CN108960206A - 视频帧处理方法和装置 - Google Patents

Abstract

本申请实施例公开了视频帧处理方法和装置。该方法的一具体实施方式包括：获取视频中包含对象的待处理视频帧；将该视频中，在该待处理视频帧之前播放的其中一个包含该对象的视频帧作为参考视频帧，将指示该参考视频帧中该对象的位置的边框作为参考边框；基于该参考边框在该参考视频帧中的位置，在该待处理视频帧中，确定该待处理视频帧中包含该对象的区域。本申请实施例提高了确定对象的边框的速度。同时，增加了跟踪对象的连续性。

Description

视频帧处理方法和装置

技术领域

本申请实施例涉及计算机技术领域，具体涉及互联网技术领域，尤其涉及视频帧处理方法和装置。

背景技术

手势交互等人机交互已经被广泛应用于各类智能产品中，目标跟踪技术是人机交互技术的重要基础。

现有的针对视频的目标跟踪技术主要有两种方法，一种是基于检测的方法，对视频的每帧图像做一次检测；另一种是通用的对目标进行跟踪的算法，如KCF(核相关滤波器，Kernel Correlation Filter)算法。

发明内容

本申请实施例提出了视频帧处理方法和装置。

第一方面，本申请实施例提供了一种视频帧处理方法，包括：获取视频中包含对象的待处理视频帧；将视频中，在待处理视频帧之前播放的其中一个包含对象的视频帧作为参考视频帧，将指示参考视频帧中对象的位置的边框作为参考边框；基于参考边框在参考视频帧中的位置，在待处理视频帧中，确定待处理视频帧中包含对象的区域，其中，待处理视频帧中包含对象的区域包括且大于参考边框的覆盖范围。

在一些实施例中，在基于参考边框在参考视频帧中的位置，在待处理视频帧中，确定待处理视频帧中包含对象的区域之后，方法还包括：对区域进行边框回归，得到待处理视频帧包含的对象的对象边框。

在一些实施例中，在确定待处理视频帧中包含对象的区域或得到待处理视频帧包含的对象的对象边框之后，方法还包括：检测区域或对象边框中的对象的关键点。

在一些实施例中，在将指示参考视频帧中对象的位置的边框作为参考边框之前，方法还包括：对参考视频帧进行对象检测，以确定指示参考视频帧中对象的位置的边框。

在一些实施例中，将视频中，在待处理视频帧之前播放的其中一个包含对象的视频帧作为参考视频帧，包括：在视频中，确定与待处理视频帧相邻的上一个视频帧作为参考视频帧。

在一些实施例中，区域为矩形，参考边框为矩形，区域的边和参考边框的边不存在重合；基于参考边框在参考视频帧中的位置，在待处理视频帧中，确定待处理视频帧中包含对象的区域，包括：在待处理视频帧中，确定目标点，其中，目标点处于参考边框的任意两临边的延长线所限定的范围之内；增大参考边框的长和宽，生成待处理视频帧中包含上述对象的区域的长和宽，将目标点作为其中一个顶点，构建待处理视频帧中包含对象的区域。

在一些实施例中，对象为手势。

第二方面，本申请实施例提供了一种视频帧处理装置，包括：获取单元，被配置成获取视频中包含对象的待处理视频帧；参考确定单元，被配置成将视频中，在待处理视频帧之前播放的其中一个包含对象的视频帧作为参考视频帧，将指示参考视频帧中对象的位置的边框作为参考边框；区域确定单元，被配置成基于参考边框在参考视频帧中的位置，在待处理视频帧中，确定待处理视频帧中包含对象的区域，其中，待处理视频帧中包含对象的区域包括且大于参考边框的覆盖范围。

在一些实施例中，装置还包括：回归单元，被配置成对区域进行边框回归，得到待处理视频帧包含的对象的对象边框。

在一些实施例中，装置还包括：检测单元，被配置成检测区域或对象边框中的对象的关键点。

在一些实施例中，装置还包括：边框确定单元，被配置成对参考视频帧进行对象检测，以确定指示参考视频帧中对象的位置的边框。

在一些实施例中，参考确定单元进一步被配置成：在视频中，确定与待处理视频帧相邻的上一个视频帧作为参考视频帧。

在一些实施例中，区域为矩形，参考边框为矩形，区域的边和参考边框的边不存在重合；区域确定单元，包括：改变模块，被配置成在待处理视频帧中，确定目标点，其中，目标点处于参考边框的任意两临边的延长线所限定的范围之内；确定模块，被配置成增大参考边框的长和宽，生成待处理视频帧中包含上述对象的区域的长和宽，将目标点作为其中一个顶点，构建待处理视频帧中包含对象的区域。

在一些实施例中，对象为手势。

第三方面，本申请实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如视频帧处理方法中任一实施例的方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如视频帧处理方法中任一实施例的方法。

本申请实施例提供的视频帧处理方案，首先，获取视频中包含对象的待处理视频帧。之后，将视频中，在待处理视频帧之前播放的包含对象的其中一个视频帧作为参考视频帧，确定参考视频帧包含的对象的边框为参考边框。最后，基于参考边框在参考视频帧中的位置，在待处理视频帧中，确定待处理视频帧包含的对象的区域，其中，待处理视频帧包含的对象的区域包括且大于参考边框的覆盖范围。本申请实施例提供的方法可以不对待处理视频帧进行检测即确定包含对象的区域，该区域的轮廓可以作为对象的边框。这样能够避免对每一个视频帧进行检测来确定边框产生的跟踪耗时较长的问题，进而提高了确定边框的速度。同时，因为对视频帧的边框的确定速度加快了，能够实现流畅地确定各个视频帧的边框，进而增加了跟踪对象的连续性。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请可以应用于其中的示例性系统架构图；

图2是根据本申请的视频帧处理方法的一个实施例的流程图；

图3是根据本申请的视频帧处理方法的一个应用场景的示意图；

图4a是根据本申请的视频帧处理方法的又一个实施例的流程图；图4b是图4a中的目标点的示意图；

图5是根据本申请的视频帧处理装置的一个实施例的结构示意图；

图6是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请的视频帧处理方法或视频帧处理装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如图像识别应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。

这里的终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有显示屏和摄像头的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103提供支持的后台服务器。后台服务器可以对接收到的待处理视频帧等数据进行分析等处理，并将处理结果(例如对象边框)反馈给终端设备。

需要说明的是，本申请实施例所提供的视频帧处理方法可以由服务器105或者终端设备101、102、103执行，相应地，视频帧处理装置可以设置于服务器105或者终端设备101、102、103中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，示出了根据本申请的视频帧处理方法的一个实施例的流程200。该视频帧处理方法，包括以下步骤：

步骤201，获取视频中包含对象的待处理视频帧。

在本实施例中，视频帧处理方法的执行主体(例如图1所示的服务器或终端设备)可以从视频中，获取包含对象的待处理视频帧。视频由多个视频帧组成。这些视频帧中存在包含对象的待处理的视频帧。这里的对象可以是呈现于视频帧的各种对象，比如，手势、人脸、人体等等。

步骤202，将视频中，在待处理视频帧之前播放的其中一个包含对象的视频帧作为参考视频帧，将指示参考视频帧中对象的位置的边框作为参考边框。

在本实施例中，上述执行主体可以将视频中，其中一个包含对象的视频帧作为参考视频帧。这里的参考视频帧是在待处理视频帧之前播放的一个视频帧。并且，上述执行主体可以将指示对象在参考视频帧中的位置的边框作为参考边框。在视频中，可以存在一个或者多个在待处理视频帧之前播放且包含对象的视频帧，这里可以从这些视频帧选取其中之一作为参考视频帧。这里的对象的边框用以划定对象所在的位置。对象的边框可以有多种功能，举例来说，可以在边框中检测对象的关键点，也可以利用边框的大小确定待显示的图案(图案可以是贴纸比如显示于人脸的嘴部旁边的猫胡须图案)的大小。在这里，上述执行主体可以仅使用边框存储边框的位置信息，在视频帧中不呈现边框。此外，边框也可以直观地呈现在视频帧中。

在本实施例的一些可选的实现方式中，在步骤202的将指示参考视频帧中对象的位置的边框作为参考边框之前，该方法还包括：

对参考视频帧进行对象检测，以确定指示参考视频帧中对象的位置的边框。

在这些可选的实现方式中，上述执行主体可以对参考视频帧进行对象检测(Object Detection)，确定指示参考视频帧中对象的位置的边框。这样，上述执行主体可以利用参考视频帧中对象的边框对待处理视频帧进行处理。在实践中，可以采用多种方法进行对象检测。比如，使用支持向量机(Support Vector Machine,SVM)进行基于分类的检测。也可以使用预先训练并且能够进行对象检测的卷积神经网络(Convolutional NeuralNetWork，CNN)进行检测。

在本实施例的一些可选的实现方式中，步骤202可以包括：

在视频中，确定与待处理视频帧相邻的上一个视频帧作为参考视频帧。

在这些可选的实现方式中，上述执行主体可以将与待处理视频帧相邻的上一个视频帧作为参考视频帧。相对于播放时间有一定差距的两个视频帧，对象在相邻的视频帧中，所处的位置相差较小。因而，通过相邻的上一个视频帧的边框能够更准确地确定待检测视频帧的边框，这样，对象跟踪的连续性更好，准确性高。

步骤203，基于参考边框在参考视频帧中的位置，在待处理视频帧中，确定待处理视频帧中包含对象的区域，其中，待处理视频帧中包含对象的区域包括且大于参考边框的覆盖范围。

在本实施例中，上述执行主体可以基于参考边框在参考视频帧中的位置，在待处理视频帧中，确定待处理视频帧中包含上述对象的区域。参考边框的覆盖范围是包含在待处理视频帧的上述区域中的，并且，该区域大于参考边框的覆盖范围。包含对象的区域是对象所在的区域。在视频中，对象在不同视频帧中的位置通常会发生变化，那么待处理视频帧包含的手势可能会超出参考边框以外。因此，确定一个覆盖范围较大的区域能够更完整地覆盖对象所在的位置。

在实践中，上述执行主体可以采用多种方式确定待处理视频帧中包含对象的区域。举例来说，比如，上述区域可以为矩形区域。可以采用参考边框的中心点作为区域的中心点，设定长和宽大于参考边框的区域。也可以以参考边框的中心点作为区域的中心点，对参考边框扩大预设面积，得到上述区域。此外，还可以设定参考边框外的一个点作为区域的一个顶点，并设定长和宽大于参考边框的区域。

在本实施例的一些可选的实现方式中，在步骤203之后，该方法还可以包括：对区域进行边框回归，得到待处理视频帧包含的对象的对象边框。

在这些可选的实现方式中，上述执行主体可以对上述区域进行边框回归(Bounding-Box regression)。这样，由边框回归可以得到待处理视频帧包含的对象的对象边框。在这里，对象边框为上述对象的边框，在边框中包含对象。对象边框用以指示上述待处理视频帧包含的上述对象的位置。在实践中，边框回归是基于卷积神经网络进行的。具体地，上述执行主体可以对边框进行平移以及尺度缩放，以实现边框回归，得到准确的对象边框。

在本实施例的一些可选的实现方式中，上述对象可以为手势。

在这些可选的实现方式中，因为在视频中，手势在短时间内的位置变化可能比较大，所以造成了跟踪的难度较大。通过本实施例的方法进行跟踪，能够提高确定视频帧的对象边框的效率，通过该对象边框进行跟踪，可以提高对手势跟踪的连续性和准确性。

在本实施例的一些可选的实现方式中，在步骤203之后或者在对区域进行边框回归，得到待处理视频帧包含的对象的对象边框之后，该方法还可以包括检测上述区域或对象边框中的对象的关键点。

在这些可选的实现方式中，上述执行主体在确定包含对象的区域之后，可以将该区域的轮廓作为检测边框，进而检测该区域中的对象的关键点。此外，上述执行主体也可以在使用边框回归得到对象边框之后，检测对象边框中的对象的关键点。对象的关键点是手势中的反映手势特征的位点。比如，可以是手指指尖、手指指根的连接处等等。

这些实现方式可以先确定出包含对象边框的区域，并在该区域中检测对象的关键点，进而快速地确定出对象的关键点。也可以在确定对象边框之后，在对象边框中更加准确地检测出对象的关键点。

继续参见图3，图3是根据本实施例的视频帧处理方法的应用场景的一个示意图。执行主体301从本地或者其他电子设备获取视频中包含对象的待处理视频帧302。将视频中，在待处理视频帧302之前播放的包含对象的其中一个视频帧作为参考视频帧303，将指示参考视频帧中对象的位置的边框作为参考边框304；基于参考边框在参考视频帧中的位置，在待处理视频帧中，确定待处理视频帧302中包含对象的区域305，其中，待处理视频帧302中包含对象的区域包括且大于参考边框304的覆盖范围。

本申请的上述实施例提供的方法可以不对待处理视频帧进行检测即确定包含对象的区域，该区域的轮廓可以作为对象的边框。这样能够避免对每一个视频帧进行检测来确定边框产生的跟踪耗时较长的问题，进而提高了确定边框的速度。同时，因为对视频帧的边框的确定速度加快了，能够实现流畅地确定各个视频帧的边框，进而增加了跟踪对象的连续性。

可选的，执行主体301可以对区域305进行边框回归，得到待处理视频帧包含的对象的对象边框。

进一步参考图4a，其示出了视频帧处理方法的又一个实施例的流程400。该视频帧处理方法的流程400，包括以下步骤：

步骤401，获取视频中包含对象的待处理视频帧。

在本实施例中，视频帧处理方法的执行主体(例如图1所示的服务器或终端设备)可以从视频中，获取包含对象的待处理视频帧。视频由多个视频帧组成。这些视频帧中存在包含对象的待处理的视频帧。这里的对象可以是呈现于视频帧的各种对象，比如，手势、人脸、人体等等。

步骤402，将视频中，在待处理视频帧之前播放的其中一个包含对象的视频帧作为参考视频帧，将指示参考视频帧中对象的位置的边框作为参考边框。

在本实施例中，上述执行主体可以将视频中，其中一个包含对象的视频帧作为参考视频帧。这里的参考视频帧是在待处理视频帧之前播放的一个视频帧。并且，上述执行主体可以将指示对象的位置的边框作为参考边框。在视频中，可以存在一个或者多个在待处理视频帧之前播放且包含对象的视频帧，这里只取其中一个。这里的对象的边框用以划定对象所在的位置。边框可以是矩形。对象的边框可以有多种功能，举例来说，可以在边框中检测对象的关键点，也可以利用边框的大小确定待显示的图案(图案可以是贴纸比如显示于人脸的嘴部旁边的猫胡须图案)的大小。

步骤403，在待处理视频帧中，确定目标点，其中，目标点处于参考边框的任意两临边的延长线所限定的范围之内。

在本实施例中，区域为矩形，参考边框为矩形，区域的边和参考边框的边不存在重合。上述执行主体在待处理视频帧中，确定出目标点。在实践中，上述执行主体可以在参考边框外，直接设定该目标点的位置。此外，也可以由参考边框的任意一个顶点确定目标点。比如，改变参考边框的其中一个顶点的横坐标值和纵坐标值，得到的点落在参考边框的任意两临边的延长线所限定的范围之内。

举例来说，如图4b所示，目标点x可以位于参考边框的a边延长线和b边延长线所限定的阴影区域范围内。

步骤404，增大参考边框的长和宽，生成待处理视频帧中包含上述对象的区域的长和宽，将目标点作为其中一个顶点，构建待处理视频帧中包含对象的区域。

在本实施例中，上述执行主体可以将目标点作为区域的其中一个顶点，构建包含对象的区域。因为待处理视频帧中包含对象的区域包括且大于参考边框的覆盖范围，所以上述执行主体可以增大参考边框的长和宽，从而得到待处理视频帧中包含上述对象的区域。

在实践中，可以采用多种方式增大参考边框的长和宽以得到区域的长和宽。可以对参考边框的长和宽分别与预设系数相乘，以得到区域的长和宽。此外，还可以对参考边框的长和宽分别增加预设数值，以得到区域的长和宽。在这里，分别与长和宽相乘的预设系数可以是不同的，分别与长和宽相加的预设数值也可以是不同的。

本实施例通过确定待处理视频帧包含的对象的区域的长、宽和指定顶点等，能够在对象向任意方向移动的情况下，准确地确定待处理视频帧包含的对象的区域。进而在待处理视频帧中，更加准确地确定出对象的边框。此外，因为上述区域与参考边框不存在重合，所以区域的任意一个边都在参考边框以外。因此，相对于之前播放的参考视频帧，无论待处理视频帧的手势向哪个方向移动，都可以更好地包含在区域中，以便于得到更加准确的包含对象的区域。

可选的，在步骤404之后，该方法还可以包括：对区域进行边框回归，得到待处理视频帧包含的对象的对象边框。上述执行主体可以对区域进行边框回归。这样，由边框回归可以得到待处理视频帧包含的对象所在的对象边框。在这里，对象边框为上述待处理视频帧包括的上述对象的边框。具体地，边框回归是基于卷积神经网络进行的。

进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种视频帧处理装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，本实施例的视频帧处理装置500包括：获取单元501、参考确定单元502和区域确定单元503。其中，获取单元501，被配置成获取视频中包含对象的待处理视频帧；参考确定单元502，被配置成将视频中，在待处理视频帧之前播放的其中一个包含对象的视频帧作为参考视频帧，将指示参考视频帧中对象的位置的边框作为参考边框；区域确定单元503，被配置成基于参考边框在参考视频帧中的位置，在待处理视频帧中，确定待处理视频帧中包含对象的区域，其中，待处理视频帧中包含对象的区域包括且大于参考边框的覆盖范围。

在一些实施例中，视频帧处理装置500的获取单元501从视频中，获取包含对象的待处理视频帧。视频由多个视频帧组成。这些视频帧中存在包含对象的待处理的视频帧。这里的对象可以是呈现于视频帧的各种对象，比如，手势、人脸、人体等等。

在一些实施例中，参考确定单元502可以将视频中，其中一个包含对象的视频帧作为参考视频帧。这里的参考视频帧是在待处理视频帧之前播放的一个视频帧。并且，上述执行主体可以将指示对象的位置的边框作为参考边框。在视频中，可以存在一个或者多个在待处理视频帧之前播放且包含对象的视频帧，这里只取其中一个。这里的对象的边框用以划定对象所在的位置。

在一些实施例中，区域确定单元503可以基于参考边框在参考视频帧中的位置，在待处理视频帧中，确定待处理视频帧中包含上述对象的区域。参考边框的覆盖范围是包括在待处理视频帧的上述区域中的，并且，该区域大于参考边框的覆盖范围。包含对象的区域是对象所在的区域，相对于对象的边框，包含对象的区域具有较大的覆盖范围。

在本实施例的一些可选的实现方式中，装置还包括：回归单元，被配置成对区域进行边框回归，得到待处理视频帧包含的对象的对象边框。

在本实施例的一些可选的实现方式中，装置还包括：检测单元，被配置成检测区域或对象边框中的对象的关键点。

在本实施例的一些可选的实现方式中，装置还包括：边框确定单元，被配置成对参考视频帧进行对象检测，以确定指示参考视频帧中对象的位置的边框。

在本实施例的一些可选的实现方式中，参考确定单元进一步被配置成：在视频中，确定与待处理视频帧相邻的上一个视频帧作为参考视频帧。

在本实施例的一些可选的实现方式中，区域为矩形，参考边框为矩形，区域的边和参考边框的边不存在重合；区域确定单元，包括：改变模块，被配置成在待处理视频帧中，确定目标点，其中，目标点处于参考边框的任意两临边的延长线所限定的范围之内；确定模块，被配置成增大参考边框的长和宽，生成待处理视频帧中包含上述对象的区域的长和宽，将目标点作为其中一个顶点，构建待处理视频帧中包含对象的区域。

在本实施例的一些可选的实现方式中，对象为手势。

下面参考图6，其示出了适于用来实现本申请实施例的电子设备的计算机系统600的结构示意图。图6示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图6所示，计算机系统600包括中央处理单元(CPU和/或GPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有系统600操作所需的各种程序和数据。中央处理单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

以下部件连接至I/O接口605：包括硬盘等的存储部分606；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分607。通信部分607经由诸如因特网的网络执行通信处理。驱动器608也根据需要连接至I/O接口605。可拆卸介质609，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器608上，以便于从其上读出的计算机程序根据需要被安装入存储部分606。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分607从网络上被下载和安装，和/或从可拆卸介质609被安装。在该计算机程序被中央处理单元(CPU和/或GPU)601执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、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、或代码的一部分，该模块、程序段、或代码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。也应当注意，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，两个接连地表示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操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。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、参考确定单元和区域确定单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取视频中包含对象的待处理视频帧的单元”。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该装置执行时，使得该装置：获取视频中包含对象的待处理视频帧；将视频中，在待处理视频帧之前播放的其中一个包含对象的视频帧作为参考视频帧，将指示参考视频帧中对象的位置的边框作为参考边框；基于参考边框在参考视频帧中的位置，在待处理视频帧中，确定待处理视频帧中包含对象的区域，其中，待处理视频帧中包含对象的区域包括且大于参考边框的覆盖范围。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (16)

1.一种视频帧处理方法，包括：

获取视频中包含对象的待处理视频帧；

将所述视频中，在所述待处理视频帧之前播放的其中一个包含所述对象的视频帧作为参考视频帧，将指示所述参考视频帧中所述对象的位置的边框作为参考边框；

基于所述参考边框在所述参考视频帧中的位置，在所述待处理视频帧中，确定所述待处理视频帧中包含所述对象的区域，其中，所述待处理视频帧中包含所述对象的区域包括且大于所述参考边框的覆盖范围。

2.根据权利要求1所述的方法，其中，在所述基于所述参考边框在所述参考视频帧中的位置，在所述待处理视频帧中，确定所述待处理视频帧中包含所述对象的区域之后，所述方法还包括：

对所述区域进行边框回归，得到所述待处理视频帧包含的所述对象的对象边框。

3.根据权利要求1或2所述的方法，其中，在确定所述待处理视频帧中包含所述对象的区域或得到所述待处理视频帧包含的所述对象的对象边框之后，所述方法还包括：

检测所述区域或对象边框中的对象的关键点。

4.根据权利要求1所述的方法，其中，在所述将指示所述参考视频帧中所述对象的位置的边框作为参考边框之前，所述方法还包括：

对所述参考视频帧进行对象检测，以确定指示所述参考视频帧中所述对象的位置的边框。

5.根据权利要求1所述的方法，其中，所述将所述视频中，在所述待处理视频帧之前播放的其中一个包含所述对象的视频帧作为参考视频帧，包括：

在所述视频中，确定与所述待处理视频帧相邻的上一个视频帧作为参考视频帧。

6.根据权利要求1所述的方法，其中，所述区域为矩形，所述参考边框为矩形，所述区域的边和所述参考边框的边不存在重合；

所述基于所述参考边框在所述参考视频帧中的位置，在所述待处理视频帧中，确定所述待处理视频帧中包含所述对象的区域，包括：

在所述待处理视频帧中，确定目标点，其中，所述目标点处于所述参考边框的任意两临边的延长线所限定的范围之内；

增大所述参考边框的长和宽，生成待处理视频帧中包含上述对象的区域的长和宽，将所述目标点作为其中一个顶点，构建所述待处理视频帧中包含所述对象的区域。

7.根据权利要求1至6之一所述的方法，其中，所述对象为手势。

8.一种视频帧处理装置，包括：

获取单元，被配置成获取视频中包含对象的待处理视频帧；

参考确定单元，被配置成将所述视频中，在所述待处理视频帧之前播放的其中一个包含所述对象的视频帧作为参考视频帧，将指示所述参考视频帧中所述对象的位置的边框作为参考边框；

区域确定单元，被配置成基于所述参考边框在所述参考视频帧中的位置，在所述待处理视频帧中，确定所述待处理视频帧中包含所述对象的区域，其中，所述待处理视频帧中包含所述对象的区域包括且大于所述参考边框的覆盖范围。

9.根据权利要求8所述的装置，其中，所述装置还包括：

回归单元，被配置成对所述区域进行边框回归，得到所述待处理视频帧包含的所述对象的对象边框。

10.根据权利要求8或9所述的装置，其中，所述装置还包括：

检测单元，被配置成检测所述区域或对象边框中的对象的关键点。

11.根据权利要求8所述的装置，其中，所述装置还包括：

边框确定单元，被配置成对所述参考视频帧进行对象检测，以确定指示所述参考视频帧中所述对象的位置的边框。

12.根据权利要求8所述的装置，其中，所述参考确定单元进一步被配置成：

在所述视频中，确定与所述待处理视频帧相邻的上一个视频帧作为参考视频帧。

13.根据权利要求8所述的装置，其中，所述区域为矩形，所述参考边框为矩形，所述区域的边和所述参考边框的边不存在重合；

所述区域确定单元，包括：

改变模块，被配置成在所述待处理视频帧中，确定目标点，其中，所述目标点处于所述参考边框的任意两临边的延长线所限定的范围之内；

确定模块，被配置成增大所述参考边框的长和宽，生成待处理视频帧中包含上述对象的区域的长和宽，将所述目标点作为其中一个顶点，构建所述待处理视频帧中包含所述对象的区域。

14.根据权利要求8至13之一所述的装置，其中，所述对象为手势。

15.一种电子设备，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。

16.一种计算机可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如权利要求1-7中任一所述的方法。