CN110288551B - 视频美化方法、装置及电子设备 - Google Patents
视频美化方法、装置及电子设备 Download PDFInfo
- Publication number
- CN110288551B CN110288551B CN201910580698.1A CN201910580698A CN110288551B CN 110288551 B CN110288551 B CN 110288551B CN 201910580698 A CN201910580698 A CN 201910580698A CN 110288551 B CN110288551 B CN 110288551B
- Authority
- CN
- China
- Prior art keywords
- video frame
- waist
- video
- target
- center point
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000012545 processing Methods 0.000 claims abstract description 38
- 238000001514 detection method Methods 0.000 claims abstract description 28
- 230000008569 process Effects 0.000 claims description 16
- 238000012937 correction Methods 0.000 claims description 12
- 238000009499 grossing Methods 0.000 claims description 8
- 210000001217 buttock Anatomy 0.000 claims description 7
- 239000000126 substance Substances 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 3
- 210000001624 hip Anatomy 0.000 description 74
- 238000004590 computer program Methods 0.000 description 13
- 210000004705 lumbosacral region Anatomy 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 5
- 238000003708 edge detection Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 230000003796 beauty Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T2207/10004—Still image; Photographic image
- G06T2207/10012—Stereo images
-
- 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
- G06T2207/20024—Filtering details
-
- 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
- G06T2207/30196—Human being; Person
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本公开实施例中提供了一种视频美化方法、装置及电子设备，属于图像处理技术领域，该方法包括：获取目标视频中需要进行平滑美化处理的第一视频帧和第二视频帧，所述第一视频帧在目标视频的时间维度上早于所述第二视频帧；分别对第一视频帧和第二视频帧执行针对目标对象的关键点检测，确定所述第一视频帧和所述第二视频帧的腰部表示区域和腰部中心点；基于所述腰部表示区域和腰部中心点，确定所述第一视频帧和所述第二视频帧的形变参数；基于所述形变参数，对所述第一视频帧和所述第二视频帧上目标对象的腰部区域进行平滑美化处理。通过本公开的处理方案，提高了视频的美化效果。
Description
技术领域
本公开涉及图像处理技术领域，尤其涉及一种视频美化方法、装置及电子设备。
背景技术
图像处理(image processing)又称为影像处理，是用计算机对图像进行达到所需结果的技术。起源于20世纪20年代，一般为数字图像处理。图像处理技术的主要内容包括图像压缩、增强复原、匹配描述识别3个部分，常见的处理有图像数字化、图像编码、图像增强、图像复原、图像分割和图像分析等。图像处理是利用计算机对图像信息进行加工以满足人的视觉心理或者应用需求的行为，应用广泛，多用于测绘学、大气科学、天文学、美图、使图像提高辨识等。
随着智能手机的普遍，手机的拍照的使用也就越来越多，使用手机拍摄的过程中，由于拍摄角度等各种原因，会导致人拍摄形成的视频存在身体比例不能满足用户期望值的问题，作为一种情况，用户希望自己拍摄出来的视频中的腰部较细，从而满足人物照片在形体上的美感。
发明内容
有鉴于此，本公开实施例提供一种视频美化方法、装置及电子设备，至少部分解决现有技术中存在的问题。
第一方面，本公开实施例提供了一种视频美化方法，包括：
获取目标视频中需要进行平滑美化处理的第一视频帧和第二视频帧，所述第一视频帧在目标视频的时间维度上早于所述第二视频帧；
分别对第一视频帧和第二视频帧执行针对目标对象的关键点检测，确定所述第一视频帧和所述第二视频帧的腰部表示区域和腰部中心点；
基于所述腰部表示区域和腰部中心点，确定所述第一视频帧和所述第二视频帧的形变参数；
基于所述形变参数，对所述第一视频帧和所述第二视频帧上目标对象的腰部区域进行平滑美化处理。
根据本公开实施例的一种具体实现方式，所述获取目标视频中需要进行平滑美化处理的第一视频帧和第二视频帧，包括：
在目标视频中执行针对目标对象的目标检测；
将含有所述目标对象的第一个视频帧图像作为所述第一视频帧；
将于所述第一视频帧相邻的、且包含所述目标对象的视频帧图像作为所述第二视频帧。
根据本公开实施例的一种具体实现方式，所述分别对第一视频帧和第二视频帧执行针对目标对象的关键点检测，包括：
将第一视频帧和第二视频帧转化为对应的灰度图像；
利用转化后的灰度图像，执行针对目标对象的关键点检测。
根据本公开实施例的一种具体实现方式，所述确定所述第一视频帧和所述第二视频帧的腰部表示区域和腰部中心点，包括：
分别获取臀部关键点的第一平均坐标M1和肩部关键点的第二平均坐标M2；
将a1*M1+a2*M2作为所述腰部中心点坐标，其中，a1和a2为腰部中心点修正系数，a1和a2均大于0，a1+a2＝1。
根据本公开实施例的一种具体实现方式，所述确定所述第一视频帧和所述第二视频帧的腰部表示区域和腰部中心点，包括：
分别获取臀部关键点与肩部关键点在水平面的长度距离N1和N2；
将b1*N1+b2*N2作为所述腰部表示区域的宽度，其中，b1和b2为宽度修正系数，b1和b2均大于0，b1+b2<1；
将b3*D作为所述腰部表示区域的高度，其中，b3为高度修正系数，b3>1，D为臀部关键点中心点与肩部关键点中心点之间的距离；
将所述腰部中心点作为所述腰部表示区域的中心点。
根据本公开实施例的一种具体实现方式，所述基于所述腰部表示区域和腰部中心点，确定所述第一视频帧和所述第二视频帧的形变参数，包括：
获取腰部表示区域和腰部中心点在所述第一视频帧和第二视频帧的抖动参数，以及预先设置的默认形变参数L1；
将所述默认形变参数L1作为所述第一视频帧的形变参数；
基于所述默认形变参数L1和所述抖动参数，确定在所述第二视频帧的形变参数L2。
根据本公开实施例的一种具体实现方式，所述基于所述默认形变参数L1和所述抖动参数，确定在所述第二视频帧的形变参数L2，包括：
将所述抖动参数进行归一化处理，得到归一化抖动参数；
将所述归一化抖动参数与所述默认形变参数的乘积，作为所述第二视频帧的形变参数L2。
根据本公开实施例的一种具体实现方式，所述基于所述形变参数，对所述第一视频帧和所述第二视频帧上目标对象的腰部区域进行平滑美化处理，包括：
获取第一视频帧中的第一关键点的坐标(x1，y1)，以及第二视频帧中的第二关键点的坐标(x2，y2)，所述第二关键点与所述第一关键点相对应；
基于预先设置的平滑系数L，计算第二关键点平滑处理后的坐标(x2’,y2’)，其中
x2’＝x1*L2+x2*(1-L3)
y2’＝y1*L2+y2*(1-L3)。
第二方面，本公开实施例提供了一种视频美化装置，包括：
获取模块，用于获取目标视频中需要进行平滑美化处理的第一视频帧和第二视频帧，所述第一视频帧在目标视频的时间维度上早于所述第二视频帧；
检测模块，用于分别对第一视频帧和第二视频帧执行针对目标对象的关键点检测，确定所述第一视频帧和所述第二视频帧的腰部表示区域和腰部中心点；
确定模块，用于基于所述腰部表示区域和腰部中心点，确定所述第一视频帧和所述第二视频帧的形变参数；
美化模块，用于基于所述形变参数，对所述第一视频帧和所述第二视频帧上目标对象的腰部区域进行平滑美化处理。
第三方面，本公开实施例还提供了一种电子设备，该电子设备包括：
至少一个处理器；以及，
与该至少一个处理器通信连接的存储器；其中，
该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行前述任第一方面或第一方面的任一实现方式中的视频美化方法。
第四方面，本公开实施例还提供了一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储计算机指令，该计算机指令用于使该计算机执行前述第一方面或第一方面的任一实现方式中的视频美化方法。
第五方面，本公开实施例还提供了一种计算机程序产品，该计算机程序产品包括存储在非暂态计算机可读存储介质上的计算程序，该计算机程序包括程序指令，当该程序指令被计算机执行时，使该计算机执行前述第一方面或第一方面的任一实现方式中的视频美化方法。
本公开实施例中的视频美化方案，包括获取目标视频中需要进行平滑美化处理的第一视频帧和第二视频帧，所述第一视频帧在目标视频的时间维度上早于所述第二视频帧；分别对第一视频帧和第二视频帧执行针对目标对象的关键点检测，确定所述第一视频帧和所述第二视频帧的腰部表示区域和腰部中心点；基于所述腰部表示区域和腰部中心点，确定所述第一视频帧和所述第二视频帧的形变参数；基于所述形变参数，对所述第一视频帧和所述第二视频帧上目标对象的腰部区域进行平滑美化处理。通过本公开的方案，提高了目标视频的美化效果。
附图说明
为了更清楚地说明本公开实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1为本公开实施例提供的一种视频美化流程示意图；
图2为本公开实施例提供的一种基于人体的关键点示意图；
图3为本公开实施例提供的另一种视频美化流程示意图；
图4为本公开实施例提供的另一种视频美化流程示意图；
图5为本公开实施例提供的一种视频美化装置结构示意图；
图6为本公开实施例提供的电子设备示意图。
具体实施方式
下面结合附图对本公开实施例进行详细描述。
以下通过特定的具体实例说明本公开的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本公开的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。
需要说明的是，下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见，本文中所描述的方面可体现于广泛多种形式中，且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开，所属领域的技术人员应了解，本文中所描述的一个方面可与任何其它方面独立地实施，且可以各种方式组合这些方面中的两者或两者以上。举例来说，可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外，可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
还需要说明的是，以下实施例中所提供的图示仅以示意方式说明本公开的基本构想，图式中仅显示与本公开中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
另外，在以下描述中，提供具体细节是为了便于透彻理解实例。然而，所属领域的技术人员将理解，可在没有这些特定细节的情况下实践所述方面。
本公开实施例提供一种视频美化方法。本实施例提供的视频美化方法可以由一计算装置来执行，该计算装置可以实现为软件，或者实现为软件和硬件的组合，该计算装置可以集成设置在服务器、终端设备等中。
参见图1，本公开实施例提供的一种视频美化方法，包括：
S101，获取目标视频中需要进行平滑美化处理的第一视频帧和第二视频帧，所述第一视频帧在目标视频的时间维度上早于所述第二视频帧。
目标视频是需要进行美化处理的视频，目标视频可以是通过智能手机等设备拍摄获得的视频，也可以是通过其他方式获得的视频，目标视频由多个视频帧组成。
目标视频中包含目标对象，通常来讲，目标对象可以是人，比如，用户通过手机等设备拍摄了一张包含人物的视频，视频中的人物便构成了目标对象。目标对象除了可以是人之外，还可以是动物等其他类型的对象。目标对象在目标图像上显示有臀部区域和肩部区域。在肩部区域和臀部区域之间的部分，包含目标对象的腰部区域。
获得目标视频之后，可以通过提取目标视频中的视频帧来获得相邻的第一视频帧和第二视频帧，第一视频帧和第二视频帧可以是目标视频中包含目标对象的任意相邻的两个视频帧。
S102，分别对第一视频帧和第二视频帧执行针对目标对象的关键点检测，确定所述第一视频帧和所述第二视频帧的腰部表示区域和腰部中心点。
获得第一视频帧和第二视频帧之后，可以分别针对第一视频帧和第二视频帧的肩部区域和臀部区域执行关键点检测，进而得到多个肩部关键点和多个臀部区域关键点。对肩部区域和臀部区域的关键点检测可以采用诸如CPM(Convolutional Pose Machine，卷积姿态检测器)，PAF(Part Affinity Fields，局部亲和立场检测方法)等方式来进行。在此对于关键点的检测方法不作限定。通过对第一视频帧进行关键点检测，能够获得第一关键点集合，通过对第二视频帧进行关键点检测，能够获得第二关键点集合。
参见图2，臀部关键点和肩部关键点可以包含多个关键点的关键点集合，例如，臀部关键点可以包括关键点P12、P3和P16，肩部关键点可以包括关键点P4、P2和P8。
通过计算得到的臀部关键点和肩部关键点，可以确定腰部区域的中心点坐标。具体的，可以获取臀部关键点的坐标位置，利用这些关键点坐标信息来计算出臀部的中心点，比如把臀部的关键点坐标进行平均计算，或者是对关键点坐标进行加权平均等。还可以采取其他的类似方式来计算臀部区域的中心点坐标。
与此同时，还可以获取肩部关键点的坐标位置，利用这些关键点坐标信息来计算出肩部的中心点，比如把肩部的关键点坐标进行平均计算，或者是对关键点坐标进行加权平均等。还可以采取其他的类似方式来计算肩部区域的中心点坐标。
通过将臀部区域的中心点坐标T1(f1，g1)和肩部区域的中心点坐标T2(f2，g2)，可以通过计算得到腰部中心点的坐标T3(f3，g3)。例如，f3＝0.6*f1+0.4*f2，g3＝0.6*g1+0.4*g2。通过这种方式或者与这种方式类似的方式，可以计算出腰部中心点的坐标T3。获得腰部的中心点坐标之后，可以基于该中心点坐标来针对腰部区域执行相应图像处理。
通过计算肩部中心点坐标T2和臀部中心点之间的距离，可以获得目标对象的上半身身长。
除了计算腰部区域的中心点坐标之外，还可以利用这些关键点坐标信息计算出腰部的大小，比如利用臀部和肩部关键点坐标得到一个最小的矩形能够使臀部和肩部的关键点全部在这个矩形内部，然后以腰部中心坐标为中心点，将该矩形在垂直方向上进行压缩(例如，在垂直方向上压缩至原高度的30％)，得到压缩矩形，进而基于该压缩矩形获得腰部表示区域。腰部表示区域能够用来描述腰部的大致区域。当然，根据实际的需要，除了采用矩形来描述腰部表示区域之外，还可以采用圆形、椭圆形等其他图形。
可以分别在第一视频帧和第二视频帧上执行上述关键点检测方法，从而分别得到第一视频帧和第二视频帧所包含的腰部表示区域和腰部中心点。
S103，基于所述腰部表示区域和腰部中心点，确定所述第一视频帧和所述第二视频帧的形变参数。
腰部区域在目标图像上形成图像的过程中，通常会由于拍摄角度等原因，导致腰部区域的面积相比身体的其他部位的面积相比略大，或者用户希望腰部区域的面积比实际的腰部区域的面积还要小，从而提高了目标对象的腰部的美观度，为此可以通过对腰部区域进行变形的方式来调整目标对象在目标图像上的显示，从而达到美化的效果。
在进行形变之前，可以进一步的获取腰部区域的形变参数，形变参数表示了对腰部区域的缩放比例，例如，形变参数可以是0.9，表示对腰部区域执行0.9倍的缩放处理。
形变参数可以通过多种方式获得，作为一种方式，形变参数可以根据用户在相应的交互界面上输入的值来确定。或者，作为另外一种方式，形变参数还可以通过自动计算目标对象在目标图形上身体各个部分的比例来自动计算得到。
视频帧在进行关键点检测的过程中，不同视频帧上的目标对象的关键点会存在抖动现象，从而导致腰部形变之后形成的视频存在不连贯的现象，为此需要对进行形变之后的第一视频帧和第二视频帧执行平滑处理。而在执行平滑处理之前，可以预先在不同的视频帧上设置不同的形变参数。具体的，参见图3，对形变参数进行确定，可以包括如下步骤：
S301，获取腰部表示区域和腰部中心点在所述第一视频帧和第二视频帧的抖动参数，以及预先设置的默认形变参数L1。
通过分别计算目标对象的轮廓、腰部表示区域以及腰部中心点在第一视频帧和第二视频帧上的偏移距离c1、c2及c3，可以确定抖动参数d，例如，d＝(c2+c3)/2*c1。抖动参数d表示了关键点在不同视频帧上偏移的情况。
默认形变参数L1预先设置的形变参数，作为一种方式，默认形变参数L1可以根据用户在相应的交互界面上输入的值来确定。或者，作为另外一种方式，默认形变参数L1还可以通过自动计算目标对象在第一视频帧上身体各个部分的比例来自动计算得到。
S302，将所述默认形变参数L1作为所述第一视频帧的形变参数。
由于第一视频帧为起始视频帧，可以在第一视频帧上保持默认形变参数L1不变，基于默认形变参数L1对第一视频帧的腰部表示区域进行变形操作。
S303，基于所述默认形变参数L1和所述抖动参数，确定在所述第二视频帧的形变参数L2。
具体的，可以将所述抖动参数d进行归一化处理，得到介于0和1之间的归一化抖动参数，归一化处理为常见的处理方式，在此对归一化的方式不作限定。之后，将所述归一化抖动参数与所述默认形变参数的乘积，作为所述第二视频帧的形变参数L2，基于第二视频的形变参数L2对第二视频帧的腰部表示区域进行变形操作。
S104，基于所述形变参数，对所述第一视频帧和所述第二视频帧上目标对象的腰部区域进行平滑美化处理。
在获得第一视频帧和第二视频帧的形变参数之后，可以对腰部区域进行形变。例如，可以将腰部区域边界在水平方向上进行压缩形变，或者通过在垂直方向上拉伸腰部区域的方式对腰部区域进行压缩形变。
通过本申请中的方案，能够保证对目标对象的腰部区域进行有效的形变，从而提高了目标对象在视频上的整体美观度。
参见图4，根据本公开实施例的一种可选实现方式，在获取目标视频中需要进行平滑美化处理的第一视频帧和第二视频帧的过程中，可以包括如下步骤：
S401，在目标视频中执行针对目标对象的目标检测。
目标视频中包含较多的内容，在进行针对目标对象的美化过程中，需要查看目标视频中的视频帧中是否包含目标对象，为此，可以在目标视频的所有视频帧中执行是否含有目标对象的检测。
S402，将含有所述目标对象的第一个视频帧图像作为所述第一视频帧。
在对目标视频中的所有视频帧进行检测的过程中，可以将检测的到的第一个含有目标对象的视频帧作为第一视频帧。通过将第一视频帧作为整儿目标视频的起始帧，能够便于基于第一视频帧对后续的视频帧进行平滑处理。
S403，将于所述第一视频帧相邻的、且包含所述目标对象的视频帧图像作为所述第二视频帧。
根据本公开实施例的一种可选实现方式，分别对第一视频帧和第二视频帧执行针对目标对象的关键点检测，包括：将第一视频帧和第二视频帧转化为对应的灰度图像，利用转化后的灰度图像，执行针对目标对象的关键点检测。
利用转化后的灰度图像，执行针对目标对象的关键点检测之前，可以先获得目标对象的边缘图像，通过在边缘图像可以进一步的获得关键点。
具体的，可以对所述灰度图像进行边缘检测，得到所述目标对象的边缘轮廓。首先，选取不同取向的多个结构元素，可以通过边缘检测算子对目标对象进行检测，如果边缘检测算子只采用一种结构元素,其输出图像中只包含了一种几何信息,不利于图像细节的保持。为了能够保证图像检测的准确度，选择包含多种结构元的边缘检测算子。
进一步的，利用多个结构元素中的每一结构元素对所述多个图像进行细节匹配，得到滤波图像。通过采用不同取向的多个结构元素，将每一结构元素作为一种尺度对图像细节进行匹配，可以在过滤到不同类型和大小的噪声的同时，充分保持图像的各种细节。
进一步的，确定滤波图像的灰度边缘计算，以得到滤波图像中多个灰度级别中每一灰度级别中存在的像素数。对图像滤波之后，为了进一步的减少计算量，可以将滤波之后的图像转变为灰度图像，通过对灰度图像设置多个灰度级别，可以计算得到每一个灰度级别图像中存在的像素数。
进一步的，对每一灰度级别中的像素数进行加权，并将加权后的灰度平均值作为阈值。基于不同灰度级中像素的数目，可以考虑基于像素数对灰度级别进行加权处理，例如，对于像素数较多的灰度级别值给予较大的权重，对于像素数较少的灰度级别值设置较小的权重，通过对加权后的灰度值进行平均值计算，得到加权后的平均灰度值作为阈值，从而能够基于该平均灰度值对灰度图像进行二值化处理。
进一步的，基于所述阈值对所述滤波图像进行二值化处理。基于该阈值，可以对滤波图像进行二值化处理，例如，对于大于该阈值的像素二值化为数据1，对于小于该阈值的像素二值化为0。
最后，将二值化处理后的图像作为所述目标对象的边缘图像。通过将二值化之后的数据进行相应的颜色赋值，便得到了目标对象的边缘图像，例如将二值化为1的像素赋值为黑色，将二值化为0的图像赋值为白色。
通过上面的操作步骤，能够在减少系统资源消耗的前提下，提高了目标对象检测的准确度。
根据本公开实施例的一种可选实现方式，确定所述第一视频帧和所述第二视频帧的腰部表示区域和腰部中心点，包括：分别获取臀部关键点的第一平均坐标M1和肩部关键点的第二平均坐标M2；将a1*M1+a2*M2作为所述腰部中心点坐标，其中，a1和a2为腰部中心点修正系数，a1和a2均大于0，a1+a2＝1。
根据本公开实施例的一种可选实现方式，确定所述第一视频帧和所述第二视频帧的腰部表示区域和腰部中心点，包括：分别获取臀部关键点与肩部关键点在水平面的长度距离N1和N2；将b1*N1+b2*N2作为所述腰部表示区域的宽度，其中，b1和b2为宽度修正系数，b1和b2均大于0，b1+b2<1；将b3*D作为所述腰部表示区域的高度，其中，b3为高度修正系数，b3>1，D为臀部关键点中心点与肩部关键点中心点之间的距离；将所述腰部中心点作为所述腰部表示区域的中心点。
根据本公开实施例的一种可选实现方式，基于所述形变参数，对所述第一视频帧和所述第二视频帧上目标对象的腰部区域进行平滑美化处理，包括：
获取第一视频帧中的第一关键点的坐标(x1，y1)，以及第二视频帧中的第二关键点的坐标(x2，y2)，所述第二关键点与所述第一关键点相对应；基于预先设置的平滑系数L2，计算第二关键点平滑处理后的坐标(x2’,y2’)，其中
x2’＝x1*L2+x2*(1-L3)
y2’＝y1*L2+y2*(1-L3)。
与上面的方法实施例相对应，参见图5，本公开实施例还提供了一种视频美化装置50，包括：
获取模块501，用于获取目标视频中需要进行平滑美化处理的第一视频帧和第二视频帧，所述第一视频帧在目标视频的时间维度上早于所述第二视频帧；
检测模块502，用于分别对第一视频帧和第二视频帧执行针对目标对象的关键点检测，确定所述第一视频帧和所述第二视频帧的腰部表示区域和腰部中心点；
确定模块503，用于基于所述腰部表示区域和腰部中心点，确定所述第一视频帧和所述第二视频帧的形变参数；
美化模块504，用于基于所述形变参数，对所述第一视频帧和所述第二视频帧上目标对象的腰部区域进行平滑美化处理。
图5所示装置可以对应的执行上述方法实施例中的内容，本实施例未详细描述的部分，参照上述方法实施例中记载的内容，在此不再赘述。
参见图6，本公开实施例还提供了一种电子设备60，该电子设备包括：
至少一个处理器；以及，
与该至少一个处理器通信连接的存储器；其中，
该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行前述方法实施例中视频美化方法。
本公开实施例还提供了一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储计算机指令，该计算机指令用于使该计算机执行前述方法实施例中。
本公开实施例还提供了一种计算机程序产品，该计算机程序产品包括存储在非暂态计算机可读存储介质上的计算程序，该计算机程序包括程序指令，当该程序指令被计算机执行时，使该计算机执行前述方法实施例中的视频美化方法。
下面参考图6，其示出了适于用来实现本公开实施例的电子设备60的结构示意图。本公开实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图6示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图6所示，电子设备60可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有电子设备60操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、图像传感器、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备60与其他设备进行无线或有线通信以交换数据。虽然图中示出了具有各种装置的电子设备60，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM 602被安装。在该计算机程序被处理装置601执行时，执行本公开实施例的方法中限定的上述功能。
需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读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，该计算机可读信号介质可以发送、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：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取至少两个网际协议地址；向节点评价设备发送包括所述至少两个网际协议地址的节点评价请求，其中，所述节点评价设备从所述至少两个网际协议地址中，选取网际协议地址并返回；接收所述节点评价设备返回的网际协议地址；其中，所获取的网际协议地址指示内容分发网络中的边缘节点。
或者，上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：接收包括至少两个网际协议地址的节点评价请求；从所述至少两个网际协议地址中，选取网际协议地址；返回选取出的网际协议地址；其中，接收到的网际协议地址指示内容分发网络中的边缘节点。
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公开的操作的计算机程序代码，上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)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。
应当理解，本公开的各部分可以用硬件、软件、固件或它们的组合来实现。
以上所述，仅为本公开的具体实施方式，但本公开的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应以权利要求的保护范围为准。
Claims (9)
1.一种视频美化方法，其特征在于，包括：
获取目标视频中需要进行平滑美化处理的第一视频帧和第二视频帧，所述第一视频帧在目标视频的时间维度上早于所述第二视频帧；
分别对第一视频帧和第二视频帧执行针对目标对象的关键点检测，确定所述第一视频帧和所述第二视频帧的腰部表示区域和腰部中心点，包括：分别获取臀部关键点的第一平均坐标M1和肩部关键点的第二平均坐标M2；将a1*M1+a2*M2作为所述腰部中心点坐标，其中，a1和a2为腰部中心点修正系数，a1和a2均大于0，a1+a2＝1；分别获取臀部关键点与肩部关键点在水平面的长度距离N1和N2；将b1*N1+b2*N2作为所述腰部表示区域的宽度，其中，b1和b2为宽度修正系数，b1和b2均大于0，b1+b2<1；将b3*D作为所述腰部表示区域的高度，其中，b3为高度修正系数，b3>1，D为臀部关键点中心点与肩部关键点中心点之间的距离；将所述腰部中心点作为所述腰部表示区域的中心点；
基于所述腰部表示区域和腰部中心点，确定所述第一视频帧和所述第二视频帧的形变参数；
基于所述形变参数，对所述第一视频帧和所述第二视频帧上目标对象的腰部区域进行平滑美化处理。
2.根据权利要求1所述的方法，其特征在于，所述获取目标视频中需要进行平滑美化处理的第一视频帧和第二视频帧，包括：
在目标视频中执行针对目标对象的目标检测；
将含有所述目标对象的第一个视频帧图像作为所述第一视频帧；
将于所述第一视频帧相邻的、且包含所述目标对象的视频帧图像作为所述第二视频帧。
3.根据权利要求1所述的方法，其特征在于，所述分别对第一视频帧和第二视频帧执行针对目标对象的关键点检测，包括：
将第一视频帧和第二视频帧转化为对应的灰度图像；
利用转化后的灰度图像，执行针对目标对象的关键点检测。
4.根据权利要求1所述的方法，其特征在于，所述基于所述腰部表示区域和腰部中心点，确定所述第一视频帧和所述第二视频帧的形变参数，包括：
获取腰部表示区域和腰部中心点在所述第一视频帧和第二视频帧的抖动参数，以及预先设置的默认形变参数L1；
将所述默认形变参数L1作为所述第一视频帧的形变参数；
基于所述默认形变参数L1和所述抖动参数，确定在所述第二视频帧的形变参数L2。
5.根据权利要求4所述的方法，其特征在于，所述基于所述默认形变参数L1和所述抖动参数，确定在所述第二视频帧的形变参数L2，包括：
将所述抖动参数进行归一化处理，得到归一化抖动参数；
将所述归一化抖动参数与所述默认形变参数的乘积，作为所述第二视频帧的形变参数L2。
6.根据权利要求5所述的方法，其特征在于，所述基于所述形变参数，对所述第一视频帧和所述第二视频帧上目标对象的腰部区域进行平滑美化处理，包括：
获取第一视频帧中的第一关键点的坐标(x1，y1)，以及第二视频帧中的第二关键点的坐标(x2，y2)，所述第二关键点与所述第一关键点相对应；
基于预先设置的平滑系数L3，计算第二关键点平滑处理后的坐标(x2’,y2’)，其中
x2’＝x1*L2+x2*(1-L3)
y2’＝y1*L2+y2*(1-L3)。
7.一种视频美化装置，其特征在于，包括：
获取模块，用于获取目标视频中需要进行平滑美化处理的第一视频帧和第二视频帧，所述第一视频帧在目标视频的时间维度上早于所述第二视频帧；
检测模块，用于分别对第一视频帧和第二视频帧执行针对目标对象的关键点检测，确定所述第一视频帧和所述第二视频帧的腰部表示区域和腰部中心点，包括：分别获取臀部关键点的第一平均坐标M1和肩部关键点的第二平均坐标M2；将a1*M1+a2*M2作为所述腰部中心点坐标，其中，a1和a2为腰部中心点修正系数，a1和a2均大于0，a1+a2＝1；分别获取臀部关键点与肩部关键点在水平面的长度距离N1和N2；将b1*N1+b2*N2作为所述腰部表示区域的宽度，其中，b1和b2为宽度修正系数，b1和b2均大于0，b1+b2<1；将b3*D作为所述腰部表示区域的高度，其中，b3为高度修正系数，b3>1，D为臀部关键点中心点与肩部关键点中心点之间的距离；将所述腰部中心点作为所述腰部表示区域的中心点；
确定模块，用于基于所述腰部表示区域和腰部中心点，确定所述第一视频帧和所述第二视频帧的形变参数；
美化模块，用于基于所述形变参数，对所述第一视频帧和所述第二视频帧上目标对象的腰部区域进行平滑美化处理。
8.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行前述权利要求1-6任一项所述的视频美化方法。
9.一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储计算机指令，该计算机指令用于使该计算机执行前述权利要求1-6任一项所述的视频美化方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910580698.1A CN110288551B (zh) | 2019-06-29 | 2019-06-29 | 视频美化方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910580698.1A CN110288551B (zh) | 2019-06-29 | 2019-06-29 | 视频美化方法、装置及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110288551A CN110288551A (zh) | 2019-09-27 |
| CN110288551B true CN110288551B (zh) | 2021-11-09 |
Family
ID=68020143
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910580698.1A Active CN110288551B (zh) | 2019-06-29 | 2019-06-29 | 视频美化方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110288551B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111339971B (zh) * | 2020-03-02 | 2022-06-28 | 北京字节跳动网络技术有限公司 | 视频中人体肩颈处理方法、装置及电子设备 |
| CN111402116A (zh) * | 2020-03-11 | 2020-07-10 | 北京字节跳动网络技术有限公司 | 图片中人体腰部美体处理方法、装置及电子设备 |
| CN111311519A (zh) * | 2020-03-12 | 2020-06-19 | 北京字节跳动网络技术有限公司 | 视频中人体腰部美体处理方法、装置及电子设备 |
| CN111405198A (zh) * | 2020-03-23 | 2020-07-10 | 北京字节跳动网络技术有限公司 | 视频中人体胸部美体处理方法、装置及电子设备 |
| CN111310749A (zh) * | 2020-03-23 | 2020-06-19 | 北京字节跳动网络技术有限公司 | 视频中人体臀部美体处理方法、装置及电子设备 |
| CN111988664B (zh) * | 2020-09-01 | 2022-09-20 | 广州酷狗计算机科技有限公司 | 视频处理方法、装置、计算机设备及计算机可读存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102262724A (zh) * | 2010-05-31 | 2011-11-30 | 汉王科技股份有限公司 | 目标图像特征点定位方法和目标图像特征点定位系统 |
| CN108830783A (zh) * | 2018-05-31 | 2018-11-16 | 北京市商汤科技开发有限公司 | 一种图像处理方法、装置和计算机存储介质 |
| CN108960022A (zh) * | 2017-09-19 | 2018-12-07 | 炬大科技有限公司 | 一种情绪识别方法及其装置 |
| CN109191552A (zh) * | 2018-08-16 | 2019-01-11 | Oppo广东移动通信有限公司 | 三维模型处理方法、装置、电子设备和存储介质 |
| CN109446912A (zh) * | 2018-09-28 | 2019-03-08 | 北京市商汤科技开发有限公司 | 人脸图像的处理方法及装置、电子设备和存储介质 |
| CN109522910A (zh) * | 2018-12-25 | 2019-03-26 | 浙江商汤科技开发有限公司 | 关键点检测方法及装置、电子设备和存储介质 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20150113751A (ko) * | 2014-03-31 | 2015-10-08 | (주)트라이큐빅스 | 휴대용 카메라를 이용한 3차원 얼굴 모델 획득 방법 및 장치 |
| CN109344693B (zh) * | 2018-08-13 | 2021-10-26 | 华南理工大学 | 一种基于深度学习的人脸多区域融合表情识别方法 |
| CN109903217B (zh) * | 2019-01-25 | 2023-05-02 | 北京百度网讯科技有限公司 | 图像变形方法和装置 |
-
2019
- 2019-06-29 CN CN201910580698.1A patent/CN110288551B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102262724A (zh) * | 2010-05-31 | 2011-11-30 | 汉王科技股份有限公司 | 目标图像特征点定位方法和目标图像特征点定位系统 |
| CN108960022A (zh) * | 2017-09-19 | 2018-12-07 | 炬大科技有限公司 | 一种情绪识别方法及其装置 |
| CN108830783A (zh) * | 2018-05-31 | 2018-11-16 | 北京市商汤科技开发有限公司 | 一种图像处理方法、装置和计算机存储介质 |
| CN109191552A (zh) * | 2018-08-16 | 2019-01-11 | Oppo广东移动通信有限公司 | 三维模型处理方法、装置、电子设备和存储介质 |
| CN109446912A (zh) * | 2018-09-28 | 2019-03-08 | 北京市商汤科技开发有限公司 | 人脸图像的处理方法及装置、电子设备和存储介质 |
| CN109522910A (zh) * | 2018-12-25 | 2019-03-26 | 浙江商汤科技开发有限公司 | 关键点检测方法及装置、电子设备和存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| KEYPOINT DETECTION IN RGBD IMAGES BASED ON AN EFFICIENT VIEWPOINT-COVARIANT MULTISCALE REPRESENTATION;Maxim Karpushin 等;《2016 24th European Signal Processing Conference (EUSIPCO)》;20161231;全文 * |
| 融合小波变换及SIFT算法的去抖动运动目标检测;葛鹤银 等;《实验室研究与探索》;20160228;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110288551A (zh) | 2019-09-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110288551B (zh) | 视频美化方法、装置及电子设备 | |
| CN110288520B (zh) | 图像美化方法、装置及电子设备 | |
| CN110189246B (zh) | 图像风格化生成方法、装置及电子设备 | |
| CN110287891B (zh) | 基于人体关键点的手势控制方法、装置及电子设备 | |
| CN110070551B (zh) | 视频图像的渲染方法、装置和电子设备 | |
| CN110070495B (zh) | 图像的处理方法、装置和电子设备 | |
| CN110363753B (zh) | 图像质量评估方法、装置及电子设备 | |
| CN110415276B (zh) | 运动信息计算方法、装置及电子设备 | |
| CN110069974B (zh) | 高光图像处理方法、装置和电子设备 | |
| CN110288553A (zh) | 图像美化方法、装置及电子设备 | |
| US11924520B2 (en) | Subtitle border-crossing processing method and apparatus, and electronic device | |
| CN110298785A (zh) | 图像美化方法、装置及电子设备 | |
| CN110288521A (zh) | 图像美化方法、装置及电子设备 | |
| US20180314916A1 (en) | Object detection with adaptive channel features | |
| CN110264430B (zh) | 视频美化方法、装置及电子设备 | |
| CN110555861B (zh) | 光流计算方法、装置及电子设备 | |
| CN111626921A (zh) | 图片处理方法、装置及电子设备 | |
| CN110197459B (zh) | 图像风格化生成方法、装置及电子设备 | |
| CN110689478B (zh) | 图像风格化处理方法、装置、电子设备及可读介质 | |
| CN110378936B (zh) | 光流计算方法、装置及电子设备 | |
| CN110070482B (zh) | 图像处理方法、装置和计算机可读存储介质 | |
| CN110288554B (zh) | 视频美化方法、装置及电子设备 | |
| CN111696041B (zh) | 图像处理方法、装置及电子设备 | |
| CN111223105B (zh) | 图像处理方法和装置 | |
| CN111200705B (zh) | 图像处理方法和装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP01 | Change in the name or title of a patent holder | ||
| CP01 | Change in the name or title of a patent holder |
Address after: 100041 B-0035, 2 floor, 3 building, 30 Shixing street, Shijingshan District, Beijing. Patentee after: Douyin Vision Co.,Ltd. Address before: 100041 B-0035, 2 floor, 3 building, 30 Shixing street, Shijingshan District, Beijing. Patentee before: Tiktok vision (Beijing) Co.,Ltd. Address after: 100041 B-0035, 2 floor, 3 building, 30 Shixing street, Shijingshan District, Beijing. Patentee after: Tiktok vision (Beijing) Co.,Ltd. Address before: 100041 B-0035, 2 floor, 3 building, 30 Shixing street, Shijingshan District, Beijing. Patentee before: BEIJING BYTEDANCE NETWORK TECHNOLOGY Co.,Ltd. |