随着互联网的发展,PC视频平台流量和移动端视频量均出现爆炸性的增长,视频的种类也各种多样。如何高效准确的对用户上传视频素材分类管理,这对视频平台和用户来说有着重要的意义。本文主要从三个模块对视频分类模型进行研究,第一,基于自适应双阈值滑动窗的镜头边界检测方法研究,第二,基于自适应非均匀分块的关键帧提取算法研究,第三,基于改进的双流深度网络框架的视频分类模型研究设计。论文主要的研究内容如下:(1)提出了基于自适应双阈值滑动窗的镜头检测模型。当下的镜头检测大多是基于直方图和阈值的方式,通过提取视频图像的颜色直方图,并根据阈值进行判断。缺点是镜头边界仅仅根据阈值进行判断,并且阈值仅选取全局的直方图特征向量差异值设定,忽略了连续视频图像之间的前后联系。基于此,本文提出自适应计算双阈值的方法,并结合视频图像相对位置信息对镜头切换位置进行检测。实验证明,自适应的双重检查滑动窗的镜头边界检测更加准确,相对其他检测方式准确率提高6.2个百分点,召回率提高7.0个百分点,F1值平均提高4.1%。(2)提出了自适应非均匀分块的关键帧提取模型。传统的关键帧提取依靠计算视频帧内容特征或运动特征或者聚类等方式,但这些提取特征的方法并未考虑到视频帧中,主要目标大多位于图像某一部分,而其他区域变化不明显,属于非重要区域,如果无差别提取全局的特征,无疑会造成主题特征的削弱。本文提出将视频帧进行非均与分块,并对不同区域分配不同权重,最后计算并根据自适应阈值提取视频关键帧。实验证明,本文模型相对其他提取方式准确率平均提高5.0个百分点,召回率提升2.75个百分点,F1值提高2.75%。(3)提出改进的双流网络模型DM-TS。原始的双流网络模型采用两路卷积神经网络作为特征提取单元,分别提取视频时空特征向量,最后融合两路特征向量进行分类。但是卷积神经网络关注提取视频的空域特征,忽略了视频帧之间的时域信息,因此,本文提出使用ResNet残差网络和双向长短期记忆网络(BiLSTM)作为空间流模块,进一步提取视频帧前后时域关联性,使用多个3D CNN卷积神经网络作为时间流模块,分别提取不同尺度的视频时空特征信息,最后融合双流分类结果完成对视频的分类。实验证明,DM-TS模型的准确率提高了 4.3%。