CN110166829A - 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
CN110166829A
CN110166829A CN201910407853.XA CN201910407853A CN110166829A CN 110166829 A CN110166829 A CN 110166829A CN 201910407853 A CN201910407853 A CN 201910407853A CN 110166829 A CN110166829 A CN 110166829A
Authority
CN
China
Prior art keywords
frame
video
sequence
frames
result
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
CN201910407853.XA
Other languages
English (en)
Inventor
吴佳飞
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.)
Shanghai Sensetime Intelligent Technology Co Ltd
Original Assignee
Shanghai Sensetime Intelligent Technology 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 Shanghai Sensetime Intelligent Technology Co Ltd filed Critical Shanghai Sensetime Intelligent Technology Co Ltd
Priority to CN201910407853.XA priority Critical patent/CN110166829A/zh
Publication of CN110166829A publication Critical patent/CN110166829A/zh
Priority to PCT/CN2020/080683 priority patent/WO2020228418A1/zh
Priority to KR1020217009546A priority patent/KR20210054551A/ko
Priority to SG11202106335SA priority patent/SG11202106335SA/en
Priority to JP2020573211A priority patent/JP7152532B2/ja
Priority to TW109115550A priority patent/TW202044065A/zh
Priority to US17/330,228 priority patent/US20210279473A1/en
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/253—Fusion techniques of extracted features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
    • G06V10/449—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
    • G06V10/451—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters with interaction between the filter responses, e.g. cortical complex cells
    • G06V10/454—Integrating the filters into a hierarchical structure, e.g. convolutional neural networks [CNN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • G06V10/806—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of extracted features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/49—Segmenting video sequences, i.e. computational techniques such as parsing or cutting the sequence, low-level clustering or determining units such as shots or scenes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • 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
    • 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
    • H04N21/44008—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 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]
    • H04N21/80—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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30168—Image quality inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Signal Processing (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Biology (AREA)
  • Databases & Information Systems (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Human Computer Interaction (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Quality & Reliability (AREA)
  • Television Signal Processing For Recording (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)
  • Image Analysis (AREA)
  • Studio Devices (AREA)

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。所述视频处理方法包括：获取至少一个待选视频帧序列；对每个所述待选视频帧序列进行序列内选帧，得到与每个待选视频帧序列分别对应的第一选帧结果；根据所有所述第一选帧结果进行全局选帧，得到最终的选帧结果。本公开实施例通过依次对待选视频帧序列进行序列内选帧和全局选帧，可以减小选帧结果中出现相邻且相似度高的视频帧的可能性，从而提高了视频处理结果的代表性和信息互补性。

Description

视频处理方法及装置、电子设备和存储介质
技术领域
本公开涉及图像处理技术领域，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
在视频分析中，目标在画面中通常会产生上百张图片，在计算资源有限的情况下，没必要全部用来进行后续操作，为了更好地利用抓拍图片的信息，一般会从整个视频中选择若干张图片进行操作，这一过程被称为选帧。
发明内容
本公开提出了一种视频处理技术方案，其能够快速准确地从视频帧序列中选出质量满足预定要求的视频帧。
根据本公开的一方面，提供了一种视频处理方法，所述方法包括：获取至少一个待选视频帧序列；对每个所述待选视频帧序列进行序列内选帧，得到与每个待选视频帧序列分别对应的第一选帧结果；根据所有所述第一选帧结果进行全局选帧，得到最终的选帧结果。
在一种可能的实现方式中，在所述获取至少一个待选视频帧序列之前，还包括：获取所述视频帧序列；对所述视频帧序列进行分割，得到多个子视频帧序列，将所述子视频帧序列作为所述待选视频帧序列。
在一种可能的实现方式中，所述对所述视频帧序列进行分割，得到多个子视频帧序列，包括：对所述视频帧序列在时域上进行分割，得到至少两个子视频帧序列，各所述子视频帧序列包含的视频帧的数量相同。
在一种可能的实现方式中，所述对所述视频帧序列进行分割，得到多个子视频帧序列，还包括：根据预定要求，确定各所述子视频帧序列包含的视频帧的数量；根据所述数量，对所述视频帧序列在时域上进行分割，得到至少两个子视频帧序列。
在一种可能的实现方式中，所述对每个所述待选视频帧序列进行序列内选帧，得到与每个待选视频帧序列分别对应的第一选帧结果，包括：获取所述待选视频帧序列中各视频帧的质量参数；按照所述质量参数，对所述待选视频帧序列进行排序；按照预定帧间隔对排序后的待选视频帧序列进行帧提取，得到待选视频帧序列对应的第一选帧结果。
在一种可能的实现方式中，在所述按照预定帧间隔对排序后的待选视频帧序列进行帧提取之前，所述方法还包括：根据所述待选视频帧序列中各所述视频帧在时序上的顺序，依次为所述待选帧序列中各所述视频帧配置编号；根据视频帧之间的编号差值的绝对值，得到所述排序后的待选视频帧序列中各视频帧之间的帧间隔。
在一种可能的实现方式中，所述按照预定帧间隔对排序后的待选视频帧序列进行帧提取，得到待选视频帧序列对应的第一选帧结果，包括：从每个所述排序后的待选视频帧序列中，选出质量参数最高的视频帧，将所述质量参数最高的视频帧作为待选视频帧序列对应的第一选帧结果。
在一种可能的实现方式中，所述按照预定帧间隔对排序后的待选视频帧序列进行帧提取，得到待选视频帧序列对应的第一选帧结果，包括：从所述排序后的待选视频帧序列中，选择出质量参数最高的视频帧，作为第一个被选择的视频帧；按照所述排序的顺序，在排序后的待选视频帧序列中，依次选择k1个视频帧，选择的视频帧与所有已被选择的视频帧之间的帧间隔，均大于预定帧间隔，其中，k1为大于或者等于1的整数；将所有被选择的视频帧作为待选视频帧序列对应的第一选帧结果。
在一种可能的实现方式中，所述根据所有所述第一选帧结果进行全局选帧，得到最终的选帧结果，包括：将所述第一选帧结果作为最终的选帧结果；或者，从所有所述第一选帧结果中选择质量最高的k2帧视频帧，将所述k2帧视频帧作为最终的选帧结果，其中k2为大于或者等于1的整数。
在一种可能的实现方式中，所述方法还包括：基于所述最终的选帧结果，执行预设操作。
在一种可能的实现方式中，所述基于所述最终的选帧结果，执行预设操作，包括：发送所述最终的选帧结果；或者，基于所述最终的选帧结果执行目标识别操作。
在一种可能的实现方式中，所述基于所述最终的选帧结果执行目标识别操作，包括：提取所述最终的选帧结果中各视频帧的图像特征；对各所述图像特征执行特征融合操作，得到融合特征；基于所述融合特征执行目标识别操作。
根据本公开的一方面，提供了一种视频处理装置，所述装置包括：获取模块，用于获取至少一个待选视频帧序列；序列内选帧模块，用于对每个所述待选视频帧序列进行序列内选帧，得到与每个待选视频帧序列分别对应的第一选帧结果；全局选帧模块，用于根据所有所述第一选帧结果进行全局选帧，得到最终的选帧结果。
在一种可能的实现方式中，所述获取模块之前还包括预处理模块，所述预处理模块用于：获取所述视频帧序列；对所述视频帧序列进行分割，得到多个子视频帧序列，将所述子视频帧序列作为所述待选视频帧序列。
在一种可能的实现方式中，所述预处理模块进一步用于：对所述视频帧序列在时域上进行分割，得到至少两个子视频帧序列，各所述子视频帧序列包含的视频帧的数量相同。
在一种可能的实现方式中，所述预处理模块进一步用于：根据预定要求，确定各所述子视频帧序列包含的视频帧的数量；根据所述数量，对所述视频帧序列在时域上进行分割，得到至少两个子视频帧序列。
在一种可能的实现方式中，所述序列内选帧模块包括：质量参数获取子模块，用于获取所述待选视频帧序列中各视频帧的质量参数；排序子模块，用于按照所述质量参数，对所述待选视频帧序列进行排序；帧提取子模块，用于按照预定帧间隔对排序后的待选视频帧序列进行帧提取，得到待选视频帧序列对应的第一选帧结果。
在一种可能的实现方式中，所述帧提取子模块之前还包括帧间隔获取子模块，用于：根据所述待选视频帧序列中各所述视频帧在时序上的顺序，依次为所述待选帧序列中各所述视频帧配置编号；根据视频帧之间的编号差值的绝对值，得到所述排序后的待选视频帧序列中各视频帧之间的帧间隔。
在一种可能的实现方式中，所述帧提取子模块用于：从每个所述排序后的待选视频帧序列中，选出质量参数最高的视频帧，将所述质量参数最高的视频帧作为待选视频帧序列对应的第一选帧结果。
在一种可能的实现方式中，所述帧提取子模块用于：从所述排序后的待选视频帧序列中，选择出质量参数最高的视频帧，作为第一个被选择的视频帧；按照所述排序的顺序，在排序后的待选视频帧序列中，依次选择k1个视频帧，选择的视频帧与所有已被选择的视频帧之间的帧间隔，均大于预定帧间隔，其中，k1为大于或者等于1的整数；将所有被选择的视频帧作为待选视频帧序列对应的第一选帧结果。
在一种可能的实现方式中，所述全局选帧模块用于：将所述第一选帧结果作为最终的选帧结果；或者，从所有所述第一选帧结果中选择质量最高的k2帧视频帧，将所述k2帧视频帧作为最终的选帧结果，其中k2为大于或者等于1的整数。
在一种可能的实现方式中，所述装置还包括选帧结果操作模块，用于：基于所述最终的选帧结果，执行预设操作。
在一种可能的实现方式中，所述选帧结果操作模块用于：发送所述最终的选帧结果；或者，基于所述最终的选帧结果执行目标识别操作。
在一种可能的实现方式中，所述选帧结果操作模块进一步用于：提取所述最终的选帧结果中各视频帧的图像特征；对各所述图像特征执行特征融合操作，得到融合特征；基于所述融合特征执行目标识别操作。
根据本公开的一方面，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，所述处理器通过调用所述可执行指令实现上述方法。
根据本公开的一方面，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方法。
在本公开实施例中，通过依次对待选视频帧序列进行序列内选帧和全局选帧，得到最终的选帧结果。本公开实施例通过依次对待选视频帧序列进行序列内选帧和全局选帧，可以减小选帧结果中出现相邻且相似度高的视频帧的可能性，从而提高了视频处理结果的代表性和信息互补性。
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对视频帧序列进行分割的示意图。
图3示出根据本公开实施例的视频处理方法的流程图。
图4示出根据本公开实施例的选帧过程的示意图。
图5示出根据本公开实施例的视频处理方法的流程图。
图6示出根据本公开一应用示例的示意图。
图7示出根据本公开实施例的视频处理装置的框图。
图8是根据示例性实施例示出的一种电子设备的框图。
图9是根据示例性实施例示出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。
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1示出根据本公开实施例的视频处理方法的流程图。该视频处理方法可以由终端设备或其它处理设备执行，其中，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。在一些可能的实现方式中，该视频选帧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。
如图1所示，所述视频处理方法包括：
步骤S11，获取至少一个待选视频帧序列。
在一种可能的实现方式中，每个待选视频帧序列中包含的视频帧数量不受限定，可以根据待选视频帧序列的帧率、长度等参数确定。
获取待选视频帧序列的方式不受限定，在一种可能的实现方式中，步骤S11之前可以包括：
获取视频帧序列；
将视频帧序列作为待选视频帧序列。
在上述公开实施例中，可以直接将获取的视频帧序列整体作为待选视频帧序列，直接对其进行选帧操作，此时对待选视频帧序列通过后续选帧操作得到的第一选帧结果，可以直接作为全局选帧结果，应用于任意相应的场景中，在一个示例中，可以用于特征提取、属性提取或是信息融合等场景中。
在一种可能的实现方式中，步骤S11之前也可以包括：
获取视频帧序列；
对视频帧序列进行分割，得到多个子视频帧序列，将子视频帧序列作为待选视频帧序列。
在上述公开实施例中，也可以对获取的视频帧序列执行分割操作，从而得到多个子视频帧序列。得到的多个子视频帧序列都可以被作为待选视频帧序列，此时可以对所有得到的子视频帧序列分别执行选帧操作，并基于每个子视频帧序列的选帧操作结果，来得到最终的全局选帧结果，应用于任意相应的场景中，在一个示例中，可以用于特征提取、属性提取或是信息融合等场景中，也可以选择其中1个或多个子视频帧序列来作为待选视频帧序列，来分别执行选帧操作，并基于每个选帧操作的结果，来得到最终的全局选帧结果。其中，将视频帧序列分割得到的子视频帧序列的数量不受限定，因此，每个子视频帧序列中包含的视频帧的数量同样也不受限定。
在一个示例中，每个子视频帧序列中包含的视频帧数量可以与视频帧序列的帧率R相关，例如每个子视频帧序列中包含的视频帧数量可以为0.5R、R、1.5R或2R等等；同时，选择子视频帧序列作为待选帧序列的方式也不受限定，可以根据实际情况进行灵活选择。
在一种可能的实现方式中，可以在时域上对视频帧序列按照顺序依次进行至少一次切割，此时可以得到至少2个子视频帧序列，这些子视频帧序列在时域上相互连续，且相邻的2个子视频帧序列相邻处的2个视频帧为连续帧，之间不存在间隔。举例来说，可以在视频帧序列的时域位置A1和A2依次进行2次切割，其中A2在时域上位于A1之后，此时可以得到3个子视频帧序列，分别记为SA1、SA2和SA3，其中SA1为视频帧序列的第一个子序列，其起始点分别为视频帧序列的起始位置和时域位置A1，SA2为视频帧序列的第二个子序列，其起始点分别为时域位置A1和时域位置A2，SA3为视频帧序列的第三个子序列，其起始点分别为时域位置A2和视频帧序列的终止位置，SA1、SA2和SA3在时域上按顺序相邻且相互之间不包含相同的视频帧。还可以采用其他方式将视频帧序列分割为多个子视频帧序列，具体方式不作具体限定。
在一种可能的实现方式中，可以对视频帧序列按照顺序进行至少一次切割，此时的切割可以不按照时域顺序进行，此时可以得到至少2个子视频帧序列，这些子视频帧序列的并集为视频帧序列，不同的子视频帧序列之间可以存在交集，即可以存在某一视频帧，同时存在于两个不同的子视频帧序列中。举例来说，可以在视频帧序列的时域位置B1进行一次切割，此时可以得到2个子视频帧序列，分别记为SB1和SB2，其中SB1为视频帧序列的第一个子序列，其起始点分别为视频帧帧序列的起始位置和时域位置B1，SB2为视频帧序列的第二个子序列，其起始点分别为时域位置B1和视频帧序列的终止位置；接着可以对完整的视频帧序列在进行一次切割，此时的切割可以在视频帧序列的时域位置B2处进行，B2在时域上位于B1之前，则此时可以又得到2个新的子视频帧序列，分别记为SB3和SB4，其中SB3为视频帧序列的第三个子序列，其起始点分别为视频帧帧序列的起始位置和时域位置B2，SB4为视频帧序列的第四个子序列，其起始点分别为时域位置B2和视频帧序列的终止位置，最终可以得的4个子视频帧序列SB1、SB2、SB3和SB4，其中SB1和SB2在时域上相邻且不重复，SB3和SB4在时域上也相邻不重复，但是SB1与SB3之间，SB2与SB4之间可以存在相同的视频帧。
在一种可能的实现方式中，对视频帧序列分割来得到多个子视频帧序列，可以是均匀分割，即得到的所有子视频帧序列其包含的视频帧数量均相同，也可以是不均匀分割，即分割后的结果中，可以存在2个子视频帧序列，它们包含的视频帧数量不相同。
基于上述各公开实施例，在一种可能的实现方式中，对视频帧序列进行分割，得到多个子视频帧序列，可以包括：
对视频帧序列在时域上进行分割，得到至少两个子视频帧序列，各子视频帧序列包含的视频帧的数量相同。
图2示出根据本公开实施例的对视频帧序列进行分割的示意图，如图所示，在一个示例中，视频帧序列按照时域顺序直接被分割成3个子视频帧序列，分别记为切片1、切片2和切片3，其中切片1、切片2和切片3中包含的视频帧的数量相同。
上述公开实施例中提出过，将视频帧序列分割得到的子视频帧序列的数量不受限定，可以根据实际情况进行灵活选择，因此，在一种可能的实现方式中，对视频帧序列进行分割，得到多个子视频帧序列，还可以包括：
根据预定要求，确定各子视频帧序列包含的视频帧的数量。
根据数量，对视频帧序列在时域上进行分割，得到至少两个子视频帧序列。
上述公开实施例中的预定要求可以根据实际情况灵活确定，在一种可能的实现方式中，预定要求可以是实时性要求，在一个示例中，可以根据实时性要求来确定各子视频帧序列包含的视频帧的数量。实时性要求的具体类型不受限定，在一种可能的实现方式中，实时性要求可以是选帧结果的应用实时性要求，在一个示例中，最终的选帧结果可以被用于进行推送图像或者图片，简称推图，即将选定的图像或者图片发送至某一指定位置，发送的具体目的地和目标对象在此不受限定，在最终的选帧结果被用于推图时，可能存在推图实时性的要求，在高实时性要求如要求进行实时推图时，即在规定的时间范围内，及时将选帧结果发送至相应位置，这一规定的时间范围可以根据实际情况灵活设置，在一个示例中，实时推图可以是在用户拍摄视频后立即将选帧结果发送至用户。因此，在高实时性要求下，可以设定分割后的各子视频帧序列包含的视频帧的数量较少，此时可以选择至少1个子视频帧序列作为待选视频帧序列进行选帧操作，由于此时待选视频帧序列中包含的视频帧数量较少，因此选帧操作的执行速度也可以较快，从而可以满足推图的高实时性要求，也可以尽量减少相关技术中选帧操作延时较大的问题；在低实时性要求比如要求可以进行非实时推图时，即不设置规定的时间范围，在选帧过程结束后再将选帧结果发送至相应位置，在一个示例中，非实时推图可以是在用户拍摄视频后，对拍摄的视频进行选帧，得到最终的选帧结果后再发送至用户。因此，在低实时性要求下，可以设定分割后的各子视频帧序列包含的视频帧的数量较多，此时可以选择至少1个子视频帧序列甚至全部子视频帧序列作为待选帧序列进行选帧操作，由于此时待选帧序列中包含的视频帧数量较多，因此选帧操作的执行速度较慢，但是得到的全局选帧结果的质量较高，可以提升推图质量。
通过上述各公开实施例可以看出，获取至少一个待选视频帧序列，可以基于得到的待选视频帧序列进行后续的选帧操作，从而得到最终的选帧结果，这种方式可以提高整个视频处理过程的灵活性。由于最终的选帧结果可能存在应用实时性的要求，通过待选视频帧序列的灵活的获取方式，可以在高实时性要求时缩短待选视频帧序列的长度，也可以减少被执行序列内选帧的待选视频帧序列的数量，这样可以减少序列内选帧中所涉及到的选帧数据量，从而提高选帧速度，使其满足选帧结果的高实时性应用要求，减少选帧过程延时较大的问题；也可以在对实时性要求较低时增加待选视频帧序列的长度，增加被执行序列内选帧的待选视频帧序列的数量，从而在保障基本的实时性要求的同时提升选帧结果的质量。
步骤S12，对每个待选视频帧序列进行序列内选帧，得到与每个待选视频帧序列分别对应的第一选帧结果。
在一种可能的实现方式中，如图3所示的本公开实施例的视频处理方法的流程图，步骤S12可以包括：
步骤S121，获取待选视频帧序列中各视频帧的质量参数。
在一种可能的实现方式中，各视频帧的质量参数可以指各视频帧的清晰度、视频帧中目标对象的状态以及其他可以评估质量的综合参数等，具体以何种指标来确定各视频帧的质量参数，在此不受具体限定，可以实际情况进行灵活选择。由于视频帧的质量评判标准并不受具体限定，因此针对不同的质量评判标准，相应的可以通过不同方式来获取视频帧的质量参数。在一个示例中，可以通过读取图片清晰度的方式来获取待选视频帧序列中各视频帧的质量参数；在一个示例中，可以通过读取图片中目标对象的角度来获取待选视频帧序列中各视频帧的质量参数，由于目标对象可能存在多种不同的评判角度，因此可以读取目标对象的偏转角度来获取视频帧的质量参数，还可以读取目标对象的偏航角度来获取视频帧的质量参数，也可以通过读取目标对象的尺寸大小来获取待选视频帧序列中各视频帧的质量参数。在一个示例中，也可以综合多个指标来评判视频帧的质量参数，此时可以建立视频帧质量参数的评判模型，在一个示例中，这一评判模型可以是神经网络模型，因此可以依次将各视频帧依次通过建立的评判模型后，根据评判模型的输出结果进行比较，来获取待选视频帧序列中各视频帧的质量。
步骤S122，按照质量参数，对待选视频帧序列进行排序。
由于获取了各视频帧的质量参数，因此可以依据各视频帧的质量参数对视频帧进行排序，以便于后续的操作，具体的排序方式可以根据实际情况灵活确定，在一个示例中，可以是按照各视频帧的质量参数从高至低的顺序进行排序，也可以是按照各视频帧的质量参数从低至高的顺序进行排序。
在一种可能的实现方式中，在执行步骤S122的下一步骤S123之前，还可以包括如下步骤：
根据待选视频帧序列中各视频帧在时序上的顺序，依次为待选帧序列中各视频帧配置编号。
根据视频帧之间的编号差值的绝对值，得到排序后的待选视频帧序列中各视频帧之间的帧间隔。
在一种可能的实现方式中，各视频帧之间的帧间隔，可以是指各视频帧之间在时域上的间隔关系，具体以何种指标反应不同视频帧之间的帧间隔，并不受具体限定，在一个示例中，视频帧之间的帧间隔可以指视频帧在时域上的差值；在一个示例中，视频帧之间的帧间隔也可以指视频帧之间按照时域排序时相隔的视频帧数量。因此，在一种可能的实现方式中，上述公开实施例中包含的步骤，目的是为了将各视频帧之间的帧间隔进行量化，在一个示例中，可以是根据视频帧之间按照时域排序时相隔的视频帧数量，来量化帧间隔，因此，为了确定视频帧之间按照时域排序时具体相隔了几个视频帧，可以将各视频帧按照时序上的顺序进行编号，则任意两个视频帧之间的编号之差的绝对值可以代表这两个视频帧之间的距离，即可以表明任意两个视频帧之间的帧间隔。上述获取两个视频帧之间的帧间隔的步骤，可以发生在对待选视频帧序列按照质量参数排序之前，也可以发生在对待选视频帧序列按照质量参数排序之后，需要注意的是，如果获取帧间隔的过程发生在对待选视频帧序列按照质量参数排序后，由于质量排序后的序列在时域上的顺序发生改变，因此此时如通过编号计算的方式获取帧间隔，需要基于未进行质量排序的待选视频帧序列来进行编号。
步骤S123，按照预定帧间隔对排序后的待选视频帧序列进行帧提取，得到待选视频帧序列对应的第一选帧结果。
步骤S123的具体实现方式可以根据实际情况确定。在一种可能的实现方式中，步骤S123可以包括：
从每个排序后的待选视频帧序列中，选出质量参数最高的视频帧，将质量参数最高的视频帧作为待选视频帧序列对应的第一选帧结果。
在一个示例中，在每个待选视频帧序列中，可能只需要选定一个视频帧，此时可以选定每个待选视频帧序列中质量参数最高的视频帧作为选帧结果，来提升选帧的质量。
在一种可能的实现方式中，步骤S123可以包括：
从排序后的待选视频帧序列中，选择出质量参数最高的视频帧，作为第一个被选择的视频帧。
按照排序的顺序，在排序后的待选视频帧序列中，依次选择k1个视频帧，选择的视频帧与所有已被选择的视频帧之间的帧间隔，均大于预定帧间隔，其中，k1为大于或者等于1的整数。
将所有被选择的视频帧作为待选视频帧序列对应的第一选帧结果。
通过上述公开实施例可以看出，在一种可能的实现方式中，可以先根据质量参数排序，选定待选帧序列中质量参数最高的视频帧，作为第一个被选定的视频帧，在本公开实施例中，由于最终需要选定的视频帧数量为k1+1个，因此需要在待选帧序列中剩余的视频帧中再选出k1个视频帧，如果选出的视频帧存在相邻或相近的情况，这些视频帧可能具有较高的相似度，导致这些视频帧的信息重叠度较高，降低了这些视频帧的应用价值，因此，在本公开实施例中，从剩余的视频帧中选出的k1个视频帧，与被选定的第一个视频帧之间应存在一定大小的帧间隔，同时这k1个视频帧相互之间也应该存在一定的帧间隔，从而可以提高选帧结果的代表性和信息互补性，在提高选帧结果的代表性和信息互补性的同时，也应该保障选帧结果的质量，尽量避免为了提高选帧结果的代表性而降低了选帧结果的质量要求，基于上述原因，选定k1个视频帧的方法可以为：由于排序后的待选帧序列中各视频帧的质量依次降低，因此被选定的第一个视频帧即为排序后的待选帧序列中的第一个视频帧，此时可以从排序后的待选帧序列中，从第二个视频帧开始，按照顺序，来依次计算每一个视频帧与第一个被选定的视频帧之间的帧间隔，在计算出的帧间隔大于预定帧间隔时，将其作为第二个被选定的帧间隔，然后再从这个第二个被选定的帧间隔之后的第一个视频帧开始，按照顺序，依次计算每个视频帧与第一个被选定的视频帧和第二个被选定的视频帧之间的帧间隔，在计算出的2个帧间隔均大于预定帧间隔时，将其作为第三个被选定的帧间隔，以此类推，直至最终选出k1个视频帧，则这k1个被选出的视频帧和第一个被选定的视频帧，即为待选帧序列的选帧操作结果，即第一选帧结果。上述公开实施例中的预定帧间隔可以根据实际情况进行设定，在一个示例中，预定帧间隔可以是待选帧序列长度的1/4，即待选帧序列中包含视频帧数量的1/4。
通过上述过程可以看出，每次被选定的视频帧，与已被选定的每一个视频帧之间，帧间隔均大于预定帧间隔，因此最终被选定的第一选帧结果中，任意两个视频帧之间的帧间隔均大于预定帧间隔，同时在进行选帧操作时，是按照视频帧质量参数从高至低的顺序来选择下一个视频帧的，因此也可以保障视频帧的质量，综上，通过对待选帧序列执行选帧操作得到的第一选帧结果，在具有较好的质量的同时，也具有较好的代表性和信息互补性。
图4示出根据本公开实施例的选帧过程的示意图，如图所示，在一个示例中，对图示中待选视频帧序列进行选帧的具体过程可以为：从图中可以看出待选视频帧序列中包含的视频帧数量为S，因此首先可以按照待选视频帧序列的时域顺序对S张视频帧图片进行编号。编号完成后，可以将S图片按照质量分数的高低进行排序，得到图示中的排序结果。基于图示中的排序结果，可以开始进行选帧，首先从排序结果中可以看出，编号为5的视频帧质量最优，因此将其作为第一个被选择的视频帧，在将其选定后，基于预定帧间隔来选择出下一个视频帧，本公开实施例中，预定帧间隔被设置为3，因此从排序结果中可以看出，帧数编号为6的视频帧虽然质量较高，但是由于其与编号为5的视频帧之间的距离为1，小于预定帧间隔3，因此不能被选择。而帧数编号为13的图片则满足条件成为质量排名第二的图片。在本示例中，最终需要选定的视频帧的数量为2个，因此，最后选出的2张最优图片分别是帧数编号5和13。
在一种可能的实现方式中，步骤S12的过程也可以为：先从待选帧序列中选择出质量参数最高的视频帧，作为第一个被选择的视频帧，此时不再对待选帧序列进行质量参数排序，而是直接根据预定帧间隔的要求，来排除掉与第一个被选择的视频帧之间的帧间隔小于预定帧间隔的视频帧，然后从剩余可选的视频帧之中再选定质量最高的视频帧，作为第二个被选择的视频帧，由于经过第一次排除后，剩余的可选帧中不存在与第一个被选择的视频帧之间的帧间隔小于预定帧间隔的视频帧，因此直接从剩余的可选帧中排除掉与第二个被选择的视频帧之间的帧间隔小于预定帧间隔的视频帧，再从剩下的可选帧中选择质量最高的视频帧，作为第三个被选择的视频帧，以此类推直到选定所有视频帧。由于这一过程也进行了帧间隔判断和质量筛选，因此这一过程也可以选出在具有较好的质量的同时，也具有较好的代表性和信息互补性的视频帧。
步骤S13，根据所有第一选帧结果进行全局选帧，得到最终的选帧结果。
根据所有第一选帧结果进行全局选帧，得到最终的选帧结果的实现方式不唯一，在一种可能的实现方式中，步骤S13可以包括：
将第一选帧结果作为最终的选帧结果；或者，
从所有第一选帧结果中选择质量最高的k2帧视频帧，将k2帧视频帧作为最终的选帧结果，其中k2为大于或者等于1的整数。
在一种可能的实现方式中，将第一选帧结果作为最终的选帧结果可能存在多种情况，在一个示例中，可能只有一个待选视频帧序列进行了序列内选帧来得到第一选帧结果，因此此时可以直接将第一选帧结果作为最终的选帧结果；在一个示例中，可能有多个待选视频帧序列执行了序列内选帧得到多个对应的第一选帧结果，但是得到的所有第一选帧结果的数量之和未超过最终的选帧结果的数量要求，此时可以直接将得到的所有第一选帧结果共同作为最终的选帧结果；在一个示例中，可能有多个待选视频帧序列执行了序列内选帧得到多个对应的第一选帧结果，但是得到的所有第一选帧结果的数量之和未超过最终的选帧结果的数量要求，此时可以将得到的所有第一选帧结果作为一个集合，并计算这一集合中任意两个视频帧之间的帧间隔，如果存在两个视频帧之间的帧间隔小于预定帧间隔的情况，则排除掉其中质量较低的视频帧，直至集合中不存在帧间隔小于预定帧间隔的两个视频帧，此时可以将这一集合作为最终得到的全局选帧结果。
在一种可能的实现方式中，从第一选帧结果中选择质量最高的k2帧视频帧，k2可以根据实际情况进行设定，在此不做具体限定。将k2帧视频帧作为最终的选帧结果也可能存在多种情况，在一个示例中，可能只有一个待选视频帧序列执行了序列内选帧，此时得到的第一选帧结果中包含的视频帧数量大于k2，由于第一选帧结果是根据帧间隔计算得到的，因此第一选帧结果中任意两视频帧之间的帧间隔均小于预定帧间隔，因此此时可以将第一选帧结果中质量最高的k2帧视频作为最终的选帧结果，来保障选帧质量；在一个示例中，可能有多个待选视频帧序列执行了序列内选帧，但是得到的所有第一选帧结果的数量之和超过k2，此时可以直接将得到的所有第一选帧结果共同作为一个集合，从这一集合中选出质量最高的k2帧视频，来保障选帧质量；在一个示例中，可能有多个待选视频帧序列执行了选帧操作，得到的所有第一选帧结果的数量之和超过最终的选帧结果的数量要求，此时可以将得到的所有第一选帧结果再次作为一个待选视频帧序列，通过上述任意公开实施例中的序列内选帧方法，从这一待选视频帧序列中选出k2帧视频作为最终的选帧结果，这种方式可以尽量避免不同的第一选帧结果选出的视频帧之间存在相邻的视频帧，例如，如图2所示的得出的待选视频帧序列中，切片1的最后一个视频帧，记为视频帧A，可能作为了切片1的第一选帧结果，切片2的第一个视频帧，记为视频帧B，可能作为了切片2的第一选帧结果，此时二者都会进入到最终的选帧结果的备选项中，如果最终的选帧结果直接按照质量排序，则最终的选帧结果中可能同时包含视频帧A和视频帧B，从图中可以看出，视频帧A和视频帧B相邻，因此此时得到的最终的选帧结果可能具有较低的代表性，因此此时可以再次将得到的所有第一选帧结果作为一个待选帧序列，通过上述任意公开实施例的序列内选帧的操作，得出的最终的选帧结果可以更加具有代表性。
在本公开的实施例中，通过视频帧的质量参数和各视频帧之间的帧间隔，在保障选帧结果质量的同时，可以有效避免出现相邻帧，从而提升选帧结果的代表性和信息互补性，有利于后续对选帧结果进行应用。
图5示出根据本公开实施例的视频处理方法的流程图，如图所示，在一种可能的实现方式中，该方法可以包括：
步骤S14，基于最终的选帧结果，执行预设操作。
在一种可能的实现方式中，可以根据最终的选帧结果执行任意预设的操作，预设的操作不受限定，任何可应用选帧结果来执行的操作，均可被作为预设操作。
由于预设操作的实现方式不受限定，因此，在一种可能的实现方式中，步骤S14可以包括：
发送最终的选帧结果；或者，
基于最终的选帧结果执行目标识别操作。
发送最终的选帧结果的方式、对象和类型均可以存在多种情况，在此不做限定，在一种可能的实现方式中，发送最终的选帧结果可以包括：实时发送最终的选帧结果；和/或非实时发送最终的选帧结果。在一个示例中，可以只执行实时发送最终的选帧结果的操作，具体过程可以为在获取视频帧序列的同时便对已获取的视频帧序列开始进行选帧，并将最终的选帧结果及时发送出去；在一个示例中，可以只执行非实时发送选帧结果的操作，具体过程可以为获取视频帧序列，在获取了完整视频帧序列后再进行选帧，并将最终的选帧的结果发送出去；在一个示例中，可以同时执行实时发送选帧结果和非实时发送选帧结果的操作，具体过程可以为，在获取视频帧序列的过程中，对已获取的部分视频帧序列开始进行选帧，并将选帧的结果及时发送出去，在获取视频帧序列的整个过程结束后，再基于完整的视频帧序列再进行依次序列内选帧和全局选帧，并将最终的选帧结果进行发送。
在一种可能的实现方式中，基于最终的选帧结果执行目标识别操作，可以包括：提取最终的选帧结果中各视频帧的图像特征。对各图像特征执行特征融合操作，得到融合特征。基于融合特征执行目标识别操作。
上述公开实施例中，提取最终的选帧结果中各视频帧的图像特征的方式不受限定，可以根据实际情况灵活选择，在一个示例中，可以通过神经网络对各视频帧的图像特征进行提取，具体采用何种神经网络以及神经网络的训练方式在此同样均不受限定，可以根据实际情况灵活选择。由于提取各视频帧的图像特征的方式不受限定，因此得到的各图像特征，其形式也可以存在不同的形式，因此对各图像特征执行特征融合操作的实现形式，可以根据各图像特征的实际情况灵活选择，在此不受限定。在得到融合特征后，基于融合特征执行目标识别操作的实现方式在此同样不受限定，可以根据融合特征的实际情况灵活选择，在一个示例中，可以基于融合特征进行人脸识别操作，在一个示例中，融合特征也可以通过卷积神经网络进行卷积处理。
应用场景示例
在智能视频分析任务中，目标在画面中从出现到消失一般会持续几秒到几十秒。在25帧/秒的帧率下，通常会产生上百张抓拍图片。在计算资源有限的情况下，没必要全部用来做信息提取，例如特征提取、属性提取等。为了更好地利用抓拍图片的信息，一般我们会从目标的整个跟踪过程中选择若干张高质量抓拍图片进行信息提取与融合。
如何在众多抓拍中选择若干张有代表性的且有利于提高识别率的高质量抓拍图片就是所谓的选帧策略。好的选帧策略既要能选出清晰度高、质量高的抓拍图片，又要能找出信息互补的抓拍目标。然而一般的选帧策略往往只用质量分数作为依据。抓拍图片相邻帧之间同一目标的相似度往往很高、冗余很大，因此只考虑图片质量的选帧策略，不利于选出具有代表性、有信息互补性的抓拍图片。
采用本公开的视频处理方法对获取的视频帧序列进行处理，可以有效地避免选出的最优帧是相邻帧，从而提升选出的最优帧之间信息的互补性。图6示出根据本公开一应用示例的示意图，如图所示，被选出的视频帧，可以一方面可以推送给用户进行展示或者其它操作，另一方面这些选出的最优图片可以继续进行信息提取、信息融合以及目标识别。应用这些被选出的视频帧进行视频处理时，可以一方面可以减少计算开销，另一方面可以进行特征融合从而提高识别的准确率。
需要说明的是，本公开实施例的视频处理方法不限于应用在上述示例场景中，可以应用于任意的视频处理或是图像处理过程，本公开对此不作限定。
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。
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。
图7示出根据本公开实施例的视频处理装置的框图，如图所示，装置20包括：
获取模块21，用于获取至少一个待选视频帧序列。
序列内选帧模块22，用于对每个待选视频帧序列进行序列内选帧，得到与每个待选视频帧序列分别对应的第一选帧结果。
全局选帧模块23，用于根据所有第一选帧结果进行全局选帧，得到最终的选帧结果。
在一种可能的实现方式中，获取模块之前还包括预处理模块，预处理模块用于：获取所述视频帧序列；对视频帧序列进行分割，得到多个子视频帧序列，将子视频帧序列作为待选视频帧序列。
在一种可能的实现方式中，预处理模块进一步用于：对视频帧序列在时域上进行分割，得到至少两个子视频帧序列，各子视频帧序列包含的视频帧的数量相同。
在一种可能的实现方式中，预处理模块进一步用于：根据预定要求，确定各子视频帧序列包含的视频帧的数量；根据数量，对视频帧序列在时域上进行分割，得到至少两个子视频帧序列。
在一种可能的实现方式中，序列内选帧模块包括：质量参数获取子模块，用于获取待选视频帧序列中各视频帧的质量参数；排序子模块，用于按照质量参数，对待选视频帧序列进行排序；帧提取子模块，用于按照预定帧间隔对排序后的待选视频帧序列进行帧提取，得到待选视频帧序列对应的第一选帧结果。
在一种可能的实现方式中，帧提取子模块之前还包括帧间隔获取子模块，用于：根据待选视频帧序列中各视频帧在时序上的顺序，依次为待选帧序列中各视频帧配置编号；根据视频帧之间的编号差值的绝对值，得到排序后的待选视频帧序列中各视频帧之间的帧间隔。
在一种可能的实现方式中，帧提取子模块用于：从每个排序后的待选视频帧序列中，选出质量参数最高的视频帧，将质量参数最高的视频帧作为待选视频帧序列对应的第一选帧结果。
在一种可能的实现方式中，帧提取子模块用于：从排序后的待选视频帧序列中，选择出质量参数最高的视频帧，作为第一个被选择的视频帧；按照排序的顺序，在排序后的待选视频帧序列中，依次选择k1个视频帧，选择的视频帧与所有已被选择的视频帧之间的帧间隔，均大于预定帧间隔，其中，k1为大于或者等于1的整数；将所有被选择的视频帧作为待选视频帧序列对应的第一选帧结果。
在一种可能的实现方式中，全局选帧模块用于：将第一选帧结果作为最终的选帧结果；或者，从所有第一选帧结果中选择质量最高的k2帧视频帧，将k2帧视频帧作为最终的选帧结果，其中k2为大于或者等于1的整数。
在一种可能的实现方式中，装置还包括选帧结果操作模块，用于：基于最终的选帧结果，执行预设操作。
在一种可能的实现方式中，选帧结果操作模块用于：发送最终的选帧结果；或者，基于最终的选帧结果执行目标识别操作。
在一种可能的实现方式中，选帧结果操作模块进一步用于：提取最终的选帧结果中各视频帧的图像特征；对各图像特征执行特征融合操作，得到融合特征；基于融合特征执行目标识别操作。
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任一方法实施例。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：处理器和用于存储处理器可执行指令的存储器；其中，所述处理器通过调用所述可执行指令实现本公开任一方法实施例，具体工作过程以及设置方式均可以参照本公开上述相应方法实施例的具体描述，限于篇幅，在此不再赘述。
图8是根据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8，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9是根据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9，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，所述方法包括：
获取至少一个待选视频帧序列；
对每个所述待选视频帧序列进行序列内选帧，得到与每个待选视频帧序列分别对应的第一选帧结果；
根据所有所述第一选帧结果进行全局选帧，得到最终的选帧结果。
2.根据权利要求1所述的方法，其特征在于，在所述获取至少一个待选视频帧序列之前，还包括：
获取所述视频帧序列；
对所述视频帧序列进行分割，得到多个子视频帧序列，将所述子视频帧序列作为所述待选视频帧序列。
3.根据权利要求2所述的方法，其特征在于，所述对所述视频帧序列进行分割，得到多个子视频帧序列，包括：
对所述视频帧序列在时域上进行分割，得到至少两个子视频帧序列，各所述子视频帧序列包含的视频帧的数量相同。
4.根据权利要求2或3所述的方法，其特征在于，所述对所述视频帧序列进行分割，得到多个子视频帧序列，还包括：
根据预定要求，确定各所述子视频帧序列包含的视频帧的数量；
根据所述数量，对所述视频帧序列在时域上进行分割，得到至少两个子视频帧序列。
5.根据权利要求1至4中任一项所述的方法，其特征在于，所述对每个所述待选视频帧序列进行序列内选帧，得到与每个待选视频帧序列分别对应的第一选帧结果，包括：
获取所述待选视频帧序列中各视频帧的质量参数；
按照所述质量参数，对所述待选视频帧序列进行排序；
按照预定帧间隔对排序后的待选视频帧序列进行帧提取，得到待选视频帧序列对应的第一选帧结果。
6.根据权利要求5所述的方法，其特征在于，在所述按照预定帧间隔对排序后的待选视频帧序列进行帧提取之前，所述方法还包括：
根据所述待选视频帧序列中各所述视频帧在时序上的顺序，依次为所述待选帧序列中各所述视频帧配置编号；
根据视频帧之间的编号差值的绝对值，得到所述排序后的待选视频帧序列中各视频帧之间的帧间隔。
7.根据权利要求5或6中任一项所述的方法，其特征在于，所述按照预定帧间隔对排序后的待选视频帧序列进行帧提取，得到待选视频帧序列对应的第一选帧结果，包括：
从每个所述排序后的待选视频帧序列中，选出质量参数最高的视频帧，将所述质量参数最高的视频帧作为待选视频帧序列对应的第一选帧结果。
8.一种视频处理装置，其特征在于，所述装置包括：
获取模块，用于获取至少一个待选视频帧序列；
序列内选帧模块，用于对每个所述待选视频帧序列进行序列内选帧，得到与每个待选视频帧序列分别对应的第一选帧结果；
全局选帧模块，用于根据所有所述第一选帧结果进行全局选帧，得到最终的选帧结果。
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，所述处理器通过调用所述可执行指令实现如权利要求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。
CN201910407853.XA 2019-05-15 2019-05-15 视频处理方法及装置、电子设备和存储介质 Pending CN110166829A (zh)

Priority Applications (7)

Application Number Priority Date Filing Date Title
CN201910407853.XA CN110166829A (zh) 2019-05-15 2019-05-15 视频处理方法及装置、电子设备和存储介质
PCT/CN2020/080683 WO2020228418A1 (zh) 2019-05-15 2020-03-23 视频处理方法及装置、电子设备和存储介质
KR1020217009546A KR20210054551A (ko) 2019-05-15 2020-03-23 비디오 처리 방법과 장치, 전자 기기 및 저장 매체
SG11202106335SA SG11202106335SA (en) 2019-05-15 2020-03-23 Video processing method and apparatus, electronic device, and storage medium
JP2020573211A JP7152532B2 (ja) 2019-05-15 2020-03-23 ビデオ処理方法及び装置、電子機器並びに記憶媒体
TW109115550A TW202044065A (zh) 2019-05-15 2020-05-11 影片處理方法及裝置、電子設備和儲存介質
US17/330,228 US20210279473A1 (en) 2019-05-15 2021-05-25 Video processing method and apparatus, electronic device, and storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910407853.XA CN110166829A (zh) 2019-05-15 2019-05-15 视频处理方法及装置、电子设备和存储介质

Publications (1)

Publication Number Publication Date
CN110166829A true CN110166829A (zh) 2019-08-23

Family

ID=67634923

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910407853.XA Pending CN110166829A (zh) 2019-05-15 2019-05-15 视频处理方法及装置、电子设备和存储介质

Country Status (7)

Country Link
US (1) US20210279473A1 (zh)
JP (1) JP7152532B2 (zh)
KR (1) KR20210054551A (zh)
CN (1) CN110166829A (zh)
SG (1) SG11202106335SA (zh)
TW (1) TW202044065A (zh)
WO (1) WO2020228418A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020228418A1 (zh) * 2019-05-15 2020-11-19 上海商汤智能科技有限公司 视频处理方法及装置、电子设备和存储介质
CN114827443A (zh) * 2021-01-29 2022-07-29 深圳市万普拉斯科技有限公司 视频帧选取方法、视频延时处理方法、装置及计算机设备

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111507924B (zh) * 2020-04-27 2023-09-29 北京百度网讯科技有限公司 视频帧的处理方法和装置
CN112711997A (zh) * 2020-12-24 2021-04-27 上海寒武纪信息科技有限公司 对数据流进行处理的方法和设备
CN112954395B (zh) * 2021-02-03 2022-05-17 南开大学 一种可插入任意帧率的视频插帧方法及系统
CN112989934B (zh) * 2021-02-05 2024-05-24 方战领 视频分析方法、装置及系统
US20230394081A1 (en) * 2022-06-01 2023-12-07 Apple Inc. Video classification and search system to support customizable video highlights
CN114782879B (zh) * 2022-06-20 2022-08-23 腾讯科技（深圳）有限公司 视频识别方法、装置、计算机设备和存储介质
CN116567350B (zh) * 2023-05-19 2024-04-19 上海国威互娱文化科技有限公司 全景视频数据处理方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100254614A1 (en) * 2009-04-01 2010-10-07 Microsoft Corporation Clustering videos by location
CN102419816A (zh) * 2011-11-18 2012-04-18 山东大学 用于相同内容视频检索的视频指纹方法
WO2012068154A1 (en) * 2010-11-15 2012-05-24 Huawei Technologies Co., Ltd. Method and system for video summarization
CN104408429A (zh) * 2014-11-28 2015-03-11 北京奇艺世纪科技有限公司 一种视频代表帧提取方法及装置
CN107590420A (zh) * 2016-07-07 2018-01-16 北京新岸线网络技术有限公司 视频分析中的场景关键帧提取方法及装置
CN107590419A (zh) * 2016-07-07 2018-01-16 北京新岸线网络技术有限公司 视频分析中的镜头关键帧提取方法及装置

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8379154B2 (en) 2006-05-12 2013-02-19 Tong Zhang Key-frame extraction from video
JP4777274B2 (ja) 2007-02-19 2011-09-21 キヤノン株式会社 映像再生装置及びその制御方法
US8599316B2 (en) 2010-05-25 2013-12-03 Intellectual Ventures Fund 83 Llc Method for determining key video frames
CN110166829A (zh) * 2019-05-15 2019-08-23 上海商汤智能科技有限公司 视频处理方法及装置、电子设备和存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100254614A1 (en) * 2009-04-01 2010-10-07 Microsoft Corporation Clustering videos by location
WO2012068154A1 (en) * 2010-11-15 2012-05-24 Huawei Technologies Co., Ltd. Method and system for video summarization
CN102419816A (zh) * 2011-11-18 2012-04-18 山东大学 用于相同内容视频检索的视频指纹方法
CN104408429A (zh) * 2014-11-28 2015-03-11 北京奇艺世纪科技有限公司 一种视频代表帧提取方法及装置
CN107590420A (zh) * 2016-07-07 2018-01-16 北京新岸线网络技术有限公司 视频分析中的场景关键帧提取方法及装置
CN107590419A (zh) * 2016-07-07 2018-01-16 北京新岸线网络技术有限公司 视频分析中的镜头关键帧提取方法及装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020228418A1 (zh) * 2019-05-15 2020-11-19 上海商汤智能科技有限公司 视频处理方法及装置、电子设备和存储介质
CN114827443A (zh) * 2021-01-29 2022-07-29 深圳市万普拉斯科技有限公司 视频帧选取方法、视频延时处理方法、装置及计算机设备

Also Published As

Publication number Publication date
TW202044065A (zh) 2020-12-01
SG11202106335SA (en) 2021-07-29
JP2021529398A (ja) 2021-10-28
WO2020228418A1 (zh) 2020-11-19
KR20210054551A (ko) 2021-05-13
US20210279473A1 (en) 2021-09-09
JP7152532B2 (ja) 2022-10-12

Similar Documents

Publication Publication Date Title
CN110166829A (zh) 视频处理方法及装置、电子设备和存储介质
CN109189987A (zh) 视频搜索方法和装置
CN104796781B (zh) 视频片段提取方法及装置
KR102456272B1 (ko) 비디오 클립 추출 방법， 비디오 클립 추출 장치 및 저장매체
CN110121093A (zh) 视频中目标对象的搜索方法及装置
CN110009090A (zh) 神经网络训练与图像处理方法及装置
CN110418112A (zh) 一种视频处理方法及装置、电子设备和存储介质
CN110309353A (zh) 视频索引方法及装置
CN109922372A (zh) 视频数据处理方法及装置、电子设备和存储介质
CN108985176A (zh) 图像生成方法及装置
CN109729435A (zh) 视频片段的提取方法及装置
CN109493852A (zh) 一种语音识别的评测方法及装置
JP2022545899A (ja) カテゴリ付け方法及び装置、電子機器、記憶媒体、並びにコンピュータプログラム
CN108227950A (zh) 一种输入方法和装置
CN112672208B (zh) 视频播放方法、装置、电子设备、服务器及系统
CN110278450A (zh) 多媒体内容播放方法及装置
CN110121083A (zh) 弹幕的生成方法及装置
TWI779449B (zh) 對象計數方法、電子設備、電腦可讀儲存介質
CN109543536A (zh) 图像标识方法及装置、电子设备和存储介质
CN110519655A (zh) 视频剪辑方法及装置
CN109635142A (zh) 图像选择方法及装置、电子设备和存储介质
CN110209877A (zh) 视频分析方法及装置
CN110930984A (zh) 一种语音处理方法、装置和电子设备
CN109344703A (zh) 对象检测方法及装置、电子设备和存储介质
CN109671051A (zh) 图像质量检测模型训练方法及装置、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
RJ01 Rejection of invention patent application after publication

Application publication date: 20190823