买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：湖南大学

摘要：本申请涉及一种监考视频的分类方法、装置、计算机设备和存储介质。所述方法包括：获取监考视频，并对所述监考视频进行分解，获得分解图像，所述分解图像包括所述监考视频中每帧图像；将所有所述分解图像输入预设的第一网络模型，获得各所述分解图像对应的特征向量；将所述特征向量输入预设的第二网络模型，获得所述监考视频的分类结果。采用本方法能够提高了监考视频的分类速度和准确性。

主权项：1.一种监考视频的分类方法，其特征在于，所述方法包括：获取监考视频，并对所述监考视频进行分解，获得分解图像，所述分解图像包括所述监考视频中每帧图像；获取第一训练样本视频，并将所述第一训练样本视频进行分解，获得对应的第一分解图像；获得所述第一分解图像中每帧图像对应的光流图；将所述光流图输入预设第一初始网络模型，获得对应的特征图，并根据所述特征图确定所述第一初始网络模型的评估精度；若存在连续的多个相邻评估精度之间的差值均小于预设第二阈值，将所述评估精度小于预设评估精度对应的第一初始网络模型作为第一网络模型；否则调整第一初始网络模型中的参数，并返回步骤：将所述光流图输入第一初始网络模型；将所有所述分解图像输入预设的第一网络模型，获得各所述分解图像对应的特征向量；获取多个第二训练样本视频，并将多个所述第二训练样本视频输入所述第一网络模型，获得各所述第二训练样本视频的特征向量；根据各视频对应的各所述特征向量和预设第二初始网络模型计算获得各视频对应的预测类别；根据所述预测类别确定所述第二初始网络模型的损失值；若存在连续的多个相邻损失值之间的差值均小于预设第一阈值，将所述第二初始网络模型作为第二网络模型，否则调整所述第二初始网络模型的参数，并返回步骤：根据各视频对应的各所述特征向量和预设第二初始网络模型计算获得各视频对应的预测类别；将所述特征向量输入预设的第二网络模型，获得所述监考视频的分类结果；其中，所述评估精度的表达式为： Top-1Accuracy表示所述评估精度，xi表示训练集中的第i个样本，其中i∈[1，N]，N表示训练集中的样本总数，yi表示第i个样本添加的实际分类标签，fxi为第i个样本的预测分类fxi＝＝yi表示判断两个是否相等；其中，所述根据各视频对应的各所述特征向量和预设第二初始网络模型计算获得各视频对应的预测类别，包括：将各所述特征向量输入预设第二初始网络模型的编码层，获得各所述特征向量的中间隐藏状态；将各所述特征向量的中间隐藏状态输入预设第二初始网络模型的隐藏层，通过所述隐藏层的注意力机制学习输入的所述中间隐藏状态与输出之间的相关程度；将所述相关程度使用softmax函数进行归一化，获得各所述中间隐藏状态对应的注意力概率分布值；根据各所述注意力概率分布值，获得各所述特征向量对应的输出结果；将所述输出结果输入预设第二初始网络模型的逻辑回归softmax层，计算获得对应的预测类别；其中，所述中间隐藏状态对应的注意力概率分布值及所述输出结果的计算公式满足：Si＝VTtanhW·hi+b；αi＝softmaxSi； VT、W为样本的权重矩阵，b为相应的偏置值，Si为预设第二初始网络模型输入的第i个中间隐藏状态特征与输出之间的相关程度，αi为第i个中间隐藏状态对应的注意力概率分布值，hi为第i个中间隐藏状态，vi为输出结果，且i∈[1，m]，m表示训练集中的中间隐藏状态的总数。

全文数据：

权利要求：

百度查询： 湖南大学 监考视频的分类方法、装置、计算机设备和存储介质