CN111353954A - 视频图像的处理方法、装置及电子设备 - Google Patents

Abstract

本发明公开了一种视频图像的处理方法，包括：在接收到对视频图像的处理指令的情况下，从预设数量帧的图像中识别静态图像；根据每一帧视频图像中静态图像和/或每一帧视频图像确定待处理对象；根据与视频图像的像素值对应的连通域阈值，确定视频图像中运动对象的轮廓，并去除运动对象轮廓之外的待处理对象；根据待处理对象的边缘特征，去除运动对象轮廓内的待处理对象；根据运动对象的轮廓进行定位，融合静态图像和运动对象，得到处理后的视频图像。本发明还公开了一种视频图像的处理装置及电子设备。

Description

视频图像的处理方法、装置及电子设备

技术领域

本发明涉及图像处理技术领域，尤其涉及一种视频图像的处理方法、装置、电子设备。

背景技术

近年来，随着监控视频技术的应用和发展，监控在道路交通安全，社会治安等方面的作用越发突出。在视频监控中，视频图像增强是图像预处理环节中一项十分重要的工作，它和各种数学方法相融合以及的各种变换手段去增强图像的清晰度、视觉效果以及纹理等。其中，在视频处理中，对雪花的处理尤为重要，原因在于，雪花的出现遮盖了视频中的目标，造成视频模糊，清晰度下降。

为去除视频图像中的雪花，相关技术中，通常利用雪花的性质将雪花与视频图像中的其他物体分离出来，例如，相较于周围的像素，被雪花覆盖的像素亮度较高、雪花像素的饱和度由中心向边缘逐渐递减、不同帧之间的雪花具有一定的相关性、雪花在图像的频率域中处于高频部分等特性来分离雪花，在一定程度上降低了视频图像中雪花的印象，提高了视频图像的清晰度。

但是，相关技术中在从视频图像中检测雪花时，容易产生误判的情况，将部分雪花误判为视频图像中的运动物体或将运动物体误判为雪花，导致雪花去除不完全，去除雪花后的视频图像恢复存在图像模糊等问题。

发明内容

有鉴于此，本发明提供了一种视频图像的处理方法、装置及电子设备，以解决相关技术在从视频图像中检测雪花时，容易产生误判的情况，将部分雪花误判为视频图像中的运动物体或将运动物体误判为雪花，导致雪花去除不完全，去除雪花后的视频图像恢复存在图像模糊的问题。

为实现上述发明目的，根据本发明的一个方面，提供了一种视频图像的处理方法，包括：

在接收到对视频图像的处理指令的情况下，从预设数量帧的图像中识别静态图像；

根据每一帧所述视频图像中所述静态图像和/或每一帧所述视频图像确定待处理对象；

根据与所述视频图像的像素值对应的连通域阈值，确定所述视频图像中运动对象的轮廓，并去除所述运动对象轮廓之外的所述待处理对象；

根据所述待处理对象的边缘特征，去除所述运动对象轮廓内的所述待处理对象；

根据所述运动对象的轮廓进行定位，融合所述静态图像和所述运动对象，得到处理后的视频图像。

在一种可选方式中，所述在接收到对视频图像的处理指令的情况下，从预设数量的帧图像中识别静态图像，包括：

在接收到对视频图像的处理指令的情况下，从所述视频图像中提取预设数量的帧图像；

分别以所述预设数量帧的图像中的每一帧图像为一列向量组成向量矩阵；

低秩分解所述向量矩阵，得到所述静态图像。

在一种可选方式中，所述根据每一帧所述视频图像中所述静态图像和/或每一帧所述视频图像确定待处理对象，包括：

根据每一帧所述视频图像中所述静态图像中模糊像素点的纹理信息，确定所述待处理对象；

和/或，

根据每一帧所述视频图像中亮度大于预设阈值的特征像素点，确定所述待处理对象。

在一种可选方式中，所述与所述视频图像的像素值对应的连通域阈值和根据与所述视频图像的像素值对应的连通域阈值，确定所述视频图像中运动对象的轮廓，包括：

二值化处理每一帧所述视频图像；

在所述二值化的每一帧视频图像中，确定所述运动对象的运动掩模；

根据所述运动对象的运动掩模确定所述运动对象的轮廓。

在一种可选方式中，所述根据所述待处理对象的边缘特征，去除所述运动对象轮廓内的所述待处理对象，包括：

在所述运动掩模内，滤除所述待处理对象的边缘纹理特征信息。

根据本发明第二个方面，提供了一种视屏图像的处理装置，包括：

识别模块，用于在接收到对视频图像的处理指令的情况下，从预设数量帧的图像中识别静态图像；

确定模块，用于根据每一帧所述视频图像中所述静态图像和/或每一帧所述视频图像确定待处理对象；

去除模块，用于根据与所述视频图像的像素值对应的连通域阈值，确定所述视频图像中运动对象的轮廓，并去除所述运动对象轮廓之外的所述待处理对象；

所述去除模块，还用于根据所述待处理对象的边缘特征，去除所述运动对象轮廓内的所述待处理对象；

融合模块，用于根据所述运动对象的轮廓进行定位，融合所述静态图像和所述运动对象，得到处理后的视频图像。

在一种可选方式中，所述识别模块包括：

提取单元，用于在接收到对视频图像的处理指令的情况下，从所述视频图像中提取预设数量的帧图像；

构建单元，用于分别以所述预设数量帧的图像中的每一帧图像为一列向量组成向量矩阵；

分解单元，用于低秩分解所述向量矩阵，得到所述静态图像。

在一种可选方式中，所述确定模块，还用于根据每一帧所述视频图像中所述静态图像中模糊像素点的纹理信息，确定所述待处理对象；

和/或，

用于根据每一帧所述视频图像中亮度大于预设阈值的特征像素点，确定所述待处理对象。

在一种可选方式中，所述确定模块，还用于二值化处理每一帧所述视频图像；

所述确定模块，还用于在所述二值化的每一帧视频图像中，确定所述运动对象的运动掩模；

所述确定模块，还用于根据与所述视频图像的像素值对应的连通域阈值和所述运动对象的运动掩模确定所述运动对象的轮廓。

在一种可选方式中，所述去除模块，还用于在所述运动掩模内，滤除所述待处理对象的边缘纹理特征信息。

根据本发明第三个方面，提供了一种电子设备，包括：

存储器、处理器和通讯总线，所述存储器通过所述通讯总线与所述处理器通信连接；

所述存储器中存储有计算机可执行指令，所述处理器用于执行所述计算机可执行指令，以实现权利要求本发明第一个方面任一可选方式提供的方法。

根据本发明第四个方面，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存储有计算机可执行指令，所述计算机可执行指令在被执行时，用于实现本发明第一个方面任一可选方式提供的方法。

本发明提供的一种视频图像的处理方法、装置及电子设备，其中，视频图像的处理方法，包括：在接收到对视频图像的处理指令的情况下，从预设数量帧的图像中识别静态图像；根据每一帧视频图像中静态图像和/或每一帧视频图像确定待处理对象；根据与视频图像的像素值对应的连通域阈值，确定视频图像中运动对象的轮廓，并去除运动对象轮廓之外的待处理对象；根据待处理对象的边缘特征，去除运动对象轮廓内的待处理对象；根据运动对象的轮廓进行定位，融合静态图像和运动对象，得到处理后的视频图像。如此，通过在对视频图像进行去雪处理是，首先从预设数量帧的图像中，根据背景图像为低秩矩阵中的低秩部分，识别出静态图像，将静态图像分离，避免在去雪时造成静态的背景图像模糊的情况发生；然后，根据静态图像的纹理特征和每一帧视频图像的特征，分别识别出视频图像中的透明雪花和不透明雪花；然后，根据不同视频图像的像素值对应的连通域阈值，分离视频图像中运动对象和雪花，将运动对象轮廓外的雪花去除，保留运动对象和覆盖在运动对象前的雪花；之后，滤除覆盖在运动对象前的雪花的纹理特征，得到去雪后的运动对象；最后将运动对象与静态图像进行融合，得到去雪后的视频图像；有效降低了在检测雪花时出现的误判情况，保证了运动对象的完整性，提高了去雪效果和视频图像恢复的清晰度。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。

图1是本申请实施例提供的视频图像的处理方法的实现流程图；

图2是本申请另一实施例提供的视频图像的处理方法的实现流程图；

图3是本申请实施例提供的视频图像处理装置的结构框图；

图4是本申请实施例提供的电子设备的结构框图。

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，下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

在本发明实施例的描述中，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

图1是本申请实施例提供的视频图像的处理方法的实现流程图。

参照图1所示，本申请实施例提供的一种视频图像的处理方法，应用于对监控得到的录像视频的处理；具体的，本申请实施例提供是视频图像处理方法可以在笔记本电脑、个人数字助理、台式电脑、移动终端、pad等电子设备上实现。本申请实施例提供的视频图像的处理方法，包括以下步骤：

步骤101，在接收到对视频图像的处理指令的情况下，从预设数量帧的图像中识别静态图像。

具体的，本申请实施例提供的视频图像处理方法是在例如监控视频录制或拍摄完成后进行的处理，在接收到对视频图像的处理指令的情况下，从已经录制或拍摄完成的视频图像中，提取预设数量帧的图像进行识别；具体的，本申请实施例中预设数量帧的图像可以根据已经录制好的视频图像中的具体情况进行设置，例如，在视频图像中不存在移动速度非常缓慢的运动对象的情况下，预设数量帧的图像可以选择为40-50帧；在视频图像中存在移动速度非常缓慢的运动对象的情况，预设数量帧的图像可以选择为120帧以上。由此可以看出，选出的预设数量帧的图像越多，对背景图像的识别越准确。当然，本申请实施例中预设数量帧的图像可以根据用户或视频图像的具体情况选择，本申请实施例中对预设数量帧的图像的数量不做具体限定。

步骤102，根据每一帧视频图像中静态图像和/或每一帧视频图像确定待处理对象。

具体的，本申请实施例中，由于待处理对象，例如雨、雪的存在，每一帧视频图像中的静态图像，即背景图像被待处理对象覆盖，可能存在纹理模糊的情况，根据背景图像模糊的纹理像素位置，确定出待处理对象的像素位置。具体的，在一些可能的示例中，距离摄像头较近的待处理对象相对于较远的待处理对象，其相对速度较快，由于摄像头拍摄存在延时摄影，因此，会在视频中产生较为透明的白色区域；另外，距离摄像头较远的待处理对象由于成像原理的特点，也会产生类似于雾状的透明区域；这两种情况，都会是的背景图像产生模糊但没有完全被覆盖，即被待处理对象覆盖的区域存在可以恢复的纹理、颜色等信息，由此，可以根据背景图像或每一帧视频图像确定待处理对象，将这样的待处理对象定义为透明对象。在另一些示例中，摄像头拍摄到的待处理对象覆盖的区域是一块亮度较高的白色区域，中间没有任何的纹理或其他颜色信息，将这样的待处理对象定义为不透明对象。在一些具体示例中，对透明对象的检测可以采用多尺度卷积稀疏编码模型进行处理；对不透明对象的检测可以采用马尔科夫随机场模型进行处理。需要说明的是，透明度高的待处理对象和不透明的待处理对象属于待处理对象中的两种特殊情况，在通常情况下，待处理对象为介于这两种特殊情况之间的对象，既可以被多尺度卷积稀疏编码模型处理识别也可以被马尔科夫随机场模型处理识别；因此，本申请实施例中，采用多尺度卷积稀疏编码模型和马尔科夫随机场模型结合进行识别处理，提高了对待处理对象的识别准确度，提高了对视频图像的去雪效果；需要说明的是，本申请实施例中，在对待处理对象进行检测时，也可以是分步进行的，例如，首先采用多尺度卷积稀疏编码模型处理识别出视频图像中的透明对象，在对透明对象处理后，在采用马尔科夫随机场模型识别出视频图像中的不透明对象，对不透明对象进行处理。

步骤103，根据与视频图像的像素值对应的连通域阈值，确定视频图像中运动对象的轮廓，并去除运动对象轮廓之外的待处理对象。

具体的，本申请实施例中，连通域阈值的确定是根据视频图像的大小来确定的，例如，在一些具体示例中，若视屏图像的像素大小为960*540，则连通域阈值大小可以选择为300；将连通域阈值小于300的对象确定为待处理对象，连通域阈值大于300的对象确定为运动对象，从而将运动对象轮廓之外的待处理对象去除，如此，通过待处理对象与运动对象连通域存在的区别，去除运动对象轮廓之外的待处理对象，保证了运动对象的完整性。提高了对视频图像进行恢复时图像的完整性和清晰度。需要说明的是，本申请实施例中的连通域阈值仅为一种示例性说明，并非对连通域阈值的具体限定，在一些可能的实施例中，连通域阈值也可以选择其他合适的阈值，本申请实施例对此不作具体限定。

步骤104，根据待处理对象的边缘特征，去除运动对象轮廓内的待处理对象。

具体的，在去除运动对象轮廓之外的待处理对象后，针对运动对象轮廓内的待处理对象，由于存在边缘较弱的纹理，本申请实施例中，根据待处理对象的边缘特征，对运动对象轮廓内的待处理对象进行平滑处理，滤除边缘纹理特征，从而达到运动对象轮廓内的待处理对象的去除效果。在一些具体示例中，本申请实施例采用引导滤波对运动对象轮廓内的待处理对象进行处理。

步骤105，根据运动对象的轮廓进行定位，融合静态图像和运动对象，得到处理后的视频图像。

具体的，在对运动对象轮廓外和轮廓内的待处理对象进行去除后，本申请实施例将保留下来的运动对象与识别出的静态图像进行融合，具体的，可以以运动对象的轮廓像素位置作为参考定位，对运动对象和静态图像进行融合，得到处理后的视频图像。

本申请实施例提供的视频图像处理方法，通过在对视频图像进行去雪处理是，首先从预设数量帧的图像中，根据背景图像为低秩矩阵中的低秩部分，识别出静态图像，将静态图像分离，避免在去雪时造成静态的背景图像模糊的情况发生；然后，根据静态图像的纹理特征和每一帧视频图像的特征，分别识别出视频图像中的透明雪花和不透明雪花；然后，根据不同视频图像的像素值对应的连通域阈值，分离视频图像中运动对象和雪花，将运动对象轮廓外的雪花去除，保留运动对象和覆盖在运动对象前的雪花；之后，滤除覆盖在运动对象前的雪花的纹理特征，得到去雪后的运动对象；最后将运动对象与静态图像进行融合，得到去雪后的视频图像；有效降低了在检测雪花时出现的误判情况，保证了运动对象的完整性，提高了去雪效果和视频图像恢复的清晰度。

图2是本申请另一实施例提供的视频图像的处理方法的实现流程图。

基于前述实施例，参照图2所示，本申请另一实施例提供的视频图像的处理方法，包括以下步骤：

步骤201，在接收到对视频图像的处理指令的情况下，从视频图像中提取预设数量的帧图像。

具体的，在接收到对视频图像的处理指令的情况下，从已经录制或拍摄完成的视频图像中，提取预设数量帧的图像进行识别；具体的，本申请实施例中预设数量帧的图像可以根据已经录制好的视频图像中的具体情况进行设置，例如，在视频图像中不存在移动速度非常缓慢的运动对象的情况下，预设数量帧的图像可以选择为40-50帧；在视频图像中存在移动速度非常缓慢的运动对象的情况，预设数量帧的图像可以选择为120帧以上。由此可以看出，选出的预设数量帧的图像越多，对背景图像的识别越准确。

步骤202，分别以预设数量帧的图像中的每一帧图像为一列向量组成向量矩阵。

具体的，在对视频图像进行处理时，整个视频帧可以组成一个矩阵，在矩阵中的每一个列向量就是每一帧的图像。

步骤203，低秩分解向量矩阵，得到静态图像。

由于背景图像在整个向量矩阵中属于低秩分量，因此，对矩阵进行低秩分解，得到的低秩部分便是静态图像，即背景图像。

步骤204，根据每一帧视频图像中静态图像中模糊像素点的纹理信息和/或亮度大于预设阈值的特征像素点，确定待处理对象。

具体的，待处理对象在每一帧视频图像中会留下亮度较高的像素点，本申请实施例中，通过鼻梁每一帧视频图像中像素点的亮度，确定待处理对象。

步骤205，二值化处理每一帧视频图像。

具体的，对每一帧视频图像的二值化处理，可以参照相关技术中对图像的二值化处理，本申请实施例中对此不在赘述。

步骤206，在二值化的每一帧视频图像中，确定运动对象的运动掩模。

具体的，在某一帧视频图像中，运动对象被检测出来的时候，在整个图像中占据着一块区域，这块区域就是运动对象在这一帧视频图像中的运动掩模；由于对每一帧视频图像进行了二值化处理，因此，掩模图像是二值图像，例如，若运动对象的运动掩模是白色，那么没有运动对象的区域就是黑色；当然，在另一些示例中，若运动对象的运动掩模是黑色，则没有运动对象的区域就是白色。

步骤207，根据与视频图像的像素值对应的连通域阈值和运动对象的运动掩模确定运动对象的轮廓。

具体的，在二值图像中，白色与黑色的交界即为运动对象的轮廓。

步骤208，在运动掩模内，滤除待处理对象的纹理特征信息。

该步骤与前述实施例中步骤104基本类似，参照前述实施例步骤104的详细描述，本申请实施例中不在赘述。

步骤209，根据运动对象的轮廓进行定位，融合静态图像和运动对象，得到处理后的视频图像。

具体的，本申请实施例中，本申请实施例中，在对将静态图像与运动对象进行融合时，以运动对象的运动掩模来作为定位参考进行定位。

需要说明的是，本实施例与本申请其他实施例具有相同或相应的技术效果，本实施例不再赘述。

图3是本申请实施例提供的视频图像处理装置的结构框图。

基于前述实施例，参照图3所示，本申请实施例提供的一种视屏图像的处理装置30，包括：

识别模块31，用于在接收到对视频图像的处理指令的情况下，从预设数量帧的图像中识别静态图像；

确定模块32，用于根据每一帧视频图像中静态图像和/或每一帧视频图像确定待处理对象；

去除模块33，用于根据与视频图像的像素值对应的连通域阈值，确定视频图像中运动对象的轮廓，并去除运动对象轮廓之外的待处理对象；

去除模块33，还用于根据待处理对象的边缘特征，去除运动对象轮廓内的待处理对象；

融合模块34，用于根据运动对象的轮廓进行定位，融合静态图像和运动对象，得到处理后的视频图像。

在一种可选实施方式中，识别模块31包括：

提取单元311，用于在接收到对视频图像的处理指令的情况下，从视频图像中提取预设数量的帧图像；

构建单元312，用于分别以预设数量帧的图像中的每一帧图像为一列向量组成向量矩阵；

分解单元313，用于低秩分解向量矩阵，得到静态图像。

在一种可选实施方式中，确定模块32，还用于根据每一帧视频图像中静态图像中模糊像素点的纹理信息，确定待处理对象；

和/或，

用于根据每一帧视频图像中亮度大于预设阈值的特征像素点，确定待处理对象。

在一种可选实施方式中，确定模块32，还用于二值化处理每一帧视频图像；

确定模块32，还用于在二值化的每一帧视频图像中，确定运动对象的运动掩模；

确定模块32，还用于根据运动对象的运动掩模确定运动对象的轮廓。

在一种可选实施方式中，去除模块33，还用于在运动掩模内，滤除待处理对象的纹理特征信息。

需要说明的是，本申请装置实施例与方法实施例具有相同或相应的技术效果，本实施例中不在赘述。

图4是本申请实施例提供的电子设备的结构框图。

基于前述实施例，参照图4所示，本申请实施例提供的电子设备40，包括：

存储器41、处理器42和通讯总线43，存储器41通过通讯总线与处理器42通信连接；

存储器41中存储有计算机可执行指令，处理器42用于执行计算机可执行指令，以实现本申请任一可选实施例提供视频图像的处理方法。

需要说明的是，本申请设备实施例与方法实施例具有相同或相应的技术效果，本实施例中不在赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，设备和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。

本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的一种视频图像的处理方法、装置及电子设备中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者设备程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干设备的单元权利要求中，这些设备中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

Claims (10)

1.一种视频图像的处理方法，其特征在于，包括：

在接收到对视频图像的处理指令的情况下，从预设数量帧的图像中识别静态图像；

根据每一帧所述视频图像中所述静态图像和/或每一帧所述视频图像确定待处理对象；

根据与所述视频图像的像素值对应的连通域阈值，确定所述视频图像中运动对象的轮廓，并去除所述运动对象轮廓之外的所述待处理对象；

根据所述待处理对象的边缘特征，去除所述运动对象轮廓内的所述待处理对象；

根据所述运动对象的轮廓进行定位，融合所述静态图像和所述运动对象，得到处理后的视频图像。

2.根据权利要求1所述的方法，其特征在于，所述在接收到对视频图像的处理指令的情况下，从预设数量的帧图像中识别静态图像，包括：

在接收到对视频图像的处理指令的情况下，从所述视频图像中提取预设数量的帧图像；

分别以所述预设数量帧的图像中的每一帧图像为一列向量组成向量矩阵；

低秩分解所述向量矩阵，得到所述静态图像。

3.根据权利要求1所述的方法，其特征在于，所述根据每一帧所述视频图像中所述静态图像和/或每一帧所述视频图像确定待处理对象，包括：

根据每一帧所述视频图像中所述静态图像中模糊像素点的纹理信息，确定所述待处理对象；

和/或，

根据每一帧所述视频图像中亮度大于预设阈值的特征像素点，确定所述待处理对象。

4.根据权利要求1所述的方法，其特征在于，所述根据与所述视频图像的像素值对应的连通域阈值，确定所述视频图像中运动对象的轮廓，包括：

二值化处理每一帧所述视频图像；

在所述二值化的每一帧视频图像中，确定所述运动对象的运动掩模；

根据与所述视频图像的像素值对应的连通域阈值和所述运动对象的运动掩模确定所述运动对象的轮廓。

5.根据权利要求4所述的方法，其特征在于，所述根据所述待处理对象的边缘特征，去除所述运动对象轮廓内的所述待处理对象，包括：

在所述运动掩模内，滤除所述待处理对象的纹理特征信息。

6.一种视屏图像的处理装置，其特征在于，包括：

识别模块，用于在接收到对视频图像的处理指令的情况下，从预设数量帧的图像中识别静态图像；

确定模块，用于根据每一帧所述视频图像中所述静态图像和/或每一帧所述视频图像确定待处理对象；

去除模块，用于根据与所述视频图像的像素值对应的连通域阈值，确定所述视频图像中运动对象的轮廓，并去除所述运动对象轮廓之外的所述待处理对象；

所述去除模块，还用于根据所述待处理对象的边缘特征，去除所述运动对象轮廓内的所述待处理对象；

融合模块，用于根据所述运动对象的轮廓进行定位，融合所述静态图像和所述运动对象，得到处理后的视频图像。

7.根据权利要求6所述的装置，其特征在于，所述识别模块包括：

提取单元，用于在接收到对视频图像的处理指令的情况下，从所述视频图像中提取预设数量的帧图像；

构建单元，用于分别以所述预设数量帧的图像中的每一帧图像为一列向量组成向量矩阵；

分解单元，用于低秩分解所述向量矩阵，得到所述静态图像。

8.根据权利要求6所述的装置，其特征在于，

所述确定模块，还用于根据每一帧所述视频图像中所述静态图像中模糊像素点的纹理信息，确定所述待处理对象；

和/或，

用于根据每一帧所述视频图像中亮度大于预设阈值的特征像素点，确定所述待处理对象。

9.一种电子设备，其特征在于，包括：

存储器、处理器和通讯总线，所述存储器通过所述通讯总线与所述处理器通信连接；

所述存储器中存储有计算机可执行指令，所述处理器用于执行所述计算机可执行指令，以实现权利要求1-5任一项所述的方法。

10.一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存储有计算机可执行指令，所述计算机可执行指令在被执行时，用于实现权利要求1-5任一项所述的方法。

Images