CN108289247A - 一种基于视频分析的视频画面拍摄技巧的自动识别方法 - Google Patents
一种基于视频分析的视频画面拍摄技巧的自动识别方法 Download PDFInfo
- Publication number
- CN108289247A CN108289247A CN201810049321.9A CN201810049321A CN108289247A CN 108289247 A CN108289247 A CN 108289247A CN 201810049321 A CN201810049321 A CN 201810049321A CN 108289247 A CN108289247 A CN 108289247A
- Authority
- CN
- China
- Prior art keywords
- frame picture
- characteristic point
- feature point
- point
- picture
- 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.)
- Granted
Links
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, rendering scenes according to MPEG-4 scene graphs
- H04N21/44008—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream, rendering scenes according to MPEG-4 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- 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, rendering scenes according to MPEG-4 scene graphs
Abstract
本申请公开了一种基于视频分析的视频画面拍摄技巧的自动识别方法,包括:读取视频信息,获取帧画面,为帧画面赋予画面编码;获取帧画面上的特征点;对视频信息根据镜头进行切割得到视频片段;在帧画面所在的平面上建立坐标系,计算特征点在坐标系中的坐标值,获取目标帧画面;获取目标帧画面的对比帧画面,获取共有特征点;获取共有特征点的坐标差值,获取第一特征点、第二特征点、第三特征点和第四特征点,确定拍摄技巧,本发明所提供的一种基于视频分析的视频画面拍摄技巧的自动识别方法,整个方法中没有任何步骤对于人员有电影从业经验的要求,解决了以往对于人员经验要求高、耗时长的问题。
Description
技术领域
本发明涉及电影分析领域,更具体地,涉及一种基于视频分析的视频画面拍摄技巧的自动识别方法。
背景技术
随着社会的逐步发展和物质水平的提升,人们对电影和电视的消费逐渐增加,观看电影电视等活动影像已经成为人们日常生活中重要的娱乐方式之一,因此,如何拍摄具有高质量的电影电视等活动影像,也越发显得重要。
现实生活中,电影从业人员想要学习导演的拍摄技巧时,可以通过在拍摄现场观看导演的拍摄手法和技巧进行学习,但是,能够在拍摄现场进行观看学习的机会及其有限,因此,更多的时候,电影从业人员是通过观看导演拍摄的电影电视等活动影像进行学习。
导演在拍摄电影电视等活动影像时所采用的拍摄技巧,可以分为:推、拉、摇和移等,电影从业人员在研究一段电影电视等活动影像的拍摄技巧时,需要反复观看电影电视等活动影像,人工判别各个镜头中所体现的拍摄技巧并做记录,然后进行剪辑和归纳,采用这种方法,一方面识别效率低,耗时长,人工成本高,另一方面,不同的人员对于拍摄技巧的辨别能力参差不齐,人工进行识别的时候极易产生错误,合格率无法保证,因此,提供一种基于视频分析的视频画面拍摄技巧的自动识别方法,是本领域亟待解决的问题。
发明内容
有鉴于此,本发明提供了一种基于视频分析的视频画面拍摄技巧的自动识别方法,以解决现有电影剧本情感分析过程对电影从业经验要求较高,识别效率低且成本较高的问题。
为了解决上述技术问题,本申请提出一种基于视频分析的视频画面拍摄技巧的自动识别方法,包括:
读取视频信息,获取所述视频信息中的帧画面,并按照播放顺序为所述帧画面赋予画面编码;
对所述帧画面进行特征分析,获取所述帧画面上的特征点;
对所述视频信息根据镜头进行切割得到视频片段;
在所述帧画面所在的平面上建立坐标系,其中,所述坐标系,包括:横向坐标轴和纵向坐标轴,所述坐标系的原点位于所述帧画面的几何中心,所述横向坐标轴的正方向,是所述帧画面所在平面内的任一方向,所述纵向坐标轴的正方向,与所述横向坐标轴的正方向相交;
计算所述特征点在所述坐标系中的坐标值,其中,所述坐标值,包括:横坐标和纵坐标;
获取所述视频片段中任一所述帧画面作为目标帧画面;
获取所述目标帧画面的对比帧画面,所述对比帧画面的所述画面编码,大于所述目标帧画面的所述画面编码;
获取所述目标帧画面和所述对比帧画面共有的所述特征点,作为共有特征点;
用所述共有特征点在所述对比帧画面中的坐标值,减去所述共有特征点在所述目标帧画面中的坐标值,得到所述共有特征点的坐标差值,其中,所述坐标差值包括:横坐标差值和纵坐标差值;
从所述共有特征点中获取,所述横坐标差值大于零且纵坐标差值大于零的所述特征点,作为第一特征点;
从所述共有特征点中获取,所述横坐标差值小于零且纵坐标差值大于零的所述特征点,作为第二特征点;
从所述共有特征点中获取,所述横坐标差值小于零且纵坐标差值小于零的所述特征点,作为第三特征点;
从所述共有特征点中获取,所述横坐标差值大于零且纵坐标差值小于零的所述特征点,作为第四特征点;
当所述第一特征点、所述第二特征点、所述第三特征点和所述第四特征点的个数都不小于零,并且所述第一特征点和所述第四特征点在所述对比帧画面中的横坐标,大于所述第二特征点和第三特征点在所述对比帧画面中的横坐标时,所述目标帧画面和所述对比帧画面采用的拍摄技巧为推;
当所述第一特征点、所述第二特征点、所述第三特征点和所述第四特征点的个数都不小于零,并且所述第二特征点和所述第三特征点在所述对比帧画面中的横坐标,大于所述第一特征点和第四特征点在所述对比帧画面中的横坐标时,所述目标帧画面和所述对比帧画面采用的所述拍摄技巧为拉;
当所述共有特征点的所述横坐标差值或所述纵坐标差值,都大于零或者都小于零,并且所述共有特征点的所述横坐标差值和所述纵坐标差值,与所述共有特征点在所述目标帧画面中的所述横坐标绝度值和所述纵坐标绝对值之间不具有单调性时,所述目标帧画面和所述对比帧画面采用的所述拍摄技巧为移;
当所述共有特征点的所述横坐标差值或所述纵坐标差值,都大于零或者都小于零,并且所述共有特征点的所述横坐标差值或所述纵坐标差值,与所述共有特征点在所述目标帧画面中的所述横坐标绝对值或所述纵坐标绝对值之间不具有单调性时,所述目标帧画面和所述对比帧画面采用的所述拍摄技巧为摇。
可选的,对所述视频信息根据镜头进行切割得到视频片段,进一步为:
从所述视频信息中获取任一所述帧画面作为当前帧画面;
从所述视频信息中获取与所述当前帧画面相邻的后一帧画面;
获取所述当前帧画面和所述后一帧画面的所述特征点;
计算所述当前帧画面和所述后一帧画面共有的所述特征点的个数作为连续度;
当所述连续度大于或等于第一阈值时,所述当前帧画面和所述后一帧画面属于同一视频片段;
当所述连续度小于第一阈值时,在所述当前帧画面和所述后一帧画面之间进行切割。
可选的,对所述视频信息的帧画面进行特征分析,获取所述帧画面上的特征点,进一步为:
从所述帧画面中获取静态景物,在所述静态景物上设置至少两个所述特征点。
可选的,任意两幅所述帧画面的所述特征点的个数相同;
第一阈值与任一所述帧画面的所述特征点的个数的比值大于50%。
可选的,还包括:获取所述共有特征点中,所述横坐标差值和所述纵坐标差值都等于零的所述特征点作为静止特征点;
当所述静止特征点的个数大于第二阈值时,所述目标帧画面和所述对比帧画面采用的所述拍摄技巧为固定拍摄;
所述第二阈值与与任一所述帧画面的所述特征点个数的比值大于10%。
可选的,所述对比帧画面与所述目标帧画面属于同一所述视频片段;
所述对比帧画面与所述目标帧画面在所述视频片段中相邻。
可选的,所述坐标系为直角坐标系,所述横向坐标轴和所述纵向坐标轴
相互垂直。
与现有技术相比,本发明提供的一种基于视频分析的视频画面拍摄技巧的自动识别方法,实现了如下的有益效果:
1)本发明所提供的一种基于视频分析的视频画面拍摄技巧的自动识别方法,整个方法中没有任何步骤对于人员有电影从业经验的要求,解决了以往对于人员经验要求高、耗时长的问题;
2)本发明所提供的一种基于视频分析的视频画面拍摄技巧的自动识别方法,减少了对人工的依赖,可以快速识别电影电视等活动影像的拍摄技巧,为电影从业人员学习电影拍摄技巧提供了丰富的资料。
附图说明
被结合在说明书中并构成说明书的一部分的附图示出了本发明的实施例,并且连同其说明一起用于解释本发明的原理。
图1为本发明实施例1中一种基于视频分析的视频画面拍摄技巧的自动识别方法的流程图;
图2为本发明实施例2中一种基于视频分析的视频画面拍摄技巧的自动识别方法的流程图。
具体实施方式
现在将参照附图来详细描述本发明的各种示例性实施例。应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。
在这里示出和讨论的所有例子中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。因此,示例性实施例的其它例子可以具有不同的值。应注意到:一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
实施例1:
图1为本发明实施例1中一种基于视频分析的视频画面拍摄技巧的自动识别方法的流程图,如图1所示,一种基于视频分析的视频画面拍摄技巧的自动识别方法,包括:
S101:读取视频信息,获取视频信息中的帧画面,并按照播放顺序为帧画面赋予画面编码。
具体的,视频信息按照一般视频的播放速度进行播放时,其播放时长不应过短,一般应该大于10秒,读取的视频信息可以是黑白或彩色的电影电视等活动影像,电影电视等活动影像可以包括图像和音频,也可以只有图像,电影电视等活动影像是由一幅幅帧画面组成,通常一秒包括24幅帧画面,播放的时候,因为前一幅帧画面在人眼上有影像残留,所以人眼无法识别出两幅帧画面的间隔,获取视频信息中的帧画面时,可以获取全部的帧画面,也可以间隔一定数量的帧画面,提取一幅帧画面,因为紧邻的两幅帧画面之间的变化往往较小,难以找出两幅帧画面之间的区别点,容易造成识别困难的问题,因此,优选的,对于一般的电影电视等活动影像,每秒中提取一幅帧画面,即每隔23幅帧画面提取一幅帧画面,将所有提取的帧画面汇总,按照播放顺序赋予画面编码,画面编码从1开始,按照自然数的顺序递增排列。
S102:对帧画面进行特征分析,获取帧画面上的特征点,对视频信息根据镜头进行切割得到视频片段,在帧画面所在的平面上建立坐标系,计算特征点在坐标系中的坐标值。
具体的,对帧画面进行特征分析时,优先获取其中静态景物的特征点,视频信息根据镜头进行切割后,每一个视频片段均采用一个镜头进行拍摄,坐标系的原点位于帧画面的几何中心,坐标系包括:横向坐标轴和纵向坐标轴,横向坐标轴的正方向,是帧画面所在平面内的任一方向,纵向坐标轴的正方向,与横向坐标轴的正方向相交,横向坐标轴和纵向坐标轴有一个交点,但横向坐标轴与纵向坐标轴互不重叠,彼此之间的角度关系并不做任何限定,进一步的,在一些可选的实施例中,坐标系为直角坐标系,横向坐标和纵向坐标相互垂直,在另一些情况,根据具体的条件和要求,也可以建立非直角坐标系。坐标系中的坐标值,包括:横坐标和纵坐标。
S103:获取视频片段中任一帧画面作为目标帧画面,获取目标帧画面的对比帧画面,获取目标帧画面和对比帧画面共有的特征点,作为共有特征点。
具体的,获取目标帧画面时一般从视频片段的第一幅帧画面开始获取,再获取其对应的目标帧画面,然后依次获取之后的帧画面作为目标帧画面,并获取对应的目标帧画面。对比帧画面的所述画面编码,大于目标帧画面的画面编码。获取的共有特征点,指的是同时存在于目标帧画面和对比帧画面内的特征点,这些特征点彼此之间的方位关系不会改变,例如,在目标帧画面中,特征点A和特征点B位于特征点C的左右两侧,则在对比帧画面中,特征点A和特征点B仍位于特征点C的两侧,但是,彼此之间的距离关系可以发生改变,即两个特征点之间的距离可以发生改变。
S104:用共有特征点在对比帧画面中的坐标值,减去共有特征点在目标帧画面中的坐标值,得到共有特征点的坐标差值,其中,坐标差值包括:横坐标差值和纵坐标差值。
具体的,对比帧画面的尺寸应该和目标帧画面的尺寸相同,建立的坐标系为同一种坐标系,并建立在同一位置处,这时才能对坐标值进行差值运算,进行差值运算的规则是,用共有特征点对比帧画面中的横坐标减去在目标帧画面中的横坐标得到横坐标差值,用共有特征点对比帧画面中的纵坐标减去在目标帧画面中的纵坐标得到纵坐标差值。
S105:从共有特征点中获取第一特征点、第二特征点、第三特征点和第四特征点。
具体的,是从共有特征点中获取,横坐标差值大于零且纵坐标差值大于零的特征点,作为第一特征点;从共有特征点中获取,横坐标差值小于零且纵坐标差值大于零的特征点,作为第二特征点;从共有特征点中获取,横坐标差值小于零且纵坐标差值小于零的特征点,作为第三特征点;从共有特征点中获取,横坐标差值大于零且纵坐标差值小于零的特征点,作为第四特征点;当建立的坐标系是笛卡尔直角坐标系时,用右方向表示横坐标的正方向,上方向表示纵坐标的正方向,第一特征点指的是向右上方向移动的特征点,第二特征点是指向左上方向移动的特征点,第三特征点是指向左下方向移动的特征点,第四特征点是指向右下方向移动的特征点。
S106:当第一特征点、第二特征点、第三特征点和第四特征点的个数都不小于零,并且第一特征点和第四特征点在对比帧画面中的横坐标,大于第二特征点和第三特征点在对比帧画面中的横坐标时,目标帧画面和对比帧画面采用的拍摄技巧为推。
S107:当第一特征点、第二特征点、第三特征点和第四特征点的个数都不小于零,并且第二特征点和第三特征点在对比帧画面中的横坐标,大于第一特征点和第四特征点在对比帧画面中的横坐标时,目标帧画面和对比帧画面采用的拍摄技巧为拉;。
具体的,以建立的坐标系为笛卡尔直角坐标系为例,用右方向表示横坐标的正方向,上方向表示纵坐标的正方向,第一特征点、第二特征点、第三特征点和第四特征点的个数都不小于零,表示对比帧画面相对于目标帧画面进行了推或拉,而在对比帧画面中,第一特征点和第四特征点的横坐标,大于第二特征点和第三特征点的横坐标时,表示位于右侧的特征点向右侧移动,位于左侧的特征点向左侧移动,即目标帧画面的局部内容在对比帧画面中被放大,此时,第一特征点和第二特征点在对比帧画面中的纵坐标,大于第三特征点和第四特征点在对比帧画面中的纵坐标。同理,在对比帧画面中,第二特征点和第三特征点的横坐标,大于第一特征点和第四特征点的横坐标时,表示位于右侧的特征点向坐侧移动,位于左侧的特征点向右侧移动,即目标帧画面在对比帧画面中被缩小,此时,第一特征点和第二特征点在对比帧画面中的纵坐标,小于第三特征点和第四特征点在对比帧画面中的纵坐标。
S108:当共有特征点的横坐标差值或纵坐标差值,都大于零或者都小于零,并且共有特征点的横坐标差值和纵坐标差值,与共有特征点在目标帧画面中的横坐标绝对值和纵坐标绝对值之间不具有单调性时,目标帧画面和对比帧画面采用的拍摄技巧为移;
具体的,当共有特征点的横坐标差值或纵坐标差值,都大于零或者都小于零时,表明拍摄用的摄像机在移动,但没有进行前后移动,共有特征点的横坐标差值和纵坐标差值,与共有特征点在目标帧画面中的横坐标绝对值和纵坐标绝对值之间不具有单调性,表明各个共有特征点移动的距离与其再目标帧画面中的位置无关,即此时是非前后方向的平移,即采用的是移。
S109:当共有特征点的横坐标差值或纵坐标差值,都大于零或者都小于零,并且共有特征点的横坐标差值或纵坐标差值,与共有特征点在目标帧画面中的横坐标绝对值或纵坐标绝对值之间不具有单调性时,目标帧画面和对比帧画面采用的拍摄技巧为摇。
具体的,当共有特征点的横坐标差值或纵坐标差值,都大于零或者都小于零时,表明拍摄用的摄像机在移动,但没有进行前后移动,共有特征点的横坐标差值或纵坐标差值,与共有特征点在目标帧画面中的横坐标绝对值或纵坐标绝对值之间具有单调性,表明各个共有特征点移动的距离与其再目标帧画面中的位置有关,即采用的是移,这是因为,采用摇的时候,发生了角度变化,在不同角度测量两个特征点之间的距离时是不一样的,所以采用摇的时候,共有特征点的坐标差值与其所在的位置有关。
实施例2:
图2为本发明实施例2中一种基于视频分析的视频画面拍摄技巧的自动识别方法的流程图,如图2所示,一种基于视频分析的视频画面拍摄技巧的自动识别方法,包括:
S201:读取视频信息,获取视频信息中的帧画面,并按照播放顺序为帧画面赋予画面编码。
具体的,视频信息按照正常的播放速度进行播放时,其播放时长不应过短,一般应该大于10秒,读取的视频信息可以是黑白或彩色的电影电视等活动影像,电影电视等活动影像可以包括图像和音频,也可以只有图像,电影电视等活动影像是由一幅幅帧画面组成,通常一秒包括24幅帧画面,播放的时候,因为前一幅帧画面在人眼上有影像残留,所以识别出两幅帧画面的间隔,获取视频信息中的帧画面时,可以获取全部的帧画面,也可以间隔一定数量的帧画面,提取一幅帧画面,因为紧邻的两幅帧画面之间的变化往往较小,难以找出两幅帧画面之间的区别点,容易造成识别困难的问题,因此,优选的,对于一般的电影电视等活动影像,每秒中提取一幅帧画面,即每隔23幅帧画面提取一幅帧画面,将所有提取的帧画面汇总,按照播放顺序赋予画面编码,画面编码从1开始,按照自然数的顺序递增排列。
S202:对帧画面进行特征分析,获取帧画面上的特征点;对视频信息根据镜头进行切割得到视频片段;在帧画面所在的平面上建立坐标系,计算特征点在坐标系中的坐标值。
进一步的,在一些可选的实施例中,对视频信息根据镜头进行切割得到视频片段,进一步为:从视频信息中获取任一帧画面作为当前帧画面,从视频信息中获取与当前帧画面相邻的后一帧画面,获取当前帧画面和后一帧画面的特征点,计算当前帧画面和后一帧画面共有的特征点的个数作为连续度,当连续度大于或等于第一阈值时,当前帧画面和后一帧画面属于同一视频片段,当连续度小于第一阈值时,在当前帧画面和后一帧画面之间进行切割。
进一步的,在一些可选的实施例中,任意两幅帧画面的特征点的个数相同,第一阈值与任一帧画面的特征点个数的比值大于50%。
具体的,各个帧画面所具有的特征点的个数相同,即帧画面所具有的特征点个数是固定值,在辨别当前帧画面与后一帧画面是否属于统一视频片段时,这两幅帧画面所共同拥有的特征点的个数,作为连续度用以作为判断依据,因为用统一镜头拍摄的帧画面应当具有较多的相同特征点,所以,当连续度大于或等于第一阈值时,且第一阈值与任一帧画面的特征点的个数的比值大于50%。
进一步的,在一些可选的实施例中,对视频信息的帧画面进行特征分析,获取帧画面上的特征点,进一步为:从帧画面中获取静态景物,在静态景物上设置至少两个特征点。
具体的,对帧画面进行特征分析时,优先获取其中静态景物的特征点,为了充分定位静态景物,所以需要设置两个以上的特征点,视频信息根据镜头进行切割后,每一个视频片段均采用一个镜头进行拍摄,坐标系的原点位于帧画面的几何中心,坐标系包括:横向坐标轴和纵向坐标轴,横向坐标轴和纵向坐标轴有一个交点,但互不重叠,彼此之间的角度关系并不做任何限定,进一步的,在一些可选的实施例中,坐标系为直角坐标系,横向坐标和纵向坐标相互垂直,在另一些情况,根据具体的条件和要求,也可以建立非直角坐标系。坐标系中的坐标值,包括:横坐标和纵坐标。
S203:获取视频片段中任一帧画面作为目标帧画面,获取目标帧画面的对比帧画面,获取目标帧画面和对比帧画面共有的特征点,作为共有特征点。
具体的,获取目标帧画面时一般从视频片段的第一幅帧画面开始获取,再获取其目标帧画面,然后依次获取之后的帧画面作为目标帧画面,并获取对应的目标帧画面,进一步的,在一些可选的实施例中,对比帧画面与目标帧画面属于同一视频片段,对比帧画面与目标帧画面在视频片段中相邻,对比帧画面的画面编码,大于目标帧画面的画面编码。即对比帧画面是紧邻目标帧画面的后一幅帧画面。获取的共有特征点,指的是同时存在于目标帧画面和对比帧画面内的特征点,这些特征点彼此之间的方位关系不会改变,例如,在目标帧画面中,特征点A和特征点B位于特征点C的左右两侧,则在对比帧画面中,特征点A和特征点B仍位于特征点C的两侧,但是,彼此之间的距离关系可以发生改变,即两个特征点之间的距离可以发生改变。
S204:用共有特征点在对比帧画面中的坐标值,减去共有特征点在目标帧画面中的坐标值,得到共有特征点的坐标差值,其中,坐标差值包括:横坐标差值和纵坐标差值。
具体的,对比帧画面的尺寸应该和目标帧画面的尺寸相同,建立的坐标系为同一种坐标系,并建立在同一位置处,这时才能对坐标值进行差值运算,进行差值运算的规则是,用共有特征点对比帧画面中的横坐标减去在目标帧画面中的横坐标得到横坐标差值,用共有特征点对比帧画面中的纵坐标减去在目标帧画面中的纵坐标得到纵坐标差值。
S205:从共有特征点汇总获取第一特征点、第二特征点、第三特征点和第四特征点。
具体的,是从共有特征点中获取,横坐标差值大于零且纵坐标差值大于零的特征点,作为第一特征点;从共有特征点中获取,横坐标差值小于零且纵坐标差值大于零的特征点,作为第二特征点;从共有特征点中获取,横坐标差值小于零且纵坐标差值小于零的特征点,作为第三特征点;从共有特征点中获取,横坐标差值大于零且纵坐标差值小于零的特征点,作为第四特征点;当建立的坐标系是笛卡尔直角坐标系时,用右表示横坐标的正方向,用上表示纵坐标的正方向,第一特征点指的是向右上方向移动的特征点,第二特征点是指向左上方向移动的特征点,第三特征点是指向左下方向移动的特征点,第四特征点是指向右下方向移动的特征点。
S206:当第一特征点、第二特征点、第三特征点和第四特征点的个数都不小于零,并且第一特征点和第四特征点在对比帧画面中的横坐标,大于第二特征点和第三特征点在对比帧画面中的横坐标时,目标帧画面和对比帧画面采用的拍摄技巧为推。
S207:当第一特征点、第二特征点、第三特征点和第四特征点的个数都不小于零,并且第二特征点和第三特征点在对比帧画面中的横坐标,大于第一特征点和第四特征点在对比帧画面中的横坐标时,目标帧画面和对比帧画面采用的拍摄技巧为拉。
具体的,以建立的坐标系为笛卡尔直角坐标系为例,用右表示横坐标的正方向,用上表示纵坐标的正方向,第一特征点、第二特征点、第三特征点和第四特征点的个数都不小于零,表示对比帧画面相对于目标帧画面进行了推或拉,而在对比帧画面中,第一特征点和第四特征点的横坐标,大于第二特征点和第三特征点的横坐标时,表示位于右侧的特征点向右侧移动,位于左侧的特征点向左侧移动,即目标帧画面的局部在对比帧画面中被放大,此时,第一特征点和第二特征点在对比帧画面中的纵坐标,大于第三特征点和第四特征点在对比帧画面中的纵坐标。同理,在对比帧画面中,第二特征点和第三特征点的横坐标,大于第一特征点和第四特征点的横坐标时,表示位于右侧的特征点向坐侧移动,位于左侧的特征点向右侧移动,即目标帧画面在对比帧画面中被缩小,此时,第一特征点和第二特征点在对比帧画面中的纵坐标,小于第三特征点和第四特征点在对比帧画面中的纵坐标。
S208:当共有特征点的横坐标差值或纵坐标差值,都大于零或者都小于零,并且共有特征点的横坐标差值和纵坐标差值,与共有特征点在目标帧画面中的横坐标绝对值和纵坐标绝对值之间不具有单调性时,目标帧画面和对比帧画面采用的拍摄技巧为移。
具体的,当共有特征点的横坐标差值或纵坐标差值,都大于零或者都小于零时,表明拍摄用的摄像机在移动,但没有进行前后移动,共有特征点的横坐标差值和纵坐标差值,与共有特征点在目标帧画面中的横坐标绝对值和纵坐标绝对值之间不具有单调性,表明各个共有特征点移动的距离与其再目标帧画面中的位置无关,即此时是非前后方向的平移,即采用的是移。
S209:当共有特征点的横坐标差值或纵坐标差值,都大于零或者都小于零,并且共有特征点的横坐标差值或纵坐标差值,与共有特征点在目标帧画面中的横坐标绝对值或纵坐标绝对值之间不具有单调性时,目标帧画面和对比帧画面采用的拍摄技巧为摇。
具体的,当共有特征点的横坐标差值或纵坐标差值,都大于零或者都小于零时,表明拍摄用的摄像机在移动,但没有进行前后移动,共有特征点的横坐标差值或纵坐标差值,与共有特征点在目标帧画面中的横坐标绝对值或纵坐标绝对值之间具有单调性,表明各个共有特征点移动的距离与其再目标帧画面中的位置有关,即采用的是移,这是因为,采用摇的时候,发生了角度变化,在不同角度测量两个特征点之间的距离时是不一样的,所以采用摇的时候,共有特征点的坐标差值与其所在的位置有关。
S210:获取共有特征点中,横坐标差值和纵坐标差值都等于零的特征点作为静止特征点,当静止特征点的个数大于第二阈值时,目标帧画面和对比帧画面采用的拍摄技巧为固定拍摄。
具体的,固定拍摄时,摄像机固定不动,所以建筑物等标志性景物也不会在帧画面中改变位置,即具有多个坐标值没有变化的共有特征点,但是,考虑到实际摄影过程中震动、光线折射等影响因素,本来没有移动的物体可能在帧画面中显示为移动,因此需要设定第二阈值,只有当静止特征点的个数大于第二阈值时,才能认为采用的拍摄技巧为固定拍摄,第二阈值与与任一帧画面的特征点个数的比值大于10%。
本发明提供的一种基于视频分析的视频画面拍摄技巧的自动识别方法,实现了如下的有益效果:
1)本发明所提供的一种基于视频分析的视频画面拍摄技巧的自动识别方法,整个方法中没有任何步骤对于人员有电影从业经验的要求,解决了以往对于人员经验要求高、耗时长的问题;
2)本发明所提供的一种基于视频分析的视频画面拍摄技巧的自动识别方法,减少了对人工的依赖,可以快速识别电影电视等活动影像的拍摄技巧,为电影从业人员学习电影拍摄技巧提供了丰富的资料。
虽然已经通过例子对本发明的一些特定实施例进行了详细说明,但是本领域的技术人员应该理解,以上例子仅是为了进行说明,而不是为了限制本发明的范围。本领域的技术人员应该理解,可在不脱离本发明的范围和精神的情况下,对以上实施例进行修改。本发明的范围由所附权利要求来限定。
Claims (7)
1.一种基于视频分析的视频画面拍摄技巧的自动识别方法,其特征在于,包括:
读取视频信息,获取所述视频信息中的帧画面,并按照播放顺序为所述帧画面赋予画面编码;
对所述帧画面进行特征分析,获取所述帧画面上的特征点;
对所述视频信息根据镜头进行切割得到视频片段;
在所述帧画面所在的平面上建立坐标系,其中,所述坐标系,包括:横向坐标轴和纵向坐标轴,所述坐标系的原点位于所述帧画面的几何中心,所述横向坐标轴的正方向,是所述帧画面所在平面内的任一方向,所述纵向坐标轴的正方向,与所述横向坐标轴的正方向相交;
计算所述特征点在所述坐标系中的坐标值,其中,所述坐标值,包括:横坐标和纵坐标;
获取所述视频片段中任一所述帧画面作为目标帧画面;
获取所述目标帧画面的对比帧画面,所述对比帧画面的所述画面编码,大于所述目标帧画面的所述画面编码;
获取所述目标帧画面和所述对比帧画面共有的所述特征点,作为共有特征点;
用所述共有特征点在所述对比帧画面中的坐标值,减去所述共有特征点在所述目标帧画面中的坐标值,得到所述共有特征点的坐标差值,其中,所述坐标差值包括:横坐标差值和纵坐标差值;
从所述共有特征点中获取,所述横坐标差值大于零且纵坐标差值大于零的所述特征点,作为第一特征点;
从所述共有特征点中获取,所述横坐标差值小于零且纵坐标差值大于零的所述特征点,作为第二特征点;
从所述共有特征点中获取,所述横坐标差值小于零且纵坐标差值小于零的所述特征点,作为第三特征点;
从所述共有特征点中获取,所述横坐标差值大于零且纵坐标差值小于零的所述特征点,作为第四特征点;
当所述第一特征点、所述第二特征点、所述第三特征点和所述第四特征点的个数都不小于零,并且所述第一特征点和所述第四特征点在所述对比帧画面中的横坐标,大于所述第二特征点和第三特征点在所述对比帧画面中的横坐标时,所述目标帧画面和所述对比帧画面采用的拍摄技巧为推;
当所述第一特征点、所述第二特征点、所述第三特征点和所述第四特征点的个数都不小于零,并且所述第二特征点和所述第三特征点在所述对比帧画面中的横坐标,大于所述第一特征点和第四特征点在所述对比帧画面中的横坐标时,所述目标帧画面和所述对比帧画面采用的所述拍摄技巧为拉;
当所述共有特征点的所述横坐标差值或所述纵坐标差值,都大于零或者都小于零,并且所述共有特征点的所述横坐标差值和所述纵坐标差值,与所述共有特征点在所述目标帧画面中的所述横坐标绝度值和所述纵坐标绝对值之间不具有单调性时,所述目标帧画面和所述对比帧画面采用的所述拍摄技巧为移;
当所述共有特征点的所述横坐标差值或所述纵坐标差值,都大于零或者都小于零,并且所述共有特征点的所述横坐标差值或所述纵坐标差值,与所述共有特征点在所述目标帧画面中的所述横坐标绝对值或所述纵坐标绝对值之间不具有单调性时,所述目标帧画面和所述对比帧画面采用的所述拍摄技巧为摇。
2.如权利要求1所述的一种基于视频分析的视频画面拍摄技巧的自动识别方法,其特征在于,对所述视频信息根据镜头进行切割得到视频片段,进一步为:
从所述视频信息中获取任一所述帧画面作为当前帧画面;
从所述视频信息中获取与所述当前帧画面相邻的后一帧画面;
获取所述当前帧画面和所述后一帧画面的所述特征点;
计算所述当前帧画面和所述后一帧画面共有的所述特征点的个数作为连续度;
当所述连续度大于或等于第一阈值时,所述当前帧画面和所述后一帧画面属于同一视频片段;
当所述连续度小于第一阈值时,在所述当前帧画面和所述后一帧画面之间进行切割。
3.如权利要求2所述的一种基于视频分析的视频画面拍摄技巧的自动识别方法,其特征在于,对所述视频信息的帧画面进行特征分析,获取所述帧画面上的特征点,进一步为:
从所述帧画面中获取静态景物,在所述静态景物上设置至少两个所述特征点。
4.如权利要求3所述的一种基于视频分析的视频画面拍摄技巧的自动识别方法,其特征在于,
任意两幅所述帧画面的所述特征点的个数相同;
第一阈值与任一所述帧画面的所述特征点的个数的比值大于50%。
5.如权利要求4所述的一种基于视频分析的视频画面拍摄技巧的自动识别方法,其特征在于,还包括:
获取所述共有特征点中,所述横坐标差值和所述纵坐标差值都等于零的所述特征点作为静止特征点;
当所述静止特征点的个数大于第二阈值时,所述目标帧画面和所述对比帧画面采用的所述拍摄技巧为固定拍摄;
所述第二阈值与与任一所述帧画面的所述特征点个数的比值大于10%。
6.如权利要求1所述的一种基于视频分析的视频画面拍摄技巧的自动识别方法,其特征在于,
所述对比帧画面与所述目标帧画面属于同一所述视频片段;
所述对比帧画面与所述目标帧画面在所述视频片段中相邻。
7.如权利要求1所述的一种基于视频分析的视频画面拍摄技巧的自动识别方法,其特征在于,所述坐标系为直角坐标系,所述横向坐标轴和所述纵向坐标轴相互垂直。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810049321.9A CN108289247B (zh) | 2018-01-18 | 2018-01-18 | 一种基于视频分析的视频画面拍摄技巧的自动识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810049321.9A CN108289247B (zh) | 2018-01-18 | 2018-01-18 | 一种基于视频分析的视频画面拍摄技巧的自动识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108289247A true CN108289247A (zh) | 2018-07-17 |
CN108289247B CN108289247B (zh) | 2020-06-05 |
Family
ID=62835470
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810049321.9A Active CN108289247B (zh) | 2018-01-18 | 2018-01-18 | 一种基于视频分析的视频画面拍摄技巧的自动识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108289247B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109447022A (zh) * | 2018-11-08 | 2019-03-08 | 北京奇艺世纪科技有限公司 | 一种镜头类型识别方法及装置 |
CN110248158A (zh) * | 2019-06-06 | 2019-09-17 | 上海秒针网络科技有限公司 | 拍摄视角的调整方法及装置 |
CN110290287A (zh) * | 2019-06-27 | 2019-09-27 | 上海玄彩美科网络科技有限公司 | 多摄像头帧同步方法 |
CN113573044A (zh) * | 2021-01-19 | 2021-10-29 | 腾讯科技(深圳)有限公司 | 视频数据处理方法、装置、计算机设备及可读存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5953079A (en) * | 1992-03-24 | 1999-09-14 | British Broadcasting Corporation | Machine method for compensating for non-linear picture transformations, E.G. zoom and pan, in a video image motion compensation system |
CN101478675A (zh) * | 2008-01-03 | 2009-07-08 | 中国科学院计算技术研究所 | 一种视频中语义事件检测方法及系统 |
CN106162158A (zh) * | 2015-04-02 | 2016-11-23 | 无锡天脉聚源传媒科技有限公司 | 一种识别镜头拍摄方式的方法及装置 |
CN106713726A (zh) * | 2015-07-14 | 2017-05-24 | 无锡天脉聚源传媒科技有限公司 | 一种识别拍摄方式的方法和装置 |
CN107437076A (zh) * | 2017-08-02 | 2017-12-05 | 陈雷 | 基于视频分析的景别划分的方法及系统 |
-
2018
- 2018-01-18 CN CN201810049321.9A patent/CN108289247B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5953079A (en) * | 1992-03-24 | 1999-09-14 | British Broadcasting Corporation | Machine method for compensating for non-linear picture transformations, E.G. zoom and pan, in a video image motion compensation system |
CN101478675A (zh) * | 2008-01-03 | 2009-07-08 | 中国科学院计算技术研究所 | 一种视频中语义事件检测方法及系统 |
CN106162158A (zh) * | 2015-04-02 | 2016-11-23 | 无锡天脉聚源传媒科技有限公司 | 一种识别镜头拍摄方式的方法及装置 |
CN106713726A (zh) * | 2015-07-14 | 2017-05-24 | 无锡天脉聚源传媒科技有限公司 | 一种识别拍摄方式的方法和装置 |
CN107437076A (zh) * | 2017-08-02 | 2017-12-05 | 陈雷 | 基于视频分析的景别划分的方法及系统 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109447022A (zh) * | 2018-11-08 | 2019-03-08 | 北京奇艺世纪科技有限公司 | 一种镜头类型识别方法及装置 |
CN109447022B (zh) * | 2018-11-08 | 2021-04-09 | 北京奇艺世纪科技有限公司 | 一种镜头类型识别方法及装置 |
CN110248158A (zh) * | 2019-06-06 | 2019-09-17 | 上海秒针网络科技有限公司 | 拍摄视角的调整方法及装置 |
CN110248158B (zh) * | 2019-06-06 | 2021-02-02 | 上海秒针网络科技有限公司 | 拍摄视角的调整方法及装置 |
CN110290287A (zh) * | 2019-06-27 | 2019-09-27 | 上海玄彩美科网络科技有限公司 | 多摄像头帧同步方法 |
CN110290287B (zh) * | 2019-06-27 | 2022-04-12 | 上海玄彩美科网络科技有限公司 | 多摄像头帧同步方法 |
CN113573044A (zh) * | 2021-01-19 | 2021-10-29 | 腾讯科技(深圳)有限公司 | 视频数据处理方法、装置、计算机设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108289247B (zh) | 2020-06-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108289247A (zh) | 一种基于视频分析的视频画面拍摄技巧的自动识别方法 | |
CN106664376B (zh) | 增强现实设备和方法 | |
EP1843298A2 (en) | Image blending system and method | |
CN105939481A (zh) | 一种交互式三维虚拟现实视频节目录播和直播方法 | |
CN103984778B (zh) | 一种视频检索方法及系统 | |
JP6162345B2 (ja) | 画像の記録または表示の前にシーン依存の画像修正を可能にする生のシーン認識 | |
CN110248115B (zh) | 图像处理方法、装置及存储介质 | |
US20220245870A1 (en) | Real time production display of composited images with use of mutliple-source image data | |
JP2007104091A (ja) | 画像選出装置、プログラムおよび方法 | |
CN107172413A (zh) | 现实场景视频显示方法和系统 | |
CN108268847B (zh) | 一种电影蒙太奇语言分析的方法与系统 | |
CN109040654A (zh) | 外部拍摄设备的识别方法、装置及存储介质 | |
CN113365130B (zh) | 直播显示方法、直播视频获取方法及相关装置 | |
CN116033254B (zh) | 一种基于5g的广电摄录设备定位分析管理系统及方法 | |
CN108270978B (zh) | 一种图像处理方法和装置 | |
CN104954767B (zh) | 一种信息处理方法和电子设备 | |
CN112791401A (zh) | 拍摄方法、装置、电子设备及存储介质 | |
US20170287521A1 (en) | Methods, circuits, devices, systems and associated computer executable code for composing composite content | |
JP2005169062A (ja) | 画像データを用いてオブジェクトおよびオブジェクトタイプを変更する方法(関連出願の相互参照)本願においては、2003年12月8日付け台湾特許出願第92134510号の優先権の特典を主張する。 | |
CN109523297A (zh) | 一种体育比赛中实现虚拟广告的方法 | |
Kato et al. | Implementation of AI cloud service to Interactive Projection System | |
JP2010074437A (ja) | アノテーション付与方法及び装置及びプログラム及びコンピュータ読み取り可能な記録媒体 | |
Kim | Renewing Found Footage Filmmaking with Digital Technologies: Ken Jacob’s Recent Digital Films | |
CN114401365A (zh) | 目标人物识别方法、视频切换方法及装置 | |
CN116453181A (zh) | 基于机器视觉自动导播方法及智慧屏、存储介质 |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20220223 Address after: 100102 Room 303, unit 5, building 210, Huigu sunshine, Wangjing garden, Chaoyang District, Beijing Patentee after: Pang Zewenyue Address before: Room 308, building 3, courtyard 4, Chegongzhuang street, Xicheng District, Beijing 100044 Patentee before: Pang Zemufeng |
|
TR01 | Transfer of patent right |