1.一种视频描述数据处理方法,其特征在于,包括如下步骤:导入视频序列,并将所述视频序列分割为多个视频图片;
通过预设的卷积神经网络对所有的所述视频图片进行特征分割分析,得到多个镜头数据集;
通过所述预设的卷积神经网络对所有的所述镜头数据集进行合并分析,得到多个合并后的镜头数据集;
通过所述预设的卷积神经网络对多个所述合并后的镜头数据集进行特征提取,得到视频描述特征序列;
通过预设的视频描述模型将所述视频描述特征序列转换为视频描述信息。
2.根据权利要求1所述的视频描述数据处理方法,其特征在于,所述通过预设的卷积神经网络对所有的所述视频图片进行特征分割分析,得到多个镜头数据集的过程包括:通过预设的卷积神经网络分别对各个所述视频图片进行特征提取,得到与所述视频图片对应的视频特征;
将两两相邻的所述视频特征划分为一组,并对每组的两个所述视频特征进行相似度计算,得到与所述视频特征对应的视频相似度;
当所述视频相似度小于或等于预设分割阈值时,则将所述视频相似度所对应的视频图片及其之前所有的视频图片作为镜头数据集,从而获得多个镜头数据集。
3.根据权利要求2所述的视频描述数据处理方法,其特征在于,所述对每组的两个所述视频特征进行相似度计算,得到与所述视频特征对应的视频相似度的过程包括:通过第一式对每组的两个所述视频特征进行相似度计算,得到与所述视频特征对应的视频相似度,所述第一式为:
Ln=cos(zi,zi+1),其中,Ln为第i个视频特征与第i+1个视频特征的视频相似度,cos为余弦距离函数,zi为第i个视频特征,zi+1为第i+1个视频特征。
4.根据权利要求2所述的视频描述数据处理方法,其特征在于,所述通过所述预设的卷积神经网络对所有的所述镜头数据集进行合并分析,得到多个合并后的镜头数据集的过程包括:
通过所述预设的卷积神经网络对各个所述镜头数据集进行特征提取,得到与所述镜头数据集对应的镜头特征序列,每个所述镜头特征序列包括多个镜头特征;
分别将每个所述镜头特征序列中的各个所述镜头特征与对应的下一镜头特征序列中的各个所述镜头特征进行相似度计算,得到与所述镜头特征序列中所述镜头特征对应的镜头相似度;
分别将每个所述镜头特征序列中的各个所述镜头特征对应的特征相似度与对应的下一镜头特征序列中的各个所述镜头特征对应的镜头相似度进行筛选,集合所有经筛选得到的镜头相似度作为与所述镜头数据集对应的镜头相似度筛选数据集;
分别对每个所述镜头相似度筛选数据集中所有的镜头相似度筛选数据进行求和计算,得到与所述镜头相似度筛选数据集对应的求和值;
当求和值大于或等于预设求和阈值时,则将所述镜头相似度筛选数据集对应的镜头数据集以及与对应的下一镜头数据集合并为合并后的镜头数据集。
5.根据权利要求4所述的视频描述数据处理方法,其特征在于,所述分别将每个所述镜头特征序列中的各个所述镜头特征与对应的下一镜头特征序列中的各个所述镜头特征进行相似度计算,得到与所述镜头特征序列中所述镜头特征对应的镜头相似度的过程包括:通过第二式分别将每个所述镜头特征序列中的各个所述镜头特征与对应的下一镜头特征序列中的各个所述镜头特征进行相似度计算,得到与所述镜头特征序列中所述镜头特征对应的镜头相似度,所述第二式为:si=cos(fi,fi'),其中,si为第i个镜头特征与第i+1个镜头特征的镜头相似度,cos为余弦距离函数,fi为镜头特征序列中的第i个镜头特征,fi'为与镜头特征序列相邻的镜头特征序列中的第i个镜头特征。
6.根据权利要求4所述的视频描述数据处理方法,其特征在于,所述分别将每个所述镜头特征序列中的各个所述镜头特征对应的特征相似度与对应的下一镜头特征序列中的各个所述镜头特征对应的镜头相似度进行筛选,集合所有经筛选得到的镜头相似度作为与所述镜头数据集对应的镜头相似度筛选数据集的过程包括:通过第三式分别将每个所述镜头特征序列中的各个所述镜头特征对应的特征相似度与对应的下一镜头特征序列中的各个所述镜头特征对应的镜头相似度进行筛选,集合所有经筛选得到的镜头相似度作为与所述镜头数据集对应的镜头相似度筛选数据集;
Q={Qi}if card(Si)>T2,其中,card为取镜头特征序列中的元素,T2为预设镜头相似度阈值,Qi为符合条件的第i个镜头相似度,Q为镜头相似度筛选数据集,Si为第i个镜头特征与第i+1个镜头特征的镜头相似度。
7.根据权利要求4所述的视频描述数据处理方法,其特征在于,所述分别对每个所述镜头相似度筛选数据集中所有的镜头相似度筛选数据进行求和计算,得到与所述镜头相似度筛选数据集对应的求和值的过程包括:通过第四式分别对每个所述镜头相似度筛选数据集中所有的镜头相似度筛选数据进行求和计算,得到与所述镜头相似度筛选数据集对应的求和值,所述第四式为:其中,K为求和值,Qi为所述镜头相似度筛选数据集中第i个镜头相似度,n‑1为镜头相似度筛选数据集中的最后一个镜头相似度筛选数据。
8.一种视频描述数据处理装置,其特征在于,包括:视频分割模块,用于导入视频序列,并将所述视频序列分割为多个视频图片;
特征分割分析模块,用于通过预设的卷积神经网络对所有的所述视频图片进行特征分割分析,得到多个镜头数据集;
合并分析模块,用于通过所述预设的卷积神经网络对所有的所述镜头数据集进行合并分析,得到多个合并后的镜头数据集;
特征提取模块,用于通过所述预设的卷积神经网络对多个所述合并后的镜头数据集进行特征提取,得到视频描述特征序列;
视频描述信息获取模块,用于通过预设的视频描述模型将所述视频描述特征序列转换为视频描述信息。
9.一种视频描述数据处理装置,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,当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任一项所述的视频描述数据处理方法。
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,当所述计算机程序被处理器执行时,实现如权利要求1至7任一项所述的视频描述数据处理方法。