CN112333537B - 视频整合方法、装置及计算机可读存储介质 - Google Patents
视频整合方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN112333537B CN112333537B CN202010734775.7A CN202010734775A CN112333537B CN 112333537 B CN112333537 B CN 112333537B CN 202010734775 A CN202010734775 A CN 202010734775A CN 112333537 B CN112333537 B CN 112333537B
- Authority
- CN
- China
- Prior art keywords
- video
- frame
- preset
- images
- person
- 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
Links
- 230000010354 integration Effects 0.000 title claims abstract description 138
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000012545 processing Methods 0.000 claims abstract description 24
- 230000009467 reduction Effects 0.000 claims abstract description 15
- 230000033001 locomotion Effects 0.000 claims description 41
- 238000012216 screening Methods 0.000 claims description 38
- 230000008569 process Effects 0.000 claims description 7
- 230000006399 behavior Effects 0.000 abstract description 16
- 230000006870 function Effects 0.000 description 17
- 238000004891 communication Methods 0.000 description 6
- 238000001914 filtration Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000011946 reduction process Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 238000001514 detection method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
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
- H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream, rendering scenes according to MPEG-4 scene graphs
- H04N21/44016—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream, rendering scenes according to MPEG-4 scene graphs involving splicing one content stream with another content stream, e.g. for substituting a video clip
-
- 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, rendering scenes according to MPEG-4 scene graphs
- H04N21/44008—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream, rendering scenes according to MPEG-4 scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics in the video stream
-
- 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, rendering scenes according to MPEG-4 scene graphs
- H04N21/4402—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream, rendering scenes according to MPEG-4 scene graphs involving reformatting operations of video signals for household redistribution, storage or real-time display
- H04N21/440281—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream, rendering scenes according to MPEG-4 scene graphs involving reformatting operations of video signals for household redistribution, storage or real-time display by altering the temporal resolution, e.g. by frame skipping
Abstract
本发明公开了一种视频整合方法,该视频整合方法包括:获取视频,并检测所述视频中是否存在人物移动;若所述视频中出现人物移动,则获取所述视频中的人物图像;对所述人物图像进行降帧处理得到降帧人物图像,并根据所述降帧人物图像在所述视频中获取背景画面;根据时间顺序将所有所述降帧人物图像和所述背景画面进行叠加整合得到整合视频。本发明还公开了一种视频整合装置和一种计算机可读存储介质。本发明能够实现依据视频中人物的动态行为整合视频内容的功能,减小视频存储的大小,缩短视频的播放时间,实现根据识别视频中关键人物的行为整合视频内容的功能。
Description
技术领域
本发明涉及视频处理技术领域,尤其涉及视频整合方法、装置及计算机可读存储介质。
背景技术
随着电子设备和物联网技术发展,智能家居悄悄的改变人们的生活,越来越多的终端设备接入到家庭,人们可以通过移动终端或者固定终端连接摄像头观看家里或者其它地方发生的情况,摄像头会推送一段视频给移动终端或者固定终端,由于推送的视频内存较大,会容易导致传输网络卡顿,推送的视频会大量占用移动终端或者固定终端的内存,会容易导致推送的视频无法正常播放,也会浪费用户浏览视频的时间。
发明内容
本发明的主要目的在于提出一种视频整合方法、装置及计算机可读存储介质,旨在实现依据视频中人物的动态行为整合视频内容的功能,减小视频存储的大小,缩短视频的播放时间,旨在实现根据识别视频中关键人物的行为整合视频内容的功能。
为实现上述目的,本发明提供一种视频整合方法,所述视频整合方法包括如下步骤:
获取视频,并检测所述视频中是否存在人物移动;
若所述视频中出现人物移动,则获取所述视频中的人物图像;
对所述人物图像进行降帧处理得到降帧人物图像,并根据所述降帧人物图像在所述视频中获取背景画面;
根据时间顺序将所有所述降帧人物图像和所述背景画面进行叠加整合得到整合视频。
可选地,所述检测所述视频中是否存在人物移动的步骤,包括:
读取所述视频的帧画面;
根据预设的帧差算法,检测相邻所述帧画面是否符合第一条件,其中所述第一条件为:相邻所述帧画面中存在像素移动的第一目标面积与所述帧画面的总面积的第一比值大于预设第一阈值;
若相邻所述帧画面符合第一条件,则判定所述视频中存在人物移动;
若相邻所述帧画面不符合第一条件,则判定所述视频中不存在人物移动。
可选地,所述对所述人物图像进行降帧处理得到降帧人物图像,并根据所述降帧人物图像在所述视频中获取背景画面的步骤之前,包括:
根据所述帧画面,检测所述人物移动的持续时长是否大于或等于预设时长;
若所述持续时长大于或等于预设时长,则执行:对所述人物图像进行降帧处理得到降帧人物图像,并根据所述降帧人物图像在所述视频中获取背景画面。
可选地,所述根据所述帧画面,检测所述人物移动的持续时长是否大于或等于预设时长的步骤,包括:
检测两个间隔预设时长的所述帧画面是否满足第二条件,其中所述第二条件为两个间隔预设时长的帧图像存在像素移动的第二目标面积与所述帧画面的总面积的第二比值是否大于预设第二阈值;
若两个间隔预设时长的所述帧画面符合第二条件,则判定持续时长大于或等于预设时长;
若两个间隔预设时长的所述帧画面不符合第二条件,则判定持续时长小于预设时长。
可选地,所述根据所述帧图像,检测所述人物移动的持续时长是否大于或等于预设时长的步骤之后,包括:
若所述持续时长小于预设时长,则获取下一时段的视频。
可选地,所述对所述人物图像进行降帧处理得到降帧人物图像的步骤,包括:
将两个间隔预设数值帧数的所述人物图像进行比对;
筛选出相似度超过预设第三阈值的两个间隔预设数值帧数的所述人物图像,生成降帧人物图像。
可选地,所述对所述人物图像进行降帧处理得到降帧人物图像,并根据所述降帧人物图像在所述视频中获取背景画面的步骤之前,包括:
根据人物轮廓算法获取所述帧画面中人物数量;
根据所述人物数量得到所述预设数值,其中所述人物数量与所述预设数值成正比。
可选地,所述根据所述降帧人物图像在所述视频中获取背景画面的步骤,包括:
将与所述降帧人物图像对应的所述帧画面筛选出,生成筛选帧画面;
将相邻所述筛选帧画面进行比对,筛选出相似度超过预设第四阈值的相邻所述筛选帧画面,生成背景画面。
此外,为实现上述目的,本发明还提供一种视频整合装置,所述视频整合装置包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的视频整合程序,所述视频整合程序被所述处理器执行时实现如上所述的视频整合方法的步骤。
此外,为实现上述目的,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有视频整合程序,所述视频整合程序被处理器执行时实现如上所述的视频整合方法的步骤。
本发明提供了一种视频整合方法、装置及计算机可读存储介质,获取视频,并检测所述视频中是否存在人物移动;若所述视频中出现人物移动,则获取所述视频中的人物图像;对所述人物图像进行降帧处理得到降帧人物图像,并根据所述降帧人物图像在所述视频中获取背景画面;根据时间顺序将所有所述降帧人物图像和所述背景画面进行叠加整合得到整合视频。通过上述方式,本发明通过判断视频中是否出现了人物移动和根据人物的图像进行降帧,能够实现依据视频中人物的动态行为整合视频内容的功能,减小视频存储的大小,缩短视频的播放时间,实现根据识别视频中关键人物的行为整合视频内容的功能。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的终端结构示意图;
图2为多个帧画面、人物图像、筛选帧画面或背景按照时间顺序存储的示意图;
图3为本发明视频整合方法第一实施例的流程示意图;
图4为本发明视频整合方法第二实施例的流程示意图;
图5为本发明视频整合方法第三实施例的流程示意图;
图6为本发明视频整合方法第四实施例的流程示意图;
图7为本发明视频整合方法第五实施例的流程示意图;
图8为本发明视频整合方法第六实施例的流程示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
本发明实施例的主要解决方案是:获取视频,并检测所述视频中是否存在人物移动;若所述视频中出现人物移动,则获取所述视频中的人物图像;对所述人物图像进行降帧处理得到降帧人物图像,并根据所述降帧人物图像在所述视频中获取背景画面;根据时间顺序将所有所述降帧人物图像和所述背景画面进行叠加整合得到整合视频。
随着电子设备和物联网技术发展,智能家居悄悄改变生活的发展,越来越多的终端设备接入到家庭,人们可以通过移动终端或者固定终端连接摄像头观看家里或者其它地方发生的情况,摄像头会推送一段视频给移动终端或者固定终端,由于推送的视频内存较大,会容易导致传输网络卡顿,推送的视频会大量占用移动终端或者固定终端的内存,会容易导致推送的视频无法正常播放,也会浪费用户浏览视频的时间。
本发明旨在实现依据视频中人物的动态行为整合视频内容的功能,减小视频存储的大小,缩短视频的播放时间,旨在实现根据识别视频中关键人物的行为整合视频内容的功能。
如图1所示,图1是本发明实施例方案涉及的硬件运行环境的终端结构示意图。
本发明实施例终端可以是PC,也可以是智能手机、平板电脑等具有显示功能的可移动式终端设备。
如图1所示,该终端可以包括:处理器1001,例如CPU,网络接口1004,用户接口1003,存储器1005,通信总线1002。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
优选地,终端还可以包括摄像头、RF(Radio Frequency,射频)电路,传感器、音频电路、WiFi模块等等。其中,传感器比如光传感器、运动传感器以及其他传感器。具体地,光传感器可包括环境光传感器及接近传感器,其中,环境光传感器可根据环境光线的明暗来调节显示屏的亮度,接近传感器可在移动终端移动到耳边时,关闭显示屏和/或背光。作为运动传感器的一种,重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小,静止时可检测出重力的大小及方向,可用于识别移动终端姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等;当然,移动终端还可配置陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器,在此不再赘述。
本领域技术人员可以理解,图1中示出的终端结构并不构成对终端的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及视频整合程序。
在图1所示的终端中,网络接口1004主要用于连接后台服务器,与后台服务器进行数据通信;用户接口1003主要用于连接客户端(用户端),与客户端进行数据通信;而处理器1001可以用于调用存储器1005中存储的视频整合程序,并执行以下操作:
获取视频,并检测所述视频中是否存在人物移动;
若所述视频中出现人物移动,则获取所述视频中的人物图像;
对所述人物图像进行降帧处理得到降帧人物图像,并根据所述降帧人物图像在所述视频中获取背景画面;
根据时间顺序将所有所述降帧人物图像和所述背景画面进行叠加整合得到整合视频。
进一步地,处理器1001可以调用存储器1005中存储的视频整合程序,还执行以下操作:
读取所述视频的帧画面;
根据预设的帧差算法,检测相邻所述帧画面是否符合第一条件,其中所述第一条件为:相邻所述帧画面中存在像素移动的第一目标面积与所述帧画面的总面积的第一比值大于预设第一阈值;
若相邻所述帧画面符合第一条件,则判定所述视频中存在人物移动;
若相邻所述帧画面不符合第一条件,则判定所述视频中不存在人物移动。
进一步地,处理器1001可以调用存储器1005中存储的视频整合程序,还执行以下操作:
根据所述帧画面,检测所述人物移动的持续时长是否大于或等于预设时长;
若所述持续时长大于或等于预设时长,则执行:对所述人物图像进行降帧处理得到降帧人物图像,并根据所述降帧人物图像在所述视频中获取背景画面。
进一步地,处理器1001可以调用存储器1005中存储的视频整合程序,还执行以下操作:
检测两个间隔预设时长的所述帧画面是否满足第二条件,其中所述第二条件为两个间隔预设时长的帧图像存在像素移动的第二目标面积与所述帧画面的总面积的第二比值是否大于预设第二阈值;
若两个间隔预设时长的所述帧画面符合第二条件,则判定持续时长大于或等于预设时长;
若两个间隔预设时长的所述帧画面不符合第二条件,则判定持续时长小于预设时长。
进一步地,处理器1001可以调用存储器1005中存储的视频整合程序,还执行以下操作:
若所述持续时长小于预设时长,则获取下一时段的视频。
进一步地,处理器1001可以调用存储器1005中存储的视频整合程序,还执行以下操作:
根据人物轮廓算法获取所述帧画面中人物数量;
根据所述人物数量得到所述预设数值,其中所述人物数量与所述预设数值成正比。
进一步地,处理器1001可以调用存储器1005中存储的视频整合程序,还执行以下操作:
将两个间隔预设数值帧数的所述人物图像进行比对;
筛选出相似度超过预设第三阈值的两个间隔预设数值帧数的所述人物图像,生成降帧人物图像。
进一步地,处理器1001可以调用存储器1005中存储的视频整合程序,还执行以下操作:
将与所述降帧人物图像对应的所述帧画面筛选出,生成筛选帧画面;
将相邻所述筛选帧画面进行比对,筛选出相似度超过预设第四阈值的相邻所述筛选帧画面,生成背景画面。
基于上述硬件结构,提出本发明视频整合方法实施例。
本发明视频整合方法。
参照图3,图3为本发明视频整合方法第一实施例的流程示意图。
本发明实施例中,该视频整合方法应用于视频整合装置,所述视频整合方法包括:
步骤S10,获取视频,并检测所述视频中是否存在人物移动;
在本实施例中,视频整合装置在对视频整合时,先获取视频,再根据帧差算法检测视频中是否存在人物移动。其中,视频整合装置可以是视频处理的装置,视频整合装置可以是摄像头,视频整合装置还可以是与摄像头连接的处理视频的装置;视频整合装置也可以是PC,也可以是智能手机、平板电脑等具有处理视频功能的终端设备。其中,帧差算法可以是将相邻两帧视频画面进行比对,检测相邻两帧视频画面的像素点有什么差异的方法。帧差算法还可以是先将相邻三帧视频画面进行比对,其中,先将第一张帧视频画面和第二帧视频画面进行比对,得到第一像素点差异画面;再将第二帧视频画面与第三帧视频画面进行对比,得到第二像素点差异画面;再将第一像素点差异画面和第二像素点差异画面进行比对,得到第三像素点差异画面的方法。其中,帧差算法获取视频中的帧画面可以是随机选取的相邻的帧画面;帧差算法获取视频中的帧画面还可以是视频中时间排序最先的相邻的帧画面。其中,视频中的人物是否出现移动可以是视频中的像素点发生了大面积的移动,像素点的移动比例超过了预设比例阈值,进而根据人物轮廓检测算法检测出像素点出现移动的画面是人物的图像。其中,预设比例阈值可以是50%,还可以是30%。
步骤S10获取视频,并检测所述视频中是否存在人物移动之前,可以包括:
步骤a,获取摄像头拍摄视频,根据预设截取时长对所述摄像头拍摄视频进行裁剪,得到所述视频。
在本实施例中,当摄像头拍摄到房间内的视频之后,视频整合装置根据预设截取时长对所述摄像头拍摄视频进行裁剪,得到用于整合的视频。
步骤S10检测所述视频中是否存在人物移动之后,可以包括:
步骤b,若所述视频中未存在人物移动,则获取下一时段的视频。
在本实施例中,当视频整合装置在检测到视频中未存在人物移动时,视频整合装置获取下一时段的视频。
步骤S20,若所述视频中出现人物移动,则获取所述视频中的人物图像;
在本实施例中,视频整合装置在根据帧差算法检测到视频中出现人物移动,则视频整合装置根据人物轮廓算法获取视频中每个帧画面对应的人物图像。其中,人物轮廓算法是检测图像中是否符合人物轮廓的算法;其中,人物图像是包含每一帧的帧画面中分别包含的人物图像,人物图像是根据视频的帧画面的时间先后顺序依次排列的。人物图像是一个多个人物图像的合集。其中,人物图像可以是包括人物全身的图像,人物图像也可以是人物的头像。
步骤S30,对所述人物图像进行降帧处理得到降帧人物图像,并根据所述降帧人物图像在所述视频中获取背景画面;
在本实施例中,视频整合装置在获取到视频中的人物图像之后,视频整合装置对所述人物图像进行降帧处理得到降帧人物图像,视频整合装置根据降帧人物图像在视频中查找与降帧人物图像同一时间的帧画面,生成背景画面。其中,降帧人物图像是通过降帧方法将人物图像进行降帧而得到的。
步骤S30对所述人物图像进行降帧处理得到降帧人物图像,并根据所述降帧人物图像在所述视频中获取背景画面之前,可以包括:
步骤c1,根据人物轮廓算法获取所述帧画面中人物数量;
在本实施例中,视频整合装置得到人物图像的合集之后,视频整合装置根据人物轮廓算法获取所述帧画面中所包含的人物数量。
步骤c2,根据所述人物数量得到所述预设数值,其中所述人物数量与所述预设数值成正比。
在本实施例中,视频整合装置在得到了帧画面中包含的人物数量之后,视频整合装置根据人物数量得到预设数值,其中所述人物数量与所述预设数值成正比。其中,预设数值可以等于人物数量,预设数值可以等于人物数量的倍数。视频整合装置对人物图像的降帧处理的倍数可以根据人物数量来确定,人物数量越多,预设数值越大,对人物图像的降帧幅度越大。
步骤S40,根据时间顺序将所有所述降帧人物图像和所述背景画面进行叠加整合得到整合视频。
在本实施例中,视频整合装置在得到降帧人物图像和背景画面之后,视频整合装置根据时间顺序将所有降帧人物图像和所有背景画面进行叠加整合得到整合视频,也即视频整合装置根据降帧人物图像的时间信息和背景画面的时间信息按照时间顺序将所有降帧人物图像和所有背景画面依次进行叠加整合得到整合视频。其中,降帧人物图像的时间信息是视频整合装置在视频中获取每一帧人物图像时,保留的视频帧画面的时间信息。背景画面的时间信息是视频整合装置根据降帧人物图像对应的时间信息而得到的。
本实施例通过上述方案,获取视频,并检测所述视频中是否存在人物移动;若所述视频中出现人物移动,则获取所述视频中的人物图像;对所述人物图像进行降帧处理得到降帧人物图像,并根据所述降帧人物图像在所述视频中获取背景画面;根据时间顺序将所有所述降帧人物图像和所述背景画面进行叠加整合得到整合视频。由此,通过判断视频中是否出现了人物移动和根据人物的图像进行降帧,实现了依据视频中人物的动态行为整合视频内容的功能,减小了视频存储的大小,缩短了视频的播放时间,实现了根据识别视频中关键人物的行为整合视频内容的功能。
进一步地,参照图4,图4为本发明视频整合方法第二实施例的流程示意图。基于上述图3所示的实施例,步骤S10检测所述视频中是否存在人物移动,可以包括:
步骤S11,读取所述视频的帧画面;
在本实施例中,视频整合装置在获取到视频之后,读取视频中的所有帧画面。其中,帧画面是一个视频所有视频画面的合集。
步骤S12,根据预设的帧差算法,检测相邻所述帧画面是否符合第一条件,其中所述第一条件为:相邻所述帧画面中存在像素移动的第一目标面积与所述帧画面的总面积的第一比值大于预设第一阈值;
在本实施例中,视频整合装置在获取了帧画面之后,视频整合装置根据预设的帧差算法,检测相邻帧画面是否符合第一条件,其中第一条件为:相邻所述帧画面中存在像素移动的第一目标面积与所述帧画面的总面积的第一比值大于预设第一阈值。其中预设第一阈值可以是用户设置的,用于衡量视频中是否存在人物移动。其中前后帧画面可以是随机抽取的,也可以是帧画面合集中的第一张帧画面和第二张帧画面。其中,预设第一阈值可以设为33.33%。
具体的,如图2所示,视频整合装置在获取到视频的帧画面之后,视频整合装置获取帧画面的第2张帧画面和第1张帧画面,视频整合装置检测帧画面合集的第2张帧画面相对于第1张帧画面像素移动的比例是否超过了整张帧画面的面积的三分之一。视频整合装置获取帧画面的第5张帧画面和第4张帧画面,视频整合装置检测帧画面合集的第5张帧画面相对于第4张帧画面像素移动的比例是否超过了整张帧画面的面积的三分之一。
步骤S13,若相邻所述帧画面符合第一条件,则判定所述视频中存在人物移动;
在本实施例中,视频整合装置在将相邻帧画面进行比较之后,当视频整合装置判断相邻帧画面符合第一条件,则判定视频中存在人物移动。例如,如图2所示,第1张帧画面中的手臂在帧画面的左边,第2张帧画面中的手臂在帧画面的右边,帧画面的面积为100个像素,其中有40个像素在移动,当视频整合装置获取到这样的第1张帧画面和第2张帧画面之后,对第1张帧画面和第2张帧画面进行检测之后,视频整合装置获取到像素移动比例为40%,像素移动比例超过33.33%,则视频整合装置判定相邻所述帧画面符合第一条件,则视频整合装置判定视频中存在人物移动。
步骤S14,若相邻所述帧画面不符合第一条件,则判定所述视频中不存在人物移动。
在本实施例中,视频整合装置在将相邻帧画面进行比较之后,当视频整合装置判断相邻帧画面不符合第一条件,则判定视频中不存在人物移动。例如,如图2所示,第1张帧画面中的手臂在帧画面的左边,第2张帧画面中的手臂在帧画面的右边,帧画面的面积为100个像素,其中有30个像素在移动,当视频整合装置获取到这样的第1张帧画面和第2张帧画面之后,视频整合装置对第1张帧画面和第2张帧画面进行检测之后,视频整合装置获取到像素移动比例为30%,像素移动比例未超过33.33%,相邻所述帧画面不符合第一条件,则视频整合装置判定视频中存在人物移动。
本实施例通过上述方案,读取所述视频的帧画面;根据预设的帧差算法,检测相邻所述帧画面是否符合第一条件,其中所述第一条件为:相邻所述帧画面中存在像素移动的第一目标面积与所述帧画面的总面积的第一比值大于预设第一阈值;若相邻所述帧画面符合第一条件,则判定所述视频中存在人物移动;若相邻所述帧画面不符合第一条件,则判定所述视频中不存在人物移动。由此,通过判断视频中是否出现了人物移动和根据人物的图像进行降帧,实现了依据视频中人物的动态行为整合视频内容的功能,减小了视频存储的大小,缩短了视频的播放时间,实现了根据识别视频中关键人物的行为整合视频内容的功能。
进一步地,参照图5,图5为本发明视频整合方法第三实施例的流程示意图。基于上述图3或图4所示的实施例,步骤S30对所述人物图像进行降帧处理得到降帧人物图像,并根据所述降帧人物图像在所述视频中获取背景画面之前,或者,S20获取所述视频中的人物图像之后,可以包括:
步骤S50,根据所述帧画面,检测所述人物移动的持续时长是否大于或等于预设时长;
在本实施例中,视频整合装置在获取到帧画面之后,视频整合装置根据帧画面,检测人物移动的持续时长是否大于或等于预设时长。其中,人物移动时长为人物在视频中移动的时间长度;其中,预设时长为用户预先设置的,可以是2分钟,可以是10分钟,还可以是20分钟。
步骤S50根据所述帧画面,检测所述人物移动的持续时长是否大于或等于预设时长,可以包括:
步骤S51,根据所述帧画面,检测人物移动的持续时长与所述视频的总时长的比值是否大于或者等于预设时长比值。
在本实施例中,视频整合装置在获取到人物图像之后,视频整合装置根据人物图像检测人物移动的持续时长与视频的总时长的比值大于或者等于预设时长比值。
步骤S50根据所述人物图像检测所述人物移动时长是否大于或等于预设时长之后,可以包括:
步骤d,若所述持续时长小于预设时长,则获取下一时段的视频。
在本实施例中,当视频整合装置在检测到人物移动的持续时长小于预设时长时,视频整合装置获取下一时段的视频。
步骤S60,若所述持续时长大于或等于预设时长,则执行:对所述人物图像进行降帧处理得到降帧人物图像,并根据所述降帧人物图像在所述视频中获取背景画面。
在本实施例中,当视频整合装置在检测到人物移动的持续时长大于或等于预设时长时,执行步骤S30。
步骤S60若所述持续时长大于或等于预设时长,则执行:对所述人物图像进行降帧处理得到降帧人物图像,并根据所述降帧人物图像在所述视频中获取背景画面,可以包括:
步骤S61,若持续时长与所述视频的总时长的比值大于或者等于预设时长比值,则执行:对所述人物图像进行降帧处理得到降帧人物图像,并根据所述降帧人物图像在所述视频中获取背景画面。
作为一种实施方式,当视频整合装置在检测到人物移动的持续时长与所述视频的总时长的比值大于或者等于预设时长比值,执行步骤S30。
本实施例通过上述方案,获取视频,并检测所述视频中是否存在人物移动;若所述视频中出现人物移动,则获取所述视频中的人物图像;根据所述帧画面,检测所述人物移动的持续时长是否大于或等于预设时长;若所述持续时长大于或等于预设时长;对所述人物图像进行降帧处理得到降帧人物图像,并根据所述降帧人物图像在所述视频中获取背景画面;根据时间顺序将所有所述降帧人物图像和所述背景画面进行叠加整合得到整合视频。由此,通过视频中人物移动时长的判断,实现了将人物活动时间短的视频跳过,节省了视频整合的时间。
进一步地,参照图6,图6为本发明视频整合方法第四实施例的流程示意图。基于上述图5所示的实施例,步骤S50根据所述帧画面,检测所述人物移动的持续时长是否大于或等于预设时长,可以包括:
步骤S51,检测两个间隔预设时长的所述帧画面是否满足第二条件,其中所述第二条件为两个间隔预设时长的帧图像存在像素移动的第二目标面积与所述帧画面的总面积的第二比值是否大于预设第二阈值;
在本实施例中,视频整合装置在获取到帧画面之后,视频整合装置检测两个间隔预设时长的所述帧画面是否满足第二条件,其中所述第二条件为两个间隔预设时长的帧图像存在像素移动的第二目标面积与所述帧画面的总面积的第二比值是否大于预设第二阈值。其中,预设第二阈值可以设定为50%,也可以设定为60%。
步骤S52,若两个间隔预设时长的所述帧画面符合第二条件,则判定持续时长大于或等于预设时长;
在本实施例中,视频整合装置将两个间隔预设时长的帧画面进行比对之后,若视频整合装置判断两个间隔预设时长的所述帧画面符合第二条件,则视频整合装置判定持续时长大于或等于预设时长。
步骤S53,若两个间隔预设时长的所述帧画面不符合第二条件,则判定持续时长小于预设时长。
在本实施例中,视频整合装置将两个间隔预设时长的帧画面进行比对之后,若视频整合装置判断两个间隔预设时长的所述帧画面不符合第二条件,则视频整合装置判定持续时长小于预设时长。
本实施例通过上述方案,获取视频,并检测所述视频中是否存在人物移动;若所述视频中出现人物移动,则获取所述视频中的人物图像;检测两个间隔预设时长的所述帧画面是否满足第二条件,其中所述第二条件为两个间隔预设时长的帧图像存在像素移动的第二目标面积与所述帧画面的总面积的第二比值是否大于预设第二阈值;若两个间隔预设时长的所述帧画面符合第二条件,则判定持续时长大于或等于预设时长;若两个间隔预设时长的所述帧画面不符合第二条件,则判定持续时长小于预设时长;若所述持续时长大于或等于预设时长;对所述人物图像进行降帧处理得到降帧人物图像,并根据所述降帧人物图像在所述视频中获取背景画面;根据时间顺序将所有所述降帧人物图像和所述背景画面进行叠加整合得到整合视频。由此,通过视频中人物移动时长的判断,实现了将人物活动时间短的视频跳过,节省了视频整合的时间。
进一步地,参照图7,图7为本发明视频整合方法第五实施例的流程示意图。基于上述图3、图4、图5或图6所示的实施例,步骤S30对所述人物图像进行降帧处理得到降帧人物图像,可以包括:
步骤S31,将两个间隔预设数值帧数的所述人物图像进行比对;
在本实施例中,视频整合装置在获取到视频或帧画面中的人物图像之后,视频整合装置将两个间隔预设数值帧数的人物图像进行比对,也即将两个间隔预设数值帧数的人物图像中的相对应的像素点进行比较;其中,预设数值可以是预先进行设置的,也可以是依据人物图像中的人物个数来得到的。
步骤S31将两个间隔预设数值的所述人物图像进行比对,可以包括:
步骤S311,将两个间隔预设数值帧数的所述人物图像中相对应的像素点做像素差值;
在本实施例中,视频整合装置在获取到视频或帧画面中的人物图像之后,视频整合装置将两个间隔预设数值帧数的人物图像中的相对应的像素点做像素差值;其中,像素点做像素差值可以是两个图像的对应点的像素值进行相减。
具体的,第1张人物图像有A、B、C、D四个像素点,第2张人物图像有A1、B1、C1、D1四个像素点,其中,A与A1在图片中处于相同的,也即A与A1相对应;B与B1在图片中处于相同的,也即B与B1相对应;C与C1在图片中处于相同的,也即C与C1相对应;D与D1在图片中处于相同的,也即D与D1相对应。A点的像素值为{R:255,G:00,B:00},B点的像素值{R:255,G:123,B:00},C点的像素值为{R:255,G:00,B:215},D点的像素值为{R:00,G:00,B:215}。A1点的像素值为{R:255,G:00,B:00},B1点的像素值{R:255,G:122,B:00},C1点的像素值为{R:255,G:00,B:215},D1点的像素值为{R:00,G:00,B:215}。将A与A1做像素差值,B与B1做像素差值,C与C1做像素差值,D与D1做像素差值。
步骤S32,筛选出相似度超过预设第三阈值的两个间隔预设数值帧数的所述人物图像,生成降帧人物图像。
在本实施例中,视频整合装置将两个间隔预设数值的人物图像进行比对之后,视频整合装置筛选出相似度超过预设第三阈值的两个间隔预设数值帧数的人物图像,生成降帧人物图像。其中,降帧人物图像是满足相似度超过预设第三阈值的两个间隔预设数值帧数的人物图像的合集。预设相似阈值可以是进行设置的,预设第三阈值可以设置为50%,预设第三阈值也可以设置为60%。
步骤S32筛选出相似度超过预设第三阈值的两个间隔预设数值帧数的所述人物图像,生成降帧人物图像,可以包括:
步骤S321,筛选出两个间隔预设数值帧数的所述人物图像中相对应的像素点的像素差值为零的像素点占所述人物图像的总像素点比值超过预设第三阈值帧数的人物图像,生成降帧人物图像。
在本实施例中,视频整合装置将两个间隔预设数值帧数的人物图像中的相对应的像素点做像素差值之后,视频整合装置筛选出两个间隔预设数值帧数的所述人物图像中相对应的像素点的像素差值为零的像素点占所述人物图像的总像素点比值超过预设第三阈值的人物图像,生成降帧人物图像。其中,预设第三阈值可以设置为50%,预设第三阈值也可以设置为60%。
具体的,将A与A1做像素差值为零,B与B1做像素差值{R:00,G:1,B:00},C与C1做像素差值0,D与D1做像素差值0。其中第一人物图像与第二人物图像的像素点有25%像素差值不为零,视频整合装置将第1张人物图像和第2张人物图像筛选出,生成降帧人物图像,依次类推,得到包含多张图片的降帧人物图像。
本实施例通过上述方案,将两个间隔预设数值帧数的所述人物图像进行比对;筛选出相似度超过预设第三阈值的两个间隔预设数值帧数的所述人物图像,生成降帧人物图像。由此,通过判断视频中是否出现了人物移动和根据人物的图像进行降帧,实现了依据视频中人物的动态行为整合视频内容的功能,减小了视频存储的大小,缩短了视频的播放时间,实现了根据识别视频中关键人物的行为整合视频内容的功能。
进一步地,参照图8,图8为本发明视频整合方法第六实施例的流程示意图。基于上述图3、图4、图5或图6所示的实施例,步骤S30根据所述降帧人物图像在所述视频中获取背景画面,可以包括:
步骤S33,将与所述降帧人物图像对应的所述帧画面筛选出,生成筛选帧画面;
在本实施例中,视频整合装置在得到降帧人物图像之后,获取降帧人物图像的时间标记,根据降帧人物图像的时间标记查找同一个时间标记的帧画面,将与降帧人物图像同一个时间标记的帧画面筛选出,生成筛选帧画面。
步骤S34,将相邻所述筛选帧画面进行比对,筛选出相似度超过预设第四阈值的相邻所述筛选帧画面,生成背景画面。
在本实施例中,视频整合装置得到筛选帧画面之后,视频整合装置相邻所述筛选帧画面进行比对,筛选出相似度超过预设第四阈值的相邻所述筛选帧画面,生成背景画面。其中,预设第四阈值可以是认为进行设置的,是用于筛选出在播放人物图像时,画面不显得突兀的而进行设置的,预设第四阈值可以设置为50%,预设第四阈值也可以设置为60%。
具体的,第3张筛选帧画面有E、F、G、H四个像素点,第4张筛选帧画面有E1、F1、G1、H1四个像素点,其中,E与E1在图片中处于相同的,也即E与E1相对应;F与F1在图片中处于相同的,也即F与F1相对应;G与G1在图片中处于相同的,也即G与G1相对应;H与H1在图片中处于相同的,也即H与H1相对应。E点的像素值为{R:255,G:00,B:00},F点的像素值{R:255,G:123,B:00},G点的像素值为{R:255,G:00,B:215},H点的像素值为{R:00,G:00,B:215}。E1点的像素值为{R:255,G:00,B:00},F1点的像素值{R:255,G:123,B:00},G1点的像素值为{R:255,G:00,B:215},H1点的像素值为{R:00,G:00,B:200}。将E与E1做像素差值,F与F1做像素差值,G与G1做像素差值,H与H1做像素差值。将E与E1做像素差值为零,F与F1做像素差值0,G与G1做像素差值0,H与H1做像素差值{R:00,G:00,B:15}。其中第3张筛选帧画面与第4张筛选帧画面的像素点有25%像素差值不为零,视频整合装置将第3张筛选帧画面和第4张筛选帧画面生成降帧人物图像。
本实施例通过上述方案,将与所述降帧人物图像对应的所述帧画面筛选出,生成筛选帧画面;将相邻所述筛选帧画面进行比对,筛选出相似度超过预设第四阈值的相邻所述筛选帧画面,生成背景画面。由此,通过判断视频中是否出现了人物移动和根据人物的图像进行降帧,实现了依据视频中人物的动态行为整合视频内容的功能,减小了视频存储的大小,缩短了视频的播放时间,实现了根据识别视频中关键人物的行为整合视频内容的功能。
本发明还提供一种视频整合装置。
本发明视频整合装置包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的视频整合程序,所述视频整合程序被所述处理器执行时实现如上所述的视频整合方法的步骤。
其中,在所述处理器上运行的视频整合程序被执行时所实现的方法可参照本发明视频整合方法各个实施例,此处不再赘述。
本发明还提供一种计算机可读存储介质。
本发明计算机可读存储介质上存储有视频整合程序,所述视频整合程序被处理器执行时实现如上所述的视频整合方法的步骤。
其中,在所述处理器上运行的视频整合程序被执行时所实现的方法可参照本发明视频整合方法各个实施例,此处不再赘述。
需要说明的是,在本文中,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、物品或者系统不仅包括那些要素,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、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (9)
1.一种视频整合方法,其特征在于,所述视频整合方法包括如下步骤:
获取视频,并检测所述视频中是否存在人物移动;
所述检测所述视频中是否存在人物移动的步骤,包括:
读取所述视频的帧画面;根据预设的帧差算法,检测相邻所述帧画面是否符合第一条件,其中所述第一条件为:相邻所述帧画面中存在像素移动的第一目标面积与所述帧画面的总面积的第一比值大于预设第一阈值;若相邻所述帧画面符合第一条件,则判定所述视频中存在人物移动;
若所述视频中出现人物移动,则获取所述视频中的人物图像;
对所述人物图像进行降帧处理得到降帧人物图像,并根据所述降帧人物图像在所述视频中获取背景画面;
所述对所述人物图像进行降帧处理得到降帧人物图像的步骤,包括:
将两个间隔预设数值帧数的所述人物图像进行比对;筛选出两个间隔预设数值帧数的所述人物图像中相对应的像素点的像素差值为零的像素点占所述人物图像的总像素点比值超过预设第三阈值帧数的人物图像,生成降帧人物图像;
根据时间顺序将所有所述降帧人物图像和所述背景画面进行叠加整合得到整合视频。
2.如权利要求1所述的视频整合方法,其特征在于,所述检测所述视频中是否存在人物移动的步骤之后,还包括:
若相邻所述帧画面不符合第一条件,则判定所述视频中不存在人物移动。
3.如权利要求2所述的视频整合方法,其特征在于,所述对所述人物图像进行降帧处理得到降帧人物图像,并根据所述降帧人物图像在所述视频中获取背景画面的步骤之前,包括:
根据所述帧画面,检测所述人物移动的持续时长是否大于或等于预设时长;
若所述持续时长大于或等于预设时长,则执行:对所述人物图像进行降帧处理得到降帧人物图像,并根据所述降帧人物图像在所述视频中获取背景画面的步骤。
4.如权利要求3所述的视频整合方法,其特征在于,所述根据所述帧画面,检测所述人物移动的持续时长是否大于或等于预设时长的步骤,包括:
检测两个间隔预设时长的所述帧画面是否满足第二条件,其中所述第二条件为两个间隔预设时长的帧图像存在像素移动的第二目标面积与所述帧画面的总面积的第二比值是否大于预设第二阈值;
若两个间隔预设时长的所述帧画面符合第二条件,则判定持续时长大于或等于预设时长;
若两个间隔预设时长的所述帧画面不符合第二条件,则判定持续时长小于预设时长。
5.如权利要求3所述的视频整合方法,其特征在于,所述根据所述帧画面,检测所述人物移动的持续时长是否大于或等于预设时长的步骤之后,包括:
若所述持续时长小于预设时长,则获取下一时段的视频。
6.如权利要求1所述的视频整合方法,其特征在于,所述对所述人物图像进行降帧处理得到降帧人物图像,并根据所述降帧人物图像在所述视频中获取背景画面的步骤之前,包括:
根据人物轮廓算法获取所述帧画面中人物数量;
根据所述人物数量得到所述预设数值,其中所述人物数量与所述预设数值成正比。
7.如权利要求1或6所述的视频整合方法,其特征在于,所述根据所述降帧人物图像在所述视频中获取背景画面的步骤,包括:
将与所述降帧人物图像对应的所述帧画面筛选出,生成筛选帧画面;
将相邻所述筛选帧画面进行比对,筛选出相似度超过预设第四阈值的相邻所述筛选帧画面,生成背景画面。
8.一种视频整合装置,其特征在于,所述视频整合装置包括:存储器、处理器及存储在所述存储器上并在所述处理器上运行的视频整合程序,所述视频整合程序被所述处理器执行时实现如权利要求1至7中任一项所述的视频整合方法的步骤。
9.一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上存储有视频整合程序,所述视频整合程序被处理器执行时实现如权利要求1至7中任一项所述的视频整合方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010734775.7A CN112333537B (zh) | 2020-07-27 | 2020-07-27 | 视频整合方法、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010734775.7A CN112333537B (zh) | 2020-07-27 | 2020-07-27 | 视频整合方法、装置及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112333537A CN112333537A (zh) | 2021-02-05 |
CN112333537B true CN112333537B (zh) | 2023-12-05 |
Family
ID=74303027
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010734775.7A Active CN112333537B (zh) | 2020-07-27 | 2020-07-27 | 视频整合方法、装置及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112333537B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113344787B (zh) * | 2021-06-11 | 2022-02-01 | 北京中交华安科技有限公司 | 最佳缝合线自动调整算法、交通预警方法及系统 |
CN114996518B (zh) * | 2022-08-04 | 2022-10-21 | 深圳市稻兴实业有限公司 | 一种基于云平台的超高清视频数据存储分类管理系统 |
Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0583690A (ja) * | 1991-09-20 | 1993-04-02 | Fujitsu Ltd | 画像圧縮方法 |
JPH07288840A (ja) * | 1994-04-18 | 1995-10-31 | Matsushita Electric Ind Co Ltd | 映像変化点検出方法 |
JP2011242980A (ja) * | 2010-05-18 | 2011-12-01 | Nippon Telegr & Teleph Corp <Ntt> | 画像処理装置、画像処理方法、プログラムおよび記録媒体 |
CN102695028A (zh) * | 2012-05-22 | 2012-09-26 | 广东威创视讯科技股份有限公司 | 视频图像动态降帧方法和系统 |
CN103686095A (zh) * | 2014-01-02 | 2014-03-26 | 中安消技术有限公司 | 一种视频浓缩方法和系统 |
CN104063883A (zh) * | 2014-07-07 | 2014-09-24 | 杭州银江智慧医疗集团有限公司 | 一种基于对象和关键帧相结合的监控视频摘要生成方法 |
CN105100692A (zh) * | 2014-05-14 | 2015-11-25 | 杭州海康威视系统技术有限公司 | 视频播放方法及其装置 |
CN105141923A (zh) * | 2015-09-08 | 2015-12-09 | 东方网力科技股份有限公司 | 一种视频浓缩方法及装置 |
CN105376580A (zh) * | 2015-12-28 | 2016-03-02 | 上海集成电路研发中心有限公司 | 一种图像压缩方法 |
WO2016090652A1 (zh) * | 2014-12-12 | 2016-06-16 | 深圳Tcl新技术有限公司 | 视频压缩方法及装置 |
CN107222660A (zh) * | 2017-05-12 | 2017-09-29 | 河南工业大学 | 一种分布式网络视觉监控系统 |
CN107943837A (zh) * | 2017-10-27 | 2018-04-20 | 江苏理工学院 | 一种前景目标关键帧化的视频摘要生成方法 |
CN108345841A (zh) * | 2018-01-23 | 2018-07-31 | 杭州视在科技有限公司 | 一种智能过滤视频图像处理方法 |
CN108377400A (zh) * | 2018-03-07 | 2018-08-07 | 广州图普网络科技有限公司 | 一种图像传输优化方法、系统及其装置 |
CN108648198A (zh) * | 2018-05-10 | 2018-10-12 | 南京邮电大学 | 一种视频内多目标运动人体区域的分割方法 |
CN109886130A (zh) * | 2019-01-24 | 2019-06-14 | 上海媒智科技有限公司 | 目标对象的确定方法、装置、存储介质和处理器 |
CN110381365A (zh) * | 2019-07-02 | 2019-10-25 | 北京字节跳动网络技术有限公司 | 视频抽帧方法、装置及电子设备 |
CN110430425A (zh) * | 2019-07-31 | 2019-11-08 | 北京奇艺世纪科技有限公司 | 一种视频流畅度确定方法、装置、电子设备及介质 |
CN110443115A (zh) * | 2019-06-19 | 2019-11-12 | 平安科技(深圳)有限公司 | 人脸识别方法、装置、计算机设备及可读存储介质 |
CN110868635A (zh) * | 2019-12-04 | 2020-03-06 | 深圳追一科技有限公司 | 视频处理方法、装置、电子设备及存储介质 |
CN111013150A (zh) * | 2019-12-09 | 2020-04-17 | 腾讯科技(深圳)有限公司 | 一种游戏视频剪辑方法、装置、设备及存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW582168B (en) * | 2002-03-01 | 2004-04-01 | Huper Lab Co Ltd | Method for abstracting multiple moving objects |
US8643746B2 (en) * | 2011-05-18 | 2014-02-04 | Intellectual Ventures Fund 83 Llc | Video summary including a particular person |
JP6156163B2 (ja) * | 2013-06-28 | 2017-07-05 | 株式会社Jvcケンウッド | 画像処理装置及び画像処理方法 |
-
2020
- 2020-07-27 CN CN202010734775.7A patent/CN112333537B/zh active Active
Patent Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0583690A (ja) * | 1991-09-20 | 1993-04-02 | Fujitsu Ltd | 画像圧縮方法 |
JPH07288840A (ja) * | 1994-04-18 | 1995-10-31 | Matsushita Electric Ind Co Ltd | 映像変化点検出方法 |
JP2011242980A (ja) * | 2010-05-18 | 2011-12-01 | Nippon Telegr & Teleph Corp <Ntt> | 画像処理装置、画像処理方法、プログラムおよび記録媒体 |
CN102695028A (zh) * | 2012-05-22 | 2012-09-26 | 广东威创视讯科技股份有限公司 | 视频图像动态降帧方法和系统 |
CN103686095A (zh) * | 2014-01-02 | 2014-03-26 | 中安消技术有限公司 | 一种视频浓缩方法和系统 |
CN105100692A (zh) * | 2014-05-14 | 2015-11-25 | 杭州海康威视系统技术有限公司 | 视频播放方法及其装置 |
CN104063883A (zh) * | 2014-07-07 | 2014-09-24 | 杭州银江智慧医疗集团有限公司 | 一种基于对象和关键帧相结合的监控视频摘要生成方法 |
WO2016090652A1 (zh) * | 2014-12-12 | 2016-06-16 | 深圳Tcl新技术有限公司 | 视频压缩方法及装置 |
CN105141923A (zh) * | 2015-09-08 | 2015-12-09 | 东方网力科技股份有限公司 | 一种视频浓缩方法及装置 |
CN105376580A (zh) * | 2015-12-28 | 2016-03-02 | 上海集成电路研发中心有限公司 | 一种图像压缩方法 |
CN107222660A (zh) * | 2017-05-12 | 2017-09-29 | 河南工业大学 | 一种分布式网络视觉监控系统 |
CN107943837A (zh) * | 2017-10-27 | 2018-04-20 | 江苏理工学院 | 一种前景目标关键帧化的视频摘要生成方法 |
CN108345841A (zh) * | 2018-01-23 | 2018-07-31 | 杭州视在科技有限公司 | 一种智能过滤视频图像处理方法 |
CN108377400A (zh) * | 2018-03-07 | 2018-08-07 | 广州图普网络科技有限公司 | 一种图像传输优化方法、系统及其装置 |
CN108648198A (zh) * | 2018-05-10 | 2018-10-12 | 南京邮电大学 | 一种视频内多目标运动人体区域的分割方法 |
CN109886130A (zh) * | 2019-01-24 | 2019-06-14 | 上海媒智科技有限公司 | 目标对象的确定方法、装置、存储介质和处理器 |
CN110443115A (zh) * | 2019-06-19 | 2019-11-12 | 平安科技(深圳)有限公司 | 人脸识别方法、装置、计算机设备及可读存储介质 |
CN110381365A (zh) * | 2019-07-02 | 2019-10-25 | 北京字节跳动网络技术有限公司 | 视频抽帧方法、装置及电子设备 |
CN110430425A (zh) * | 2019-07-31 | 2019-11-08 | 北京奇艺世纪科技有限公司 | 一种视频流畅度确定方法、装置、电子设备及介质 |
CN110868635A (zh) * | 2019-12-04 | 2020-03-06 | 深圳追一科技有限公司 | 视频处理方法、装置、电子设备及存储介质 |
CN111013150A (zh) * | 2019-12-09 | 2020-04-17 | 腾讯科技(深圳)有限公司 | 一种游戏视频剪辑方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112333537A (zh) | 2021-02-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107247572B (zh) | 音频播放方法、终端及计算机可读存储介质 | |
CN112333537B (zh) | 视频整合方法、装置及计算机可读存储介质 | |
CN110070063B (zh) | 目标对象的动作识别方法、装置和电子设备 | |
CN111241340A (zh) | 视频标签确定方法、装置、终端及存储介质 | |
CN110572706B (zh) | 视频截屏方法、终端及计算机可读存储介质 | |
CN108037830B (zh) | 一种增强现实的实现方法 | |
KR102370699B1 (ko) | 영상에 기반한 정보 획득 방법 및 장치 | |
CN111899470B (zh) | 人体跌倒检测方法、装置、设备及存储介质 | |
CN112084959B (zh) | 一种人群图像处理方法及装置 | |
CN110992989A (zh) | 语音采集方法、装置及计算机可读存储介质 | |
CN111783175A (zh) | 显示界面隐私保护方法、终端和计算机可读存储介质 | |
CN111753679B (zh) | 微运动监测方法、装置、设备及计算机可读存储介质 | |
CN111259907A (zh) | 内容识别方法、装置以及电子设备 | |
CN112149570B (zh) | 多人活体检测方法、装置、电子设备及存储介质 | |
CN110321896A (zh) | 黑头识别方法、装置及计算机可读存储介质 | |
KR20130105322A (ko) | 화상 처리장치, 화상 처리방법, 제어 프로그램 및 기록매체 | |
CN110222576B (zh) | 拳击动作识别方法、装置和电子设备 | |
CN109218620B (zh) | 基于环境亮度的拍照方法、装置、存储介质及移动终端 | |
CN114780181B (zh) | 资源显示方法、装置、计算机设备及介质 | |
CN115423680A (zh) | 人脸妆容迁移方法、设备及计算机可读存储介质 | |
CN114463359A (zh) | 投屏显示方法、装置、电子设备及可读存储介质 | |
CN112788425A (zh) | 动态区域显示方法、装置、设备及计算机可读存储介质 | |
CN114463358A (zh) | 投屏显示方法、装置、电子设备及可读存储介质 | |
CN113537204A (zh) | 基于红外特征、机器学习的小火焰检测方法及计算机装置 | |
CN109771940B (zh) | 游戏控制方法、装置及计算机可读存储介质 |
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 |