CN108924491A - 视频流处理方法及装置、电子设备和存储介质 - Google Patents
视频流处理方法及装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN108924491A CN108924491A CN201810726676.7A CN201810726676A CN108924491A CN 108924491 A CN108924491 A CN 108924491A CN 201810726676 A CN201810726676 A CN 201810726676A CN 108924491 A CN108924491 A CN 108924491A
- Authority
- CN
- China
- Prior art keywords
- video
- video flowing
- gpu
- video frame
- flowing
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 claims abstract description 48
- 238000012545 processing Methods 0.000 claims description 76
- 238000004590 computer program Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 abstract description 12
- 238000010586 diagram Methods 0.000 description 22
- 238000005516 engineering process Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000001514 detection method Methods 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 6
- 230000001815 facial effect Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- HPTJABJPZMULFH-UHFFFAOYSA-N 12-[(Cyclohexylcarbamoyl)amino]dodecanoic acid Chemical compound OC(=O)CCCCCCCCCCCNC(=O)NC1CCCCC1 HPTJABJPZMULFH-UHFFFAOYSA-N 0.000 description 2
- 241001269238 Data Species 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000000712 assembly Effects 0.000 description 2
- 238000000429 assembly Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000005538 encapsulation Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- KLDZYURQCUYZBL-UHFFFAOYSA-N 2-[3-[(2-hydroxyphenyl)methylideneamino]propyliminomethyl]phenol Chemical compound OC1=CC=CC=C1C=NCCCN=CC1=CC=CC=C1O KLDZYURQCUYZBL-UHFFFAOYSA-N 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 241000406668 Loxodonta cyclotis Species 0.000 description 1
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 1
- 240000002853 Nelumbo nucifera Species 0.000 description 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000013497 data interchange Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 201000001098 delayed sleep phase syndrome Diseases 0.000 description 1
- 208000033921 delayed sleep phase type circadian rhythm sleep disease Diseases 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本公开涉及一种视频流处理方法及装置、电子设备和存储介质，所述方法包括：通过CPU对视频流进行处理，向GPU发送处理后的第一视频流；通过GPU对第一视频流进行解码，获得第二视频流；通过GPU对第二视频流进行检测，获得具有目标对象的目标视频帧；通过GPU提取目标视频帧中目标对象的特征信息以及目标视频帧的头信息。根据本公开的实施例的视频流处理方法，通过GPU对视频流进行处理，获得目标对象的特征信息以及目标视频帧的头信息，可充分发挥GPU的性能，并向CPU发送目标对象的特征信息和目标视频帧的头信息，减轻GPU和CPU之间的通信压力，节省CPU资源，提升对视频流的处理效率。
Description
技术领域
本公开涉及计算机技术领域，尤其涉及一种视频流处理方法及装置、电子设备和存储介质。
背景技术
动态人脸识别的核心是人脸解析技术，也就是将人脸图像数据转化为人脸结构化信息，如：人脸坐标框、人脸属性和基于深度学习技术的人脸特征等。随着安全管理力度的加强，目前在很多场合都布设了密集的高清摄像头监控网络。然而在相关技术中，很难高效地大批量地处理这些海量的视频数据，单台2U服务器只能处理4～8路的视频流，且多路视频流可达到1000Mbps，占用大量的CPU资源，要处理密集的高清摄像头获取的多路视频流需要大量服务器。
发明内容
本公开提出了一种视频流处理方法及装置、电子设备和存储介质。
根据本公开的一方面，提供了一种视频流处理方法，所述方法应用于电子设备，所述电子设备包括中央处理器CPU和图形处理器GPU，所述方法包括：
通过所述CPU对视频流进行处理，向所述GPU发送处理后的第一视频流，其中，所述第一视频流包括所述视频流的多个视频帧以及分别与每个视频帧对应的头信息；
通过所述GPU对接收到的所述第一视频流进行解码处理，获得第二视频流；
通过所述GPU对所述第二视频流进行检测，获得所述多个视频帧中具有目标对象的目标视频帧；
通过所述GPU提取所述目标视频帧中目标对象的特征信息以及所述目标视频帧的头信息。
在一种可能的实现方式中，通过所述CPU对视频流进行处理，向所述GPU发送处理后的第一视频流，包括：
对所述视频流进行处理，获得所述第一视频流；
当所述CPU根据所述GPU的性能参数确定所述GPU支持对所述第一视频流进行硬解码时，向所述GPU发送所述第一视频流。
在一种可能的实现方式中，通过所述GPU对接收到的所述第一视频流进行解码处理，获得第二视频流，包括：
对所述第一视频流进行硬解码处理，获得第三视频流；
对所述第三视频流进行格式转换和缩放处理，获得所述第二视频流。
在一种可能的实现方式中，所述方法还包括：
根据所述目标视频帧的头信息，通过所述CPU将所述目标对象的特征信息添加至所述第一视频流，获得第四视频流；
通过所述CPU对所述第四视频流进行处理，获得第五视频流，其中，所述第五视频流的视频帧的画面尺寸与视频播放窗口的尺寸相对应，且在所述第五视频流中，具有所述目标对象的视频帧中包括所述目标对象的特征信息。
在一种可能的实现方式中，根据所述目标视频帧的头信息，通过所述CPU将所述目标对象的特征信息添加至所述第一视频流，获得第四视频流，包括：
将所述目标视频帧的头信息与所述第一视频流的视频帧的头信息进行匹配，确定与所述目标视频帧相匹配的第一视频流的视频帧；
将所述目标对象的特征信息添加到匹配的第一视频流的视频帧中，获得所述第四视频流。
在一种可能的实现方式中，通过所述CPU对所述第四视频流进行处理，获得第五视频流，包括：
获取所述第四视频流的多个视频帧、目标对象的特征信息以及与目标对象的特征信息对应的头信息；
对所述第四视频流的多个视频帧进行缩放处理，获得多个缩放后的视频帧，所述缩放后的视频帧的画面尺寸与视频播放窗口的尺寸相对应；
将与目标对象的特征信息对应的头信息与缩放后的视频帧的头信息进行匹配，并将所述目标对象的特征信息添加到匹配的缩放后的视频帧中，获得所述第五视频流。
在一种可能的实现方式中，所述方法还包括：通过所述CPU对所述第一视频流进行缓存，
其中，根据所述目标视频帧的头信息，通过所述CPU将所述目标对象的特征信息添加至所述第一视频流，获取第四视频流，包括：
根据所述目标视频帧的头信息，将目标对象的特征信息添加至缓存的第一视频流，获取第四视频流。
在一种可能的实现方式中，所述目标对象的特征信息包括对所述目标对象进行框选的选择框的坐标信息。
在一种可能的实现方式中，所述头信息包括视频帧的帧号或时间戳中的至少一种。
根据本公开的另一方面，提供了一种视频流处理装置，所述装置包括中央处理器CPU和图形处理器GPU，
所述CPU被配置为：
对视频流进行处理，向所述GPU发送处理后的第一视频流，其中，所述第一视频流包括所述视频流的多个视频帧以及分别与每个视频帧对应的头信息；
所述GPU被配置为：
对接收到的所述第一视频流进行解码处理，获得第二视频流；
对所述第二视频流进行检测，获得所述多个视频帧中具有目标对象的目标视频帧；
提取所述目标视频帧中目标对象的特征信息以及所述目标视频帧的头信息。
在一种可能的实现方式中，所述CPU被进一步配置为：
对所述视频流进行处理，获得所述第一视频流；
当根据GPU的性能参数确定所述GPU支持对所述第一视频流进行硬解码时，向所述GPU发送所述第一视频流。
在一种可能的实现方式中，所述GPU被进一步配置为：
对所述第一视频流进行硬解码处理，获得第三视频流；
对所述第三视频流进行格式转换和缩放处理，获得所述第二视频流。
在一种可能的实现方式中，所述CPU还被配置为：
根据所述目标视频帧的头信息，将所述目标对象的特征信息添加至所述第一视频流，获得第四视频流；
对所述第四视频流进行处理，获得第五视频流，其中，所述第五视频流的视频帧的画面尺寸与视频播放窗口的尺寸相对应，且在所述第五视频流中，具有所述目标对象的视频帧中包括所述目标对象的特征信息。
在一种可能的实现方式中，所述CPU被进一步配置为：
将所述目标视频帧的头信息与所述第一视频流的视频帧的头信息进行匹配，确定与所述目标视频帧相匹配的第一视频流的视频帧；
将所述目标对象的特征信息添加到匹配的第一视频流的视频帧中，获得所述第四视频流。
在一种可能的实现方式中，所述CPU被进一步配置为：
获取所述第四视频流的多个视频帧、目标对象的特征信息以及与目标对象的特征信息对应的头信息；
对所述第四视频流的多个视频帧进行缩放处理，获得多个缩放后的视频帧，所述缩放后的视频帧的画面尺寸与视频播放窗口的尺寸相对应；
将与目标对象的特征信息对应的头信息与缩放后的视频帧的头信息进行匹配，并将所述目标对象的特征信息添加到匹配的缩放后的视频帧中，获得所述第五视频流。
在一种可能的实现方式中，所述CPU还被配置为：对所述第一视频流进行缓存，
所述CPU被进一步配置为：
根据所述目标视频帧的头信息，将目标对象的特征信息添加至缓存的第一视频流，获取第四视频流。
在一种可能的实现方式中，所述目标对象的特征信息包括对所述目标对象进行框选的选择框的坐标信息。
在一种可能的实现方式中，所述头信息包括视频帧的帧号或时间戳中的至少一种。
根据本公开的另一方面，提供了一种电子设备，包括：
处理器，包括中央处理器CPU和图形处理器GPU；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为：执行上述视频流处理方法。
根据本公开的另一方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述视频流处理方法，其中，所述处理器包括中央处理器CPU和图形处理器GPU。
根据本公开的实施例的视频流处理方法及装置、电子设备和存储介质，通过GPU对CPU获取的视频流进行处理，获得目标视频帧中目标对象的特征信息以及所述目标视频帧的头信息，能够充分发挥GPU的性能，并且向CPU发送目标对象的特征信息和目标视频帧的头信息，减轻GPU和CPU之间的通信压力，节省CPU资源，使得对视频流的处理效率得到提升，增加电子设备能够处理的视频流的数量。根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
附图说明
包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面，并且用于解释本公开的原理。
图1示出根据本公开一示例性实施例的视频流处理方法的流程图；
图2示出根据本公开一示例性实施例的视频流处理方法的步骤S11的流程图；
图3示出根据本公开一示例性实施例的视频流处理方法的步骤S12的流程图；
图4示出根据本公开一示例性实施例的视频流处理方法的流程图；
图5示出根据本公开一示例性实施例的视频流处理方法的流程图；
图6示出根据本公开一示例性实施例的视频流处理方法的步骤S41的流程图；
图7示出根据本公开一示例性实施例的视频流处理方法的步骤S42的流程图；
图8示出根据本公开一示例性实施例的视频流处理方法的应用示意图；
图9示出根据本公开一示例性实施例的视频流处理装置的框图；
图10示出根据本公开一示例性实施例的视频流处理装置的框图；
图11示出根据本公开一示例性实施例的视频流处理装置的框图
图12示出根据本公开一示例性实施例的一种电子设备的框图；
图13示出根据本公开一示例性实施例的一种电子设备的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
图1示出根据本公开一示例性实施例的视频流处理方法的流程图。所述方法应用于电子设备，所述电子设备可以是服务器或终端设备等，所述电子设备包括中央处理器CPU和图形处理器GPU，如图1所示，所述方法包括：
在步骤S11中，通过所述CPU对视频流进行处理，向所述GPU发送处理后的第一视频流，其中，所述第一视频流包括所述视频流的多个视频帧以及分别与每个视频帧对应的头信息；
在步骤S12中，通过所述GPU对接收到的所述第一视频流进行解码处理，获得第二视频流；
在步骤S13中，通过所述GPU对所述第二视频流进行检测，获得所述多个视频帧中具有目标对象的目标视频帧；
在步骤S14中，通过所述GPU提取所述目标视频帧中目标对象的特征信息以及所述目标视频帧的头信息。
根据本公开的实施例的视频流处理方法，通过GPU对CPU获取的视频流进行处理，获得目标视频帧中目标对象的特征信息以及所述目标视频帧的头信息，能够充分发挥GPU的性能，并且向CPU发送目标对象的特征信息和目标视频帧的头信息，减轻GPU和CPU之间的通信压力，节省CPU资源，使得对视频流的处理效率得到提升，增加电子设备能够处理的视频流的数量。
在一种可能的实现方式中，在步骤S11中，CPU对视频流的每个视频帧进行处理，获得所述第一视频流，并将所述第一视频流发送到GPU。在示例中，所述视频流可来自视频获取单元，例如，摄像头等能够获取视频流的部件。在示例中，所述电子设备可包括所述摄像头，摄像头可直接将获取的视频流传输至CPU。在示例中，所述电子设备也可不包括摄像头，即，摄像头是独立的摄像头，电子设备可与所述摄像头通过有线或无线等方式建立连接，以接收摄像头获得的视频流。CPU可通过Rtsp协议、GB/T28181协议或第三方sdk等来获取来自视频获取单元的视频流，来自视频获取单元的视频流为H.264格式的视频流。在示例中，CPU可对所述视频流中的每个视频帧添加头信息，获得第一视频流，所述第一视频流为每个视频帧均具有头信息的H.264格式的视频流。本公开对来自视频获取单元的视频流以及第一视频流的格式不做限制。
图2示出根据本公开一示例性实施例的视频流处理方法的步骤S11的流程图。如图2所示，步骤S11可包括：
在步骤S111中，对所述视频流进行处理，获得所述第一视频流；
在步骤S112中，当所述CPU根据所述GPU的性能参数确定所述GPU支持对所述第一视频流进行硬解码时，向所述GPU发送第一视频流。
在一种可能的实现方式中，在步骤S111中，CPU对来自视频获取单元的视频流的每个视频帧添加头信息，获得所述第一视频流。所述头信息包括视频帧的帧号或时间戳中的至少一种，所述头信息可用于识别视频流中的视频帧。
在一种可能的实现方式中，在步骤S112中，CPU可根据GPU的性能参数以及第一视频流的格式来判断GPU是否支持对第一视频流进行硬解码。例如，第一视频流的格式为H.264格式，CPU可获取GPU的性能参数，并根据GPU的性能参数确定GPU能够支持对该格式的第一视频流进行硬解码，则判断GPU支持硬解码。
在一种可能的实现方式中，如果CPU判断GPU支持对第一视频流进行硬解码处理，则将所述第一视频流发送至GPU，使得GPU对第一视频流进行硬解码处理。
在一种可能的实现方式中，如果CPU判断GPU不支持对第一视频流进行硬解码处理，则由CPU对所述第一视频流进行软解码，并将软解码处理后的第一视频流发送至GPU。在示例中，CPU可使用FFMPGE对第一视频流进行软解码处理。
通过这种方式，通过CPU来判断GPU是否支持硬解码，如果GPU支持硬解码，则将第一视频流发送至GPU来进行硬解码处理，能够节省CPU资源，提升CPU处理效率。
在一种可能的实现方式中，在步骤S12中，GPU可对接收到的所述第一视频流进行硬解码处理，获得第二视频流。
图3示出根据本公开一示例性实施例的视频流处理方法的步骤S12的流程图。如图3所示，步骤S12可包括：
在步骤S121中，对所述第一视频流进行硬解码处理，获得第三视频流；
在步骤S122中，对所述第三视频流进行格式转换和缩放处理，获得所述第二视频流。
在一种可能的实现方式中，在步骤S121中，在GPU支持对第一视频流进行硬解码时，GPU可接收CPU发送的第一视频流，并可使用基于CUDA构架的CUVID视频解码库对第一视频流进行硬解码，获得第三视频流。本公开对GPU使用的硬解码构架不做限制。
在一种可能的实现方式中，第一视频流的格式为H.264格式，GPU对第一视频流进行硬解码处理后，获得的第三视频流的格式为NV12格式。在步骤S122中，可对第三视频流的格式进行格式转换处理，例如，将NV12格式的第三视频流进行格式转换，获得RGB24格式的视频流。在示例中，GPU可使用CUDA构架对第三视频流进行格式转换。本公开对GPU使用的格式转换方式不做限制。
在一种可能的实现方式中，GPU在对第三视频流进行格式转换处理后，还可对格式转换后的第三视频流进行缩放处理，以获得所述第二视频流。此外，如果GPU不支持对所述第一视频流进行硬解码，则接收由CPU软解码处理后的视频流，并对该视频流进行缩放处理，获得所述第二视频流。
在一种可能的实现方式中，GPU可将第二视频流存入缓存中，例如，可将第二视频流存入GPU的显存中，以进行进一步的处理。
通过这种方式，通过GPU对第一视频流进行硬解码，能够充分发挥GPU处理图像的优势，节省CPU资源。
在一种可能的实现方式中，在步骤S13中，GPU可在第二视频流的多个视频帧中检测目标对象。在示例中，GPU可检测缓存中的第二视频流的多个视频帧中的目标对象。在示例中，目标对象可以是人脸、物品和场景等。GPU可在第二视频流的多个视频帧中获得具有目标对象的目标视频帧，并滤除不具有目标对象的视频帧。
在示例中，可使用人脸识别方法来检测和跟踪第二视频流中的人脸，即，确定人脸在每个视频帧中的位置。在示例中，可使用人脸识别方法来检测和跟踪目标人物的人脸，例如，可提取第二视频流的视频帧中的人脸图像的像素统计特征、人脸图像变换系数特征和人脸图像代数特征等人脸特征，并将上述人脸特征与目标人物的人脸特征进行比对，如果人脸特征的相似度大于或等于相似度阈值，则确定该视频帧中具有目标人物的人脸，可在第二视频流中，对目标人物的人脸进行跟踪，即，确定目标人物的人脸在每个视频帧中的位置。在示例中，可使用场景识别方法检测和跟踪目标场景，可使用物体识别方法来检测和跟踪目标物体。本公开对目标对象的种类以及检测和跟踪目标对象的方法不做限制。
在一种可能的实现方式中，在步骤S14中，GPU可从目标视频帧中提取目标视频帧的头信息以及目标对象的特征信息。所述目标对象的特征信息包括对所述目标对象进行框选的选择框的坐标信息，例如，所述选择框为方框，所述坐标信息可以是与方框的四个顶点对应的像素点的坐标。在示例中，所述目标对象的特征信息还可包括人脸属性和人脸抽象特征等，例如人脸图像的像素统计特征和人脸图像代数特征等，本公开对所述目标对象的特征信息的类型不做限制。GPU还可将目标视频帧的头信息以及目标视频帧中的目标对象的特征信息发送至CPU，使得CPU可对目标视频帧的头信息以及目标对象的特征信息进行进一步处理。
在一种可能的实现方式中，CPU可接收目标视频帧的头信息以及目标对象的特征信息，并存入缓存，以进行进一步的处理。
图4示出根据本公开一示例性实施例的视频流处理方法的流程图。如图4所示，所述视频流处理方法还可包括：
在步骤S41中，根据所述目标视频帧的头信息，通过所述CPU将所述目标对象的特征信息添加至所述第一视频流，获得第四视频流；
在步骤S42中，通过所述CPU对所述第四视频流进行处理，获得第五视频流，其中，所述第五视频流的视频帧的画面尺寸与视频播放窗口的尺寸相对应，且在所述第五视频流中，具有所述目标对象的视频帧中包括所述目标对象的特征信息。
在一种可能的实现方式中，在步骤S41中，CPU可接收GPU发送的目标视频帧的头信息以及目标视频帧中的目标对象的特征信息，并根据目标视频帧的头信息，将所述目标对象的特征信息添加至所述第一视频流的对应的视频帧中，获得第四视频流。
图5示出根据本公开一示例性实施例的视频流处理方法的流程图。如图5所示，所述视频流处理方法还可包括：
在步骤S51中，通过所述CPU对所述第一视频流进行缓存。
其中，步骤S41可包括：
在步骤S411中，根据所述目标视频帧的头信息，将目标对象的特征信息添加至缓存的第一视频流，获取第四视频流。
在一种可能的实现方式中，CPU在获得第一视频流时，除了将第一视频流发送至GPU之外，还可对第一视频流进行缓存，使得CPU在接收到GPU发送的目标视频帧的头信息以及目标对象的特征信息时，可将目标视频帧的头信息与缓存的第一视频流进行匹配。在示例中，可根据GPU对第一视频流的处理时间来确定缓存的第一视频流的帧数，例如，GPU处理每个视频帧的时间为n毫秒(n≤1000)，则CPU可缓存n毫秒的第一视频流对应的帧数，在示例中，也可缓存大于n毫秒的时间段的第一视频流对应的帧数。
在一种可能的实现方式中，在步骤S411中，CPU可根据目标视频帧的头信息，将所述目标对象的特征信息添加至缓存的所述第一视频流的对应的视频帧中，获得第四视频流。
图6示出根据本公开一示例性实施例的视频流处理方法的步骤S41的流程图。如图6所示，步骤S41可包括：
在步骤S412中，将所述目标视频帧的头信息与所述第一视频流的视频帧的头信息进行匹配，确定与所述目标视频帧相匹配的第一视频流的视频帧；
在步骤S413中，将所述目标对象的特征信息添加到匹配的第一视频流的视频帧中，获得所述第四视频流。
在一种可能的实现方式中，在步骤S412中，CPU可将目标视频帧的头信息与第一视频流的视频帧的头信息进行匹配。由于目标视频帧是GPU通过对第一视频流进行处理而获得的，因此，第一视频流中存在与目标视频帧头信息一致的视频帧。所述与目标视频帧头信息一致的视频帧即为与目标对象的特征信息相匹配的视频帧。
在一种可能的实现方式中，在步骤S413中，CPU可将目标对象的特征信息添加到第一视频流中的与目标视频帧头信息一致的视频帧中，获得第四视频流。在示例中，可将所述目标对象的特征信息添加到匹配的视频帧的报文中，例如，匹配的视频帧的报文的前5个偏移字段可包含该视频帧的头信息以及该报文携带的数据，所述目标对象的特征信息可被添加至第5个偏移字段之后的偏移字段中，例如，可将目标对象的特征信息的长度添加到第6个和第7个偏移字段中，可将目标对象的特征信息添加到第7个偏移字段之后的偏移字段中。
在示例中，匹配的视频帧的报文的前3个偏移字段中，可包括帧起始码，例如H.264格式的视频流中的匹配的视频帧的帧起始码0x00000001。在示例中，匹配的视频帧的报文的第4个偏移字段中，可包括帧类型标识，例如，匹配的视频帧的帧类型标识0x46。在示例中，匹配的视频帧的报文第5个偏移字段中，可包括帧净荷类型，例如，匹配的视频帧的帧净荷类型为5。前5个偏移字段可包含该视频帧的头信息。在示例中，可在匹配的视频帧的第6个和第7个偏移字段中，按照主机字节序添加目标对象的特征信息的长度。在示例中，可在第7个偏移字段之后添加目标对象的特征信息，目标对象的特征信息可按照用户自定义的存储顺序来存储。
在一种可能的实现方式中，在步骤S42中，CPU可对第四视频流进行处理，获得适合视频播放窗口播放的第五视频流，第五视频流的具有目标对象的视频帧中，包括所述目标对象的特征信息。在示例中，第五视频流的具有目标对象的视频帧中，目标对象被选择框进行框选。
图7示出根据本公开一示例性实施例的视频流处理方法的步骤S42的流程图。如图7所示，步骤S42可包括：
在步骤S421中，获取所述第四视频流的多个视频帧、目标对象的特征信息以及与目标对象的特征信息对应的头信息；
在步骤S422中，对所述第四视频流的多个视频帧进行缩放处理，获得多个缩放后的视频帧，所述缩放后的视频帧的画面尺寸与视频播放窗口的尺寸相对应；
在步骤S423中，将与目标对象的特征信息对应的头信息与缩放后的视频帧的头信息进行匹配，并将所述目标对象的特征信息添加到匹配的缩放后的视频帧中，获得所述第五视频流。
在一种可能的实现方式中，在步骤S421中，CPU可对第四视频流进行处理，从第四视频流中获取目标对象的特征信息以及与目标对象的特征信息对应的头信息。
在示例中，CPU可对第四视频流进行推流，即，按照传输协议将第四视频流进行封装，成为可用于传输的数据流，例如，可封装成protobuf数据交换格式的数据流。在示例中，所述传输协议可以是Rtsp协议、RTMP协议或HLS协议等，本公开对传输协议不做限制。所述第四视频流可被传输至电子设备的视频播放单元。
在示例中，CPU可通过浏览器插件体系架构FireBreath提供的接口来获取视频播放窗口的尺寸，如果视频播放单元的视频播放窗口的尺寸与第四视频流的视频帧的画面尺寸不匹配，则可将封装后的第四视频流进行处理，获得第四视频流的多个视频帧、目标对象的特征信息以及与目标对象的特征信息对应的头信息，例如，使用FFMPEG对封装后第四视频流进行解码，以获取上述信息。
在一种可能的实现方式中，在步骤S422中，CPU可根据视频播放窗口的尺寸对第四视频流的多个视频帧进行缩放处理，缩放后的视频帧的画面尺寸与视频播放窗口的尺寸对应。在示例中，所述视频播放单元可在浏览器上播放视频。CPU可通过浏览器插件体系架构FireBreath提供的接口来获取视频播放窗口的尺寸，并根据视频播放窗口的尺寸对第四视频流的多个视频帧进行缩放处理。
在一种可能的实现方式中，在步骤S423中，CPU根据与目标对象的特征信息对应的头信息以及缩放后的视频帧的头信息，对缩放后的视频帧和目标对象的特征信息进行匹配，并将所述目标对象的特征信息添加到匹配的缩放后的视频帧中，获得第五视频流。
在示例中，所述目标对象的特征信息是对目标对象进行框选的选择框的坐标信息，所述坐标信息可以是与方框的四个顶点对应的像素点的坐标，可根据所述方框的四个顶点对应的像素点的坐标在缩放后的视频帧上生成选择框，即，对缩放后的视频帧中的目标对象进行框选，从而获得第五视频流，所述第五视频流的视频帧的画面尺寸与视频播放窗口的尺寸相对应，且在第五视频流中具有目标对象的视频帧中，目标对象被选择框框选。在示例中，所述视频播放单元可将第五视频流在浏览器的视频播放窗口中进行播放。
根据本公开的实施例的视频流处理方法，通过CPU根据视频播放窗口的尺寸对第四视频流进行缩放，并将第四视频流中的目标对象的目标对象进行框选，获得第五视频流，能够避免特征信息和视频帧分别传输时易出现选择框拖影或画面延时的问题。
在一种可能的实现方式中，对第一视频流的解码处理、对第二视频流的检测处理以及提取目标视频帧中的目标对象的特征信息等步骤均在GPU上执行，且GPU向CPU发送的每路视频流目标对象的特征信息和目标视频帧的头信息只有2～4Mbps，因此降低了总线带宽，减轻了GPU和CPU之间的通信压力，并节省了CPU的资源，使CPU可同时处理多路视频流。并且各处理过程可并行执行，例如，在GPU提取目标视频帧中的目标对象的特征信息的过程中，还可对一个视频帧进行检测，以判断该视频帧是否为目标视频帧，同时还可对另一个视频帧进行解码，与此同时，CPU可对来自视频获取单元的视频帧进行处理，向所述第四个视频帧添加头信息。因此，所述电子设备可同时处理多路视频流，例如可同时20～40路高清视频流。
根据本公开的实施例的视频流处理方法，通过GPU对CPU获取的视频流进行解码、检测和提取特征信息等处理，获得目标视频帧中目标对象的特征信息以及所述目标视频帧的头信息，能够充分发挥GPU的性能，并且仅向CPU发送目标对象的特征信息和目标视频帧的头信息，减轻GPU和CPU之间的通信压力，节省CPU资源，提升了CPU的处理效率。由于节省了CPU的资源，并且各处理过程可并行执行，使得所述电子设备可同时处理多路高清视频流，降低了设置电子设备的成本。
可以理解，本公开提及的上述各个方法实施例，在不违背原理逻辑的情况下，均可以彼此相互结合形成结合后的实施例，限于篇幅，本公开不再赘述。
此外，本公开还提供了图像处理装置、电子设备、计算机可读存储介质、程序，上述均可用来实现本公开提供的任一种图像处理方法，相应技术方案和描述和参见方法部分的相应记载，不再赘述。
图8示出根据本公开一示例性实施例的视频流处理方法的应用示意图。如图8所示，视频获取单元81可将其获取的视频流84发送至CPU 82，CPU 82可对视频流84的每个视频帧添加头信息，例如，可添加帧号或时间戳，即可获得第一视频流85，并将视频流85进行缓存。
在一种可能的实现方式中，CPU 82可判断GPU 83是否支持对第一视频流85进行硬解码，例如，可根据GPU 83的性能参数和第一视频流85的格式判断GPU 83是否支持对第一视频流85进行硬解码。如果GPU 83支持对第一视频流85进行硬解码，CPU 82将第一视频流85发送至GPU 83，否则，CPU 82对第一视频流85进行软解码。
在一种可能的实现方式中，在GPU 83支持对第一视频85流进行硬解码时，GPU 83可接收CPU 82发送的第一视频流85，并对第一视频流85进行硬解码，生成第三视频流86，并对第三视频流86进行格式转换和缩放处理，获得第二视频流87。
在一种可能的实现方式中，GPU 83可对第二视频流87的多个视频帧进行检测，以获得第二视频流87的多个视频帧中获得具有目标对象的目标视频帧88，并滤除不具有目标对象的视频帧。
在一种可能的实现方式中，GPU 83可目标视频帧中提取目标视频帧的头信息以及目标对象的特征信息89，在示例中，目标对象的特征信息包括对所述目标对象进行框选的选择框的坐标信息。GPU 83还可将目标视频帧的头信息以及目标对象的特征信息89发送至CPU 82。
在一种可能的实现方式中，CPU 82可接收目标视频帧的头信息以及目标对象的特征信息89，并存入缓存中，以根据目标视频帧的头信息将目标视频帧与缓存中的第一视频流85的头信息进行匹配，并将目标对象的特征信息添加到匹配的第一视频流的视频帧中，获得所述第四视频流90。
在一种可能的实现方式中，CPU 82可对第四视频流90的多个视频帧进行缩放，获得多个缩放后的视频帧91，所述缩放后的视频帧的画面尺寸与视频播放窗口的尺寸相对应。
在一种可能的实现方式中，CPU 82可在缩放后的视频帧91中确定头信息与目标视频帧匹配的视频帧，并将目标对象的特征信息添加到匹配的视频帧中，获得第五视频流92。在示例中，第五视频流92的每个视频帧的尺寸均与视频播放窗口匹配，并且，第五视频流92的具有目标对象的视频帧中具有目标对象的特征信息，例如，在第五视频流92的具有目标对象的视频帧中，目标对象被选择框框选。
图9示出根据本公开一示例性实施例的视频流处理装置的框图。如图9所示，所述装置包括中央处理器CPU 91和图形处理器GPU 92，
所述CPU 91被配置为：
对视频流进行处理，向所述GPU发送处理后的第一视频流，其中，所述第一视频流包括所述视频流的多个视频帧以及分别与每个视频帧对应的头信息；
所述GPU 92被配置为：
对接收到的所述第一视频流进行解码处理，获得第二视频流；
对所述第二视频流进行检测，获得所述多个视频帧中具有目标对象的目标视频帧；
提取所述目标视频帧中目标对象的特征信息以及所述目标视频帧的头信息。
在一种可能的实现方式中，所述CPU被进一步配置为：
对所述视频流进行处理，获得所述第一视频流；
当根据GPU的性能参数确定所述GPU支持对所述第一视频流进行硬解码时，向所述GPU发送所述第一视频流。
在一种可能的实现方式中，所述GPU被进一步配置为：
对所述第一视频流进行硬解码处理，获得第三视频流；
对所述第三视频流进行格式转换和缩放处理，获得所述第二视频流。
在一种可能的实现方式中，所述CPU还被配置为：
根据所述目标视频帧的头信息，将所述目标对象的特征信息添加至所述第一视频流，获得第四视频流；
对所述第四视频流进行处理，获得第五视频流，其中，所述第五视频流的视频帧的画面尺寸与视频播放窗口的尺寸相对应，且在所述第五视频流中，具有所述目标对象的视频帧中包括所述目标对象的特征信息。
在一种可能的实现方式中，所述CPU被进一步配置为：
将所述目标视频帧的头信息与所述第一视频流的视频帧的头信息进行匹配，确定与所述目标视频帧相匹配的第一视频流的视频帧；
将所述目标对象的特征信息添加到匹配的第一视频流的视频帧中，获得所述第四视频流。
在一种可能的实现方式中，所述CPU被进一步配置为：
获取所述第四视频流的多个视频帧、目标对象的特征信息以及与目标对象的特征信息对应的头信息；
对所述第四视频流的多个视频帧进行缩放处理，获得多个缩放后的视频帧，所述缩放后的视频帧的画面尺寸与视频播放窗口的尺寸相对应；
将与目标对象的特征信息对应的头信息与缩放后的视频帧的头信息进行匹配，并将所述目标对象的特征信息添加到匹配的缩放后的视频帧中，获得所述第五视频流。
在一种可能的实现方式中，所述CPU还被配置为：对所述第一视频流进行缓存，
所述CPU被进一步配置为：
根据所述目标视频帧的头信息，将目标对象的特征信息添加至缓存的第一视频流，获取第四视频流。
在一种可能的实现方式中，所述目标对象的特征信息包括对所述目标对象进行框选的选择框的坐标信息。
在一种可能的实现方式中，所述头信息包括视频帧的帧号或时间戳中的至少一种。
图10示出根据本公开一示例性实施例的视频流处理装置的框图。如图10所示，所述装置包括中央处理器CPU和图形处理器GPU，
所述CPU包括：
处理模块11，用于对视频流进行处理，向GPU发送处理后的第一视频流，其中，所述第一视频流包括所述视频流的多个视频帧以及分别与每个视频帧对应的头信息；
所述GPU包括：
解码模块12，用于对接收到的所述第一视频流进行解码处理，获得第二视频流；
检测模块13，用于对所述第二视频流进行检测，获得所述多个视频帧中具有目标对象的目标视频帧；
提取模块14，用于提取所述目标视频帧中目标对象的特征信息以及所述目标视频帧的头信息。
图11示出根据本公开一示例性实施例的视频流处理装置的框图。如图11所示，所述处理模块11包括：
第一视频流获得子模块111，用于对所述视频流进行处理，获得所述第一视频流；
第一视频流发送子模块112，用于当根据GPU的性能参数确定所述GPU支持对所述第一视频流进行硬解码时，向所述GPU发送所述第一视频流。
在一种可能的实现方式中，所述解码模块12包括：
硬解码子模块121，用于对所述第一视频流进行硬解码处理，获得第三视频流；
第二视频流获得子模块122，用于对所述第三视频流进行格式转换和缩放处理，获得所述第二视频流。
在一种可能的实现方式中，所述CPU还包括：
添加模块41，用于根据所述目标视频帧的头信息，将所述目标对象的特征信息添加至所述第一视频流，获得第四视频流；
第五视频流获得模块42，用于对所述第四视频流进行处理，获得第五视频流，其中，所述第五视频流的视频帧的画面尺寸与视频播放窗口的尺寸相对应，且在所述第五视频流中，具有所述目标对象的视频帧中包括所述目标对象的特征信息。
在一种可能的实现方式中，所述CPU还包括：缓存模块51，用于通过所述CPU对所述第一视频流进行缓存，
其中，所述添加模块41包括：
第四视频流获取子模块411，用于根据所述目标视频帧的头信息，将目标对象的特征信息添加至缓存的第一视频流，获取第四视频流。
在一种可能的实现方式中，所述添加模块41包括：
匹配子模块412，用于将所述目标视频帧的头信息与所述第一视频流的视频帧的头信息进行匹配，确定与所述目标视频帧相匹配的第一视频流的视频帧；
添加子模块413，用于将所述目标对象的特征信息添加到匹配的第一视频流的视频帧中，获得所述第四视频流。
在一种可能的实现方式中，所述第五视频流获得模块42包括：
获取子模块421，用于获取所述第四视频流的多个视频帧、目标对象的特征信息以及与目标对象的特征信息对应的头信息；
缩放子模块422，用于对所述第四视频流的多个视频帧进行缩放处理，获得多个缩放后的视频帧，所述缩放后的视频帧的画面尺寸与视频播放窗口的尺寸相对应；
第五视频流获得子模块423，用于将与目标对象的特征信息对应的头信息与缩放后的视频帧的头信息进行匹配，并将所述目标对象的特征信息添加到匹配的缩放后的视频帧中，获得所述第五视频流。
在一种可能的实现方式中，所述目标对象的特征信息包括对所述目标对象进行框选的选择框的坐标信息。
在一种可能的实现方式中，所述头信息包括视频帧的帧号或时间戳中的至少一种。
本公开实施例还提出一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是非易失性计算机可读存储介质。
本公开实施例还提出一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为上述方法。
电子设备可以被提供为终端、服务器或其它形态的设备。
图12是根据一示例性实施例示出的一种电子设备800的框图。例如，电子设备800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等终端。
参照图12，电子设备800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。
处理组件802通常控制电子设备800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当电子设备800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器，用于为电子设备800提供各个方面的状态评估。例如，传感器组件814可以检测到电子设备800的打开/关闭状态，组件的相对定位，例如所述组件为电子设备800的显示器和小键盘，传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变，用户与电子设备800接触的存在或不存在，电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
图13是根据一示例性实施例示出的一种电子设备1900的框图。例如，电子设备1900可以被提供为一服务器。参照图13，电子设备1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理，一个有线或无线网络接口1950被配置为将电子设备1900连接到网络，和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM或类似。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (10)
1.一种视频流处理方法，其特征在于，所述方法应用于电子设备，所述电子设备包括中央处理器CPU和图形处理器GPU，所述方法包括：
通过所述CPU对视频流进行处理，向所述GPU发送处理后的第一视频流，其中，所述第一视频流包括所述视频流的多个视频帧以及分别与每个视频帧对应的头信息；
通过所述GPU对接收到的所述第一视频流进行解码处理，获得第二视频流；
通过所述GPU对所述第二视频流进行检测，获得所述多个视频帧中具有目标对象的目标视频帧；
通过所述GPU提取所述目标视频帧中目标对象的特征信息以及所述目标视频帧的头信息。
2.根据权利要求1所述的方法，其特征在于，通过所述CPU对视频流进行处理，向所述GPU发送处理后的第一视频流，包括：
对所述视频流进行处理，获得所述第一视频流；
当所述CPU根据所述GPU的性能参数确定所述GPU支持对所述第一视频流进行硬解码时，向所述GPU发送所述第一视频流。
3.根据权利要求1所述的方法，其特征在于，通过所述GPU对接收到的所述第一视频流进行解码处理，获得第二视频流，包括：
对所述第一视频流进行硬解码处理，获得第三视频流；
对所述第三视频流进行格式转换和缩放处理，获得所述第二视频流。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据所述目标视频帧的头信息，通过所述CPU将所述目标对象的特征信息添加至所述第一视频流，获得第四视频流；
通过所述CPU对所述第四视频流进行处理，获得第五视频流，其中，所述第五视频流的视频帧的画面尺寸与视频播放窗口的尺寸相对应，且在所述第五视频流中，具有所述目标对象的视频帧中包括所述目标对象的特征信息。
5.根据权利要求4所述的方法，其特征在于，根据所述目标视频帧的头信息，通过所述CPU将所述目标对象的特征信息添加至所述第一视频流，获得第四视频流，包括：
将所述目标视频帧的头信息与所述第一视频流的视频帧的头信息进行匹配，确定与所述目标视频帧相匹配的第一视频流的视频帧；
将所述目标对象的特征信息添加到匹配的第一视频流的视频帧中，获得所述第四视频流。
6.根据权利要求4所述的方法，其特征在于，通过所述CPU对所述第四视频流进行处理，获得第五视频流，包括：
获取所述第四视频流的多个视频帧、目标对象的特征信息以及与目标对象的特征信息对应的头信息；
对所述第四视频流的多个视频帧进行缩放处理，获得多个缩放后的视频帧，所述缩放后的视频帧的画面尺寸与视频播放窗口的尺寸相对应；
将与目标对象的特征信息对应的头信息与缩放后的视频帧的头信息进行匹配，并将所述目标对象的特征信息添加到匹配的缩放后的视频帧中，获得所述第五视频流。
7.根据权利要求4所述的方法，其特征在于，所述方法还包括：通过所述CPU对所述第一视频流进行缓存，
其中，根据所述目标视频帧的头信息，通过所述CPU将所述目标对象的特征信息添加至所述第一视频流，获取第四视频流，包括：
根据所述目标视频帧的头信息，将目标对象的特征信息添加至缓存的第一视频流，获取第四视频流。
8.一种视频流处理装置，其特征在于，所述装置包括中央处理器CPU和图形处理器GPU，
所述CPU被配置为：
对视频流进行处理，向所述GPU发送处理后的第一视频流，其中，所述第一视频流包括所述视频流的多个视频帧以及分别与每个视频帧对应的头信息；
所述GPU被配置为：
对接收到的所述第一视频流进行解码处理，获得第二视频流；
对所述第二视频流进行检测，获得所述多个视频帧中具有目标对象的目标视频帧；
提取所述目标视频帧中目标对象的特征信息以及所述目标视频帧的头信息。
9.一种电子设备，其特征在于，包括：
处理器，包括中央处理器CPU和图形处理器GPU；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为：执行权利要求1至7中任意一项所述的方法。
10.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至7中任意一项所述的方法，其中，所述处理器包括中央处理器CPU和图形处理器GPU。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810726676.7A CN108924491B (zh) | 2018-07-04 | 2018-07-04 | 视频流处理方法及装置、电子设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810726676.7A CN108924491B (zh) | 2018-07-04 | 2018-07-04 | 视频流处理方法及装置、电子设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108924491A true CN108924491A (zh) | 2018-11-30 |
| CN108924491B CN108924491B (zh) | 2020-08-25 |
Family
ID=64423919
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810726676.7A Active CN108924491B (zh) | 2018-07-04 | 2018-07-04 | 视频流处理方法及装置、电子设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108924491B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109803068A (zh) * | 2019-01-21 | 2019-05-24 | 郑州云海信息技术有限公司 | 一种基于安防监控的异构混合计算系统和方法 |
| CN110909203A (zh) * | 2019-11-27 | 2020-03-24 | 上海商汤智能科技有限公司 | 视频分析方法及装置、电子设备和存储介质 |
| CN113645486A (zh) * | 2021-07-16 | 2021-11-12 | 北京爱笔科技有限公司 | 视频数据的处理方法、装置、计算机设备和存储介质 |
| CN113727114A (zh) * | 2021-07-21 | 2021-11-30 | 天津津航计算技术研究所 | 一种可转码的视频解码方法 |
| CN114143595A (zh) * | 2021-12-08 | 2022-03-04 | 珠海豹趣科技有限公司 | 一种视频壁纸播放方法、装置、电子设备及可读存储介质 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1884884A2 (en) * | 2006-08-03 | 2008-02-06 | TUBITAK-Turkiye Bilimsel ve Teknolojik ve Arastima Kurumu | Use of graphics processing unit (GPU) in the investigation of marks used in criminology |
| CN104966063A (zh) * | 2015-06-17 | 2015-10-07 | 中国矿业大学 | 基于gpu与cpu协同计算的矿井多摄像机视频融合方法 |
| CN105513087A (zh) * | 2016-03-03 | 2016-04-20 | 北京志光伯元科技有限公司 | 激光瞄准与跟踪设备及其控制方法 |
| CN106127106A (zh) * | 2016-06-13 | 2016-11-16 | 东软集团股份有限公司 | 视频中目标人物查找方法和装置 |
| CN106358003A (zh) * | 2016-08-31 | 2017-01-25 | 华中科技大学 | 一种基于线程级流水线的视频分析加速方法 |
| WO2017040633A1 (en) * | 2015-08-31 | 2017-03-09 | Snapchat, Inc. | Automated adjustment of digital image capture parameters |
| CN107016344A (zh) * | 2017-03-08 | 2017-08-04 | 上海极链网络科技有限公司 | 视频中品牌识别系统及其实现方法 |
| CN108121945A (zh) * | 2017-11-14 | 2018-06-05 | 深圳市深网视界科技有限公司 | 一种多目标检测跟踪方法、电子设备及存储介质 |
| CN108206937A (zh) * | 2016-12-20 | 2018-06-26 | 浙江宇视科技有限公司 | 一种提升智能分析性能的方法和装置 |
| CN108229314A (zh) * | 2017-11-28 | 2018-06-29 | 深圳市商汤科技有限公司 | 目标人物的搜索方法、装置和电子设备 |
-
2018
- 2018-07-04 CN CN201810726676.7A patent/CN108924491B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1884884A2 (en) * | 2006-08-03 | 2008-02-06 | TUBITAK-Turkiye Bilimsel ve Teknolojik ve Arastima Kurumu | Use of graphics processing unit (GPU) in the investigation of marks used in criminology |
| CN104966063A (zh) * | 2015-06-17 | 2015-10-07 | 中国矿业大学 | 基于gpu与cpu协同计算的矿井多摄像机视频融合方法 |
| WO2017040633A1 (en) * | 2015-08-31 | 2017-03-09 | Snapchat, Inc. | Automated adjustment of digital image capture parameters |
| CN105513087A (zh) * | 2016-03-03 | 2016-04-20 | 北京志光伯元科技有限公司 | 激光瞄准与跟踪设备及其控制方法 |
| CN106127106A (zh) * | 2016-06-13 | 2016-11-16 | 东软集团股份有限公司 | 视频中目标人物查找方法和装置 |
| CN106358003A (zh) * | 2016-08-31 | 2017-01-25 | 华中科技大学 | 一种基于线程级流水线的视频分析加速方法 |
| CN108206937A (zh) * | 2016-12-20 | 2018-06-26 | 浙江宇视科技有限公司 | 一种提升智能分析性能的方法和装置 |
| CN107016344A (zh) * | 2017-03-08 | 2017-08-04 | 上海极链网络科技有限公司 | 视频中品牌识别系统及其实现方法 |
| CN108121945A (zh) * | 2017-11-14 | 2018-06-05 | 深圳市深网视界科技有限公司 | 一种多目标检测跟踪方法、电子设备及存储介质 |
| CN108229314A (zh) * | 2017-11-28 | 2018-06-29 | 深圳市商汤科技有限公司 | 目标人物的搜索方法、装置和电子设备 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109803068A (zh) * | 2019-01-21 | 2019-05-24 | 郑州云海信息技术有限公司 | 一种基于安防监控的异构混合计算系统和方法 |
| CN110909203A (zh) * | 2019-11-27 | 2020-03-24 | 上海商汤智能科技有限公司 | 视频分析方法及装置、电子设备和存储介质 |
| CN113645486A (zh) * | 2021-07-16 | 2021-11-12 | 北京爱笔科技有限公司 | 视频数据的处理方法、装置、计算机设备和存储介质 |
| CN113727114A (zh) * | 2021-07-21 | 2021-11-30 | 天津津航计算技术研究所 | 一种可转码的视频解码方法 |
| CN113727114B (zh) * | 2021-07-21 | 2024-04-26 | 天津津航计算技术研究所 | 一种可转码的视频解码方法 |
| CN114143595A (zh) * | 2021-12-08 | 2022-03-04 | 珠海豹趣科技有限公司 | 一种视频壁纸播放方法、装置、电子设备及可读存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108924491B (zh) | 2020-08-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108924491A (zh) | 视频流处理方法及装置、电子设备和存储介质 | |
| CN106375772B (zh) | 视频播放方法及装置 | |
| CN109618184A (zh) | 视频处理方法及装置、电子设备和存储介质 | |
| CN107948708A (zh) | 弹幕展示方法及装置 | |
| CN109948494A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
| CN108985176A (zh) | 图像生成方法及装置 | |
| TW202107337A (zh) | 一種人臉圖像識別方法及裝置、電子設備和電腦可讀儲存媒體 | |
| CN106791535B (zh) | 视频录制方法及装置 | |
| CN109040664A (zh) | 视频流处理方法及装置、电子设备和存储介质 | |
| CN109151356A (zh) | 视频录制方法及装置 | |
| CN109711546A (zh) | 神经网络训练方法及装置、电子设备和存储介质 | |
| CN109840917A (zh) | 图像处理方法及装置、网络训练方法及装置 | |
| CN109862380A (zh) | 视频数据处理方法、装置及服务器、电子设备和存储介质 | |
| CN108924644A (zh) | 视频片段提取方法及装置 | |
| WO2022134388A1 (zh) | 乘车逃票检测方法及装置、电子设备、存储介质、计算机程序产品 | |
| CN110322532A (zh) | 动态图像的生成方法及装置 | |
| CN106658215A (zh) | 推送直播文件的方法及装置 | |
| CN109963168A (zh) | 视频预览方法及装置 | |
| CN110121106A (zh) | 视频播放方法及装置 | |
| CN110378312A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
| WO2023123840A1 (zh) | 支付方法及装置、电子设备、存储介质和计算机程序产品 | |
| CN110519655A (zh) | 视频剪辑方法及装置 | |
| CN107147936A (zh) | 弹幕的显示控制方法及装置 | |
| CN110135349A (zh) | 识别方法、装置、设备及存储介质 | |
| CN109359218A (zh) | 多媒体资源展示方法及装置 |
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 |