CN109618184A - 视频处理方法及装置、电子设备和存储介质 - Google Patents

视频处理方法及装置、电子设备和存储介质 Download PDF

Info

Publication number
CN109618184A
CN109618184A CN201811645463.8A CN201811645463A CN109618184A CN 109618184 A CN109618184 A CN 109618184A CN 201811645463 A CN201811645463 A CN 201811645463A CN 109618184 A CN109618184 A CN 109618184A
Authority
CN
China
Prior art keywords
video
video clip
information
posture
clip
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
CN201811645463.8A
Other languages
English (en)
Inventor
彭彬绪
陈楷佳
陆雨柔
于志兴
张义保
董亚魁
黄頔
袁玮
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.)
Beijing Sensetime Technology Development Co Ltd
Original Assignee
Beijing Sensetime Technology Development 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 Beijing Sensetime Technology Development Co Ltd filed Critical Beijing Sensetime Technology Development Co Ltd
Priority to CN201811645463.8A priority Critical patent/CN109618184A/zh
Publication of CN109618184A publication Critical patent/CN109618184A/zh
Pending legal-status Critical Current

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]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/234—Processing of video elementary streams, e.g. splicing of video streams, manipulating MPEG-4 scene graphs
    • H04N21/23418—Processing of video elementary streams, e.g. splicing of video streams, manipulating MPEG-4 scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics
    • 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]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/234—Processing of video elementary streams, e.g. splicing of video streams, manipulating MPEG-4 scene graphs
    • H04N21/23424—Processing of video elementary streams, e.g. splicing of video streams, manipulating MPEG-4 scene graphs involving splicing one content stream with another content stream, e.g. for inserting or substituting an advertisement
    • 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
    • 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
    • H04N21/44016—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 splicing one content stream with another content stream, e.g. for substituting a video clip
    • 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
    • H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
    • H04N21/44213—Monitoring of end-user related data
    • 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]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/83—Generation or processing of protective or descriptive data associated with content; Content structuring
    • H04N21/845—Structuring of content, e.g. decomposing content into time segments
    • H04N21/8456—Structuring of content, e.g. decomposing content into time segments by decomposing the content in the time domain, e.g. in time segments

Abstract

本公开涉及一种视频处理方法及装置、电子设备和存储介质。该方法包括：获取待处理视频的第一视频片段的特征信息，其中，第一视频片段是待处理视频的多个预设时长的视频片段中的任意一个；根据第一视频片段的特征信息，判断第一视频片段是否满足预设条件；在第一视频片段满足预设条件的情况下，将第一视频片段确定为目标视频片段；根据确定的多个目标视频片段，生成待处理视频的第一剪辑视频。本公开实施例可生成精彩片段的剪辑视频，提高剪辑视频的趣味性和游戏性。

Description

视频处理方法及装置、电子设备和存储介质
技术领域
本公开涉及计算机技术领域，尤其涉及一种视频处理方法及装置、电子设备和存储介质。
背景技术
随着计算机技术的快速发展，视频录制在工作和生活中得到了广泛应用，特别是在体感游戏中，通过摄像头进行视频录制，玩家可以欣赏自己在游戏过程中的精彩表现。但是在通常情况下，单纯的视频录制往往缺少趣味性和游戏性，不具有欣赏价值。
发明内容
本公开提出了一种视频处理的技术方案。
根据本公开的第一方面，提供了一种视频处理方法，包括：获取待处理视频的第一视频片段的特征信息，其中，所述第一视频片段是所述待处理视频的多个预设时长的视频片段中的任意一个；根据所述第一视频片段的特征信息，判断所述第一视频片段是否满足预设条件；在所述第一视频片段满足预设条件的情况下，将所述第一视频片段确定为目标视频片段；根据确定的多个目标视频片段，生成所述待处理视频的第一剪辑视频。
在一种可能的实现方式中，所述特征信息包括所述第一视频片段的得分信息、所述第一视频片段中目标对象的姿态信息及所述第一视频片段中目标对象的面部表情信息中的至少一种。
在一种可能的实现方式中，获取待处理视频的第一视频片段的特征信息，包括：获取在与所述第一视频片段对应的预设时长内的得分信息，其中，根据所述第一视频片段的特征信息，判断所述第一视频片段是否满足预设条件，包括：在所述第一视频片段的得分信息大于或等于得分阈值的情况下，确定所述第一视频片段满足预设条件。
在一种可能的实现方式中，获取在与所述第一视频片段对应的预设时长内的得分信息，包括：分别对所述第一视频片段的多个视频帧进行对象姿态识别，确定所述多个视频帧中目标对象的姿态信息；根据各个姿态信息与预设对象的参考姿态信息之间的相似度，确定所述第一视频片段的得分信息。
在一种可能的实现方式中，获取待处理视频的第一视频片段的特征信息，包括：分别对所述第一视频片段的多个视频帧进行对象姿态识别，确定所述多个视频帧中目标对象的姿态信息，
其中，根据所述第一视频片段的特征信息，判断所述第一视频片段是否满足预设条件，包括以下任一种：
在所述多个视频帧的姿态信息之间的最大差值大于或等于动作幅度阈值的情况下，确定所述第一视频片段满足预设条件；
在所述多个视频帧的姿态信息与预设对象的参考姿态信息之间的相似度大于或等于相似度阈值的情况下，确定所述第一视频片段满足预设条件。
在一种可能的实现方式中，所述姿态信息包括人体关键点信息，其中，根据所述第一视频片段的特征信息，判断所述第一视频片段是否满足预设条件，包括：在视频帧中目标对象的多个人体关键点之间的相对位置满足预设的相对位置关系的情况下，确定所述目标对象的姿态满足预设姿态；在多个视频帧中目标对象的姿态满足预设姿态的情况下，确定所述第一视频片段满足预设条件。
在一种可能的实现方式中，所述姿态信息包括人体关键点信息，其中，根据所述第一视频片段的特征信息，判断所述第一视频片段是否满足预设条件，包括：在视频帧中目标对象的多个人体关键点的位置处于预设的图像区域内时，将所述目标对象的姿态确定为预设姿态；在多个视频帧中目标对象的姿态满足预设姿态的情况下，确定所述第一视频片段满足预设条件。
在一种可能的实现方式中，获取待处理视频的第一视频片段的特征信息，包括：分别对第一视频片段的多个视频帧进行对象表情识别，确定所述多个视频帧中目标对象的表情信息，其中，根据所述第一视频片段的特征信息，判断所述第一视频片段是否满足预设条件，包括：
根据所述多个视频帧的表情信息，确定所述第一视频片段的表情活跃值；在所述表情活跃值大于或等于活跃阈值的情况下，确定所述第一视频片段满足预设条件。
在一种可能的实现方式中，根据确定的多个目标视频片段，生成所述待处理视频的第一剪辑视频，包括：从所述待处理视频中截取出多个目标视频片段；将所述多个目标视频片段合成为第二剪辑视频；根据预设的音频信息以及所述第二剪辑视频，生成所述待处理视频的第一剪辑视频。
在一种可能的实现方式中，根据确定的多个目标视频片段，生成所述待处理视频的第一剪辑视频，还包括：对所述第二剪辑视频进行抽帧处理，获得第三剪辑视频；根据预设的音频信息以及所述第三剪辑视频，生成所述待处理视频的第一剪辑视频。
在一种可能的实现方式中，根据确定的多个目标视频片段，生成所述待处理视频的第一剪辑视频，还包括：对所述多个目标视频片段分别进行抽帧处理，获得多个抽帧视频片段；将所述多个抽帧视频片段合成为第四剪辑视频；根据预设的音频信息以及所述第四剪辑视频，生成所述待处理视频的第一剪辑视频。
在一种可能的实现方式中，分别对所述第一视频片段的多个视频帧进行对象姿态识别，确定所述多个视频帧中目标对象的姿态信息，包括：通过第一神经网络分别提取所述多个视频帧中目标对象的人体关键点信息；根据各个视频帧中目标对象的人体关键点信息，分别确定各个视频帧中目标对象的姿态信息。
在一种可能的实现方式中，分别对第一视频片段的多个视频帧进行对象表情识别，确定所述多个视频帧中目标对象的表情信息，包括：通过第二神经网络分别提取所述多个视频帧中目标对象的面部特征；根据多个视频帧中目标对象的面部特征，分别确定多个视频帧中目标对象的表情信息。
在一种可能的实现方式中，所述待处理视频包括通过摄像头采集的目标对象进行互动游戏期间的视频流。
根据本公开的第二方面，提供了一种视频处理装置，包括：
信息获取模块，获取待处理视频的第一视频片段的特征信息，其中，所述第一视频片段是所述待处理视频的多个预设时长的视频片段中的任意一个；条件判断模块，根据所述第一视频片段的特征信息，判断所述第一视频片段是否满足预设条件；片段确定模块，在所述第一视频片段满足预设条件的情况下，将所述第一视频片段确定为目标视频片段；视频生成模块，根据确定的多个目标视频片段，生成所述待处理视频的第一剪辑视频。
在一种可能的实现方式中，所述特征信息包括所述第一视频片段的得分信息、所述第一视频片段中目标对象的姿态信息及所述第一视频片段中目标对象的面部表情信息中的至少一种。
在一种可能的实现方式中，所述信息获取模块，包括：第一信息获取子模块，获取在与所述第一视频片段对应的预设时长内的得分信息，
其中，所述条件判断模块，包括：第一判断子模块，在所述第一视频片段的得分信息大于或等于得分阈值的情况下，确定所述第一视频片段满足预设条件。
在一种可能的实现方式中，所述第一信息获取子模块，包括：第一姿态信息获取子模块，分别对所述第一视频片段的多个视频帧进行对象姿态识别，确定所述多个视频帧中目标对象的姿态信息；信息确定子模块，根据各个姿态信息与预设对象的参考姿态信息之间的相似度，确定所述第一视频片段的得分信息。
在一种可能的实现方式中，所述信息获取模块，包括：第二信息获取子模块，分别对所述第一视频片段的多个视频帧进行对象姿态识别，确定所述多个视频帧中目标对象的姿态信息，其中，所述条件判断模块，包括以下任一子模块：
第二判断子模块，在所述多个视频帧的姿态信息之间的最大差值大于或等于动作幅度阈值的情况下，确定所述第一视频片段满足预设条件；第三判断子模块，在所述多个视频帧的姿态信息与预设对象的参考姿态信息之间的相似度大于或等于相似度阈值的情况下，确定所述第一视频片段满足预设条件。
在一种可能的实现方式中，所述姿态信息包括人体关键点信息，其中，所述条件判断模块，包括：第一姿态判断子模块，在视频帧中目标对象的多个人体关键点之间的相对位置满足预设的相对位置关系的情况下，确定所述目标对象的姿态满足预设姿态；第四判断子模块，在多个视频帧中目标对象的姿态满足预设姿态的情况下，确定所述第一视频片段满足预设条件。
在一种可能的实现方式中，所述姿态信息包括人体关键点信息，其中，所述条件判断模块，包括：姿态确定子模块，在视频帧中目标对象的多个人体关键点的位置处于预设的图像区域内时，将所述目标对象的姿态确定为预设姿态；第五判断子模块，在多个视频帧中目标对象的姿态满足预设姿态的情况下，确定所述第一视频片段满足预设条件。
在一种可能的实现方式中，所述信息获取模块，包括：第三信息获取子模块，分别对第一视频片段的多个视频帧进行对象表情识别，确定所述多个视频帧中目标对象的表情信息，其中，所述条件判断模块，包括：
活跃值确定子模块，根据所述多个视频帧的表情信息，确定所述第一视频片段的表情活跃值；第六判断子模块，在所述表情活跃值大于或等于活跃阈值的情况下，确定所述第一视频片段满足预设条件。
在一种可能的实现方式中，所述视频生成模块，包括：片段截取子模块，从所述待处理视频中截取出多个目标视频片段；第一片段合成子模块，将所述多个目标视频片段合成为第二剪辑视频；第一生成子模块，根据预设的音频信息以及所述第二剪辑视频，生成所述待处理视频的第一剪辑视频。
在一种可能的实现方式中，所述视频生成模块，还包括：第一视频抽帧子模块，对所述第二剪辑视频进行抽帧处理，获得第三剪辑视频；第二生成子模块，根据预设的音频信息以及所述第三剪辑视频，生成所述待处理视频的第一剪辑视频。
在一种可能的实现方式中，所述视频生成模块，还包括：第二视频抽帧子模块，对所述多个目标视频片段分别进行抽帧处理，获得多个抽帧视频片段；第二片段合成子模块，将所述多个抽帧视频片段合成为第四剪辑视频；第三生成子模块，根据预设的音频信息以及所述第四剪辑视频，生成所述待处理视频的第一剪辑视频。
在一种可能的实现方式中，所述第二信息获取子模块，包括：关键点信息获取子模块，通过第一神经网络分别提取所述多个视频帧中目标对象的人体关键点信息；第二姿态信息获取子模块，根据各个视频帧中目标对象的人体关键点信息，分别确定各个视频帧中目标对象的姿态信息。
在一种可能的实现方式中，所述第三信息获取子模块，包括：面部特征获取子模块，通过第二神经网络分别提取所述多个视频帧中目标对象的面部特征；表情信息获取子模块，根据多个视频帧中目标对象的面部特征，分别确定多个视频帧中目标对象的表情信息。
在一种可能的实现方式中，所述待处理视频包括通过摄像头采集的目标对象进行互动游戏期间的视频流。
根据本公开的第三方面，提供了一种电子设备，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：执行上述视频处理方法。
根据本公开的第四方面，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处理方法。
在本公开实施例中，通过获取视频片段的特征信息，确定出满足预设条件的目标视频片段，并根据确定出的多个目标视频片段生成剪辑视频，从而增加剪辑视频的趣味性和游戏性，提高剪辑视频的欣赏价值。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开。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
此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。
图1示出根据本公开实施例的视频处理方法的流程图；
图2示出根据本公开实施例的视频处理装置的框图。
图3示出根据本公开实施例的一种电子设备的框图。
图4示出根据本公开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。
本文中术语“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，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
另外，为了更好地说明本公开，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示出根据本公开实施例的视频处理方法的流程图。如图1所示，该方法包括：
步骤S11，获取待处理视频的第一视频片段的特征信息，其中，所述第一视频片段是所述待处理视频的多个预设时长的视频片段中的任意一个；
步骤S12，根据所述第一视频片段的特征信息，判断所述第一视频片段是否满足预设条件；
步骤S13，在所述第一视频片段满足预设条件的情况下，将所述第一视频片段确定为目标视频片段；
步骤S14，根据确定的多个目标视频片段，生成所述待处理视频的第一剪辑视频。
根据本公开的实施例，能够通过获取视频片段的特征信息，确定出满足预设条件的目标视频片段，并根据确定出的多个目标视频片段生成剪辑视频，从而增加剪辑视频的趣味性和游戏性，提高剪辑视频的欣赏价值。
在一种可能的实现方式中，所述视频处理方法可以由终端设备或服务器等电子设备执行，终端设备可以为用户设备(User Equipment，UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字处理(Personal Digital Assistant，PDA)、手持设备、计算设备、车载设备、可穿戴设备等，所述方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。或者，可通过服务器执行所述方法。
在一种可能的实现方式中，待处理视频可以包括通过摄像头采集的目标对象进行互动游戏期间的视频流。其中，目标对象可以是进行互动游戏的一个或多个玩家，互动游戏可以包括体感游戏、VR游戏、AR游戏等任意类型的游戏(例如舞蹈类体感游戏)。在玩家进行互动游戏期间，可通过摄像头采集目标对象所在的预设区域的视频流，并对视频流进行分析处理。应当理解，待处理视频也可以包括在其他场景下采集的视频流，本公开对待处理视频的具体采集场景不作限制。
在一种可能的实现方式中，可以根据预先设定的时长，将待处理视频划分为多个预设时长的视频片段，从而可以以预设时长为时间单位对待处理视频进行分析。该预设时长可例如设置为5秒或10秒，本领域技术人员可根据实际情况设定预设时长，本公开对预设时长的具体取值不作限制。
在一种可能的实现方式中，可以在视频采集过程中实时划分视频片段，也可以在视频采集完成后划分视频片段。本公开对划分视频片段的时间不作限制。
在一种可能的实现方式中，针对多个视频片段中的任意一个视频片段(第一视频片段)，可以在步骤S11中获取该第一视频片段的特征信息，进而在步骤S12中判断第一视频片段是否为精彩片段。
在一种可能的实现方式中，特征信息可包括第一视频片段的得分信息、第一视频片段中目标对象的姿态信息以及第一视频片段中目标对象的面部表情中的至少一种。根据特征信息，可以从多个第一视频片段中确定出目标视频片段(精彩片段)，本公开对特征信息的具体内容不作限制。
在一种可能的实现方式中，步骤S11可包括：获取在与所述第一视频片段对应的预设时长内的得分信息；
步骤S12可包括：在所述第一视频片段的得分信息大于或等于得分阈值的情况下，确定所述第一视频片段满足预设条件。
在一种可能的实现方式中，可以从互动游戏设备中直接读取互动游戏过程中玩家的得分信息，从而得到与第一视频片段对应的预设时长内的得分信息。例如，预设时长为5秒，第一视频片段为互动游戏的第36-40秒时，可以获取第36-40秒内的得分(例如得分为800)。
在一种可能的实现方式中，还可以采用其他方式获取得分信息。其中，获取在与所述第一视频片段对应的预设时长内的得分信息的步骤可包括：
分别对所述第一视频片段的多个视频帧进行对象姿态识别，确定所述多个视频帧中目标对象的姿态信息；
根据各个第一姿态与预设对象的参考姿态信息之间的相似度，确定所述第一视频片段的得分信息。
举例来说，针对第一视频片段的任一个视频帧，可对该视频帧进行对象姿态识别，确定该视频帧的目标对象的姿态信息。该姿态信息可用于表示目标对象在视频帧中的身体动作，其可例如包括目标对象的人体关键点的位置(例如N个关键点在人体上的位置分布，N为大于2的整数，例如N＝14或18等)。通过对第一视频片段的多个视频帧分别进行对象姿态识别，可以确定多个视频帧中目标对象的姿态信息。应当理解，可以采用深度学习等方式实现对象姿态识别，本公开对对象姿态识别的具体方式不作限制。
在一种可能的实现方式中，可根据目标对象的姿态信息与预设对象的参考姿态信息之间的相似度，确定第一视频片段的得分信息，其中，预设对象可例如是体感游戏里的游戏形象。可通过目标对象的姿态信息与预设对象的参考姿态信息之间的差异(例如多个人体关键点之间的相对位置的差异)来确定两者之间的相似度。例如，在目标对象的姿态信息与参考姿态信息之间的差异较小时，相似度较高，可获得90分；差异较大时，相似度较低，可获得10分。可根据第一视频片段中目标对象的姿态动作的数量，得到第一视频片段的得分信息。本公开对姿态相似度的具体确定方式以及得分数值的设定方式不作限制。
通过这种方式，可以根据目标对象与预设对象的姿态相似度，确定出第一视频片段的得分信息。
在一种可能的实现方式中，根据第一视频片段的得分信息，可判断其与预设的得分阈值之间的关系。如果该得分信息大于或等于得分阈值，则可确定该第一视频片段满足预设的得分条件，可认为该第一视频片段是目标视频片段(精彩片段)。反之，如果该得分信息小于得分阈值，则可确定该第一视频片段不满足预设的得分条件，可认为该第一视频片段不是目标视频片段(精彩片段)。例如，预设的得分阈值为500分，如果第一视频片段的得分为800分，则确定第一视频片段满足预设条件；如果第一视频片段的得分为400分，则确定第一视频片段不满足预设条件。应当理解，本领域技术人员可以据实际情况设定得分阈值，本公开对得分阈值的具体取值不作限制。
通过这种方式，可以选取目标对象在预设时长内得分高的第一视频片段作为目标视频片段，增加了目标视频片段的游戏性，提高了欣赏价值。
在一种可能的实现方式中，步骤S11可包括：分别对第一视频片段的多个视频帧进行对象姿态识别，确定多个视频帧中目标对象的姿态信息；
步骤S12可包括以下任一种：在多个视频帧的姿态信息之间的最大差值大于或等于动作幅度阈值的情况下，确定第一视频片段满足预设条件；
在所述多个视频帧的姿态信息与预设对象的参考姿态信息之间的相似度大于或等于相似度阈值的情况下，确定所述第一视频片段满足预设条件。
举例来说，针对第一视频片段的任一个视频帧，可对该视频帧进行对象姿态识别，确定该视频帧的目标对象的姿态信息。该姿态信息可用于表示目标对象在视频帧中的身体动作，其可例如包括目标对象的人体关键点的位置等信息。通过对第一视频片段的多个视频帧分别进行对象姿态识别，可以确定多个视频帧中目标对象的姿态信息。应当理解，可以采用深度学习等方式实现对象姿态识别，本公开对对象姿态识别的具体方式不作限制。
在一种可能的实现方式中，分别对所述第一视频片段的多个视频帧进行对象姿态识别，确定所述多个视频帧中目标对象的姿态信息的步骤可包括：
通过第一神经网络分别提取所述多个视频帧中目标对象的人体关键点信息；根据各个视频帧中目标对象的人体关键点信息，分别确定各个视频帧中目标对象的姿态信息。
举例来说，可通过神经网络对视频帧进行对象姿态识别。可将第一视频片段的视频帧输入到第一神经网络中处理，提取出视频帧中目标对象的人体关键点信息(例如N个关键点在人体上的位置分布)，进而根据目标对象的人体关键点信息确定视频帧中目标对象的姿态。其中，第一神经网络可例如包括卷积神经网络CNN，本公开对第一神经网络的具体类型不作限制。
在一种可能的实现方式中，根据第一视频片段的多个视频帧中目标对象的姿态信息，可以获取各个姿态信息之间的姿态差值，进而判断姿态差值与预设的动作幅度阈值之间的关系。如果各个姿态信息之间的姿态差值的最大值(最大差值)大于或等于该动作幅度阈值，则可认为第一视频片段期间玩家的动作较大，确定该第一视频片段满足预设的动作幅度条件，该第一视频片段是目标视频片段(精彩片段)。反之，如果各个姿态信息之间的姿态差值的最大值小于该动作幅度阈值，则可认为第一视频片段期间玩家的动作较小，确定该第一视频片段不满足预设的动作幅度条件，该第一视频片段不是目标视频片段(精彩片段)。例如，第一视频片段的两个视频帧中姿态信息分别表示目标对象的姿态为站立和跳起，则两个姿态之间的姿态差值可能较大，如果该差值超过动作幅度阈值，则可将第一视频片段确定为目标视频片段。
应当理解，本领域技术人员可以采用相关技术的处理方式确定姿态差值并根据实际情况设定动作幅度阈值，本公开对确定姿态差值的具体方式及动作幅度阈值的具体取值不作限制。
通过上述方式，可以选取目标对象动作幅度大的第一视频片段作为目标视频片段，增加了目标视频片段的趣味性和游戏性，提高了欣赏价值。
在一种可能的实现方式中，在确定第一视频片段的多个视频帧中目标对象的姿态信息后，步骤S12可包括：在所述多个视频帧的姿态信息与预设对象的参考姿态信息之间的相似度大于或等于相似度阈值的情况下，确定所述第一视频片段满足预设条件。
举例来说，可通过多个视频帧中目标对象的姿态信息与预设对象的参考姿态信息之间的差异(例如多个人体关键点之间的相对位置的差异)来确定两者之间的相似度。例如，在目标对象的姿态信息与参考姿态信息之间的差异较小时，相似度较高；差异较大时，相似度较低。
在一种可能的实现方式中，可预先设定有相似度阈值，如果第一视频片段的多个视频帧中目标对象的姿态信息与预设对象的参考姿态信息之间的相似度大于或等于相似度阈值，则可认为第一视频片段期间玩家的动作较准确，确定该第一视频片段是目标视频片段(精彩片段)；反之，如果相似度小于相似度阈值，则可认为第一视频片段期间玩家的动作偏差较大，可确定第一视频片段不是精彩片段。本公开对相似度的具体确定方式以及相似度阈值的具体取值不作限制。
在一种可能的实现方式中，在第一视频片段中，姿态信息与参考姿态信息之间的相似度可通过姿态匹配度来确定(例如，在第一视频片段中共有5个动作，其中4个动作匹配，1个动作不匹配，则该视频片段的姿态匹配度为80％)。如果第一视频片段的相似度为80％(姿态匹配度为80％)，则确定第一视频判断满足预设条件；如果第一视频片段的相似度为50％(姿态匹配度为50％)，则确定第一视频片段不满足预设条件。应当理解，本领域技术人员可以据实际情况设定相似度阈值，本公开对相似度阈值的具体取值不作限制。
通过这种方式，可以选取目标对象的姿态动作与预设对象的参考姿态动作相似度高的第一视频片段作为目标视频片段，增加里目标视频片段的游戏性。
根据本公开的实施例，可通过各种方式来判断目标对象的姿态(位姿)。
在一种可能的实现方式中，姿态信息包括人体关键点信息，步骤S12中根据所述第一视频片段的特征信息，判断所述第一视频片段是否满足预设条件可包括：
在视频帧中目标对象的多个人体关键点之间的相对位置满足预设的相对位置关系的情况下，确定所述目标对象的姿态满足预设姿态；
在多个视频帧中目标对象的姿态满足预设姿态的情况下，确定所述第一视频片段满足预设条件。
举例来说，姿态信息可包括人体关键点信息，也即N个关键点在人体上的位置分布。N个关键点在人体上的位置分布尽量全面且均匀，能够涵盖人体的躯干和四肢，N可取值为10、14、17等。本公开对N的取值不作限制。
在一种可能的实现方式中，人体关键点的位置分布可包括N个关键点中的两两关键点之间的相对位置关系。该相对位置关系可以但不局限于是通过以下方式进行表示：一个关键点相对于另一个关键点的坐标信息(坐标系的类型不限，例如笛卡尔坐标系、极坐标系等)；一个关键点相对于另一个关键点的距离信息和方向信息。本公开对相对位置关系的具体表示方式不作限制。
在该情况下，可判断多个人体关键点之间的相对位置是否满足预设的相对位置关系，如果满足，则可确定目标对象的姿态满足预设姿态。例如，预设姿态(例如参考对象的参考姿态信息)为手臂向上抬起时，相对位置关系为手臂关键点的位置高于肩部关键点的位置。如果目标对象的手臂关键点的位置高于肩部关键点的位置，则可认为目标对象的姿态满足预设姿态。反之，则认为目标对象的姿态不满足预设姿态。
在一种可能的实现方式中，在多个视频帧中目标对象的姿态满足预设姿态的情况下，可确定所述第一视频片段满足预设条件。该多个视频帧可以是第一视频片段中预设数量的视频帧。也就是说，如果预设数量的视频帧中目标对象的姿态满足预设姿态，则可认为第一视频片段期间玩家的动作较准确，确定该第一视频片段是精彩片段；反之，则可认为第一视频片段期间玩家的动作偏差较大，可确定第一视频片段不是精彩片段。
通过这种方式，可根据目标对象的人体关键点之间的相对位置来确定姿态，提高了识别的准确性。
在一种可能的实现方式中，步骤S12中根据所述第一视频片段的特征信息，判断所述第一视频片段是否满足预设条件可包括：
在视频帧中目标对象的多个人体关键点的位置处于预设的图像区域内时，将所述目标对象的姿态确定为预设姿态；
在多个视频帧中目标对象的姿态满足预设姿态的情况下，确定所述第一视频片段满足预设条件。
举例来说，人体关键点信息可包括多个人体关键点在视频帧中的图像位置，也即N个关键点在视频帧图像中的坐标。如果视频帧中人体关键点的位置处于预设的图像区域内，则可认为目标对象的姿态为预设姿态。例如，预设姿态为手臂向上抬起时，手臂关键点应处于在图像的上部区域，如果目标对象的手臂关键点处于该上部区域，则可认为目标对象的姿态为手臂向上抬起。
在一种可能的实现方式中，在多个视频帧中目标对象的姿态满足预设姿态的情况下，可确定所述第一视频片段满足预设条件。该多个视频帧可以是第一视频片段中预设数量的视频帧。也就是说，如果预设数量的视频帧中目标对象的姿态满足预设姿态，则可认为第一视频片段期间玩家的动作较准确，确定该第一视频片段是精彩片段；反之，则可认为第一视频片段期间玩家的动作偏差较大，可确定第一视频片段不是精彩片段。
通过这种方式，可根据目标对象的人体关键点在视频帧中的图像区域来确定姿态，提高了识别的准确性。
在一种可能的实现方式中，步骤S11可包括：分别对第一视频片段的多个视频帧进行对象表情识别，确定多个视频帧中目标对象的表情信息；
步骤S12可包括：根据多个视频帧的表情信息，确定第一视频片段的表情活跃值；在表情活跃值大于或等于活跃阈值的情况下，确定第一视频片段满足预设条件。
举例来说，可对第一视频片段的多个视频帧进行对象表情识别，确定多个视频帧中目标对象的表情信息。该表情信息可用于表示目标对象在视频帧中的表情特征，例如大笑、惊讶等。应当理解，可以采用深度学习等方式实现对象表情识别，本公开对对象表情识别的具体方式不作限制。
在一种可能的实现方式中，分别对第一视频片段的多个视频帧进行对象表情识别，确定多个视频帧中目标对象的表情信息的步骤可包括：
通过第二神经网络分别提取多个视频帧中目标对象的面部特征；
根据多个视频帧中目标对象的面部特征，分别确定多个视频帧中目标对象的表情信息。
举例来说，可通过神经网络对多个视频帧进行表情识别。可将第一视频片段的视频帧输入到第二神经网络中处理，提取出视频帧中目标对象的面部特征，根据目标对象的面部特征确定视频帧中目标对象的表情信息。例如，通过面部特征确定的表情信息可表示为多种表情及其分值(可例如高兴90分，伤心20分，愤怒10分)，可将分值最高的表情(高兴)作为目标对象的表情。其中，第二神经网络可例如包括卷积神经网络CNN，本公开对第二神经网络的具体类型不作限制。
在一种可能的实现方式中，可以从第一视频片段中随机选取一个或多个视频帧进行对象表情识别，根据选取的视频帧中目标对象的表情信息，可确定第一视频片段的表情活跃值。例如，从第一视频帧片段中，选取了4个视频帧，其中，3个视频帧中目标对象的表情为开心，1个视频帧中目标对象的表情为愤怒，则可以确定在第一视频帧中目标对象的表情为开心，可以根据表情为开心的3个视频帧的开心分值来确定表情活跃值，可例如选取最高分值或平均分值作为表情活跃值。本公开对表情活跃值的选取方式不作限制。
在一种可能的实现方式中，根据第一视频片段的表情活跃值，可判断其与预设的活跃阈值的关系。如果该表情活跃值大于或等于活跃阈值，则可认为第一视频片段中玩家表情活跃，确定该第一视频片段满足预设条件，该视频片段是目标视频片段(精彩片段)。反之，如果表情活跃值小于活跃阈值，则可认为第一视频中玩家表情不活跃，确定该第一视频片段不满足预设条件，该第一视频片段不是目标视频片段(精彩片段)。例如，预设的活跃阈值为80，如果第一视频片段的表情活跃值为90，则确定第一视频片段满足预设条件；如果第视频片段的表情活跃值为60，则确定第一视频片段不满足预设条件。
应当理解，本领域技术人员可以采用相关技术的处理方式确定表情活跃值并根据实际情况设定活跃阈值，本公开对表情活跃值的具体确定方式及活跃阈值的具体取值不作限制。
通过这种方式，可以选取目标对象表情活跃的第一视频片段作为目标视频片段，增加了目标视频片段的趣味性，提高了欣赏价值。
在一种可能的实现方式中，对待处理视频的多个第一视频片段，逐一获取特征信息并根据预设条件进行判断，将满足预设条件的第一视频片段确定为目标视频片段。在对多个第一视频片段进行特性信息判断后，可以选取出多个目标视频片段，其中，多个目标视频片段的数量小于第一视频片段的数量。
在一种可能的实现方式中，可在视频的采集过程中实时分析各个视频片段，也可在视频采集完成(例如一支舞蹈结束)后统一分析各个视频片段，从各个视频片段中确定出多个精彩片段，进而可在步骤S14中根据确定的多个目标视频片段，生成所述待处理视频的剪辑视频。
在一种可能的实现方式中，步骤S14可包括：
从待处理视频中截取出多个目标视频片段；将多个目标视频片段合成第二剪辑视频；根据预设的音频信息及第二剪辑视频，生成待处理视频的第一剪辑视频。
举例来说，在确定出所有目标视频片段时，可根据各个目标视频片段的标识(例如视频时间戳)，从待处理视频中截取出多个目标视频片段，并可将多个目标视频片段按照时间顺序或其他顺序(例如精彩程度由高到低)合并生成第二剪辑视频；然后为剪辑视频配音，将预设的音频信息与第二剪辑视频合并生成待处理视频的第一剪辑视频。其中，音频信息是预先设定的音频(配乐)或用户自行选择或输入的音频。可预先设定一个或多个音频。
在生成第一剪辑视频时，可根据目标对象的得分、姿态、表情等特征信息在预设的音频中进行选择，也可以由用户自行选择或输入音频，或使用固定的音频。本公开对音频信息的数量和使用方式不作限制。
通过为剪辑视频进行配音，能够增加剪辑视频的趣味性，提高剪辑视频的欣赏价值。
在一种可能的实现方式中，步骤S14还可包括：对第二剪辑视频进行抽帧处理，获得第三剪辑视频；根据预设的音频信息及第三剪辑视频，生成待处理视频的第一剪辑视频。
举例来说，可以对剪辑视频进行抽帧处理。可首先对第二剪辑视频进行抽帧处理(例如每四帧抽取一帧)，获得第三剪辑视频，再将预设的音频信息与第三剪辑视频合并生成待处理视频的第一剪辑视频。通过这种方式，能够加快剪辑视频播放时画面的切换速度，产生视觉加速效果，增加剪辑视频的趣味性，同时能够缩减剪辑视频的时长，节省用户的观看时间。
应当理解，对第二剪辑视频进行抽帧处理时使用的抽帧方法，本领域技术人员可以根据实际情况进行选择，本公开对此不作限制。
在一种可能的实现方式中，步骤S14还可以包括：对多个目标视频片段分别进行抽帧处理，获得多个抽帧视频片段；将多个抽帧视频片段合成第四剪辑视频；根据预设的音频信息及第四剪辑视频，生成待处理视频的第一剪辑视频。
举例来说，也可以先对截取出的多个视频片段进行抽帧处理，获得多个抽帧视频片段，再根据多个抽帧视频片段合成第四剪辑视频，然后将预设的音频信息与第四剪辑视频合并生成待处理视频的第一剪辑视频。通过这种方式，能够加快剪辑视频播放时画面的切换速度，产生视觉加速效果，增加剪辑视频的趣味性，同时能够缩减剪辑视频的时长，节省用户的观看时间。
应该理解，对多个目标视频片段分别进行抽帧处理时使用的抽帧方法，本领域技术人员可以根据实际情况进行选择，本公开对此不作限制。
根据本公开实施例的视频处理方法，能够自动截取用户互动中有趣或精彩的片段进行合成，并完成配乐、加速等处理，生成精彩表现集锦(剪辑视频)，从而增加体感游戏视频的趣味性和观赏性，改进用户的体验。
本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。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。
图2示出根据本公开实施例的视频处理装置的框图。如图2所示，该装置包括信息获取模块51、条件判断模块52、片段确定模块53和视频生成模块54。
信息获取模块51，获取待处理视频的第一视频片段的特征信息，其中，第一视频片段是待处理视频的多个预设时长的视频片段中的任意一个。条件判断模块52，根据第一视频片段的特征信息，判断第一视频片段是否满足预设条件。片段确定模块53，在第一视频片段满足预设条件的情况下，将第一视频片段确定为目标视频片段。视频生成模块54，根据确定的多个目标视频片段，生成待处理视频的第一剪辑视频。
在一种可能的实现方式中，特征信息可以包括第一视频片段的得分信息、第一视频片段中目标对象的姿态信息及第一视频片段中目标对象的面部表情信息中的至少一种。
在一种可能的实现方式中，信息获取模块51，可以包括：第一信息获取子模块，获取在与第一视频片段对应的预设时长内的得分信息。其中，条件判断模块52，可以包括：第一判断子模块，在第一视频片段的得分信息大于或等于得分阈值的情况下，确定第一视频片段满足预设条件。
在一种可能的实现方式中，第一信息获取子模块，可以包括：第一姿态信息获取子模块，分别对第一视频片段的多个视频帧进行对象姿态识别，确定多个视频帧中目标对象的姿态信息。信息确定子模块，根据各个姿态信息与预设对象的参考姿态信息之间的相似度，确定第一视频片段的得分信息。
在一种可能的实现方式中，信息获取模块51，可以包括：第二信息获取子模块，分别对第一视频片段的多个视频帧进行对象姿态识别，确定多个视频帧中目标对象的姿态信息。其中，条件判断模块52，可以包括以下任一子模块：第二判断子模块，在多个视频帧的姿态信息之间的最大差值大于或等于动作幅度阈值的情况下，确定第一视频片段满足预设条件。第三判断子模块，在多个视频帧的姿态信息与预设对象的参考姿态信息之间的相似度大于或等于相似度阈值的情况下，确定第一视频片段满足预设条件。
在一种可能的实现方式中，姿态信息可以包括人体关键点信息。其中，条件判断模块52，可以包括：第一姿态判断子模块，在视频帧中目标对象的多个人体关键点之间的相对位置满足预设的相对位置关系的情况下，确定目标对象的姿态满足预设姿态。第四判断子模块，在多个视频帧中目标对象的姿态满足预设姿态的情况下，确定第一视频片段满足预设条件。
在一种可能的实现方式中，姿态信息可以包括人体关键点信息。其中，条件判断模块52，可以包括：姿态确定子模块，在视频帧中目标对象的多个人体关键点的位置处于预设的图像区域内时，将目标对象的姿态确定为预设姿态。第五判断子模块，在多个视频帧中目标对象的姿态满足预设姿态的情况下，确定第一视频片段满足预设条件。
在一种可能的实现方式中，信息获取模块51，可以包括：第三信息获取子模块，分别对第一视频片段的多个视频帧进行对象表情识别，确定多个视频帧中目标对象的表情信息。其中，条件判断模块52，可以包括：活跃值确定子模块，根据多个视频帧的表情信息，确定第一视频片段的表情活跃值。第六判断子模块，在表情活跃值大于或等于活跃阈值的情况下，确定第一视频片段满足预设条件。
在一种可能的实现方式中，视频生成模块54，可以包括：片段截取子模块，从待处理视频中截取出多个目标视频片段。第一片段合成子模块，将多个目标视频片段合成为第二剪辑视频。第一生成子模块，根据预设的音频信息以及第二剪辑视频，生成待处理视频的第一剪辑视频。
在一种可能的实现方式中，视频生成模块54，还可以包括：第一视频抽帧子模块，对第二剪辑视频进行抽帧处理，获得第三剪辑视频。第二生成子模块，根据预设的音频信息以及第三剪辑视频，生成待处理视频的第一剪辑视频。
在一种可能的实现方式中，视频生成模块54，还可以包括：第二视频抽帧子模块，对多个目标视频片段分别进行抽帧处理，获得多个抽帧视频片段。第二片段合成子模块，将多个抽帧视频片段合成为第四剪辑视频。第三生成子模块，根据预设的音频信息以及第四剪辑视频，生成待处理视频的第一剪辑视频。
在一种可能的实现方式中，第二信息获取子模块，可以包括：关键点信息获取子模块，通过第一神经网络分别提取多个视频帧中目标对象的人体关键点信息。第二姿态信息获取子模块，根据各个视频帧中目标对象的人体关键点信息，分别确定各个视频帧中目标对象的姿态信息。
在一种可能的实现方式中，第三信息获取子模块，可以包括：面部特征获取子模块，通过第二神经网络分别提取多个视频帧中目标对象的面部特征。表情信息获取子模块，根据多个视频帧中目标对象的面部特征，分别确定多个视频帧中目标对象的表情信息。
在一种可能的实现方式中，待处理视频包括通过摄像头采集的目标对象进行互动游戏期间的视频流。
在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。
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3示出根据本公开实施例的一种电子设备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3，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4示出根据本公开实施例的一种电子设备1900的框图。例如，电子设备1900可以被提供为一服务器。参照图4，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)

1.一种视频处理方法，其特征在于，包括：
获取待处理视频的第一视频片段的特征信息，其中，所述第一视频片段是所述待处理视频的多个预设时长的视频片段中的任意一个；
根据所述第一视频片段的特征信息，判断所述第一视频片段是否满足预设条件；
在所述第一视频片段满足预设条件的情况下，将所述第一视频片段确定为目标视频片段；
根据确定的多个目标视频片段，生成所述待处理视频的第一剪辑视频。
2.根据权利要求1所述的方法，其特征在于，所述特征信息包括所述第一视频片段的得分信息、所述第一视频片段中目标对象的姿态信息及所述第一视频片段中目标对象的面部表情信息中的至少一种。
3.根据权利要求2所述的方法，其特征在于，获取待处理视频的第一视频片段的特征信息，包括：
获取在与所述第一视频片段对应的预设时长内的得分信息，
其中，根据所述第一视频片段的特征信息，判断所述第一视频片段是否满足预设条件，包括：
在所述第一视频片段的得分信息大于或等于得分阈值的情况下，确定所述第一视频片段满足预设条件。
4.根据权利要求3所述的方法，其特征在于，获取在与所述第一视频片段对应的预设时长内的得分信息，包括：
分别对所述第一视频片段的多个视频帧进行对象姿态识别，确定所述多个视频帧中目标对象的姿态信息；
根据各个姿态信息与预设对象的参考姿态信息之间的相似度，确定所述第一视频片段的得分信息。
5.根据权利要求2所述的方法，其特征在于，获取待处理视频的第一视频片段的特征信息，包括：
分别对所述第一视频片段的多个视频帧进行对象姿态识别，确定所述多个视频帧中目标对象的姿态信息，
其中，根据所述第一视频片段的特征信息，判断所述第一视频片段是否满足预设条件，包括以下任一种：
在所述多个视频帧的姿态信息之间的最大差值大于或等于动作幅度阈值的情况下，确定所述第一视频片段满足预设条件；
在所述多个视频帧的姿态信息与预设对象的参考姿态信息之间的相似度大于或等于相似度阈值的情况下，确定所述第一视频片段满足预设条件。
6.根据权利要求5所述的方法，其特征在于，所述姿态信息包括人体关键点信息，
其中，根据所述第一视频片段的特征信息，判断所述第一视频片段是否满足预设条件，包括：
在视频帧中目标对象的多个人体关键点之间的相对位置满足预设的相对位置关系的情况下，确定所述目标对象的姿态满足预设姿态；
在多个视频帧中目标对象的姿态满足预设姿态的情况下，确定所述第一视频片段满足预设条件。
7.根据权利要求5所述的方法，其特征在于，所述姿态信息包括人体关键点信息，
其中，根据所述第一视频片段的特征信息，判断所述第一视频片段是否满足预设条件，包括：
在视频帧中目标对象的多个人体关键点的位置处于预设的图像区域内时，将所述目标对象的姿态确定为预设姿态；
在多个视频帧中目标对象的姿态满足预设姿态的情况下，确定所述第一视频片段满足预设条件。
8.一种视频处理装置，其特征在于，包括：
信息获取模块，获取待处理视频的第一视频片段的特征信息，其中，所述第一视频片段是所述待处理视频的多个预设时长的视频片段中的任意一个；
条件判断模块，根据所述第一视频片段的特征信息，判断所述第一视频片段是否满足预设条件；
片段确定模块，在所述第一视频片段满足预设条件的情况下，将所述第一视频片段确定为目标视频片段；
视频生成模块，根据确定的多个目标视频片段，生成所述待处理视频的第一剪辑视频。
9.一种电子设备，其特征在于，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：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。
CN201811645463.8A 2018-12-29 2018-12-29 视频处理方法及装置、电子设备和存储介质 Pending CN109618184A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811645463.8A CN109618184A (zh) 2018-12-29 2018-12-29 视频处理方法及装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811645463.8A CN109618184A (zh) 2018-12-29 2018-12-29 视频处理方法及装置、电子设备和存储介质

Publications (1)

Publication Number Publication Date
CN109618184A true CN109618184A (zh) 2019-04-12

Family

ID=66017482

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811645463.8A Pending CN109618184A (zh) 2018-12-29 2018-12-29 视频处理方法及装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN109618184A (zh)

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110059661A (zh) * 2019-04-26 2019-07-26 腾讯科技（深圳）有限公司 动作识别方法、人机交互方法、装置及存储介质
CN110113659A (zh) * 2019-04-19 2019-08-09 北京大米科技有限公司 生成视频的方法、装置、电子设备及介质
CN110139158A (zh) * 2019-06-21 2019-08-16 上海摩象网络科技有限公司 视频以及子视频的生成方法、装置、电子设备
CN110287891A (zh) * 2019-06-26 2019-09-27 北京字节跳动网络技术有限公司 基于人体关键点的手势控制方法、装置及电子设备
CN110545408A (zh) * 2019-09-06 2019-12-06 苏州凌瑞智能技术有限公司 基于智能服务平台的智能制造展示系统及方法
CN110855904A (zh) * 2019-11-26 2020-02-28 Oppo广东移动通信有限公司 视频处理方法、电子装置和存储介质
CN111083537A (zh) * 2019-12-30 2020-04-28 上海纯米电子科技有限公司 烹饪视频生成方法及装置
CN111182321A (zh) * 2019-12-31 2020-05-19 广州博冠信息科技有限公司 处理信息的方法、装置和系统
CN111277892A (zh) * 2020-01-20 2020-06-12 北京百度网讯科技有限公司 用于选取视频片段的方法、装置、服务器和介质
CN112100436A (zh) * 2020-09-29 2020-12-18 新东方教育科技集团有限公司 舞蹈片段识别方法、舞蹈片段识别装置和存储介质
CN112270246A (zh) * 2020-10-23 2021-01-26 泰康保险集团股份有限公司 视频行为识别方法及装置、存储介质、电子设备
CN112804586A (zh) * 2021-04-13 2021-05-14 北京世纪好未来教育科技有限公司 一种视频片段的获取方法、装置及设备
CN113038271A (zh) * 2021-03-25 2021-06-25 深圳市人工智能与机器人研究院 视频自动剪辑方法、装置及计算机存储介质
CN113747162A (zh) * 2020-05-29 2021-12-03 北京金山云网络技术有限公司 视频处理方法和装置、存储介质和电子装置
CN114268848A (zh) * 2021-12-17 2022-04-01 北京达佳互联信息技术有限公司 一种视频生成方法、装置、电子设备及存储介质
CN114501132A (zh) * 2021-12-24 2022-05-13 北京达佳互联信息技术有限公司 一种资源处理方法、装置、电子设备及存储介质
CN115103222A (zh) * 2022-06-24 2022-09-23 湖南快乐阳光互动娱乐传媒有限公司 一种视频音轨处理方法及相关设备

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150139615A1 (en) * 2013-11-19 2015-05-21 SketchPost, LLC Mobile video editing and sharing for social media
CN105979188A (zh) * 2016-05-31 2016-09-28 北京疯景科技有限公司 一种视频录制方法及装置
CN106446912A (zh) * 2016-09-14 2017-02-22 珠海市魅族科技有限公司 一种媒体处理的方法及媒体处理装置
CN106507180A (zh) * 2016-11-24 2017-03-15 腾讯科技（深圳）有限公司 一种视频处理的方法及终端
CN106803987A (zh) * 2015-11-26 2017-06-06 腾讯科技（深圳）有限公司 视频数据的获取方法、装置和系统
CN106998494A (zh) * 2017-04-24 2017-08-01 腾讯科技（深圳）有限公司 一种视频录制方法及相关装置
CN107297074A (zh) * 2017-06-30 2017-10-27 努比亚技术有限公司 游戏视频录制方法、终端及存储介质
CN107968921A (zh) * 2017-11-23 2018-04-27 乐蜜有限公司 视频生成方法、装置和电子设备
CN108096833A (zh) * 2017-12-20 2018-06-01 北京奇虎科技有限公司 基于级联神经网络的体感游戏控制方法及装置、计算设备
CN108540854A (zh) * 2018-03-29 2018-09-14 努比亚技术有限公司 直播视频剪辑方法、终端及计算机可读存储介质
CN109068081A (zh) * 2018-08-10 2018-12-21 北京微播视界科技有限公司 视频生成方法、装置、电子设备及存储介质

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150139615A1 (en) * 2013-11-19 2015-05-21 SketchPost, LLC Mobile video editing and sharing for social media
CN106803987A (zh) * 2015-11-26 2017-06-06 腾讯科技（深圳）有限公司 视频数据的获取方法、装置和系统
CN105979188A (zh) * 2016-05-31 2016-09-28 北京疯景科技有限公司 一种视频录制方法及装置
CN106446912A (zh) * 2016-09-14 2017-02-22 珠海市魅族科技有限公司 一种媒体处理的方法及媒体处理装置
CN106507180A (zh) * 2016-11-24 2017-03-15 腾讯科技（深圳）有限公司 一种视频处理的方法及终端
CN106998494A (zh) * 2017-04-24 2017-08-01 腾讯科技（深圳）有限公司 一种视频录制方法及相关装置
CN107297074A (zh) * 2017-06-30 2017-10-27 努比亚技术有限公司 游戏视频录制方法、终端及存储介质
CN107968921A (zh) * 2017-11-23 2018-04-27 乐蜜有限公司 视频生成方法、装置和电子设备
CN108096833A (zh) * 2017-12-20 2018-06-01 北京奇虎科技有限公司 基于级联神经网络的体感游戏控制方法及装置、计算设备
CN108540854A (zh) * 2018-03-29 2018-09-14 努比亚技术有限公司 直播视频剪辑方法、终端及计算机可读存储介质
CN109068081A (zh) * 2018-08-10 2018-12-21 北京微播视界科技有限公司 视频生成方法、装置、电子设备及存储介质

Cited By (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110113659A (zh) * 2019-04-19 2019-08-09 北京大米科技有限公司 生成视频的方法、装置、电子设备及介质
WO2020211607A1 (zh) * 2019-04-19 2020-10-22 北京大米科技有限公司 生成视频的方法、装置、电子设备及介质
CN110059661A (zh) * 2019-04-26 2019-07-26 腾讯科技（深圳）有限公司 动作识别方法、人机交互方法、装置及存储介质
CN110059661B (zh) * 2019-04-26 2022-11-22 腾讯科技（深圳）有限公司 动作识别方法、人机交互方法、装置及存储介质
CN110139158B (zh) * 2019-06-21 2021-04-02 上海摩象网络科技有限公司 视频以及子视频的生成方法、装置、电子设备
CN110139158A (zh) * 2019-06-21 2019-08-16 上海摩象网络科技有限公司 视频以及子视频的生成方法、装置、电子设备
CN110287891A (zh) * 2019-06-26 2019-09-27 北京字节跳动网络技术有限公司 基于人体关键点的手势控制方法、装置及电子设备
CN110545408A (zh) * 2019-09-06 2019-12-06 苏州凌瑞智能技术有限公司 基于智能服务平台的智能制造展示系统及方法
CN110855904A (zh) * 2019-11-26 2020-02-28 Oppo广东移动通信有限公司 视频处理方法、电子装置和存储介质
WO2021104242A1 (zh) * 2019-11-26 2021-06-03 Oppo广东移动通信有限公司 视频处理方法、电子装置和存储介质
CN111083537A (zh) * 2019-12-30 2020-04-28 上海纯米电子科技有限公司 烹饪视频生成方法及装置
CN111083537B (zh) * 2019-12-30 2022-02-01 纯米科技(上海)股份有限公司 烹饪视频生成方法及装置
CN111182321A (zh) * 2019-12-31 2020-05-19 广州博冠信息科技有限公司 处理信息的方法、装置和系统
CN111182321B (zh) * 2019-12-31 2022-05-27 广州博冠信息科技有限公司 处理信息的方法、装置和系统
CN111277892A (zh) * 2020-01-20 2020-06-12 北京百度网讯科技有限公司 用于选取视频片段的方法、装置、服务器和介质
US11490168B2 (en) 2020-01-20 2022-11-01 Beijing Baidu Netcom Science And Technology Co., Ltd. Method and apparatus for selecting video clip, server and medium
CN113747162A (zh) * 2020-05-29 2021-12-03 北京金山云网络技术有限公司 视频处理方法和装置、存储介质和电子装置
CN113747162B (zh) * 2020-05-29 2023-09-29 北京金山云网络技术有限公司 视频处理方法和装置、存储介质和电子装置
CN112100436A (zh) * 2020-09-29 2020-12-18 新东方教育科技集团有限公司 舞蹈片段识别方法、舞蹈片段识别装置和存储介质
US11837028B2 (en) 2020-09-29 2023-12-05 New Oriental Education & Technology Group Inc. Dance segment recognition method, dance segment recognition apparatus, and storage medium
CN112270246A (zh) * 2020-10-23 2021-01-26 泰康保险集团股份有限公司 视频行为识别方法及装置、存储介质、电子设备
CN112270246B (zh) * 2020-10-23 2024-01-05 泰康保险集团股份有限公司 视频行为识别方法及装置、存储介质、电子设备
CN113038271A (zh) * 2021-03-25 2021-06-25 深圳市人工智能与机器人研究院 视频自动剪辑方法、装置及计算机存储介质
CN113038271B (zh) * 2021-03-25 2023-09-08 深圳市人工智能与机器人研究院 视频自动剪辑方法、装置及计算机存储介质
CN112804586A (zh) * 2021-04-13 2021-05-14 北京世纪好未来教育科技有限公司 一种视频片段的获取方法、装置及设备
CN112804586B (zh) * 2021-04-13 2021-07-16 北京世纪好未来教育科技有限公司 一种视频片段的获取方法、装置及设备
CN114268848A (zh) * 2021-12-17 2022-04-01 北京达佳互联信息技术有限公司 一种视频生成方法、装置、电子设备及存储介质
CN114501132A (zh) * 2021-12-24 2022-05-13 北京达佳互联信息技术有限公司 一种资源处理方法、装置、电子设备及存储介质
CN114501132B (zh) * 2021-12-24 2024-03-12 北京达佳互联信息技术有限公司 一种资源处理方法、装置、电子设备及存储介质
CN115103222A (zh) * 2022-06-24 2022-09-23 湖南快乐阳光互动娱乐传媒有限公司 一种视频音轨处理方法及相关设备

Similar Documents

Publication Publication Date Title
CN109618184A (zh) 视频处理方法及装置、电子设备和存储介质
CN109872297A (zh) 图像处理方法及装置、电子设备和存储介质
CN110348524A (zh) 一种人体关键点检测方法及装置、电子设备和存储介质
CN109189987A (zh) 视频搜索方法和装置
CN109816764A (zh) 图像生成方法及装置、电子设备和存储介质
CN110188236A (zh) 一种音乐的推荐方法、装置及系统
CN104918107B (zh) 视频文件的标识处理方法及装置
CN108985176A (zh) 图像生成方法及装置
CN109257645A (zh) 视频封面生成方法及装置
CN109829863A (zh) 图像处理方法及装置、电子设备和存储介质
CN106600530B (zh) 照片合成方法及装置
CN109948494A (zh) 图像处理方法及装置、电子设备和存储介质
CN109151356A (zh) 视频录制方法及装置
CN108260020A (zh) 在全景视频中显示互动信息的方法和装置
CN109168062A (zh) 视频播放的展示方法、装置、终端设备及存储介质
CN110121083A (zh) 弹幕的生成方法及装置
CN109005352A (zh) 合拍视频的方法及装置
CN109840917A (zh) 图像处理方法及装置、网络训练方法及装置
CN109934275A (zh) 图像处理方法及装置、电子设备和存储介质
CN109543536A (zh) 图像标识方法及装置、电子设备和存储介质
CN108924644A (zh) 视频片段提取方法及装置
CN109543537A (zh) 重识别模型增量训练方法及装置、电子设备和存储介质
CN110532956A (zh) 图像处理方法及装置、电子设备和存储介质
CN110121106A (zh) 视频播放方法及装置
CN109325908A (zh) 图像处理方法及装置、电子设备和存储介质

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20190412

RJ01 Rejection of invention patent application after publication