CN110913205B - 视频特效的校验方法及装置 - Google Patents

视频特效的校验方法及装置 Download PDF

Info

Publication number
CN110913205B
CN110913205B CN201911178571.3A CN201911178571A CN110913205B CN 110913205 B CN110913205 B CN 110913205B CN 201911178571 A CN201911178571 A CN 201911178571A CN 110913205 B CN110913205 B CN 110913205B
Authority
CN
China
Prior art keywords
special effect
video frame
image
video
interest
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
Application number
CN201911178571.3A
Other languages
English (en)
Other versions
CN110913205A (zh
Inventor
陈裕发
龙祖苑
谢宗兴
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.)
Tencent Technology Shenzhen Co Ltd
Original Assignee
Tencent Technology Shenzhen 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 Tencent Technology Shenzhen Co Ltd filed Critical Tencent Technology Shenzhen Co Ltd
Priority to CN201911178571.3A priority Critical patent/CN110913205B/zh
Publication of CN110913205A publication Critical patent/CN110913205A/zh
Application granted granted Critical
Publication of CN110913205B publication Critical patent/CN110913205B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N17/00—Diagnosis, testing or measuring for television systems or their details
    • H04N17/004—Diagnosis, testing or measuring for television systems or their details for digital television systems
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/222—Studio circuitry; Studio devices; Studio equipment
    • H04N5/262—Studio circuits, e.g. for mixing, switching-over, change of character of image, other special effects ; Cameras specially adapted for the electronic generation of special effects

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Studio Circuits (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供了一种视频特效的校验方法及装置；方法包括：获取对应添加有目标特效的待检测视频的视频帧序列，所述视频帧序列中包括多张携带有所述目标特效的视频帧图像；分别确定各所述视频帧图像中包含所述目标特效的感兴趣区域；获取对应所述目标特效的特效模板；分别将各所述视频帧图像的感兴趣区域与所述特效模板进行匹配，得到各所述视频帧图像中感兴趣区域与所述特效模板的匹配度；基于各所述视频帧图像中感兴趣区域与所述特效模板的匹配度，确定所述待检测视频中添加的所述目标特效的准确度。通过本发明，能够自动对视频中是否准确添加了特效进行校验。

Description

视频特效的校验方法及装置
技术领域
本发明涉及视频处理技术领域，尤其涉及一种视频特效的校验方法及装置。
背景技术
随着视频娱乐的流行，各种可编辑视频类应用均提供了在视频中添加特效的功能，为保证视频中添加的特效能够生效且正确，通常需要对该功能进行测试。
然而，相关技术提供的自动化测试方法，通常是针对用户界面(User Interface，UI)层面和代码层面进行测试，即从UI层面判断业务逻辑是否正确，或者从代码层面进行断言，判断功能是否完善等，而无法判断图形层面是否正确。若要判断某个视频上是否添加了特效或特效添加是否正确，需要通过人工肉眼来判断，如此，十分耗费人力。
发明内容
本发明实施例提供一种视频特效的校验方法及装置，能够自动对视频中是否准确添加了特效进行校验。
本发明实施例的技术方案是这样实现的：
本发明实施例提供一种视频特效的校验方法，包括：
获取对应添加有目标特效的待检测视频的视频帧序列，所述视频帧序列中包括多张携带有所述目标特效的视频帧图像；
分别确定各所述视频帧图像中包含所述目标特效的感兴趣区域；
获取对应所述目标特效的特效模板；
分别将各所述视频帧图像的感兴趣区域与所述特效模板进行匹配，得到各所述视频帧图像中感兴趣区域与所述特效模板的匹配度；
基于各所述视频帧图像中感兴趣区域与所述特效模板的匹配度，确定所述待检测视频中添加的所述目标特效的准确度。
本发明实施例提供一种视频特效的校验装置，包括：
第一获取模块，用于获取对应添加有目标特效的待检测视频的视频帧序列，所述视频帧序列中包括多张携带有所述目标特效的视频帧图像；
第一确定模块，用于分别确定各所述视频帧图像中包含所述目标特效的感兴趣区域；
第二获取模块，用于获取对应所述目标特效的特效模板；
匹配模块，用于分别将各所述视频帧图像的感兴趣区域与所述特效模板进行匹配，得到各所述视频帧图像中感兴趣区域与所述特效模板的匹配度；
第二确定模块，用于基于各所述视频帧图像中感兴趣区域与所述特效模板的匹配度，确定所述待检测视频中添加的所述目标特效的准确度。
上述方案中，所述第一确定模块，还用于分别对各所述视频帧图像进行灰度化处理，得到对应各所述视频帧图像的多个灰度图像；
分别对各所述灰度图像进行二值化处理，得到对应各所述视频帧图像的二值化图像；
分别对各二值化图像中的所述目标特效进行边缘检测，得到对应所述目标特效的边缘关键点；
基于各二值化图像中的所述边缘关键点，确定各所述帧图像中包含所述目标特效的感兴趣区域。
上述方案中，所述匹配模块，还用于基于各所述视频帧图像的感兴趣区域，分别对各所述视频帧图像进行图像分割，得到各所述视频帧图像的感兴趣区域对应的感兴趣区域图像；
调整各所述感兴趣区域图像的大小，和/或调整所述特效模板的大小，以使各所述感兴趣区域图像的大小与所述特效模板的大小相同；
分别将调整后的各所述感兴趣区域图像与所述特效模板进行匹配。
上述方案中，所述匹配模块，还用于获取各所述视频帧图像的感兴趣区域的顶点坐标；
基于各所述视频帧图像的感兴趣区域的顶点坐标，确定各所述视频帧图像的旋转角度；
基于各所述视频帧图像的旋转角度，分别对各所述视频帧图像进行旋转，以矫正各所述视频帧图像的感兴趣区域；
对旋转后的各所述视频帧图像进行图像分割，得到各所述视频帧图像的感兴趣区域所对应的图像。
上述方案中，所述匹配模块，还用于获取各所述视频帧图像中感兴趣区域的第一摘要，及所述特效模板的第二摘要；
分别将各所述第一摘要与所述第二摘要进行匹配。
上述方案中，所述匹配模块，还用于获取各所述视频帧图像中感兴趣区域的第一直方图及所述特效模板的第二直方图；
分别将各第一直方图与所述第二直方图进行匹配。
上述方案中，所述匹配模块，还用于对于每张视频帧图像的感兴趣区域执行以下操作：
获取所述视频帧图像的感兴趣区域的感兴趣区域图像；
对所述感兴趣区域图像进行角度旋转处理，得到对应不同角度的多个旋转图像；
分别将各所述旋转图像与所述特效模板进行匹配，得到各所述旋转图像与所述特效模板的匹配度；
获取各所述旋转图像与所述特效模板的匹配度中的最高匹配度；
将获取的所述最高匹配度作为所述视频帧图像中感兴趣区域与所述特效模板的匹配度。
上述方案中，所述第二确定模块，还用于获取匹配得到的多个匹配度中的最高匹配度；
将所述最高匹配度确定为所述待检测视频中添加的所述目标特效的准确度。
上述方案中，所述第二确定模块，还用于获取匹配得到的多个匹配度的平均值；
将所述平均值确定为所述待检测视频中添加的所述目标特效的准确度。
本发明实施例提供一种电子设备，包括：
存储器，用于存储可执行指令；
处理器，用于执行所述存储器中存储的可执行指令时，实现本发明实施例提供的视频特效的校验方法。
本发明实施例提供一种存储介质，存储有可执行指令，用于引起处理器执行时，实现本发明实施例提供的视频特效的校验方法。
本发明实施例具有以下有益效果：
本发明通过获取对应添加有目标特效的待检测视频的视频帧序列，分别定各所述视频帧图像中包含所述目标特效的感兴趣区域；获取对应目标特效的特效模板；分别将各视频帧图像的感兴趣区域与所述特效模板进行匹配，得到各所述视频帧图像中感兴趣区域与特效模板的匹配度；基于各视频帧图像中感兴趣区域与特效模板的匹配度，确定待检测视频中添加的目标特效的准确度；如此，由于能够根据获取的各视频帧图像中感兴趣区域与特效模板的匹配度，确定待检测视频中添加的目标特效的准确度，进而根据准确度判断出待检测视频中是否准确添加了特效，而不需要通过人工肉眼来判断，实现了自动对视频中是否准确添加了特效进行校验，避免了耗费人力。
附图说明
图1是本发明实施例提供的视频特效的校验系统100的架构示意图；
图2是本发明实施例提供的电子设备的结构示意图；
图3是本发明实施例提供的视频特效的校验方法的流程示意图；
图4A是本发明实施例提供的视频帧图像的示意图；
图4B是本发明实施例提供的灰度图像的示意图；
图4C是本发明实施例提供的二值化图像的示意图；
图4D是本发明实施例提供的边缘关键点的示意图；
图4E是本发明实施例提供的感兴趣区域的示意图；
图5A是本发明实施例提供的对应目标特效的特效模板；
图5B是本发明实施例提供的对应目标特效的特效模板；
图6是本发明实施例提供的旋转后的视频帧图像；
图7是本发明实施例提供的感兴趣区域图像；
图8是本发明实施例提供的视频特效的校验方法的流程示意图；
图9是本发明实施例提供的视频特效的校验方法的流程示意图；
图10是本发明实施例提供的视频特效的校验装置的组成结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，所描述的实施例不应视为对本发明的限制，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它实施例，都属于本发明保护的范围。
在以下的描述中，涉及到“一些实施例”，其描述了所有可能实施例的子集，但是可以理解,“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。
在以下的描述中，所涉及的术语“第一\第二\第三”仅仅是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序，以使这里描述的本发明实施例能够以除了在这里图示或描述的以外的顺序实施。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本发明实施例的目的，不是旨在限制本发明。
对本发明实施例进行进一步详细说明之前，对本发明实施例中涉及的名词和术语进行说明，本发明实施例中涉及的名词和术语适用于如下的解释。
1)感兴趣区域，机器视觉、图像处理中，从被处理的图像以方框、圆、椭圆、不规则多边形等方式勾勒出需要处理的区域，如包含目标特效的区域。
2)特效模板，即用于添加至视频的对应特效的图片素材，拥有固定的呈现样式，包括图片形状、显示方式，比如，“笑脸”的图片，将“笑脸”添加至视频中，在视频中呈现一个笑脸。
3)直方图，用以表示数字图像中亮度分布的直方图，标绘了图像中每个亮度值的像素数。
参见图1，图1是本发明实施例提供的视频特效的校验系统100的架构示意图，为实现支撑一个示例性应用，终端400(示例性示出了终端400-1和终端400-2)通过网络300连接服务器200，网络300可以是广域网或者局域网，又或者是二者的组合。
在一些实施例中，终端400上设置有视频客户端，服务器200为视频客户端所对应的后台服务器，存储有添加有目标特效的待检测视频及对应目标特效的特效模板。
服务器200，用于将添加有目标特效的待检测视频发送给终端400；
终端400，用于对待检测视频进行解码，得到待检测视频的视频帧序列；其中，视频帧序列中包括多张携带有所述目标特效的视频帧图像；分别确定各所述视频帧图像中包含所述目标特效的感兴趣区域；
服务器200，用于将对应目标特效的特效模板发送给终端400；
终端400，还用于获取对应目标特效的特效模板；分别将各视频帧图像的感兴趣区域与特效模板进行匹配，得到各视频帧图像中感兴趣区域与特效模板的匹配度；基于各视频帧图像中感兴趣区域与特效模板的匹配度，确定待检测视频中添加的目标特效的准确度。
在实际应用中，服务器既可以为单独配置的支持各种业务的一个服务器，亦可以配置为一个服务器集群；终端可以为智能手机、平板电脑、笔记本电脑等各种类型的用户终端，还可以为可穿戴计算设备、个人数字助理(PDA)、台式计算机、蜂窝电话、媒体播放器、导航设备、游戏机、电视机、或者这些数据处理设备或其他数据处理设备中任意两个或多个的组合。
接下来对实施本发明实施例的视频特效的校验方法的电子设备进行说明。在一些实施例中，电子设备可以为智能手机、平板电脑、笔记本电脑等各种类型的终端，还可以为服务器。参见图2，图2是本发明实施例提供的电子设备的结构示意图，图2所示的电子设备包括：处理器210、存储器250、网络接口220和用户接口230。电子设备中的各个组件通过总线系统240耦合在一起。可理解，总线系统240用于实现这些组件之间的连接通信。总线系统240除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图2中将各种总线都标为总线系统240。
处理器210可以是一种集成电路芯片，具有信号的处理能力，例如通用处理器、数字信号处理器(DSP，Digital Signal Processor)，或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，其中，通用处理器可以是微处理器或者任何常规的处理器等。
用户接口230包括使得能够呈现媒体内容的一个或多个输出装置231，包括一个或多个扬声器和/或一个或多个视觉显示屏。用户接口230还包括一个或多个输入装置232，包括有助于用户输入的用户接口部件，比如键盘、鼠标、麦克风、触屏显示屏、摄像头、其他输入按钮和控件。
存储器250可以是可移除的，不可移除的或其组合。示例性的硬件设备包括固态存储器，硬盘驱动器，光盘驱动器等。存储器250可选地包括在物理位置上远离处理器210的一个或多个存储设备。
存储器250包括易失性存储器或非易失性存储器，也可包括易失性和非易失性存储器两者。非易失性存储器可以是只读存储器(ROM，Read Only Me mory)，易失性存储器可以是随机存取存储器(RAM，Random Access Memor y)。本发明实施例描述的存储器250旨在包括任意适合类型的存储器。
在一些实施例中，存储器250能够存储数据以支持各种操作，这些数据的示例包括程序、模块和数据结构或者其子集或超集，下面示例性说明。
操作系统251，包括用于处理各种基本系统服务和执行硬件相关任务的系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务；
网络通信模块252，用于经由一个或多个(有线或无线)网络接口220到达其他计算设备，示例性的网络接口220包括：蓝牙、无线相容性认证(WiFi)、和通用串行总线(USB，Universal Serial Bus)等；
显示模块253，用于经由一个或多个与用户接口230相关联的输出装置231(例如，显示屏、扬声器等)使得能够呈现信息(例如，用于操作外围设备和显示内容和信息的用户接口)；
输入处理模块254，用于对一个或多个来自一个或多个输入装置232之一的一个或多个用户输入或互动进行检测以及翻译所检测的输入或互动。
在一些实施例中，本发明实施例提供的视频特效的校验装置可以采用软件方式实现，图2示出了存储在存储器250中的视频特效的校验装置255，其可以是程序和插件等形式的软件，包括以下软件模块：第一获取模块2551、第一确定模块2552、第二获取模块2553、匹配模块2554及第二确定模块2555，这些模块是逻辑上的，因此根据所实现的功能可以进行任意的组合或进一步拆分，将在下文中说明各个模块的功能。
在另一些实施例中，本发明实施例提供的视频特效的校验装置可以采用硬件方式实现，作为示例，本发明实施例提供的视频特效的校验装置可以是采用硬件译码处理器形式的处理器，其被编程以执行本发明实施例提供的视频特效的校验方法，例如，硬件译码处理器形式的处理器可以采用一个或多个应用专用集成电路(ASIC，Application SpecificIntegrated Circuit)、DSP、可编程逻辑器件(PLD，Programmable Logic Device)、复杂可编程逻辑器件(CPLD，Complex Programmable Logic Device)、现场可编程门阵列(FPGA，Field-Pro grammable Gate Array)或其他电子元件。
基于上述对本发明实施例的视频特效的校验系统及电子设备的说明，接下来对本发明实施例提供的视频特效的校验方法进行说明，图3为本发明实施例提供的视频特效的校验法的流程示意图，在一些实施例中，该视频特效的校验方法可由服务器或终端实施，或由服务器及终端协同实施，以终端实施为例，如通过图1中的终端400实施，结合图1及图3，对本发明实施例提供的视频特效的校验方法进行说明。
步骤301：终端获取对应添加有目标特效的待检测视频的视频帧序列。
这里，视频帧序列中包括多张携带有目标特效的视频帧图像。在实际实施时，后台服务器存储有待检测视频，终端从后台服务器获取待检测视频，对待检测视频进行解码，得到对应待检测视频的视频帧序列。
在一些实施例中，终端可以根据预设的采样步长从视频帧序列中提取多张携带有目标特效的视频帧图像，如将采样步长设置为10，那么在视频帧序列中，每隔10帧，提取一张视频帧图像；在另一些实施例中，终端也可以随机从待检测视频的视频帧序列中提取预设数量的携带有目标特效的视频帧图像，例如，在视频帧序列中随机提取10张视频帧图像。
步骤302：分别确定各视频帧图像中包含目标特效的感兴趣区域。
这里，分别从各视频帧图像中勾勒出包含目标特效的感兴趣区域，其中，感兴趣区域可以为方框、圆、椭圆、不规则多边形等方式勾勒。
在一些实施例中，终端可以通过以下方式分别确定各视频帧图像中包含目标特效的感兴趣区域：分别对各视频帧图像进行灰度化处理，得到对应各帧图像的多个灰度图像；分别对各灰度图像进行二值化处理，得到对应各帧图像的二值化图像；分别对各二值化图像中的目标特效进行边缘检测，得到对应目标特效的边缘关键点；基于各二值化图像中的边缘关键点，确定各帧图像中包含目标特效的感兴趣区域。
这里，在RGB模型中，如果R＝G＝B时，则彩色表示一种灰度颜色，其中R＝G＝B的值叫灰度值，因此，灰度图像每个像素只需一个字节存放灰度值(又称强度值、亮度值)，灰度范围为0-255。
在实际实施时，终端可以采用分量法、最大值法、平均值法或加权平均法对各视频帧图像进行灰度化处理。其中，分量法是将视频帧图像中的三分量RGB的亮度作为三个灰度图像的灰度值，可根据应用需要选取三种中的一种灰度图像；最大值法是将视频帧图像中的三分量亮度的最大值作为灰度图的灰度值；平均值法将彩色图像中的三分量亮度求平均得到一个灰度图；加权平均法是根据重要性及其它指标，将三个分量以不同的权值进行加权平均。
这里，二值化处理是指将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的黑白效果的过程。在实际实施时，二值化处理可采用全局二值化、局部二值化或局部自适应二值化。
全局二值化是指设定一个全局的阈值T，用T将灰度图像的数据分成两部分：大于T的像素群和小于T的像素群。将大于T的像素群的像素值设定为白色(或者黑色)，小于T的像素群的像素值设定为黑色(或者白色)。
局部二值化的方法就是按照一定的规则将整幅图像划分为N个窗口，对这N个窗口中的每一个窗口再按照一个统一的阈值T将该窗口内的像素划分为两部分，进行二值化处理。
局部自适应二值化是在局部二值化的基础之上，将阈值的设定更加合理化。该方法的阈值是通过对该窗口像素的平均值E，像素之间的差平方P，像素之间的均方根值Q等各种局部特征，设定一个参数方程进行阈值的计算，例如，T＝a*E+b*P+c*Q，其中，a，b，c是自由参数。
示例性地，以一张视频帧图像为例说明感兴趣区域的确定过程，图4A为本发明实施例提供的视频帧图像的示意图，图4B为本发明实施例提供的灰度图像的示意图，图4C为本发明实施例提供的二值化图像的示意图，图4D为本发明实施例提供的边缘关键点的示意图，图4E为本发明实施例提供的感兴趣区域的示意图。参见图4A-4E，首先，将图4A所示的彩色的视频帧图像转换为如图4B所示的灰度图像；然后，采用大津阈值二值化算法处理如图4B所示的灰度图像，得到如图4C所示的二值化图像；接着，对如图4C所示的二值化图像进行边缘识别，得到如图4D所示的对应目标图像的边缘关键点；最后，找到包含所有边缘关键点的区域，将该区域作为感兴趣区域，如图4E所示的矩形区域为感兴趣区域。
本发明实施例，终端通过对各二值化图像中的目标特效进行边缘检测，得到对应目标特效的边缘关键点，进而根据对应目标特效的边缘关键点，确定包含目标特效的感兴趣区域，如此，即使某个目标特效由多部分构成，也能够快速准备的识别出包含该目标特效的感兴趣区域。
步骤303：获取对应目标特效的特效模板。
在实际实施时，对应目标特效的特效模板可以为多个，各特效模板中目标特效的显示样式不同，包括图片形状、显示方式。其中，图片形状可以为矩形、圆形、椭圆形、不规则多边形等；显示方式包括图片中目标特效对应的显示角度等、显示大小等，例如，图5A-5B为本发明实施例提供的对应目标特效的特效模板，参见图5A-5B，其均是对应“滑冰鞋”特效的特效模板，但图片中滑冰鞋的显示角度不同。
本发明实施例，通过设置多个特效模板，可以消除只有一个特效模板带来的偶然性，保证校验结果的准确性。
步骤304：分别将各视频帧图像的感兴趣区域与特效模板进行匹配，得到各视频帧图像中感兴趣区域与特效模板的匹配度。
在实际实施时，终端可以分别将各视频帧图像的感兴趣区域与特效模板进行相似度匹配，得到各视频帧图像中感兴趣区域与特效模板的相似度，将得到的相似度作为匹配度。
在一些实施例中，终端可以通过以下方式分别将各视频帧图像的感兴趣区域与特效模板进行匹配：基于各视频帧图像的感兴趣区域，分别对各视频帧图像进行图像分割，得到各视频帧图像的感兴趣区域对应的感兴趣区域图像；调整各感兴趣区域图像的大小，和/或调整特效模板的大小，以使各感兴趣区域图像的大小与特效模板的大小相同；分别将调整后的各感兴趣区域图像与特效模板进行匹配。
在实际实施时，终端可以根据特效模板的大小，调整各感兴趣区域图像的大小，使得各感兴趣区域图像的大小与特效模板的大小相同；或者，可以分别根据各感兴趣区域图像的大小，调整特效模板的大小，得到多个调整后的特效模板，各调整后的特效模板分别与各感兴趣区域图像的大小相同；或者，可以设置目标图像大小，分别对各感兴趣区域图像及特效模板进行调整，使得各感兴趣区域图像的大小及特效模板的大小，与目标图像大小相同。
例如，对于每一个感兴趣区域图像，终端可以将该感兴趣区域图像与特效模板中宽度的较小值作为目标宽度，将该感兴趣区域图像与特效模板中长度的较小值作为目标长度，根据目标宽度及目标长度，调整感兴趣区域图像的大小与特效模板的大小。
本发明实施例，通过调整图像大小，使得感兴趣区域图像的大小与特效模板的大小相同，如此，即使特效被放大或者缩小后再添加到视频中，也能够准确对其进行校验。
在一些实施例中，终端可以通过以下方式得到各视频帧图像的感兴趣区域对应的感兴趣区域图像：获取各视频帧图像的感兴趣区域的顶点坐标；基于各视频帧图像的感兴趣区域的顶点坐标，确定各视频帧图像的旋转角度；基于各所述视频帧图像的旋转角度，分别对各视频帧图像进行旋转，以矫正各视频帧图像的感兴趣区域；对旋转后的各视频帧图像进行图像分割，得到各视频帧图像的感兴趣区域所对应的图像。
在实际实施时，当感兴趣区域为矩形时，通过获取矩形的四个顶点坐标，来确定旋转角度，以使旋转后的视频帧图像中的感兴趣区域的水平放置，例如，图6为本发明实施例提供的旋转后的视频帧图像，参见图6，旋转后的视频帧图像中的感兴趣区域的长平行于水平线，宽垂直于水平线。图7为本发明实施例提供的感兴趣区域图像，对图6中的视频帧图像进行图像分割，得到如图7所示的感兴趣区域图像。
在一些实施例中，终端可以通过以下方式分别将各所述视频帧图像的感兴趣区域与所述特效模板进行匹配：获取各所述视频帧图像中感兴趣区域的第一摘要，及所述特效模板的第二摘要；分别将各所述第一摘要与所述第二摘要进行匹配。
在实际实施时，终端通过对各视频帧图像中的感兴趣区域及特效模板进行哈希处理，得到各所述视频帧图像中感兴趣区域的第一摘要及特效模板的第二摘要，其中，摘要为哈希值；分别将各第一摘要与第二摘要进行相似度匹配。
在一些实施例中，终端可以通过以下至少之一对各视频帧图像中感兴趣区域及特效模板进行哈希处理：感知哈希算法、差值哈希算法、均值哈希算法，以基于上述算法至少之一得到的摘要进行相似度匹配，进而得到对应上述算法至少之一的匹配度。
例如，当同时采用感知哈希算法、差值哈希算法及均值哈希算法进行哈希处理时，视频帧图像中的感兴趣区域与特效模板的匹配度可以表示为[Ha Hd H p]，Ha、Hd、Hp分别为对应感知哈希算法、差值哈希算法及均值哈希算法的匹配度。
终端通过感知哈希算法对图像进行哈希处理包括：对图像进行缩放，一般缩放为8x8，共64个像素；将缩放后的图像，转为64级灰度；对灰度化图像进行离散余弦变换(DCT，Discrete Cosine Transform)，得到32x32的矩阵；保留矩阵左上角8x8的矩阵；计算矩阵中64个值的平均值；根据8x8的矩阵，设置0或1的64位的哈希值，大于等于平均值的设为“1”，小于平均值的设为“0”；对频域图像左上角8*8大小的图像进行二值化处理；将比较结果组合在一起，就构成了一个64位的哈希值。
终端通过差值哈希算法对图像进行哈希处理包括：对图像进行缩放，一般缩放为9x8，共72个像素；将缩放后的图像，转为64级灰度；对矩阵的每一行进行如下操作：相邻的两个元素进行相减(左边元素减右边元素)，得出8个不同的差异值，这样总共得到64个差异值；对差异值进行处理，若为正数或0，则记得为1；若为负数，记为0；将64个结果结合在一起就得到一个64位的哈希值。
终端通过均值哈希算法对图像进行哈希处理包括：对图像进行缩放，一般缩放为8x8，共64个像素；将缩放后的图像，转为64级灰度；计算64个像素的灰度平均值；将每个像素的灰度与平均值进行比较，大于或等于平均值，记为1；小于平均值，记为0；将比较结果组合在一起，就构成了一个64位的哈希值。
在实际实施时，终端可以通过以下方式将第一摘要与第二摘要进行匹配：计算第一摘要与第二摘要的汉明距离，即比对第一摘要和第二摘要不同的位数，然后根据similarity＝1-dist*1/n，将汉明距离转换为相似度，其中，similarity为相似度，dist为汉明距离，第一摘要及第二摘要均为n位数据，将得到的相似度作为第一摘要与第二摘要的匹配度。
在一些实施例中，终端可以通过以下方式分别将各视频帧图像的感兴趣区域与特效模板进行匹配：获取各所述视频帧图像中感兴趣区域的第一直方图及所述特效模板的第二直方图；分别将各第一直方图与所述第二直方图进行匹配。
在实际实施时，终端可以通过以下方式将各第一直方图与第二直方图进行匹配：分别计算各第一直方图与第二直方图的归一化相关系数(如巴氏距离,直方图相交距离)，分别用各归一化相关系数表示各第一直方图与第二直方图的匹配度。
在一些实施例中，可以结合哈希算法与直方图进行匹配，由于直方图匹配保证了颜色方面匹配度的准确性，哈希算法保证了形状方面的准确性，通过结合哈希算法与直方图进行匹配，能够保证总体匹配度的准确性。
在实施实施时，分别获取基于哈希算法的匹配度及基于直方图的匹配度，如视频帧图像的感兴趣区域与特效模板的匹配度可以表示为[Ha Hd Hp Hh]，其中，Ha、Hd、Hp分别为对应感知哈希算法、差值哈希算法及均值哈希算法的匹配度；Hh为对应直方图的匹配度。
在一些实施例中，终端可以通过以下方式分别将各视频帧图像的感兴趣区域与特效模板进行匹配：
对于每张视频帧图像的感兴趣区域执行以下操作：获取所述视频帧图像的感兴趣区域的感兴趣区域图像；对感兴趣区域图像进行角度旋转处理，得到对应不同角度的多个旋转图像；分别将各旋转图像与特效模板进行匹配，得到各旋转图像与特效模板的匹配度；获取各旋转图像与特效模板的匹配度中的最高匹配度；将获取的最高匹配度作为视频帧图像中感兴趣区域与特效模板的匹配度。
在实际实施时，预先设置所需要的旋转的多个角度，以基于设置的角度对感兴趣图像进行旋转处理。例如，将旋转角度设置为0度(不旋转)、90度、180度、270度，那么，对感兴趣区域图像进行角度旋转处理，得到对应0度(不旋转)、90度、180度、270度的旋转图像，分别将这四个图像与特效模板进行匹配，得到四个匹配度，将这四个匹配度中最高匹配度作为视频帧图像中感兴趣区域与特效模板的匹配度。
本发明实施例，终端通过将各旋转图像与特效模板进行匹配，得到各旋转图像与特效模板的匹配度，如此，即使目标特效被旋转后再添加至视频中，也能够准确的对目标特效进行校验。
步骤305：基于各视频帧图像中感兴趣区域与特效模板的匹配度，确定待检测视频中添加的目标特效的准确度。
这里，视频帧图像中感兴趣区域与特效模板的匹配度越高，表示待检测视频中添加的目标特效越准确。
在一些实施例中，终端可以通过以下方式确定待检测视频中添加的目标特效的准确度：获取匹配得到的多个匹配度中的最高匹配度；将最高匹配度确定为待检测视频中添加的目标特效的准确度。
这里，终端对匹配得到的多个匹配度进行比较，以获取最高匹配度，将最高匹配度作为待检测视频中添加的目标特效的准确度。
在一些实施例中，终端可以通过以下方式确定待检测视频中添加的目标特效的准确度：获取匹配得到的多个匹配度的平均值；将平均值确定为待检测视频中添加的目标特效的准确度。
这里，通过获取匹配得到的多个匹配度的平均值，将平均值确定为待检测视频中添加的目标特效的准确度，如此，能够消除匹配的偶然性，提高检测的准确性。
在实际实施时，在获取到待检测视频中添加的目标特效的准确度之后，终端可以根据准确度来判断待检测视频中添加的目标特效是否正确，如设置阈值，当准确度大于该阈值时，确定待检测视频中添加的目标特效正确；当准确度小于该阈值时，确定待检测视频中添加的目标特效错误。
本发明通过获取对应添加有目标特效的待检测视频的视频帧序列，分别定各所述视频帧图像中包含所述目标特效的感兴趣区域；获取对应目标特效的特效模板；分别将各视频帧图像的感兴趣区域与所述特效模板进行匹配，得到各所述视频帧图像中感兴趣区域与特效模板的匹配度；基于各视频帧图像中感兴趣区域与特效模板的匹配度，确定待检测视频中添加的目标特效的准确度；如此，由于能够根据获取的各视频帧图像中感兴趣区域与特效模板的匹配度，确定待检测视频中添加的目标特效的准确度，进而根据准确度判断出待检测视频中是否准确添加了特效，而不需要通过人工肉眼来判断，实现了自动对视频中是否准确添加了特效进行校验，避免了耗费人力。
接下来继续说明本发明实施例提供的视频特效的校验方法，该视频特效的校验由终端及服务器协同实施。图8为本发明实施例提供的视频特效的校验方法的流程示意图，参见图8，本发明实施例的视频特效的校验方法包括：
步骤801：客户端从服务器中获取添加有目标特效的待检测视频。
在实际实施时，服务器中存储有待检测视频，客户端接收到用户触发的针对待检测视频的校验指令后，从服务器中获取待检测视频。
步骤802：客户端随机从待检测视频的视频帧序列中，获取40张视频帧图像。
在实际实施时，客户端获取到待检测视频后，对待检测视频进行解码，得到待检测视频的视频帧序列，然后随机从视频帧序列中抽取40张视频帧图像。
步骤803：客户端分别将各视频帧图像进行灰度化处理，得到对应各视频帧图像的多个灰度图像。
在实际实施时，客户端可以采用分量法、最大值法、平均值法或加权平均法对各视频帧图像进行灰度化处理。例如，参见图4A-4B，将图4A所示的彩色的视频帧图像转换为如图4B所示的灰度图像。
步骤804：客户端分别对各灰度图像进行二值化处理，得到对应各视频帧图像的二值化图像。
在实际实施时，二值化处理可采用全局二值化、局部二值化或局部自适应二值化。例如，参见图4B-4C，采用大津阈值二值化算法处理如图4B所示的灰度图像，得到如图4C所示的二值化图像。
步骤805：客户端分别对各二值化图像中的目标特效进行边缘检测，得到对应目标特效的边缘关键点。
例如，参见图4C-4D，对如图4C所示的二值化图像进行边缘识别，得到如图4D所示的对应目标图像的边缘关键点。
步骤806：客户端基于各二值化图像中的边缘关键点，确定视频帧图像中包含目标特效的最小矩形区域。
例如，参见图4E，途中的矩形区域为包含目标特效的最小矩形区域。
步骤807：客户端获取各视频帧图像的最小矩形区域的顶点坐标。
步骤808：客户端基于各视频帧图像的顶点坐标，确定各视频帧图像的旋转角度。
步骤809：客户端基于各视频帧图像的旋转角度，分别对各视频帧图像进行旋转。
这里，通过对各视频帧图像进行旋转处理，对各视频帧图像中的感兴趣区域进行矫正。
步骤810：客户端对旋转后的各视频帧图像进行图像分割，得到个视频帧图像的感兴趣区域所对应的感兴趣区域图像。
步骤811：客户端从服务器中获取特效模板。
在实际实施时，对应目标特效的特效模板可以为多个，各特效模板的显示样式不同，包括图片形状、显示方式。其中，图片形状可以为矩形、圆形、椭圆形、不规则多边形等；显示方式包括图片中目标特效对应的显示角度等、显示大小等，例如参见图5A-5B，其均是对应“滑冰鞋”特效的特效模板，但图片中滑冰鞋的显示角度不同。
步骤812：客户端调整各视频帧图像及特效模板的大小。
这里，通过调整各视频帧图像及特效模板的大小，使得各视频帧图像与特效模板的大小相同。
步骤813：客户端获取调整后的各视频帧图像的第一哈希值及特效模板的第二哈希值。
在实际实施时，可以通过以下至少之一对各视频帧图像中感兴趣区域及特效模板进行哈希处理：感知哈希算法、差值哈希算法、均值哈希算法，以基于上述算法至少之一得到的哈希值进行相似度匹配。
步骤814：客户端分别计算各第一哈希值与第二哈希值的汉明距离。
这里，计算第一哈希值与第二哈希值的汉明距离，即比对第一哈希值与第二哈希值不同的位数
步骤815：客户端获取调整后的各视频帧图像的第一直方图及特效模板的第二直方图。
步骤816：客户端分别计算各第一直方图与第二直方图的归一化相关系数。
这里，归一化相关系数可以为巴氏距离,直方图相交距离等。
步骤817：当汉明距离是否小于7，且归一化相关系数大于等于0.7时，客户端确定待检测视频中添加的目标特效正确。
下面，将说明本发明实施例在一个实际的应用场景中的示例性应用。在实际实施时，后台服务器通过自动化工具构造在纯黑视频上添加了贴纸特效的视频，并存储对应贴纸特效的多个模板，参见图5A-5B，后台存储有对应某个贴纸的多个模板。图9为本发明实施例提供的视频特效的校验方法的流程示意图，参见图9，本发明实施例的视频特效的校验方法包括：
步骤901：客户端获取添加有贴纸特效的待检测视频Vt。
这里，客户端获取到添加有贴纸特效的待检测视频后，对待检测视频进行解析，得到对应待检测视频的视频帧序列。
步骤902：每隔G＝10帧，获取一张视频帧图像。
在实际实施时，针对待检测视频的视频帧序列，每隔G＝10帧，获取一张视频帧图像，一共获取40张视频帧图像。
步骤903：取i＝1。
这里，i表示40张视频帧图像中的第i张视频帧图像。在实际实施时，首先对第1张视频帧图像进行处理，然后顺序处理全部40张视频帧图像。
步骤904：判断i是否小于或等于F；若是，执行步骤905；否则，执行步骤917。
这里，F为需要处理的视频帧图像的总数量。
步骤905：取第i张视频帧图像。
步骤906：对第i张视频帧图像进行灰度处理，得到第i张视频帧图像的灰度图像Pi,灰。
例如，参见图4A-4B，将图4A所示的彩色的视频帧图像转换为如图4B所示的灰度图像。
步骤907：对灰度图Pi,灰进行大津阈值二值化算法处理，得到二值化图像。
例如，参见图4B-4C，采用大津阈值二值化算法处理如图4B所示的灰度图像，得到如图4C所示的二值化图像。
步骤908：对二值化图像进行边缘检测，得到对应特效贴纸的边缘关键点。
参见图4C-4D，对如图4C所示的二值化图像进行边缘识别，得到如图4D所示的对应目标图像的边缘关键点。
步骤909：获取包含所有边缘关键点的最小矩形Ri的位置。
参见图4E，图中的矩形区域即最小矩形Ri。
步骤910：根据最小矩形Ri的位置，对第i张视频帧图像进行图像分割，得到对应最小矩形Ri的感兴趣图像。
在实际实施时，通过Ri的四个顶点坐标，来确定旋转角度，以使旋转后的视频帧图像中的感兴趣区域的水平放置，例如，参见图6，旋转后的视频帧图像中的感兴趣区域的长平行于水平线，宽垂直于水平线。根据旋转后的Ri的四个顶点坐标，对图6中的视频帧图像进行图像分割，得到如图7所示的感兴趣区域图像。
步骤911：取k＝1。
这里，k表示对应该贴纸特效的第k个特效模板。
步骤912：判断k是否小于等于C，若是，执行步骤913；否则，执行步骤916。
这里，C为对应该贴纸特效的特效模板的总数量，在实际实施时，依次对每个模板进行匹配。
步骤913：将对应最小矩形Ri的感兴趣图像和第k个特效模板调整至相同大小。
在实际实施时，将感兴趣图像及第k各特效模板中宽度的较小值作为目标宽度，以及将感兴趣图像及第k各特效模板中长度的较小值作为目标长度，根据目标宽度及目标长度，调整感兴趣区域图像的大小与特效模板的大小。
步骤914：对应最小矩形Ri的感兴趣图像进行角度旋转处理，得到对应0°、90°、180°、270°的四个旋转图像，分别将多个旋转图像与模板进行相似度匹配。
在实际实施时，对于每个旋转图像，计算旋转图像与特效模板对应均值哈希算法的匹配度、对应差值哈希算法的匹配度、对应感知哈希算法的匹配度以及对应直方图的匹配度。
其中，均值哈希算法的匹配度表示为旋转模板的均值哈希值与特效模板的均值哈希值的汉明距离，差值哈希算法的匹配度表示为旋转模板的差值哈希值与特效模板的差值哈希值的汉明距离，感知哈希算法的匹配度表示为旋转模板的感知哈希值与特效模板的感知哈希值的汉明距离，直方图的匹配度表示为旋转模板的直方图与特效模板的直方图的归一化相关系数(如巴氏距离,直方图相交距离)。
步骤915：分别取应均值哈希算法的匹配度、对应差值哈希算法的匹配度、对应感知哈希算法的匹配度以及对应直方图的匹配度在4个旋转角度的最优值Hk,best＝[Ha,minHd,min Hp,min Hh,max]。
这里，Ha、Hd、Hp值为越小则相似度越好，而Hh值越大则相似度越好。
步骤916：取Hk,best,，k＝1,2,3..,c中的最优值为Pi,best。
步骤917：取Pi,best,，i＝1,2,3..,n中的最优值，记为Result[Ha,best Hd,best Hp,bes tHh,best]。
这里，取F＝40张视频帧图像与特效模板的匹配度Pi,best中的最优值，作为待检测视频的匹配度。
步骤918：判断Ha,best、Hd,best、Hp,best是否均小于或等于10，若是，执行步骤919；否则，执行步骤922。
步骤919：判断Ha,best、Hd,best、Hp,best中是否至少有两个小于或等于7，若是，执行步骤920；否则执行步骤922。
步骤920：判断Hh,best是否大于或等于0.7，若是，执行步骤921；否则执行步骤922。
步骤921：确定待检测视频中添加的贴纸特效正确。
步骤922：确定待检测视频中添加的贴纸特效错误。
应用本发明上述实施例，至少具有以下有益效果：
1)对于任一种特效都有两个或以上模板，可以消除只有一个模板带来的偶然性，保证检测的准确性；
2)通过灰度、二值化、获取边缘关键点，从而获取最小矩形的方法，能够在某个特效有多部分构成时，也能快速准确的识别出唯一一个最小矩形感兴趣区域；
3)使用取最小矩形加旋转计算相似度的方法，可以保证无论特效被放大缩小或者旋转后再添加到视频中，也能够准确无误地进行识别；
4)通过多个相似度结果组合判断的方法，能够减少某一种相似度计算方法的缺陷，而保证了总体相似度的准确，如直方图相似度保证了颜色方面相似度的准确性，而哈希算法则保证了形状方面的相似性。
下面继续说明本发明实施例提供的视频特效的校验装置255的实施为软件模块的示例性结构，图10为本发明实施例提供的视频特效的校验装置的组成结构示意图，参见图10，在一些实施例中，本发明实施例提供的视频特效的校验装置包括：
第一获取模块2551，用于获取对应添加有目标特效的待检测视频的视频帧序列，所述视频帧序列中包括多张携带有所述目标特效的视频帧图像；
第一确定模块2552，用于分别确定各所述视频帧图像中包含所述目标特效的感兴趣区域；
第二获取模块2553，用于获取对应所述目标特效的特效模板；
匹配模块2554，用于分别将各所述视频帧图像的感兴趣区域与所述特效模板进行匹配，得到各所述视频帧图像中感兴趣区域与所述特效模板的匹配度；
第二确定模块2555，用于基于各所述视频帧图像中感兴趣区域与所述特效模板的匹配度，确定所述待检测视频中添加的所述目标特效的准确度。
在一些实施例中，所述第一确定模块2552，还用于分别对各所述视频帧图像进行灰度化处理，得到对应各所述帧图像的多个灰度图像；
分别对各所述灰度图像进行二值化处理，得到对应各所述帧图像的二值化图像；
分别对各二值化图像中的所述目标特效进行边缘检测，得到对应所述目标特效的边缘关键点；
基于各二值化图像中的所述边缘关键点，确定各所述帧图像中包含所述目标特效的感兴趣区域。
在一些实施例中，所述匹配模块2554，还用于基于各所述视频帧图像的感兴趣区域，分别对各所述视频帧图像进行图像分割，得到各所述视频帧图像的感兴趣区域对应的感兴趣区域图像；
调整各所述感兴趣区域图像的大小，和/或调整所述特效模板的大小，以使各所述感兴趣区域图像的大小与所述特效模板的大小相同；
分别将调整后的各所述感兴趣区域图像与所述特效模板进行匹配。
在一些实施例中，所述匹配模块2554，还用于获取各所述视频帧图像的感兴趣区域的顶点坐标；
基于各所述视频帧图像的感兴趣区域的顶点坐标，确定各所述视频帧图像的旋转角度；
基于各所述视频帧图像的旋转角度，分别对各所述视频帧图像进行旋转，以矫正各所述视频帧图像的感兴趣区域；
对旋转后的各所述视频帧图像进行图像分割，得到各所述视频帧图像的感兴趣区域所对应的图像。
在一些实施例中，所述匹配模块2554，还用于获取各所述视频帧图像中感兴趣区域的第一摘要，及所述特效模板的第二摘要；
分别将各所述第一摘要与所述第二摘要进行匹配。
在一些实施例中，所述匹配模块2554，还用于获取各所述视频帧图像中感兴趣区域的第一直方图及所述特效模板的第二直方图；
分别将各第一直方图与所述第二直方图进行匹配。
在一些实施例中，所述匹配模块2554，还用于对于每张视频帧图像的感兴趣区域执行以下操作：
获取所述视频帧图像的感兴趣区域的感兴趣区域图像；
对所述感兴趣区域图像进行角度旋转处理，得到对应不同角度的多个旋转图像；
分别将各所述旋转图像与所述特效模板进行匹配，得到各所述旋转图像与所述特效模板的匹配度；
获取各所述旋转图像与所述特效模板的匹配度中的最高匹配度；
将获取的所述最高匹配度作为所述视频帧图像中感兴趣区域与所述特效模板的匹配度。
在一些实施例中，所述第二确定模块2555，还用于获取匹配得到的多个匹配度中的最高匹配度；
将所述最高匹配度确定为所述待检测视频中添加的所述目标特效的准确度。
在一些实施例中，所述第二确定模块2555，还用于获取匹配得到的多个匹配度的平均值；
将所述平均值确定为所述待检测视频中添加的所述目标特效的准确度。
本发明实施例提供一种存储有可执行指令的存储介质，其中存储有可执行指令，当可执行指令被处理器执行时，将引起处理器执行本发明实施例提供的视频特效的校验方法，例如，如图3示出的方法。
在一些实施例中，存储介质可以是FRAM、ROM、PROM、EPROM、EE PROM、闪存、磁表面存储器、光盘、或CD-ROM等存储器；也可以是包括上述存储器之一或任意组合的各种设备。
在一些实施例中，可执行指令可以采用程序、软件、软件模块、脚本或代码的形式，按任意形式的编程语言(包括编译或解释语言，或者声明性或过程性语言)来编写，并且其可按任意形式部署，包括被部署为独立的程序或者被部署为模块、组件、子例程或者适合在计算环境中使用的其它单元。
作为示例，可执行指令可以但不一定对应于文件系统中的文件，可以可被存储在保存其它程序或数据的文件的一部分，例如，存储在超文本标记语言(H TML，Hyper TextMarkup Language)文档中的一个或多个脚本中，存储在专用于所讨论的程序的单个文件中，或者，存储在多个协同文件(例如，存储一个或多个模块、子程序或代码部分的文件)中。
作为示例，可执行指令可被部署为在一个计算设备上执行，或者在位于一个地点的多个计算设备上执行，又或者，在分布在多个地点且通过通信网络互连的多个计算设备上执行。
以上所述，仅为本发明的实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和范围之内所作的任何修改、等同替换和改进等，均包含在本发明的保护范围之内。

Claims (12)

1.一种视频特效的校验方法，其特征在于，所述方法包括：
获取对应添加有目标特效的待检测视频的视频帧序列，所述视频帧序列中包括多张携带有所述目标特效的视频帧图像；
分别确定各所述视频帧图像中包含所述目标特效的感兴趣区域；
获取对应所述目标特效的特效模板；
获取各所述视频帧图像的感兴趣区域的顶点坐标，并基于各所述感兴趣区域的顶点坐标，确定各所述视频帧图像的旋转角度；
基于各所述视频帧图像的旋转角度，分别对各所述视频帧图像进行旋转，以矫正各所述视频帧图像的感兴趣区域；
获取旋转后的各所述视频帧图像的感兴趣区域所对应的感兴趣区域图像，并分别将各所述感兴趣区域图像与所述特效模板进行匹配，得到各所述视频帧图像中感兴趣区域与所述特效模板的匹配度；
基于各所述视频帧图像中感兴趣区域与所述特效模板的匹配度，确定所述待检测视频中添加的所述目标特效的准确度。
2.如权利要求1所述的方法，其特征在于，所述分别确定各所述视频帧图像中包含所述目标特效的感兴趣区域，包括：
分别对各所述视频帧图像进行灰度化处理，得到对应各所述视频帧图像的多个灰度图像；
分别对各所述灰度图像进行二值化处理，得到对应各所述视频帧图像的二值化图像；
分别对各二值化图像中的所述目标特效进行边缘检测，得到对应所述目标特效的边缘关键点；
基于各二值化图像中的所述边缘关键点，确定各所述视频帧图像中包含所述目标特效的感兴趣区域。
3.如权利要求1所述的方法，其特征在于，所述分别将各所述感兴趣区域图像与所述特效模板进行匹配，包括：
调整各所述感兴趣区域图像的大小，和/或调整所述特效模板的大小，以使各所述感兴趣区域图像的大小与所述特效模板的大小相同；
分别将调整后的各所述感兴趣区域图像与所述特效模板进行匹配。
4.如权利要求1所述的方法，其特征在于，所述获取旋转后的各所述视频帧图像的感兴趣区域所对应的感兴趣区域图像，包括：
对旋转后的各所述视频帧图像进行图像分割，得到各所述视频帧图像的感兴趣区域所对应的感兴趣区域图像。
5.如权利要求1所述的方法，其特征在于，所述分别将各所述视频帧图像的感兴趣区域与所述特效模板进行匹配，包括：
获取各所述视频帧图像中感兴趣区域的第一摘要，及所述特效模板的第二摘要；
分别将各所述第一摘要与所述第二摘要进行匹配。
6.如权利要求1所述的方法，其特征在于，所述分别将各所述视频帧图像的感兴趣区域与所述特效模板进行匹配，包括：
获取各所述视频帧图像中感兴趣区域的第一直方图及所述特效模板的第二直方图；
分别将各第一直方图与所述第二直方图进行匹配。
7.如权利要求1所述的方法，其特征在于，所述分别将各所述视频帧图像的感兴趣区域与所述特效模板进行匹配，得到各所述视频帧图像中感兴趣区域与所述特效模板的匹配度，包括：
对于每张视频帧图像的感兴趣区域执行以下操作：
获取所述视频帧图像的感兴趣区域的感兴趣区域图像；
对所述感兴趣区域图像进行角度旋转处理，得到对应不同角度的多个旋转图像；
分别将各所述旋转图像与所述特效模板进行匹配，得到各所述旋转图像与所述特效模板的匹配度；
获取各所述旋转图像与所述特效模板的匹配度中的最高匹配度；
将获取的所述最高匹配度作为所述视频帧图像中感兴趣区域与所述特效模板的匹配度。
8.如权利要求1所述的方法，其特征在于，所述基于各所述视频帧图像中感兴趣区域与所述特效模板的匹配度，确定所述待检测视频中添加的所述目标特效的准确度，包括：
获取匹配得到的多个匹配度中的最高匹配度；
将所述最高匹配度确定为所述待检测视频中添加的所述目标特效的准确度。
9.如权利要求1所述的方法，其特征在于，所述基于各所述视频帧图像中感兴趣区域与所述特效模板的匹配度，确定所述待检测视频中添加的所述目标特效的准确度，包括：
获取匹配得到的多个匹配度的平均值；
将所述平均值确定为所述待检测视频中添加的所述目标特效的准确度。
10.一种视频特效的校验装置，其特征在于，所述装置包括：
第一获取模块，用于获取对应添加有目标特效的待检测视频的视频帧序列，所述视频帧序列中包括多张携带有所述目标特效的视频帧图像；
第一确定模块，用于分别确定各所述视频帧图像中包含所述目标特效的感兴趣区域；
第二获取模块，用于获取对应所述目标特效的特效模板；
匹配模块，用于获取各所述视频帧图像的感兴趣区域的顶点坐标，并基于各所述感兴趣区域的顶点坐标，确定各所述视频帧图像的旋转角度；基于各所述视频帧图像的旋转角度，分别对各所述视频帧图像进行旋转，以矫正各所述视频帧图像的感兴趣区域；获取旋转后的各所述视频帧图像的感兴趣区域所对应的感兴趣区域图像，并分别将各所述感兴趣区域图像与所述特效模板进行匹配，得到各所述视频帧图像中感兴趣区域与所述特效模板的匹配度；
第二确定模块，用于基于各所述视频帧图像中感兴趣区域与所述特效模板的匹配度，确定所述待检测视频中添加的所述目标特效的准确度。
11.一种电子设备，其特征在于，所述电子设备包括：
存储器，用于存储可执行指令；
处理器，用于执行所述存储器中存储的可执行指令时，实现权利要求1至9任一项所述的视频特效的校验方法。
12.一种计算机可读存储介质，存储有可执行指令，其特征在于，所述可执行指令被处理器执行时，实现权利要求1至9任一项所述的视频特效的校验方法。
CN201911178571.3A 2019-11-27 2019-11-27 视频特效的校验方法及装置 Active CN110913205B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911178571.3A CN110913205B (zh) 2019-11-27 2019-11-27 视频特效的校验方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911178571.3A CN110913205B (zh) 2019-11-27 2019-11-27 视频特效的校验方法及装置

Publications (2)

Publication Number Publication Date
CN110913205A CN110913205A (zh) 2020-03-24
CN110913205B true CN110913205B (zh) 2022-07-29

Family

ID=69818502

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911178571.3A Active CN110913205B (zh) 2019-11-27 2019-11-27 视频特效的校验方法及装置

Country Status (1)

Country Link
CN (1) CN110913205B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111597984B (zh) * 2020-05-15 2023-09-26 北京百度网讯科技有限公司 贴纸测试方法、装置、电子设备及计算机可读存储介质
CN111598902B (zh) * 2020-05-20 2023-05-30 抖音视界有限公司 图像分割方法、装置、电子设备及计算机可读介质
CN111611941B (zh) * 2020-05-22 2023-09-19 腾讯科技（深圳）有限公司 特效处理方法及相关设备
CN112752098B (zh) * 2021-04-06 2021-06-04 腾讯科技（深圳）有限公司 视频编辑效果的验证方法、装置
CN113344776B (zh) * 2021-06-30 2023-06-27 北京字跳网络技术有限公司 图像处理方法、模型训练方法、装置、电子设备及介质
CN113645476B (zh) * 2021-08-06 2023-10-03 广州博冠信息科技有限公司 画面处理方法、装置、电子设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2028619A1 (en) * 2006-05-25 2009-02-25 NEC Corporation Video image special effect detecting device, special effect detecting method, special effect detecting program and video image reproducing device
CN106485733A (zh) * 2016-09-22 2017-03-08 电子科技大学 一种在红外图像中跟踪感兴趣目标的方法
CN108920368A (zh) * 2018-06-29 2018-11-30 北京微播视界科技有限公司 数据测试的方法、装置及电子设备
CN109086764A (zh) * 2018-07-25 2018-12-25 北京达佳互联信息技术有限公司 台标检测方法、装置及存储介质
CN109977859A (zh) * 2019-03-25 2019-07-05 腾讯科技（深圳）有限公司 一种图标识别的方法以及相关装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2028619A1 (en) * 2006-05-25 2009-02-25 NEC Corporation Video image special effect detecting device, special effect detecting method, special effect detecting program and video image reproducing device
CN106485733A (zh) * 2016-09-22 2017-03-08 电子科技大学 一种在红外图像中跟踪感兴趣目标的方法
CN108920368A (zh) * 2018-06-29 2018-11-30 北京微播视界科技有限公司 数据测试的方法、装置及电子设备
CN109086764A (zh) * 2018-07-25 2018-12-25 北京达佳互联信息技术有限公司 台标检测方法、装置及存储介质
CN109977859A (zh) * 2019-03-25 2019-07-05 腾讯科技（深圳）有限公司 一种图标识别的方法以及相关装置

Also Published As

Publication number Publication date
CN110913205A (zh) 2020-03-24

Similar Documents

Publication Publication Date Title
CN110913205B (zh) 视频特效的校验方法及装置
CN111028213B (zh) 图像缺陷检测方法、装置、电子设备及存储介质
US9049397B2 (en) Image processing device and image processing method
CN109803172B (zh) 一种直播视频的处理方法、装置及电子设备
US20080089588A1 (en) Rotation angle detection apparatus, and control method and control program of rotation angle detection apparatus
CN112767354A (zh) 基于图像分割的缺陷检测方法、装置、设备及存储介质
RU2697627C1 (ru) Способ корректировки освещенности объекта на изображении в последовательности изображений и вычислительное устройство пользователя, реализующее упомянутый способ
CN111553251A (zh) 证件四角残缺检测方法、装置、设备及存储介质
CN112102207A (zh) 一种确定温度的方法、装置、电子设备及可读存储介质
CN112419207A (zh) 一种图像矫正方法及装置、系统
US20130182943A1 (en) Systems and methods for depth map generation
US11049224B2 (en) Automated real-time high dynamic range content review system
CN112149745B (zh) 确定难例样本的方法、装置、设备及存储介质
CN110956184A (zh) 一种基于hsi-lbp特征的抽象图方向确定方法
US9053383B2 (en) Recognizing apparatus and method, program, and recording medium
US20120170861A1 (en) Image processing apparatus, image processing method and image processing program
CN117197479A (zh) 一种应用玉米果穗外表面的图像分析方法、装置、计算机设备及存储介质
US20230118361A1 (en) User input based distraction removal in media items
CN111507139A (zh) 图像效果生成方法、装置和电子设备
CN115345895A (zh) 用于视觉检测的图像分割方法、装置、计算机设备及介质
CN112712571B (zh) 基于视频的物体平面贴图方法、装置以及设备
CN114387315A (zh) 图像处理模型训练、图像处理方法、装置、设备及介质
CN113391779A (zh) 类纸屏幕的参数调节方法、装置及设备
CN113192171A (zh) 一种基于云端渲染的三维效果图高效渲染方法及系统
CN111950356A (zh) 印章文本定位方法、装置及电子设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40022975

Country of ref document: HK

SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant