CN110708568A - 一种视频内容突变检测方法及装置 - Google Patents
一种视频内容突变检测方法及装置 Download PDFInfo
- Publication number
- CN110708568A CN110708568A CN201911042448.9A CN201911042448A CN110708568A CN 110708568 A CN110708568 A CN 110708568A CN 201911042448 A CN201911042448 A CN 201911042448A CN 110708568 A CN110708568 A CN 110708568A
- Authority
- CN
- China
- Prior art keywords
- video frame
- video
- distribution information
- edge image
- edge
- 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
- 230000035772 mutation Effects 0.000 title claims abstract description 49
- 238000001514 detection method Methods 0.000 title claims description 27
- 230000008859 change Effects 0.000 claims abstract description 103
- 238000000034 method Methods 0.000 claims abstract description 53
- 238000000605 extraction Methods 0.000 claims abstract description 39
- 238000004891 communication Methods 0.000 claims description 19
- 230000009467 reduction Effects 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 16
- 238000010586 diagram Methods 0.000 description 8
- 238000005192 partition Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 230000009471 action Effects 0.000 description 3
- 230000008034 disappearance Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
- H04N21/234—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs
- H04N21/23418—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream 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 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
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Television Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例提供了一种视频内容突变检测方法及装置，涉及视频处理技术领域，其中，上述方法包括：确定待检测视频中的第一视频帧和第二视频帧；对第一视频帧与第二视频帧分别进行边缘提取，获得第一边缘图像和第二边缘图像；分别获得第一边缘图像与第二边缘图像中边缘像素点的分布信息，分别作为第一分布信息与第二分布信息；通过比较第一分布信息与第二分布信息，检测待检测视频在第一视频帧与第二视频帧之间是否发生视频内容突变。应用本发明实施例提供的方案进行视频内容突变检测，可以提高检测视频内容是否发生突变的准确度。
Description
技术领域
本发明涉及视频处理技术领域，特别是涉及一种视频内容突变检测方法及装置。
背景技术
在对视频进行处理时，有时需要对视频进行去噪、超分辨率、插帧等视频增强处理。而上述视频增强处理往往基于相邻视频帧的信息实现，这种情况下，当相邻视频帧间内容相似时，可以得到较好的视频增强效果，而相邻视频帧间内容发生突变时，不但得不到较好的视频增强效果，反而会对原视频帧的内容带来破坏。为此，在对视频进行视频增强处理之前需要检测视频内容是否发生突变。
现有技术中，视频内容发生突变可能是由于视频场景突变引起的，例如，视频场景由室内场景突变为室外场景等。还可能是由于视频帧内字幕突变引起的，例如，视频帧内字幕的突然出现或者消失。对于视频帧内字幕突变引起的视频内容发生突变，可以通过以下方式检测：
对于视频中的相邻视频帧而言，识别相邻视频帧中分别包含的字符，对比相邻视频帧中包含的字符是否相似，若相似，可以认为相邻视频帧中的字幕未发生突变，进而认为相邻视频帧的内容未发生突变，反之，若不相似，可以认为相邻视频帧中的字幕发生突变，进而认为相邻视频帧的内容发生了突变。
虽然应用上述方式可以检测视频内容是否发生突变，但是上述方式易受视频帧中非字幕区域所包含字符的影响，例如，视频帧中书籍上的字符、广告牌上的字符等。从而导致检测视频内容是否发生突变的准确度低。
发明内容
本发明实施例的目的在于提供一种视频内容突变检测方法及装置，以提高检测视频内容是否发生突变的准确度。具体技术方案如下：
第一方面，本发明实施例提供了一种视频内容突变检测方法，所述方法包括：
确定待检测视频中的第一视频帧和第二视频帧；
对所述第一视频帧与第二视频帧分别进行边缘提取，获得第一边缘图像和第二边缘图像；
分别获得所述第一边缘图像与第二边缘图像中边缘像素点的分布信息，分别作为第一分布信息与第二分布信息；
通过比较所述第一分布信息与第二分布信息，检测所述待检测视频在所述第一视频帧与第二视频帧之间是否发生视频内容突变。
本发明的一个实施例中，所述分别获得所述第一边缘图像与第二边缘图像中边缘像素点的分布信息，分别作为第一分布信息与第二分布信息，包括：
计算所述第一边缘图像中各像素点的像素值的方差，作为第一分布信息；
计算所述第二边缘图像中各像素点的像素值的方差，作为第二分布信息。
本发明的一个实施例中，所述通过比较所述第一分布信息与第二分布信息，检测所述待检测视频在所述第一视频帧与第二视频帧之间是否发生视频内容突变，包括：
计算所述第一分布信息与第二分布信息的绝对差值；
若所述绝对差值大于预设差值，则判定所述待检测视频在所述第一视频帧与第二视频帧之间发生了视频内容突变；
否则，判定所述待检测视频在所述第一视频帧与第二视频帧之间未发生视频内容突变。
本发明的一个实施例中，在所述对所述第一视频帧与第二视频帧分别进行边缘提取，获得第一边缘图像和第二边缘图像之前，还包括：
计算所述第一视频帧与第二视频帧之间的图像相似度；
若所述图像相似度不低于预设相似度，执行所述对所述第一视频帧与第二视频帧分别进行边缘提取，获得第一边缘图像和第二边缘图像的步骤。
本发明的一个实施例中，在所述对所述第一视频帧与第二视频帧分别进行边缘提取，获得第一边缘图像和第二边缘图像之前，还包括：
分别对所述第一视频帧和第二视频帧进行降噪处理；
所述对所述第一视频帧与第二视频帧分别进行边缘提取，获得第一边缘图像和第二边缘图像，包括：
对降噪处理后的第一视频帧和第二视频帧分别进行边缘提取，获得第一边缘图像和第二边缘图像。
第二方面，本发明实施例中提供了一种视频内容突变检测装置，所述装置包括：
视频帧确定模块，用于确定待检测视频中的第一视频帧和第二视频帧；
图像获得模块，用于对所述第一视频帧与第二视频帧分别进行边缘提取，获得第一边缘图像和第二边缘图像；
分布信息获得模块，用于分别获得所述第一边缘图像与第二边缘图像中边缘像素点的分布信息，分别作为第一分布信息与第二分布信息；
突变检测模块，用于通过比较所述第一分布信息与第二分布信息，检测所述待检测视频在所述第一视频帧与第二视频帧之间是否发生视频内容突变。
本发明的一个实施例中，所述分布信息获得模块，具体用于：
计算所述第一边缘图像中各像素点的像素值的方差，作为第一分布信息；
计算所述第二边缘图像中各像素点的像素值的方差，作为第二分布信息。
本发明的一个实施例中，所述突变检测模块，具体用于：
计算所述第一分布信息与第二分布信息的绝对差值；
若所述绝对差值大于预设差值，则判定所述待检测视频在所述第一视频帧与第二视频帧之间发生了视频内容突变；
否则，判定所述待检测视频在所述第一视频帧与第二视频帧之间未发生视频内容突变。
本发明的一个实施例中，所述装置还包括：
相似度判断模块，用于计算所述第一视频帧与第二视频帧之间的图像相似度，若所述图像相似度不低于预设相似度，触发所述图像获得模块。
本发明的一个实施例中，所述装置还包括：
视频帧降噪模块，用于分别对所述第一视频帧和第二视频帧进行降噪处理；
所述图像获得模块，具体用于：对降噪处理后的第一视频帧和第二视频帧分别进行边缘提取，获得第一边缘图像和第二边缘图像。
第三方面，本发明实施例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，实现第一方面任一所述的方法步骤。
第四方面，本发明实施例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内存储有计算机程序，所述计算机程序被处理器执行时实现第一方面任一所述的方法步骤。
第五方面，本发明实施例还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述第一方面任一所述的方法步骤。
本发明实施例有益效果：
应用本发明实施例提供的方案进行视频内容突变检测时，确定待检测视频中的第一视频帧与第二视频帧，对第一视频帧与第二视频帧分别进行边缘提取，获得第一边缘图像与第二边缘图像，分别获得上述第一边缘图像与第二边缘图像中边缘像素点的分布信息，分别作为第一分布信息与第二分布信息，通过比较上述第一分布信息与第二分布信息，检测待检测视频在第一视频帧与第二视频帧之间是否发生视频内容突变。由于字幕中的字符具有边缘锋利的特点，因此对第一视频帧与第二视频帧进行边缘提取可以提取出字幕中字符的边缘。并且由于字幕在视频中的连续性较弱，会突然出现、消失或变化，因此字幕中字符的边缘会发生突变，但在未发生场景切换的情况下，视频中其他部分的视频内容具有较强的连续性，视频内容变化缓慢，一般不会发生突变，因此视频帧中字幕外其他区域的边缘发生突变的概率较低。可以认为上述第一分布信息和第二分布信息反映了第一视频帧和第二视频帧中字幕中字符边缘像素点的分布情况，排除了视频帧中其他区域字符边缘的影响。所以，通过上述第一分部信息和第二分布信息之间的变化，可以判断出视频帧中的字幕是否发生突变，提高了检测视频内容是否发生突变的准确度。
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为本发明实施例提供的第一种视频内容突变检测方法的流程示意图；
图2为本发明实施例提供的一种视频帧示意图；
图3为本发明实施例提供的一种边缘图像示意图；
图4为本发明实施例提供的第二种视频内容突变检测方法的流程示意图；
图5为本发明实施例提供的第三种视频内容突变检测方法的流程示意图；
图6为本发明实施例提供的第一种视频内容突变检测装置的结构示意图；
图7为本发明实施例提供的第二种视频内容突变检测装置的结构示意图；
图8为本发明实施例提供的第三种视频内容突变检测装置的结构示意图；
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
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，所描述的实施例仅仅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做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。
由于现有技术中视频内容发生突变可能是由视频帧内字幕突变引起的，可以通过识别相邻视频帧中分别包含的字符，对比相邻视频帧中包含的字符是否相似，从而检测视频中字幕是否发生突变，进而检测相邻视频帧的内容是否发生突变。但上述方式易受视频帧中非字幕区域包含的字符的影响，导致检测视频内容是否发生突变的准确度低。为解决这一技术问题，本发明实施例提供了一种视频内容突变检测方法及装置。
本发明的一个实施例中，提供了一种视频内容突变检测方法，上述方法包括：
确定待检测视频中的第一视频帧和第二视频帧。
对上述第一视频帧与第二视频帧分别进行边缘提取，获得第一边缘图像和第二边缘图像。
分别获得上述第一边缘图像与第二边缘图像中边缘像素点的分布信息，分别作为第一分布信息与第二分布信息。
通过比较上述第一分布信息与第二分布信息，检测上述待检测视频在上述第一视频帧与第二视频帧之间是否发生视频内容突变。
由于字幕中的字符具有边缘锋利的特点，因此对第一视频帧与第二视频帧进行边缘提取可以提取出字幕中字符的边缘。并且由于字幕在视频中的连续性较弱，会突然出现、消失或变化，因此字幕中字符的边缘会发生突变，但在未发生场景切换的情况下，视频中其他部分的视频内容具有较强的连续性，视频内容变化缓慢，一般不会发生突变，因此视频帧中字幕外其他区域的边缘发生突变的概率较低。可以认为上述第一分布信息和第二分布信息反映了第一视频帧和第二视频帧中字幕中字符边缘像素点的分布情况，排除了视频帧中其他区域字符边缘的影响。所以，通过上述第一分部信息和第二分布信息之间的变化，可以判断出视频帧中的字幕是否发生突变，提高了检测视频内容是否发生突变的准确度。
下面通过具体实施例对本发明实施例提供的视频内容突变检测方法及装置进行说明。
图1为本发明实施例提供的第一种视频内容突变检测方法的流程示意图，具体的，上述方法包括以下步骤S101-S104。
S101：确定待检测视频中的第一视频帧和第二视频帧。
具体的，上述第一视频帧与第二视频帧可以为相邻视频帧，或相距固定帧数的两个视频帧。
例如，上述固定帧数可以为2帧、3帧、5帧、10帧、15帧等。
另外，上述第一视频帧和第二视频帧可以为彩色图像，也可以为灰度图像。
具体的，若上述第一视频帧与第二视频帧为灰度图像，上述灰度图像可以为对彩色图像进行灰度化处理获得的。
由于灰度图像已经包含图像的主要信息，而灰度图像包含的数据仅仅为整个图像所包含数据的一部分，因此，应用灰度图像进行内容突变检测可以加快检测速度。再者，上述第一视频帧、第二视频帧可以是待检测视频中存在字幕的视频帧。当然，也可以是不包含字幕的视频帧。
S102：对上述第一视频帧与第二视频帧分别进行边缘提取，获得第一边缘图像和第二边缘图像。
具体的，由于视频帧中的字幕中的字符具有边缘锋利的特点，因此，对视频帧进行边缘提取可以获得视频帧中字幕内字符的边缘。
参见图2为本发明实施例提供的一种视频帧示意图，图3为本发明实施例提供的一种边缘图像示意图。
具体的，上述图3所示的边缘图像是对图2所示的视频帧进行边缘提取获得的。
本发明的一个实施例中，可以使用拉普拉斯算子进行上述边缘提取。
具体的，在使用拉普拉斯算子进行边缘提取时，使用以下公式分别获得第一边缘图像和第二边缘图像。
其中，上述I1为上述第一视频帧，为第一边缘图像，Laplacian为拉普拉斯算子。
其中，上述I2为上述第二视频帧，为
第二边缘图像，Laplacian为拉普拉斯算子。
另外，在对第一视频帧和第二视频帧进行边缘提取时，还可以采用现有技术中的边缘提取方式实现，这里不再赘述。
S103：分别获得上述第一边缘图像与第二边缘图像中边缘像素点的分布信息，分别作为第一分布信息与第二分布信息。
其中，上述边缘像素点的分布信息，用于表示边缘像素点在边缘图像中的分布情况。具体的，上述分布信息可以表示边缘像素点在边缘图像中的位置分布情况，还可以表示边缘像素点在边缘图像中的像素值分布情况等。
具体的，可以使用步骤A-步骤B提供的方法，获得上述第一分布信息与第二分布信息。
步骤A：计算上述第一边缘图像中各像素点的像素值的方差，作为第一分布信息。
例如，当使用拉普拉斯算子对第一视频帧进行处理时，生成的第一边缘图像为灰度图，上述像素点的像素值即为上述像素点的灰度值，可以计算图像中各个像素点灰度值的方差，作为第一分布信息。
除此之外，还可以获得第一边缘图像中边缘像素点的坐标信息，计算所获得坐标信息中横、纵坐标的平均值，作为第一分布信息等。
步骤B：计算上述第二边缘图像中各像素点的像素值的方差，作为第二分布信息。
例如，当使用拉普拉斯算子对第二视频帧进行处理时，生成的第二边缘图像为灰度图，上述像素点的像素值即为上述像素点的灰度值，可以计算图像中各个像素点灰度值的方差，作为第二分布信息。
除此之外，还可以获得第二边缘图像中边缘像素点的坐标信息，计算所获得坐标信息中横、纵坐标的平均值，作为第二分布信息等。
S104：通过比较上述第一分布信息与第二分布信息，检测上述待检测视频在上述第一视频帧与第二视频帧之间是否发生视频内容突变。
具体的，可以通过步骤C-步骤D判断上述待检测视频在上述第一视频帧与第二视频帧之间是否发生视频内容突变。
步骤C：计算上述第一分布信息与第二分布信息的绝对差值。
具体的，可以使用以下公式计算第一分部信息与第二分布信息的绝对差值。
abs(var1-var2)
其中，var1为第一分布信息，var2为第二分布信息，abs为绝对差值函数。
另外，当第一分布信息与第二分布信息为边缘像素点横纵坐标的平均值时，可以比较第一分布信息与第二分布信息的坐标平均值大小。
步骤D：判断上述绝对差值是否大于预设差值。
若上述差值大于预设差值，说明第一视频帧与第二视频帧之间边缘像素点分布不一致，也就说明在上述第一视频帧与第二视频帧之间存在发生了突变的内容，因此判定上述待检测视频在上述第一视频帧与第二视频帧之间发生了视频内容突变。
否则，说明第一视频帧与第二视频帧之间边缘像素点分布一致，也就说明在上述第一视频帧与第二视频帧之间不存在发生突变的内容，因此判定上述待检测视频在上述第一视频帧与第二视频帧之间未发生视频内容突变。当第一视频帧和/或第二视频帧为存在字幕的视频帧时，若上述差值大于预设差值，说明第一视频帧和第二视频帧中存在发生了突变的内容，可能发生了字幕出现、消失或变化等情况。反之，若上述差值不大于预设差值，说明第一视频帧和第二视频帧中不存在发生了突变的内容，也就是未发生字幕出现、消失或变化等情况。
例如，上述预设差值可以为50、100等。
另外，当第一分布信息与第二分布信息为边缘像素点横、纵坐标的平均值时，当第一分布信息对应的平均值与第二分布信息对应的平均值发生变化，或者变化小于预设变化值时，说明第一视频帧与第二视频帧中不存在发生突变的内容。
由以上可见，本实施例提供的方案中，确定待检测视频中的第一视频帧与第二视频帧，对第一视频帧与第二视频帧分别进行边缘提取，获得第一边缘图像与第二边缘图像，分别获得上述第一边缘图像与第二边缘图像中边缘像素点的分布信息，分别作为第一分布信息与第二分布信息，通过比较上述第一分布信息与第二分布信息，检测待检测视频在第一视频帧与第二视频帧之间是否发生视频内容突变。由于字幕中的字符具有边缘锋利的特点，因此对第一视频帧与第二视频帧进行边缘提取可以提取出字幕中字符的边缘。并且由于字幕在视频中的连续性较弱，会突然出现、消失或变化，因此字幕中字符的边缘会发生突变，但在未发生场景切换的情况下，视频中其他部分的视频内容具有较强的连续性，视频内容变化缓慢，一般不会发生突变，因此视频帧中字幕外其他区域的边缘发生突变的概率较低。可以认为上述第一分布信息和第二分布信息反映了第一视频帧和第二视频帧中字幕中字符边缘像素点的分布情况，排除了视频帧中其他区域字符边缘的影响。所以，通过上述第一分部信息和第二分布信息之间的变化，可以判断出视频帧中的字幕是否发生突变，提高了检测视频内容是否发生突变的准确度。
本发明的一个实施例中，参见图4，提供了第二种视频内容突变检测方法的流程示意图，在上述步骤S102之前，还包括：
S106：计算上述第一视频帧与第二视频帧之间的图像相似度。
若上述图像相似度不低于预设相似度，说明第一视频帧与第二视频帧的图像整体未发生较大变化，从而说明第一视频帧与第二视频帧之间未发生场景突变，因此需要进一步检测第一视频帧与第二视频帧之间是否发生字幕突变，从而确定第一视频帧与第二视频帧之间是否发生视频内容突变，执行上述步骤S102。
具体的，可以使用SSIM(Structural Similarity，结构相似性)算法或其他算法计算上述第一视频帧与第二视频帧的图像相似度。
若上述图像相似度低于预设相似度，说明第一视频帧与第二视频帧的图像整体发生了较大变化，从而说明第一视频帧与第二视频帧之间发生场景突变，已经可以说明第一视频帧与第二视频帧之间发生了视频内容突变，因此不需要进一步检测是否发生字幕突变，可以结束本发明实施例的流程。
由以上可见，本实施例提供的方案中，通过计算图像相似度，确定第一视频帧与第二视频帧的图像整体是否发生较大变化，从而确定第一视频帧与第二视频帧之间是否发生场景突变。当场景发生突变时，说明视频内容已经发生了突变，也就无需再进一步进行字幕是否发生突变的检测。而在场景没有没发生突变的情况下，视频帧中的字幕还有可能存在变化，导致视频内容发生突变。本实施例中，首先通过计算第一视频帧与第二视频帧的图像相似度排除场景发生突变的情况，从而只针对场景没有发生突变的情况进行边缘提取，并基于边缘突变情况进行突变检测，在场景发生突变时结束本方案的流程，因此提高了本方案对视频内容突变进行检测的效率。
本发明的一个实施例中，参见图5，提供了第三种视频内容突变检测方法的流程示意图，在上述步骤S102中获得第一边缘图像和第二边缘图像之前，还包括：
S107：分别对上述第一视频帧和第二视频帧进行降噪处理。
其中，可以对上述第一视频帧和第二视频帧进行高斯模糊或其他处理，对上述视频帧进行降噪处理。
具体的，上述降噪处理可以使用opencv库的GaussianBlur函数。
其中，使用GaussianBlur函数进行降噪处理时，可以通过以下公式分别获得降噪处理后的第一视频帧与第二视频帧。
其中，上述I1为第一视频帧，
为经过降噪处理后的第一视频帧，GaussianBlur为GaussianBlur函数。
其中，上述I2为第二视频帧，
为经过降噪处理后的第二视频帧，GaussianBlur为GaussianBlur函数。
在上述基础上，上述步骤S102对上述第一视频帧与第二视频帧分别进行边缘提取，获得第一边缘图像和第二边缘图像，可以通过下述S102A实现。
S102A：对降噪处理后的第一视频帧和第二视频帧分别进行边缘提取，获得第一边缘图像和第二边缘图像。
在执行完上述S102A所示的步骤之后，可以继续执行前述S103，进而执行后续的S104，实现对第一视频帧与第二视频帧之间是否发生视频内容突变的检测。
对第一视频帧与第二视频帧进行降噪处理，可以去除第一视频帧与第二视频帧中噪声的影响，去除噪声对图像造成的干扰，提高图像的质量，从而提高对第一视频帧与第二视频帧进行边缘提取的准确度，从而提高了检测视频内容是否发生突变的准确度。
图6为本发明实施例提供的第一种视频内容突变检测装置的结构示意图，具体的，上述装置包括：
视频帧确定模块601，用于确定待检测视频中的第一视频帧和第二视频帧；
图像获得模块602，用于对所述第一视频帧与第二视频帧分别进行边缘提取，获得第一边缘图像和第二边缘图像；
分布信息获得模块603，用于分别获得所述第一边缘图像与第二边缘图像中边缘像素点的分布信息，分别作为第一分布信息与第二分布信息；
突变检测模块604，用于通过比较所述第一分布信息与第二分布信息，检测所述待检测视频在所述第一视频帧与第二视频帧之间是否发生视频内容突变。
本发明的一个实施例中，上述分布信息获得模块603，具体用于：
计算所述第一边缘图像中各像素点的像素值的方差，作为第一分布信息；
计算所述第二边缘图像中各像素点的像素值的方差，作为第二分布信息。
本发明的一个实施例中，上述突变检测模块604，具体用于：
计算所述第一分布信息与第二分布信息的绝对差值；
若所述绝对差值大于预设差值，则判定所述待检测视频在所述第一视频帧与第二视频帧之间发生了视频内容突变；
否则，判定所述待检测视频在所述第一视频帧与第二视频帧之间未发生视频内容突变。
由以上可见，本实施例提供的方案中，确定待检测视频中的第一视频帧与第二视频帧，对第一视频帧与第二视频帧分别进行边缘提取，获得第一边缘图像与第二边缘图像，分别获得上述第一边缘图像与第二边缘图像中边缘像素点的分布信息，分别作为第一分布信息与第二分布信息，通过比较上述第一分布信息与第二分布信息，检测待检测视频在第一视频帧与第二视频帧之间是否发生视频内容突变。由于字幕中的字符具有边缘锋利的特点，因此对第一视频帧与第二视频帧进行边缘提取可以提取出字幕中字符的边缘。并且由于字幕在视频中的连续性较弱，会突然出现、消失或变化，因此字幕中字符的边缘会发生突变，但在未发生场景切换的情况下，视频中其他部分的视频内容具有较强的连续性，视频内容变化缓慢，一般不会发生突变，因此视频帧中字幕外其他区域的边缘发生突变的概率较低。可以认为上述第一分布信息和第二分布信息反映了第一视频帧和第二视频帧中字幕中字符边缘像素点的分布情况，排除了视频帧中其他区域字符边缘的影响。所以，通过上述第一分部信息和第二分布信息之间的变化，可以判断出视频帧中的字幕是否发生突变，提高了检测视频内容是否发生突变的准确度。
本发明的一个实施例中，参见图7，为本发明实施例提供的第二种视频内容突变检测装置的结构示意图，上述视频内容突变检测装置还包括：
相似度判断模块605，用于计算所述第一视频帧与第二视频帧之间的图像相似度，若所述图像相似度不低于预设相似度，触发所述图像获得模块602。
由以上可见，本实施例提供的方案中，通过计算图像相似度，确定第一视频帧与第二视频帧的图像整体是否发生较大变化，从而确定第一视频帧与第二视频帧之间是否发生场景突变。当场景发生突变时，说明视频内容已经发生了突变，也就无需再进一步进行字幕是否发生突变的检测。而在场景没有没发生突变的情况下，视频帧中的字幕还有可能存在变化，导致视频内容发生突变。本实施例中，首先通过计算第一视频帧与第二视频帧的图像相似度排除场景发生突变的情况，从而只针对场景没有发生突变的情况进行边缘提取，并基于边缘突变情况进行突变检测，在场景发生突变时结束本方案的流程，因此提高了本方案对视频内容突变进行检测的效率。
本发明的一个实施例中，参见图8，为本发明实施例提供的第三种视频内容突变检测装置的结构示意图，上述视频内容突变检测装置还包括：
视频帧降噪模块606，用于分别对所述第一视频帧和第二视频帧进行降噪处理；
上述图像获得模块602，具体用于：
对降噪处理后的第一视频帧和第二视频帧分别进行边缘提取，获得第一边缘图像和第二边缘图像。
由以上可见，本实施例提供的一个方案中，对第一视频帧与第二视频帧进行降噪处理，去除第一视频帧与第二视频帧中噪声的影响，去除噪声对图像造成的干扰，提高图像的质量，从而提高对第一视频帧与第二视频帧进行边缘提取的准确度，从而提高了检测视频内容是否发生突变的准确度。
本发明实施例还提供了一种电子设备，如图9所示，包括处理器901、通信接口902、存储器903和通信总线904，其中，处理器901，通信接口902，存储器903通过通信总线904完成相互间的通信，
存储器903，用于存放计算机程序；
处理器901，用于执行存储器903上所存放的程序时，实现上述视频内容突变检测方法实施例所述的步骤。
应用本实施例提供的电子设备进行视频内容突变检测时，确定待检测视频中的第一视频帧与第二视频帧，对第一视频帧与第二视频帧分别进行边缘提取，获得第一边缘图像与第二边缘图像，分别获得上述第一边缘图像与第二边缘图像中边缘像素点的分布信息，分别作为第一分布信息与第二分布信息，通过比较上述第一分布信息与第二分布信息，检测待检测视频在第一视频帧与第二视频帧之间是否发生视频内容突变。由于字幕中的字符具有边缘锋利的特点，因此对第一视频帧与第二视频帧进行边缘提取可以提取出字幕中字符的边缘。并且由于字幕在视频中的连续性较弱，会突然出现、消失或变化，因此字幕中字符的边缘会发生突变，但在未发生场景切换的情况下，视频中其他部分的视频内容具有较强的连续性，视频内容变化缓慢，一般不会发生突变，因此视频帧中字幕外其他区域的边缘发生突变的概率较低。可以认为上述第一分布信息和第二分布信息反映了第一视频帧和第二视频帧中字幕中字符边缘像素点的分布情况，排除了视频帧中其他区域字符边缘的影响。所以，通过上述第一分部信息和第二分布信息之间的变化，可以判断出视频帧中的字幕是否发生突变，提高了检测视频内容是否发生突变的准确度。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图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。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，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。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，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。
在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一视频内容突变检测所述的方法步骤。
执行本实施例提供的计算机可读存储介质中存储的计算机程序进行视频内容突变检测时，确定待检测视频中的第一视频帧与第二视频帧，对第一视频帧与第二视频帧分别进行边缘提取，获得第一边缘图像与第二边缘图像，分别获得上述第一边缘图像与第二边缘图像中边缘像素点的分布信息，分别作为第一分布信息与第二分布信息，通过比较上述第一分布信息与第二分布信息，检测待检测视频在第一视频帧与第二视频帧之间是否发生视频内容突变。由于字幕中的字符具有边缘锋利的特点，因此对第一视频帧与第二视频帧进行边缘提取可以提取出字幕中字符的边缘。并且由于字幕在视频中的连续性较弱，会突然出现、消失或变化，因此字幕中字符的边缘会发生突变，但在未发生场景切换的情况下，视频中其他部分的视频内容具有较强的连续性，视频内容变化缓慢，一般不会发生突变，因此视频帧中字幕外其他区域的边缘发生突变的概率较低。可以认为上述第一分布信息和第二分布信息反映了第一视频帧和第二视频帧中字幕中字符边缘像素点的分布情况，排除了视频帧中其他区域字符边缘的影响。所以，通过上述第一分部信息和第二分布信息之间的变化，可以判断出视频帧中的字幕是否发生突变，提高了检测视频内容是否发生突变的准确度。
在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一视频内容突变检测方法。
执行本实施例提供的计算机程序产品进行视频内容突变检测时，确定待检测视频中的第一视频帧与第二视频帧，对第一视频帧与第二视频帧分别进行边缘提取，获得第一边缘图像与第二边缘图像，分别获得上述第一边缘图像与第二边缘图像中边缘像素点的分布信息，分别作为第一分布信息与第二分布信息，通过比较上述第一分布信息与第二分布信息，检测待检测视频在第一视频帧与第二视频帧之间是否发生视频内容突变。由于字幕中的字符具有边缘锋利的特点，因此对第一视频帧与第二视频帧进行边缘提取可以提取出字幕中字符的边缘。并且由于字幕在视频中的连续性较弱，会突然出现、消失或变化，因此字幕中字符的边缘会发生突变，但在未发生场景切换的情况下，视频中其他部分的视频内容具有较强的连续性，视频内容变化缓慢，一般不会发生突变，因此视频帧中字幕外其他区域的边缘发生突变的概率较低。可以认为上述第一分布信息和第二分布信息反映了第一视频帧和第二视频帧中字幕中字符边缘像素点的分布情况，排除了视频帧中其他区域字符边缘的影响。所以，通过上述第一分部信息和第二分布信息之间的变化，可以判断出视频帧中的字幕是否发生突变，提高了检测视频内容是否发生突变的准确度。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
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。而且，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、物品或者设备不仅包括那些要素，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、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、电子设备、计算机可读存储介质和计算机程序产品实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。
Claims (12)
1.一种视频内容突变检测方法，其特征在于，所述方法包括：
确定待检测视频中的第一视频帧和第二视频帧；
对所述第一视频帧与第二视频帧分别进行边缘提取，获得第一边缘图像和第二边缘图像；
分别获得所述第一边缘图像与第二边缘图像中边缘像素点的分布信息，分别作为第一分布信息与第二分布信息；
通过比较所述第一分布信息与第二分布信息，检测所述待检测视频在所述第一视频帧与第二视频帧之间是否发生视频内容突变。
2.根据权利要求1所述的方法，其特征在于，所述分别获得所述第一边缘图像与第二边缘图像中边缘像素点的分布信息，分别作为第一分布信息与第二分布信息，包括：
计算所述第一边缘图像中各像素点的像素值的方差，作为第一分布信息；
计算所述第二边缘图像中各像素点的像素值的方差，作为第二分布信息。
3.根据权利要求1或2所述的方法，其特征在于，所述通过比较所述第一分布信息与第二分布信息，检测所述待检测视频在所述第一视频帧与第二视频帧之间是否发生视频内容突变，包括：
计算所述第一分布信息与第二分布信息的绝对差值；
若所述绝对差值大于预设差值，则判定所述待检测视频在所述第一视频帧与第二视频帧之间发生了视频内容突变；
否则，判定所述待检测视频在所述第一视频帧与第二视频帧之间未发生视频内容突变。
4.根据权利要求1或2所述的方法，其特征在于，在所述对所述第一视频帧与第二视频帧分别进行边缘提取，获得第一边缘图像和第二边缘图像之前，还包括：
计算所述第一视频帧与第二视频帧之间的图像相似度；
若所述图像相似度不低于预设相似度，执行所述对所述第一视频帧与第二视频帧分别进行边缘提取，获得第一边缘图像和第二边缘图像的步骤。
5.根据权利要求1或2所述的方法，其特征在于，在所述对所述第一视频帧与第二视频帧分别进行边缘提取，获得第一边缘图像和第二边缘图像之前，还包括：
分别对所述第一视频帧和第二视频帧进行降噪处理；
所述对所述第一视频帧与第二视频帧分别进行边缘提取，获得第一边缘图像和第二边缘图像，包括：
对降噪处理后的第一视频帧和第二视频帧分别进行边缘提取，获得第一边缘图像和第二边缘图像。
6.一种视频内容突变检测装置，其特征在于，所述装置包括：
视频帧确定模块，用于确定待检测视频中的第一视频帧和第二视频帧；
图像获得模块，用于对所述第一视频帧与第二视频帧分别进行边缘提取，获得第一边缘图像和第二边缘图像；
分布信息获得模块，用于分别获得所述第一边缘图像与第二边缘图像中边缘像素点的分布信息，分别作为第一分布信息与第二分布信息；
突变检测模块，用于通过比较所述第一分布信息与第二分布信息，检测所述待检测视频在所述第一视频帧与第二视频帧之间是否发生视频内容突变。
7.根据权利要求6所述的装置，其特征在于，所述分布信息获得模块，具体用于：
计算所述第一边缘图像中各像素点的像素值的方差，作为第一分布信息；
计算所述第二边缘图像中各像素点的像素值的方差，作为第二分布信息。
8.根据权利要求6或7所述的装置，其特征在于，所述突变检测模块，具体用于：
计算所述第一分布信息与第二分布信息的绝对差值；
若所述绝对差值大于预设差值，则判定所述待检测视频在所述第一视频帧与第二视频帧之间发生了视频内容突变；
否则，判定所述待检测视频在所述第一视频帧与第二视频帧之间未发生视频内容突变。
9.根据权利要求6或7所述的装置，其特征在于，所述装置还包括：
相似度判断模块，用于计算所述第一视频帧与第二视频帧之间的图像相似度，若所述图像相似度不低于预设相似度，触发所述图像获得模块。
10.根据权利要求6或7所述的装置，其特征在于，所述装置还包括：
视频帧降噪模块，用于分别对所述第一视频帧和第二视频帧进行降噪处理；
所述图像获得模块，具体用于：对降噪处理后的第一视频帧和第二视频帧分别进行边缘提取，获得第一边缘图像和第二边缘图像。
11.一种电子设备，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1-5任一所述的方法步骤。
12.一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内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-5任一所述的方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911042448.9A CN110708568B (zh) | 2019-10-30 | 2019-10-30 | 一种视频内容突变检测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911042448.9A CN110708568B (zh) | 2019-10-30 | 2019-10-30 | 一种视频内容突变检测方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110708568A true CN110708568A (zh) | 2020-01-17 |
| CN110708568B CN110708568B (zh) | 2021-12-10 |
Family
ID=69202733
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911042448.9A Active CN110708568B (zh) | 2019-10-30 | 2019-10-30 | 一种视频内容突变检测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110708568B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113099217A (zh) * | 2021-03-31 | 2021-07-09 | 苏州科达科技股份有限公司 | 一种视频连续性检测方法、装置、设备及存储介质 |
| CN114554285A (zh) * | 2022-02-25 | 2022-05-27 | 京东方科技集团股份有限公司 | 视频插帧处理方法、视频插帧处理装置和可读存储介质 |
| WO2023159470A1 (zh) * | 2022-02-25 | 2023-08-31 | 京东方科技集团股份有限公司 | 视频插帧处理方法、视频插帧处理装置和可读存储介质 |
| CN116939171A (zh) * | 2023-09-19 | 2023-10-24 | 南方电网数字电网研究院有限公司 | 输电线路监控方法、装置和计算机设备 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070047843A1 (en) * | 2005-08-25 | 2007-03-01 | Hisashi Kazama | Image storage device and method |
| CN101021857A (zh) * | 2006-10-20 | 2007-08-22 | 鲍东山 | 基于内容分析的视频搜索系统 |
| CN103093458A (zh) * | 2012-12-31 | 2013-05-08 | 清华大学 | 关键帧的检测方法及装置 |
| CN104952073A (zh) * | 2015-06-15 | 2015-09-30 | 上海交通大学 | 基于深度学习的镜头边缘检测方法 |
| CN105893920A (zh) * | 2015-01-26 | 2016-08-24 | 阿里巴巴集团控股有限公司 | 一种人脸活体检测方法和装置 |
| CN108174198A (zh) * | 2018-03-07 | 2018-06-15 | 江苏中软智能系统有限公司 | 一种视频图像质量诊断分析检测设备及应用系统 |
| CN108537157A (zh) * | 2018-03-30 | 2018-09-14 | 特斯联（北京）科技有限公司 | 一种基于人工智能分类实现的视频场景判断方法与装置 |
| CN108596844A (zh) * | 2018-04-12 | 2018-09-28 | 中国人民解放军陆军装甲兵学院 | 用于弹炮遥控武器站的背景抑制方法 |
| CN109146832A (zh) * | 2018-08-02 | 2019-01-04 | 广州市鑫广飞信息科技有限公司 | 一种视频图像的拼接方法、装置、终端设备及存储介质 |
| CN109284653A (zh) * | 2017-07-20 | 2019-01-29 | 微软技术许可有限责任公司 | 基于计算机视觉的细长物体检测 |
| US10230812B1 (en) * | 2016-01-29 | 2019-03-12 | Amazon Technologies, Inc. | Dynamic allocation of subtitle packaging |
| WO2019098775A1 (ko) * | 2017-11-16 | 2019-05-23 | 삼성전자주식회사 | 디스플레이장치 및 그 제어방법 |
| CN110059675A (zh) * | 2019-06-21 | 2019-07-26 | 南京擎盾信息科技有限公司 | 一种机器人识别道路交通执法行为并提供规范化辅助的方法 |
-
2019
- 2019-10-30 CN CN201911042448.9A patent/CN110708568B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070047843A1 (en) * | 2005-08-25 | 2007-03-01 | Hisashi Kazama | Image storage device and method |
| CN101021857A (zh) * | 2006-10-20 | 2007-08-22 | 鲍东山 | 基于内容分析的视频搜索系统 |
| CN103093458A (zh) * | 2012-12-31 | 2013-05-08 | 清华大学 | 关键帧的检测方法及装置 |
| CN105893920A (zh) * | 2015-01-26 | 2016-08-24 | 阿里巴巴集团控股有限公司 | 一种人脸活体检测方法和装置 |
| CN104952073A (zh) * | 2015-06-15 | 2015-09-30 | 上海交通大学 | 基于深度学习的镜头边缘检测方法 |
| US10230812B1 (en) * | 2016-01-29 | 2019-03-12 | Amazon Technologies, Inc. | Dynamic allocation of subtitle packaging |
| CN109284653A (zh) * | 2017-07-20 | 2019-01-29 | 微软技术许可有限责任公司 | 基于计算机视觉的细长物体检测 |
| WO2019098775A1 (ko) * | 2017-11-16 | 2019-05-23 | 삼성전자주식회사 | 디스플레이장치 및 그 제어방법 |
| CN108174198A (zh) * | 2018-03-07 | 2018-06-15 | 江苏中软智能系统有限公司 | 一种视频图像质量诊断分析检测设备及应用系统 |
| CN108537157A (zh) * | 2018-03-30 | 2018-09-14 | 特斯联（北京）科技有限公司 | 一种基于人工智能分类实现的视频场景判断方法与装置 |
| CN108596844A (zh) * | 2018-04-12 | 2018-09-28 | 中国人民解放军陆军装甲兵学院 | 用于弹炮遥控武器站的背景抑制方法 |
| CN109146832A (zh) * | 2018-08-02 | 2019-01-04 | 广州市鑫广飞信息科技有限公司 | 一种视频图像的拼接方法、装置、终端设备及存储介质 |
| CN110059675A (zh) * | 2019-06-21 | 2019-07-26 | 南京擎盾信息科技有限公司 | 一种机器人识别道路交通执法行为并提供规范化辅助的方法 |
Non-Patent Citations (2)
| Title |
|---|
| MIN XU: "《Affective content detection in sitcom using subtitle and audio》", 《2006 12TH INTERNATIONAL MULTI-MEDIA MODELLING CONFERENCE》 * |
| 郭阿弟: "《视频镜头边界检测的研究》", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113099217A (zh) * | 2021-03-31 | 2021-07-09 | 苏州科达科技股份有限公司 | 一种视频连续性检测方法、装置、设备及存储介质 |
| CN114554285A (zh) * | 2022-02-25 | 2022-05-27 | 京东方科技集团股份有限公司 | 视频插帧处理方法、视频插帧处理装置和可读存储介质 |
| WO2023159470A1 (zh) * | 2022-02-25 | 2023-08-31 | 京东方科技集团股份有限公司 | 视频插帧处理方法、视频插帧处理装置和可读存储介质 |
| CN116939171A (zh) * | 2023-09-19 | 2023-10-24 | 南方电网数字电网研究院有限公司 | 输电线路监控方法、装置和计算机设备 |
| CN116939171B (zh) * | 2023-09-19 | 2024-03-26 | 南方电网数字电网研究院有限公司 | 输电线路监控方法、装置和计算机设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110708568B (zh) | 2021-12-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110708568B (zh) | 一种视频内容突变检测方法及装置 | |
| US10896349B2 (en) | Text detection method and apparatus, and storage medium | |
| JP6240199B2 (ja) | 画像における対象物の識別方法及び装置 | |
| US9311533B2 (en) | Device and method for detecting the presence of a logo in a picture | |
| US10748023B2 (en) | Region-of-interest detection apparatus, region-of-interest detection method, and recording medium | |
| CN108830780B (zh) | 图像处理方法及装置、电子设备、存储介质 | |
| US9852353B2 (en) | Structure aware image denoising and noise variance estimation | |
| CN110298858B (zh) | 一种图像裁剪方法及装置 | |
| CN110163786B (zh) | 一种去除水印的方法、装置及设备 | |
| CN110827246A (zh) | 电子设备边框外观瑕疵检测方法及设备 | |
| CN112634288A (zh) | 设备区域图像分割方法及装置 | |
| CN113129298B (zh) | 文本图像的清晰度识别方法 | |
| CN110807457A (zh) | Osd字符识别方法、装置及存储装置 | |
| CN111145202A (zh) | 模型生成方法、图像处理方法、装置、设备及存储介质 | |
| CN110889817B (zh) | 图像融合质量评价方法及装置 | |
| CN109145918B (zh) | 图像分割标注方法及设备 | |
| CN111160358B (zh) | 一种图像二值化方法、装置、设备、介质 | |
| CN114550062A (zh) | 图像中运动对象的确定方法、装置、电子设备和存储介质 | |
| CN114596210A (zh) | 噪声估计方法、装置、终端设备及计算机可读存储介质 | |
| CN111985423A (zh) | 活体检测方法、装置、设备及可读存储介质 | |
| CN111754487B (zh) | 一种黑框区域裁剪方法、装置及电子设备 | |
| CN111080550B (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
| CN114079815B (zh) | 字幕保护方法、系统、终端设备及存储介质 | |
| CN113449713B (zh) | 一种清洗人脸检测模型的训练数据的方法和装置 | |
| US20240020846A1 (en) | Corner point detection method and apparatus |
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 |