CN111866573A - 视频的播放方法、装置、电子设备及存储介质 - Google Patents
视频的播放方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111866573A CN111866573A CN202010741865.9A CN202010741865A CN111866573A CN 111866573 A CN111866573 A CN 111866573A CN 202010741865 A CN202010741865 A CN 202010741865A CN 111866573 A CN111866573 A CN 111866573A
- Authority
- CN
- China
- Prior art keywords
- image
- video
- frame image
- target
- region
- 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
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]
- H04N21/40—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
- H04N21/431—Generation of visual interfaces for content selection or interaction; Content or additional data rendering
- H04N21/4318—Generation of visual interfaces for content selection or interaction; Content or additional data rendering by altering the content in the rendering process, e.g. blanking, blurring or masking an image region
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/12—Fingerprints or palmprints
- G06V40/1347—Preprocessing; Feature extraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/18—Eye characteristics, e.g. of the iris
- G06V40/193—Preprocessing; Feature extraction
-
- 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
- H04N21/431—Generation of visual interfaces for content selection or interaction; Content or additional data rendering
- H04N21/4312—Generation of visual interfaces for content selection or interaction; Content or additional data rendering involving specific graphical features, e.g. screen layout, special fonts or colors, blinking icons, highlights or animations
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computing Systems (AREA)
- Evolutionary Biology (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Ophthalmology & Optometry (AREA)
- Biomedical Technology (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明提供了一种视频的播放方法、装置、电子设备及存储介质;方法包括:在视频播放界面中播放目标视频的视频内容;基于播放的所述视频内容,获取待呈现的所述目标视频的帧图像;当所述帧图像中存在人体生物特征对应的图像区域时,对所述人体生物特征对应的图像区域进行模糊处理,以降低所述图像区域的清晰度;在所述视频播放界面中,呈现所述模糊处理后的所述目标视频的帧图像;通过本发明,能够保护视频中被拍摄者的人体生物信息不被泄露,提高安全性;且无需人工参与后期制作,降低成本,避免漏检测、损坏视频的现象发生。
Description
技术领域
本发明涉及人工智能和媒体播放技术领域,尤其涉及一种视频的播放方法、装置、电子设备及存储介质。
背景技术
人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说,人工智能是计算机科学的一个综合技术,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法,使机器具有感知、推理与决策的功能。随着人工智能技术的不断发展,人工智能已经越来越多地应用于视频的智能播放、视频的智能处理等方面。
近年来,随着硬件设备、网络环境的加快发展,超高清视频(比如4K,8K,HDR等格式的视频)已经逐渐进入消费端,越来越多的用户可以在各种屏幕上欣赏到高清晰度的视频。但高分辨率的介入,视频中人物的生物特征信息(比如视频中的指纹、虹膜等信息)也将会更加易于复制,导致视频中人物的隐私泄漏,被不法分子使用,引发安全问题。
相关技术中,通常在视频制作的后期对一些隐私信息进行标记或者模糊处理,使其在播放端呈现时不包含隐私信息,但是后期制作成本高,需要转码和额外存储空间,而转码会导致源视频的损坏,且人工后期处理存在漏检测的可能。
发明内容
本发明实施例提供一种视频的播放方法、装置、电子设备及存储介质,能够保护视频中被拍摄者的人体生物信息不被泄露,提高安全性;且无需人工参与后期制作,降低成本,避免漏检测、损坏视频的现象发生。
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的播放方法,包括:
在视频播放界面中播放目标视频的视频内容;
基于播放的所述视频内容,获取待呈现的所述目标视频的帧图像;
当所述帧图像中存在人体生物特征对应的图像区域时,对所述人体生物特征对应的图像区域进行模糊处理,以降低所述图像区域的清晰度;
在所述视频播放界面中,呈现所述模糊处理后的所述目标视频的帧图像。
本发明实施例还提供一种视频的播放装置,包括:
播放模块,用于在视频播放界面中播放目标视频的视频内容;
获取模块,用于基于播放的所述视频内容,获取待呈现的所述目标视频的帧图像;
模糊处理模块,用于当所述帧图像中存在人体生物特征对应的图像区域时,对所述人体生物特征对应的图像区域进行模糊处理,以降低所述图像区域的清晰度;
呈现模块,用于在所述视频播放界面中,呈现所述模糊处理后的所述目标视频的帧图像。
上述方案中,所述装置还包括:
上传模块,用于呈现视频上传界面,并在所述视频上传界面中呈现视频选择功能项及生物特征隐藏功能项,所述生物特征隐藏功能项,用于隐藏所述目标视频在播放过程中呈现的人体生物特征;
响应于基于所述视频选择功能项的触发的视频选择操作,标记所述视频选择操作所选择的所述目标视频;
响应于针对所述生物特征隐藏功能项的触发操作,开启针对所述目标视频的生物特征隐藏功能;
响应于基于所述视频上传界面触发的视频上传指令,上传所述目标视频。
上述方案中,所述装置还包括:
第一确定模块,用于当所述目标视频处于播放进行状态时,获取目标帧图像中人体生物特征对应的图像区域的图像特征;
其中,所述目标帧图像与所述帧图像相邻、且所述目标帧图像的播放时间点在所述帧图像的播放时间点之前;
基于所述图像特征,对所述帧图像进行目标跟踪处理,以确定所述帧图像中所述人体生物特征对应的图像区域。
上述方案中,所述第一确定模块,还用于当所述图像特征为尺度不变特征变换SIFT特征时,提取所述帧图像的SIFT特征;
将所述目标帧图像中人体生物特征对应的图像区域的SIFT特征,与所述帧图像的SIFT特征进行匹配,以基于匹配结果确定所述帧图像中所述人体生物特征对应的图像区域。
上述方案中,所述装置还包括:
第二确定模块,用于当所述目标视频处于播放暂停状态时,通过第一神经网络模型识别所述帧图像中的目标区域,所述目标区域包括所述人体生物特征对应的图像区域;
基于识别到的所述目标区域,确定所述帧图像的目标区域中所述人体生物特征对应的图像区域。
上述方案中,所述第二确定模块,还用于对所述帧图像的目标区域中,所述人体生物特征对应的图像区域进行标记,所述标记,用于指示所述图像区域携带人体生物特征。
上述方案中,所述第二确定模块,还用于对所述帧图像进行人脸检测,得到检测结果;
当所述检测结果表征所述帧图像中存在人脸区域时,生成目标区域的识别指令,所述识别指令用于指示通过所述第一神经网络模型识别所述帧图像中的目标区域。
上述方案中,当所述人体生物特征为虹膜特征时,相应的所述目标区域为眼部区域;所述第二确定模块,还用于提取所述帧图像中所述目标区域的图像特征,并获取预存的虹膜特征;
将所述预存的虹膜特征与所述目标区域的图像特征进行匹配,以基于匹配结果确定所述帧图像的眼部区域中虹膜特征对应的虹膜区域。
上述方案中,当所述人体生物特征为指纹特征时,相应的所述目标区域为手掌区域;所述第二确定模块,还用于通过第二神经网络模型,识别所述手掌区域对应的正反面,得到识别结果;
当所述识别结果表征所述手掌区域对应手掌正面时,生成特征提取指令,所述特征提取指令,用于指示确定所述人体生物特征对应的图像区域。
上述方案中,所述第二确定模块,还用于对所述帧图像进行图像分割,得到包含所述手掌区域的图像;
对所述对应所述手掌区域的图像进行二值分割,以提取所述图像中对应手掌区域的前景图像区域。
上述方案中,所述模糊处理模块,还用于获取所述人体生物特征对应的图像区域的掩膜;
基于所述掩膜提取所述帧图像中所述人体生物特征对应的图像区域;
对所述人体生物特征对应的图像区域进行保边滤波处理,以降低所述图像区域的清晰度。
上述方案中,当所述人体生物特征为指纹特征时,所述模糊处理模块,还用于对所述人体生物特征对应的图像区域进行磨皮处理,以降低所述图像区域的清晰度。
本发明实施例还提供一种电子设备,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的播放方法。
本发明实施例还提供一种计算机可读存储介质,存储有可执行指令,所述可执行指令被处理器执行时,实现本发明实施例提供的视频的播放方法。
本发明实施例具有以下有益效果:
在播放目标视频时,对获取的目标视频的帧图像是否存在人体生物特征对应的图像区域进行确定,当确定帧图像中存在人体生物特征对应的图像区域时,对人体生物特征对应的图像区域进行模糊处理,以在以目标视频播放时,呈现模糊处理后的帧图像;如此,一方面,在视频的播放过程中,降低了人体生物特征对应的图像区域的清晰度,能够保护视频中被拍摄者的人体生物特征不被泄露,提高安全性;另一方面,整个过程在视频播放的过程中即可实现,无需人工参与后期制作,降低成本,避免漏检测、损坏视频的现象发生。
附图说明
图1是本发明实施例提供的视频的播放方法的实施场景示意图;
图2是本发明实施例提供的视频的播放方法的流程示意图;
图3是本发明实施例提供的目标视频的生物特征隐藏功能的开启示意图;
图4是本发明实施例提供的目标视频的帧图像的模糊处理示意图一;
图5是本发明实施例提供的目标视频的帧图像的模糊处理示意图二;
图6是本发明实施例提供的视频的播放方法的流程示意图;
图7是本发明实施例提供的目标视频的帧图像的模糊处理流程示意图;
图8是本发明实施例提供的视频的播放装置的结构示意图;
图9是本发明实施例提供的电子设备的结构示意图。
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)响应于,用于表示所执行的操作所依赖的条件或者状态,当满足所依赖的条件或状态时,所执行的一个或多个操作可以是实时的,也可以具有设定的延迟;在没有特别说明的情况下,所执行的多个操作不存在执行先后顺序的限制。
2)尺度不变特征变换(Scale-invariant feature transform,SIFT),是图像的局部特征,其对旋转、尺度缩放、亮度变化保持不变性,对视角变化、仿射变换、噪声也保持一定程度的稳定性;信息量丰富,适用于在海量特征数据库中进行快速、准确的匹配。
3)大津算法(OTSU),是一种确定图像二值化分割阈值的算法,是图像分割中阈值选取的最佳算法,计算简单,不受图像亮度和对比度的影响。
基于上述对本发明实施例中涉及的名词和术语的解释,下面说明本发明实施例提供的视频的播放方法的实施场景,参见图1,图1是本发明实施例提供的视频的播放方法的实施场景示意图,为实现支撑一个示例性应用,终端(包括终端200-1和终端200-2)通过网络300连接服务器100,网络300可以是广域网或者局域网,又或者是二者的组合,使用无线或有线链路实现数据传输。
终端(如终端200-1),用于在视频播放界面中播放目标视频的视频内容;基于播放的视频内容,向服务器100发送获取待呈现的目标视频的帧图像的请求;
服务器100,用于接收并响应于终端发送的获取待呈现的目标视频的帧图像的请求,对目标视频的帧图像进行人体生物特征对应的图像区域的识别;当帧图像中存在人体生物特征对应的图像区域时,对人体生物特征对应的图像区域进行模糊处理,以降低图像区域的清晰度;发送模糊处理后的目标图像的帧图像至终端;
终端(如终端200-1),用于接收服务器100发送的模糊处理后的目标图像的帧图像;并在视频播放界面中,呈现模糊处理后的目标视频的帧图像。
在实际应用中,服务器100可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(CDN,ContentDelivery Network)、以及大数据和人工智能平台等基础云计算服务的云服务器。终端可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能电视、智能手表等,但并不局限于此。终端以及服务器可以通过有线或无线通信方式进行直接或间接地连接,本申请实施例中不做限制。
基于上述对本发明实施例的视频的播放方法的实施场景的说明,下面说明本发明实施例提供的视频的播放方法。参见图2,图2是本发明实施例提供的视频的播放方法的流程示意图;在一些实施例中,本发明实施例提供的视频的播放方法可由服务器或终端单独实施,或由服务器及终端协同实施,以终端实施为例,本发明实施例提供的视频的播放方法包括:
步骤201:终端在视频播放界面中播放目标视频的视频内容。
在实际应用中,终端设置有用于视频播放的客户端,通过运行该客户端,呈现视频播放界面,并在视频播放界面中播放目标视频的视频内容。
在一些实施例中,终端可通过如下方式开启针对目标视频的生物特征隐藏功能:呈现视频上传界面,并在视频上传界面中呈现视频选择功能项及生物特征隐藏功能项;响应于基于视频选择功能项的触发的视频选择操作,标记视频选择操作所选择的目标视频;响应于针对生物特征隐藏功能项的触发操作,开启针对目标视频的生物特征隐藏功能;响应于基于视频上传界面触发的视频上传指令,上传目标视频。
其中,该生物特征隐藏功能项,用于隐藏目标视频在播放过程中呈现的人体生物特征。
这里,终端上设置的客户端还可供用户上传拍摄的视频。终端通过运行客户端,呈现视频上传界面,该视频上传界面中包含视频选择功能项、以及生物特征隐藏功能项。当该生物特征隐藏功能项被开启时,在目标视频的播放过程中将隐藏目标视频中人物的人体生物特征,比如指纹、虹膜等。
在实际应用中,当用户需要上传视频时,可以通过视频上传界面呈现的视频选择功能项触发视频选择操作,终端响应于该视频选择操作,标记视频选择操作所选择的视频为目标视频。
当用户需要对目标视频进行人体生物特征隐藏时,则通过触发生物特征隐藏功能项,触发针对目标视频的生物特征隐藏功能的开启指令。终端响应于该开启指令,开启针对目标视频的生物特征隐藏功能。以在该目标视频播放过程中,隐藏目标视频呈现的人体生物特征。
示例性地,参见图3,图3是本发明实施例提供的目标视频的生物特征隐藏功能的开启示意图。这里,终端通过视频上传界面,呈现视频选择功能项“□”、以及生物特征隐藏功能项“隐藏生物特征”。当终端接收到基于视频选择功能项触发的视频选择操作,将视频选择操作所选择的视频标记为目标视频;如果在用户确认上传之前,还接收到针对该目标视频的生物特征隐藏功能的开启指令,则开启针对目标视频的生物特征隐藏功能。以在该目标视频播放过程中,隐藏目标视频呈现的人体生物特征。
步骤202:基于播放的视频内容,获取待呈现的目标视频的帧图像。
终端在播放目标视频时,基于播放的视频内容,获取即将呈现的目标视频的帧图像,在实际应用中,终端可以向服务器发送获取目标视频的帧图像的请求,以接收服务器基于该请求返回的目标视频的帧图像。
步骤203:当帧图像中存在人体生物特征对应的图像区域时,对人体生物特征对应的图像区域进行模糊处理,以降低图像区域的清晰度。
终端获取到待呈现的目标视频的帧图像后,对帧图像中是否存在人体生物特征对应的图像区域进行识别,得到识别结果。当该识别结果表征帧图像中存在人体生物特征对应的图像区域时,此时对帧图像中人体生物特征对应的图像区域进行模糊处理,以降低图像区域的清晰度,保护帧图像中人物的人体生物信息的隐私安全。
在实际应用中,视频播放过程中存在暂停状态和播放进行状态,而处于播放进行状态的视频模糊处理,对处理时间的要求更高,需要快速确定人体生物特征对应的图像区域,进行快速模糊,保证隐私安全;而处于暂停状态下时,则可对人体生物特征对应的图像区域进行精确模糊。因此,在本发明实施例中,采用不同的方式,处理不同播放状态下的目标视频的帧图像。
下面首先说明播放进行状态下,视频的帧图像的模糊处理过程。在一些实施例中,当目标视频处于播放进行状态时,在对帧图像进行模糊处理之前,终端可通过如下方式确定帧图像中人体生物特征对应的图像区域:获取目标帧图像中人体生物特征对应的图像区域的图像特征;基于图像特征,对帧图像进行目标跟踪处理,以确定帧图像中人体生物特征对应的图像区域。其中,该目标帧图像与帧图像相邻、且目标帧图像的播放时间点在帧图像的播放时间点之前。
这里,当目标视频处于播放进行状态时,终端在确定帧图像中人体生物特征对应的图像区域之前,需要首先获取目标帧图像中人体生物特征对应的图像区域的图像特征,然后基于获取的图像特征,对帧图像进行目标跟踪处理,从而确定帧图像中人体生物特征对应的图像区域。这里,目标跟踪中常提取的图像特征包括颜色、纹理、边缘等特征。
另外,由于是在播放进行的状态下进行人体生物特征对应图像区域的识别,因此该目标帧图像的播放时间点应在帧图像的播放时间点之前,且目标帧图像与帧图像相邻。
在一些实施例中,基于获取的图像特征,终端可通过如下方式对帧图像进行目标跟踪处理:当图像特征为尺度不变特征变换SIFT特征时,提取帧图像的SIFT特征;将目标帧图像中人体生物特征对应的图像区域的SIFT特征,与帧图像的SIFT特征进行匹配,以基于匹配结果确定帧图像中人体生物特征对应的图像区域。
在提取到图像特征后,将图像特征、与目标帧图像中的特征进行特征匹配,以基于匹配结果确定帧图像中人体生物特征对应的图像区域。在实际应用中,当确定图像特征为SIFT特征,则提取帧图像的SIFT特征;然后将目标帧图像中人体生物特征对应的图像区域的SIFT特征,与帧图像的SIFT特征进行匹配,从而根据匹配结果确定帧图像中人体生物特征对应的图像区域。
接下来继续说明播放暂停状态下,视频的帧图像的模糊处理过程。播放暂停时,可对人体生物特征对应的图像区域进行精确模糊。在实际应用中,由于只有画面中有人物出现时,才会出现虹膜信息或者指纹信息,因此在确定人体生物特征对应的图像区域之前,需要对当前图像帧进行人脸识别。
因此在一些实施例中,通过第一神经网络模型识别帧图像中的目标区域之前,终端还对帧图像进行人脸检测,得到检测结果;当检测结果表征帧图像中存在人脸区域时,生成目标区域的识别指令。其中,该识别指令用于指示通过第一神经网络模型识别帧图像中的目标区域。
在实际应用中,可通过人脸检测算法,对帧图像进行人脸检测,得到检测结果。当该检测结果表征帧图像中存在人脸区域时,则需要进一步识别帧图像中包含的人体生物特征的目标区域。此时终端可生成针对目标区域的识别指令,以指示通过第一神经网络模型识别帧图像中的目标区域。
在一些实施例中,当目标视频处于播放暂停状态时,在对帧图像进行模糊处理之前,终端可通过如下方式确定帧图像中人体生物特征对应的图像区域:通过第一神经网络模型识别帧图像中的目标区域;基于识别到的目标区域,确定帧图像的目标区域中人体生物特征对应的图像区域。其中,该目标区域包括人体生物特征对应的图像区域。
在实际应用中,可以预先构建并训练得到第一神经网络模型,如区域卷积神经网络模型,以使该第一神经网络模型能够对帧图像中的目标区域进行识别,其中,目标区域包括人体生物特征对应的图像区域。在识别得到帧图像中的目标区域后,基于识别的目标区域,确定目标区域中人体生物特征对应的图像区域。比如目标区域可以是眼部区域、或者手掌区域,那么图像区域则可以为对应指纹的指纹区域、对应虹膜的虹膜区域。
在实际实施时,该第一神经网络模型可以是单镜头多盒检测(SSD,Single ShotMultiBox Detector)神经网络模型,通过SSD神经网络模型,对人体生物特征对应的图像区域进行定位,得到位置信息,进而基于定位信息确定目标区域中人体生物特征对应的图像区域。具体地,将帧图像输入SSD神经网络模型,通过SSD神经网络模型对人体生物特征对应的图像区域的位置进行预测,得到预测的位置信息,位置信息=[x,y,w,h],其中,x,y为人体生物特征对应的图像区域中每个点的坐标,w为人体生物特征对应的图像区域的宽度,h为人体生物特征对应的图像区域的高度。
在一些实施例中,终端还可对帧图像的目标区域中,人体生物特征对应的图像区域进行标记。其中,该标记用于指示图像区域携带人体生物特征。
确定帧图像中包含的人体生物特征的目标区域之后,当该目标区域为手掌区域,相应的人体生物特征为指纹特征时,由于手掌只有一面包含指纹特征,此时需要对手掌区域进行识别,以确定该手掌区域是否包含指纹特征。在实际应用中,将包含指纹特征的一面作为手掌区域对应的正面,将不包含指纹特征的一面作为手掌区域对应的反面。
基于此,在一些实施例中,终端可通过如下方式识别手掌区域的正反面:通过第二神经网络模型,识别手掌区域对应的正反面,得到识别结果;当识别结果表征手掌区域对应手掌正面时,生成特征提取指令。其中,该特征提取指令用于指示确定人体生物特征对应的图像区域。
在实际应用中,终端通过第二神经网络模型,识别手掌区域对应的正反面,得到识别结果。当该识别结果表征手掌区域对应手掌正面时,则可将该手掌区域确定为人体生物特征对应的图像区域。此时,终端生成特征提取指令,以指示确定该手掌区域为人体生物特征对应的图像区域。该第二神经网络模型可以是基于卷积神经网络构建,在实际实施时,可以预先构建并训练得到第二神经网络模型,以使该第二神经网络模型能够对帧图像中的手掌区域的正反面进行识别,具体地可通过MobileNet网络构建第二神经网络模型,并在训练完成之后,采用第二神经网络模型对手掌区域进行正反面识别区分,得到识别结果。
在一些实施例中,当目标区域为手掌区域时,终端可通过如下方式确定帧图像的目标区域中人体生物特征对应的图像区域:对帧图像进行图像分割,得到包含手掌区域的图像;对对应手掌区域的图像进行二值分割,以提取图像中对应手掌区域的前景图像区域。
在实际应用中,对手掌区域进行精确识别后,可以对帧图像进行图像分割,以得到包含手掌区域的图像;然后对该手掌区域对应的图像进行二值分割,以去除图像中的背景,提取图像中对应手掌区域的前景图像区域。
在实际实施时,可通过OTSU大津算法,对该手掌区域对应的图像进行手掌精确分离,提取图像中对应手掌区域的前景图像区域。具体地,通过OTSU大津算法,按图像中各像素点的灰度值,将对应手掌区域的图像分成背景图像区域和前景图像区域两部分,从而提取图像中对应手掌区域的前景图像区域。
而当该目标区域为眼部区域,包含的人体生物特征为虹膜特征时,则需要确定眼部区域中虹膜特征对应的虹膜区域。在一些实施例中,终端可通过如下方式确定帧图像的目标区域中人体生物特征对应的图像区域:提取帧图像中目标区域的图像特征,并获取预存的虹膜特征;将预存的虹膜特征与目标区域的图像特征进行匹配,以基于匹配结果确定帧图像的眼部区域中虹膜特征对应的虹膜区域。
在实际应用中,可以预先存储虹膜特征。在确定帧图像中虹膜特征对应的虹膜区域时,提取帧图像中眼部区域的图像特征;将预存的虹膜特征与目标区域的图像特征进行匹配,得到匹配结果;从而根据匹配结果确定帧图像的眼部区域中虹膜特征对应的虹膜区域,即将眼部区域中与虹膜特征匹配一致的区域作为虹膜特征对应的虹膜区域。
在确定对应人体生物特征的图像区域后,为保证视频中人物的人体生物特征不被泄露,在一些实施例中,终端可通过如下方式对人体生物特征对应的图像区域进行模糊处理:获取人体生物特征对应的图像区域的掩膜;基于掩膜提取帧图像中人体生物特征对应的图像区域;对人体生物特征对应的图像区域进行保边滤波处理,以降低图像区域的清晰度。
在实际应用中,终端可获取人体生物特征对应的图像区域的掩膜,进而基于获取的掩膜,提取帧图像中人体生物特征对应的图像区域;然后再对人体生物特征对应的图像区域进行保边滤波处理,以降低图像区域的清晰度。
举例来说,当人体生物特征为指纹时,则获取手掌区域的掩膜,进而基于手掌区域的掩膜,从帧图像中提取手掌区域。然后对手掌区域进行保边滤波处理,以实现对人体生物特征对应的图像区域的模糊处理。具体地,可通过双边滤波算法,对手掌区域进行保边滤波处理,使其中的指纹特征能够更好的模糊,但保留手掌的边缘,不影响视频的观感。
在一些实施例中,当人体生物特征为指纹特征时,终端可通过如下方式对人体生物特征对应的图像区域进行模糊处理:对人体生物特征对应的图像区域进行磨皮处理,以降低图像区域的清晰度。
在实际应用中,终端还可以通过磨皮处理的方式,对手掌区域进行模糊处理,以降低手掌区域的清晰度。
示例性地,参见图4,图4是本发明实施例提供的目标视频的帧图像的模糊处理示意图一。这里,通过对虹膜区域进行模糊处理,得到虹膜区域清晰度较低的帧图像,并呈现。
示例性地,参见图5,图5是本发明实施例提供的目标视频的帧图像的模糊处理示意图二。这里,通过对手掌区域进行模糊处理,得到手掌区域清晰度较低的帧图像,并呈现。这里,手掌区域中对应指纹特征的区域模糊度更高,手掌区域的其他部分则可以正常显示,避免影响用户的观感。
步骤204:在视频播放界面中,呈现模糊处理后的目标视频的帧图像。
终端在对目标视频的帧图像中人体生物特征对应的图像区域进行模糊处理后,在视频播放界面,呈现模糊处理后的目标视频的帧图像,以实现目标视频的播放。
应用本发明上述实施例,在播放目标视频时,对获取的目标视频的帧图像是否存在人体生物特征对应的图像区域进行确定,当确定帧图像中存在人体生物特征对应的图像区域时,对人体生物特征对应的图像区域进行模糊处理,以在以目标视频播放时,呈现模糊处理后的帧图像;如此,在视频的播放过程中,一方面,降低了人体生物特征对应的图像区域的清晰度,能够保护视频中被拍摄者的人体生物特征不被泄露,提高安全性;另一方面,无需人工参与后期制作,降低成本,避免漏检测、损坏视频的现象发生。
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。
在一些实施例中,本发明提供的视频的播放方法可以由第一客户端、第二客户端以及服务器协同实施,其中,第一客户端对应于视频的上传侧,设置于视频上传者的第一终端,第二客户端对应于视频的观看侧,设置于视频观看者的第二终端。参见图6,图6是本发明实施例提供的视频的播放方法的流程示意图,本发明实施例提供的视频的播放方法包括:
步骤601:第一终端运行第一客户端,呈现视频上传界面。
这里,第一终端上设置有第一客户端,该第一客户端可供用户上传拍摄的视频。第一终端运行第一客户端,呈现视频上传界面,该视频上传界面中包含视频选择功能项、以及生物特征隐藏功能项。其中,该生物特征隐藏功能项,用于隐藏目标视频在播放过程中呈现的人体生物特征。
当该生物特征隐藏功能项被开启时,在目标视频的播放过程中将隐藏其中人物的人体生物特征,比如指纹、虹膜等。
步骤602:响应于基于视频选择功能项的触发的视频选择操作,标记视频选择操作所选择的目标视频;并响应于针对生物特征隐藏功能项的触发操作,开启针对目标视频的生物特征隐藏功能。
这里,当用户需要上传视频时,可以通过视频上传界面呈现的视频选择功能项触发视频选择操作,终端响应于该视频选择操作,标记视频选择操作所选择的视频为目标视频。
当用户需要对目标视频进行人体生物特征隐藏时,则通过触发生物特征隐藏功能项,触发针对目标视频的生物特征隐藏功能的开启指令。终端响应于该开启指令,开启针对目标视频的生物特征隐藏功能。
步骤603:响应于基于视频上传界面触发的视频上传指令,上传目标视频至服务器。
步骤604:服务器接收目标视频并存储。
步骤605:当第二终端在视频播放界面中播放目标视频时,发送针对待呈现的目标视频的帧图像的获取请求至服务器。
这里,第二终端需要播放目标视频时,向服务器发送针对待呈现的目标视频的帧图像的获取请求,以获取播放的视频内容。
步骤606:服务器接收并响应于获取请求,对帧图像是否存在人体生物特征对应的图像区域进行识别;若是,则执行步骤607,若否,则执行步骤608。
步骤607:对获取请求对应的目标视频对应的帧图像中、人体生物特征对应的图像区域进行模糊处理,得到模糊处理后的目标视频的帧图像。
这里,服务器在接收到第二终端的获取请求后,首先确定针对目标视频,是否开启了生物特征隐藏功能。如果未开启,则直接返回获取请求对应的目标视频的帧图像。如果已开启,则对帧图像中是否存在人体生物特征对应的图像区域进行识别,若存在,则执行步骤607,若不存在,则执行步骤608。
在实际应用中,视频播放过程中存在暂停状态和播放进行状态,而处于播放进行状态的视频模糊处理,对处理时间的要求更敏感,需要快速确定人体生物特征对应的图像区域,进行快速模糊,保证隐私安全;而处于暂停状态下时,则可对人体生物特征对应的图像区域进行精确模糊。
因此,在本发明实施例中,采用不同的方式,处理不同播放状态下的目标视频的帧图像,参见图7,图7是本发明实施例提供的目标视频的帧图像的模糊处理流程示意图,这里,首先输入帧图像(参见步骤701),然后对输入的帧图像进行人脸检测(参见步骤702),当确定帧图像中包含人物时,对人体生物特征对应的图像区域进行识别定位(参见步骤703)。当确定视频处于播放暂停状态时(参见步骤704),进行帧图像区域分割(参见步骤705),确定人体生物特征对应的图像区域,进而对人体生物特征对应的图像区域进行保边滤波处理(参见步骤706);当确定视频处于播放进行状态时(参见步骤707),则执行快速模糊处理(参见步骤708)。
下面首先说明播放暂停状态下,视频的帧图像的模糊处理过程。由于人体生物特征只有帧图像中出现人物时才会存在,因此首先对帧图像进行人脸检测,得到检测结果。当该检测结果表征帧图像中存在人脸区域时,则进一步识别帧图像中包含的人体生物特征的目标区域。具体地,可通过第一神经网络模型对帧图像中包含的人体生物特征的目标区域进行定位识别,比如通过SSD神经网络模型,对手掌的位置进行定位,得到定位信息=[x,y,w,h],并基于该定位信息确定包含手掌的目标区域。
确定帧图像中包含的人体生物特征的目标区域之后,当该目标区域为手掌区域时,则包含的人体生物特征为指纹特征。由于手掌只有正面才可能包含指纹特征,此时需要继续通过第二神经网络模型(比如MobileNet网络模型),对手掌区域进行正反面识别区分,得到识别结果。
当该识别结果表征手掌区域对应手掌正面时,由于只有手指以及部分区域才包含可使用的指纹特征,此时需要对手掌区域进行精细分割,得到指纹特征对应的图像区域。具体地,首先对帧图像进行图像分割,得到包含手掌区域的图像,然后对手掌区域的图像进行二值分割,比如通过OSTU大津算法,提取图像中对应手掌区域的前景图像区域。
在提取到对应手掌区域的图像区域后,获取该手掌区域的掩膜,基于获取的手掌掩膜,对手掌区域进行保边滤波处理,降低手掌区域的清晰度。具体地,通过改进后的双边滤波公式,对手掌区域进行保边滤波处理。双边滤波公式如下:
其中,M为手掌区域,Iq为待模糊的帧图像,为滤波后的帧图像,和为高斯核。这里,用手掌区域二值分割的结果作为像素距离的权重,提升了滤波的目的性,使指纹、掌纹等信息能够更好的模糊,但手掌的边缘可以很好地保留,不影响视频的观感。
而当该目标区域为眼部区域时,则包含的人体生物特征为虹膜特征。此时,则需要确定眼部区域中虹膜特征对应的虹膜区域,进而通过磨皮、或者对基于掩膜提取到的虹膜区域进行保边滤波处理,降低包含虹膜特征的眼部区域的清晰度。
接下来继续说明播放进行状态下,视频的帧图像的模糊处理过程。由于处于播放进行状态的视频模糊处理,对处理时间的要求更高,因此需要进行快速模糊处理。具体地,可以获取帧图像的播放时间点之前、且与该帧图像相邻的目标帧图像,获取目标帧图像中人体生物特征对应的图像区域的图像特征,基于该图像特征,对帧图像进行目标跟踪处理,并在跟踪处理的过程中,对人体生物特征对应的图像区域进行模糊处理。
基于上述步骤,得到模糊处理后的目标视频的帧图像。
步骤608:返回获取请求对应的目标视频的帧图像至第二终端。
这里,如果服务器对目标视频的帧图像进行了模糊处理,则返回模糊处理后的目标视频的帧图像;如果服务器没有对目标视频的帧图像进行模糊处理,则直接返回原始的目标视频的帧图像即可。
步骤609:第二终端接收目标视频的帧图像,并在视频播放界面中呈现。
这里,如果第二终端接收到模糊处理后的目标视频的帧图像,则在视频播放界面中呈现模糊处理后的帧图像;如果接收到原始的目标视频的帧图像,则在视频播放界面中呈现原始的帧图像。从而实现第二终端的目标视频的播放。
应用上述实施例,可对视频中存在的生物指纹信息进行模糊处理,保护被拍摄者的生物指纹信息不被泄漏,同时也不损伤原始片源信息,对观看者的影响也极小,不会影响整体的播放体验。当不需要模糊处理时,还可将该生物信息隐藏功能进行关闭。
下面继续说明本发明实施例提供的视频的播放装置,参见图8,图8是本发明实施例提供的视频的播放装置800的结构示意图,本发明实施例提供的视频的播放装置800包括:
播放模块810,用于在视频播放界面中播放目标视频的视频内容;
获取模块820,用于基于播放的所述视频内容,获取待呈现的所述目标视频的帧图像;
模糊处理模块830,用于当所述帧图像中存在人体生物特征对应的图像区域时,对所述人体生物特征对应的图像区域进行模糊处理,以降低所述图像区域的清晰度;
呈现模块840,用于在所述视频播放界面中,呈现所述模糊处理后的所述目标视频的帧图像。
在一些实施例中,所述装置还包括:
上传模块,用于呈现视频上传界面,并在所述视频上传界面中呈现视频选择功能项及生物特征隐藏功能项,所述生物特征隐藏功能项,用于隐藏所述目标视频在播放过程中呈现的人体生物特征;
响应于基于所述视频选择功能项的触发的视频选择操作,标记所述视频选择操作所选择的所述目标视频;
响应于针对所述生物特征隐藏功能项的触发操作,开启针对所述目标视频的生物特征隐藏功能;
响应于基于所述视频上传界面触发的视频上传指令,上传所述目标视频。
在一些实施例中,所述装置还包括:
第一确定模块,用于当所述目标视频处于播放进行状态时,获取目标帧图像中人体生物特征对应的图像区域的图像特征;
其中,所述目标帧图像与所述帧图像相邻、且所述目标帧图像的播放时间点在所述帧图像的播放时间点之前;
基于所述图像特征,对所述帧图像进行目标跟踪处理,以确定所述帧图像中所述人体生物特征对应的图像区域。
在一些实施例中,所述第一确定模块,还用于当所述图像特征为尺度不变特征变换SIFT特征时,提取所述帧图像的SIFT特征;
将所述目标帧图像中人体生物特征对应的图像区域的SIFT特征,与所述帧图像的SIFT特征进行匹配,以基于匹配结果确定所述帧图像中所述人体生物特征对应的图像区域。
在一些实施例中,所述装置还包括:
第二确定模块,用于当所述目标视频处于播放暂停状态时,通过第一神经网络模型识别所述帧图像中的目标区域,所述目标区域包括所述人体生物特征对应的图像区域;
基于识别到的所述目标区域,确定所述帧图像的目标区域中所述人体生物特征对应的图像区域。
在一些实施例中,所述第二确定模块,还用于对所述帧图像的目标区域中,所述人体生物特征对应的图像区域进行标记,所述标记,用于指示所述图像区域携带人体生物特征。
在一些实施例中,所述第二确定模块,还用于对所述帧图像进行人脸检测,得到检测结果;
当所述检测结果表征所述帧图像中存在人脸区域时,生成目标区域的识别指令,所述识别指令用于指示通过所述第一神经网络模型识别所述帧图像中的目标区域。
在一些实施例中,当所述人体生物特征为虹膜特征时,相应的所述目标区域为眼部区域;所述第二确定模块,还用于提取所述帧图像中所述目标区域的图像特征,并获取预存的虹膜特征;
将所述预存的虹膜特征与所述目标区域的图像特征进行匹配,以基于匹配结果确定所述帧图像的眼部区域中虹膜特征对应的虹膜区域。
在一些实施例中,当所述人体生物特征为指纹特征时,相应的所述目标区域为手掌区域;所述第二确定模块,还用于通过第二神经网络模型,识别所述手掌区域对应的正反面,得到识别结果;
当所述识别结果表征所述手掌区域对应手掌正面时,生成特征提取指令,所述特征提取指令,用于指示确定所述人体生物特征对应的图像区域。
在一些实施例中,所述第二确定模块,还用于对所述帧图像进行图像分割,得到包含所述手掌区域的图像;
对所述对应所述手掌区域的图像进行二值分割,以提取所述图像中对应手掌区域的前景图像区域。
在一些实施例中,所述模糊处理模块830,还用于获取所述人体生物特征对应的图像区域的掩膜;
基于所述掩膜提取所述帧图像中所述人体生物特征对应的图像区域;
对所述人体生物特征对应的图像区域进行保边滤波处理,以降低所述图像区域的清晰度。
在一些实施例中,当所述人体生物特征为指纹特征时,所述模糊处理模块830,还用于对所述人体生物特征对应的图像区域进行磨皮处理,以降低所述图像区域的清晰度。
应用本发明上述实施例,在播放目标视频时,对获取的目标视频的帧图像是否存在人体生物特征对应的图像区域进行确定,当确定帧图像中存在人体生物特征对应的图像区域时,对人体生物特征对应的图像区域进行模糊处理,以在以目标视频播放时,呈现模糊处理后的帧图像;如此,在视频的播放过程中,一方面,降低了人体生物特征对应的图像区域的清晰度,能够保护视频中被拍摄者的人体生物特征不被泄露,提高安全性;另一方面,无需人工参与后期制作,降低成本,避免漏检测、损坏视频的现象发生。
本发明实施例还提供一种电子设备,参见图9,图9为本发明实施例提供的电子设备400的结构示意图,在实际应用中,电子设备400可以为图1中的终端或服务器,以电子设备为图1所示的终端为例,对实施本发明实施例的视频的播放方法的电子设备进行说明,本发明实施例提供的电子设备包括:
存储器450,用于存储可执行指令;
处理器410,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的播放方法。
这里,处理器410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。
存储器450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450可选地包括在物理位置上远离处理器410的一个或多个存储设备。
存储器450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 Memory),易失性存储器可以是随机存取存储器(RAM,Random Access Memory)。本发明实施例描述的存储器450旨在包括任意适合类型的存储器。
在一些实施例中还可包括至少一个网络接口420和用户接口430。电子设备400中的各个组件通过总线系统440耦合在一起。可理解,总线系统440用于实现这些组件之间的连接通信。总线系统440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9中将各种总线都标为总线系统440。
本发明实施例还提供一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行本发明实施例提供的视频的播放方法。
本发明实施例还提供一种计算机可读存储介质,存储有可执行指令,所述可执行指令被处理器执行时,实现本发明实施例提供的视频的播放方法。
在一些实施例中,计算机可读存储介质可以是FRAM、ROM、PROM、EPROM、EEPROM、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。计算机可以是包括智能终端和服务器在内的各种计算设备。
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(HTML,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 (15)
1.一种视频的播放方法,其特征在于,所述方法包括:
在视频播放界面中播放目标视频的视频内容;
基于播放的所述视频内容,获取待呈现的所述目标视频的帧图像;
当所述帧图像中存在人体生物特征对应的图像区域时,对所述人体生物特征对应的图像区域进行模糊处理,以降低所述图像区域的清晰度;
在所述视频播放界面中,呈现所述模糊处理后的所述目标视频的帧图像。
2.如权利要求1所述的方法,其特征在于,所述在视频播放界面中播放目标视频的视频内容之前,所述方法还包括:
呈现视频上传界面,并在所述视频上传界面中呈现视频选择功能项及生物特征隐藏功能项,所述生物特征隐藏功能项,用于隐藏所述目标视频在播放过程中呈现的人体生物特征;
响应于基于所述视频选择功能项的触发的视频选择操作,标记所述视频选择操作所选择的所述目标视频;
响应于针对所述生物特征隐藏功能项的触发操作,开启针对所述目标视频的生物特征隐藏功能;
响应于基于所述视频上传界面触发的视频上传指令,上传所述目标视频。
3.如权利要求1所述的方法,其特征在于,所述对所述人体生物特征对应的图像区域进行模糊处理之前,所述方法还包括:
当所述目标视频处于播放进行状态时,获取目标帧图像中人体生物特征对应的图像区域的图像特征;
其中,所述目标帧图像与所述帧图像相邻、且所述目标帧图像的播放时间点在所述帧图像的播放时间点之前;
基于所述图像特征,对所述帧图像进行目标跟踪处理,以确定所述帧图像中所述人体生物特征对应的图像区域。
4.如权利要求3所述的方法,其特征在于,所述基于所述图像特征,对所述帧图像进行目标跟踪处理,以确定所述帧图像中所述人体生物特征对应的图像区域,包括:
当所述图像特征为尺度不变特征变换SIFT特征时,提取所述帧图像的SIF T特征;
将所述目标帧图像中人体生物特征对应的图像区域的SIFT特征,与所述帧图像的SIFT特征进行匹配,以基于匹配结果确定所述帧图像中所述人体生物特征对应的图像区域。
5.如权利要求1所述的方法,其特征在于,所述对所述人体生物特征对应的图像区域进行模糊处理之前,所述方法还包括:
当所述目标视频处于播放暂停状态时,通过第一神经网络模型识别所述帧图像中的目标区域,所述目标区域包括所述人体生物特征对应的图像区域;
基于识别到的所述目标区域,确定所述帧图像的目标区域中所述人体生物特征对应的图像区域。
6.如权利要求5所述的方法,其特征在于,所述方法还包括:
对所述帧图像的目标区域中,所述人体生物特征对应的图像区域进行标记,所述标记,用于指示所述图像区域携带人体生物特征。
7.如权利要求5所述的方法,其特征在于,所述通过第一神经网络模型识别所述帧图像中的目标区域之前,所述方法还包括:
对所述帧图像进行人脸检测,得到检测结果;
当所述检测结果表征所述帧图像中存在人脸区域时,生成目标区域的识别指令,所述识别指令用于指示通过所述第一神经网络模型识别所述帧图像中的目标区域。
8.如权利要求5所述的方法,其特征在于,当所述人体生物特征为虹膜特征时,相应的所述目标区域为眼部区域;
所述基于识别到的所述目标区域,确定所述帧图像的目标区域中所述人体生物特征对应的图像区域,包括:
提取所述帧图像中所述目标区域的图像特征,并获取预存的虹膜特征;
将所述预存的虹膜特征与所述目标区域的图像特征进行匹配,以基于匹配结果确定所述帧图像的眼部区域中虹膜特征对应的虹膜区域。
9.如权利要求5所述的方法,其特征在于,当所述人体生物特征为指纹特征时,相应的所述目标区域为手掌区域;
所述确定所述帧图像的目标区域中所述人体生物特征对应的图像区域之前,所述方法还包括:
通过第二神经网络模型,识别所述手掌区域对应的正反面,得到识别结果;
当所述识别结果表征所述手掌区域对应手掌正面时,生成特征提取指令,所述特征提取指令,用于指示确定所述人体生物特征对应的图像区域。
10.如权利要求9所述的方法,其特征在于,所述确定所述帧图像的目标区域中所述人体生物特征对应的图像区域,包括:
对所述帧图像进行图像分割,得到包含所述手掌区域的图像;
对所述对应所述手掌区域的图像进行二值分割,以提取所述图像中对应手掌区域的前景图像区域。
11.如权利要求1所述的方法,其特征在于,所述对所述人体生物特征对应的图像区域进行模糊处理,以降低所述图像区域的清晰度,包括:
获取所述人体生物特征对应的图像区域的掩膜;
基于所述掩膜提取所述帧图像中所述人体生物特征对应的图像区域;
对所述人体生物特征对应的图像区域进行保边滤波处理,以降低所述图像区域的清晰度。
12.如权利要求1所述的方法,其特征在于,当所述人体生物特征为指纹特征时,所述对所述人体生物特征对应的图像区域进行模糊处理,以降低所述图像区域的清晰度,包括:
对所述人体生物特征对应的图像区域进行磨皮处理,以降低所述图像区域的清晰度。
13.一种视频的播放装置,其特征在于,所述装置包括:
播放模块,用于在视频播放界面中播放目标视频的视频内容;
获取模块,用于基于播放的所述视频内容,获取待呈现的所述目标视频的帧图像;
模糊处理模块,用于当所述帧图像中存在人体生物特征对应的图像区域时,对所述人体生物特征对应的图像区域进行模糊处理,以降低所述图像区域的清晰度;
呈现模块,用于在所述视频播放界面中,呈现所述模糊处理后的所述目标视频的帧图像。
14.一种电子设备,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,实现如权利要求1至12任一项所述的视频的播放方法。
15.一种计算机可读存储介质,其特征在于,存储有可执行指令,所述可执行指令被执行时,用于实现如权利要求1至12任一项所述的视频的播放方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010741865.9A CN111866573B (zh) | 2020-07-29 | 2020-07-29 | 视频的播放方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010741865.9A CN111866573B (zh) | 2020-07-29 | 2020-07-29 | 视频的播放方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111866573A true CN111866573A (zh) | 2020-10-30 |
CN111866573B CN111866573B (zh) | 2022-03-11 |
Family
ID=72948066
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010741865.9A Active CN111866573B (zh) | 2020-07-29 | 2020-07-29 | 视频的播放方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111866573B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115620214A (zh) * | 2022-12-20 | 2023-01-17 | 浙江奥鑫云科技有限公司 | 一种用于网络信息数据的安全处理方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105303185A (zh) * | 2015-11-27 | 2016-02-03 | 中国科学院深圳先进技术研究院 | 虹膜定位方法及装置 |
CN106228151A (zh) * | 2016-05-04 | 2016-12-14 | 中国人民解放军国防科学技术大学 | 指掌静脉融合特征识别方法 |
CN108206930A (zh) * | 2016-12-16 | 2018-06-26 | 杭州海康威视数字技术股份有限公司 | 基于隐私遮蔽显示图像的方法及装置 |
US20180204111A1 (en) * | 2013-02-28 | 2018-07-19 | Z Advanced Computing, Inc. | System and Method for Extremely Efficient Image and Pattern Recognition and Artificial Intelligence Platform |
CN108471551A (zh) * | 2018-03-23 | 2018-08-31 | 上海哔哩哔哩科技有限公司 | 基于主体识别的视频主体信息显示方法、装置、系统和介质 |
CN109033928A (zh) * | 2017-06-09 | 2018-12-18 | 北京小米移动软件有限公司 | 防止信息泄露的图像处理方法和装置 |
CN110572692A (zh) * | 2018-06-06 | 2019-12-13 | 中国电信股份有限公司 | 直播视频美颜方法和装置、计算机可读存储介质 |
US20200026954A1 (en) * | 2019-09-27 | 2020-01-23 | Intel Corporation | Video tracking with deep siamese networks and bayesian optimization |
CN110799984A (zh) * | 2018-07-27 | 2020-02-14 | 深圳市大疆创新科技有限公司 | 跟踪控制方法、设备、计算机可读存储介质 |
CN111368593A (zh) * | 2018-12-25 | 2020-07-03 | 北京右划网络科技有限公司 | 一种马赛克处理方法、装置、电子设备及存储介质 |
-
2020
- 2020-07-29 CN CN202010741865.9A patent/CN111866573B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180204111A1 (en) * | 2013-02-28 | 2018-07-19 | Z Advanced Computing, Inc. | System and Method for Extremely Efficient Image and Pattern Recognition and Artificial Intelligence Platform |
CN105303185A (zh) * | 2015-11-27 | 2016-02-03 | 中国科学院深圳先进技术研究院 | 虹膜定位方法及装置 |
CN106228151A (zh) * | 2016-05-04 | 2016-12-14 | 中国人民解放军国防科学技术大学 | 指掌静脉融合特征识别方法 |
CN108206930A (zh) * | 2016-12-16 | 2018-06-26 | 杭州海康威视数字技术股份有限公司 | 基于隐私遮蔽显示图像的方法及装置 |
CN109033928A (zh) * | 2017-06-09 | 2018-12-18 | 北京小米移动软件有限公司 | 防止信息泄露的图像处理方法和装置 |
CN108471551A (zh) * | 2018-03-23 | 2018-08-31 | 上海哔哩哔哩科技有限公司 | 基于主体识别的视频主体信息显示方法、装置、系统和介质 |
CN110572692A (zh) * | 2018-06-06 | 2019-12-13 | 中国电信股份有限公司 | 直播视频美颜方法和装置、计算机可读存储介质 |
CN110799984A (zh) * | 2018-07-27 | 2020-02-14 | 深圳市大疆创新科技有限公司 | 跟踪控制方法、设备、计算机可读存储介质 |
CN111368593A (zh) * | 2018-12-25 | 2020-07-03 | 北京右划网络科技有限公司 | 一种马赛克处理方法、装置、电子设备及存储介质 |
US20200026954A1 (en) * | 2019-09-27 | 2020-01-23 | Intel Corporation | Video tracking with deep siamese networks and bayesian optimization |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115620214A (zh) * | 2022-12-20 | 2023-01-17 | 浙江奥鑫云科技有限公司 | 一种用于网络信息数据的安全处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111866573B (zh) | 2022-03-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11170210B2 (en) | Gesture identification, control, and neural network training methods and apparatuses, and electronic devices | |
Rössler et al. | Faceforensics: A large-scale video dataset for forgery detection in human faces | |
CN109325933B (zh) | 一种翻拍图像识别方法及装置 | |
Matern et al. | Exploiting visual artifacts to expose deepfakes and face manipulations | |
US11830230B2 (en) | Living body detection method based on facial recognition, and electronic device and storage medium | |
WO2022161286A1 (zh) | 图像检测方法、模型训练方法、设备、介质及程序产品 | |
CN108229297B (zh) | 人脸识别方法和装置、电子设备、计算机存储介质 | |
CN105893920B (zh) | 一种人脸活体检测方法和装置 | |
Borji et al. | Analysis of scores, datasets, and models in visual saliency prediction | |
WO2021139324A1 (zh) | 图像识别方法、装置、计算机可读存储介质及电子设备 | |
CN112052781A (zh) | 特征提取模型训练方法、人脸识别方法、装置、设备及介质 | |
Xu et al. | Security and Usability Challenges of {Moving-Object}{CAPTCHAs}: Decoding Codewords in Motion | |
CN110569756A (zh) | 人脸识别模型构建方法、识别方法、设备和存储介质 | |
CN111626163B (zh) | 一种人脸活体检测方法、装置及计算机设备 | |
CN107844742B (zh) | 人脸图像眼镜去除方法、装置及存储介质 | |
CN111008935B (zh) | 一种人脸图像增强方法、装置、系统及存储介质 | |
CN112733802A (zh) | 图像的遮挡检测方法、装置、电子设备及存储介质 | |
Galdi et al. | FIRE: Fast Iris REcognition on mobile phones by combining colour and texture features | |
CN112749696B (zh) | 一种文本检测方法及装置 | |
EP2798853A1 (en) | Interactive media systems | |
CN107172354A (zh) | 视频处理方法、装置、电子设备及存储介质 | |
CN109389002A (zh) | 活体检测方法及装置 | |
Meena et al. | Image splicing forgery detection techniques: A review | |
CN111866573B (zh) | 视频的播放方法、装置、电子设备及存储介质 | |
Haq et al. | Automatic Player Face Detection and Recognition for Players in Cricket Games |
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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40031396 Country of ref document: HK |
|
GR01 | Patent grant | ||
GR01 | Patent grant |