视频分类模型303，得到类别信息集合304(例如包括类别信息“海边”、“酒店”、“汽车”、“森林”、“卧室”)。和每个类别信息对应的概率值(例如分别为0.8、0.7、0.6、0.4、0.1、)。随后，电子设备301从类别信息集合304中选择对应的概率值大于等于预设的概率阈值(例如0.6)的类别信息“海边”、“酒店”、“汽车”。最后，电子设备301将待标注视频302存储到与类别信息“海边”、“酒店”、“汽车”分别对应的标注队列A、B、C中，标注队列A、B、C中的待标注视频302分别被发送到对应的标注终端3051、3052、3053，从而标注人员可以利用标注终端对接收的待标注视频302进行标注。

本公开的上述实施例提供的方法，通过将获取的待标注视频输入预先训练的视频分类模型，得到类别信息集合和类别信息对应的概率值，再根据概率值从类别信息集合中选择类别信息，最后将待标注视频存储到与选择的类别信息预先建立对应关系的标注队列中，以使待标注视频发送到预先与标注队列建立对应关系的标注终端以对待标注视频进行标注，通过使用视频分类模型，确定出待标注视频可能属于的类别，再通过标注队列，进一步准确地对待标注视频进行标注，从而利用视频分类模型和标注队列，实现了将机器识别和人工标注相结合，提高了对视频进行标注的准确性和效率。

进一步参考图4，其示出了用于处理视频的方法的又一个实施例的流程400。该用于处理视频的方法的流程400，包括以下步骤：

步骤401，获取待标注视频。

在本实施例中，步骤401与图2对应实施例中的步骤201基本一致，这里不再赘述。

步骤402，将待标注视频输入预先训练的视频分类模型，得到类别信息集合和类别信息对应的概率值。

在本实施例中，步骤402与图2对应实施例中的步骤202基本一致，这里不再赘述。

步骤403，从类别信息集合中选择类别信息。

在本实施例中，步骤403与图2对应实施例中的步骤203基本一致，这里不再赘述。

步骤404，对于所选择的类别信息中的类别信息，将待标注视频存储到与该类别信息预先建立对应关系的标注队列中，以使待标注视频发送到预先与标注队列建立对应关系的标注终端。

在本实施例中，步骤404与图2对应实施例中的步骤204基本一致，这里不再赘述。

步骤405，获取标注后视频集合。

在本实施例中，用于处理视频的方法的执行主体(例如图1所示的服务器或终端设备)可以从远程或从本地获取标注后视频集合。其中，标注后视频是由标注终端对接收的待标注视频进行类别信息标注后得到的视频。通常，标注终端可以将标注后视频发送到上述执行主体，上述执行主体再将接收到的各个标注后视频组合成标注后视频集合。

标注后视频对应于标注的类别信息集合。通常，类别信息集合可以为向量的形式，向量中的每个元素即为类别信息。由于一个标注终端对应于一个标注队列，而标注队列对应于一个类别信息，因此，对于一个标注后视频，该标注后视频对应的向量包括的元素中，表征该标注后视频的类别信息的元素可以设置为预设数值(例如1)，其他元素可以设置为其他数值(例如0)。

需要说明的是，如下步骤406中，训练视频分类模型所用的标注后视频对应的类别信息集合，可以直接采用标注终端标注的类别信息集合，此时可以采用单标签分类模型的训练方法训练视频分类模型。此外，标注后视频对应的类别信息集合也可以是由上述执行主体将多个相同的标注后视频分别对应的类别信息集合聚合后生成的新的标注信息集合。例如，标注信息集合的形式为向量，向量中包括多个值为1的元素，表征标注后视频属于每个值为1的元素表征的类别，其他元素的值为0，表征标注后视频不属于这些元素表征的类别。此时，可以采用多标签分类模型的训练方法训练视频分类模型。

步骤406，利用机器学习方法，将标注后视频集合中的标注后视频作为视频分类模型的输入，将与输入的标注后视频对应的类别信息集合作为视频分类模型的期望输出，训练得到更新后的视频分类模型。

在本实施例中，上述执行主体可以利用机器学习方法，将标注后视频集合中的标注后视频作为上述视频分类模型的输入，将与输入的标注后视频对应的类别信息集合作为视频分类模型的期望输出，训练得到更新后的视频分类模型。

具体地，上述执行主体可以利用机器学习算法，将标注后视频集合中的标注后视频作为输入，将与输入的标注后视频对应的类别信息集合作为期望输出，对视频分类模型进行训练，针对每次训练输入的标注后视频，可以得到实际输出。其中，实际输出是视频分类模型实际输出的数据，用于表征类别信息集合。然后，上述执行主体可以采用梯度下降法，基于实际输出和期望输出，调整视频分类模型的参数，将每次调整参数后得到的模型作为下次训练的视频分类模型，并在满足预设的结束条件的情况下，结束训练，从而训练得到更新后的视频分类模型。需要说明的是，这里预设的训练结束条件可以包括但不限于以下至少一项：训练时间超过预设时长；训练次数超过预设次数；计算所得的损失值小于预设损失阈值。其中，上述损失值是采用预设的损失函数(例如softmax损失函数)计算得到的、用于表征实际输出相对于期望输出之间的差异的数值。

在这里，上述执行主体可以采用批量训练算法对初始模型进行训练，也可以采用随机训练算法对初始模型进行训练，本申请实施例对此不做限定。

从图4中可以看出，与图2对应的实施例相比，本实施例中的用于处理视频的方法的流程400突出了对视频分类模型进行更新的步骤。通过使用从标注终端得到的标注后视频，对视频分类模型进行更新，可以扩大训练视频分类模型的训练样本的数量，并且，由于标注后视频对应的类别信息集合是由人工确定的，准确性更高，因此，可以进一步提高视频分类模型对视频进行分类的准确性。

进一步参考图5，作为对上述各图所示方法的实现，本公开提供了一种用于处理视频的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，本实施例的用于处理视频的装置500包括：第一获取单元501，被配置成获取待标注视频；分类单元502，被配置成将待标注视频输入预先训练的视频分类模型，得到类别信息集合和类别信息对应的概率值，其中，类别信息用于表征待标注视频所属的类别；选择单元503，被配置成从类别信息集合中选择类别信息，其中，所选择的类别信息对应的概率值大于等于预设的概率阈值；存储单元504，被配置成对于所选择的类别信息中的类别信息，将待标注视频存储到与该类别信息预先建立对应关系的标注队列中，以使待标注视频发送到预先与标注队列建立对应关系的标注终端。

在本实施例中，第一获取单元501可以通过有线连接方式或者无线连接方式从远程获取待标注视频，或从本地获取待标注视频。其中，待标注视频是待对其进行类别标注的视频。

在本实施例中，分类单元502可以将待标注视频输入预先训练的视频分类模型，得到类别信息集合和类别信息对应的概率值。其中，视频分类模型用于表征待标注视频和类别信息集合的对应关系。类别信息用于表征待标注视频所属的类别。类别信息可以包括但不限于以下至少一种形式的信息：数字、文字、符号等。作为示例，类别信息集合可以包括如下文字形式的类别信息：海边、酒店、汽车、森林、卧室。作为另一示例，类别信息集合可以包括如下数字形式的类别信息：001、002、003、004、005，其中每个类别信息用于表征一个视频类别。

在本实施例中，类别信息对应的概率值用于表征待标注视频属于类别信息表征的视频类别的概率。例如，假设类别信息“海边”对应的概率值为0.6，则该概率值用于表征待标注视频的类别为“海边”的概率为0.6。

通常，视频分类模型可以包括特征提取部分和分类部分。其中，特征提取部分用于提取表征待标注视频的各种特征(例如颜色特征、形状特征等)的特征数据。分类部分可以对特征数据进行分类，从而得到待标注视频的类别信息集合。作为示例，视频分类模型可以是卷积神经网络模型，特征提取部分包括卷积层、池化层等，用于根据待标注视频包括的视频帧(可以是全部视频帧或部分视频帧)，生成特征数据，分类部分包括全连接层，用于将生成的特征数据连接为一个特征向量，并对该特征向量进行分类，最终得到待标注视频的类别信息集合。

在本实施例中，选择单元503可以从类别信息集合中选择类别信息。其中，所选择的类别信息对应的概率值大于等于预设的概率阈值。

在本实施例中，对于所选择的类别信息中的类别信息，存储单元504可以将待标注视频存储到与该类别信息预先建立对应关系的标注队列中，以使待标注视频发送到预先与标注队列建立对应关系的标注终端(如图1所示的标注终端)。

其中，标注队列可以是预先设置的、用于顺序地存储待标注视频的存储区。标注队列中的待标注视频，可以按照存储的顺序，依次发送到与标注队列对应的标注终端。

需要说明的是，上述各个标注队列分别对应的标注终端可以是硬件。标注终端也可以是软件，例如，每个标注终端对应于一个标注界面，标注人员可以通过该标注界面对待标注视频标注对应的类别信息。

通过使用标注队列，可以有针对性地将待标注视频发送到各个标注终端，标注人员可以只判断所接收的待标注视频是否属于与标注队列对应的视频类别，从而简化了对视频标注的过程，有利于提高对视频标注的效率。

在本实施例的一些可选的实现方式中，选择单元503可以进一步被配置成：响应于确定类别信息集合包括的、对应的概率值大于等于预设的概率阈值的类别信息的数量大于预设数量，从对应的概率值大于等于预设的概率阈值的类别信息中选择预设数量个类别信息。

在本实施例的一些可选的实现方式中，选择单元503可以进一步被配置成：响应于确定类别信息集合包括的、对应的概率值大于等于预设的概率阈值的类别信息的数量小于等于预设数量，选择对应的概率值大于等于预设的概率阈值的类别信息。

在本实施例的一些可选的实现方式中，视频分类模型可以预先按照如下步骤训练得到：获取训练样本集合，其中，训练样本包括样本视频、预先对样本视频进行标注的样本类别信息集合；利用机器学习方法，将训练样本集合中的训练样本包括的样本视频作为输入，将与输入的样本视频对应的样本类别信息集合作为期望输出，训练得到视频分类模型。

在本实施例的一些可选的实现方式中，视频分类模型为多标签分类模型。

在本实施例的一些可选的实现方式中，该装置还可以包括：第二获取单元(图中未示出)，被配置成获取标注后视频集合，其中，标注后视频是由标注终端对接收的待标注视频进行类别信息标注后得到的视频；训练单元(图中未示出)，被配置成利用机器学习方法，将标注后视频集合中的标注后视频作为视频分类模型的输入，将与输入的标注后视频对应的类别信息集合作为视频分类模型的期望输出，训练得到更新后的视频分类模型。

本公开的上述实施例提供的装置，通过将获取的待标注视频输入预先训练的视频分类模型，得到类别信息集合和类别信息对应的概率值，再根据概率值从类别信息集合中选择类别信息，最后将待标注视频存储到与选择的类别信息预先建立对应关系的标注队列中，以使待标注视频发送到预先与标注队列建立对应关系的标注终端以对待标注视频进行标注，从而通过使用视频分类模型和标注队列，实现了将机器识别和人工标注相结合，提高了对视频进行标注的准确性和效率。

下面参考图6，其示出了适于用来实现本公开的实施例的电子设备(例如图1中的服务器或终端设备)600的结构示意图。本公开的实施例中的终端设备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)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图6示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。

如图6所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

通常，以下装置可以连接至I/O接口605：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606；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600，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。图6中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。

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609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM 602被安装。在该计算机程序被处理装置601执行时，执行本公开的实施例的方法中限定的上述功能。需要说明的是，本公开的实施例所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***、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。在本公开的实施例中，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***、装置或者器件使用或者与其结合使用。而在本公开的实施例中，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***、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电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。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电子设备执行时，使得该电子设备：获取待标注视频；将待标注视频输入预先训练的视频分类模型，得到类别信息集合和类别信息对应的概率值，其中，类别信息用于表征待标注视频所属的类别；从类别信息集合中选择类别信息，其中，所选择的类别信息对应的概率值大于等于预设的概率阈值；对于所选择的类别信息中的类别信息，将待标注视频存储到与该类别信息预先建立对应关系的标注队列中，以使待标注视频发送到预先与标注队列建立对应关系的标注终端。

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实施例的操作的计算机程序代码，所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***来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开的实施例中所涉及到的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。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括第一获取单元、分类单元、选择单元和存储单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一获取单元还可以被描述为“获取待标注视频的单元”。

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，本公开的实施例中所涉及的发明范围，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发明构思的情况下，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的实施例中公开的(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 (14)

1.一种用于处理视频的方法，包括：

获取待标注视频；

将所述待标注视频输入预先训练的视频分类模型，得到类别信息集合和类别信息对应的概率值，其中，类别信息用于表征所述待标注视频所属的类别；

从所述类别信息集合中选择类别信息，其中，所选择的类别信息对应的概率值大于等于预设的概率阈值；

对于所选择的类别信息中的类别信息，将所述待标注视频存储到与该类别信息预先建立对应关系的标注队列中，以使所述待标注视频发送到预先与标注队列建立对应关系的标注终端。

2.根据权利要求1所述的方法，其中，所述从所述类别信息集合中选择类别信息，包括：

响应于确定所述类别信息集合包括的、对应的概率值大于等于预设的概率阈值的类别信息的数量大于预设数量，从对应的概率值大于等于预设的概率阈值的类别信息中选择预设数量个类别信息。

3.根据权利要求1所述的方法，其中，所述从所述类别信息集合中选择类别信息，包括：

响应于确定所述类别信息集合包括的、对应的概率值大于等于预设的概率阈值的类别信息的数量小于等于预设数量，选择对应的概率值大于等于预设的概率阈值的类别信息。

4.根据权利要求1所述的方法，其中，所述视频分类模型预先按照如下步骤训练得到：

获取训练样本集合，其中，训练样本包括样本视频、预先对样本视频进行标注的样本类别信息集合；

利用机器学习方法，将所述训练样本集合中的训练样本包括的样本视频作为输入，将与输入的样本视频对应的样本类别信息集合作为期望输出，训练得到所述视频分类模型。

5.根据权利要求1-4之一所述的方法，其中，所述视频分类模型为多标签分类模型。

6.根据权利要求1-4之一所述的方法，其中，在所述对于所选择的类别信息中的类别信息，将所述待标注视频存储到与该类别信息预先建立对应关系的标注队列中，以使所述待标注视频发送到预先与标注队列建立对应关系的标注终端之后，所述方法还包括：

获取标注后视频集合，其中，标注后视频是由标注终端对接收的待标注视频进行类别信息标注后得到的视频；

利用机器学习方法，将所述标注后视频集合中的标注后视频作为所述视频分类模型的输入，将与输入的标注后视频对应的类别信息集合作为所述视频分类模型的期望输出，训练得到更新后的视频分类模型。

7.一种用于处理视频的装置，包括：

第一获取单元，被配置成获取待标注视频；

分类单元，被配置成将所述待标注视频输入预先训练的视频分类模型，得到类别信息集合和类别信息对应的概率值，其中，类别信息用于表征所述待标注视频所属的类别；

选择单元，被配置成从所述类别信息集合中选择类别信息，其中，所选择的类别信息对应的概率值大于等于预设的概率阈值；

存储单元，被配置成对于所选择的类别信息中的类别信息，将所述待标注视频存储到与该类别信息预先建立对应关系的标注队列中，以使所述待标注视频发送到预先与标注队列建立对应关系的标注终端。

8.根据权利要求7所述的装置，其中，所述选择单元进一步被配置成：

响应于确定所述类别信息集合包括的、对应的概率值大于等于预设的概率阈值的类别信息的数量大于预设数量，从对应的概率值大于等于预设的概率阈值的类别信息中选择预设数量个类别信息。

9.根据权利要求7所述的装置，其中，所述选择单元进一步被配置成：

响应于确定所述类别信息集合包括的、对应的概率值大于等于预设的概率阈值的类别信息的数量小于等于预设数量，选择对应的概率值大于等于预设的概率阈值的类别信息。

10.根据权利要求7所述的装置，其中，所述视频分类模型预先按照如下步骤训练得到：

获取训练样本集合，其中，训练样本包括样本视频、预先对样本视频进行标注的样本类别信息集合；

利用机器学习方法，将所述训练样本集合中的训练样本包括的样本视频作为输入，将与输入的样本视频对应的样本类别信息集合作为期望输出，训练得到所述视频分类模型。

11.根据权利要求7-10之一所述的装置，其中，所述视频分类模型为多标签分类模型。

12.根据权利要求7-10之一所述的装置，其中，所述装置还包括：

第二获取单元，被配置成获取标注后视频集合，其中，标注后视频是由标注终端对接收的待标注视频进行类别信息标注后得到的视频；

训练单元，被配置成利用机器学习方法，将所述标注后视频集合中的标注后视频作为所述视频分类模型的输入，将与输入的标注后视频对应的类别信息集合作为所述视频分类模型的期望输出，训练得到更新后的视频分类模型。

13.一种电子设备，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。

14.一种计算机可读介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如权利要求1-6中任一所述的方法。