CN110399842A - 视频处理方法、装置、电子设备及计算机可读存储介质 - Google Patents
视频处理方法、装置、电子设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN110399842A CN110399842A CN201910684527.3A CN201910684527A CN110399842A CN 110399842 A CN110399842 A CN 110399842A CN 201910684527 A CN201910684527 A CN 201910684527A CN 110399842 A CN110399842 A CN 110399842A
- Authority
- CN
- China
- Prior art keywords
- frame
- image
- picture frame
- described image
- content information
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- G06V20/48—Matching video sequences
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种视频处理方法、装置、电子设备及计算机可读存储介质,该方法包括:获取视频中的图像帧n;根据图像帧n的图像内容信息确定跳帧步长j;从第n+j帧开始按照逐帧方式,获取与图像帧n的图像差异数据大于或等于预设差异阈值的图像帧,以作为待处理图像帧。本发明提供的技术方案根据任意选取的图像帧的图像内容信息进行跳帧,然后根据图像帧间的图像差异选取出待处理图像帧,通过图像内容与图像帧间的图像差异相结合的方式进行图像帧的选取,减少了对场景不变的视频帧的处理,从而节省了计算资源,提高了视频处理的速率。
Description
技术领域
本发明实施例涉及计算机技术领域,具体涉及一种视频处理方法、装置、电子设备及计算机可读存储介质。
背景技术
视频拆帧是视频处理的第一步,例如视频的跟踪、视频的检测、从视频中提取某相同图片等,都需要对视频进行拆帧处理。
现有的视频拆帧都是使用逐帧或是逐预设个数帧的处理方式,但是在许多场景不变的情况下,逐帧或是逐预设个数帧的处理方式浪费计算资源,而且视频处理的速率较低。
发明内容
为了解决上述技术问题或者至少部分地解决上述技术问题,本发明实施例提供了一种视频处理方法、装置、电子设备及计算机可读存储介质。
有鉴于此,本发明实施例提供一种视频处理方法,包括:
获取视频中的图像帧n;
根据所述图像帧n的图像内容信息确定跳帧步长j;
从第n+j帧开始按照逐帧方式,获取与所述图像帧n的图像差异数据大于或等于预设差异阈值的图像帧,以作为待处理图像帧。
进一步地,获取所述图像帧n的图像内容信息;
识别所述图像帧n的图像内容信息中是否包含预设内容信息;
若所述图像内容信息中包含预设内容信息,确定所述图像内容信息与预设内容信息的内容差异数据;
根据所述内容差异数据,确定跳帧步长j。
进一步地,所述方法还包括:
若所述图像内容信息中不包含预设内容信息,确定跳帧步长j为第二跳帧步长。
进一步地,根据所述内容差异数据,确定跳帧步长j,包括:
若根据所述内容差异数据检测出所述图像帧n包含指定预设内容信息且所述指定预设内容信息的图像质量高于第一质量阈值,确定跳帧步长j为第一跳帧步长;
若根据所述内容差异数据检测出所述图像帧n包含预设内容信息但所述预设内容信息不为所述指定预设内容信息,确定跳帧步长j为第三跳帧步长;
若根据所述内容差异数据检测出所述图像帧n包含指定预设内容信息但所述指定预设内容信息的图像质量低于第二质量阈值,确定跳帧步长j为第四跳帧步长;
其中,所述第一跳帧步长、第二跳帧步长、第三跳帧步长、第四跳帧步长依次减小。
进一步地,所述从第n+j帧开始按照逐帧方式,获取与所述图像帧n的图像差异数据大于或等于预设差异阈值的图像帧,包括:
获取图像帧n与图像帧n+j之间的图像差异数据;
若所述图像差异数据小于预设差异阈值,执行从所述图像帧n+j之后的图像帧中,获取与图像帧n的图像差异数据大于或等于预设差异阈值的图像帧的步骤。
进一步地,所述方法还包括:
若所述图像差异数据大于或等于预设差异阈值,则获取所述图像帧n+j,以作为待处理图像帧。
进一步地,所述图像差异数据包括纹理差异数据和颜色差异数据,相应的,所述预设差异阈值包括纹理差异阈值和颜色差异阈值;
从第n+j帧开始按照逐帧方式,获取与所述图像帧n的图像差异数据大于或等于预设差异阈值的图像帧之前,所述方法还包括:
判断纹理差异数据与纹理差异阈值之间的大小,以及,判断颜色差异数据与颜色差异阈值之间的大小;
当纹理差异数据大于或等于纹理差异阈值且颜色差异数据大于或等于颜色差异阈值时,判断出图像差异数据大于或等于预设差异阈值。
进一步地,所述图像差异数据为纹理差异数据;所述获取图像帧n与图像帧n+j之间的图像差异数据,包括:
计算图像帧n与所述图像帧n+j之间的像素差值,得到第一差值图像;
对所述第一差值图像进行边缘检测,得到第二差值图像;
计算所述第二差值图像的矩阵方差,所述矩阵方差即为所述图像帧n与所述图像帧n+j之间的纹理差异数据。
进一步地,所述图像差异数据为颜色差异数据;所述获取图像帧n与图像帧n+j之间的图像差异数据,包括:
将所述图像帧n分为RGB三个颜色通道,并计算每个颜色通道的直方图;
将所述图像帧n+j分为RGB三个颜色通道,并计算每个颜色通道的直方图;
分别计算的所述图像帧n的三个颜色通道的直方图与所述图像帧n+j的三个颜色通道的直方图间的欧氏距离;
计算得到的三个颜色通道的欧氏距离的平均值,所述平均值即为所述图像帧n与所述图像帧n+j之间的颜色差异数据。
进一步地,所述方法还包括:
获取所述待处理图像帧的图像内容信息;
根据所述待处理图像帧的图像内容信息重新确定跳帧步长k;
根据所述跳帧步长k确定出下一个待处理图像帧,直至所述视频中的最后一个图像帧处理完成。
本发明实施例还提供了一种视频处理装置,包括:
第一获取模块,用于获取视频中的图像帧n;
第一确定模块,用于根据所述图像帧n的图像内容信息确定跳帧步长j;
第二获取模块,用于从第n+j帧开始按照逐帧方式,获取与所述图像帧n的图像差异数据大于或等于预设差异阈值的图像帧,作为待处理图像帧。
本发明实施例还提供了一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现上述任一所述的视频处理方法的步骤。
本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有视频处理方法程序,所述视频处理方法程序被处理器执行时实现上述任一所述的视频处理方法的步骤。
与最接近的现有技术相比,本发明提供的技术方案首先获取视频中的图像帧n,然后根据图像帧n的图像内容信息确定跳帧步长j,从n+j帧开始按照逐帧方式,获取与图像帧n的图像差异数据大于或等于预设差异阈值的图像帧作为待处理图像帧。本方案根据图像帧的图像内容信息进行跳帧,然后根据图像帧间的图像差异选取出待处理图像帧,通过图像内容与图像帧间的图像差异相结合的方式进行图像帧的选取,与现有技术中在许多场景不变的情况下采用逐帧或是逐预设个数帧的处理方式相比,减少了对场景不变的视频帧的处理,从而节省了计算资源,提高了视频处理的速率。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例或现有技术描述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发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例示出的一种视频处理方法的流程图;
图2为根据本发明一示例性实施例示出的确定跳帧步长的方法流程图;
图3为根据本发明一示例性实施例示出的获取与所述图像帧n的图像差异数据大于或等于预设差异阈值的图像帧的方法流程图;
图4为根据本发明一示例性实施例示出的视频处理方法的详细步骤流程图;
图5为根据本发明一示例性实施例示出的视频处理方法的架构示意图;
图6为根据本发明一示例性实施例示出的视频处理装置的结构示意图;
图7为根据本发明一示例性实施例示出的第一确定模块的结构示意图;
图8为根据本发明一示例性实施例示出的第二获取模块的结构示意图;
图9为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
本实施例提供了一种视频处理方法。如图1所示,为本发明实施例示出的一种视频处理方法的流程图。
在步骤S101中,获取视频中的图像帧n。
其中,图像帧n是在视频中任意选取的,例如可以是第一帧,也可以是视频中的其他帧。
获取图像帧n的同时,还要采集该图像帧中的相关图像内容信息。上述图像内容信息可以包括图像的像素、颜色、纹理等信息。
在步骤S102中,根据所述图像帧n的图像内容信息确定跳帧步长j。
其中,跳帧是指丢弃掉视频中的某些视频帧,不是一帧一帧的获取视频。例如:采集视频中的第3图像帧,然后跳帧步长为5,就是在第3帧后获取视频中的第8图像帧。
在步骤S103中,从第n+j帧开始按照逐帧方式,获取与所述图像帧n的图像差异数据大于或等于预设差异阈值的图像帧,以作为待处理图像帧。
具体地,得到跳帧后的图像帧n+j,从图像帧n+j开始逐帧与图像帧n进行比较,获取与图像帧n的图像差异数据,将第一个满足与所述图像帧n的图像差异数据大于或等于预设差异阈值的图像帧作为待处理图像帧。也就是,先比较图像帧n+j与图像帧n的图像差异数据,若是满足图像差异数据大于或等于预设差异阈值,则将图像帧n+j作为待处理图像帧,若是不满足图像差异数据大于或等于预设差异阈值,则比较图像帧n+j+1与图像帧n的图像差异数据,以此类推,直到确定出满足图像差异数据大于或等于预设差异阈值的图像帧,将该图像帧作为待处理图像帧。
其中,逐帧是指一帧挨一帧,不遗漏或跳过某一帧或某几帧。
在本实施例中,首先根据获取的图像帧的图像内容信息进行跳帧,然后根据图像间的图像差异确定出待处理图像帧,通过图像内容信息以及图像帧间的图像差异相结合的方式进行待处理图像帧的选取,减少了对场景不变的视频图像帧的处理,进而节省了计算资源,提高视频处理速率,避免在许多场景不变的情况下,逐帧或是逐预设个数帧的处理方式造成的资源浪费。
下面给出一个较为具体的确定待处理图像帧的方式。
在本实施方式中,针对图像帧n进行跳帧的步长进行描述,也就是,根据图像帧n的图像内容信息,确定图像内容信息中是否包含预设内容信息,从而确定出跳帧步长j,再通过跳帧步长确定出跳帧后的图像帧,进而确定出待处理图像帧。
如图2所示,为根据本发明一示例性实施例示出的确定跳帧步长的方法流程图。
在步骤S1021中,获取所述图像帧n的图像内容信息。
其中,图像内容信息可以包括图像的像素、颜色、纹理等信息。
在步骤S1022中,识别所述图像帧n的图像内容信息中是否包含预设内容信息。
其中,预设内容可以是人物的图像,也可以是动物图像,还可以是某段文字的图像,或是某些字符的图像等图像,预设内容可以根据具体应用场景来确定。相应的,预设内容信息可以是人物的图像信息,也可以是动物图像信息,还可以是某段文字的图像信息,或是某些字符的图像信息等图像信息。
具体地,识别图像帧n的图像内容信息是否包含预设内容,也就是通过图像识别来识别图像帧n的图像内容信息中是否有人脸图像信息或是否有动物图像、文字图像、字符图像等信息。
其中,图像识别可以利用软件根据图像灰阶差做进一步识别处理,图像识别的软件包括有康耐视、有图智能等。
在步骤S1023中,若所述图像内容信息中包含预设内容信息,确定所述图像内容信息与预设内容信息的内容差异数据。
具体地,根据上一步骤的图像识别,若是识别出图像帧n的图像内容信息包含预设内容信息,对图像帧n进行图像特征提取,然后对预设内容进行图像特征提取,然后将图像帧n的图像特征与预设内容的图像特征进行对比,并计算两图像特征的相似度,所述相似度即为图像帧n的图像内容信息与预设内容信息的内容差异数据。
在步骤S1024中,根据所述内容差异数据,确定跳帧步长j。
也就是,根据内容差异数据检测图像帧n中是否包含指定预设内容信息,若是检测出包含指定预设内容信息,进一步检测指定预设内容信息的图像质量。其中,指定预设内容可以是某个人的图像,也可以是某个动物的图像,还可以是某段指定文字的图像,或是某些指定字符的图像等特定的图像,相应的,指定预设内容信息可以是某个人的图像信息,也可以是某个动物的图像信息,还可以是某段指定文字的图像信息,或是某些指定字符的图像信息等。
根据上一步骤可知,内容差异数据是通过图像特征的相似度体现的,因此,检测图像帧n中是否包含指定预设内容信息,也就是,判断相似度是否大于或等于相似度阈值,若是相似度大于或等于相似度阈值,则说明图像帧n中包含指定预设内容信息;否则,说明图像帧n中不包含指定预设内容信息。若是图像帧n中包含指定预设内容信息,进一步检测指定预设内容的图像质量,并将检测出的图像质量与质量阈值比较。
其中,相似度阈值是根据指定预设内容的类型确定的,质量阈值是根据是否满足识别具体内容来确定的,可以根据具体场景确定。
具体地,若根据所述内容差异数据检测出所述图像帧n包含指定预设内容信息且所述指定预设内容信息的图像质量高于第一质量阈值,确定跳帧步长j为第一跳帧步长;
若根据所述内容差异数据检测出所述图像帧n包含预设内容信息不为所述指定预设内容信息,确定跳帧步长j为第三跳帧步长;
若根据所述内容差异数据检测出所述图像帧n包含指定预设内容信息但所述指定预设内容信息的图像质量低于第二质量阈值,确定跳帧步长j为第四跳帧步长。
在步骤S1025中,若所述图像内容信息中不包含预设内容信息,确定跳帧步长j为第二跳帧步长。
进一步地,第一跳帧步长、第二跳帧步长、第三跳帧步长、第四跳帧步长依次减小。
在本发明的一个具体的实施例中,以获取某电影视频中某人物甲的不同表情的图像帧为例,确定跳帧步长j。可以设定第一跳帧步长为5秒或125帧,第二跳帧步长为4秒或100帧,第三跳帧步长为3秒或75帧,第四跳帧步长为0.4秒或10帧。
获取视频中的第一帧图像帧,先判断第一帧图像帧中是否包含有人脸,若是不包含人脸,就跳4秒或100帧;若是包含人脸,进一步判断包含的人脸是不是甲的人脸,若是检测出不是甲的人脸,则跳3秒或75帧;若是判断出是甲的人脸,再检测第一帧图像帧中甲的人脸信息的图像质量,若是图像质量高于第一质量阈值,则说明第一帧图像帧中包含有高质量的人脸,则跳5秒或125帧;若是图像质量低于第二质量阈值,说明第一图像帧中包含有低质量的人脸,则跳0.4秒或10帧。
其中,判断第一帧图像帧中是否包含有人脸可以通过人脸识别技术进行判断,也可以利用特征提取进行判断。
判断是否是指定人脸,可以利用特征提取的方法进行判断,先提取图像帧中的人脸特征信息,将提取的人脸特征信息与预设内容的特征进行比较,并计算两特征的特征相同度,若是特征相同度大于相同度阈值,说明是指定人脸。
如图3所示,为根据本发明一示例性实施例示出的获取与所述图像帧n的图像差异数据大于或等于预设差异阈值的图像帧的方法流程图。
在步骤S1031中,获取图像帧n与图像帧n+j之间的图像差异数据。
在步骤S1032中,若所述图像差异数据小于预设差异阈值,执行从所述图像帧n+j之后的图像帧中,获取与图像帧n的图像差异数据大于或等于预设差异阈值的图像帧的步骤。
在步骤S1033中,若所述图像差异数据大于或等于预设差异阈值,则获取所述图像帧n+j,以作为待处理图像帧。
其中,图像差异数据包括纹理差异数据和颜色差异数据,相应的,预设差异阈值包括纹理差异阈值和颜色差异阈值。
具体地,获取图像帧n的纹理数据和颜色数据,以及图像帧n+j的纹理数据和颜色数据,然后获取图像帧n与图像帧n+j之间的纹理差异数据和颜色差异数据,再判断图像帧n与图像帧n+j的纹理差异数据与纹理差异阈值之间的大小,以及,判断图像帧n与图像帧n+j的颜色差异数据与颜色差异阈值之间的大小。
获取图像帧n与图像帧n+j之间的纹理差异数据和颜色差异数据的步骤,将在后面的实施例中进行描述。
当纹理差异数据大于或等于纹理差异阈值且颜色差异数据大于或等于颜色差异阈值时,判断出图像帧n与图像帧n+j的图像差异数据大于或等于预设差异阈值,则获取图像n+j为待处理图像帧。
否则,进一步判断图像帧n与图像帧n+j+1的纹理差异数据与纹理差异阈值之间的大小,以及,判断图像帧n与图像帧n+j+1的颜色差异数据与颜色差异阈值之间的大小,以此类推,直到两个图像帧间的纹理差异数据大于或等于纹理差异阈值且颜色差异数据大于或等于颜色差异阈值时,确定出满足两个图像帧间的纹理差异数据大于或等于纹理差异阈值且颜色差异数据大于或等于颜色差异阈值的图像帧为待处理图像帧。
进一步地,图像差异数据为纹理差异数据时,获取图像帧n与图像帧n+j之间的图像差异数据,也就是,获取图像帧n与图像帧n+j之间的纹理差异数据,具体包括:
计算图像帧n与所述图像帧n+j之间的像素差值,得到第一差值图像;
对所述第一差值图像进行边缘检测,得到第二差值图像;
计算所述第二差值图像的矩阵方差,所述矩阵方差即为所述图像帧n与所述图像帧n+j之间的纹理差异数据。
图像帧间的纹理差异是通过将两帧图像的像素相减,图像帧均是RGB图,相减后会得到一个彩色RGB图,然后将该RGB图转换成灰度图,也就是第一差值图像,再根据拉普拉斯Laplacian算子进行转换后的灰度图的边缘检测,得到边缘更清晰的图像,也就是第二差值图像,最后计算第二差值图像的矩阵方差。矩阵方差即为图像帧间的纹理差异数据。若是方差大于或等于预设方差阈值,说明纹理差异数据大于或等于纹理差异阈值,则表明这两个图像帧的纹理差异大。
转换为灰度图Gray的公式可以是:
Gray=R*0.299+G*0.587+B*0.114
其中,R为RGB图中的红色通道;G为RGB图中的绿色通道;B为RGB图中的蓝色通道。
图像边缘检测是图像处理的一种手段,可以通过边缘检测标识出图像中亮度变化明显的点。图像边缘检测大幅度地减少了数据量,并且剔除了可以认为不相关的信息,保留了图像重要的结构属性。使得后期进行处理或计算时更加便捷。
图像边缘检测的方法有很多,例如Laplacian算子、Roberts算子、Sobel算子、log(Laplacian-Gauss)算子、Kirsch算子和Prewitt算子等,本领域技术人员可以根据实际情况进行选择,在本实施例中采用Laplacian算子进行边缘检测。
矩阵方差的计算公式可以是:
S1=Laplacian(In+j-In)·var(·)
其中,S1为两图像帧间的纹理差异数据;Laplacian(·)为拉普拉斯算子;In+j为图像帧n+j;In为图像帧n;var(·)为图像的矩阵方差。
进一步地,图像差异数据为颜色差异数据时,获取图像帧n与图像帧n+j之间的图像差异数据,也就是,获取图像帧n与图像帧n+j之间的图像差异数据,具体包括:
将所述图像帧n分为RGB三个颜色通道,并计算每个颜色通道的直方图;
将所述图像帧n+j分为RGB三个颜色通道,并计算每个颜色通道的直方图;
分别计算的所述图像帧n的三个颜色通道的直方图与所述图像帧n+j的三个颜色通道的直方图间的欧氏距离;
计算得到的三个颜色通道的欧氏距离的平均值,所述平均值即为所述图像帧n与所述图像帧n+j之间的颜色差异数据。
图像帧间的颜色差异是通过将两帧彩色RGB图缩放到最长边为256,同时保持原纵横比不变;然后将缩放后的两帧图像按照RGB三个通道进行拆分,对每个通道,统计每帧的颜色直方图,共有256份,也就是范围从0~255,共有2组;对每组颜色直方图,通过计算两者的欧氏距离得到两直方图的重合度;最后对得到的三个通道的重合度取平均值,平均值即为图像帧间的颜色差异数据。若是平均值大于或等于预设平均值阈值,说明颜色差异数据大于或等于颜色差异阈值,则表明这两图像帧的颜色差异大。
在本公开的另一实施方式中,该视频处理方法还包括:
获取所述待处理图像帧的图像内容信息;
根据所述图像内容信息重新确定跳帧步长k;
根据所述跳帧步长k确定出下一个待处理图像帧,直至所述视频结束。
也就是,再获取到第一个待处理图像帧后,将第一个待处理图像帧作为下一处理阶段的图像帧n,然后重复步骤S101~步骤S103,直到视频结束,将所有待处理图像帧全部找出。
如图4所示,为根据本发明一示例性实施例示出的视频处理方法的详细步骤流程图。图5为根据本发明一示例性实施例示出的视频处理方法的架构示意图。
在步骤S401中,获取视频中的图像帧n。
在步骤S402中,根据所述图像帧n的图像内容信息确定跳帧步长j。
在步骤S403中,从第n+j帧开始按照逐帧方式,获取与所述图像帧n的图像差异数据大于或等于预设差异阈值的图像帧,以作为待处理图像帧n+j+i,其中i为自然数。
在步骤S404中,根据所述待处理图像帧n+j+i的图像内容信息确定跳帧步长k。
在步骤S405中,从第n+j+i+k帧开始按照逐帧方式,获取与所述图像帧n+j+i的图像差异数据大于或等于预设差异阈值的图像帧,以作为下一待处理图像帧。
其中,所述图像差异数据包括纹理差异数据和颜色差异数据,相应的,所述预设差异阈值包括纹理差异阈值和颜色差异阈值。
本实施例中,首先确定一个起始图像帧,然后根据起始图像帧的图像内容信息确定跳帧步长,然后判断跳帧后的图像帧与起始图像帧间的纹理差异是否大于或等于纹理差异阈值以及色彩差异是否大于或等于颜色差异阈值,也就是判断跳帧后的图像帧与起始图像帧间的纹理差异和颜色差异是否足够大,若是差异足够大,则确定出跳帧后的图像帧为待处理图像帧。若是差异不是足够大,则判断跳帧后的图像帧的下一帧图像帧与起始图像帧间的纹理差异是否大于或等于纹理差异阈值以及色彩差异是否大于或等于颜色差异阈值,以此类推,直到确定出满足纹理差异大于或等于纹理差异阈值以及色彩差异大于或等于颜色差异阈值的图像帧,然后将此图像帧作为下一个起始图像帧,来确定下一待处理图像帧,直到视频中的最后一个图像帧处理完成。这种通过图像内容与图像帧间的图像差异(也就是纹理差异和颜色差异)相结合来进行图像帧选取的方式,与现有的在许多场景不变的情况下采用逐帧或是逐预设个数帧的处理方式相比,减少了对场景不变的视频帧的处理,从而节省了计算资源,提高了视频处理的速率。
本公开实施例还提供了一种视频处理装置。如图6所示,为根据一示例性实施例示出的视频处理装置的结构示意图。
在本实施例中,视频处理装置包括:第一获取模块101、第一确定模块102、和第二获取模块103。
第一获取模块101,用于获取视频中的图像帧n。
第一确定模块102,用于根据所述图像帧n的图像内容信息确定跳帧步长j。
第二获取模块103,用于从第n+j帧开始按照逐帧方式,获取与所述图像帧n的图像差异数据大于或等于预设差异阈值的图像帧,作为待处理图像帧。
可选的,第一确定模块102,如图7所示,具体包括:第一获取子模块1021、识别子模块1022、第一确定子模块1023和第二确定子模块1024。
第一获取子模块1021,用于获取所述图像帧n的图像内容信息。
识别子模块1022,用于识别所述图像帧n的图像内容信息中是否包含预设内容信息。
第一确定子模块1023,用于若所述图像内容信息中包含预设内容信息,确定所述图像内容信息与预设内容信息的内容差异数据。
第二确定子模块1024,用于根据所述内容差异数据,确定跳帧步长j。
第三确定子模块1025,用于若所述图像内容信息中不包含预设内容信息,确定跳帧步长j为第二跳帧步长。
可选的,第二确定子模块1024,进一步用于,
若根据所述内容差异数据检测出所述图像帧n包含指定预设内容信息且所述指定预设内容信息的图像质量高于第一质量阈值,确定跳帧步长j为第一跳帧步长;
若根据所述内容差异数据检测出所述图像帧n包含预设内容信息不为所述指定预设内容信息,确定跳帧步长j为第三跳帧步长;
若根据所述内容差异数据检测出所述图像帧n包含指定预设内容信息但所述指定预设内容信息的图像质量低于第二质量阈值,确定跳帧步长j为第四跳帧步长;
其中,所述第一跳帧步长、第二跳帧步长、第三跳帧步长、第四跳帧步长依次减小。
可选的,第二获取模块103,如图8所示,具体包括:第二获取子模块1031、执行子模块1032和第三获取子模块1033。
第二获取子模块1031,用于获取图像帧n与图像帧n+j之间的图像差异数据;
执行子模块1032,用于若所述图像差异数据小于预设差异阈值,执行从所述图像帧n+j之后的图像帧中,获取与图像帧n的图像差异数据大于或等于预设差异阈值的图像帧的步骤。
第三获取子模块1033,用于若所述图像差异数据大于或等于预设差异阈值,则获取所述图像帧n+j,以作为待处理图像帧。
可选的,所述图像差异数据包括纹理差异数据和颜色差异数据,相应的,所述预设差异阈值包括纹理差异阈值和颜色差异阈值;
该视频处理装置还包括:第一判断模块104、第二判断模块105和判定模块106。
第一判断模块104,用于判断纹理差异数据与纹理差异阈值之间的大小;
第二判断模块105,用于判断颜色差异数据与颜色差异阈值之间的大小;
判定模块106,用于当纹理差异数据大于或等于纹理差异阈值且颜色差异数据大于或等于颜色差异阈值时,判断出所述图像差异数据大于或等于预设差异阈值。
可选的,图像差异数据为纹理差异数据时,第二获取子模块1031,进一步用于:
计算图像帧n与所述图像帧n+j之间的像素差值,得到第一差值图像;
对所述第一差值图像进行边缘检测,得到第二差值图像;
计算所述第二差值图像的矩阵方差,所述矩阵方差即为所述图像帧n与所述图像帧n+j之间的纹理差异数据。
可选的,图像差异数据为颜色差异数据时,第二获取子模块1031,进一步用于:
将所述图像帧n分为RGB三个颜色通道,并计算每个颜色通道的直方图;
将所述图像帧n+j分为RGB三个颜色通道,并计算每个颜色通道的直方图;
分别计算的所述图像帧n的三个颜色通道的直方图与所述图像帧n+j的三个颜色通道的直方图间的欧氏距离;
计算得到的三个颜色通道的欧氏距离的平均值,所述平均值即为所述图像帧n与所述图像帧n+j之间的颜色差异数据。
可选的,该视频处理装置还包括:第二获取模块107、第三确定模块108和第四确定模块109。
第二获取模块107,用于获取所述待处理图像帧的图像内容信息;
第三确定模块108,用于根据所述待处理图像帧的图像内容信息重新确定跳帧步长k;
第四确定模块109,用于根据所述跳帧步长k确定出下一个待处理图像帧,直至所述视频中的最后一个图像帧处理完成。
本公开所述的装置的功能已经在图1~图5所示的方法实施例中进行了详细的描述,故本实施例的描述中未详尽之处,可以参见前述实施例中的相关说明,在此不做赘述。
在本申请另一公开实施例中,还提供了一种电子设备,如图9所示,包括处理器501、通信接口502、存储器503和通信总线504,其中,处理器501,通信接口502,存储器503通过通信总线504完成相互间的通信;
存储器503,用于存放计算机程序;
处理器501,用于执行存储器503上所存放的程序时,实现如下步骤:获取视频中的图像帧n;根据所述图像帧n的图像内容信息确定跳帧步长j;从第n+j帧开始按照逐帧方式,获取与所述图像帧n的图像差异数据大于或等于预设差异阈值的图像帧,以作为待处理图像帧。
上述电子设备提到的通信总线504可以是外设部件互连标准(PeripheralComponent Interconnect,简称PCI)总线或扩展工业标准结构(ExtendedIndustryStandard Architecture,简称EISA)总线等。该通信总线504可以分为地址总线、数据总线、控制总线等。为便于表示,图5中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口502用于上述电子设备与其他设备之间的通信。
存储器503可以包括随机存取存储器(RandomAccess Memory,简称RAM),也可以包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器501可以是通用处理器,包括中央处理器(Central ProcessingUnit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital Signal Processing,简称DSP)、专用集成电路(Application SpecificIntegrated Circuit,简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本申请另一实施例中,还提供了一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有视频处理方法程序,所述视频处理方法程序被处理器执行时实现上述任一所述的视频处理方法的步骤。
本发明实施例在具体实现时,可以参阅上述各个实施例,具有相应的技术效果。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到本发明各个实施例所述的方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法或者实施例的某些部分所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (13)
1.一种视频处理方法,其特征在于,包括:
获取视频中的图像帧n;
根据所述图像帧n的图像内容信息确定跳帧步长j;
从第n+j帧开始按照逐帧方式,获取与所述图像帧n的图像差异数据大于或等于预设差异阈值的图像帧,以作为待处理图像帧。
2.根据权利要求1所述的方法,其特征在于,所述根据所述图像帧n的图像内容信息确定跳帧步长j,包括:
获取所述图像帧n的图像内容信息;
识别所述图像帧n的图像内容信息中是否包含预设内容信息;
若所述图像内容信息中包含预设内容信息,确定所述图像内容信息与预设内容信息的内容差异数据;
根据所述内容差异数据,确定跳帧步长j。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
若所述图像内容信息中不包含预设内容信息,确定跳帧步长j为第二跳帧步长。
4.根据权利要求3所述的方法,其特征在于,根据所述内容差异数据,确定跳帧步长j,包括:
若根据所述内容差异数据检测出所述图像帧n包含指定预设内容信息且所述指定预设内容信息的图像质量高于第一质量阈值,确定跳帧步长j为第一跳帧步长;
若根据所述内容差异数据检测出所述图像帧n包含预设内容信息不为所述指定预设内容信息,确定跳帧步长j为第三跳帧步长;
若根据所述内容差异数据检测出所述图像帧n包含指定预设内容信息但所述指定预设内容信息的图像质量低于第二质量阈值,确定跳帧步长j为第四跳帧步长;
其中,所述第一跳帧步长、第二跳帧步长、第三跳帧步长、第四跳帧步长依次减小。
5.根据权利要求1所述的方法,其特征在于,所述从第n+j帧开始按照逐帧方式,获取与所述图像帧n的图像差异数据大于或等于预设差异阈值的图像帧,包括:
获取图像帧n与图像帧n+j之间的图像差异数据;
若所述图像差异数据小于预设差异阈值,执行从所述图像帧n+j之后的图像帧中,获取与图像帧n的图像差异数据大于或等于预设差异阈值的图像帧的步骤。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
若所述图像差异数据大于或等于预设差异阈值,则获取所述图像帧n+j,以作为待处理图像帧。
7.根据权利要求6所述的方法,其特征在于,所述图像差异数据包括纹理差异数据和颜色差异数据,相应的,所述预设差异阈值包括纹理差异阈值和颜色差异阈值;
从第n+j帧开始按照逐帧方式,获取与所述图像帧n的图像差异数据大于或等于预设差异阈值的图像帧之前,所述方法还包括:
判断纹理差异数据与纹理差异阈值之间的大小,以及,判断颜色差异数据与颜色差异阈值之间的大小;
当纹理差异数据大于或等于纹理差异阈值且颜色差异数据大于或等于颜色差异阈值时,判断出图像差异数据大于或等于预设差异阈值。
8.根据权利要求7所述的方法,其特征在于,所述图像差异数据为纹理差异数据;所述获取图像帧n与图像帧n+j之间的图像差异数据,包括:
计算图像帧n与所述图像帧n+j之间的像素差值,得到第一差值图像;
对所述第一差值图像进行边缘检测,得到第二差值图像;
计算所述第二差值图像的矩阵方差,所述矩阵方差即为所述图像帧n与所述图像帧n+j之间的纹理差异数据。
9.根据权利要求7所述的方法,其特征在于,所述图像差异数据为颜色差异数据;所述获取图像帧n与图像帧n+j之间的图像差异数据,包括:
将所述图像帧n分为RGB三个颜色通道,并计算每个颜色通道的直方图;
将所述图像帧n+j分为RGB三个颜色通道,并计算每个颜色通道的直方图;
分别计算的所述图像帧n的三个颜色通道的直方图与所述图像帧n+j的三个颜色通道的直方图间的欧氏距离;
计算得到的三个颜色通道的欧氏距离的平均值,所述平均值即为所述图像帧n与所述图像帧n+j之间的颜色差异数据。
10.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述待处理图像帧的图像内容信息;
根据所述待处理图像帧的图像内容信息重新确定跳帧步长k;
根据所述跳帧步长k确定出下一个待处理图像帧,直至所述视频中的最后一个图像帧处理完成。
11.一种视频处理装置,其特征在于,包括:
第一获取模块,用于获取视频中的图像帧n;
第一确定模块,用于根据所述图像帧n的图像内容信息确定跳帧步长j;
第二获取模块,用于从第n+j帧开始按照逐帧方式,获取与所述图像帧n的图像差异数据大于或等于预设差异阈值的图像帧,作为待处理图像帧。
12.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1-10任一所述的视频处理方法的步骤。
13.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有视频处理方法程序,所述视频处理方法程序被处理器执行时实现权利要求1-10任一所述的视频处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910684527.3A CN110399842B (zh) | 2019-07-26 | 2019-07-26 | 视频处理方法、装置、电子设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910684527.3A CN110399842B (zh) | 2019-07-26 | 2019-07-26 | 视频处理方法、装置、电子设备及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110399842A true CN110399842A (zh) | 2019-11-01 |
CN110399842B CN110399842B (zh) | 2021-09-28 |
Family
ID=68325139
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910684527.3A Active CN110399842B (zh) | 2019-07-26 | 2019-07-26 | 视频处理方法、装置、电子设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110399842B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111294524A (zh) * | 2020-02-24 | 2020-06-16 | 中移(杭州)信息技术有限公司 | 视频剪辑方法、装置、电子设备及存储介质 |
CN111898518A (zh) * | 2020-07-28 | 2020-11-06 | 中移(杭州)信息技术有限公司 | 一种摔倒检测方法、电子设备和存储介质 |
CN112767240A (zh) * | 2021-01-22 | 2021-05-07 | 广州光锥元信息科技有限公司 | 提高人像视频美化处理效率的方法、装置及移动端 |
CN112819021A (zh) * | 2019-11-15 | 2021-05-18 | 北京地平线机器人技术研发有限公司 | 图像检测方法及装置、电子设备和存储介质 |
CN113269090A (zh) * | 2021-05-26 | 2021-08-17 | 平安科技(深圳)有限公司 | 基于人脸质量评估的人脸识别方法、装置、设备及介质 |
CN113691756A (zh) * | 2021-07-15 | 2021-11-23 | 维沃移动通信(杭州)有限公司 | 视频播放方法、装置及电子设备 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101651772A (zh) * | 2009-09-11 | 2010-02-17 | 宁波大学 | 一种基于视觉注意的视频感兴趣区域的提取方法 |
US20100067741A1 (en) * | 2007-12-28 | 2010-03-18 | Rustam Stolkin | Real-time tracking of non-rigid objects in image sequences for which the background may be changing |
US20120229489A1 (en) * | 2006-09-05 | 2012-09-13 | Apple Inc. | Pillarboxing Correction |
CN103514608A (zh) * | 2013-06-24 | 2014-01-15 | 西安理工大学 | 基于运动注意力融合模型的运动目标检测与提取方法 |
CN103761252A (zh) * | 2013-12-25 | 2014-04-30 | 北京航天测控技术有限公司 | 一种视频检索方法 |
CN104185017A (zh) * | 2013-05-23 | 2014-12-03 | 中国科学院深圳先进技术研究院 | 视频匹配方法和系统 |
CN104574440A (zh) * | 2014-12-30 | 2015-04-29 | 安科智慧城市技术(中国)有限公司 | 一种视频运动目标跟踪方法及装置 |
CN105957017A (zh) * | 2016-06-24 | 2016-09-21 | 电子科技大学 | 一种基于自适应关键帧采样的视频拼接方法 |
CN106777114A (zh) * | 2016-12-15 | 2017-05-31 | 北京奇艺世纪科技有限公司 | 一种视频分类方法及系统 |
CN106780334A (zh) * | 2016-12-15 | 2017-05-31 | 北京奇艺世纪科技有限公司 | 一种图像分类方法及系统 |
CN107220586A (zh) * | 2017-04-10 | 2017-09-29 | 湖州美伦信息科技有限公司 | 视频前景图像提取方法及装置 |
CN107578011A (zh) * | 2017-09-05 | 2018-01-12 | 中国科学院寒区旱区环境与工程研究所 | 视频关键帧的判定方法及装置 |
CN108810622A (zh) * | 2018-07-09 | 2018-11-13 | 腾讯科技(深圳)有限公司 | 视频帧的提取方法、装置、计算机可读介质及电子设备 |
CN109905624A (zh) * | 2019-03-01 | 2019-06-18 | 北京大学深圳研究生院 | 一种视频帧插值方法、装置及设备 |
-
2019
- 2019-07-26 CN CN201910684527.3A patent/CN110399842B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120229489A1 (en) * | 2006-09-05 | 2012-09-13 | Apple Inc. | Pillarboxing Correction |
US20100067741A1 (en) * | 2007-12-28 | 2010-03-18 | Rustam Stolkin | Real-time tracking of non-rigid objects in image sequences for which the background may be changing |
CN101651772A (zh) * | 2009-09-11 | 2010-02-17 | 宁波大学 | 一种基于视觉注意的视频感兴趣区域的提取方法 |
CN104185017A (zh) * | 2013-05-23 | 2014-12-03 | 中国科学院深圳先进技术研究院 | 视频匹配方法和系统 |
CN103514608A (zh) * | 2013-06-24 | 2014-01-15 | 西安理工大学 | 基于运动注意力融合模型的运动目标检测与提取方法 |
CN103761252A (zh) * | 2013-12-25 | 2014-04-30 | 北京航天测控技术有限公司 | 一种视频检索方法 |
CN104574440A (zh) * | 2014-12-30 | 2015-04-29 | 安科智慧城市技术(中国)有限公司 | 一种视频运动目标跟踪方法及装置 |
CN105957017A (zh) * | 2016-06-24 | 2016-09-21 | 电子科技大学 | 一种基于自适应关键帧采样的视频拼接方法 |
CN106777114A (zh) * | 2016-12-15 | 2017-05-31 | 北京奇艺世纪科技有限公司 | 一种视频分类方法及系统 |
CN106780334A (zh) * | 2016-12-15 | 2017-05-31 | 北京奇艺世纪科技有限公司 | 一种图像分类方法及系统 |
CN107220586A (zh) * | 2017-04-10 | 2017-09-29 | 湖州美伦信息科技有限公司 | 视频前景图像提取方法及装置 |
CN107578011A (zh) * | 2017-09-05 | 2018-01-12 | 中国科学院寒区旱区环境与工程研究所 | 视频关键帧的判定方法及装置 |
CN108810622A (zh) * | 2018-07-09 | 2018-11-13 | 腾讯科技(深圳)有限公司 | 视频帧的提取方法、装置、计算机可读介质及电子设备 |
CN109905624A (zh) * | 2019-03-01 | 2019-06-18 | 北京大学深圳研究生院 | 一种视频帧插值方法、装置及设备 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112819021A (zh) * | 2019-11-15 | 2021-05-18 | 北京地平线机器人技术研发有限公司 | 图像检测方法及装置、电子设备和存储介质 |
CN112819021B (zh) * | 2019-11-15 | 2024-05-07 | 北京地平线机器人技术研发有限公司 | 图像检测方法及装置、电子设备和存储介质 |
CN111294524A (zh) * | 2020-02-24 | 2020-06-16 | 中移(杭州)信息技术有限公司 | 视频剪辑方法、装置、电子设备及存储介质 |
CN111898518A (zh) * | 2020-07-28 | 2020-11-06 | 中移(杭州)信息技术有限公司 | 一种摔倒检测方法、电子设备和存储介质 |
CN112767240A (zh) * | 2021-01-22 | 2021-05-07 | 广州光锥元信息科技有限公司 | 提高人像视频美化处理效率的方法、装置及移动端 |
CN112767240B (zh) * | 2021-01-22 | 2023-10-20 | 广州光锥元信息科技有限公司 | 提高人像视频美化处理效率的方法、装置及移动端 |
CN113269090A (zh) * | 2021-05-26 | 2021-08-17 | 平安科技(深圳)有限公司 | 基于人脸质量评估的人脸识别方法、装置、设备及介质 |
CN113269090B (zh) * | 2021-05-26 | 2024-05-28 | 平安科技(深圳)有限公司 | 基于人脸质量评估的人脸识别方法、装置、设备及介质 |
CN113691756A (zh) * | 2021-07-15 | 2021-11-23 | 维沃移动通信(杭州)有限公司 | 视频播放方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN110399842B (zh) | 2021-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110399842A (zh) | 视频处理方法、装置、电子设备及计算机可读存储介质 | |
US11410277B2 (en) | Method and device for blurring image background, storage medium and electronic apparatus | |
WO2021003825A1 (zh) | 视频镜头剪切的方法、装置及计算机设备 | |
CN110443212B (zh) | 用于目标检测的正样本获取方法、装置、设备及存储介质 | |
CN110363753B (zh) | 图像质量评估方法、装置及电子设备 | |
CN108579094B (zh) | 一种用户界面检测方法及相关装置、系统和存储介质 | |
US10986380B2 (en) | Method for generating video mask information, method for preventing occlusion from barrage, server and client | |
CN109949248B (zh) | 修改车辆在图像中的颜色的方法、装置、设备及介质 | |
CN108737875B (zh) | 图像处理方法及装置 | |
CN111127543B (zh) | 图像处理方法、装置、电子设备以及存储介质 | |
WO2020108010A1 (zh) | 视频处理方法、装置、电子设备以及存储介质 | |
CN109903265B (zh) | 一种图像变化区域侦测阀值设定方法、系统及其电子装置 | |
CN110618803A (zh) | 图像显示方法和装置 | |
CN115396705B (zh) | 投屏操作验证方法、平台及系统 | |
CN110248235B (zh) | 软件教学方法、装置、终端设备及介质 | |
CN108615030A (zh) | 一种标题一致性检测方法、装置及电子设备 | |
CN112396610A (zh) | 一种图像处理方法、计算机设备、存储介质 | |
CN107452019B (zh) | 一种基于模型切换的目标检测方法、装置、系统及存储介质 | |
CN111160340B (zh) | 一种运动目标检测方法、装置、存储介质及终端设备 | |
CN111736751A (zh) | 笔画重绘方法、设备及可读存储介质 | |
CN110782392A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN114449362B (zh) | 视频封面的选取方法、装置、设备及存储介质 | |
CN111476056A (zh) | 目标物体的识别方法、装置、终端设备及计算机存储介质 | |
CN114926631A (zh) | 目标框生成方法、装置、非易失性存储介质及计算机设备 | |
CN115239551A (zh) | 视频增强方法和装置 |
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 |