CN110347876A - 视频分类方法、装置、终端设备及计算机可读存储介质 - Google Patents

视频分类方法、装置、终端设备及计算机可读存储介质 Download PDF

Info

Publication number
CN110347876A
CN110347876A CN201910628108.8A CN201910628108A CN110347876A CN 110347876 A CN110347876 A CN 110347876A CN 201910628108 A CN201910628108 A CN 201910628108A CN 110347876 A CN110347876 A CN 110347876A
Authority
CN
China
Prior art keywords
face
video
video frame
classification
feature
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201910628108.8A
Other languages
English (en)
Inventor
康健
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Oppo Mobile Telecommunications Corp Ltd
Original Assignee
Guangdong Oppo Mobile Telecommunications Corp Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangdong Oppo Mobile Telecommunications Corp Ltd filed Critical Guangdong Oppo Mobile Telecommunications Corp Ltd
Priority to CN201910628108.8A priority Critical patent/CN110347876A/zh
Publication of CN110347876A publication Critical patent/CN110347876A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/71—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/75—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30168—Image quality inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Quality & Reliability (AREA)
  • Computational Linguistics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请适用于视频分类技术领域，提供了视频分类方法、装置、终端设备及计算机可读存储介质，包括：对视频文件执行图像质量筛选操作，得到图像质量满足要求的视频帧；对所述视频帧执行人脸检测操作，确定人脸在视频帧的信息，所述人脸在视频帧的信息包括人脸数量和位置；根据所述人脸数量和位置裁剪出相应数量的人脸，并抽取所述人脸的人脸代表特征；根据所述人脸代表特征对所述人脸进行分类。通过上述方法，能够极大提高了视频人脸代表特征的抽取速度，并且，由于根据获取的人脸代表特征对人脸进行分类，因此，提高了分类结果的准确度。

Description

视频分类方法、装置、终端设备及计算机可读存储介质
技术领域
本申请属于视频分类技术领域，尤其涉及视频分类方法、装置、终端设备及计算机可读存储介质。
背景技术
人物分类属于视频分类中的一个子任务，人物视频分类是指给定一个视频片段，根据视频片段包含的人物对视频进行分类。
当前视频分类的主流算法包括：基于长短期记忆网络(Long Short-Term Memory，LSTM)和基于3维卷积神经网络(3D Convolutional Neural Networks，3D-CNN)。其中，经典的基于LSTM的方案通常结合了LSTM和CNN两种模型，这种结合充分利用了LSTM时序特征提取的优势和CNN空间特征提取的优势。而3D-CNN则是在2D的CNN基础上进行扩展衍生得到。这两种方法在视频分类任务中都表现出了不错的效果，但是由于采用的模型太过于复杂，因此很难直接应用到生产环境中。特别是3D-CNN方案，该方案将卷积网络的可训练参数扩展了一个维度，导致参数数量急剧增加，而大量的网络参数直接导致网络训练的复杂度过高和计算资源大量被消耗。
故，需要提供一种新的方法以解决上述技术问题。
发明内容
有鉴于此，本申请实施例提供了视频分类方法、装置、终端设备及计算机可读存储介质，以解决现有技术中难以快速对视频文件的人脸进行分类的问题。
本申请实施例的第一方面提供了一种视频分类方法，包括：
对视频文件执行图像质量筛选操作，得到图像质量满足要求的视频帧；
对所述视频帧执行人脸检测操作，确定人脸在视频帧的信息，所述人脸在视频帧的信息包括人脸数量和位置；
根据所述人脸数量和位置裁剪出相应数量的人脸，并抽取所述人脸的人脸代表特征；
根据所述人脸代表特征对所述人脸进行分类。
本申请实施例的第二方面提供了一种视频分类装置，包括：
图像质量筛选单元，用于对视频文件执行图像质量筛选操作，得到图像质量满足要求的视频帧；
人脸检测单元，用于对所述视频帧执行人脸检测操作，确定人脸在视频帧的信息，所述人脸在视频帧的信息包括人脸数量和位置；
人脸代表特征抽取单元，用于根据所述人脸数量和位置裁剪出相应数量的人脸，并抽取所述人脸的人脸代表特征；
人脸分类单元，用于根据所述人脸代表特征对所述人脸进行分类。
本申请实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中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如第一方面所述方法的步骤。
本申请实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述方法的步骤。
本申请实施例与现有技术相比存在的有益效果是：
由于先对视频文件执行图像质量筛选操作，因此，能够有效减少冗余的视频文件，并且，通过对筛选后的视频文件执行人脸检测、裁剪等操作，因此，能够从裁剪出的人脸中快速确定出人脸代表特征，从而在根据该人脸代表特征实现人脸的分类时，无需采用复杂的模型，极大提高了人脸分类的速度，并且，由于根据获取的人脸代表特征对人脸进行分类，因此，提高了分类结果的准确度。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的第一种视频分类方法的流程示意图；
图2是本申请实施例提供的第二种视频分类方法的流程示意图；
图3是本申请实施例提供的视频分类装置的结构示意图；
图4是本申请实施例提供的终端设备的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定***结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的***、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
为了说明本申请所述的技术方案，下面通过具体实施例来进行说明。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
具体实现中，本申请实施例中描述的终端设备包括但不限于诸如具有触摸敏感表面(例如，触摸屏显示器和/或触摸板)的移动电话、膝上型计算机或平板计算机之类的其它便携式设备。还应当理解的是，在某些实施例中，上述设备并非便携式通信设备，而是具有触摸敏感表面(例如，触摸屏显示器和/或触摸板)的台式计算机。
在接下来的讨论中，描述了包括显示器和触摸敏感表面的终端设备。然而，应当理解的是，终端设备可以包括诸如物理键盘、鼠标和/或控制杆的一个或多个其它物理用户接口设备。
终端设备支持各种应用程序，例如以下中的一个或多个：绘图应用程序、演示应用程序、文字处理应用程序、网站创建应用程序、盘刻录应用程序、电子表格应用程序、游戏应用程序、电话应用程序、视频会议应用程序、电子邮件应用程序、即时消息收发应用程序、锻炼支持应用程序、照片管理应用程序、数码相机应用程序、数字摄影机应用程序、web浏览应用程序、数字音乐播放器应用程序和/或数字视频播放器应用程序。
可以在终端设备上执行的各种应用程序可以使用诸如触摸敏感表面的至少一个公共物理用户接口设备。可以在应用程序之间和/或相应应用程序内调整和/或改变触摸敏感表面的一个或多个功能以及终端上显示的相应信息。这样，终端的公共物理架构(例如，触摸敏感表面)可以支持具有对用户而言直观且透明的用户界面的各种应用程序。
实施例：
图1示出了本申请实施例提供的第一种视频分类方法的流程图，本实施例中，主要针对视频文件包含的人脸进行分类，详述如下：
步骤S11，对视频文件执行图像质量筛选操作，得到图像质量满足要求的视频帧；
其中，对视频帧进行图像质量筛选包括：判断前景物体的边缘是否满足要求、判断视频帧的噪声是否满足要求、亮度值是否满足要求、灰度值的离散程度是否满足要求等等。
在本实施例中，可采用上述列举的任一种或几种的图像质量筛选操作(或采用上述没有列举的图像质量筛选操作)对视频文件的视频帧进行筛选处理，此处不作限定。
由于对视频文件先执行一次筛选操作，因此，能够有效减少后续需要处理的视频帧的数量。
在一些实施例中，由于视频文件的关键帧包含更多的信息，因此，为了进一步减少冗余的视频帧，则上述步骤S11具体为：
对视频文件的关键帧执行图像质量筛选操作，得到图像质量满足要求的视频帧。
本实施例中，由于是对关键帧执行图像质量筛选操作，因此，筛选后的视频帧也为关键帧。
步骤S12，对所述视频帧执行人脸检测操作，确定人脸在视频帧的信息，所述人脸在视频帧的信息包括人脸数量和位置；
具体地，采用人脸检测器检测检测视频帧中人脸的位置和人脸数量。比如，在检测到的人脸的位置上框选(如用矩形框框选)该人脸。若一个视频帧包括2个或2个以上的人脸，则分别框选出检测到的人脸。
步骤S13，根据所述人脸数量和位置裁剪出相应数量的人脸，并抽取所述人脸的人脸代表特征；
其中，人脸代表特征是指人脸特征中具有代表性的特征。该步骤中，由于只在裁剪出的人脸上抽取人脸代表特征，因此，无需从整个视频帧中抽取人脸代表特征，提高了人脸代表特征抽取的速度。
步骤S14，根据所述人脸代表特征对所述人脸进行分类。
具体地，根据获取的人脸代表特征以及分类器(如支持向量机等)对人脸进行分类，以实现对视频帧的语义理解。
本申请实施例中，对视频文件执行图像质量筛选操作，得到图像质量满足要求的视频帧，对所述视频帧执行人脸检测操作，确定人脸在视频帧的信息，所述人脸在视频帧的信息包括人脸数量和位置，根据所述人脸数量和位置裁剪出相应数量的人脸，并抽取所述人脸的人脸代表特征，根据所述人脸代表特征对所述人脸进行分类。由于先对视频文件执行图像质量筛选操作，因此，能够有效减少冗余的视频文件，并且，通过对筛选后的视频文件执行人脸检测、裁剪等操作，因此，能够从裁剪出的人脸中快速确定出人脸代表特征，从而在根据该人脸代表特征实现人脸的分类时，无需采用复杂的模型，极大提高了人脸分类的速度，并且，由于根据获取的人脸代表特征对人脸进行分类，因此，提高了分类结果的准确度。
为了进一步提高抽取的人脸代表特征的准确性，图2示出了本申请实施例提供的第二种视频分类方法的流程图，在本实施例中，在裁剪出人脸后还需要对人脸执行对齐操作，最后才从对齐后的人脸抽取人脸代表特征，其中，步骤S21和步骤S22与上述步骤S11和步骤S12相同，此处不再赘述：
步骤S21，对视频文件执行图像质量筛选操作，得到图像质量满足要求的视频帧；
步骤S22，对所述视频帧执行人脸检测操作，确定人脸在视频帧的信息，所述人脸在视频帧的信息包括人脸数量和位置；
步骤S23，根据所述人脸数量和位置裁剪出相应数量的人脸，并对裁剪出的人脸执行对齐操作；
该步骤的对齐操作是指对裁剪出的人脸执行平移或旋转等操作，保证操作后的人脸满足预设要求，比如满足正向面对用户的要求。
在一些实施例中，由于人物的运动等，所以人脸面向用户的角度可能存在差异，而通常只需要正向面对用户的人脸，此时，对齐操作具体为对人脸执行平移和/或旋转等操作，以使操作后的人脸正向面对用户。为了执行对齐操作，设置所述人脸在视频帧的信息还包括人脸锚点，此时，所述步骤S23包括：
根据所述人脸数量和位置裁剪出相应数量的人脸，再根据人脸锚点旋转裁剪出的人脸，以把所述人脸校正成正向的人脸，所述正向的人脸作为对齐后的人脸。
本实施例中，人脸锚点用于标识出人脸的固定特征，比如眼角、嘴角和鼻尖等位置，人脸对齐过程中，先利用人脸框把人脸从整张图像里面裁剪出来，再根据人脸锚点把人脸旋转校正成一张正脸，以滤除侧脸或偏脸的情况。
步骤S24，抽取对齐后的所述人脸的人脸特征，对抽取的人脸特征进行聚类，并对每个聚类得到的类别进行特征池化，得到对应类别下的人脸代表特征；
具体的，一个人脸特征是指一组抽象的数字，聚类是指对输出的人脸特征进行聚类。在聚类的时候，假设有10张人脸特征，即10个100维的向量，通过聚类算法Cluster之后，假设把这10个100维的向量分成了3组A,B,C，它A组和B组分别包含了3个向量，C组包含了4个向量。在各个组别里面，以A组为例，将A组的3个向量进行均值池化，即向量相加再除以3。这样得到的A组的中心向量作为人脸代表特征。其它组也可以通过同样的流程得到人脸代表特征。
步骤S25，将人脸代表特征输入到预先训练好的分类器中，得到所述人脸代表特征对应的人脸类别。
该步骤中，通过分类器，可以将相似或相同的人脸代表特征对应的人脸分为同一类别。例如，当一个人脸的人脸代表特征与另一个人脸的人脸代表特征相同，则这分类器模型将判定这两个人脸为同一类别的人脸。
本实施例中，由于对人脸执行对齐操作后才提取人脸代表特征，因此，保证提取的人脸代表特征都是从同一个角度提取的，从而提高提取的人脸代表特征的准确度。
在一些实施例中，为了快速确定出图像质量满足要求的视频帧，所述步骤S21(或步骤S11)，包括：
A1、以视频帧为单位，计算视频文件的视频帧的以下至少一个参数值：图像均值、图像标准差和图像平均梯度；
其中，图像均值是指图像像素的平均值，一个视频帧的图像均值反应了该视频帧的图像平均亮度，平均亮度越大，图像质量越好。例如，假设计算F视频帧的图像均值，该图像大小为(M,N)，M为图像矩阵的行数，N为图像矩阵的列数，则该F视频帧的图像均值u的计算公式为：
其中，图像标准差是指图像像素灰度值相对于平均值的离散程度，如果标准差越大，表明图像中灰度级分布越分散，图像质量也就越好，假设计算F视频帧的图像标准差，该图像大小为(M,N)，M为图像矩阵的行数，N为图像矩阵的列数，则该F视频帧的图像标准差std的计算公式为：
其中，图像平均梯度能反映图像中细节反差和纹理变换，它在一定程度上反映了图像的清晰程度，图像平均梯度的计算公式为：
上式中，Δx(F(i,j)、Δy(F(i,j)分别表示像素点(i，j)在x或者y方向上的一阶差分。
A2、若计算的参数值都大于或等于预设的参数阈值，则判定所述参数值对应的视频帧的图像质量满足要求，所述预设的参数阈值包括以下至少一个：图像均值阈值、图像标准差阈值和图像平均梯度阈值。
该步骤中，若计算的视频帧的参数值为图像均值，只判断该图像均值是否大于或等于预设的图像均值阈值，若大于或等于，则判定该视频帧的图像质量满足要求；若计算的参数值为图像均值和图像标准差，则需要同时判断该图像均值是否大于或等于预设的图像均值阈值，以及，判断该图像标准差是否大于或等于预设的图像标准差阈值，若图像均值大于或等于预设的图像均值阈值，且图像标准差也大于或等于预设的图像标准差阈值，则判定该视频帧的图像质量满足要求。当计算的参数值为其他情况，则其判断规则与上述类似，此处不再赘述。
根据上面的图像均值、图像标准差和图像平均梯度的计算公式可知，本申请实施例在执行图像质量筛选时，其对应的计算复杂度都较低，从而能够快速确定出第一集合包括的视频帧。
在一些实施例中，由于分类后能够得到相应的视频标签，此时，可根据该视频标签对其他指定视频文件执行指定操作，此时，在所述步骤S14之后，包括：
根据分类后获得的视频标签对指定视频文件执行指定操作，所述指定操作包括检索和管理。
本实施例中，由于根据分类后获得的视频标签对指定视频文件执行检索操作，从而实现对视频文件的文件内容的智能检索。
在一些实施例中，若所述指定操作为管理，则所述根据分类后获得的视频标签对指定视频文件执行指定操作，包括：
接收用户输入的自定义信息，根据所述自定义信息对分类后获得的视频标签进行归类，根据归类结果对指定视频文件执行归类操作。
其中，自定义信息可以为家人、朋友、同事等。通过自定义信息对视频标签归类后，能够根据归类后的视频标签对指定文件进行相应的归类操作，比如，在指定视频文件中包括“家人”这一视频标签时，将该指定视频文件归类为“家人”类别的视频文件。
实际情况中，终端设备(如手机)在显示存储的视频文件时，通常选择视频文件的第一帧作为该视频文件的封面。但由于视频文件的第一帧包含的信息量通常很少，比如，在视频文件是拍摄人物的视频文件时，该视频文件的第一帧很可能只是该人物的背影图像，或者为其他的景物的图像。因此，用户难以在视频文件显示的封面中获取更多的有效信息。为了能够让用户快速获知存储视频文件的拍摄内容，在一些实施例中，在所述步骤S14之后，包括：
从人脸分类后的视频帧中选择一个视频帧作为所述视频文件的封面帧。
该步骤中，可从分类后的视频帧中任意选择一个视频帧作为视频文件的封面帧。
其中，该步骤的封面帧指的是一个视频文件显示的视频帧，由于选取的封面帧是从人脸分类后的视频帧选择的，因此，保证该封面帧包含人脸的信息，而人脸包含的信息量较大，因此使得用户从封面帧中快速获取到更多的信息。
进一步地，由于一个视频文件通常包含多个人脸，而不同人脸在视频文件的重要程度是不同的，因此，为了将更重要的人脸所在的视频帧选择为视频文件的封面帧，则所述从人脸分类后的视频帧中选择一个视频帧作为所述视频文件的封面帧，包括：
B1、统计每一个分类包括的视频帧的数量；
若一个视频文件包含2个或2个以上的人脸，则根据上述步骤能够将人脸划分到对应的类别中，即一个分类(或类别)下为包含相同人脸的视频帧，当一个类别包含的视频帧越多，表明其在视频文件中所占的比例越大，对应的人脸的重要性也更大。
B2、从包括最大视频帧的数量所对应的分类下选择一个视频帧帧作为所述视频文件的封面帧。
本实施例中，由于封面帧是从包括最大视频帧的数量所对应的分类下选择的视频帧，因此，能够保证该视频文件的封面帧所含的信息量更大。
在一些实施例中，用户希望对拍摄的视频文件进行归类，即将包括同一人脸的视频文件归在同一个文件夹中，此时，在所述步骤S14之后，包括：
将具有同一分类的人脸所在的视频文件存入同一个文件夹。
本实施例中，当对多个视频文件的人脸进行分类后，可将具有同一分类的人脸所在的视频文件存入同一个文件夹。例如，在对多个视频文件的人脸进行人类后，新建不同的文件夹，并将具有同一分类的人脸所在的视频文件存入同一个文件夹。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
图3示出了本申请实施例提供的一种视频分类装置的结构示意图，该视频分类装置应用于终端设备中，为了便于说明，仅示出了与本申请实施例相关的部分。
该视频分类装置包括：图像质量筛选单元31、人脸检测单元32、人脸代表特征抽取单元33、人脸分类单元34。其中：
图像质量筛选单元31，用于对视频文件执行图像质量筛选操作，得到图像质量满足要求的视频帧；
其中，对视频帧进行图像质量筛选包括：判断前景物体的边缘是否满足要求、判断视频帧的噪声是否满足要求、亮度值是否满足要求、灰度值的离散程度是否满足要求等等。
在一些实施例中，由于视频文件的关键帧包含更多的信息，因此，为了进一步减少冗余的视频帧，则上述图像质量筛选单元31具体用于：
对视频文件的关键帧执行图像质量筛选操作，得到图像质量满足要求的视频帧。
人脸检测单元32，用于对所述视频帧执行人脸检测操作，确定人脸在视频帧的信息，所述人脸在视频帧的信息包括人脸数量和位置；
人脸代表特征抽取单元33，用于根据所述人脸数量和位置裁剪出相应数量的人脸，并抽取所述人脸的人脸代表特征；
人脸分类单元34，用于根据所述人脸代表特征对所述人脸进行分类。
本申请实施例中，由于先对视频文件执行图像质量筛选操作，因此，能够有效减少冗余的视频文件，并且，通过对筛选后的视频文件执行人脸检测、裁剪等操作，因此，能够从裁剪出的人脸中快速确定出人脸代表特征，从而在根据该人脸代表特征实现人脸的分类时，无需采用复杂的模型，极大提高了人脸分类的速度，并且，由于根据获取的人脸代表特征对人脸进行分类，因此，提高了分类结果的准确度。
为了进一步提高抽取的人脸代表特征的准确性，所述人脸代表特征抽取单元33包括：
人脸对齐模块，用于根据所述人脸数量和位置裁剪出相应数量的人脸，并对裁剪出的人脸执行对齐操作；
人脸特征聚类模块，用于抽取对齐后的所述人脸的人脸特征，对抽取的人脸特征进行聚类，并对每个聚类得到的类别进行特征池化，得到对应类别下的人脸代表特征；
对应地，所述人脸分类单元34具体用于：
将人脸代表特征输入到预先训练好的分类器模型中，得到所述人脸代表特征对应的人脸类别。
在一些实施例中，所述人脸在视频帧的信息还包括人脸锚点，此时，所述人脸对齐模块具体用于：
根据所述人脸数量和位置裁剪出相应数量的人脸，再根据人脸锚点旋转裁剪出的人脸，以把所述人脸校正成正向的人脸，所述正向的人脸作为对齐后的人脸。
在一些实施例中，为了快速确定出图像质量满足要求的视频帧，所述图像质量筛选单元31包括：
视频帧参数计算模块，用于以视频帧为单位，计算视频文件的视频帧的以下至少一个参数值：图像均值、图像标准差和图像平均梯度；
图像质量是否满足要求判断模块，用于若计算的参数值都大于或等于预设的参数阈值，则判定所述参数值对应的视频帧的图像质量满足要求，所述预设的参数阈值包括以下至少一个：图像均值阈值、图像标准差阈值和图像平均梯度阈值。
在一些实施例中，由于分类后能够得到相应人脸的视频标签，此时，可根据该人脸的视频标签对其他指定视频文件执行指定操作，此时，该视频分类装置3还包括：
指定操作执行单元，用于根据分类后获得的视频标签对指定视频文件执行指定操作，所述指定操作包括检索和管理。
本实施例中，由于根据分类后获得的视频标签对指定视频文件执行检索操作，从而实现对视频文件的文件内容的智能检索。
在一些实施例中，若所述指定操作为管理，则所述指定操作执行单元具体用于：
接收用户输入的自定义信息，根据所述自定义信息对分类后获得的视频标签进行归类，根据归类结果对指定视频文件执行归类操作。
其中，自定义信息可以为家人、朋友、同事等。通过自定义信息对视频标签归类后，能够根据归类后的视频标签对指定文件进行相应的归类操作，比如，在指定视频文件中包括“家人”这一视频标签时，将该指定视频文件归类为“家人”类别的视频文件。
为了能够让用户快速获知存储视频文件的拍摄内容，在一些实施例中，该视频分类装置3还包括：
任意帧选择单元，用于从人脸分类后的视频帧中选择一个视频帧作为所述视频文件的封面帧。
进一步地，由于一个视频文件通常包含多个人脸，而不同人脸在视频文件的重要程度是不同的，因此，为了将更重要的人脸所在的视频帧选择为视频文件的封面帧，则所述任意帧选择单元包括：
视频帧的数量统计模块，用于统计每一个分类包括的视频帧的数量；
重要视频帧选择模块，用于从包括最大视频帧的数量所对应的分类下选择一个视频帧帧作为所述视频文件的封面帧。
在一些实施例中，用户希望对拍摄的视频文件进行归类，即将包括同一人脸的视频文件归在同一个文件夹中，此时，该视频分类装置3还包括：
同一分类的人脸归类单元，用于将具有同一分类的人脸所在的视频文件存入同一个文件夹。
本实施例中，当对多个视频文件的人脸进行分类后，可将具有同一分类的人脸所在的视频文件存入同一个文件夹。
图4是本申请一实施例提供的终端设备的示意图。如图4所示，该实施例的终端设备4包括：处理器40、存储器41以及存储在所述存储器41中并可在所述处理器40上运行的计算机程序42。所述处理器40执行所述计算机程序42时实现上述各个方法实施例中的步骤，例如图1所示的步骤S11至S14。或者，所述处理器40执行所述计算机程序42时实现上述各装置实施例中各模块/单元的功能，例如图3所示模块31至34的功能。
示例性的，所述计算机程序42可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器41中，并由所述处理器40执行，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序42在所述终端设备4中的执行过程。例如，所述计算机程序42可以被分割成图像质量筛选单元、人脸检测单元、人脸代表特征抽取单元、人脸分类单元，各单元具体功能如下：
图像质量筛选单元，用于对视频文件执行图像质量筛选操作，得到图像质量满足要求的视频帧；
人脸检测单元，用于对所述视频帧执行人脸检测操作，确定人脸在视频帧的信息，所述人脸在视频帧的信息包括人脸数量和位置；
人脸代表特征抽取单元，用于根据所述人脸数量和位置裁剪出相应数量的人脸，并抽取所述人脸的人脸代表特征；
人脸分类单元，用于根据所述人脸代表特征对所述人脸进行分类。
所述终端设备4可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器40、存储器41。本领域技术人员可以理解，图4仅仅是终端设备4的示例，并不构成对终端设备4的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器40可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器41可以是所述终端设备4的内部存储单元，例如终端设备4的硬盘或内存。所述存储器41也可以是所述终端设备4的外部存储设备，例如所述终端设备4上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器41还可以既包括所述终端设备4的内部存储单元也包括外部存储设备。所述存储器41用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器41还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述***中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种视频分类方法，其特征在于，包括：
对视频文件执行图像质量筛选操作，得到图像质量满足要求的视频帧；
对所述视频帧执行人脸检测操作，确定人脸在视频帧的信息，所述人脸在视频帧的信息包括人脸数量和位置；
根据所述人脸数量和位置裁剪出相应数量的人脸，并抽取所述人脸的人脸代表特征；
根据所述人脸代表特征对所述人脸进行分类。
2.如权利要求1所述的视频分类方法，其特征在于，所述根据所述人脸数量和位置裁剪出相应数量的人脸，并抽取所述人脸的人脸代表特征，包括：
根据所述人脸数量和位置裁剪出相应数量的人脸，并对裁剪出的人脸执行对齐操作；
抽取对齐后的所述人脸的人脸特征，对抽取的人脸特征进行聚类，并对每个聚类得到的类别进行特征池化，得到对应类别下的人脸代表特征；
对应地，所述根据所述人脸代表特征对所述人脸进行分类具体为：
将人脸代表特征输入到预先训练好的分类器中，得到所述人脸代表特征对应的人脸类别。
3.如权利要求2所述的视频分类方法，其特征在于，所述人脸在视频帧的信息还包括人脸锚点，此时，所述根据所述人脸数量和位置裁剪出相应数量的人脸，并对裁剪出的人脸执行对齐操作，具体包括：
根据所述人脸数量和位置裁剪出相应数量的人脸，再根据人脸锚点旋转裁剪出的人脸，以把所述人脸校正成正向的人脸，所述正向的人脸作为对齐后的人脸。
4.如权利要求1所述的视频分类方法，其特征在于，所述对视频文件执行图像质量筛选操作，得到图像质量满足要求的视频帧，包括：
以视频帧为单位，计算视频文件的视频帧的以下至少一个参数值：图像均值、图像标准差和图像平均梯度；
若计算的参数值都大于或等于预设的参数阈值，则判定所述参数值对应的视频帧的图像质量满足要求，所述预设的参数阈值包括以下至少一个：图像均值阈值、图像标准差阈值和图像平均梯度阈值。
5.如权利要求1所述的视频分类方法，其特征在于，在所述根据所述人脸代表特征对所述人脸进行分类之后，包括：
根据分类后获得的视频标签对指定视频文件执行指定操作，所述指定操作包括检索和管理。
6.如权利要求5所述的视频分类方法，其特征在于，若所述指定操作为管理，则所述根据分类后获得的视频标签对指定视频文件执行指定操作，包括：
接收用户输入的自定义信息，根据所述自定义信息对分类后获得的视频标签进行归类；
根据归类结果对指定视频文件执行归类操作。
7.如权利要求1至6所述的视频分类方法，其特征在于，在所述根据所述人脸代表特征对所述人脸进行分类之后，包括：
将具有同一分类的人脸所在的视频文件存入同一个文件夹。
8.一种视频分类装置，其特征在于，包括：
图像质量筛选单元，用于对视频文件执行图像质量筛选操作，得到图像质量满足要求的视频帧；
人脸检测单元，用于对所述视频帧执行人脸检测操作，确定人脸在视频帧的信息，所述人脸在视频帧的信息包括人脸数量和位置；
人脸代表特征抽取单元，用于根据所述人脸数量和位置裁剪出相应数量的人脸，并抽取所述人脸的人脸代表特征；
人脸分类单元，用于根据所述人脸代表特征对所述人脸进行分类。
9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。
CN201910628108.8A 2019-07-12 2019-07-12 视频分类方法、装置、终端设备及计算机可读存储介质 Pending CN110347876A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910628108.8A CN110347876A (zh) 2019-07-12 2019-07-12 视频分类方法、装置、终端设备及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910628108.8A CN110347876A (zh) 2019-07-12 2019-07-12 视频分类方法、装置、终端设备及计算机可读存储介质

Publications (1)

Publication Number Publication Date
CN110347876A true CN110347876A (zh) 2019-10-18

Family

ID=68175903

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910628108.8A Pending CN110347876A (zh) 2019-07-12 2019-07-12 视频分类方法、装置、终端设备及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN110347876A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111177086A (zh) * 2019-12-27 2020-05-19 Oppo广东移动通信有限公司 文件聚类方法及装置、存储介质和电子设备
CN111553191A (zh) * 2020-03-30 2020-08-18 深圳壹账通智能科技有限公司 基于人脸识别的视频分类方法、装置及存储介质
CN111881755A (zh) * 2020-06-28 2020-11-03 腾讯科技（深圳）有限公司 一种视频帧序列的裁剪方法及装置
CN112101154A (zh) * 2020-09-02 2020-12-18 腾讯科技（深圳）有限公司 视频分类方法、装置、计算机设备和存储介质
CN113705386A (zh) * 2021-08-12 2021-11-26 北京有竹居网络技术有限公司 视频分类方法、装置、可读介质和电子设备
CN114153342A (zh) * 2020-08-18 2022-03-08 深圳市万普拉斯科技有限公司 视觉信息展示方法、装置、计算机设备和存储介质
CN115205768A (zh) * 2022-09-16 2022-10-18 山东百盟信息技术有限公司 一种基于分辨率自适应网络的视频分类方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104408429A (zh) * 2014-11-28 2015-03-11 北京奇艺世纪科技有限公司 一种视频代表帧提取方法及装置
US20170039419A1 (en) * 2015-08-05 2017-02-09 Canon Kabushiki Kaisha Information processing apparatus and control method of the same
CN107644213A (zh) * 2017-09-26 2018-01-30 司马大大（北京）智能***有限公司 视频人物提取方法及装置
CN109151501A (zh) * 2018-10-09 2019-01-04 北京周同科技有限公司 一种视频关键帧提取方法、装置、终端设备及存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104408429A (zh) * 2014-11-28 2015-03-11 北京奇艺世纪科技有限公司 一种视频代表帧提取方法及装置
US20170039419A1 (en) * 2015-08-05 2017-02-09 Canon Kabushiki Kaisha Information processing apparatus and control method of the same
CN107644213A (zh) * 2017-09-26 2018-01-30 司马大大（北京）智能***有限公司 视频人物提取方法及装置
CN109151501A (zh) * 2018-10-09 2019-01-04 北京周同科技有限公司 一种视频关键帧提取方法、装置、终端设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
都伊林: "《智能安防新发展与应用》", 31 May 2018 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111177086A (zh) * 2019-12-27 2020-05-19 Oppo广东移动通信有限公司 文件聚类方法及装置、存储介质和电子设备
CN111553191A (zh) * 2020-03-30 2020-08-18 深圳壹账通智能科技有限公司 基于人脸识别的视频分类方法、装置及存储介质
CN111881755A (zh) * 2020-06-28 2020-11-03 腾讯科技（深圳）有限公司 一种视频帧序列的裁剪方法及装置
CN111881755B (zh) * 2020-06-28 2022-08-23 腾讯科技（深圳）有限公司 一种视频帧序列的裁剪方法及装置
CN114153342A (zh) * 2020-08-18 2022-03-08 深圳市万普拉斯科技有限公司 视觉信息展示方法、装置、计算机设备和存储介质
CN112101154A (zh) * 2020-09-02 2020-12-18 腾讯科技（深圳）有限公司 视频分类方法、装置、计算机设备和存储介质
CN112101154B (zh) * 2020-09-02 2023-12-15 腾讯科技（深圳）有限公司 视频分类方法、装置、计算机设备和存储介质
CN113705386A (zh) * 2021-08-12 2021-11-26 北京有竹居网络技术有限公司 视频分类方法、装置、可读介质和电子设备
CN115205768A (zh) * 2022-09-16 2022-10-18 山东百盟信息技术有限公司 一种基于分辨率自适应网络的视频分类方法

Similar Documents

Publication Publication Date Title
CN110347876A (zh) 视频分类方法、装置、终端设备及计算机可读存储介质
Ma et al. Pyramidal feature shrinking for salient object detection
CN105095902B (zh) 图片特征提取方法及装置
CN109583449A (zh) 字符识别方法及相关产品
CN109064390A (zh) 一种图像处理方法、图像处理装置及移动终端
CN111325271B (zh) 图像分类方法及装置
CN108109152A (zh) 医学图像分类和分割方法和装置
CN110751218B (zh) 图像分类方法、图像分类装置及终端设备
CN109376645A (zh) 一种人脸图像数据优选方法、装置及终端设备
CN107622483A (zh) 一种图像合成方法及终端
CN110472082A (zh) 数据处理方法、装置、存储介质及电子设备
CN108961267A (zh) 图片处理方法、图片处理装置及终端设备
CN109165316A (zh) 一种视频处理方法、视频索引方法、装置及终端设备
CN104715170B (zh) 一种操作权限的确定方法和用户终端
CN110232318A (zh) 穴位识别方法、装置、电子设备及存储介质
CN111126347B (zh) 人眼状态识别方法、装置、终端及可读存储介质
Madan et al. Synthetically trained icon proposals for parsing and summarizing infographics
CN108898082A (zh) 图片处理方法、图片处理装置及终端设备
CN107517312A (zh) 一种壁纸切换方法、装置及终端设备
CN109214333A (zh) 卷积神经网络结构、人脸属性识别方法、装置及终端设备
WO2024016812A1 (zh) 显微图像的处理方法、装置、计算机设备及存储介质
CN111538852B (zh) 多媒体资源处理方法、装置、存储介质及设备
CN108133020A (zh) 视频分类方法、装置、存储介质及电子设备
CN110263741A (zh) 视频帧提取方法、装置及终端设备
CN108985215A (zh) 一种图片处理方法、图片处理装置及终端设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20191018