CN110460869A - 一种确定视频剪辑片段的方法、电子设备及存储介质 - Google Patents

一种确定视频剪辑片段的方法、电子设备及存储介质 Download PDF

Info

Publication number
CN110460869A
CN110460869A CN201910750953.2A CN201910750953A CN110460869A CN 110460869 A CN110460869 A CN 110460869A CN 201910750953 A CN201910750953 A CN 201910750953A CN 110460869 A CN110460869 A CN 110460869A
Authority
CN
China
Prior art keywords
racing
car
visual angle
racing car
event
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
Application number
CN201910750953.2A
Other languages
English (en)
Other versions
CN110460869B (zh
Inventor
赵璐
莫东松
张进
张健
马丹
钟宜峰
马晓琳
王科
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.)
China Mobile Communications Group Co Ltd
MIGU Culture Technology Co Ltd
Original Assignee
China Mobile Communications Group Co Ltd
MIGU Culture 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 China Mobile Communications Group Co Ltd, MIGU Culture Technology Co Ltd filed Critical China Mobile Communications Group Co Ltd
Priority to CN201910750953.2A priority Critical patent/CN110460869B/zh
Publication of CN110460869A publication Critical patent/CN110460869A/zh
Application granted granted Critical
Publication of CN110460869B publication Critical patent/CN110460869B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • G06V20/42—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items of sport video content
    • 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
    • H04N21/21—Server components or server architectures
    • H04N21/218—Source of audio or video content, e.g. local disk arrays
    • H04N21/2187—Live feed
    • 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]
    • H04N21/40—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
    • 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
    • G06V20/44—Event detection

Abstract

本发明实施例提供一种确定视频剪辑片段的方法、电子设备及存储介质，所述方法包括：根据镜头视角相对应的赛车事件识别信息以及赛车比赛直播视频的各帧图像中的赛车位置，确定所述赛车比赛直播视频中的赛车事件；确定与所述赛车事件相对应的视频剪辑片段。本发明实施例提供的确定视频剪辑片段的方法、电子设备及存储介质，确定与镜头视角相对应的赛车事件识别信息，进而根据赛车事件识别信息和直播视频的各帧图像中的赛车位置，对赛车事件进行视频剪辑，能够及时、高效地确定赛车比赛的直播视频中的精彩视频剪辑片段。

Description

一种确定视频剪辑片段的方法、电子设备及存储介质
技术领域
本发明涉及视频处理技术领域，尤其涉及一种确定视频剪辑片段的方法、电子设备及存储介质。
背景技术
视频直播日益成为互联网的重点应用方式。通过视频直播，可以快速有效地传递信息，具有现场性、实时性、直观性和娱乐性等特点，特别符合互联网时代成长起来的年轻人的趣味。
随着各项赛车比赛的开展，越来越多的用户喜欢上这项赛事，并通过线上观看赛车比赛的直播视频，也有用户喜欢在赛后观看赛车比赛的精彩片段。精彩片段需要通过视频剪辑获取，视频剪辑技术是一种将待剪辑对象，例如静态图像、动态视频通过剪辑的方式合成一段剪辑视频的视频处理方式，常应用于短视频制作、视频集锦等视频剪辑场景。
为了满足用户观看赛车比赛的个性化需要，现有技术通常在赛后由人工对赛车比赛视频的精彩片段进行剪辑，但是，用户通常希望尽可能快地观看到赛车比赛的精彩片段，且赛车比赛直播视频中的镜头视角多变，不易识别出赛车比赛的精彩片段，因此，上述现有技术的方法由于在赛后、并且由人工对赛车比赛视频的精彩片段进行剪辑，实时性较差、且效率低下。
发明内容
针对现有技术存在的问题，本发明实施例提供一种确定视频剪辑片段的方法、电子设备及存储介质。
本发明实施例提供一种确定视频剪辑片段的方法，包括：
根据镜头视角相对应的赛车事件识别信息以及赛车比赛直播视频的各帧图像中的赛车位置，确定所述赛车比赛直播视频中的赛车事件；
确定与所述赛车事件相对应的视频剪辑片段。
其中，所述赛车事件包括超车事件；所述镜头视角为前视镜头视角，与所述前视镜头视角相对应的赛车事件识别信息为目标赛车位置；目标赛车是所述前视镜头视角的视角所在的赛车；
相应的，所述根据镜头视角相对应的赛车事件识别信息以及赛车比赛直播视频的各帧图像中的赛车位置，确定所述赛车比赛直播视频中的赛车事件，包括：
若至少一辆除所述目标赛车以外的其他赛车的赛车位置纵坐标与目标赛车位置纵坐标的相对距离逐渐减小至零，则确定发生超车事件；纵坐标正方向为所述前视镜头视角的视角方向。
其中，所述镜头视角为侧视镜头视角和俯视镜头视角，与所述侧视镜头视角和所述俯视镜头视角分别对应的赛车事件识别信息为目标车道线和赛车行驶的方向向量；所述目标车道线为用于确定赛车位置先后顺序的参照车道线；
相应的，所述根据镜头视角相对应的赛车事件识别信息以及赛车比赛直播视频的各帧图像中的赛车位置，确定所述赛车比赛直播视频中的赛车事件，包括：
根据所述目标车道线、所述方向向量和所有赛车的赛车位置，确定发生赛车事件；
所述根据所述目标车道线、所述方向向量和所有赛车的赛车位置，发生赛车事件，包括：
对于侧视镜头视角，根据所述方向向量和所有赛车的赛车位置分别在所述目标车道线上的映射位置，对所有赛车进行排序；
若检测到排序次序发生变化，则确定发生超车事件；或者
对于俯视镜头视角，根据所述方向向量，确定基准坐标轴；其中，所述基准坐标轴的原点建立在内侧车道线所包围的区域；
确定所有赛车的赛车位置分别在所述目标车道线上的映射位置，确定在所述目标车道线上的所有映射位置在所述基准坐标轴上的映射位置；
根据所述方向向量和所有赛车的赛车位置分别在所述基准坐标轴上的映射位置，对所有赛车进行排序；
若检测到排序次序发生变化，则确定发生超车事件。
其中，所述赛车事件包括事故事件；所述赛车事件识别信息包括与所述镜头视角相对应的车道线，所述车道线是各帧图像中显示的所有车道线；相应的，所述方法还包括：
根据所述车道线，确定赛车的可行驶区域；
若检测到赛车驶离所述可行驶区域，则确定发生事故事件。
其中，所述根据所述车道线，确定赛车的可行驶区域，包括：
对所述车道线进行采样，获取采样点位置，并输入所述采样点位置至预设车道线识别模型，以确定所述预设车道线识别模型的模型参数；
根据所述模型参数确定所述车道线的类型，并根据所述类型确定赛车的可行驶区域。
其中，所述类型包括曲线赛道和直线赛道；相应的，所述根据所述类型确定赛车的可行驶区域，包括：
确定所述曲线赛道所包围的图像区域为所述可行驶区域；
确定两条直线赛道之间的图像区域为所述可行驶区域。
其中，若所述类型是曲线赛道，则赛车驶离所述可行驶区域的检测，包括：
确定所有赛车的赛车位置分别在所述曲线赛道上的映射位置；
若至少一辆赛车的赛车位置纵坐标与相对应的映射位置纵坐标的相对距离逐渐减小至零，则检测结果为所述至少一辆赛车驶离所述可行驶区域；纵坐标正方向为前视镜头视角的视角方向。
其中，所述预设车道线识别模型为：
f(x)＝β0+β1x+β2x2+β3x3
其中，f(x)为所述预设车道线识别模型、x为所述预设车道线识别模型的自变量、表示赛车位置横坐标、β0、β1为对应直线赛道的模型参数、β2、β3为对应曲线赛道的模型参数。
本发明实施例提供一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，
所述处理器执行所述计算机程序时实现如下方法步骤：
根据镜头视角相对应的赛车事件识别信息以及赛车比赛直播视频的各帧图像中的赛车位置，确定所述赛车比赛直播视频中的赛车事件；
确定与所述赛车事件相对应的视频剪辑片段。
本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如下方法步骤：
根据镜头视角相对应的赛车事件识别信息以及赛车比赛直播视频的各帧图像中的赛车位置，确定所述赛车比赛直播视频中的赛车事件；
确定与所述赛车事件相对应的视频剪辑片段。
本发明实施例提供的确定视频剪辑片段的方法、电子设备及存储介质，确定与镜头视角相对应的赛车事件识别信息，进而根据赛车事件识别信息和直播视频的各帧图像中的赛车位置，对赛车事件进行视频剪辑，能够及时、高效地确定赛车比赛的直播视频中的精彩视频剪辑片段。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图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为本发明确定视频剪辑片段的方法实施例流程图；
图2为本发明实施例前视镜头视角示意图；
图3为本发明实施例侧视镜头视角示意图；
图4为本发明实施例俯视镜头视角示意图；
图5为本发明实施例前视镜头视角超车、事故说明示意图；
图6为本发明实施例俯视镜头视角超车说明示意图；
图7为本发明另一实施例前视镜头视角示意图；
图8为本发明实施例提供的电子设备实体结构示意图。
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，都属于本发明保护的范围。
图1为本发明确定视频剪辑片段的方法实施例流程图，如图1所示，本发明实施例提供的一种确定视频剪辑片段的方法，包括以下步骤：
S101：根据镜头视角相对应的赛车事件识别信息以及赛车比赛直播视频的各帧图像中的赛车位置，确定所述赛车比赛直播视频中的赛车事件。
具体的，根据镜头视角相对应的赛车事件识别信息以及赛车比赛直播视频的各帧图像中的赛车位置，确定所述赛车比赛直播视频中的赛车事件。执行该方法步骤的可以是计算机设备。所述镜头视角可以采用预设镜头视角识别模型进行识别。镜头视角可以包括前视镜头视角、侧视镜头视角和俯视镜头视角。图2为本发明实施例前视镜头视角示意图；图3为本发明实施例侧视镜头视角示意图；图4为本发明实施例俯视镜头视角示意图；前视镜头视角、侧视镜头视角和俯视镜头视角可以分别如图2～图4所示。
对于前视镜头视角：赛车事件识别信息为目标赛车位置，参照图2，图2中的赛车即是目标赛车，目标赛车是前视镜头视角的视角所在的赛车，它的位置即是目标赛车位置，可以基于图像建立平面直角坐标系，目标赛车位置的坐标可以是(w/2，0)，其中w是图像的宽度。
对于侧视镜头视角和俯视镜头视角：赛车事件识别信息为目标车道线、赛车行驶的方向向量，目标车道线为用于确定赛车位置先后顺序的参照车道线，不同镜头视角对应不同的目标车道线。参照图3，侧视镜头视角对应的目标车道线可以是图像中最长的一条车道线(图3中的两条车道线的长度区别不明显)，可以通过曲线建模，然后积分得到每条车道线的长度，并进行比较。可以对同一辆赛车进行位置跟踪，将后一帧图像与前一帧图像中同一辆赛车位置映射在目标车道线上，得到前后两个映射位置，再通过计算这两个映射位置，得到该方向向量。需要说明的是：对于侧视镜头视角和俯视镜头视角：目标车道线为直线，映射位置即是赛车位置沿目标车道线的垂直方向的投影所在位置。
参照图4，俯视镜头视角对应的目标车道线可以是图像中的两条车道线中的任意一条。可以对同一辆赛车进行位置跟踪，根据后一帧图像与前一帧图像中同一辆赛车位置变化确定方向向量。
所述赛车事件可以包括超车事件，对于前视镜头视角：若至少一辆除所述目标赛车以外的其他赛车的赛车位置纵坐标与目标赛车位置纵坐标的相对距离逐渐减小至零，则确定发生超车事件；纵坐标正方向为所述前视镜头视角的视角方向；所述赛车位置纵坐标和所述目标赛车位置纵坐标可以是在平面直角坐标系中的；其中，所述平面直角坐标系的y轴正方向为所述前视镜头视角的视角方向。图5为本发明实施例前视镜头视角超车、事故说明示意图；如图5所示，例如至少一辆赛车为A，它的赛车位置纵坐标为y1、基于上述建立的平面直角坐标系，目标赛车位置纵坐标可以一直设为零，即当连续的每帧图像中的y1相对O的纵坐标逐渐减小(图5中O的纵坐标为零)，当达到零时，则说明目标赛车刚好超过赛车A。
对于侧视镜头视角和俯视镜头视角，可以根据所述目标车道线、所述方向向量、所有赛车的赛车位置，确定发生超车事件。分别说明如下：
对于侧视镜头视角：根据所述方向向量和所有赛车的赛车位置分别在所述目标车道线上的映射位置，对所有赛车进行排序；若检测到排序次序发生变化，则确定发生超车事件。可以通过如下方式实现：
For i＝0,i<n，i++：
For j＝i,j<n，j++：
If((xi,yi)-(xj,yj))*方向向量<0:
赛车i在后,赛车j在前
Else:
赛车i在前,赛车j在后
其中(xi,yi)，(xj,yj)是赛车i和赛车j在目标车道线上的映射位置，如果在第t帧图像赛车i在前,赛车j在后，在第t+1帧图像赛车i在后,赛车j在前，则说明在该时刻赛车j超过了赛车i。如果在第t帧图像有三辆赛车A、赛车B和赛车C，排序次序需要依次为1、2和3，如果在第t+1帧图像，排序次序发生变化，即赛车A、赛车B和赛车C的排序次序不再依次为1、2和3，例如变为：2、1和3、1、3和2等，则确定发生超车事件。
对于俯视镜头视角：根据所述方向向量，确定基准坐标轴；其中，所述基准坐标轴的原点建立在内侧车道线所包围的区域；所述基准坐标轴可以是平面直角坐标系中的x轴或y轴；所述平面直角坐标系的原点可以建立在内侧车道线所包围的区域；确定所有赛车的赛车位置分别在所述目标车道线上的映射位置，确定在所述目标车道线上的所有映射位置在所述基准坐标轴上的映射位置；根据所述方向向量和所有赛车的赛车位置分别在所述基准坐标轴上的映射位置，对所有赛车进行排序；若检测到排序次序发生变化，则确定发生超车事件。图6为本发明实施例俯视镜头视角超车说明示意图；如图6所示，以区域a为例，方向向量如图6箭头所示，区域a中的方向向量沿x轴的向量分量大于沿y轴的向量分量，因此，确定基准坐标轴为x轴，在目标车道线1上的映射位置分别为A1、B1和C1；A1、B1和C1在x轴上的映射位置分别为A1X、B1X和C1X；参照图6中区域a的箭头方向，赛车A、赛车B和赛车C的排序次序依次为1、2和3。
以区域b为例，方向向量如图6箭头所示，区域b中的方向向量沿y轴的向量分量大于沿x轴的向量分量，因此，确定基准坐标轴为y轴，在目标车道线1上的映射位置分别为A2、B2和C2；A2、B2和C2在y轴上的映射位置分别为A2Y、B2Y和C2Y；参照图6中区域b的箭头方向，赛车A、赛车B和赛车C的排序次序依次为1、2和3。对于排序次序发生变化的说明，可参照上述实施例的说明，不再赘述。
S102：确定与所述赛车事件相对应的视频剪辑片段。
具体的，确定与所述赛车事件相对应的视频剪辑片段。可以在镜头对应的时间范围内，将各帧图像合成视频剪辑片段，输出成.mp4文件。赛车事件可以包括超车事件和事故事件，若确定发生超车事件，则确定与所述超车事件相对应的第一视频剪辑片段。若确定发生事故事件，则确定与所述事故事件相对应的第二视频剪辑片段。
本发明实施例提供的确定视频剪辑片段的方法，确定与镜头视角相对应的赛车事件识别信息，进而根据赛车事件识别信息和直播视频的各帧图像中的赛车位置，对赛车事件进行视频剪辑，能够及时、高效地确定赛车比赛的直播视频中的精彩视频剪辑片段。
在上述实施例的基础上，所述赛车事件包括超车事件；所述镜头视角为前视镜头视角，与所述前视镜头视角相对应的赛车事件识别信息为目标赛车位置；目标赛车是所述前视镜头视角的视角所在的赛车；
相应的，所述根据镜头视角相对应的赛车事件识别信息以及赛车比赛直播视频的各帧图像中的赛车位置，确定所述赛车比赛直播视频中的赛车事件，包括：
具体的，若至少一辆除所述目标赛车以外的其他赛车的赛车位置纵坐标与目标赛车位置纵坐标的相对距离逐渐减小至零，则确定发生超车事件；纵坐标正方向为所述前视镜头视角的视角方向。可参照上述说明，不再赘述。
本发明实施例提供的确定视频剪辑片段的方法，能够及时、高效地对对应前视镜头视角的超车事件进行视频剪辑。
在上述实施例的基础上，所述镜头视角为侧视镜头视角和俯视镜头视角，与所述侧视镜头视角和所述俯视镜头视角分别对应的赛车事件识别信息为目标车道线和赛车行驶的方向向量；所述目标车道线为用于确定赛车位置先后顺序的参照车道线；
相应的，所述根据镜头视角相对应的赛车事件识别信息以及赛车比赛直播视频的各帧图像中的赛车位置，确定所述赛车比赛直播视频中的赛车事件，包括：
具体的，所述根据所述目标车道线、所述方向向量和所有赛车的赛车位置，确定是否发生超车事件，包括：
对于侧视镜头视角，具体的，根据所述方向向量和所有赛车的赛车位置分别在所述目标车道线上的映射位置，对所有赛车进行排序；若检测到排序次序发生变化，则确定发生超车事件。可参照上述说明，不再赘述。或者，
对于俯视镜头视角，具体的，根据所述方向向量，确定基准坐标轴；其中，所述基准坐标轴的原点建立在内侧车道线所包围的区域；确定所有赛车的赛车位置分别在所述目标车道线上的映射位置，确定在所述目标车道线上的所有映射位置在所述基准坐标轴上的映射位置；根据所述方向向量和所有赛车的赛车位置分别在所述基准坐标轴上的映射位置，对所有赛车进行排序；若检测到排序次序发生变化，则确定发生超车事件。可参照上述说明，不再赘述。
本发明实施例提供的确定视频剪辑片段的方法，进一步能够准确地对对应侧视镜头视角和俯视镜头视角的超车事件进行视频剪辑。
在上述实施例的基础上，所述赛车事件包括事故事件；所述赛车事件识别信息还包括与所述镜头视角相对应的车道线，所述车道线是各帧图像中显示的所有车道线；相应的，所述方法还包括：
根据所述车道线，确定赛车的可行驶区域。
具体的，根据所述车道线，确定赛车的可行驶区域。图7为本发明另一实施例前视镜头视角示意图；如图7所示，赛车事件识别信息还包括与前视镜头视角相对应的单车道线、以及与前视镜头视角相对应的双车道线，如图2所示。参照图3，赛车事件识别信息还包括与侧视镜头视角相对应的双车道线，该视角不存在单车道线；参照图4，赛车事件识别信息还包括与俯视镜头视角相对应的双车道线，该视角不存在单车道线。对于侧视镜头视角和俯视镜头视角：赛车的可行驶区域为双车道线之间的图像区域。对于前视镜头视角中的双车道线，如图2所示，赛车的可行驶区域为双车道线之间的图像区域。对于前视镜头视角中的单车道线，参照与图7对应的图5，图5中除阴影部分以外的弧形带状区域为对应图7的单车道线。
由于，在确定赛车的可行驶区域之前，需要先确定车道线的类型，即是曲线赛道还是直线赛道，因此，根据所述车道线，确定赛车的可行驶区域，可以包括：对所述车道线进行采样，获取采样点位置，并输入所述采样点位置至预设车道线识别模型，以确定所述预设车道线识别模型的模型参数；根据所述模型参数确定所述车道线的类型；并根据所述类型确定赛车的可行驶区域。
对应图5中的车道线，沿着y轴进行采样，以dy为间隔进行均匀采样，例如图5中车道线中的三个采样点，均匀获取车道线上的坐标点，以中间一个采样点为例，x的坐标为(x1+x2)/2。
预设车道线识别模型可以为：
f(x)＝β0+β1x+β2x2+β3x3
其中，f(x)为所述预设车道线识别模型、x为所述预设车道线识别模型的自变量、表示赛车位置横坐标、β0、β1为对应直线赛道的模型参数、β2、β3为对应曲线赛道的模型参数。将多个采样点代入上述预设车道线识别模型中，求解出模型参数β0～β3。如果β2、β3分别低于各自对应的阈值，例如|β2|<0.001且|β3|<0.0001时，则确定车道线属于直线赛道，否则，则确定车道线属于曲线赛道，参照图5，对于曲线赛道的情况，确定所述曲线赛道所包围的图像区域为所述可行驶区域，即图5中阴影部分区域为所述可行驶区域。对于直线赛道的情况，确定两条直线赛道之间的图像区域为所述可行驶区域。
若检测到赛车驶离所述可行驶区域，则确定发生事故事件。
具体的，若检测到赛车驶离所述可行驶区域，则确定发生事故事件。对于侧视镜头视角和俯视镜头视角：可以通过赛车的位置是否在可行驶区域之内，确定赛车是否驶离可行驶区域。可以在镜头对应的时间范围内，将各帧图像合成第二视频剪辑片段，输出成.mp4文件。对于前视镜头视角：确定所有赛车的赛车位置分别在所述曲线赛道上的映射位置；若至少一辆赛车的赛车位置纵坐标与相对应的映射位置纵坐标的相对距离逐渐减小至零，则检测结果为所述至少一辆赛车驶离所述可行驶区域；纵坐标正方向为前视镜头视角的视角方向；所述赛车位置纵坐标可以是在平面直角坐标系中的；其中，所述平面直角坐标系的y轴正方向为前视镜头视角的视角方向。参照图5，赛车A在曲线赛道上的映射位置为(x2，y2)，即|y2-y1|逐渐减小，并达到零，则说明赛车A驶离可行驶区域。
本发明实施例提供的确定视频剪辑片段的方法，能够及时、高效和准确地确定发生事故事件。
在上述实施例的基础上，所述根据所述车道线，确定赛车的可行驶区域，包括：
具体的，对所述车道线进行采样，获取采样点位置，并输入所述采样点位置至预设车道线识别模型，以确定所述预设车道线识别模型的模型参数；根据所述模型参数确定所述车道线的类型；并根据所述类型确定赛车的可行驶区域。可参照上述说明，不再赘述。
本发明实施例提供的确定视频剪辑片段的方法，通过构建预设车道线识别模型，并确定模型参数，能够准确地确定车道线的类型和赛车的可行驶区域，从而为赛车事件进行视频剪辑提供有效依据。
在上述实施例的基础上，所述类型包括曲线赛道和直线赛道；相应的，所述根据所述类型确定赛车的可行驶区域，包括：
具体的，确定所述曲线赛道所包围的图像区域为所述可行驶区域；确定两条直线赛道之间的图像区域为所述可行驶区域。可参照上述说明，不再赘述。
本发明实施例提供的确定视频剪辑片段的方法，进一步能够准确地确定对应曲线赛道和直线赛道的赛车的可行驶区域，从而为赛车事件进行视频剪辑提供有效依据。
在上述实施例的基础上，若所述类型是曲线赛道，则赛车驶离所述可行驶区域的检测，包括：
具体的，装确定所有赛车的赛车位置分别在所述曲线赛道上的映射位置；若至少一辆赛车的赛车位置纵坐标与相对应的映射位置纵坐标的相对距离逐渐减小至零，则检测结果为所述至少一辆赛车驶离所述可行驶区域；纵坐标正方向为前视镜头视角的视角方向；所述赛车位置纵坐标可以是在平面直角坐标系中的；其中，所述平面直角坐标系的y轴正方向为前视镜头视角的视角方向。可参照上述说明，不再赘述。
本发明实施例提供的确定视频剪辑片段的方法，基于量化的计算，能够准确地检测对应曲线赛道的赛车的是否驶离可行驶区域，从而为赛车事件进行视频剪辑提供有效依据。
在上述实施例的基础上，具体的，所述预设车道线识别模型为：
f(x)＝β0+β1x+β2x2+β3x3
其中，f(x)为所述预设车道线识别模型、x为所述预设车道线识别模型的自变量、表示赛车位置横坐标、β0、β1为对应直线赛道的模型参数、β2、β3为对应曲线赛道的模型参数。可参照上述说明，不再赘述。
本发明实施例提供的确定视频剪辑片段的方法，通过确定具体的预设车道线识别模型的模型参数，进一步能够准确地确定车道线的类型和赛车的可行驶区域，从而为赛车事件进行视频剪辑提供有效依据。
图8为本发明实施例提供的电子设备实体结构示意图，如图8所示，所述电子设备包括：处理器(processor)801、存储器(memory)802和总线803；
其中，所述处理器801、存储器802通过总线803完成相互间的通信；
所述处理器801用于调用所述存储器802中的程序指令，以执行上述各方法实施例所提供的方法，例如包括：根据镜头视角相对应的赛车事件识别信息以及赛车比赛直播视频的各帧图像中的赛车位置，确定所述赛车比赛直播视频中的赛车事件；确定与所述赛车事件相对应的视频剪辑片段。
本实施例公开一种计算机程序产品，所述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机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法，例如包括：根据镜头视角相对应的赛车事件识别信息以及赛车比赛直播视频的各帧图像中的赛车位置，确定所述赛车比赛直播视频中的赛车事件；确定与所述赛车事件相对应的视频剪辑片段。
本实施例提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述各方法实施例所提供的方法，例如包括：根据镜头视角相对应的赛车事件识别信息以及赛车比赛直播视频的各帧图像中的赛车位置，确定所述赛车比赛直播视频中的赛车事件；确定与所述赛车事件相对应的视频剪辑片段。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
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各实施方式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。基于这样的理解，上述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，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种确定视频剪辑片段的方法，其特征在于，包括：
根据镜头视角相对应的赛车事件识别信息以及赛车比赛直播视频的各帧图像中的赛车位置，确定所述赛车比赛直播视频中的赛车事件；
确定与所述赛车事件相对应的视频剪辑片段。
2.根据权利要求1所述的确定视频剪辑片段的方法，其特征在于，所述赛车事件包括超车事件；所述镜头视角为前视镜头视角，与所述前视镜头视角相对应的赛车事件识别信息为目标赛车位置；目标赛车是所述前视镜头视角的视角所在的赛车；
相应的，所述根据镜头视角相对应的赛车事件识别信息以及赛车比赛直播视频的各帧图像中的赛车位置，确定所述赛车比赛直播视频中的赛车事件，包括：
若至少一辆除所述目标赛车以外的其他赛车的赛车位置纵坐标与目标赛车位置纵坐标的相对距离逐渐减小至零，则确定发生超车事件；纵坐标正方向为所述前视镜头视角的视角方向。
3.根据权利要求2所述的确定视频剪辑片段的方法，其特征在于，所述镜头视角为侧视镜头视角和俯视镜头视角，与所述侧视镜头视角和所述俯视镜头视角分别对应的赛车事件识别信息为目标车道线和赛车行驶的方向向量；所述目标车道线为用于确定赛车位置先后顺序的参照车道线；
相应的，所述根据镜头视角相对应的赛车事件识别信息以及赛车比赛直播视频的各帧图像中的赛车位置，确定所述赛车比赛直播视频中的赛车事件，包括：
根据所述目标车道线、所述方向向量和所有赛车的赛车位置，确定发生赛车事件；
所述根据所述目标车道线、所述方向向量和所有赛车的赛车位置，发生赛车事件，包括：
对于侧视镜头视角，根据所述方向向量和所有赛车的赛车位置分别在所述目标车道线上的映射位置，对所有赛车进行排序；
若检测到排序次序发生变化，则确定发生超车事件；或者
对于俯视镜头视角，根据所述方向向量，确定基准坐标轴；其中，所述基准坐标轴的原点建立在内侧车道线所包围的区域；
确定所有赛车的赛车位置分别在所述目标车道线上的映射位置，确定在所述目标车道线上的所有映射位置在所述基准坐标轴上的映射位置；
根据所述方向向量和所有赛车的赛车位置分别在所述基准坐标轴上的映射位置，对所有赛车进行排序；
若检测到排序次序发生变化，则确定发生超车事件。
4.根据权利要求1至3任一所述的确定视频剪辑片段的方法，其特征在于，所述赛车事件包括事故事件；所述赛车事件识别信息包括与所述镜头视角相对应的车道线，所述车道线是各帧图像中显示的所有车道线；相应的，所述方法还包括：
根据所述车道线，确定赛车的可行驶区域；
若检测到赛车驶离所述可行驶区域，则确定发生事故事件。
5.根据权利要求4所述的确定视频剪辑片段的方法，其特征在于，所述根据所述车道线，确定赛车的可行驶区域，包括：
对所述车道线进行采样，获取采样点位置，并输入所述采样点位置至预设车道线识别模型，以确定所述预设车道线识别模型的模型参数；
根据所述模型参数确定所述车道线的类型，并根据所述类型确定赛车的可行驶区域。
6.根据权利要求5所述的确定视频剪辑片段的方法，其特征在于，所述类型包括曲线赛道和直线赛道；相应的，所述根据所述类型确定赛车的可行驶区域，包括：
确定所述曲线赛道所包围的图像区域为所述可行驶区域；
确定两条直线赛道之间的图像区域为所述可行驶区域。
7.根据权利要求6所述的确定视频剪辑片段的方法，其特征在于，若所述类型是曲线赛道，则赛车驶离所述可行驶区域的检测，包括：
确定所有赛车的赛车位置分别在所述曲线赛道上的映射位置；
若至少一辆赛车的赛车位置纵坐标与相对应的映射位置纵坐标的相对距离逐渐减小至零，则检测结果为所述至少一辆赛车驶离所述可行驶区域；纵坐标正方向为前视镜头视角的视角方向。
8.根据权利要求5所述的确定视频剪辑片段的方法，其特征在于，所述预设车道线识别模型为：
f(x)＝β0+β1x+β2x2+β3x3
其中，f(x)为所述预设车道线识别模型、x为所述预设车道线识别模型的自变量、表示赛车位置横坐标、β0、β1为对应直线赛道的模型参数、β2、β3为对应曲线赛道的模型参数。
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述方法的步骤。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至8任一项所述方法的步骤。
CN201910750953.2A 2019-08-14 2019-08-14 一种确定视频剪辑片段的方法、电子设备及存储介质 Active CN110460869B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910750953.2A CN110460869B (zh) 2019-08-14 2019-08-14 一种确定视频剪辑片段的方法、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910750953.2A CN110460869B (zh) 2019-08-14 2019-08-14 一种确定视频剪辑片段的方法、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN110460869A true CN110460869A (zh) 2019-11-15
CN110460869B CN110460869B (zh) 2022-03-25

Family

ID=68486648

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910750953.2A Active CN110460869B (zh) 2019-08-14 2019-08-14 一种确定视频剪辑片段的方法、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN110460869B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113569096A (zh) * 2021-07-23 2021-10-29 北京百度网讯科技有限公司 结构化信息抽取方法、装置、设备以及存储介质
CN115731525A (zh) * 2022-11-21 2023-03-03 禾多科技（北京）有限公司 车道线识别方法、装置、电子设备和计算机可读介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101268639A (zh) * 2005-07-22 2008-09-17 袋鼠传媒股份有限公司 用于增强观众参与现场体育赛事的体验的系统和方法
TW201511809A (zh) * 2013-09-27 2015-04-01 Medici Creativity Co Ltd 具有輔助超車無線預警回饋遙控器的賽車遊戲組
US20150213316A1 (en) * 2008-11-17 2015-07-30 Liveclips Llc Method and system for segmenting and transmitting on-demand live-action video in real-time
CN105245909A (zh) * 2015-10-10 2016-01-13 上海慧体网络科技有限公司 结合智能硬件、云计算、互联网进行比赛直播的方法
CN107615766A (zh) * 2015-04-16 2018-01-19 维斯克体育科技有限公司 用于创建和分配多媒体内容的系统和方法
CN109194978A (zh) * 2018-10-15 2019-01-11 广州虎牙信息科技有限公司 直播视频剪辑方法、装置和电子设备
CN109344697A (zh) * 2018-08-16 2019-02-15 中国科学院信息工程研究所 一种对抗性竞赛中的精彩时刻识别方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101268639A (zh) * 2005-07-22 2008-09-17 袋鼠传媒股份有限公司 用于增强观众参与现场体育赛事的体验的系统和方法
US20150213316A1 (en) * 2008-11-17 2015-07-30 Liveclips Llc Method and system for segmenting and transmitting on-demand live-action video in real-time
TW201511809A (zh) * 2013-09-27 2015-04-01 Medici Creativity Co Ltd 具有輔助超車無線預警回饋遙控器的賽車遊戲組
CN107615766A (zh) * 2015-04-16 2018-01-19 维斯克体育科技有限公司 用于创建和分配多媒体内容的系统和方法
CN105245909A (zh) * 2015-10-10 2016-01-13 上海慧体网络科技有限公司 结合智能硬件、云计算、互联网进行比赛直播的方法
CN109344697A (zh) * 2018-08-16 2019-02-15 中国科学院信息工程研究所 一种对抗性竞赛中的精彩时刻识别方法
CN109194978A (zh) * 2018-10-15 2019-01-11 广州虎牙信息科技有限公司 直播视频剪辑方法、装置和电子设备

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113569096A (zh) * 2021-07-23 2021-10-29 北京百度网讯科技有限公司 结构化信息抽取方法、装置、设备以及存储介质
CN113569096B (zh) * 2021-07-23 2024-03-29 北京百度网讯科技有限公司 结构化信息抽取方法、装置、设备以及存储介质
CN115731525A (zh) * 2022-11-21 2023-03-03 禾多科技（北京）有限公司 车道线识别方法、装置、电子设备和计算机可读介质
CN115731525B (zh) * 2022-11-21 2023-07-25 禾多科技（北京）有限公司 车道线识别方法、装置、电子设备和计算机可读介质

Also Published As

Publication number Publication date
CN110460869B (zh) 2022-03-25

Similar Documents

Publication Publication Date Title
US20200290608A1 (en) Forward collision control method and apparatus, electronic device, program, and medium
JP6571274B2 (ja) レーザ深度マップサンプリングのためのシステム及び方法
US11556744B1 (en) Auto labeler
US11514625B2 (en) Motion trajectory drawing method and apparatus, and device and storage medium
CN112818778B (zh) 车道线拟合方法、装置、介质以及电子设备
CN111291650B (zh) 自动泊车辅助的方法及装置
WO2014174932A1 (ja) 画像処理装置、プログラム及び画像処理方法
CA2827661A1 (en) System and method for detection and tracking of moving objects
US9113143B2 (en) Detecting and responding to an out-of-focus camera in a video analytics system
CN109118532B (zh) 视觉景深估计方法、装置、设备及存储介质
CN110460869A (zh) 一种确定视频剪辑片段的方法、电子设备及存储介质
CN111027505B (zh) 一种基于显著性检测的分层多目标跟踪方法
CN110659547B (zh) 物体识别方法、装置、车辆和计算机可读存储介质
CN110570448A (zh) 一种全景视频的目标追踪方法、装置及便携式终端
US20200249677A1 (en) Probabilistic neural network for predicting hidden context of traffic entities for autonomous vehicles
CN112819864B (zh) 一种行驶状态检测方法、装置及存储介质
WO2023138538A1 (zh) 车载视频稳像方法、装置、车辆及存储介质
CN111753739A (zh) 物体检测方法、装置、设备以及存储介质
CN103226809B (zh) 图像除雾装置和图像除雾方法
Liu et al. Fingertip in the eye: A cascaded cnn pipeline for the real-time fingertip detection in egocentric videos
CN113095228B (zh) 图像中的目标检测方法、装置及计算机可读存储介质
CN108734712A (zh) 背景分割的方法、装置及计算机存储介质
CN116665156A (zh) 多尺度融合注意力的交通头盔小目标检测系统及方法
CN110705134A (zh) 行驶测试方法、装置、设备及计算机可读存储介质
CN115147809B (zh) 一种障碍物检测方法、装置、设备以及存储介质

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
GR01 Patent grant
GR01 Patent grant