CN109543560A - 一种视频中人物的分割方法、装置、设备和计算机存储介质 - Google Patents

一种视频中人物的分割方法、装置、设备和计算机存储介质 Download PDF

Info

Publication number
CN109543560A
CN109543560A CN201811287623.6A CN201811287623A CN109543560A CN 109543560 A CN109543560 A CN 109543560A CN 201811287623 A CN201811287623 A CN 201811287623A CN 109543560 A CN109543560 A CN 109543560A
Authority
CN
China
Prior art keywords
target person
facial image
image
video
picture frame
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.)
Pending
Application number
CN201811287623.6A
Other languages
English (en)
Inventor
李彤辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Baidu Online Network Technology Beijing Co Ltd
Original Assignee
Baidu Online Network Technology Beijing Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Baidu Online Network Technology Beijing Co Ltd filed Critical Baidu Online Network Technology Beijing Co Ltd
Priority to CN201811287623.6A priority Critical patent/CN109543560A/zh
Publication of CN109543560A publication Critical patent/CN109543560A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06KRECOGNITION OF DATA; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K9/00Methods or arrangements for reading or recognising printed or written characters or for recognising patterns, e.g. fingerprints
    • G06K9/00624Recognising scenes, i.e. recognition of a whole field of perception; recognising scene-specific objects
    • G06K9/00711Recognising video content, e.g. extracting audiovisual features from movies, extracting representative key-frames, discriminating news vs. sport content
    • G06K9/00765Segmenting video sequences, i.e. computational techniques such as parsing or cutting the sequence, low-level clustering or determining units such as shots and scenes
    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06KRECOGNITION OF DATA; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K9/00Methods or arrangements for reading or recognising printed or written characters or for recognising patterns, e.g. fingerprints
    • G06K9/00221Acquiring or recognising human faces, facial parts, facial sketches, facial expressions
    • G06K9/00288Classification, e.g. identification

Abstract

本发明提供了一种视频中人物分割的方法、装置、设备和计算机存储介质,其中所述方法包括:获取目标人物的人脸图像;根据所述目标人物的人脸图像,从第一视频中得到对应各目标人物的全部单人图像;对同一目标人物的全部单人图像依次进行组合,得到对应各目标人物的第二视频。本发明能够从含有多人的视频中获取仅包含目标人物的单人视频,实现降低人力成本、简化识别步骤、提升识别准确度以及识别速度的目的。

Description

一种视频中人物的分割方法、装置、设备和计算机存储介质
【技术领域】
本发明涉及互联网技术领域,尤其涉及一种视频中人物的分割方法、装置、设备和计算机存储介质。
【背景技术】
现有技术在解决从含有多人的视频中分割出目标人物时,一般采用人工的方式从视频中识别出目标人物,并进一步由人工识别出视频中目标人物的讲话内容。因此,现有技术采用人工方式从视频中识别目标人物时,会导致人力成本较高、识别步骤繁琐、识别速度较慢、识别误差较大等问题。
【发明内容】
有鉴于此,本发明提供了一种视频中人物的分割方法、装置、设备和计算机存储介质,能够从含有多人的视频中获取仅包含目标人物的单人视频,实现降低人力成本、简化识别步骤、提升识别准确度以及识别速度的目的。
本发明为解决技术问题所采用的技术方案是提供一种视频中人物的分割方法,所述方法包括:获取目标人物的人脸图像;根据所述目标人物的人脸图像,从第一视频中得到对应各目标人物的全部单人图像;对同一目标人物的全部单人图像依次进行组合,得到对应各目标人物的第二视频。
根据本发明一优选实施例,所述根据所述目标人物的人脸图像,从第一视频中得到对应各目标人物的全部单人图像包括:将第一视频拆分为图像帧;根据所述目标人物的人脸图像,从各图像帧中分割得到对应各目标人物的单人图像;依次对全部图像帧分割完成后,得到第一视频中对应各目标人物的全部单人图像。
根据本发明一优选实施例,所述根据所述目标人物的人脸图像,从各图像帧中分割得到对应各目标人物的单人图像包括:获取各图像帧中所包含的人脸图像;检测各图像帧中是否存在与所述目标人物的人脸图像相匹配的人脸图像;若检测到图像帧中存在与目标人物的人脸图像相匹配的人脸图像,则将图像帧中该人脸图像对应的人物图像进行分割,将分割得到的人物图像作为图像帧中对应目标人物的单人图像,若未检测到则不进行分割。
根据本发明一优选实施例,所述检测各图像帧中是否存在与所述目标人物的人脸图像相匹配的人脸图像包括:计算所述目标人物的人脸图像与各图像帧中所包含的人脸图像之间的相似度;将相似度计算结果超过预设阈值的人脸图像作为与所述目标人物的人脸图像相匹配的人脸图像。
根据本发明一优选实施例,在所述得到对应各目标人物的第二视频之后,还包括:获取目标人物的第二视频中目标人物讲话内容的文本信息;将所获取的目标人物讲话内容的文本信息添加到所述第二视频中,得到对应目标人物的第三视频。
本发明为解决技术问题所采用的技术方案是提供一种视频中人物的分割装置,所述装置包括:获取单元,用于获取目标人物的人脸图像;处理单元,用于根据所述目标人物的人脸图像,从第一视频中得到对应各目标人物的全部单人图像;组合单元,用于对同一目标人物的全部单人图像依次进行组合,得到对应各目标人物的第二视频。
根据本发明一优选实施例,所述处理单元在根据所述目标人物的人脸图像,从第一视频中得到对应各目标人物的全部单人图像时,具体执行:将第一视频拆分为图像帧;根据所述目标人物的人脸图像,从各图像帧中分割得到对应各目标人物的单人图像;依次对全部图像帧分割完成后,得到第一视频中对应各目标人物的全部单人图像。
根据本发明一优选实施例,所述处理单元在根据所述目标人物的人脸图像,从各图像帧中分割得到对应各目标人物的单人图像时,具体执行:获取各图像帧中所包含的人脸图像;检测各图像帧中是否存在与所述目标人物的人脸图像相匹配的人脸图像;若检测到图像帧中存在与目标人物的人脸图像相匹配的人脸图像,则将图像帧中该人脸图像对应的人物图像进行分割,将分割得到的人物图像作为图像帧中对应目标人物的单人图像,若未检测到则不进行分割。
根据本发明一优选实施例,所述处理单元在检测各图像帧中是否存在与所述目标人物的人脸图像相匹配的人脸图像时,具体执行:计算所述目标人物的人脸图像与各图像帧中所包含的人脸图像之间的相似度;将相似度计算结果超过预设阈值的人脸图像作为与所述目标人物的人脸图像相匹配的人脸图像。
根据本发明一优选实施例,所述组合单元在得到对应各目标人物的第二视频之后,还执行:获取目标人物的第二视频中目标人物讲话内容的文本信息;将所获取的目标人物讲话内容的文本信息添加到所述第二视频中,得到对应目标人物的第三视频。
由以上技术方案可以看出,本发明通过获取目标人物的人脸图像,便能够从含有多人的视频中得到仅包含各目标人物的单人视频,从而实现降低人力成本、简化识别步骤、提升识别准确度以及识别速度的目的。
【附图说明】
图1为本发明一实施例提供的视频中人物的分割方法流程图;
图2为本发明一实施例提供的视频中人物的分割装置结构图;
图3为本发明一实施例提供的计算机系统/服务器的框图。
【具体实施方式】
为了使本发明的目的、技术方案和优点更加清楚,下面结合附图和具体实施例对本发明进行详细描述。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。
应当理解,本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地,取决于语境,短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
图1为本发明一实施例提供的视频中人物的分割方法流程图,如图1中所示,所述方法包括:
在101中,获取目标人物的人脸图像。
在本步骤中,获取目标人物的人脸图像。也就是说,本步骤获取的是需要从视频中进行分割的人物的人脸图像。
可以理解的是,本发明中的目标人物的个数可以为一个,也可以为多个;每个目标人物的人脸图像可以为一个,也可以为多个。本发明对目标人物的个数以及各目标人物的人脸图像的个数不进行限定。
本步骤在获取目标人物的人脸图像时,可以将用户输入的人脸图像作为目标人物的人脸图像,例如将用户实时拍摄的人脸图像作为目标人物的人脸图像,或者将用户从本地或者数据库中所选择的人脸图像作为目标人物的人脸图像。也可以将用户从视频中截取的人脸图像作为目标人物的人脸图像,例如将用户从视频中的某帧图像里所截取的人脸图像作为目标人物的人脸图像。还可以将视频中出现次数排在前N位的人物的人脸图像作为目标人物的人脸图像,其中N为大于等于1的正整数。
本步骤在获取目标人物的人脸图像时,还可以采用以下方式:获取用户输入的标识信息;根据预设的对应关系,将与标识信息对应的人脸图像作为目标人物的人脸图像。其中,标识信息为标识人物身份的信息,例如人物的姓名、人物的证件号码、人物的社交账号、人物的联系方式等。根据预设的对应关系,便能够通过用户所输入的标识信息确定与其对应的唯一的目标人物以及该目标人物的人脸图像。
在102中,根据所述目标人物的人脸图像,从第一视频中得到对应各目标人物的全部单人图像。
在本步骤中,根据步骤101所得到的目标人物的人脸图像,从第一视频中得到对应各目标人物的全部单人图像。其中,目标人物的单人图像为仅包含目标人物的图像。
可以理解的是,若步骤101中目标人物的个数为1个,则本步骤会得到1个目标人物的全部单人图像;若步骤101中目标人物的个数为2个,则本步骤会得到2个目标人物的全部单人图像;若步骤101中目标人物的个数为3个,则本步骤会得到3个目标人物的全部单人图像,以此类推。
具体地,本步骤在根据目标人物的人脸图像,从第一视频中得到对应各目标人物的全部单人图像时,可以采用以下方式:将第一视频拆分为图像帧,即将第一视频拆分为一帧一帧的图像;根据目标人物的人脸图像,从各图像帧中分割得到对应各目标人物的单人图像;依次对全部图像帧分割完成后,得到第一视频中对应各目标人物的全部单人图像。
其中,在根据目标人物的人脸图像从各图像帧中分割得到对应各目标人物的单人图像时,可以采用以下方式:获取各图像帧中所包含的人脸图像;检测各图像帧中是否存在与目标人物的人脸图像相匹配的人脸图像;若检测到图像帧中存在与目标人物的人脸图像相匹配的人脸图像,则将图像帧中该人脸图像对应的人物图像进行分割,以作为该图像帧中目标人物的单人图像,否则不进行分割;依次对所有图像帧检测完成后,得到目标人物的全部单人图像。
具体地,在检测各图像帧中是否存在与目标人物的人脸图像相匹配的人脸图像时,可以采用以下方式:计算目标人物的人脸图像与各图像帧中所包含的人脸图像之间的相似度;将相似度计算结果超过预设阈值的人脸图像作为与目标人物的人脸图像相匹配的人脸图像。
在103中,对同一目标人物的全部单人图像依次进行组合,得到对应各目标人物的第二视频。
在本步骤中,对步骤102所得到的同一目标人物的全部单人图像依次进行组合,以得到对应各目标人物的第二视频。也就是说,本步骤所得到的第二视频为对应各目标人物且仅包含各目标人物的单人图像的视频数据。
在对同一目标人物的全部单人图像依次进行组合时,可以按照时间的先后顺序对同一目标人物的全部单人图像依次进行组合,也可以根据目标人物单人图像中人物动作的连贯性对同一目标人物的全部单人图像依次进行组合,本发明对此不进行限定。
本步骤在得到对应各目标人物的第二视频之后,还可以包括以下内容:获取目标人物的第二视频中目标人物讲话内容的文本信息;将所获取的目标人物讲话内容的文本信息添加到第二视频中,得到对应目标人物的第三视频。
也就是说,上述步骤对所得到的目标人物的第二视频执行进一步的处理,以获取第二视频中目标人物讲话内容的文本信息,进而将所获取的目标人物讲话内容的文本信息添加到第二视频中,从而最终得到既包含目标人物的单人图像以及目标人物讲话内容的文本信息的第三视频。
其中,基于唇语识别的方法获取第二视频中目标人物讲话内容的文本信息。唇语识别方法属于现有技术,在此不进行赘述。
图2为本发明一实施例提供的视频中人物的分割装置结构图,如图2中所示,所述装置包括:获取单元21、处理单元22以及组合单元23。
获取单元21,用于获取目标人物的人脸图像。
获取单元21用于获取目标人物的人脸图像。也就是说,获取单元21所获取的是需要从视频中进行分割的人物的人脸图像。
可以理解的是,获取单元21所获取的目标人物的个数可以为一个,也可以为多个;每个目标人物的人脸图像可以为一个,也可以为多个。本发明对目标人物的个数以及各目标人物的人脸图像的个数不进行限定。
获取单元21在获取目标人物的人脸图像时,可以将用户输入的人脸图像作为目标人物的人脸图像,例如将用户实时拍摄的人脸图像作为目标人物的人脸图像,或者将用户从本地或者数据库中所选择的人脸图像作为目标人物的人脸图像。获取单元21也可以将用户从视频中截取的人脸图像作为目标人物的人脸图像,例如将用户从视频中的某帧图像里所截取的人脸图像作为目标人物的人脸图像。获取单元21还可以将视频中出现次数排在前N位的人物的人脸图像作为目标人物的人脸图像,其中N为大于等于1的正整数。
获取单元21在获取目标人物的人脸图像时,还可以采用以下方式:获取用户输入的标识信息;根据预设的对应关系,将与标识信息对应的人脸图像作为目标人物的人脸图像。其中,标识信息为标识人物身份的信息,例如人物的姓名、人物的证件号码、人物的社交账号、人物的联系方式等。获取单元21通过用户所输入的标识信息能够确定与其对应的唯一人物以及该人物的人脸图像。
处理单元22,用于根据所述目标人物的人脸图像,从第一视频中得到对应各目标人物的全部单人图像。
处理单元22根据获取单元21所得到的目标人物的人脸图像,从第一视频中得到对应各目标人物的全部单人图像。其中,目标人物的单人图像为仅包含目标人物的图像。
可以理解的是,若获取单元21所获取的目标人物的个数为1个,则处理单元22会得到1个目标人物的全部单人图像;若获取单元21所获取的目标人物的个数为2个,则处理单元22会得到2个目标人物的全部单人图像;若获取单元21所获取的目标人物的个数为3个,则处理单元22会得到3个目标人物的全部单人图像,以此类推。
具体地,处理单元22在根据目标人物的人脸图像从第一视频中得到对应各目标人物的全部单人图像时,可以采用以下方式:将第一视频拆分为图像帧,即将第一视频拆分为一帧一帧的图像;根据目标人物的人脸图像从各图像帧中分割得到对应各目标人物的单人图像;依次对全部图像帧分割完成后,得到第一视频中对应各目标人物的全部单人图像。
其中,在根据目标人物的人脸图像从各图像帧中分割得到对应各目标人物的单人图像时,处理单元22可以采用以下方式:获取各图像帧中所包含的人脸图像;检测各图像帧中是否存在与目标人物的人脸图像相匹配的人脸图像;若检测到图像帧中存在与目标人物的人脸图像相匹配的人脸图像,则将图像帧中该人脸图像对应的人物图像进行分割,以作为该图像帧中对应目标人物的单人图像,否则不进行分割;依次对所有图像帧检测完成后,得到对应各目标人物的全部单人图像。
具体地,处理单元22在检测各图像帧中是否存在与目标人物的人脸图像相匹配的人脸图像时,可以采用以下方式:计算目标人物的人脸图像与各图像帧中所包含的人脸图像之间的相似度;将相似度计算结果超过预设阈值的人脸图像作为与目标人物的人脸图像相匹配的人脸图像。
组合单元23,用于对同一目标人物的全部单人图像依次进行组合,得到对应各目标人物的第二视频。
组合单元23对处理单元22所得到的同一目标人物的全部单人图像依次进行组合,以得到对应各目标人物的第二视频。也就是说,组合单元23所得到的第二视频为对应各目标人物且仅包含各目标人物的单人图像的视频数据。
在对同一目标人物的全部单人图像依次进行组合时,组合单元23可以按照时间的先后顺序对同一目标人物的全部单人图像依次进行组合,组合单元23也可以根据目标人物单人图像中人物动作的连贯性对同一目标人物的全部单人图像依次进行组合,本发明对此不进行限定。
组合单元23在得到对应各目标人物的第二视频之后,还可以执行以下操作:获取目标人物的第二视频中目标人物讲话内容的文本信息;将所获取的目标人物讲话内容的文本信息添加到第二视频中,得到对应目标人物的第三视频。
也就是说,组合单元23通过上述步骤对所得到的目标人物的第二视频执行进一步的处理,以获取第二视频中目标人物讲话内容的文本信息,进而将所获取的目标人物讲话内容的文本信息添加到第二视频中,从而最终得到既包含目标人物的单人图像以及目标人物讲话内容的文本信息的第三视频。
其中,组合单元23可以基于唇语识别的方法获取第二视频中目标人物讲话内容的文本信息。唇语识别方法属于现有技术,在此不进行赘述。
图3示出了适于用来实现本发明实施方式的示例性计算机系统/服务器012的框图。图3显示的计算机系统/服务器012仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图3所示,计算机系统/服务器012以通用计算设备的形式表现。计算机系统/服务器012的组件可以包括但不限于:一个或者多个处理器或者处理单元016,系统存储器028,连接不同系统组件(包括系统存储器028和处理单元016)的总线018。
总线018表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
计算机系统/服务器012典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机系统/服务器012访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器028可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)030和/或高速缓存存储器032。计算机系统/服务器012可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统034可以用于读写不可移动的、非易失性磁介质(图3未显示,通常称为“硬盘驱动器”)。尽管图3中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线018相连。存储器028可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块042的程序/实用工具040,可以存储在例如存储器028中,这样的程序模块042包括——但不限于——操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块042通常执行本发明所描述的实施例中的功能和/或方法。
计算机系统/服务器012也可以与一个或多个外部设备014(例如键盘、指向设备、显示器024等)通信,在本发明中,计算机系统/服务器012与外部雷达设备进行通信,还可与一个或者多个使得用户能与该计算机系统/服务器012交互的设备通信,和/或与使得该计算机系统/服务器012能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口022进行。并且,计算机系统/服务器012还可以通过网络适配器020与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器020通过总线018与计算机系统/服务器012的其它模块通信。应当明白,尽管图3中未示出,可以结合计算机系统/服务器012使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元016通过运行存储在系统存储器028中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的方法流程。
上述的计算机程序可以设置于计算机存储介质中,即该计算机存储介质被编码有计算机程序,该程序在被一个或多个计算机执行时,使得一个或多个计算机执行本发明上述实施例中所示的方法流程和/或装置操作。例如,被上述一个或多个处理器执行本发明实施例所提供的方法流程。
随着时间、技术的发展,介质含义越来越广泛,计算机程序的传播途径不再受限于有形介质,还可以直接从网络下载等。可以采用一个或多个计算机可读的介质的任意组合。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。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(非穷举的列表)包括: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)、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。在本文件中,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。
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。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码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)。
利用本发明所提供的技术方案,通过所获取的目标人物的人脸图像,便能够从含有多人的视频中得到仅包含目标人物的单人视频,从而实现降低人力成本、简化识别步骤、提升识别准确度以及识别速度的目的。
在本发明所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
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,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。

Claims (12)

1.一种视频中人物的分割方法,其特征在于,所述方法包括:
获取目标人物的人脸图像;
根据所述目标人物的人脸图像,从第一视频中得到对应各目标人物的全部单人图像;
对同一目标人物的全部单人图像依次进行组合,得到对应各目标人物的第二视频。
2.根据权利要求1所述的方法,其特征在于,所述根据所述目标人物的人脸图像,从第一视频中得到对应各目标人物的全部单人图像包括:
将第一视频拆分为图像帧;
根据所述目标人物的人脸图像,从图像帧中分割得到对应各目标人物的单人图像;
依次对全部图像帧分割完成后,得到第一视频中对应各目标人物的全部单人图像。
3.根据权利要求2所述的方法,其特征在于,所述根据所述目标人物的人脸图像,从图像帧中分割得到对应各目标人物的单人图像包括:
获取各图像帧中所包含的人脸图像;
检测各图像帧中是否存在与所述目标人物的人脸图像相匹配的人脸图像;
若检测到图像帧中存在与所述目标人物的人脸图像相匹配的人脸图像,则将图像帧中该人脸图像对应的人物图像进行分割,将分割得到的人物图像作为图像帧中对应目标人物的单人图像,若未检测到则不进行分割。
4.根据权利要求3所述的方法,其特征在于,所述检测各图像帧中是否存在与所述目标人物的人脸图像相匹配的人脸图像包括:
计算所述目标人物的人脸图像与各图像帧中所包含的人脸图像之间的相似度;
将相似度计算结果超过预设阈值的人脸图像作为与所述目标人物的人脸图像相匹配的人脸图像。
5.根据权利要求1所述的方法,其特征在于,在所述得到对应各目标人物的第二视频之后,还包括:
获取目标人物的第二视频中目标人物讲话内容的文本信息;
将所获取的目标人物讲话内容的文本信息添加到所述第二视频中,得到对应目标人物的第三视频。
6.一种视频中人物的分割装置,其特征在于,所述装置包括:
获取单元,用于获取目标人物的人脸图像;
处理单元,用于根据所述目标人物的人脸图像,从第一视频中得到对应各目标人物的全部单人图像;
组合单元,用于对同一目标人物的全部单人图像依次进行组合,得到对应各目标人物的第二视频。
7.根据权利要求6所述的装置,其特征在于,所述处理单元在根据所述目标人物的人脸图像,从第一视频中得到对应各目标人物的全部单人图像时,具体执行:
将第一视频拆分为图像帧;
根据所述目标人物的人脸图像,从各图像帧中分割得到对应各目标人物的单人图像;
依次对全部图像帧分割完成后,得到第一视频中对应各目标人物的全部单人图像。
8.根据权利要求7所述的装置,其特征在于,所述处理单元在根据所述目标人物的人脸图像,从各图像帧中分割得到对应各目标人物的单人图像时,具体执行:
获取各图像帧中所包含的人脸图像;
检测各图像帧中是否存在与所述目标人物的人脸图像相匹配的人脸图像;
若检测到图像帧中存在与所述目标人物的人脸图像相匹配的人脸图像,则将图像帧中该人脸图像对应的人物图像进行分割,将分割得到的人物图像作为图像帧中对应目标人物的单人图像,若未检测到则不进行分割。
9.根据权利要求8所述的装置,其特征在于,所述处理单元在检测各图像帧中是否存在与所述目标人物的人脸图像相匹配的人脸图像时,具体执行:
计算所述目标人物的人脸图像与各图像帧中所包含的人脸图像之间的相似度;
将相似度计算结果超过预设阈值的人脸图像作为与所述目标人物的人脸图像相匹配的人脸图像。
10.根据权利要求6所述的装置,其特征在于,所述组合单元在得到对应各目标人物的第二视频之后,还执行:
获取目标人物的第二视频中目标人物讲话内容的文本信息;
将所获取的目标人物讲话内容的文本信息添加到所述第二视频中,得到对应目标人物的第三视频。
11.一种设备,其特征在于,所述设备包括:
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1-5中任一所述的方法。
12.一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-5中任一所述的方法。
CN201811287623.6A 2018-10-31 2018-10-31 一种视频中人物的分割方法、装置、设备和计算机存储介质 Pending CN109543560A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811287623.6A CN109543560A (zh) 2018-10-31 2018-10-31 一种视频中人物的分割方法、装置、设备和计算机存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811287623.6A CN109543560A (zh) 2018-10-31 2018-10-31 一种视频中人物的分割方法、装置、设备和计算机存储介质

Publications (1)

Publication Number Publication Date
CN109543560A true CN109543560A (zh) 2019-03-29

Family

ID=65845741

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811287623.6A Pending CN109543560A (zh) 2018-10-31 2018-10-31 一种视频中人物的分割方法、装置、设备和计算机存储介质

Country Status (1)

Country Link
CN (1) CN109543560A (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106375872A (zh) * 2015-07-24 2017-02-01 三亚中兴软件有限责任公司 一种视频剪辑方法及装置
CN106534967A (zh) * 2016-10-25 2017-03-22 司马大大(北京)智能系统有限公司 视频剪辑方法及装置
CN107241646A (zh) * 2017-07-12 2017-10-10 北京奇虎科技有限公司 多媒体视频的编辑方法及装置
CN107330408A (zh) * 2017-06-30 2017-11-07 北京金山安全软件有限公司 视频处理方法、装置、电子设备及存储介质
CN107517405A (zh) * 2017-07-31 2017-12-26 努比亚技术有限公司 一种视频处理的方法、装置及计算机可读存储介质
CN108040265A (zh) * 2017-12-13 2018-05-15 北京奇虎科技有限公司 一种对视频进行处理的方法和装置
CN108133718A (zh) * 2017-12-13 2018-06-08 北京奇虎科技有限公司 一种对视频进行处理的方法和装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106375872A (zh) * 2015-07-24 2017-02-01 三亚中兴软件有限责任公司 一种视频剪辑方法及装置
CN106534967A (zh) * 2016-10-25 2017-03-22 司马大大(北京)智能系统有限公司 视频剪辑方法及装置
CN107330408A (zh) * 2017-06-30 2017-11-07 北京金山安全软件有限公司 视频处理方法、装置、电子设备及存储介质
CN107241646A (zh) * 2017-07-12 2017-10-10 北京奇虎科技有限公司 多媒体视频的编辑方法及装置
CN107517405A (zh) * 2017-07-31 2017-12-26 努比亚技术有限公司 一种视频处理的方法、装置及计算机可读存储介质
CN108040265A (zh) * 2017-12-13 2018-05-15 北京奇虎科技有限公司 一种对视频进行处理的方法和装置
CN108133718A (zh) * 2017-12-13 2018-06-08 北京奇虎科技有限公司 一种对视频进行处理的方法和装置

Similar Documents

Publication Publication Date Title
CN107077201B (zh) 用于多模式会话交互中的口头语言理解的眼睛注视
US9619735B1 (en) Pure convolutional neural network localization
US10776970B2 (en) Method and apparatus for processing video image and computer readable medium
US10133915B2 (en) Facial recognition using social networking information
US20170083506A1 (en) Suggesting emoji characters based on current contextual emotional state of user
US8983836B2 (en) Captioning using socially derived acoustic profiles
CN108229355B (zh) 行为识别方法和装置、电子设备、计算机存储介质
WO2019011165A1 (zh) 人脸识别方法、装置、电子设备及存储介质
US20140139633A1 (en) Method and System for Counting People Using Depth Sensor
US7219050B2 (en) Automatic interpreting system including a system for recognizing errors
WO2017041366A1 (zh) 图像识别方法和装置
US8644551B2 (en) Systems and methods for tracking natural planar shapes for augmented reality applications
US20170126892A1 (en) Using graphical text analysis to facilitate communication between customers and customer service representatives
US10509895B2 (en) Biometric authentication
US9971942B2 (en) Object detection in crowded scenes using context-driven label propagation
US10699103B2 (en) Living body detecting method and apparatus, device and storage medium
US20200152174A1 (en) Method, Apparatus, and System for Conflict Detection and Resolution for Competing Intent Classifiers in Modular Conversation System
US10025980B2 (en) Assisting people with understanding charts
WO2019095571A1 (zh) 人物情绪分析方法、装置及存储介质
EP1460851A2 (en) A system and method for real-time whiteboard streaming
CN107221320A (zh) 训练声学特征提取模型的方法、装置、设备和计算机存储介质
US20100239130A1 (en) System and method for performing rapid facial recognition
CN107679451A (zh) 建立人脸识别模型的方法、装置、设备和计算机存储介质
JP6683234B2 (ja) 音声データ処理方法、装置、設備及びプログラム
CN105160318A (zh) 基于面部表情的测谎方法及系统

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