CN107027071B - 一种视频播放的方法和装置 - Google Patents
一种视频播放的方法和装置 Download PDFInfo
- Publication number
- CN107027071B CN107027071B CN201710149450.0A CN201710149450A CN107027071B CN 107027071 B CN107027071 B CN 107027071B CN 201710149450 A CN201710149450 A CN 201710149450A CN 107027071 B CN107027071 B CN 107027071B
- Authority
- CN
- China
- Prior art keywords
- video
- ambiguity
- area
- frame image
- standard deviation
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 239000000203 mixture Substances 0.000 claims description 56
- 238000001228 spectrum Methods 0.000 claims description 45
- 230000003595 spectral effect Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 230000002829 reductive effect Effects 0.000 abstract description 7
- 230000008569 process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000004088 simulation Methods 0.000 description 3
- 238000005311 autocorrelation function Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000005309 stochastic process Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
- H04N21/44008—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics in the video stream
-
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Television Signal Processing For Recording (AREA)
- Studio Devices (AREA)
Abstract
本发明适用于电子技术领域，提供了一种视频播放的方法和装置，旨在解决现有技术中VR设备不能自动识别待播放视频的类型，智能化水平不高的问题。所述方法包括：截取待播放视频的视频帧图像；计算所述视频帧图像的边缘区域的模糊度，并根据所述模糊度确定所述边缘区域是否为模糊区域；若所述边缘区域为所述模糊区域，则使用全景模式播放所述待播放视频。本发明的技术方案通过判断视频帧图像的边缘区域是否局部模糊的方式，确定待播放视频是否为全景视频，实现了对待播放视频的自动识别和播放，从而不需要手动确定播放模式，降低了操作复杂度，提高了VR设备的智能化水平，并增强用户体验。
Description
技术领域
本发明涉及计算机技术领域，尤其涉及一种视频播放的方法和装置。
背景技术
虚拟现实(Virtual Reality，VR)是一种可以创建和体验虚拟世界的计算机仿真系统，它利用计算机生成一种模拟环境，是一种多源信息融合的、交互式的三维动态视景和实体行为的系统仿真。
VR设备可以实现虚拟显示的沉浸特性，使用户沉浸到虚拟世界的仿真系统中。目前，VR设备的视频播放器虽然可以同时支持全景视频和普通视频的播放，但是此类播放器并不能自动识别待播放视频的类型是普通视频还是全景视频，需用户手动确定采用哪种播放模式，增加了操作复杂度，智能化程度较低，影响用户体验。
发明内容
本发明实施例提供一种视频播放的方法和装置，旨在解决现有技术中VR设备不能自动识别待播放视频的类型，智能化水平不高的问题。
第一方面，本发明实施例提供了一种视频播放的方法，该方法包括：
截取待播放视频的视频帧图像；
计算所述视频帧图像的边缘区域的模糊度，并根据所述模糊度确定所述边缘区域是否为模糊区域；
若所述边缘区域为所述模糊区域，则使用全景模式播放所述待播放视频。
另一方面，本发明实施例提供了一种视频播放的装置，该装置包括:
截取模块，用于截取待播放视频的视频帧图像；
分析模块，用于计算所述视频帧图像的边缘区域的模糊度，并根据所述模糊度确定所述边缘区域是否为模糊区域；
全景播放模块，用于若所述边缘区域为所述模糊区域，则使用全景模式播放所述待播放视频。
本发明实施例截取待播放视频的视频帧图像，计算该视频帧图像的边缘区域的模糊度，并根据模糊度确定边缘区域是否为模糊区域，若边缘区域为模糊区域，则使用全景模式播放待播放视频。通过判断视频帧图像的边缘区域是否局部模糊的方式，确定待播放视频是否为全景视频，实现了对待播放视频的自动识别和播放，从而不需要手动确定播放模式，降低了操作复杂度，提高了VR设备的智能化水平，并增强用户体验。
附图说明
图1是本发明实施例一提供的一种视频播放的方法的流程图；
图2是本发明实施例二提供的一种视频播放的方法的流程图；
图3是本发明实施例三提供的一种视频播放的装置的结构示意图；
图4是本发明实施例四提供的一种视频播放的装置的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
以下结合具体附图对本发明的实现进行详细的描述。
实施例一：
图1是本发明实施例一提供的一种视频播放的方法的流程图，本发明实施例的执行主体为VR设备，图1示例的视频播放的方法具体可以包括步骤S101至步骤S103，详述如下：
S101、截取待播放视频的视频帧图像。
具体地，截取待播放视频的一帧图像作为视频帧图像。
S102、计算视频帧图像的边缘区域的模糊度，并根据该模糊度确定边缘区域是否为模糊区域。
具体地，根据步骤S101截取到的视频帧图像，计算该视频帧图像的边缘区域的模糊度，根据该模糊度检测该视频帧图像的边缘区域是否局部模糊。
全景视频的视频帧图像与普通视频的视频帧图像存在不同，全景视频的视频帧图像的上下行边缘会存在模糊区域，通过计算视频帧图像的边缘区域的模糊度，可以检测边缘区域是否局部模糊，进而确定该待播放视频是否为全景视频。
模糊度可以通过计算和比较视频帧图像和边缘区域的功率谱坡度得到，或者通过计算和比较视频帧图像和边缘区域的双高斯混合模型标准差得到。
视频帧图像在频谱上表现为低频到高频信号按指数形式递减分布，图像越清晰，其高频分量越多，即指数衰减的速度越慢。模糊区域可以看成是经过低通滤波处理后得到的，其高频信号减少，低频信号较多，这种现象在功率谱曲线上表现为曲线衰减较快，图像的高频分量较少，即功率谱坡度较大。而对于清晰图像，由于没有滤波等模糊平滑作用，高频分量较多，功率谱曲线衰减较慢，因此功率谱坡度较小。
普通图像的图像梯度的分布大部分集中在小区间，因为图像大部分都是包括不变或渐变的梯度强度，只是偶尔在边界，梯度发生大的改变时梯度的连续性才会中断。但由于模糊区域基本不包括锐化边界，图像梯度的幅度分布大部分集中在小值或零值附近，几乎不会出现大的梯度幅度，因此根据图像梯度分布可以检测边缘区域是否模糊，双高斯混合模型可以用于表示这种图像梯度分布。双高斯混合模型标准差值越大，则正态分布曲线幅值范围越大，对应的图像梯度幅度较大，图像清晰；反之，双高斯混合模型标准差值越小，则正态分布曲线幅值范围越小，对应的图像梯度幅度较小，图像模糊。
S103、若视频帧图像的边缘区域为模糊区域，则使用全景模式播放待播放视频。
具体地，若根据步骤S102确定视频帧图像的边缘区域为模糊区域，则确认该待播放视频为全景视频，使用全景视频的播放模式自动播放该待播放视频。
本实施例中，VR设备截取待播放视频的视频帧图像，计算该视频帧图像的边缘区域的模糊度，并根据模糊度确定边缘区域是否为模糊区域，若边缘区域为模糊区域，则使用全景模式播放待播放视频。通过判断视频帧图像的边缘区域是否局部模糊的方式，确定待播放视频是否为全景视频，实现了对待播放视频的自动识别和播放，从而不需要手动确定播放模式，降低了操作复杂度，提高了VR设备的智能化水平，并增强用户体验。
实施例二：
图2是本发明实施例二提供的一种视频播放的方法的流程图，本发明实施例的执行主体为VR设备，图2示例的视频播放的方法具体可以包括步骤S201至步骤S212，详述如下：
S201、截取待播放视频的视频帧图像。
具体地，截取待播放视频的一帧图像作为视频帧图像。
S202、计算视频帧图像的第一功率谱坡度和该视频帧图像的边缘区域的第二功率谱坡度。
图像的功率谱坡度可以通过将图像转换为一维离散信号，再对该一维信号使用维纳-辛钦定理计算得到。
维纳-辛钦定理是指宽平稳随机过程的功率谱密度是其自相关函数的傅立叶变换。对于离线随机过程x[n]，其功率谱密度为：
其中，rxx[k]＝E[x[n]x*[n-k]]是定义在数学期望意义上的自相关函数，j是虚数单位，*表示复共轭。
Sxx(f)是离散函数x[n]的功率谱密度，由于x[n]是采样得到的离散序列，因此其功率谱密度在频域上是周期函数。
图像的频率是表征图像中灰度变化剧烈程度的指标，是灰度在平面空间上的梯度。将图像做二维傅里叶变换所得的频谱图，也就是图像的梯度分布图即可定义为该图像的频率，因此图像的频率可以直观表现为衡量表征图像中灰度变化剧烈程度的指标。这种功率谱的统计特性可以表示为:
S(f)＝A/fα
其中，S(f)为功率谱密度，A为参数，α为功率谱坡度。
将图像转换为一维离散信号，该转换过程具体可以通过Matlab实现。对该一维离散信号使用维纳-辛钦定理对功率谱密度进行参数估计，即可得到S(f)＝A/fα中的功率谱坡度α。
具体地，将视频帧图像转换为一维离散信号，通过对整幅图像的一维离散信号使用维纳-辛钦定理进行参数估计，得到第一功率谱坡度，通过对视频帧图像的边缘区域的一维离散信号使用维纳-辛钦定理进行参数估计，得到第二功率谱坡度。
进一步地，视频帧图像的边缘区域可以是上边缘区域或者下边缘区域。
S203、根据第一功率谱坡度以及第二功率谱坡度计算边缘区域的第一模糊度，其中，该第一模糊度为第二功率谱坡度与第一功率谱坡度的差，与第一功率谱坡度之商。
具体地，可以按照如下公式计算边缘区域的第一模糊度：
其中，q1为第一模糊度，αp为第二功率谱坡度，α0为第一功率谱坡度。
S204、判断第一模糊度是否大于预设的第一阈值。
具体地，若第一模糊度大于预设的第一阈值，则继续执行步骤S205，否则执行步骤S210。
预设的第一阈值通常可以设置为1，但并不限于此，其具体可以根据实际应用的需要进行设置，此处不做限制。
S205、计算视频帧图像的第一双高斯混合模型标准差和视频帧图像的边缘区域的第二双高斯混合模型标准差。
双高斯混合模型(Two univariate Gauss Mixture densities Model，TGMM)是单一高斯概率密度函数的延伸,它能够平滑地近似任意形状的概率密度分布曲线。双高斯混合模型可以定义为：
p(x)＝α1p1(x|μ1，σ1 2)+α2p2(x|μ2，σ2 2),x∈R
其中，x表示像素点灰度，p(x)表示x出现的概率，μ1、σ1、μ2、σ2分别表示两个高斯模型参数的均值和标准差，α1和α2为两个模型的加权参数，并且满足α1≥0，α2≥0，α1+α2＝1。
采用最大期望算法(Expectation Maximization Algorithm，EM)对双高斯混合分布模型进行参数估计，即可得到双高斯混合模型参数的标准差。EM法通过迭代得到参数的收敛解，假设{xk|k＝0,1,…,255}和{yk|k＝0,1,…,255}分别为像素灰度和对应的出现概率，具体参数估计过程如下：
步骤1)给定初始参数计算序列pi,k，
步骤2)根据和如下公式计算参数αi：
步骤3)根据和步骤2)的计算结果，以及如下公式，计算参数μi和
pek＝yk-α1p1k-α2p2k
步骤4)将得到的参数作为新的初始值，重复步骤1)至3)直到满足预设的参数估计要求。
具体地，若边缘区域的第一模糊度大于预设的第一阈值，则进一步通过EM法对视频帧图像的双高斯混合模型进行参数估计，得到整幅图像的双高斯混合模型的参数的标准差，即第一双高斯混合模型标准差，并通过EM法对边缘区域的双高斯混合模型进行参数估计，得到边缘区域的双高斯混合模型的参数的标准差，即第二双高斯混合模型标准差。
可以理解的是，在发明实施例中，当第一模糊度大于预设的第一阈值时，进一步计算视频帧图像的第一双高斯混合模型标准差和视频帧图像的边缘区域的第二双高斯混合模型标准差，在其他实施例中，也可以是当第一模糊度大于或者等于预设的第一阈值时，进一步计算视频帧图像的第一双高斯混合模型标准差和视频帧图像的边缘区域的第二双高斯混合模型标准差。
S206、根据第一双高斯混合模型标准差以及第二双高斯混合模型标准差，计算边缘区域的第二模糊度，其中，该第二模糊度为第二双高斯混合模型标准差与第一双高斯混合模型标准差的差，与第一双高斯混合模型标准差之商。
具体地，可以按照如下公式计算边缘区域的第二模糊度：
其中，q2为边缘区域的第二模糊度，σp为第二双高斯混合模型标准差，σ为第一双高斯混合模型标准差。
S207、判断第二模糊度是否小于预设的第二阈值。
具体地，若第二模糊度小于预设的第二阈值，则继续执行步骤S208，否则执行步骤S210。
预设的第二阈值通常可以设置为0.85，但并不限于此，其具体可以根据实际应用的需要进行设置，此处不做限制。
S208、确认边缘区域为模糊区域。
具体地，若第二模糊度小于预设的第二阈值，则确认视频帧图像的边缘区域为模糊区域。
S209、使用全景模式播放待播放视频。
具体地，若视频帧图像的边缘区域为模糊区域，则确认该待播放视频为全景视频，使用全景视频的播放模式自动播放该待播放视频。
流程跳转到步骤S212。
S210、确认边缘区域为清晰区域。
具体地，若第一模糊度小于或者等于预设的第一阈值，或者第二模糊度大于或者等于预设的第二阈值，则确认视频帧图像的边缘区域为清晰区域。
S211、使用普通模式播放待播放视频。
具体地，若视频帧图像的边缘区域为清晰区域，则确认该待播放视频为普通视频，使用普通视频的播放模式自动播放该待播放视频。
S212、流程结束。
可以理解的是，在本发明实施例中，当第一模糊度大于预设的第一阈值并且第二模糊度小于预设的第二阈值时，使用全景模式播放待播放视频，在其他实施例中，也可以是当第一模糊度大于或者等于预设的第一阈值，并且第二模糊度小于或者等于预设的第二阈值时，使用全景模式播放待播放视频。
本实施例中，VR设备截取待播放视频的视频帧图像，计算视频帧图像的第一功率谱坡度和视频帧图像的边缘区域的第二功率谱坡度，并根据第一功率谱坡度以及第二功率谱坡度计算边缘区域的第一模糊度，若第一模糊度大于预设的第一阈值，则进一步计算视频帧图像的第一双高斯混合模型标准差和视频帧图像的边缘区域的第二双高斯混合模型标准差，并根据第一双高斯混合模型标准差以及第二双高斯混合模型标准差，计算边缘区域的第二模糊度，若第二模糊度小于预设的第二阈值，则确认边缘区域为模糊区域，否则为清晰区域，若边缘区域为模糊区域，则使用全景模式播放待播放视频，若边缘区域为清晰区域，则使用普通模式播放待播放视频。通过计算功率谱坡度和双高斯混合模型标准差来检测视频帧图像的边缘区域是否局部模糊，确定待播放视频是否为全景视频，并根据检测结果自动选择对应的播放模式进行播放，实现了对待播放视频的自动识别和播放，从而不需要手动确定播放模式，降低了操作复杂度，提高了VR设备的智能化水平，并增强用户体验。
实施例三：
图3是本发明实施例三提供的一种视频播放的装置的结构示意图，为了便于说明，仅示出了与本发明实施例相关的部分。图3示例的一种视频播放的装置可以是前述实施例一提供的视频播放的方法的执行主体。图3示例的一种视频播放的装置包括：截取模块31、分析模块32和全景播放模块33，各功能模块详细说明如下：
截取模块31，用于截取待播放视频的视频帧图像；
分析模块32，用于计算截取模块31截取的视频帧图像的边缘区域的模糊度，并根据该模糊度确定边缘区域是否为模糊区域；
全景播放模块33，用于若视频帧图像的边缘区域为模糊区域，则使用全景模式播放待播放视频。
本实施例提供的一种视频播放的装置中各模块实现各自功能的过程，具体可参考前述图1所示实施例的描述，此处不再赘述。
从上述图3示例的一种视频播放的装置可知，本实施例中，VR设备截取待播放视频的视频帧图像，计算该视频帧图像的边缘区域的模糊度，并根据模糊度确定边缘区域是否为模糊区域，若边缘区域为模糊区域，则使用全景模式播放待播放视频。通过判断视频帧图像的边缘区域是否局部模糊的方式，确定待播放视频是否为全景视频，实现了对待播放视频的自动识别和播放，从而不需要手动确定播放模式，降低了操作复杂度，提高了VR设备的智能化水平，并增强用户体验。
实施例四：
图4是本发明实施例四提供的一种视频播放的装置的结构示意图，为了便于说明，仅示出了与本发明实施例相关的部分。图4示例的一种视频播放的装置可以是前述实施例二提供的视频播放的方法的执行主体。图4示例的一种视频播放的装置包括：截取模块41、分析模块42和全景播放模块43，各功能模块详细说明如下：
截取模块41，用于截取待播放视频的视频帧图像；
分析模块42，用于计算截取模块41截取的视频帧图像的边缘区域的模糊度，并根据该模糊度确定边缘区域是否为模糊区域；
全景播放模块43，用于若视频帧图像的边缘区域为模糊区域，则使用全景模式播放待播放视频。
进一步地，分析模块42包括：
坡度计算子模块421，用于计算截取模块41截取的视频帧图像的第一功率谱坡度和边缘区域的第二功率谱坡度；
第一模糊度计算子模块422，用于根据坡度计算子模块421计算得到的第一功率谱坡度以及第二功率谱坡度计算边缘区域的第一模糊度，其中，第一模糊度为第二功率谱坡度与第一功率谱坡度的差，与第一功率谱坡度之商；
标准差计算子模块423，用于若第一模糊度计算子模块422计算得到的第一模糊度大于预设的第一阈值，则计算视频帧图像的第一双高斯混合模型标准差和边缘区域的第二双高斯混合模型标准差；
第二模糊度计算子模块424，用于根据标准差计算子模块423计算得到的第一双高斯混合模型标准差以及第二双高斯混合模型标准差，计算边缘区域的第二模糊度，其中，第二模糊度为第二双高斯混合模型标准差与第一双高斯混合模型标准差的差，与第一双高斯混合模型标准差之商；
模糊区域判断子模块425，用于若第二模糊度计算子模块424计算得到的第二模糊度小于预设的第二阈值，则确认边缘区域为模糊区域。
进一步地，该装置还包括：
第一判断模块44，用于若第一模糊度计算子模块422计算得到的第一模糊度小于或者等于预设的第一阈值，则确认边缘区域为清晰区域。
进一步地，该装置还包括：
第二判断模块45，用于若第二模糊度计算子模块424计算得到的第二模糊度大于或者等于预设的第二阈值，则确认边缘区域为清晰区域。
进一步地，该装置还包括：
普通播放模块46，用于若边缘区域为清晰区域，则使用普通模式播放待播放视频。
本实施例提供的一种视频播放的装置中各模块实现各自功能的过程，具体可参考前述图2所示实施例的描述，此处不再赘述。
从上述图4示例的一种视频播放的装置可知，本实施例中，VR设备截取待播放视频的视频帧图像，计算视频帧图像的第一功率谱坡度和视频帧图像的边缘区域的第二功率谱坡度，并根据第一功率谱坡度以及第二功率谱坡度计算边缘区域的第一模糊度，若第一模糊度大于预设的第一阈值，则进一步计算视频帧图像的第一双高斯混合模型标准差和视频帧图像的边缘区域的第二双高斯混合模型标准差，并根据第一双高斯混合模型标准差以及第二双高斯混合模型标准差，计算边缘区域的第二模糊度，若第二模糊度小于预设的第二阈值，则确认边缘区域为模糊区域，否则为清晰区域，若边缘区域为模糊区域，则使用全景模式播放待播放视频，若边缘区域为清晰区域，则使用普通模式播放待播放视频。通过计算功率谱坡度和双高斯混合模型标准差来检测视频帧图像的边缘区域是否局部模糊，确定待播放视频是否为全景视频，并根据检测结果自动选择对应的播放模式进行播放，实现了对待播放视频的自动识别和播放，从而不需要手动确定播放模式，降低了操作复杂度，提高了VR设备的智能化水平，并增强用户体验。
需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每一个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同或者相似的部分互相参见即可。对于装置类实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
值得注意的是，上述装置实施例中，所包括的各个模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能模块的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
本领域普通技术人员可以理解，实现上述各实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，相应的程序可以存储于一计算机可读取存储介质中，所述的存储介质，如ROM/RAM、磁盘或光盘等。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (8)
1.一种视频播放的方法，其特征在于，所述方法包括：
截取待播放视频的视频帧图像；
计算所述视频帧图像的边缘区域的模糊度，并根据所述模糊度确定所述边缘区域是否为模糊区域；
若所述边缘区域为所述模糊区域，则使用全景模式播放所述待播放视频；
所述计算所述视频帧图像的边缘区域的模糊度，并根据所述模糊度确定所述边缘区域是否为模糊区域包括：
计算所述视频帧图像的第一功率谱坡度和所述边缘区域的第二功率谱坡度；
根据所述第一功率谱坡度以及所述第二功率谱坡度计算所述边缘区域的第一模糊度，其中，所述第一模糊度为所述第二功率谱坡度与所述第一功率谱坡度的差，与所述第一功率谱坡度之商；
若所述第一模糊度大于预设的第一阈值，则计算所述视频帧图像的第一双高斯混合模型标准差和所述边缘区域的第二双高斯混合模型标准差；
根据所述第一双高斯混合模型标准差以及所述第二双高斯混合模型标准差，计算所述边缘区域的第二模糊度，其中，所述第二模糊度为所述第二双高斯混合模型标准差与所述第一双高斯混合模型标准差的差，与所述第一双高斯混合模型标准差之商；
若所述第二模糊度小于预设的第二阈值，则确认所述边缘区域为模糊区域。
2.根据权利要求1所述的方法，其特征在于，所述根据所述第一功率谱坡度以及所述第二功率谱坡度计算所述边缘区域的第一模糊度之后，所述方法还包括：
若所述第一模糊度小于或者等于所述第一阈值，则确认所述边缘区域为清晰区域。
3.根据权利要求1所述的方法，其特征在于，所述根据所述第一双高斯混合模型标准差以及所述第二双高斯混合模型标准差，计算所述边缘区域的第二模糊度之后，所述方法还包括：
若所述第二模糊度大于或者等于所述第二阈值，则确认所述边缘区域为清晰区域。
4.根据权利要求2或3所述的方法，其特征在于，所述计算所述视频帧图像的边缘区域的模糊度，并根据所述模糊度确定所述边缘区域是否为模糊区域之后，所述方法还包括：
若所述边缘区域为所述清晰区域，则使用普通模式播放所述待播放视频。
5.一种视频播放的装置，其特征在于，所述装置包括：
截取模块，用于截取待播放视频的视频帧图像；
分析模块，用于计算所述视频帧图像的边缘区域的模糊度，并根据所述模糊度确定所述边缘区域是否为模糊区域；
全景播放模块，用于若所述边缘区域为所述模糊区域，则使用全景模式播放所述待播放视频；
所述分析模块包括：
坡度计算子模块，用于计算所述视频帧图像的第一功率谱坡度和所述边缘区域的第二功率谱坡度；
第一模糊度计算子模块，用于根据所述第一功率谱坡度以及所述第二功率谱坡度计算所述边缘区域的第一模糊度，其中，所述第一模糊度为所述第二功率谱坡度与所述第一功率谱坡度的差，与所述第一功率谱坡度之商；
标准差计算子模块，用于若所述第一模糊度大于预设的第一阈值，则计算所述视频帧图像的第一双高斯混合模型标准差和所述边缘区域的第二双高斯混合模型标准差；
第二模糊度计算子模块，用于根据所述第一双高斯混合模型标准差以及所述第二双高斯混合模型标准差，计算所述边缘区域的第二模糊度，其中，所述第二模糊度为所述第二双高斯混合模型标准差与所述第一双高斯混合模型标准差的差，与所述第一双高斯混合模型标准差之商；
模糊区域判断子模块，用于若所述第二模糊度小于预设的第二阈值，则确认所述边缘区域为模糊区域。
6.根据权利要求5所述的装置，其特征在于，所述装置还包括：
第一判断模块，用于若所述第一模糊度小于或者等于所述第一阈值，则确认所述边缘区域为清晰区域。
7.根据权利要求5所述的装置，其特征在于，所述装置还包括：
第二判断模块，用于若所述第二模糊度大于或者等于所述第二阈值，则确认所述边缘区域为清晰区域。
8.根据权利要求6或7所述的装置，其特征在于，所述装置还包括：
普通播放模块，用于若所述边缘区域为所述清晰区域，则使用普通模式播放所述待播放视频。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710149450.0A CN107027071B (zh) | 2017-03-14 | 2017-03-14 | 一种视频播放的方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710149450.0A CN107027071B (zh) | 2017-03-14 | 2017-03-14 | 一种视频播放的方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107027071A CN107027071A (zh) | 2017-08-08 |
| CN107027071B true CN107027071B (zh) | 2019-12-13 |
Family
ID=59525990
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710149450.0A Active CN107027071B (zh) | 2017-03-14 | 2017-03-14 | 一种视频播放的方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107027071B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108401184A (zh) * | 2018-03-06 | 2018-08-14 | 深圳市赛亿科技开发有限公司 | Vr全景画面的显示方法、vr显示终端 |
| CN109886963B (zh) * | 2019-03-28 | 2021-08-24 | 北京奇艺世纪科技有限公司 | 一种图像处理方法及系统 |
| CN112990042B (zh) * | 2021-03-25 | 2023-07-25 | 北京百度网讯科技有限公司 | 图像标注审核方法、装置、设备、存储介质及程序产品 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN203069959U (zh) * | 2012-12-13 | 2013-07-17 | 中国科学院宁波材料技术与工程研究所 | 一种360度全景摄像机 |
| EP2852153A1 (en) * | 2012-05-16 | 2015-03-25 | Vatech Co., Ltd | Method and apparatus for providing panorama image data |
| CN105959549A (zh) * | 2016-05-26 | 2016-09-21 | 努比亚技术有限公司 | 全景照片的拍摄装置及方法 |
| CN106101743A (zh) * | 2016-08-23 | 2016-11-09 | 广东欧珀移动通信有限公司 | 全景视频识别方法及装置 |
| CN106162146A (zh) * | 2016-07-29 | 2016-11-23 | 暴风集团股份有限公司 | 自动识别并播放全景视频的方法及系统 |
| CN106327531A (zh) * | 2016-08-18 | 2017-01-11 | 成都虚拟世界科技有限公司 | 全景视频的识别方法及设备、播放视频方法及设备 |
-
2017
- 2017-03-14 CN CN201710149450.0A patent/CN107027071B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2852153A1 (en) * | 2012-05-16 | 2015-03-25 | Vatech Co., Ltd | Method and apparatus for providing panorama image data |
| CN203069959U (zh) * | 2012-12-13 | 2013-07-17 | 中国科学院宁波材料技术与工程研究所 | 一种360度全景摄像机 |
| CN105959549A (zh) * | 2016-05-26 | 2016-09-21 | 努比亚技术有限公司 | 全景照片的拍摄装置及方法 |
| CN106162146A (zh) * | 2016-07-29 | 2016-11-23 | 暴风集团股份有限公司 | 自动识别并播放全景视频的方法及系统 |
| CN106327531A (zh) * | 2016-08-18 | 2017-01-11 | 成都虚拟世界科技有限公司 | 全景视频的识别方法及设备、播放视频方法及设备 |
| CN106101743A (zh) * | 2016-08-23 | 2016-11-09 | 广东欧珀移动通信有限公司 | 全景视频识别方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107027071A (zh) | 2017-08-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2020107716A1 (zh) | 目标图像分割方法、装置及设备 | |
| KR20180105876A (ko) | 색상과 형태를 동시에 고려한 실시간 영상 추적 방법 및 이를 위한 장치 | |
| CN107027071B (zh) | 一种视频播放的方法和装置 | |
| JP5944575B2 (ja) | 画像シーケンス用のノイズリダクション | |
| US8908989B2 (en) | Recursive conditional means image denoising | |
| KR101695247B1 (ko) | 주파수 변환 및 필터링 절차가 포함된 행렬 기반의 움직임 검출 시스템 및 방법 | |
| WO2003101120A1 (en) | A method and system for estimating sharpness metrics based on local edge statistical distribution | |
| KR102038789B1 (ko) | 포커스 검출 | |
| CN105550694B (zh) | 一种度量人脸图像模糊程度的方法 | |
| KR20220126264A (ko) | 비디오 흔들림 검출 방법, 장치, 전자 기기 및 저장 매체 | |
| Kumari et al. | Real time visibility enhancement for single image haze removal | |
| Shuchun et al. | Preprocessing for stereo vision based on LOG filter | |
| KR101635309B1 (ko) | 패치 쉬프트를 이용한 텍스처 필터링 방법 및 장치 | |
| Zhang et al. | A reverberation noise suppression method of sonar image based on shearlet transform | |
| Tiwari et al. | Certain investigations on motion blur detection and estimation | |
| US20190324112A1 (en) | Method for Radio Tomographic Image Formation | |
| CN113608190B (zh) | 基于奇异空间三特征的海面目标检测方法及系统 | |
| CN107818287B (zh) | 一种客流统计装置及系统 | |
| JP2019202019A (ja) | 体厚推定装置、放射線画像処理装置、体厚の推定方法及びプログラム | |
| WO2021036641A1 (zh) | 联轴器失配检测方法及相关设备 | |
| Ishak et al. | Image quality assessment for image filtering algorithm: Qualitative and quantitative analyses | |
| US20140267432A1 (en) | Method to select appropriate window size for local image processing | |
| JP6236755B2 (ja) | パッシブソーナー装置、トランジェント信号処理方法及びその信号処理プログラム | |
| Neelima et al. | Performance Evaluation of Clustering Based Tone Mapping Operators with State-of-Art Methods | |
| KR101777948B1 (ko) | 엔트로피와 배경변화율 차이점을 이용한 주요 객체 자동 검출 장치 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |