CN112423021A - 视频的处理方法、装置、可读介质和电子设备 - Google Patents

视频的处理方法、装置、可读介质和电子设备 Download PDF

Info

Publication number
CN112423021A
CN112423021A CN202011298813.5A CN202011298813A CN112423021A CN 112423021 A CN112423021 A CN 112423021A CN 202011298813 A CN202011298813 A CN 202011298813A CN 112423021 A CN112423021 A CN 112423021A
Authority
CN
China
Prior art keywords
image frame
target
target image
video
frame
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
Application number
CN202011298813.5A
Other languages
English (en)
Other versions
CN112423021B (zh
Inventor
吴昊
马云涛
王长虎
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.)
Beijing Youzhuju Network Technology Co Ltd
Original Assignee
Beijing Youzhuju Network Technology 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 Beijing Youzhuju Network Technology Co Ltd filed Critical Beijing Youzhuju Network Technology Co Ltd
Priority to CN202011298813.5A priority Critical patent/CN112423021B/zh
Publication of CN112423021A publication Critical patent/CN112423021A/zh
Priority to US18/253,357 priority patent/US11922597B2/en
Priority to PCT/CN2021/130875 priority patent/WO2022105740A1/zh
Application granted granted Critical
Publication of CN112423021B publication Critical patent/CN112423021B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • 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]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/234—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs
    • H04N21/23418—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/04—Context-preserving transformations, e.g. by using an importance map
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/49—Segmenting video sequences, i.e. computational techniques such as parsing or cutting the sequence, low-level clustering or determining units such as shots or scenes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G06V20/635—Overlay text, e.g. embedded captions in a TV program
    • G—PHYSICS
    • G11—INFORMATION STORAGE
    • G11B—INFORMATION STORAGE BASED ON RELATIVE MOVEMENT BETWEEN RECORD CARRIER AND TRANSDUCER
    • G11B27/00—Editing; Indexing; Addressing; Timing or synchronising; Monitoring; Measuring tape travel
    • G11B27/10—Indexing; Addressing; Timing or synchronising; Measuring tape travel
    • G11B27/34—Indicating arrangements 
    • 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]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/234—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs
    • H04N21/2343—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving reformatting operations of video signals for distribution or compliance with end-user requests or end-user device requirements
    • H04N21/234363—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving reformatting operations of video signals for distribution or compliance with end-user requests or end-user device requirements by altering the spatial resolution, e.g. for clients with a lower screen resolution
    • 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]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/234—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs
    • H04N21/2343—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving reformatting operations of video signals for distribution or compliance with end-user requests or end-user device requirements
    • H04N21/234381—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving reformatting operations of video signals for distribution or compliance with end-user requests or end-user device requirements by altering the temporal resolution, e.g. decreasing the frame rate by frame skipping
    • 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 or rendering scenes according to encoded video stream scene graphs
    • H04N21/44008—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream 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 or rendering scenes according to encoded video stream scene graphs
    • H04N21/4402—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving reformatting operations of video signals for household redistribution, storage or real-time display
    • H04N21/440263—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving reformatting operations of video signals for household redistribution, storage or real-time display by altering the spatial resolution, e.g. for displaying on a connected PDA
    • 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 or rendering scenes according to encoded video stream scene graphs
    • H04N21/4402—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream 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 or rendering scenes according to encoded video stream 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Television Signal Processing For Recording (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本公开涉及一种视频的处理方法、装置、可读介质和电子设备，涉及图像处理技术领域，该方法包括：对目标视频进行预处理，以得到目标视频中的多个目标图像帧，识别每个目标图像帧中指定对象的位置，根据每个目标图像帧中指定对象的位置，在多个目标图像帧中确定保留图像帧，保留图像帧用于指示对目标视频中位于保留图像帧之前的图像帧进行裁剪。本公开以目标图像帧中指定对象的位置为依据，确定保留图像帧，从而指示对保留图像帧之前的图像帧进行裁剪，能够确定适用于不同目标视频的保留图像帧，减少在对目标视频进行裁剪过程中造成的信息损失。

Description

视频的处理方法、装置、可读介质和电子设备
技术领域
本公开涉及图像处理技术领域，具体地，涉及一种视频的处理方法、装置、可读介质和电子设备。
背景技术
随着终端技术和电子信息技术的不断发展，终端设备在人们日常生活中的重要性越来越高，人们可以通过终端设备上安装的各种应用程序来获取信息，因此广告商经常会在应用程序内投放视频广告。视频广告有多种展示方式，开屏展示是其中比较常见的一种展示方式，可以在用户打开应用程序时进行播放。
按照开屏展示进行展示的视频广告，通常被分为两部分，第一部分会占用终端设备的整个屏幕，即按照全屏模式进行展示，用以凸显第一部分中所包含的信息，第二部分会按照视频广告的原始尺寸进行展示。第一部分由于要按照全屏模式进行展示，因此需要预先对原始视频中的图像帧进行裁剪，以使裁剪后的图像帧符合终端设备的显示尺寸。然而由于视频广告中可能存在不适于裁剪的图像帧，如果对这些图像帧进行裁剪，可能会导致信息损失过大，无法给用户传递有效的信息。
发明内容
提供该发明内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
第一方面，本公开提供一种视频的处理方法，所述方法包括：
对目标视频进行预处理，以得到所述目标视频中的多个目标图像帧；
识别每个所述目标图像帧中指定对象的位置；
根据每个所述目标图像帧中所述指定对象的位置，在所述多个目标图像帧中确定保留图像帧，所述保留图像帧用于指示对所述目标视频中位于所述保留图像帧之前的图像帧进行裁剪。
第二方面，本公开提供一种视频的处理装置，所述装置包括：
预处理模块，用于对目标视频进行预处理，以得到所述目标视频中的多个目标图像帧；
识别模块，用于识别每个所述目标图像帧中指定对象的位置；
第一确定模块，用于根据每个所述目标图像帧中所述指定对象的位置，在所述多个目标图像帧中确定保留图像帧，所述保留图像帧用于指示对所述目标视频中位于所述保留图像帧之前的图像帧进行裁剪。
第三方面，本公开提供一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现本公开第一方面所述方法的步骤。
第四方面，本公开提供一种电子设备，包括：
存储装置，其上存储有计算机程序；
处理装置，用于执行所述存储装置中的所述计算机程序，以实现本公开第一方面所述方法的步骤。
通过上述技术方案，本公开首先对目标视频进行预处理，以获取目标视频中的多个目标视频帧，之后对每个目标视频帧进行识别，以得到指定对象在目标视频中的位置，最后根据每个目标图像帧中指定对象的位置，在多个目标图像帧中，选取保留图像帧，保留图像帧用于指示对目标图像视频中位于保留图像帧之前的图像帧进行裁剪。本公开以目标图像帧中指定对象的位置为依据，确定保留图像帧，从而指示对保留图像帧之前的图像帧进行裁剪，能够确定适用于不同目标视频的保留图像帧，减少在对目标视频进行裁剪过程中造成的信息损失。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。在附图中：
图1是根据一示例性实施例示出的一种视频的处理方法的流程图；
图2是根据一示例性实施例示出的另一种视频的处理方法的流程图；
图3是根据一示例性实施例示出的另一种视频的处理方法的流程图；
图4是根据一示例性实施例示出的另一种视频的处理方法的流程图；
图5是根据一示例性实施例示出的另一种视频的处理方法的流程图；
图6是根据一示例性实施例示出的另一种视频的处理方法的流程图；
图7是根据一示例性实施例示出的另一种视频的处理方法的流程图；
图8是根据一示例性实施例示出的终端设备的显示屏幕的示意图；
图9是根据一示例性实施例示出的另一种视频的处理方法的流程图；
图10是根据一示例性实施例示出的终端设备的显示屏幕的示意图；
图11是根据一示例性实施例示出的一种视频的处理装置的框图；
图12是根据一示例性实施例示出的另一种视频的处理装置的框图；
图13是根据一示例性实施例示出的另一种视频的处理装置的框图；
图14是根据一示例性实施例示出的另一种视频的处理装置的框图；
图15是根据一示例性实施例示出的另一种视频的处理装置的框图；
图16是根据一示例性实施例示出的另一种视频的处理装置的框图；
图17是根据一示例性实施例示出的一种电子设备的框。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
图1是根据一示例性实施例示出的一种视频的处理方法的流程图，如图1所示，该方法包括以下步骤：
步骤101，对目标视频进行预处理，以得到目标视频中的多个目标图像帧。
举例来说，本公开中实施例的执行主体可以是终端设备，也可以是服务器，也可以一部分步骤在终端设备上执行，另一部分步骤在服务器上执行，本公开对此不作具体限定。首先确定目标视频，目标视频可以是用户(例如：广告商或者个人用户)拍摄的视频，也可以是用户通过浏览多媒体资源库(多媒体资源库可以存储在终端设备中，也可以存储在服务器中)，在其中选择的视频，还可以是用户上传到互联网上的视频。可以通过目标视频的标识码或者URL(英文：Uniform Resource Locator，中文：统一资源定位器)地址来获取目标视频。在获取目标视频之后，可以对目标视频进行预处理，以得到目标视频中包括的多个目标图像帧。预处理例如可以为对目标视频中包括的图像帧进行抽取，得到目标图像帧。例如，目标视频中包括1000个图像帧，从中抽取200个图像帧作为目标图像帧。预处理还可以为对目标视频中包括的图像帧进行降噪处理，以去除图像帧中的噪声，得到目标图像帧。预处理也可以为对目标视频中包括的图像帧进行去边框处理，以去除图像帧中与传递信息无关的边框，得到目标图像帧。预处理还可以为先对目标视频中包括的图像帧进行抽取，再对抽取后的图像帧进行降噪处理、去边框处理等，得到目标图像帧。需要说明的是，目标图像帧可以为目标视频中包括的全部图像帧，也可以为目标视频中包括的部分图像帧，本公开对此不作具体限定。
步骤102，识别每个目标图像帧中指定对象的位置。
步骤103，根据每个目标图像帧中指定对象的位置，在多个目标图像帧中确定保留图像帧，保留图像帧用于指示对目标视频中位于保留图像帧之前的图像帧进行裁剪。
示例的，在得到目标图像帧之后，可以按照预设的图像识别算法对每个目标图像帧进行识别，以识别出每个目标图像帧中指定对象的位置。其中，指定对象可以理解为目标视频中想要表现的主要内容，或者想要凸显的内容，例如可以包括：人脸、文字、指定标识、显著对象中的至少一种，指定标识例如可以是用户指定的水印、商标等，显著对象可以理解为目标图像帧中占据比例较大的对象。最后根据每个目标图像帧中指定对象的位置，在多个目标图像帧中，选取保留图像帧，从而指示对目标视频中位于保留图像帧之前的图像帧进行裁剪。保留图像帧可以理解为，对目标视频进行裁剪的位置，也可以理解为将目标视频分为按照全屏模式展示的视频(即后文提及的第一视频)和按照原始尺寸展示的视频(即后文提及的第二视频)的分界点，目标视频中位于保留图像帧之前的图像帧均适于裁剪。需要说明的是，在步骤103确定保留图像帧之后，该方法还可以包括：根据保留图像帧对目标视频进行裁剪，以将目标视频裁剪为全屏视频和原始视频，然后控制全屏视频按照全屏模式进行展示，控制原始视频按照原始尺寸进行展示。其中，全屏视频是由位于保留图像帧之前的每个图像帧经过裁剪后组成的，原始视频是由保留图像帧和位于保留图像帧之后的每个图像帧组成的。
具体的，确定保留图像帧的方式，例如可以是依次将指定对象在每个目标图像帧中所占的面积比，与预设的面积阈值进行比较，如果面积比大于面积阈值，说明该目标图像帧的重要程度较高(即传递的信息较多)，不适于裁剪，如果面积比小于或等于面积阈值，说明该目标图像帧的重要程度较低(即传递的信息较少)，适于裁剪。然后将帧序号最小，且重要程度较高的目标图像帧作为保留图像帧，其中帧序号用于表示该目标图像帧在目标视频中的顺序。确定保留图像帧的方式，还可以是依次将指定对象在每个目标图像帧中的位置，与预设的裁剪位置进行比较，如果指定对象位于裁剪位置的内部，说明如果对该目标图像帧进行裁剪，指定对象仍然能够完整展示，适于裁剪，如指定对象位于裁剪位置的外部，说明如果对该目标图像帧进行裁剪，用户看不到指定对象，不适于裁剪。然后将帧序号最小，且不适于裁剪的目标图像帧作为保留图像帧。
以目标视频为护肤品广告，指定对象为人脸为例，目标视频中包括500个图像帧，按照每隔1帧的间隔，从中抽取250个图像帧，再对这250个图像帧进行去边框处理，得到250个目标图像帧，其中，250个目标图像帧对应在目标视频中的帧序号可以为(1，3，5，…，497，499)。之后对250个目标图像帧进行人脸识别，以确定每个目标图像帧中人脸的位置。最后，依次确定人脸在每个目标图像帧中所占的面积比，若求得的面积比大于60％，那么说明该图像帧的重要程度较高，不适于裁剪，若求得的面积比小于或等于60％，说明该图像帧的重要程度较低，适于裁剪。若确定250个目标图像帧中，帧序号为15、19、21、23、35等目标图像帧不适于裁剪，那么可以将帧序号为15的目标图像帧作为保留图像帧。
综上所述，本公开首先对目标视频进行预处理，以获取目标视频中的多个目标视频帧，之后对每个目标视频帧进行识别，以得到指定对象在目标视频中的位置，最后根据每个目标图像帧中指定对象的位置，在多个目标图像帧中，选取保留图像帧，保留图像帧用于指示对目标图像视频中位于保留图像帧之前的图像帧进行裁剪。本公开以目标图像帧中指定对象的位置为依据，确定保留图像帧，从而指示对保留图像帧之前的图像帧进行裁剪，能够确定适用于不同目标视频的保留图像帧，减少在对目标视频进行裁剪过程中造成的信息损失。
图2是根据一示例性实施例示出的另一种视频的处理方法的流程图，如图2所示，步骤101的实现方式可以为：
按照预设的帧间隔，对目标视频中的图像帧进行抽取，以得到多个目标图像帧。
相应的，步骤102可以包括：
步骤1021，对该目标图像帧进行过滤，以去除该目标图像帧中的边框。
步骤1022，利用图像识别算法对过滤后的该目标图像帧进行识别，以确定该目标图像帧中指定对象的位置，图像识别算法包括：人脸识别算法、文字识别算法、指定标识识别算法、显著性检测算法中的至少一种。
示例的，对目标视频的预处理，可以为按照预设的帧间隔对目标视频中的图像帧进行抽取，例如帧间隔可以为5，那么可以对目标视频中的图像帧，每隔5个图像帧抽取一个图像帧作为目标图像帧。在识别每个目标图像帧中指定对象的位置时，可以先对每个目标图像帧进行过滤，从而去除该目标图像帧中包含的，不能传递信息的边框，之后再利用预设的图像识别算法对过滤后的该目标图像帧进行识别，从而得到该目标图像帧中指定对象的位置。指定对象可以包括人脸、文字、指定标识、显著对象中的至少一种，那么相应的，图像识别算法可以为人脸识别算法、文字识别算法、指定标识识别算法、显著性检测算法中的至少一种。
图3是根据一示例性实施例示出的另一种视频的处理方法的流程图，如图3所示，在步骤103之后，该方法还可以包括：
步骤104，根据目标视频的原始尺寸和终端设备的显示尺寸，确定裁剪尺寸，裁剪尺寸与显示尺寸匹配。
步骤105，根据裁剪尺寸和预设的步进值，确定第一数量种裁剪框，每种裁剪框在目标视频中的图像帧上的位置不同，每种裁剪框均为裁剪尺寸。
步骤106，根据每个待裁剪目标图像帧中指定对象的位置，和第一数量种裁剪框，确定总裁剪路径，待裁剪目标图像帧为目标视频中位于保留图像帧之前的目标图像帧，总裁剪路径包括：目标视频中位于保留图像帧之前的每个图像帧对应的裁剪框。
在一种应用场景中，在确定了保留图像帧之后，还可以进一步确定适用于目标视频的总裁剪路径。可以理解为，总裁剪路径中包括了多个裁剪框，每个裁剪框对应于目标视频中位于保留图像帧之前的一个图像帧，对应的裁剪框用于指示在对该图像帧进行裁剪时，裁剪哪一部分，保留哪一部分，即裁剪位于裁剪框之外的像素，保留位于裁剪框之内的像素。也就是说，总裁剪路径能够指示如何对目标视频中位于保留图像帧之前的每个图像帧进行裁剪。确定总裁剪路径的方式可以为：
首先，根据目标视频的原始尺寸和终端设备的显示尺寸，确定裁剪尺寸。其中，目标视频的原始尺寸可以理解为目标视频的分辨率。显示尺寸可以理解为需要展示目标视频的终端设备的显示屏幕的大小。裁剪尺寸可以理解为与显示尺寸匹配的分辨率。裁剪尺寸与显示尺寸匹配，可以理解为终端设备的显示屏幕可以直接显示分辨率为裁剪尺寸的图像。例如，原始尺寸是1280*720，显示尺寸为1：1，那么以在长和宽中只裁剪一条边为规则，可以确定裁剪尺寸为720*720。
之后，可以根据确定的裁剪尺寸和预设的步进值，确定第一数量种裁剪框，其中，每种裁剪框的大小均为裁剪尺寸，并且每种裁剪框在图像帧上的位置都不相同。可以理解为，从图像帧的一侧开始，先得到第一种裁剪框，然后将第一种裁剪框沿着指定的方向移动一个步进值，得到第二种裁剪框，再沿着指定的方向移动两个步进值，得到第三种裁剪框，以此类推。以图像帧的原始尺寸是1280*720，裁剪尺寸为720*720，步进值为20个像素为例，从图像帧的左侧开始，得到第一种裁剪框，第一种裁剪框内的像素的横坐标范围为：1-720，纵坐标范围为：1-720。然后将第一种裁剪框向右移动20个像素，得到第二种裁剪框，第二种裁剪框内的像素的横坐标范围为：21-740，纵坐标范围为：1-720，以此类推，可以得到29种裁剪框。
最后，可以针对每个待裁剪目标图像帧，以该待裁剪目标图像帧中指定对象的位置为依据，在第一数量种裁剪框中进行筛选，筛选出信息损失最少的一种裁剪框作为该待裁剪目标图像帧对应的裁剪框。从而得到每个待裁剪目标图像帧对应的裁剪框。其中，待裁剪目标图像帧为位于保留图像帧之前的目标图像帧。进一步的，可以根据每个待裁剪目标图像帧对应的裁剪框得到目标视频中位于保留图像帧之前的每个图像帧对应的裁剪框，从而得到总裁剪路径。若目标图像帧是按照帧间隔从目标视频中抽取得到的，那么可以对每个待裁剪目标图像帧对应的裁剪框进行插值，以得到总裁剪路径。
图4是根据一示例性实施例示出的另一种视频的处理方法的流程图，如图4所示，在步骤106之后，该方法还可以包括：
步骤107，按照总裁剪路径对目标视频中位于保留图像帧之前的每个图像帧进行裁剪，以得到由经过裁剪的图像帧组成的第一视频，和由未经过裁剪的图像帧组成的第二视频。
示例的，在确定总裁剪类路径之后，可以按照保留图像帧将目标视频中的图像帧分为两部分：第一部分为位于保留图像帧之前的图像帧，第二部分为保留图像帧，和位于保留图像帧之后的图像帧。将第二部分中的图像帧组成第二视频，其中包括的是未经过裁剪的图像帧。对第一部分中的图像帧按照总裁剪路径进行裁剪，也就是说按照总裁剪路径中包括的位于保留图像帧之前的每个图像帧对应的裁剪框，对相应的图像帧进行裁剪，将经过裁剪的图像帧组成的第一视频。第一视频适于在终端设备上按照全屏模式进行展示，第二视频适于在终端设备上按照原始尺寸进行展示。
图5是根据一示例性实施例示出的另一种视频的处理方法的流程图，如图5所示，多个目标图像帧按照在目标视频中的顺序排列，步骤103的实现方式可以为：
步骤1031，针对每个目标图像帧，根据该目标图像帧中指定对象的位置，确定该目标图像帧对应的目标比例，和该目标图像帧对应的目标权重，目标比例用于指示指定对象占该目标图像帧的比例，目标权重为根据该目标图像帧中每个像素的权重确定的。
步骤1032，将对应的目标比例大于预设的比例阈值，且顺序最前的目标图像帧作为第一目标图像帧。
步骤1033，将目标权重大于预设的权重阈值，且顺序最前的目标图像帧作为第二目标图像帧。
步骤1034，根据第一目标图像帧和第二目标图像帧，确定保留图像帧。
举例来说，步骤101中得到的多个目标图像帧可以按照在目标视频中的顺序进行排列，可以理解为多个目标图像帧按照帧序号进行排列，例如，目标视频中包括500个图像帧，按照每隔1帧的间隔，从中抽取250个目标图像帧，帧序号为(1，3，5，…，497，499)，可以按照从小到大的顺序对目标图像帧进行排列。
针对每个目标图像帧，首先根据该目标图像帧中指定对象的位置，确定该目标图像帧对应的目标比例，和该目标图像帧对应的目标权重。其中，目标比例能够指示指定对象占该目标图像帧的比例，可以理解为指定对象在该目标图像帧中所占的面积比，例如，一个目标图像帧总共包括1000个像素，其中指定对象占550个像素，那么目标比例即为55％。目标比例还可以理解为按照一个像素是否属于指定对象，对该目标图像帧进行二值化处理，求得其中的一个或多个连通区域，然后将每个连通区域的外接矩形的面积，与该目标图像帧的面积的比例作为目标比例。目标权重为根据该目标图像帧中每个像素的权重确定的，可以理解为该目标图像帧中，每个像素都有一个权重，属于指定对象的像素的权重高，不属于指定对象的像素的权重低，然后将该目标图像帧中全部像素的权重求和再求平均，得到的即为目标权重。例如，一个目标图像帧中有500个像素，每个像素的权重初始值为1，如果一个像素属于指定对象，那么该像素的权重设置为2。500个像素中有300个像素的权重为2，其余像素的权重为1，那么将500个像素的权重求和再求平均，即为800/500＝1.6。
之后，可以根据目标比例与预设的比例阈值(例如可以为60％)，确定第一目标图像帧，第一目标图像帧为对应的目标比例大于比例阈值，并且在多个目标图像帧中顺序最前(即帧序号最小)的目标图像帧。同时，可以根据目标权重和预设的权重阈值(例如可以是1.3)，确定第二目标图像帧，第二标图像帧为对应的目标权重大于权重阈值，并且在多个目标图像帧中顺序最前(即帧序号最小)的目标图像帧。最后，根据第一目标图像帧和第二目标图像帧，确定保留图像帧。
在一种实现场景中，步骤1034中确定保留图像帧的方式可以分为以下两种：
方式一，若目标视频中待选目标图像帧位于预设的最迟图像帧之前，将待选目标图像帧作为保留图像帧，待选目标图像帧为第一目标图像帧和第二目标图像帧中顺序在前的目标图像帧。
方式二，若目标视频中待选目标图像帧位于最迟图像帧之后，或者待选目标图像帧与最迟图像帧相同，将最迟图像帧作为保留图像帧。
示例的，可以现在第一目标图像帧和第二目标图像帧中，选出顺序在前的目标图像帧，即先确定第一目标图像帧和第二目标图像帧哪个帧序号最小，将其作为待选目标图像帧。然后，比较待选目标图像帧和预设的最迟图像帧在目标视频中的顺序，将顺序在前的图像帧作为保留图像帧。其中，最迟图像帧可以理解为预先指定的，最迟的图像帧。通常来说，目标视频中只需要进行按照全屏模式展示一段时间，可以根据全屏模式展示的最长时间来确定最迟图像帧。以全屏模式展示的最长时间为10s，目标视频的帧率为30帧/秒来举例，那么最迟图像帧的帧序号为300。将待选目标图像帧和最迟图像帧中，帧序号最小的图像帧作为保留图像帧。
图6是根据一示例性实施例示出的另一种视频的处理方法的流程图，如图6所示，步骤106可以包括：
步骤1061，根据第一数量种裁剪框和待裁剪目标图像帧的第二数量，确定第三数量种裁剪路径，每种裁剪路径包括：第二数量个待裁剪目标图像帧中，每个待裁剪目标图像帧对应的裁剪框。
步骤1062，根据每个待裁剪目标图像帧中指定对象的位置，确定每种裁剪路径对应的裁剪损失总量，裁剪损失总量用于指示按照该种裁剪路径对第二数量个待裁剪目标图像帧进行裁剪所造成的损失大小。
步骤1063，将裁剪损失总量最小的一种裁剪路径作为目标裁剪路径。
步骤1064，对目标裁剪路径进行插值，得到总裁剪路径。
下面针对总裁剪路径的获取方法，进行具体的说明。首先，可以根据第一数量种裁剪框和待裁剪目标图像帧的第二数量，确定第三数量种裁剪路径。每一种裁剪路径中，都包括每个待裁剪目标图像帧对应的裁剪框。第三数量的确定方式可以理解为第一数量种裁剪框，按照第二数量进行排列组合。以5种裁剪框，6个待裁剪目标图像帧来举例，那么可以得到31250(即第三数量)种裁剪路径。之后，可以分别计算每种裁剪路径的裁剪损失总量。其中，裁剪损失总量用于指示按照该种裁剪路径对第二数量个待裁剪目标图像帧进行裁剪，所造成的信息损失的大小。再将裁剪损失总量最小的一种裁剪路径作为目标裁剪路径。也就是说，目标裁剪路径为第三数量种裁剪路径中，造成的信息损失最小的裁剪路径，这样能够在将目标视频裁剪为第一视频和第二视频的前提下，尽可能保留目标视频中的信息。最后，若目标图像帧是按照帧间隔从目标视频中抽取得到的，可以对目标裁剪路径进行插值，得到包括了位于保留图像帧之前的每个图像帧对应的裁剪框的总裁剪路径。
在一种实现方式中，步骤1062中的裁剪损失总量可以通过以下步骤来获取：
步骤1)根据每个待裁剪目标图像帧中指定对象的位置，确定该待裁剪目标图像帧对应的裁剪损失量，裁剪损失量用于指示按照第一裁剪路径中包括的该待裁剪目标图像帧对应的裁剪框，对该待裁剪目标图像帧进行裁剪所造成的损失大小，第一裁剪路径为第三数量种裁剪路径中的任一种裁剪路径。
步骤2)对每个待裁剪目标图像帧对应的裁剪损失量求和，得到第一裁剪路径对应的裁剪损失总量。
以第一裁剪路径来举例说明，可以先确定如果按照第一裁剪路径对待裁剪目标图像帧进行裁剪，得到的裁剪后图像帧。之后根据每个待裁剪目标图像帧和对应的裁剪后图像帧，得到该待裁剪目标图像帧对应的裁剪损失量，其中，裁剪损失量用于指示裁剪后所造成的信息损失的大小。裁剪损失量可以包括三个部分：重要性评分、完整性评分和转移评分。
其中，重要性评分的确定方式可以为：根据裁剪后图像帧中指定对象占裁剪后图像帧的比例，与该待裁剪目标图像帧中指定对象占该待裁剪目标图像帧的比例，确定该待裁剪目标图像帧对应的重要性评分。重要性评分(可以表示为IMP)的计算公式可以为：IMPi＝1-[I(Ci)/I(Oi)]，其中，IMPi表示第i个待裁剪目标图像帧对应的重要性评分，I(Ci)表示第i个待裁剪目标图像帧对应的裁剪后图像帧中指定对象占裁剪后图像帧的比例，I(Oi)表示第i个待裁剪目标图像帧中指定对象占该待裁剪目标图像帧的比例。
完整性评分的确定方式可以为：根据裁剪后图像帧中指定对象的完整程度，确定该待裁剪目标图像帧对应的完整性评分。完整程度可以理解为指定对象所在的位置与裁剪框的覆盖率，例如可以为指定对象与裁剪框之间重复的面积，与指定对象的比值。完整性评分(可以表示为COM)的计算公式可以为：
Figure BDA0002786212180000101
其中COMi表示第i个待裁剪目标图像帧对应的完整性评分，xi,j表示第i个待裁剪目标图像帧中第j个指定对象所在的位置与裁剪框的覆盖率，M表示第i个待裁剪目标图像帧中指定对象的个数。以指定对象为文字来举例，待目标图像帧中识别出10(即M＝10)段文字，可以将每一段文字所在的位置作为一个文本框，然后确定每个文本框与裁剪框之间重复的面积，与该文本框的面积的比值(即xi,j)。例如，一个文本框的面积为100个像素，该文本框和裁剪框重复的面积为20个像素，那么该文本框所在位置与裁剪框的覆盖率为20％。
转移评分的确定方式可以为：根据第一裁剪框和第二裁剪框之间的距离，确定该待裁剪目标图像帧对应的转移评分，第一裁剪框为第一裁剪路径中包括的该待裁剪目标图像帧对应的裁剪框，第二裁剪框为第一裁剪路径中包括的，该待裁剪目标图像帧的上一待裁剪目标图像帧对应的裁剪框。转移评分(可以表示为TRA)的计算公式可以为TRAi＝T(Ci)-T(Ci-1)，其中，TRAi表示第i个待裁剪目标图像帧对应的转移评分，T(Ci)表示第一裁剪框的坐标，T(Ci-1)表示第二裁剪框的坐标。
进一步的，可以根据该待裁剪目标图像帧对应的重要性评分、完整性评分和转移评分，确定该待裁剪目标图像帧对应的裁剪损失量。裁剪损失量(可以表示为Loss)的计算公式可以为：
Figure BDA0002786212180000111
其中，Lossi表示第i个待裁剪目标图像帧对应的裁剪损失量，N表示第二数量，λ1表示重要性评分对应的权重，λ2表示完整性评分对应的权重，λ3表示转移评分对应的权重。
最后，在求得每个待裁剪目标图像帧对应的裁剪损失量之后，将每个待裁剪目标图像帧对应的裁剪损失量求和，得到第一裁剪路径对应的裁剪损失总量，然后从第三数量种裁剪路径中，选出裁剪损失总量最小的目标裁剪路径。
图7是根据一示例性实施例示出的另一种视频的处理方法的流程图，如图7所示，在步骤107之后，该方法还包括：
步骤108，控制第一视频在终端设备上以全屏模式进行播放。
步骤109，在播放至缩放图像帧时，控制缩放图像帧在预设的缩放时长内，缩小至终端设备上的播放区域内的目标位置，缩放图像帧为第一视频中的最后一个图像帧，目标位置为若缩放前图像帧按照原始尺寸在播放区域内播放，总裁剪路径中包括的缩放前图像帧对应的裁剪框的位置，缩放前图像帧为缩放图像帧对应在目标视频中，未经过裁剪的图像帧。
步骤110，控制第二视频在播放区域内，按照原始尺寸进行播放。
举例来说，在将目标视频裁剪为第一视频和第二视频之后，可以先控制第一视频在终端设备上以全屏模式进行播放。这样，可以凸显第一视频中所包含的信息。进一步的，在播放到第一视频中的最后一个图像帧(即缩放图像帧)时，可以控制缩放图像帧在预设的缩放时长(例如可以为1s)内，缩小至终端设备上的播放区域内的目标位置。其中，目标位置可以理解为，若将缩放图像帧对应在目标视频中，未经过裁剪的图像帧(即缩放前图像帧)按照原始尺寸在播放区域内进行播放，那么缩放前图像帧对应的裁剪框在播放区域内显示的位置。其中，播放区域可以为终端设备的显示屏幕的中间区域，也可以是其他区域。
在缩放图像帧缩小至终端设备上的播放区域内的目标位置之后，再控制第二视频在播放区域内，按照原始尺寸进行播放。这样，能够将第一视频和第二视频衔接起来，减少图像帧在切换播放模式的过程中造成的突兀感。
以图8所示的显示屏幕来举例，区域1为整个显示屏幕，第一视频展示在区域1内，区域2为播放区域，若控制缩放前图像帧按照原始尺寸在播放区域内播放，那么缩放前图像帧位于区域2，总裁剪路径中包括的缩放前图像帧对应的裁剪框的位置为区域3。那么首先控制第一视频在区域1内进行播放，然后播放至缩放图像帧时，控制缩放图像帧在缩放时长内，从区域1缩放至区域3，最后再控制第二视频在区域2中进行播放。
图9是根据一示例性实施例示出的另一种视频的处理方法的流程图，如图9所示，步骤109可以包括：
步骤1091，确定缩放图像的多个第一顶点，和每个第一顶点对应在目标位置的第二顶点。
步骤1092，根据每个第一顶点与对应的第二顶点之间的距离，和缩放时长，确定该第一顶点的缩放速度。
步骤1093，按照每个第一顶点的缩放速度，控制缩放图像缩小至目标位置。
在一种应用场景中，控制缩放图像帧缩小至终端设备上的播放区域内的目标位置，可以先确定缩放图像的多个第一顶点，和每个第一顶点对应在目标位置的第二顶点。以图10所示，缩放图像的四个第一顶点为A、B、C、D，目标位置的四个第二顶点为a、b、c、d，第一顶点和第二顶点一一对应。之后，确定每个第一顶点与对应的第二顶点之间的距离，再根据缩放时长，确定该第一顶点的缩放速度。以第一顶点A和对应的第二顶点a来举例，用线段Aa的长度100个像素，除以缩放时长2s，即为第一顶点A的缩放速度为50像素/秒。最后，可以按照每个第一顶点的缩放速度，控制缩放图像缩小至目标位置。例如，从当前时刻开始，缩放图像的第一顶点A，位于终端设备的显示屏幕的顶点，然后，在10ms之后，第一顶点A沿着线段Aa向前5个像素，20ms之后，第一顶点A沿着线段Aa向前10个像素，其中，第一顶点A会经过A’，依次类推。需要说明的是，控制缩放图像缩小至目标位置的过程中，终端设备的显示屏幕上，在缩放图像之外的区域可以显示为预设的填充色(例如黑色)，也可以显示后台运行的应用程序的应用界面，本公开对此不作具体限定。
综上所述，本公开首先对目标视频进行预处理，以获取目标视频中的多个目标视频帧，之后对每个目标视频帧进行识别，以得到指定对象在目标视频中的位置，最后根据每个目标图像帧中指定对象的位置，在多个目标图像帧中，选取保留图像帧，保留图像帧用于指示对目标图像视频中位于保留图像帧之前的图像帧进行裁剪。本公开以目标图像帧中指定对象的位置为依据，确定保留图像帧，从而指示对保留图像帧之前的图像帧进行裁剪，能够确定适用于不同目标视频的保留图像帧，减少在对目标视频进行裁剪过程中造成的信息损失。
图11是根据一示例性实施例示出的一种视频的处理装置的框图，如图11所示，该装置200包括：
预处理模块201，用于对目标视频进行预处理，以得到目标视频中的多个目标图像帧。
识别模块202，用于识别每个目标图像帧中指定对象的位置。
第一确定模块203，用于根据每个目标图像帧中指定对象的位置，在多个目标图像帧中确定保留图像帧，保留图像帧用于指示对目标视频中位于保留图像帧之前的图像帧进行裁剪。
在一种实现场景中，指定对象包括：人脸、文字、指定标识、显著对象中的至少一种。预处理模块201用于：
按照预设的帧间隔，对目标视频中的图像帧进行抽取，以得到多个目标图像帧。
识别模块202用于：
对该目标图像帧进行过滤，以去除该目标图像帧中的边框。利用图像识别算法对过滤后的该目标图像帧进行识别，以确定该目标图像帧中指定对象的位置，图像识别算法包括：人脸识别算法、文字识别算法、指定标识识别算法、显著性检测算法中的至少一种。
图12是根据一示例性实施例示出的另一种视频的处理装置的框图，如图12所示，该装置200还包括：
第二确定模块204，用于在根据每个目标图像帧中指定对象的位置，在多个目标图像帧中确定保留图像帧之后，根据目标视频的原始尺寸和终端设备的显示尺寸，确定裁剪尺寸，裁剪尺寸与显示尺寸匹配。
第二确定模块204，还用于根据裁剪尺寸和预设的步进值，确定第一数量种裁剪框，每种裁剪框在目标视频中的图像帧上的位置不同，每种裁剪框均为裁剪尺寸。
第三确定模块205，用于根据每个待裁剪目标图像帧中指定对象的位置，和第一数量种裁剪框，确定总裁剪路径，待裁剪目标图像帧为目标视频中位于保留图像帧之前的目标图像帧，总裁剪路径包括：目标视频中位于保留图像帧之前的每个图像帧对应的裁剪框。
图13是根据一示例性实施例示出的另一种视频的处理装置的框图，如图13所示，该装置200还包括：
裁剪模块206，用于在根据每个待裁剪目标图像帧中指定对象的位置，和第一数量种裁剪框，确定总裁剪路径之后，按照总裁剪路径对目标视频中位于保留图像帧之前的每个图像帧进行裁剪，以得到由经过裁剪的图像帧组成的第一视频，和由未经过裁剪的图像帧组成的第二视频。
图14是根据一示例性实施例示出的另一种视频的处理装置的框图，如图14所示，多个目标图像帧按照在目标视频中的顺序排列，第一确定模块203可以包括：
第一确定子模块2031，用于针对每个目标图像帧，根据该目标图像帧中指定对象的位置，确定该目标图像帧对应的目标比例，和该目标图像帧对应的目标权重，目标比例用于指示指定对象占该目标图像帧的比例，目标权重为根据该目标图像帧中每个像素的权重确定的。
第二确定子模块2032，用于将对应的目标比例大于预设的比例阈值，且顺序最前的目标图像帧作为第一目标图像帧。将目标权重大于预设的权重阈值，且顺序最前的目标图像帧作为第二目标图像帧。
第三确定子模块2033，用于根据第一目标图像帧和第二目标图像帧，确定保留图像帧。
在一种应用场景中，第三确定子模块2033中确定保留图像帧的方式可以分为以下两种：
方式一，若目标视频中待选目标图像帧位于预设的最迟图像帧之前，将待选目标图像帧作为保留图像帧，待选目标图像帧为第一目标图像帧和第二目标图像帧中顺序在前的目标图像帧。
方式二，若目标视频中待选目标图像帧位于最迟图像帧之后，或者待选目标图像帧与最迟图像帧相同，将最迟图像帧作为保留图像帧。
图15是根据一示例性实施例示出的另一种视频的处理装置的框图，如图15所示，第三确定模块205可以包括：
第四确定子模块2051，用于根据第一数量种裁剪框和待裁剪目标图像帧的第二数量，确定第三数量种裁剪路径，每种裁剪路径包括：第二数量个待裁剪目标图像帧中，每个待裁剪目标图像帧对应的裁剪框。
第五确定子模块2052，用于根据每个待裁剪目标图像帧中指定对象的位置，确定每种裁剪路径对应的裁剪损失总量，裁剪损失总量用于指示按照该种裁剪路径对第二数量个待裁剪目标图像帧进行裁剪所造成的损失大小。
第六确定子模块2053，用于将裁剪损失总量最小的一种裁剪路径作为目标裁剪路径。对目标裁剪路径进行插值，得到总裁剪路径。
在一种应用场景中，第五确定子模块2052可以用于执行以下步骤：
步骤1)根据每个待裁剪目标图像帧中指定对象的位置，确定该待裁剪目标图像帧对应的裁剪损失量，裁剪损失量用于指示按照第一裁剪路径中包括的该待裁剪目标图像帧对应的裁剪框，对该待裁剪目标图像帧进行裁剪所造成的损失大小，第一裁剪路径为第三数量种裁剪路径中的任一种裁剪路径。
步骤2)对每个待裁剪目标图像帧对应的裁剪损失量求和，得到第一裁剪路径对应的裁剪损失总量。
进一步的，步骤1)可以包括：
步骤1a)根据裁剪后图像帧中指定对象占裁剪后图像帧的比例，与该待裁剪目标图像帧中指定对象占该待裁剪目标图像帧的比例，确定该待裁剪目标图像帧对应的重要性评分，裁剪后图像帧为按照第一裁剪路径中包括的该待裁剪目标图像帧对应的裁剪框，对该待裁剪目标图像帧进行裁剪后得到的图像帧。
步骤1b)根据裁剪后图像帧中指定对象的完整程度，确定该待裁剪目标图像帧对应的完整性评分。
步骤1c)根据第一裁剪框和第二裁剪框之间的距离，确定该待裁剪目标图像帧对应的转移评分，第一裁剪框为第一裁剪路径中包括的该待裁剪目标图像帧对应的裁剪框，第二裁剪框为第一裁剪路径中包括的，该待裁剪目标图像帧的上一待裁剪目标图像帧对应的裁剪框。
步骤1d)根据该待裁剪目标图像帧对应的重要性评分、完整性评分和转移评分，确定该待裁剪目标图像帧对应的裁剪损失量。
图16是根据一示例性实施例示出的另一种视频的处理装置的框图，如图16所示，该装置200还包括：
全屏控制模块207，用于在按照总裁剪路径对目标视频中位于保留图像帧之前的每个图像帧进行裁剪，以得到由经过裁剪的图像帧组成的第一视频，和由未经过裁剪的图像帧组成的第二视频之后，控制第一视频在终端设备上以全屏模式进行播放。
缩放控制模块208，用于在播放至缩放图像帧时，控制缩放图像帧在预设的缩放时长内，缩小至终端设备上的播放区域内的目标位置，缩放图像帧为第一视频中的最后一个图像帧，目标位置为若缩放前图像帧按照原始尺寸在播放区域内播放，总裁剪路径中包括的缩放前图像帧对应的裁剪框的位置，缩放前图像帧为缩放图像帧对应在目标视频中，未经过裁剪的图像帧。
原始尺寸控制模块209，用于控制第二视频在播放区域内，按照原始尺寸进行播放。
在一种实现方式中，缩放控制模块208可以用于：
确定缩放图像的多个第一顶点，和每个第一顶点对应在目标位置的第二顶点。根据每个第一顶点与对应的第二顶点之间的距离，和缩放时长，确定该第一顶点的缩放速度。按照每个第一顶点的缩放速度，控制缩放图像缩小至目标位置。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
综上所述，本公开首先对目标视频进行预处理，以获取目标视频中的多个目标视频帧，之后对每个目标视频帧进行识别，以得到指定对象在目标视频中的位置，最后根据每个目标图像帧中指定对象的位置，在多个目标图像帧中，选取保留图像帧，保留图像帧用于指示对目标图像视频中位于保留图像帧之前的图像帧进行裁剪。本公开以目标图像帧中指定对象的位置为依据，确定保留图像帧，从而指示对保留图像帧之前的图像帧进行裁剪，能够确定适用于不同目标视频的保留图像帧，减少在对目标视频进行裁剪过程中造成的信息损失。
下面参考图17，其示出了适于用来实现本公开实施例的电子设备(即上述视频的处理方法的执行主体)300的结构示意图。本公开实施例中的电子设备可以是服务器，该服务器例如可以是本地服务器或者云服务器。电子设备也可以是终端设备，终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图17示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图17所示，电子设备300可以包括处理装置(例如中央处理器、图形处理器等)301，其可以根据存储在只读存储器(ROM)302中的程序或者从存储装置308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM 303中，还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
通常，以下装置可以连接至I/O接口305：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307；包括例如磁带、硬盘等的存储装置308；以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图17示出了具有各种装置的电子设备300，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置309从网络上被下载和安装，或者从存储装置308被安装，或者从ROM 302被安装。在该计算机程序被处理装置301执行时，执行本公开实施例的方法中限定的上述功能。
需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，终端设备、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：对目标视频进行预处理，以得到所述目标视频中的多个目标图像帧；识别每个所述目标图像帧中指定对象的位置；根据每个所述目标图像帧中所述指定对象的位置，在所述多个目标图像帧中确定保留图像帧，所述保留图像帧用于指示对所述目标视频中位于所述保留图像帧之前的图像帧进行裁剪。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，模块的名称在某种情况下并不构成对该模块本身的限定，例如，预处理模块还可以被描述为“获取目标图像帧的模块”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
根据本公开的一个或多个实施例，示例1提供了一种视频的处理方法，包括：对目标视频进行预处理，以得到所述目标视频中的多个目标图像帧；识别每个所述目标图像帧中指定对象的位置；根据每个所述目标图像帧中所述指定对象的位置，在所述多个目标图像帧中确定保留图像帧，所述保留图像帧用于指示对所述目标视频中位于所述保留图像帧之前的图像帧进行裁剪。
根据本公开的一个或多个实施例，示例2提供了示例1的方法，所述对目标视频进行预处理，以得到所述目标视频中的多个目标图像帧，包括：按照预设的帧间隔，对所述目标视频中的图像帧进行抽取，以得到所述多个目标图像帧；所述指定对象包括：人脸、文字、指定标识、显著对象中的至少一种；所述识别每个所述目标图像帧中指定对象的位置，包括：对该目标图像帧进行过滤，以去除该目标图像帧中的边框；利用图像识别算法对过滤后的该目标图像帧进行识别，以确定该目标图像帧中所述指定对象的位置，所述图像识别算法包括：人脸识别算法、文字识别算法、指定标识识别算法、显著性检测算法中的至少一种。
根据本公开的一个或多个实施例，示例3提供了示例1的方法，在所述根据每个所述目标图像帧中所述指定对象的位置，在所述多个目标图像帧中确定保留图像帧之后，所述方法还包括：根据所述目标视频的原始尺寸和终端设备的显示尺寸，确定裁剪尺寸，所述裁剪尺寸与所述显示尺寸匹配；根据所述裁剪尺寸和预设的步进值，确定第一数量种裁剪框，每种裁剪框在所述目标视频中的图像帧上的位置不同，每种裁剪框均为所述裁剪尺寸；根据每个待裁剪目标图像帧中所述指定对象的位置，和第一数量种裁剪框，确定总裁剪路径，所述待裁剪目标图像帧为所述目标视频中位于所述保留图像帧之前的所述目标图像帧，所述总裁剪路径包括：所述目标视频中位于所述保留图像帧之前的每个图像帧对应的裁剪框。
根据本公开的一个或多个实施例，示例4提供了示例3的方法，在所述根据每个待裁剪目标图像帧中所述指定对象的位置，和第一数量种裁剪框，确定总裁剪路径之后，所述方法还包括：按照所述总裁剪路径对所述目标视频中位于所述保留图像帧之前的每个图像帧进行裁剪，以得到由经过裁剪的图像帧组成的第一视频，和由未经过裁剪的图像帧组成的第二视频。
根据本公开的一个或多个实施例，示例5提供了示例1至示例4的方法，多个所述目标图像帧按照在所述目标视频中的顺序排列，所述根据每个所述目标图像帧中所述指定对象的位置，在所述多个目标图像帧中确定保留图像帧，包括：针对每个所述目标图像帧，根据该目标图像帧中所述指定对象的位置，确定该目标图像帧对应的目标比例，和该目标图像帧对应的目标权重，所述目标比例用于指示所述指定对象占该目标图像帧的比例，所述目标权重为根据该目标图像帧中每个像素的权重确定的；将对应的所述目标比例大于预设的比例阈值，且顺序最前的所述目标图像帧作为第一目标图像帧；将所述目标权重大于预设的权重阈值，且顺序最前的所述目标图像帧作为第二目标图像帧；根据所述第一目标图像帧和所述第二目标图像帧，确定所述保留图像帧。
根据本公开的一个或多个实施例，示例6提供了示例5的方法，所述根据所述第一目标图像帧和所述第二目标图像帧，确定所述保留图像帧，包括：若所述目标视频中待选目标图像帧位于预设的最迟图像帧之前，将所述待选目标图像帧作为所述保留图像帧，所述待选目标图像帧为所述第一目标图像帧和所述第二目标图像帧中顺序在前的目标图像帧；若所述目标视频中所述待选目标图像帧位于所述最迟图像帧之后，或者所述待选目标图像帧与所述最迟图像帧相同，将所述最迟图像帧作为所述保留图像帧。
根据本公开的一个或多个实施例，示例7提供了示例3或示例4的方法，所述根据每个待裁剪目标图像帧中所述指定对象的位置，和第一数量种裁剪框，确定总裁剪路径，包括：根据第一数量种裁剪框和所述待裁剪目标图像帧的第二数量，确定第三数量种裁剪路径，每种裁剪路径包括：第二数量个所述待裁剪目标图像帧中，每个所述待裁剪目标图像帧对应的裁剪框；根据每个所述待裁剪目标图像帧中所述指定对象的位置，确定每种裁剪路径对应的裁剪损失总量，所述裁剪损失总量用于指示按照该种裁剪路径对第二数量个所述待裁剪目标图像帧进行裁剪所造成的损失大小；将裁剪损失总量最小的一种裁剪路径作为目标裁剪路径；对所述目标裁剪路径进行插值，得到所述总裁剪路径。
根据本公开的一个或多个实施例，示例8提供了示例7的方法，所述根据每个所述待裁剪目标图像帧中所述指定对象的位置，确定每种裁剪路径对应的裁剪损失总量，包括：根据每个所述待裁剪目标图像帧中所述指定对象的位置，确定该待裁剪目标图像帧对应的裁剪损失量，所述裁剪损失量用于指示按照第一裁剪路径中包括的该待裁剪目标图像帧对应的裁剪框，对该待裁剪目标图像帧进行裁剪所造成的损失大小，所述第一裁剪路径为第三数量种裁剪路径中的任一种裁剪路径；对每个所述待裁剪目标图像帧对应的裁剪损失量求和，得到所述第一裁剪路径对应的裁剪损失总量。
根据本公开的一个或多个实施例，示例9提供了示例8的方法，所述根据每个所述待裁剪目标图像帧中所述指定对象的位置，确定该待裁剪目标图像帧对应的裁剪损失量，包括：根据裁剪后图像帧中所述指定对象占所述裁剪后图像帧的比例，与该待裁剪目标图像帧中所述指定对象占该待裁剪目标图像帧的比例，确定该待裁剪目标图像帧对应的重要性评分，所述裁剪后图像帧为按照所述第一裁剪路径中包括的该待裁剪目标图像帧对应的裁剪框，对该待裁剪目标图像帧进行裁剪后得到的图像帧；根据所述裁剪后图像帧中所述指定对象的完整程度，确定该待裁剪目标图像帧对应的完整性评分；根据第一裁剪框和第二裁剪框之间的距离，确定该待裁剪目标图像帧对应的转移评分，所述第一裁剪框为所述第一裁剪路径中包括的该待裁剪目标图像帧对应的裁剪框，所述第二裁剪框为所述第一裁剪路径中包括的，该待裁剪目标图像帧的上一待裁剪目标图像帧对应的裁剪框；根据该待裁剪目标图像帧对应的重要性评分、完整性评分和转移评分，确定该待裁剪目标图像帧对应的裁剪损失量。
根据本公开的一个或多个实施例，示例10提供了示例4的方法，在所述按照所述总裁剪路径对所述目标视频中位于所述保留图像帧之前的每个图像帧进行裁剪，以得到由经过裁剪的图像帧组成的第一视频，和由未经过裁剪的图像帧组成的第二视频之后，所述方法还包括：控制所述第一视频在所述终端设备上以全屏模式进行播放；在播放至缩放图像帧时，控制所述缩放图像帧在预设的缩放时长内，缩小至所述终端设备上的播放区域内的目标位置，所述缩放图像帧为所述第一视频中的最后一个图像帧，所述目标位置为若缩放前图像帧按照所述原始尺寸在所述播放区域内播放，所述总裁剪路径中包括的所述缩放前图像帧对应的裁剪框的位置，所述缩放前图像帧为所述缩放图像帧对应在目标视频中，未经过裁剪的图像帧；控制所述第二视频在所述播放区域内，按照所述原始尺寸进行播放。
根据本公开的一个或多个实施例，示例11提供了示例10的方法，所述控制所述缩放图像帧在预设的缩放时长内，缩小至所述终端设备上的播放区域内的目标位置，包括：确定所述缩放图像的多个第一顶点，和每个所述第一顶点对应在所述目标位置的第二顶点；根据每个所述第一顶点与对应的所述第二顶点之间的距离，和所述缩放时长，确定该第一顶点的缩放速度；按照每个所述第一顶点的缩放速度，控制所述缩放图像缩小至所述目标位置。
根据本公开的一个或多个实施例，示例12提供了一种视频的处理装置，包括：预处理模块，用于对目标视频进行预处理，以得到所述目标视频中的多个目标图像帧；识别模块，用于识别每个所述目标图像帧中指定对象的位置；第一确定模块，用于根据每个所述目标图像帧中所述指定对象的位置，在所述多个目标图像帧中确定保留图像帧，所述保留图像帧用于指示对所述目标视频中位于所述保留图像帧之前的图像帧进行裁剪。
根据本公开的一个或多个实施例，示例13提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现示例1至示例11中所述方法的步骤。
根据本公开的一个或多个实施例，示例14提供了一种电子设备，包括：存储装置，其上存储有计算机程序；处理装置，用于执行所述存储装置中的所述计算机程序，以实现示例1至示例11中所述方法的步骤。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

Claims (14)

1.一种视频的处理方法，其特征在于，所述方法包括：
对目标视频进行预处理，以得到所述目标视频中的多个目标图像帧；
识别每个所述目标图像帧中指定对象的位置；
根据每个所述目标图像帧中所述指定对象的位置，在所述多个目标图像帧中确定保留图像帧，所述保留图像帧用于指示对所述目标视频中位于所述保留图像帧之前的图像帧进行裁剪。
2.根据权利要求1所述的方法，其特征在于，所述对目标视频进行预处理，以得到所述目标视频中的多个目标图像帧，包括：
按照预设的帧间隔，对所述目标视频中的图像帧进行抽取，以得到所述多个目标图像帧；
所述指定对象包括：人脸、文字、指定标识、显著对象中的至少一种；所述识别每个所述目标图像帧中指定对象的位置，包括：
对该目标图像帧进行过滤，以去除该目标图像帧中的边框；
利用图像识别算法对过滤后的该目标图像帧进行识别，以确定该目标图像帧中所述指定对象的位置，所述图像识别算法包括：人脸识别算法、文字识别算法、指定标识识别算法、显著性检测算法中的至少一种。
3.根据权利要求1所述的方法，其特征在于，在所述根据每个所述目标图像帧中所述指定对象的位置，在所述多个目标图像帧中确定保留图像帧之后，所述方法还包括：
根据所述目标视频的原始尺寸和终端设备的显示尺寸，确定裁剪尺寸，所述裁剪尺寸与所述显示尺寸匹配；
根据所述裁剪尺寸和预设的步进值，确定第一数量种裁剪框，每种裁剪框在所述目标视频中的图像帧上的位置不同，每种裁剪框均为所述裁剪尺寸；
根据每个待裁剪目标图像帧中所述指定对象的位置，和第一数量种裁剪框，确定总裁剪路径，所述待裁剪目标图像帧为所述目标视频中位于所述保留图像帧之前的所述目标图像帧，所述总裁剪路径包括：所述目标视频中位于所述保留图像帧之前的每个图像帧对应的裁剪框。
4.根据权利要求3所述的方法，其特征在于，在所述根据每个待裁剪目标图像帧中所述指定对象的位置，和第一数量种裁剪框，确定总裁剪路径之后，所述方法还包括：
按照所述总裁剪路径对所述目标视频中位于所述保留图像帧之前的每个图像帧进行裁剪，以得到由经过裁剪的图像帧组成的第一视频，和由未经过裁剪的图像帧组成的第二视频。
5.根据权利要求1-4中任一项所述的方法，其特征在于，多个所述目标图像帧按照在所述目标视频中的顺序排列，所述根据每个所述目标图像帧中所述指定对象的位置，在所述多个目标图像帧中确定保留图像帧，包括：
针对每个所述目标图像帧，根据该目标图像帧中所述指定对象的位置，确定该目标图像帧对应的目标比例，和该目标图像帧对应的目标权重，所述目标比例用于指示所述指定对象占该目标图像帧的比例，所述目标权重为根据该目标图像帧中每个像素的权重确定的；
将对应的所述目标比例大于预设的比例阈值，且顺序最前的所述目标图像帧作为第一目标图像帧；
将所述目标权重大于预设的权重阈值，且顺序最前的所述目标图像帧作为第二目标图像帧；
根据所述第一目标图像帧和所述第二目标图像帧，确定所述保留图像帧。
6.根据权利要求5所述的方法，其特征在于，所述根据所述第一目标图像帧和所述第二目标图像帧，确定所述保留图像帧，包括：
若所述目标视频中待选目标图像帧位于预设的最迟图像帧之前，将所述待选目标图像帧作为所述保留图像帧，所述待选目标图像帧为所述第一目标图像帧和所述第二目标图像帧中顺序在前的目标图像帧；
若所述目标视频中所述待选目标图像帧位于所述最迟图像帧之后，或者所述待选目标图像帧与所述最迟图像帧相同，将所述最迟图像帧作为所述保留图像帧。
7.根据权利要求3或4所述的方法，其特征在于，所述根据每个待裁剪目标图像帧中所述指定对象的位置，和第一数量种裁剪框，确定总裁剪路径，包括：
根据第一数量种裁剪框和所述待裁剪目标图像帧的第二数量，确定第三数量种裁剪路径，每种裁剪路径包括：第二数量个所述待裁剪目标图像帧中，每个所述待裁剪目标图像帧对应的裁剪框；
根据每个所述待裁剪目标图像帧中所述指定对象的位置，确定每种裁剪路径对应的裁剪损失总量，所述裁剪损失总量用于指示按照该种裁剪路径对第二数量个所述待裁剪目标图像帧进行裁剪所造成的损失大小；
将裁剪损失总量最小的一种裁剪路径作为目标裁剪路径；
对所述目标裁剪路径进行插值，得到所述总裁剪路径。
8.根据权利要求7所述的方法，其特征在于，所述根据每个所述待裁剪目标图像帧中所述指定对象的位置，确定每种裁剪路径对应的裁剪损失总量，包括：
根据每个所述待裁剪目标图像帧中所述指定对象的位置，确定该待裁剪目标图像帧对应的裁剪损失量，所述裁剪损失量用于指示按照第一裁剪路径中包括的该待裁剪目标图像帧对应的裁剪框，对该待裁剪目标图像帧进行裁剪所造成的损失大小，所述第一裁剪路径为第三数量种裁剪路径中的任一种裁剪路径；
对每个所述待裁剪目标图像帧对应的裁剪损失量求和，得到所述第一裁剪路径对应的裁剪损失总量。
9.根据权利要求8所述的方法，其特征在于，所述根据每个所述待裁剪目标图像帧中所述指定对象的位置，确定该待裁剪目标图像帧对应的裁剪损失量，包括：
根据裁剪后图像帧中所述指定对象占所述裁剪后图像帧的比例，与该待裁剪目标图像帧中所述指定对象占该待裁剪目标图像帧的比例，确定该待裁剪目标图像帧对应的重要性评分，所述裁剪后图像帧为按照所述第一裁剪路径中包括的该待裁剪目标图像帧对应的裁剪框，对该待裁剪目标图像帧进行裁剪后得到的图像帧；
根据所述裁剪后图像帧中所述指定对象的完整程度，确定该待裁剪目标图像帧对应的完整性评分；
根据第一裁剪框和第二裁剪框之间的距离，确定该待裁剪目标图像帧对应的转移评分，所述第一裁剪框为所述第一裁剪路径中包括的该待裁剪目标图像帧对应的裁剪框，所述第二裁剪框为所述第一裁剪路径中包括的，该待裁剪目标图像帧的上一待裁剪目标图像帧对应的裁剪框；
根据该待裁剪目标图像帧对应的重要性评分、完整性评分和转移评分，确定该待裁剪目标图像帧对应的裁剪损失量。
10.根据权利要求4所述的方法，其特征在于，在所述按照所述总裁剪路径对所述目标视频中位于所述保留图像帧之前的每个图像帧进行裁剪，以得到由经过裁剪的图像帧组成的第一视频，和由未经过裁剪的图像帧组成的第二视频之后，所述方法还包括：
控制所述第一视频在所述终端设备上以全屏模式进行播放；
在播放至缩放图像帧时，控制所述缩放图像帧在预设的缩放时长内，缩小至所述终端设备上的播放区域内的目标位置，所述缩放图像帧为所述第一视频中的最后一个图像帧，所述目标位置为若缩放前图像帧按照所述原始尺寸在所述播放区域内播放，所述总裁剪路径中包括的所述缩放前图像帧对应的裁剪框的位置，所述缩放前图像帧为所述缩放图像帧对应在目标视频中，未经过裁剪的图像帧；
控制所述第二视频在所述播放区域内，按照所述原始尺寸进行播放。
11.根据权利要求10所述的方法，其特征在于，所述控制所述缩放图像帧在预设的缩放时长内，缩小至所述终端设备上的播放区域内的目标位置，包括：
确定所述缩放图像的多个第一顶点，和每个所述第一顶点对应在所述目标位置的第二顶点；
根据每个所述第一顶点与对应的所述第二顶点之间的距离，和所述缩放时长，确定该第一顶点的缩放速度；
按照每个所述第一顶点的缩放速度，控制所述缩放图像缩小至所述目标位置。
12.一种视频的处理装置，其特征在于，所述装置包括：
预处理模块，用于对目标视频进行预处理，以得到所述目标视频中的多个目标图像帧；
识别模块，用于识别每个所述目标图像帧中指定对象的位置；
第一确定模块，用于根据每个所述目标图像帧中所述指定对象的位置，在所述多个目标图像帧中确定保留图像帧，所述保留图像帧用于指示对所述目标视频中位于所述保留图像帧之前的图像帧进行裁剪。
13.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理装置执行时实现权利要求1-11中任一项所述方法的步骤。
14.一种电子设备，其特征在于，包括：
存储装置，其上存储有计算机程序；
处理装置，用于执行所述存储装置中的所述计算机程序，以实现权利要求1-11中任一项所述方法的步骤。
CN202011298813.5A 2020-11-18 2020-11-18 视频的处理方法、装置、可读介质和电子设备 Active CN112423021B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202011298813.5A CN112423021B (zh) 2020-11-18 2020-11-18 视频的处理方法、装置、可读介质和电子设备
US18/253,357 US11922597B2 (en) 2020-11-18 2021-11-16 Video processing method and apparatus, readable medium, and electronic device
PCT/CN2021/130875 WO2022105740A1 (zh) 2020-11-18 2021-11-16 视频的处理方法、装置、可读介质和电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011298813.5A CN112423021B (zh) 2020-11-18 2020-11-18 视频的处理方法、装置、可读介质和电子设备

Publications (2)

Publication Number Publication Date
CN112423021A true CN112423021A (zh) 2021-02-26
CN112423021B CN112423021B (zh) 2022-12-06

Family

ID=74773539

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011298813.5A Active CN112423021B (zh) 2020-11-18 2020-11-18 视频的处理方法、装置、可读介质和电子设备

Country Status (3)

Country Link
US (1) US11922597B2 (zh)
CN (1) CN112423021B (zh)
WO (1) WO2022105740A1 (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113660516A (zh) * 2021-10-19 2021-11-16 北京易真学思教育科技有限公司 视频显示方法、装置、设备及介质
CN113840159A (zh) * 2021-09-26 2021-12-24 北京沃东天骏信息技术有限公司 视频处理方法、装置、计算机系统及可读存储介质
WO2022105740A1 (zh) * 2020-11-18 2022-05-27 北京有竹居网络技术有限公司 视频的处理方法、装置、可读介质和电子设备
CN114584832A (zh) * 2022-03-16 2022-06-03 中信建投证券股份有限公司 视频自适应多尺寸动态播放方法及装置
CN114627036A (zh) * 2022-03-14 2022-06-14 北京有竹居网络技术有限公司 多媒体资源的处理方法、装置、可读介质和电子设备

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6633651B1 (en) * 1997-02-06 2003-10-14 March Networks Corporation Method and apparatus for recognizing video sequences
US20070120979A1 (en) * 2005-11-21 2007-05-31 Microsoft Corporation Combined digital and mechanical tracking of a person or object using a single video camera
US20070217685A1 (en) * 1999-01-28 2007-09-20 Toshimitsu Kaneko Method of describing object region data, apparatus for generating object region data, video processing apparatus and video processing method
CN102541494A (zh) * 2010-12-30 2012-07-04 中国科学院声学研究所 一种面向显示终端的视频尺寸转换系统与方法
CN104126299A (zh) * 2012-02-14 2014-10-29 诺基亚公司 视频图像稳定化
US20160381306A1 (en) * 2015-06-29 2016-12-29 Amazon Technologies, Inc. Content-based zooming and panning for video curation
CN108230594A (zh) * 2016-12-21 2018-06-29 安讯士有限公司 一种用于在视频监控系统中生成警报的方法
CN109068150A (zh) * 2018-08-07 2018-12-21 深圳市创梦天地科技有限公司 一种视频的精彩画面提取方法、终端及计算机可读介质
CN109690471A (zh) * 2016-11-17 2019-04-26 谷歌有限责任公司 使用取向元数据的媒体渲染
CN110189378A (zh) * 2019-05-23 2019-08-30 北京奇艺世纪科技有限公司 一种视频处理方法、装置及电子设备
CN111010590A (zh) * 2018-10-08 2020-04-14 传线网络科技（上海）有限公司 一种视频裁剪方法及装置
CN111652043A (zh) * 2020-04-15 2020-09-11 北京三快在线科技有限公司 对象状态识别方法、装置、图像采集设备及存储介质
CN111881755A (zh) * 2020-06-28 2020-11-03 腾讯科技（深圳）有限公司 一种视频帧序列的裁剪方法及装置

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7760956B2 (en) 2005-05-12 2010-07-20 Hewlett-Packard Development Company, L.P. System and method for producing a page using frames of a video stream
US9240056B2 (en) 2008-04-02 2016-01-19 Microsoft Technology Licensing, Llc Video retargeting
US8209733B2 (en) * 2008-05-28 2012-06-26 Broadcom Corporation Edge device that enables efficient delivery of video to handheld device
JP2014123908A (ja) 2012-12-21 2014-07-03 Jvc Kenwood Corp 画像処理装置、画像切り出し方法、及びプログラム
WO2016056411A1 (ja) 2014-10-10 2016-04-14 ソニー株式会社 符号化装置および方法、再生装置および方法、並びにプログラム
CN106231399A (zh) 2016-08-01 2016-12-14 乐视控股（北京）有限公司 视频分割方法、设备以及系统
CN112423021B (zh) 2020-11-18 2022-12-06 北京有竹居网络技术有限公司 视频的处理方法、装置、可读介质和电子设备

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6633651B1 (en) * 1997-02-06 2003-10-14 March Networks Corporation Method and apparatus for recognizing video sequences
US20070217685A1 (en) * 1999-01-28 2007-09-20 Toshimitsu Kaneko Method of describing object region data, apparatus for generating object region data, video processing apparatus and video processing method
US20070274595A1 (en) * 1999-01-28 2007-11-29 Toshimitsu Kaneko Method of describing object region data, apparatus for generating object region data, video processing apparatus and video processing method
US20070120979A1 (en) * 2005-11-21 2007-05-31 Microsoft Corporation Combined digital and mechanical tracking of a person or object using a single video camera
CN102541494A (zh) * 2010-12-30 2012-07-04 中国科学院声学研究所 一种面向显示终端的视频尺寸转换系统与方法
CN104126299A (zh) * 2012-02-14 2014-10-29 诺基亚公司 视频图像稳定化
US20160381306A1 (en) * 2015-06-29 2016-12-29 Amazon Technologies, Inc. Content-based zooming and panning for video curation
CN109690471A (zh) * 2016-11-17 2019-04-26 谷歌有限责任公司 使用取向元数据的媒体渲染
CN108230594A (zh) * 2016-12-21 2018-06-29 安讯士有限公司 一种用于在视频监控系统中生成警报的方法
CN109068150A (zh) * 2018-08-07 2018-12-21 深圳市创梦天地科技有限公司 一种视频的精彩画面提取方法、终端及计算机可读介质
CN111010590A (zh) * 2018-10-08 2020-04-14 传线网络科技（上海）有限公司 一种视频裁剪方法及装置
WO2020073860A1 (zh) * 2018-10-08 2020-04-16 传线网络科技（上海）有限公司 一种视频裁剪方法及装置
CN110189378A (zh) * 2019-05-23 2019-08-30 北京奇艺世纪科技有限公司 一种视频处理方法、装置及电子设备
CN111652043A (zh) * 2020-04-15 2020-09-11 北京三快在线科技有限公司 对象状态识别方法、装置、图像采集设备及存储介质
CN111881755A (zh) * 2020-06-28 2020-11-03 腾讯科技（深圳）有限公司 一种视频帧序列的裁剪方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
DINGMING LIU: "《Spatio-temporal video object segmentation using moving detection and graph cut methods》", 《2011 SEVENTH INTERNATIONAL CONFERENCE ON NATURAL COMPUTATION》 *
石殷巧: "《基于深度学习的短视频中物体检测与内容推荐的研究》", 《中国优秀硕士学位论文全文数据库》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022105740A1 (zh) * 2020-11-18 2022-05-27 北京有竹居网络技术有限公司 视频的处理方法、装置、可读介质和电子设备
US11922597B2 (en) 2020-11-18 2024-03-05 Beijing Youzhuju Network Technology Co., Ltd. Video processing method and apparatus, readable medium, and electronic device
CN113840159A (zh) * 2021-09-26 2021-12-24 北京沃东天骏信息技术有限公司 视频处理方法、装置、计算机系统及可读存储介质
CN113660516A (zh) * 2021-10-19 2021-11-16 北京易真学思教育科技有限公司 视频显示方法、装置、设备及介质
CN114627036A (zh) * 2022-03-14 2022-06-14 北京有竹居网络技术有限公司 多媒体资源的处理方法、装置、可读介质和电子设备
CN114627036B (zh) * 2022-03-14 2023-10-27 北京有竹居网络技术有限公司 多媒体资源的处理方法、装置、可读介质和电子设备
CN114584832A (zh) * 2022-03-16 2022-06-03 中信建投证券股份有限公司 视频自适应多尺寸动态播放方法及装置
CN114584832B (zh) * 2022-03-16 2024-03-08 中信建投证券股份有限公司 视频自适应多尺寸动态播放方法及装置

Also Published As

Publication number Publication date
WO2022105740A1 (zh) 2022-05-27
US11922597B2 (en) 2024-03-05
US20230394625A1 (en) 2023-12-07
CN112423021B (zh) 2022-12-06

Similar Documents

Publication Publication Date Title
CN112423021B (zh) 视频的处理方法、装置、可读介质和电子设备
CN112954450B (zh) 视频处理方法、装置、电子设备和存储介质
CN112561840B (zh) 视频裁剪方法、装置、存储介质及电子设备
CN110650306B (zh) 视频聊天中添加表情的方法、装置、计算机设备及存储介质
CN107084740B (zh) 一种导航方法和装置
CN111669502B (zh) 目标对象显示方法、装置及电子设备
CN112565890B (zh) 视频裁剪方法、装置、存储介质及电子设备
CN110796664A (zh) 图像处理方法、装置、电子设备及计算机可读存储介质
CN114331820A (zh) 图像处理方法、装置、电子设备及存储介质
CN113744135A (zh) 图像处理方法、装置、电子设备及存储介质
CN112949430A (zh) 视频处理方法和装置、存储介质和电子设备
CN112101258A (zh) 图像处理方法、装置、电子设备和计算机可读介质
CN113259601A (zh) 视频处理方法、装置、可读介质和电子设备
CN114422698A (zh) 视频生成方法、装置、设备及存储介质
CN111626922B (zh) 图片生成方法、装置、电子设备及计算机可读存储介质
CN115953504A (zh) 特效处理方法、装置、电子设备及存储介质
CN114863392A (zh) 车道线检测方法、装置、车辆及存储介质
CN112015936B (zh) 用于生成物品展示图的方法、装置、电子设备和介质
CN114399696A (zh) 一种目标检测方法、装置、存储介质及电子设备
CN114419086A (zh) 边缘提取方法、装置、电子设备及存储介质
CN113905177A (zh) 视频生成方法、装置、设备及存储介质
CN112766285B (zh) 图像样本生成方法、装置和电子设备
CN111583283B (zh) 图像分割方法、装置、电子设备及介质
CN112651909B (zh) 图像合成方法、装置、电子设备及计算机可读存储介质
CN114003766A (zh) 高光游戏片段生成方法、装置、存储介质及电子设备

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