技术摘要：
本发明涉及一种视频精彩片段检测方法及系统，所述检测方法包括：将待测视频均分为多段视频片段；提取各视频片段的特征，得到对应各视频片段的特征表示；根据各特征表示及各视频片段之间关系，确定各视频片段的表示；利用图网络，更新各视频片段的信息；通过二元赋值向  全部
背景技术：
随着便携摄像机和智能眼镜等可穿戴设备的普及，越来越多的人通过视频记录自 己的生活，从而使得视频精彩片段检测显得日益重要。 现有的大多数视频精彩片段检测方法都是提取视频整体特征，并没有考虑到时空 局部特征存在差异。由于视频内容的复杂性，这种混合特征将会影响最终精彩片段的检测 效果。 其中，现有视频检测模型主要分成三种，即基于隐变量的排序模型，基于自动编码 器的模型以及基于卷积神经网络的模型。而基于隐变量的模型虽然解决了视频中存在大量 噪声的问题，扩大了训练样本的范围，但由于采用手工特征表示视频，导致检测精度较低； 基于自动编码器的模型降低了对训练数据中负样本数量的要求，但由于整个过程是一个无 监督学习，因此检测精度较低；基于卷积神经网络的模型利用双支网络考虑了视频空间与 时间维度上的信息，但未考虑不同帧提供的信息不同，在同一帧中，不同区域提供的信息也 不同，导致检测信息也不准确。
技术实现要素：
为了解决现有技术中的上述问题，即为了提高视频片段的检测精度，本发明的目 的在于提供一种视频精彩片段检测方法及系统。 为解决上述技术问题，本发明提供了如下方案： 一种视频精彩片段检测方法，所述检测方法包括： 将待测视频均分为多段视频片段； 提取各视频片段的特征，得到对应各视频片段的特征表示； 根据各特征表示及各视频片段之间关系，确定各视频片段的表示； 利用图网络，更新各视频片段的信息； 通过二元赋值向量模型，根据各视频片段的信息，确定各视频片段是否是精彩片 段。 可选地，根据以下公式确定各视频片段的表示： G＝(V,E)； 其中，G为有向图，用于表示各视频片段；V为节点集合，用于表示视频片段的特征； E为边集合，用于表示为各视频片段之间关系。 可选地，根据以下公式，计算边集合E： 5 CN 111611950 A 说　明　书 2/7 页 其中，H(·)表示特征变换函数， 表示图网络中第l层中第i个节点的特征表示， 表示图网络中第l层中连接第i个节点和第j个节点的边的特征表示；根据 得到边 集合E。 可选地，根据以下公式，得到更新各视频片段的信息 其中， 表示图网络中第l层中传播到第i个节点上的消息， 表示图网络中第l 层中第i个节点的特征表示， 表示图网络中第l层中连接第i个节点和第j个节点的边的 特征表示； 是可学习的权重，σ是softmax函数，M和h均为特征变换函数，ReLU(·)表 示激活函数。 可选地，所述通过二元赋值向量模型，根据各视频片段的信息，确定各视频片段是 否是精彩片段，具体包括： 通过二元赋值向量模型，根据各视频片段的信息，计算各视频片段的特征的模； 选择k个模最大的片段作为精彩片段的候选。 可选地，所述检测方法还包括： 根据检测的结果，确定无监督视频精彩片段检测的损失函数； 根据所述损失函数，对所述二元赋值向量模型更新。 可选地，所述根据检测的结果，确定无监督视频精彩片段检测的损失函数，具体包 括： 通过特征学习网络，学习待测视频的视频片段，得到视频重构的特征： hi＝MLP(xi)； 其中，xi是第i个片段的预训练的原始特征，hi是用于重构的特征，MLP(·)表示多 层感知器； 根据以下公式，计算得到由精彩片段重构原始视频的特征表示S： 其中，q＝[ql，...，qk]，qk为第k个候选精彩片段， 表示图网络中第L层中第q个 节点的特征表示； 根据以下公式，计算得到非精彩片段重构原始视频的特征表示u： 6 CN 111611950 A 说　明　书 3/7 页 其中，qC表示q的补集， 表示图网络中第L层中第i个节点的特征表示； 根据以下公式，计算得到原始视频的特征表示v： 其中，maxPool(·)表示最大池化函数，T表示视频片段的数量； 根据以下公式，计算得到重构损失函数Lr(s,v)： Lr(s,v)＝||s-v||2； 其中，||·||2表示范数； 根据以下公式，计算得到对比损失函数Lc(s,u,v)： Lc(s,u,v)＝max(0,τ-||u-v||2 ||s-v||2)； 其中，τ表示预先设定的阈值； 根据以下公式，计算得到损失函数L： 其中，N表示视频个数，λ是一个平衡项。 为解决上述技术问题，本发明还提供了如下方案： 一种视频精彩片段检测系统，所述检测系统包括： 分段单元，用于将待测视频均分为多段视频片段； 提取单元，用于提取各视频片段的特征，得到对应各视频片段的特征表示； 关联单元，用于根据各特征表示及各视频片段之间关系，确定各视频片段的表示； 更新单元，用于利用图网络，更新各视频片段的信息； 确定单元，用于通过二元赋值向量模型，根据各视频片段的信息，确定各视频片段 是否是精彩片段。 为解决上述技术问题，本发明还提供了如下方案： 一种视频精彩片段检测系统，包括： 处理器；以及 被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处 理器执行以下操作： 将待测视频均分为多段视频片段； 提取各视频片段的特征，得到对应各视频片段的特征表示； 根据各特征表示及各视频片段之间关系，确定各视频片段的表示； 利用图网络，更新各视频片段的信息； 通过二元赋值向量模型，根据各视频片段的信息，确定各视频片段是否是精彩片 段。 为解决上述技术问题，本发明还提供了如下方案： 7 CN 111611950 A 说　明　书 4/7 页 一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述 一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行以下操 作： 将待测视频均分为多段视频片段； 提取各视频片段的特征，得到对应各视频片段的特征表示； 根据各特征表示及各视频片段之间关系，确定各视频片段的表示； 利用图网络，更新各视频片段的信息； 通过二元赋值向量模型，根据各视频片段的信息，确定各视频片段是否是精彩片 段。 根据本发明的实施例，本发明公开了以下技术效果： 本发明通过将待测视频均分为多段视频片段，并进行特征提取，得到对应的特征 表示，确定并更新各视频片段的表示，进而通过二元赋值向量模型，可直接确定各视频片段 是否是精彩片段，从而可提高视频片段的检测精度。 附图说明 图1是本发明视频精彩片段检测方法的流程图； 图2是本发明视频精彩片段检测系统的模块结构示意图。 符号说明： 分段单元—1，提取单元—2，关联单元—3，更新单元—4，确定单元—5。