CN112017179A - 画面视效等级评估的方法、系统、电子装置和存储介质 - Google Patents

Abstract

本申请涉及一种画面视效等级评估的方法、系统、电子装置和存储介质，其中，该画面视效等级评估的方法包括：获取训练视频，根据该训练视频中的画面特征和视效难度，训练得到画面识别模型；获取待识别的视频画面，通过该画面识别模型，识别该视频画面中的画面特征；根据该画面特征，通过该画面识别模型评估该视频画面的视效难度等级，获取视效单位成本。通过本申请，解决了后期制作的成本控制具有滞后性的问题，实现了对后期视效成本的预估，避免成本失控。

Description

画面视效等级评估的方法、系统、电子装置和存储介质

技术领域

本申请涉及图像处理技术领域，特别是涉及画面视效等级评估的方法、系统、电子装置和存储介质。

背景技术

在现代影视剧的创作过程中，通过计算机创建的视觉效果是非常重要的一个组成部分，其中，视觉效果简称视效。视效的制作流程大体可以分为前期视效和后期视效，前期视效为在拍摄现场控制视效镜头的拍摄，确保拍出来的画面能以合理的方案在后期被制作出来，后期视效为在拍摄完成后的视效制作。具体地，前期视效的主要工作是在拍摄现场指导和制定与视效相关的镜头的拍摄方案，采集拍摄时的各项数据；后期视效的主要工作是在拿到拍摄完成的定剪镜头之后，对定剪镜头增加一系列的特效画面元素。

在相关技术中，前期视效工作人员通常通过填写电子表格或者手写记录来采集拍摄时的各项数据，人工成本较高，同时，后期视效制作在数据采集之后进行，视效制作完成才能得到视效成本，因此后期视效制作的成本控制具有滞后性。

目前针对相关技术中，后期制作的成本控制具有滞后性的问题，尚未提出有效的解决方案。

发明内容

本申请实施例提供了一种画面视效等级评估的方法、系统、电子装置和存储介质，以至少解决相关技术中后期制作的成本控制具有滞后性的问题。

第一方面，本申请实施例提供了一种画面视效等级评估的方法，所述方法包括：

获取训练视频，根据所述训练视频中的画面特征和视效难度，训练得到画面识别模型；

获取待识别的视频画面，通过所述画面识别模型，识别所述视频画面中的画面特征；

根据所述画面特征，通过所述画面识别模型评估所述视频画面的视效难度等级，根据所述视效难度等级获取视效单位成本。

在其中一些实施例中，在所述画面特征包括景别、镜头运动幅度、人物运动幅度、幕布占比和威亚的情况下，所述通过所述画面识别模型，识别所述视频画面中的画面特征包括：

通过所述画面识别模型获取所述视频画面中的人物占所述视频画面的比例，根据所述比例确定所述景别；

通过所述画面识别模型反求摄影机的轨迹，根据所述轨迹获取所述视频画面中的所述摄影机的所述镜头运动幅度，其中，所述摄影机用于获取所述视频画面；

通过所述画面识别模型，对所述人物进行追踪，获取所述视频画面中不同帧里所述人物的多个特征图像，在多个所述特征图像中，对比所述人物的感兴趣区域的位置变化，根据所述位置变化获取所述人物运动幅度；

通过所述画面识别模型，识别所述视频画面中幕布的比例，根据所述比例获取所述幕布占比；

通过所述画面识别模型，识别所述视频画面中的线状特征，判断所述线状特征是否为威亚，在判断所述线状特征为威亚的情况下，获取所述威亚的运动幅度。

在其中一些实施例中，还包括：

获取特效元素，根据所述特效元素和所述画面特征获取所述视效单位成本；

根据所述视效单位成本和预估镜头定剪时长获得所述视频画面的视效成本预算，其中，所述视效单位成本与所述视效难度等级对应；

制作所述视频画面的视效，获取所述视效的视效实际单位成本和视效实际难度，根据所述视效实际单位成本和所述视效实际难度，对所述画面识别模型进行校正。

在其中一些实施例中，还包括：

获取特效元素，根据所述特效元素和所述画面特征，通过所述画面识别模型将所述视频画面拆分为多个制作环节，并对所述制作环节进行任务排期。

在其中一些实施例中，还包括：

获取所述视频画面的场次信息和镜号，根据所述场次信息和所述镜号形成所述视频画面的索引信息，根据所述索引信息存储所述视频画面的画面信息。

第二方面，本申请实施例提供了一种画面视效等级评估的系统，所述系统包括获取模块、评估模块和制作模块：

所述获取模块，用于获取待识别的视频画面，通过画面识别模型，识别所述视频画面中的画面特征，其中，所述画面识别模型通过提取训练视频中的所述画面特征和视效难度并进行训练得到；

所述评估模块，用于根据所述画面特征，通过所述画面识别模型评估所述视频画面的视效难度等级，根据所述视效难度等级获取视效单位成本；

所述制作模块，用于制作所述视频画面的视效。

在其中一些实施例中，所述系统还包括任务分发模块：

所述任务分发模块，用于获取外界环境条件和拍摄素材，并根据所述外界环境条件和所述拍摄素材，生成拍摄任务。

在其中一些实施例中，所述系统还包括显示模块：

所述显示模块，用于获取并显示所述视频画面和所述视频画面的参考信息。

第三方面，本申请实施例提供了一种电子装置，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的画面视效等级评估的方法。

第四方面，本申请实施例提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一方面所述的画面视效等级评估的方法。

相比于相关技术，本申请实施例提供的画面视效等级评估的方法，通过获取训练视频，根据该训练视频中的画面特征和视效难度，训练得到画面识别模型；获取待识别的视频画面，通过该画面识别模型，识别该视频画面中的画面特征；根据该画面特征，通过该画面识别模型评估该视频画面的视效难度等级，根据所述视效难度等级获取视效单位成本，解决了后期制作的成本控制具有滞后性的问题，实现了对后期视效成本的预估，避免成本失控。

本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是根据本申请实施例的画面视效等级评估的方法的应用环境示意图；

图2是根据本申请实施例的画面视效等级评估的方法的流程图；

图3是根据本申请实施例的另一种画面视效等级评估的方法的流程图；

图4为本申请实施例的画面视效等级评估的方法的终端的硬件结构框图；

图5是根据本申请实施例的画面视效等级评估的系统的结构框图；

图6是根据本申请实施例的画面视效等级评估的手持终端。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行描述和说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。基于本申请提供的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本申请公开的内容相关的本领域的普通技术人员而言，在本申请揭露的技术内容的基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本申请公开的内容不充分。

在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是，本申请所描述的实施例在不冲突的情况下，可以与其它实施例相结合。

除非另作定义，本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制，可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形，意图在于覆盖不排他的包含；例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可以还包括没有列出的步骤或单元，或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电气的连接，不管是直接的还是间接的。本申请所涉及的“多个”是指大于或者等于两个。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象，不代表针对对象的特定排序。

本申请提供的画面视效等级评估的方法，可以应用于如图1所示的应用环境中，图1是根据本申请实施例的画面视效等级评估的方法的应用环境示意图，如图1所示。其中，画面采集终端102与摄影机104通过网络进行通信。画面采集终端102获取来自摄影机104的待识别的视频画面，画面采集终端102通过训练好的画面识别模型，识别视频画面中的画面特征，并根据该画面特征，评估该视频画面的视效难度等级。其中，画面采集终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，摄影机104可以为获取实时画面的视频采集设备。

本实施例提供了一种画面视效等级评估的方法，图2是根据本申请实施例的画面视效等级评估的方法的流程图，如图2所示，该方法包括如下步骤：

步骤S210，获取训练视频，根据该训练视频中的画面特征和视效难度，训练得到画面识别模型，其中，该画面特征包括景别、镜头运动幅度、人物运动幅度、幕布占比、威亚和景深等等。

本实施例中的训练视频，包括大量从拍摄现场获取到的拍摄画面，具体地，拍摄画面中包括训练过程所需的不同景别，不同的镜头运动幅度，不同的人物运动幅度、不同的幕布占比、不同的威亚运动幅度和不同的景深，其中，景别包括远景、全景、中景、近景和特写，镜头运动幅度表征获取拍摄画面的摄影机的位置变化情况；镜头运动幅度包括固定、推、拉、摇、移和跟，推具体为镜头相对于被拍摄体逐渐接近，拉具体为逐渐拉大镜头与被拍摄体之间的距离，摇具体为以摄影师为圆心，使摄影机向左或右在平面内划弧转动，移具体为让摄影机沿着与镜头光轴轴心垂直的方向在光轴和移动方向形成的平面内移动，跟具体为摄影机镜头随着被拍摄体的移动而移动；人物运动幅度主要为人物的动作幅度，例如，在拍摄画面中面部和四肢的位置变化情况；幕布占比为绿幕或者蓝幕在整个拍摄画面中的比例，其中，绿幕和蓝幕均用来为拍摄画面添加特效；威亚为辅助人物完成特技的道具，后期需要进行删除；景深为画面的虚化程度，景深的数据除了对画面直接的评估取得之外，还可以通过深度摄影装置，以及摄影机轨迹反求技术获得。

视效难度为对拍摄画面添加视效时的难度，例如镜头运动幅度越大，难度越高。在训练过程中，工作人员对拍摄画面中的画面特征与视效难度进行标注，然后根据标注好的拍摄画面进行训练，最后得到画面识别模型。

进一步地，本实施例中的画面识别模型可以通过传统的机器学习实现，也可以通过基于神经网络的深度学习实现。

步骤S220，获取待识别的视频画面，通过该画面识别模型，识别该视频画面中的画面特征。

其中，视频画面可以为摄影机拍摄得到的拍摄现场的实时画面，通过训练好的画面识别模型，识别该视频画面中的画面特征，例如景别、镜头运动幅度、人物运动幅度、幕布占比和威亚。

步骤S230，根据该画面特征，通过画面识别模型评估该视频画面的视效难度等级，根据视效难度等级获取视效单位成本。

具体地，本实施例通过画面识别模型对画面特征的识别，确定视频画面的视效难度等级，该视效难度等级分为A、B、C、D、E五个等级。

需要说明的是，画面特征对视效难度等级的影响具体为：景别越大，需要进行视效制作的内容越多，视效难度等级越高，其中，远景和全景被视为大景别，近景和特写被视为小景别；镜头运动幅度越剧烈，运动的距离越长，时间越长，视效难度等级越高；同样的，人物角色的运动幅度越大，视效难度等级越高；背景中，幕布占比越高，视效难度等级越高。本实施例中，最终难度的评估是要综合所有的画面特征进行判断，不同的视效难度等级对应于不同的视效单位成本。

通过上述步骤S210至步骤S230，本实施例通过对标注好的训练视频的训练，得到画面识别模型，基于该画面识别模型，对拍摄到的实时的视频画面进行识别，确定视频画面的视效难度等级，基于该视效难度等级可以确定预估的视效单位成本，解决了后期制作的成本控制具有滞后性的问题，实现了对后期视效成本的预估，避免成本失控，同时，基于该画面识别模型，本实施例提高了前期视效采集的自动化程度。

在其他实施例中，画面识别模型还可以获取工作人员对特效元素的标注，根据特效元素和画面特征共同计算视效难度等级。具体地，该特效元素为视频画面之外的、剧本中描述的特征，例如，水、火或者烟等等，还可以为视频画面中需要的动画场景。不同的制作内容需要用到的技术方案不一样，难度也不一样。例如，同等规模水的视效比烟或者火的视效难度更高。进一步地，对于同一种制作内容，规模越大，视效难度等级越高。例如，制作洪水的视效比制作一杯水的视效难度更高。

在其中一些实施例中，通过画面识别模型，识别视频画面中的画面特征包括：

1、通过该画面识别模型获取该视频画面中的人物占该视频画面的比例，根据该比例确定该景别。对视频画面中人物比例的识别还可以基于计算机视觉技术实现，在人物占整个视频画面的比例越高的情况下，该视频画面的景别更倾向于特写，在人物占整个视频画面的比例越低的情况下，该视频画面的景别更倾向于全景或者远景，具体地，通常情况下，画面主体人物全身都显示出来时，认为是全景，如果只显示到主体人物的膝盖或腰部，认为是中景，如果只显示到主体人物的胸部或肩部，认为是近景，如果只显示主体人物的面部表情，认为是为特写。

2、通过该画面识别模型反求摄影机的轨迹，根据该轨迹获取该视频画面中的该摄影机的该镜头运动幅度，其中，该摄影机用于获取该视频画面。具体地，摄影机的轨迹可以通过照相测量法，根据视频画面的透视变化计算出摄影机的运动轨迹来获取，进一步地，照相测量法包括模拟照相测量法、解析照相测量法和数字照相测量法。根据反求得到的轨迹，判断摄影机的镜头运动幅度。更进一步地，使用照相测量法实时求解摄影机轨迹时，无论摄影机做何种运动，其在三维空间中的运动数据均可以被记录。摄影机的运动幅度跟运动的位移大小和路径轨迹的规律程度相关。固定机位是运动幅度最低的，摇镜其次，然后是基于轨道的推，拉，平移。轨迹平滑的直线，路径轨迹比较规律，使用摇臂的拍摄，由于多种运动混合，所以运动幅度比较大，透视变化剧烈，路径轨迹的规律程度较低。规律程度最低的是直接通过手持摄影机长时间拍摄，由于运动不稳定，画面呈现明显的抖动。

3、通过该画面识别模型，对该人物进行追踪，获取该视频画面中不同帧里该人物的多个特征图像，在多个该特征图像中，对比该人物的感兴趣区域的位置变化，根据该位置变化获取该人物运动幅度。本实施例中对人物的追踪可以采用多目标追踪算法实现，在每一帧图像中，可以对视频画面中的人物整体进行特征提取，得到特征图像，特征图像中的感兴趣区域可以为人物的面部、头部和四肢中的一个或者多个，接着对比不同帧图像中，面部、头部和四肢的位置变化，该位置变化可以通过面部、头部和四肢在每一帧图像中的坐标计算得到，在坐标差异较大的情况下，认为与该坐标对应的感兴趣区域的位置变化较大，从而判断人物的运动幅度较大。具体地，人物的运动幅度主要结合景别、人物在空间中的位移程度和人体自身的扭转程度来判定。大景别的镜头往往提供了人物在场景中大范围的移动空间，此时重点在于人物在空间中的位移幅度。中近景则更关注人体自身的肢体动作，比如舞刀弄枪。对于常见的施法类特效，手臂的动作变化幅度对制作难度有明显的影响。

4、通过该画面识别模型，识别该视频画面中幕布的比例，根据该比例获取该幕布占比。幕布的比例可以根据图像分割算法得到，例如，在得到视频画面中的一帧图像的情况下，可以通过图像分割算法，将画面中的幕布与人物或者环境进行分割，从而得到幕布的面积。具体地，幕布的占比会影响抠像和场景这两个制作环节的制作难度，从而影响镜头整体的难度。例如，对于小景别，在幕布占比较小，摄影机和人物的运动幅度都比较小的情况下，通常为对话镜头，难度比较小。对于全景，幕布占比大，则需要后期制作的环境比较大，如果摄影机运动幅度也比较大，会进一步增加需要制作的环境的范围，这样的镜头难度高的概率会更大。

5、通过画面识别模型，识别视频画面中的线状特征，判断线状特征是否为威亚，在判断线状特征为威亚的情况下，获取威亚的运动幅度。在电视剧或者电影的拍摄过程中，通常会使用到威亚，但是威亚在后期制作中会被擦除以保证视频最终的画面质量，因此，在获取视频画面的视效难度等级的过程中，需要识别视频画面中是否存在威亚，在视频画面中存在威亚的情况下，后期视效需要专门擦除威亚，而且，威亚的运动幅度越剧烈，视效难度等级会越高，视效单位成本也会增大。

由于景别、人物或者镜头的运动幅度、幕布占比和威亚均与制作环节的难度的有关，制作环节的难度继而影响镜头的整体难度。因此，可以对景别、人物或者镜头的运动幅度、幕布占比和威亚进行权重分析，为每一个影响因素添加权重因子，根据权重因子和每个影响因素的难度得分，计算得到最终的难度等级评分，根据该难度评分与特效难度等级的对应关系，获取特效难度等级。本实施例中，通过多种算法，分别对视频画面中的画面特征进行识别，提高对画面特征识别的准确度。

进一步地，在其他实施例中，任何与视效难度相关的画面特征，均属于画面识别模型的识别范围。

在其他实施例中，图3是根据本申请实施例的另一种画面视效等级评估的方法的流程图，如图3所示，该方法包括如下步骤：

步骤S310，获取特效元素，根据特效元素和画面特征获取视效单位成本。

本实施例中进一步获取视频画面中需要的特效元素，特效元素主要用于描述创意性的制作内容，包括烟、火、水、场景、角色动画、群集动画等，可以通过人工辅助标记，也可以通过画面识别模型对剧本的语义分析实现。

步骤S320，根据视效单位成本和预估镜头定剪时长获得视频画面的视效成本预算，其中，视效单位成本与视效难度等级对应。

本实施例中，不同的视效难度等级对应不同的视效单位成本，视效难度等级越高，视效单位成本越高。具体地，该视效单位成本包括后期制作的时间成本和人力成本，最终用于计算视效成本预算的时间以秒计算，拆分后的制作环节以每个镜头为最小制作单元。进一步地，视效成本等于某个视效难度的单价和镜头定剪时长的乘积，其中，镜头定剪时长为对现场拍摄的视频掐头去尾后，结合视频表达的情感特征进行选择，得到的最后的镜头时长，本实施例中的预估定剪时长可以为根据经验得到的对镜头定剪时长的预估值，预估镜头定剪时长也可以通过对剧本的语义分析得到。

步骤S330，制作该视频画面的视效，获取该视效的视效实际单位成本和视效实际难度，根据该视效实际单位成本和该视效实际难度，对该画面识别模型进行校正。

在后期人员完成视频画面的所有的视效制作之后，可以获取到后期人员对该视频画面付出的实际单位成本，包括实际单位时间成本和实际单位人力成本，同时可以得到在制作视效的过程中的视效实际难度，在视效实际单位成本与视效单位成本出现误差的情况下，可以根据该误差对画面识别模型进行校正，在视效实际难度与视效难度等级之间存在误差的情况下，可以根据该误差对画面识别模型进行校正。

通过上述步骤S310至步骤S330，本实施例在获取到视效难度等级之后，可以根据该视效难度等级生成实时的视效单位成本，工作人员可以根据该实时的视效单位成本控制后续拍摄过程中的视效内容，降低在整个拍摄周期中，整体预算失控的风险。

在其中一些实施例中，还可以根据特效元素和画面特征，通过画面识别模型将视频画面拆分为多个制作环节，并对制作环节进行任务排期，该任务排期具体为对每一个制作环节的工作安排，包括负责人、任务工时和完成时间。本实施例中，特效元素主要用于描述创意性的制作内容，包括烟、火、水、场景、角色动画、群集动画等，特效元素可以通过人工辅助标记。画面识别模型结合特效元素和画面特征实现拆分镜头的任务。拆分得到的制作环节将直接进入任务排期。具体地，制作环节的拆分是确定制作方案的过程，其中，有一些因素是固定的，例如在镜头运动时，必然需要对镜头进行跟踪，在画面中存在幕布背景时，一定会需要对幕布进行抠像，在画面中存在威亚时，必然需要对威亚进行擦除。画面识别得到的画面特征会影响所有制作环节的难度判定，且各自的影响权重不同，例如，全景的镜头如果结合大面积的绿布，那么往往意味着要进行大量的场景制作，进一步地，摄影机的镜头运动幅度对跟踪的直接影响最大，对场景则是间接影响，具体为镜头运动幅度越大，能看到的场景范围可能也就越大。然后将这两个制作环节整合至后期人员的工作安排中，实现任务排期。本实施例通过视频画面识别模型对得到的视频画面进行拆分，再根据拆分后得到的制作环节实现任务排期，提高了视效制作的整体效率。

在其他实施例中，对视效成本预算的预估还可以参考拆分后的制作环节，在对视频画面进行拆分之后，制作环节的视频时间越长，难度越高，成本也越高。

在其中一些实施例中，还可以获取该视频画面的场次信息和镜号，根据该场次信息和镜号形该视频画面的索引信息，根据该索引信息存储该视频画面的画面信息，进一步地，在拍摄电视剧的情况下，还需要获取电视剧的集数信息，根据集数信息、场次信息和镜号来生成视频画面的索引信息，再根据索引信息存储电视剧视频画面的画面信息。其中，画面的场次信息可以通过工作人员的辅助标记得到，该场次信息为与视频画面对应的剧本中的场次信息，通常情况下，为了便于拍摄，剧本中会将影片分成多个独立的场景，记为不同的场次，镜号为导演在拍摄过程中，对同一场景拍摄多次得到不同视频画面的序号，画面信息包括所有的现场数据，例如镜头的元数据，制作环节和视效成本预算，现场任务的执行数据等等，其中，镜头的元数据包括技术元数据和内容元数据，技术元数据例如拍摄该视频画面时的一系列摄影机参数，镜头参数等技术性数据，包括焦距、焦点、分辨率、帧率、光圈、快门等等，内容元数据包括导演和视效指导等现场主创人员的创作性意见。可选地，在存储过程中，还可以将视频画面本身进行存储。本实施例中，根据索引信息对画面信息进行存储，在查找画面信息时也可以根据该索引信息进行查找，有利于提高工作人员对画面信息进行查找的效率。

需要说明的是，在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

本申请提供的方法实施例可以在终端、计算机或者类似的运算装置中执行。以运行在终端上为例，图4为本申请实施例的画面视效等级评估的方法的终端的硬件结构框图。如图4所示，终端40可以包括一个或多个(图4中仅示出一个)处理器402(处理器402可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器404，可选地，上述终端还可以包括用于通信功能的传输设备406以及输入输出设备408。本领域普通技术人员可以理解，图4所示的结构仅为示意，其并不对上述终端的结构造成限定。例如，终端40还可包括比图4中所示更多或者更少的组件，或者具有与图4所示不同的配置。

存储器404可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本申请实施例中的新出现实体的检测方法对应的计算机程序，处理器402通过运行存储在存储器404内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器404可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器404可进一步包括相对于处理器402远程设置的存储器，这些远程存储器可以通过网络连接至终端40。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

传输设备406用于经由一个网络接收或者发送数据。上述的网络具体实例可包括终端40的通信供应商提供的无线网络。在一个实例中，传输设备406包括一个网络适配器(Network Interface Controller，简称为NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输设备406可以为射频(Radio Frequency，简称为RF)模块，其用于通过无线方式与互联网进行通讯。

本实施例还提供了一种画面视效等级评估的系统，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

图5是根据本申请实施例的画面视效等级评估的系统的结构框图，如图5所示，该装置包括获取模块51、评估模块52和制作模块53：

获取模块51，用于获取待识别的视频画面，通过画面识别模型，识别该视频画面中的画面特征，该画面识别模型通过提取训练视频中的该画面特征和视效难度并进行训练得到；评估模块52，用于根据该画面特征，通过该画面识别模型评估该视频画面的视效难度等级，根据视效难度等级获取视效单位成本；制作模块53，用于制作该视频画面的视效。

本实施例中的获取模块51通过画面识别模型，对拍摄到的实时的视频画面进行识别，评估模块52根据画面特征确定视频画面的视效难度等级，制作模块53对视频画面进行视效制作，解决了后期制作的成本控制具有滞后性的问题，实现了对后期视效成本的预估，避免成本失控，同时，基于该画面识别模型，本实施例提高了前期视效采集的自动化程度。

在其中一些实施例中，画面视效等级评估的系统还包括任务分发模块，该任务分发模块用于获取外界环境条件和拍摄素材，并根据外界环境条件和拍摄素材，生成拍摄任务。例如，任务分发模块采集的外界环境条件包括拍摄现场的环境信息和光照信息，拍摄素材包括通过三维扫描采集得到的现场道具或场景，还可以通过航拍视频，采集演员动作的三维数据等。根据该外界环境条件和拍摄素材，任务分发模块可以生成与该外界环境条件和拍摄素材匹配的拍摄任务，并将该拍摄任务反馈至现场工作人员，在现场工作人员接收到拍摄任务的指令之后，就可以自行开展工作。与拍摄任务匹配的外界环境条件和拍摄素材可以提高现场工作人员的沟通效率，并大大减少后期视效的工作量，提高视效的制作效率。

在其中一些实施例中，画面视效等级评估的系统还包括显示模块，该显示模块用于获取并显示视频画面和该视频画面的参考信息。其中，视频画面具体可以为现场拍摄的视频小样，参考信息包括与现场拍摄内容相关的其他视频信息、图片、剧本、分镜、预演等等，为现场视效指导开展工作提供了很大的便利。进一步地，现场的工作人员，例如导演和视效指导，还可以根据由场次和镜号形成的索引信息在显示模块中查看拍摄好的视频画面。在相关技术中，现场拍摄的得到的视频画面的数据量一般都非常大，当天拍完的视频画面就会被转移至远离拍摄现场的后方剪辑工作室进行保管，导演如果想要在拍摄现场查看已拍摄好的视频画面难度较高，本实施例中的显示模块可以及时获取到经过视效预处理之后的视频画面，便于现场人员查阅视频画面，进行选择。

以下通过优选实施例进行说明。

图6是根据本申请实施例的画面视效等级评估的手持终端，该手持终端包括控制模块61、画面分析模块62、任务分发模块63和数据中心模块64。具体地，拍摄现场的摄影机通过信号线与数据采集模块连接以传输视频画面，手持终端的控制模块61通过无线网络或者移动网络与该数据采集模块连接并获取视频画面。

在使用该手持终端的过程中，还需要通过控制模块61录入与镜头相关的基础信息，例如，摄影机型号、镜头型号、摄影机的设置参数、机位等。在控制模块61获取到视频画面之后，画面分析模块62可以通过画面识别模型对视频画面中的画面特征进行识别。由于所有的视频画面和与视频画面对应的画面信息都会被保留至手持终端的数据中心模块64，因此拍摄现场的导演和视效指导随时可以查看以前拍摄的视频画面的相关信息。而且，在最终的后期制作完成后，可以将视效实际单位成本和视效实际难度回传给画面分析模块62，对画面分析模块中的画面识别模型进行校正。

该数据中心模块64在存储视频画面的过程中，以场次和镜号生成的索引记录对视频画面进行存储。数据中心模块64中记录的前期所有数据，还可以以视频画面的素材号为依据，关联至后期视效模块，其中，素材号为对视频画面进行剪辑时的顺序编码。后期人员将可以通过素材号查询到每个剪辑后的视效镜头相对应的前期拍摄的视频画面，实现前期视效与后期视效的数据链接。

该手持终端还可以获取现场视效指导在手持终端上添加的特效元素和拍摄意见，画面分析模块62根据画面特征、特效元素和拍摄意见，自动对视效制作环节进行拆分和难度评估，根据视效制作环节的视效单位成本和预估镜头定剪时长分析出视效成本预算。现场视效指导可以依据评估出来的视效成本预算与制片人沟通，控制后续拍摄中的视效内容，以避免出现整体预算失控的情况。画面分析模块62还可以根据制作环节生成后期人员的任务排期，该任务排期通过数据中心模块64直接进入后期视效模块。

进一步地，现场视效指导同时可以在手持终端上通过任务分发模块63创建拍摄任务，并将该拍摄任务分配给现场执行人。等该拍摄任务完成后，现场执行人可以将拍摄结果回传至手持终端，便于其他工作人员查看。

更近一步地，后期人员可以根据前期现场的任务数据构建三维模型、分镜图片和添加视效之后的视频画面等，并将三维模型、分镜图片和添加视效之后的视频画面回传至控制模块61，现场视效指导因此可以在拍摄时实时查找视频画面的相关参考资料。

本申请实施例中的手持终端，提高了前期视效数据采集的自动化程度，大幅提升了采集效率和准确度；实现了前期视效与后期制作环节近乎实时的数据流动，大大提升了视效整体制作的效率；通过对画面视频进行识别，实时评估视效成本预算，可极大程度的降低预算失控的风险；实现了在拍摄现场能实时查看当前所有视频画面和画面信息的功能，为拍摄方案的选择提供了很大的便利。

需要说明的是，上述各个模块可以是功能模块也可以是程序模块，既可以通过软件来实现，也可以通过硬件来实现。对于通过硬件来实现的模块而言，上述各个模块可以位于同一处理器中；或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。

本实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。

可选地，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。

可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：

S1，获取训练视频，根据该训练视频中的画面特征和视效难度，训练得到画面识别模型。

S2，获取待识别的视频画面，通过该画面识别模型，识别该视频画面中的画面特征。

S3，根据画面特征，通过画面识别模型评估视频画面的视效难度等级，根据视效难度等级获取视效单位成本。

需要说明的是，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。

另外，结合上述实施例中的画面视效等级评估的方法，本申请实施例可提供一种存储介质来实现。该存储介质上存储有计算机程序；该计算机程序被处理器执行时实现上述实施例中的任意一种画面视效等级评估的方法。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种画面视效等级评估的方法，其特征在于，所述方法包括：

获取训练视频，根据所述训练视频中的画面特征和视效难度，训练得到画面识别模型；

获取待识别的视频画面，通过所述画面识别模型，识别所述视频画面中的画面特征；

根据所述画面特征，通过所述画面识别模型评估所述视频画面的视效难度等级，根据所述视效难度等级获取视效单位成本。

2.根据权利要求1所述的画面视效等级评估的方法，其特征在于，在所述画面特征包括景别、镜头运动幅度、人物运动幅度、幕布占比和威亚的情况下，所述通过所述画面识别模型，识别所述视频画面中的画面特征包括：

通过所述画面识别模型获取所述视频画面中的人物占所述视频画面的比例，根据所述比例确定所述景别；

通过所述画面识别模型反求摄影机的轨迹，根据所述轨迹获取所述视频画面中的所述摄影机的所述镜头运动幅度，其中，所述摄影机用于获取所述视频画面；

通过所述画面识别模型，对所述人物进行追踪，获取所述视频画面中不同帧里所述人物的多个特征图像，在多个所述特征图像中，对比所述人物的感兴趣区域的位置变化，根据所述位置变化获取所述人物运动幅度；

通过所述画面识别模型，识别所述视频画面中幕布的比例，根据所述比例获取所述幕布占比；

通过所述画面识别模型，识别所述视频画面中的线状特征，判断所述线状特征是否为威亚，在判断所述线状特征为威亚的情况下，获取所述威亚的运动幅度。

3.根据权利要求1所述的画面视效等级评估的方法，其特征在于，还包括：

获取特效元素，根据所述特效元素和所述画面特征获取所述视效单位成本；

根据所述视效单位成本和预估镜头定剪时长获得所述视频画面的视效成本预算，其中，所述视效单位成本与所述视效难度等级对应；

制作所述视频画面的视效，获取所述视效的视效实际单位成本和视效实际难度，根据所述视效实际单位成本和所述视效实际难度，对所述画面识别模型进行校正。

4.根据权利要求1所述的画面视效等级评估的方法，其特征在于，还包括：

获取特效元素，根据所述特效元素和所述画面特征，通过所述画面识别模型将所述视频画面拆分为多个制作环节，并对所述制作环节进行任务排期。

5.根据权利要求1所述的画面视效等级评估的方法，其特征在于，还包括：

获取所述视频画面的场次信息和镜号，根据所述场次信息和所述镜号形成所述视频画面的索引信息，根据所述索引信息存储所述视频画面的画面信息。

6.一种画面视效等级评估的系统，其特征在于，所述系统包括获取模块、评估模块和制作模块：

所述获取模块，用于获取待识别的视频画面，通过画面识别模型，识别所述视频画面中的画面特征，其中，所述画面识别模型通过提取训练视频中的所述画面特征和视效难度等级并进行训练得到；

所述评估模块，用于根据所述画面特征，通过所述画面识别模型评估所述视频画面的视效难度等级，根据所述视效难度等级获取视效单位成本；

所述制作模块，用于制作所述视频画面的视效。

7.根据权利要求6所述的画面视效等级评估的系统，其特征在于，所述系统还包括任务分发模块：

所述任务分发模块，用于获取外界环境条件和拍摄素材，并根据所述外界环境条件和所述拍摄素材，生成拍摄任务。

8.根据权利要求6所述的画面视效等级评估的系统，其特征在于，所述系统还包括显示模块：

所述显示模块，用于获取并显示所述视频画面和所述视频画面的参考信息。

9.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行权利要求1至5中任一项所述的画面视效等级评估的方法。

10.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行权利要求1至5中任一项所述的画面视效等级评估的方法。

Images