CN112487943A - 关键帧去重的方法、装置和电子设备 - Google Patents

Abstract

本公开实施例公开了关键帧去重的方法、装置和电子设备。该方法的一具体实施方式包括：获取视频的关键帧集合和关键帧集合中每个关键帧中的文字区域；提取每个关键帧中文字区域的特征点；利用文字区域的特征点，从关键帧集合中提取出相似的关键帧，生成关键帧子集合；对关键帧子集合中的关键帧进行去重。该实施方式实现了对视频中冗余的关键帧的去除。

Description

关键帧去重的方法、装置和电子设备

技术领域

本公开实施例涉及计算机技术领域，具体涉及关键帧去重的方法、装置和电子设备。

背景技术

目前，随着信息化建设的全面开展，文字识别技术已经进入行业应用开发的成熟阶段。在对视频中的文字进行识别检测的过程中，为了不漏选关键帧通常选取了过多的帧作为关键帧，造成了关键帧冗余，进而造成检测结果的置信度低，影响后续的识别精度。因此，如何在视频文字检测中对冗余的关键帧进行去重是一个亟待解决的问题。

发明内容

提供该公开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。该公开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。

本公开实施例提供了一种关键帧去重的方法、装置和电子设备，实现了实现了对视频中冗余的关键帧的去除，提高了后续的针对视频中文字的识别精度。

第一方面，本公开实施例提供了一种关键帧去重的方法，该方法包括：获取视频的关键帧集合和关键帧集合中每个关键帧中的文字区域；提取每个关键帧中文字区域的特征点；利用文字区域的特征点，从关键帧集合中提取出相似的关键帧，生成关键帧子集合；对关键帧子集合中的关键帧进行去重。

第二方面，本公开实施例提供了一种关键帧去重的装置，包括：获取单元，用于获取视频的关键帧集合和关键帧集合中每个关键帧中的文字区域；提取单元，用于提取每个关键帧中文字区域的特征点；生成单元，用于利用文字区域的特征点，从关键帧集合中提取出相似的关键帧，生成关键帧子集合；去重单元，用于对关键帧子集合中的关键帧进行去重。

第三方面，本公开实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面所述的关键帧去重的方法。

第四方面，本公开实施例提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面所述的关键帧去重的方法的步骤。

本公开实施例提供的关键帧去重的方法、装置和电子设备，通过获取视频的关键帧集合和上述关键帧集合中每个关键帧中的文字区域；之后，提取每个关键帧中文字区域的特征点；而后，利用文字区域的特征点，从上述关键帧集合中提取出相似的关键帧，生成关键帧子集合；最后，对上述关键帧子集合中的关键帧进行去重。从而实现了对视频中冗余的关键帧的去除，提高了后续的针对视频中文字的识别精度。

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。

图1是本公开的各个实施例可以应用于其中的示例性系统架构图；

图2是根据本公开的关键帧去重的方法的一个实施例的流程图；

图3A是根据本公开的关键帧去重的方法中的关键帧中的文字检测结果的一个示意图；

图3B是根据本公开的关键帧去重的方法中的关键帧中的文字区域的一个示意图；

图4是根据本公开的关键帧去重的方法中确定相似关键帧的一个实施例的流程图；

图5是根据本公开的关键帧去重的方法中对关键帧子集合中的关键帧进行去重的一个实施例的流程图；

图6是根据本公开的关键帧去重的装置的一个实施例的结构示意图；

图7是适于用来实现本公开实施例的电子设备的计算机系统的结构示意图。

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示出了可以应用本公开的关键帧去重的方法的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备1011、1012、1013，网络102和服务器103。网络102用以在终端设备1011、1012、1013和服务器103之间提供通信链路的介质。网络102可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备1011、1012、1013通过网络102与服务器103交互，以发送或接收消息等，例如，用户可以利用终端设备1011、1012、1013将视频发送给服务器103。终端设备1011、1012、1013上可以安装有各种通讯客户端应用，例如视频处理类应用、文件传输类应用等。

终端设备1011、1012、1013可以是硬件，也可以是软件。当终端设备1011、1012、1013为硬件时，可以是具有摄像头并且支持信息交互的各种电子设备，包括但不限于智能相机、智能手机、平板电脑、膝上型便携计算机等。当终端设备1011、1012、1013为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器103可以是提供各种服务的服务器。例如，可以获取视频的关键帧集合和上述关键帧集合中每个关键帧中的文字区域，其中，上述视频可以是从终端设备1011、1012、1013中获取的；之后，可以提取每个关键帧中文字区域的特征点；而后，可以利用文字区域的特征点，从上述关键帧集合中提取出相似的关键帧，生成关键帧子集合；最后，可以对上述关键帧子集合中的关键帧进行去重。

需要说明的是，服务器103可以是硬件，也可以是软件。当服务器103为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器103为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

需要说明的是，本申请实施例所提供的关键帧去重的方法通常由服务器103执行。

还需要说明的是，服务器103的本地也可以存储有视频，服务器103可以从本地获取视频。此时示例性系统架构100可以不存在网络102和终端设备1011、1012、1013。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，示出了根据本公开的关键帧去重的方法的一个实施例的流程200。该关键帧去重的方法，包括以下步骤：

步骤201，获取视频的关键帧集合和关键帧集合中每个关键帧中的文字区域。

在本实施例中，关键帧去重的方法的执行主体(例如图1所示的服务器)可以获取视频的关键帧集合和上述关键帧集合中每个关键帧中的文字区域。在这里，一个视频中的很多帧其实与视频所要呈现的内容或者视频场景是无关的。关键帧通常是呈现有视频内容或者视频场景的帧。关键帧中的文字区域可以是预先通过文字识别方法从上述视频中识别出。

上述执行主体可以将上述视频中的视频帧输入预先训练的关键帧识别模型中，得到上述视频中的关键帧。

步骤202，提取每个关键帧中文字区域的特征点。

在本实施例中，上述执行主体可以提取上述关键帧集合中的每个关键帧中文字区域的特征点。在这里，上述执行主体可以提取文字区域的SIFT(Scale-invariant featuretransform，尺度不变特征转换)特征点。SIFT是一种计算机视觉的算法，它用来侦测与描述影像中的局部性特征，它在空间尺度中寻找极值点，并提取出其位置、尺度和旋转不变量。SIFT算法的实质是在不同的尺度空间上查找SIFT特征点，并计算出特征点的方向。上述执行主体也可以提取文字区域的HOG(Histogram of Oriented Gradient，方向梯度直方图)特征点。HOG特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子，它通过计算和统计图像局部区域的梯度方向直方图来构成特征。上述执行主体还可以将关键帧中的文字区域输入预先训练的特征点提取模型中，得到该关键帧中的文字区域的特征点。

步骤203，利用文字区域的特征点，从关键帧集合中提取出相似的关键帧，生成关键帧子集合。

在本实施例中，上述执行主体可以利用文字区域的特征点，从上述关键帧集合中提取出相似的关键帧，生成关键帧子集合。

具体地，上述执行主体可以利用文字区域的特征点，确定上述关键帧集合中每组关键帧的相似度。针对上述关键帧集合中的每组关键帧，上述执行主体可以将该组关键帧的文字区域的特征点输入预先训练的相似度识别模型中，得到该组关键帧的相似度。上述关键帧集合中的每组关键帧可以是由上述关键帧集合中任意两个关键帧所组成的。

而后，可以利用各组关键帧的相似度，对关键帧进行聚类，生成至少一个关键帧子集合，其中，每个关键帧子集合中的关键帧均是相似的关键帧。

步骤204，对关键帧子集合中的关键帧进行去重。

在本实施例中，上述执行主体可以对上述关键帧子集合中的关键帧进行去重。具体地，上述执行主体可以确定上述关键帧子集合中每个关键帧的图像质量，可以将图像质量最优的关键帧进行保留，删除上述关键帧子集合中除保留的关键帧之外的其他关键帧。

图像质量通常是指人们对一幅图像视觉感受的主观评价。通常认为图像质量指被测图像(即目标图像)相对于标准图像(即原图像)在人眼视觉系统中产生误差的程度。图像质量又可分为图像逼真度和图像可懂度。图像逼真度描述所处理的图像和原始图像之间的偏离程度；而图像可懂度则表示人或机器能从图像中抽取有关特征信息的程度。

在这里，可以将上述关键帧子集合中的任一关键帧作为标准图像，将作为标准图像之外的其它图像作为被测图像，以对图像质量进行评价。

本公开的上述实施例提供的方法通过视频的关键帧集合中各个关键帧中文字区域的特征点，提取相似的关键帧，并进行关键帧去重，从而实现了对视频中冗余的关键帧的去除，提高了后续的针对视频中文字的识别精度。

在一些可选的实现方式中，上述关键帧集合中每个关键帧中的文字区域可以是通过如下方式生成的：针对上述关键帧集合中的每个关键帧，可以首先获取该关键帧中的文字检测结果。在这里，每一行文字检测结果在该关键帧中可以是以矩形框的形式标识出，即每一行文字检测结果是被一个最小外接矩形包围的。请参见图3A，图3A示出了根据本实施例的关键帧去重的方法中的关键帧中的文字检测结果的一个示意图，在图3A中，每一行文字检测结果均被一个最小外接矩形包围的。之后，可以利用膨胀算法对上述文字检测结果对应的至少两个矩形框进行适当地扩张以使矩形框产生交集，对产生交集的检测框进行合并，得到文字区域。上述膨胀算法是求取局部最大值的算法，是给图像中的对象边界添加像素。请参见图3B，图3B示出了根据本实施例的关键帧去重的方法中的关键帧中的文字区域的一个示意图，将图3A中包围每一行文字检测结果的矩形框进行扩张，使得矩形框产生交集，从而可以得到图3B中图标301所指示的文字区域。

在一些可选的实现方式中，在对上述关键帧子集合中的关键帧进行去重之后，上述执行主体可以利用去重得到的关键帧，对上述视频中的文字进行检测，得到上述视频的文字检测结果。具体地，上述执行主体可以将去重得到的关键帧输入预先训练的文字检测模型中，得到上述视频的文字检测结果。通过这种方式，可以提高文字检测的准确率。

进一步参考图4，其示出了本公开的关键帧去重的方法中确定相似关键帧的一个实施例的流程400。该确定相似关键帧的确定流程400，包括以下步骤：

步骤401，针对关键帧序列中的每组相邻帧，利用特征匹配算法对该组相邻帧的特征点进行匹配，得到该组相邻帧中对应的特征点的位置信息。

在本实施例中，关键帧去重的方法的执行主体(例如图1所示的服务器)可以针对关键帧序列中的每组相邻帧，利用特征匹配算法对该组相邻帧的特征点进行匹配，得到该组相邻帧中对应的特征点的位置信息。上述特征匹配算法可以包括但不限于：FLANN(FastLibary for Approximate Nearest Neighbors，快速逼近最近邻搜索库函数)算法和暴力匹配算法。FLANN算法是一个执行最近邻搜索的库，它包含一组算法，这些算法针对大型数据集中的快速最近邻搜索和高维特征进行了优化。暴力匹配算法是一种描述符匹配方法，将每个对应的描述符的特征进行比较，每次比较给出一个距离值，最好的结果则被认为是一个匹配。

在这里，可以使用FLANN算法对该组相邻帧的SIFT特征点进行匹配，得到该组相邻帧中对应的特征点的位置信息。

上述关键帧序列可以是视频中的关键帧按照在上述视频中由前到后的顺序进行排序所得到的序列。

步骤402，利用该组相邻帧中对应的特征点的位置信息，确定该组相邻帧中对应的特征点之间的余弦相似度作为该组相邻帧的相似度。

在本实施例中，上述执行主体可以利用该组相邻帧中对应的特征点的位置信息，确定该组相邻帧中对应的特征点之间的余弦相似度作为该组相邻帧的相似度。

在这里，特征点的位置信息可以为坐标值，上述执行主体可以通过如下公式(1)确定该组相邻帧的相似度：

其中，a_i表征该组相邻帧中的一个视频帧中第i个特征点的坐标值，b_i表征该组相邻帧中的另一个视频帧中第i个特征点的坐标值，n表征该组相邻帧中具有对应关系的特征点的数量，cos(θ)表征该组相邻帧的相似度。

步骤403，基于各组相邻帧的相似度，从关键帧序列中提取出相似的关键帧。

在本实施例中，上述执行主体可以基于各组相邻帧的相似度，从关键帧序列中提取出相似的关键帧。具体地，上述执行主体可以利用各组相邻帧的相似度，对上述关键帧集合中的关键帧进行聚类，生成至少一个关键帧子集合，其中，每个关键帧子集合中的关键帧均是相似的关键帧。

本公开的上述实施例提供的方法将关键帧按照在视频中由前到后的顺序排序成关键帧序列，由于相似的帧在视频中往往是相邻的，从而只针对相邻帧求取相似度，可以提高相似度的确定效率。

继续参考图5，其示出了本公开的关键帧去重的方法中对关键帧子集合中的关键帧进行去重的一个实施例的流程500。该关键帧去重流程500，包括以下步骤：

步骤501，针对关键帧子集合中的每个关键帧，对该关键帧进行灰度化处理。

在本实施例中，关键帧去重的方法的执行主体(例如图1所示的服务器)可以针对关键帧子集合中的每个关键帧，对该关键帧进行灰度化处理。对该关键帧进行灰度化处理也就是让该关键帧的像素点矩阵中的每一个像素点都满足下面的关系：R＝G＝B，就是让该关键帧的每一个像素点的红色变量的值、绿色变量的值和蓝色变量的值相等，此时的这个值叫做灰度值。

步骤502，对得到的灰度图像进行拉普拉斯变换。

在本实施例中，上述执行主体可以对得到的灰度图像进行拉普拉斯变换。对灰度图像进行拉普拉斯变换也就是对灰度图像进行锐化处理。图像锐化处理的作用是使灰度反差增强，从而使模糊图像变得更加清晰。图像模糊的实质就是图像受到平均运算或积分运算，因此可以对图像进行逆运算，如微分运算能够突出图像细节，使图像变得更为清晰。由于拉普拉斯是一种微分算子，它的应用可增强图像中灰度突变的区域，减弱灰度的缓慢变化区域。因此，锐化处理可选择拉普拉斯算子对原图像进行处理，产生描述灰度突变的图像，再将拉普拉斯图像与原始图像叠加而产生锐化图像。这种处理既可以产生拉普拉斯锐化处理的效果，同时又能保留背景信息，将原始图像叠加到拉普拉斯变换的处理结果中去，可以使图像中的各灰度值得到保留，使灰度突变处的对比度得到增强，最终结果是在保留图像背景的前提下，突现出图像中小的细节信息。

步骤503，对变换后的图像求取方差。

在本实施例中，上述执行主体可以对拉普拉斯变换后的图像求取方差。图像的方差可以反映图像的高频部分的大小。如果图片的对比度较小，那么方差就较小；如果图片对比度很大，那么方差就大。可以求取图像中每个像素点的灰度值减去图像平均灰度值的平方和，将求取的平方和与总的像素个数比值确定为图像的方差。

步骤504，删除关键帧子集合中除方差值最大的关键帧之外的其他关键帧。

在本实施例中，上述执行主体可以删除上述关键帧子集合中除方差值最大的关键帧之外的其他关键帧，保留上述关键帧子集合中方差值最大的关键帧。

本公开的上述实施例提供的方法通过对关键帧进行灰度化处理，之后对灰度图像进行拉普拉斯变换，最后求取变换后的图像的方差，从而保留方差值最大的关键帧，从而可以保留视频中文字最清晰的关键帧。

进一步参考图6，作为对上述各图所示方法的实现，本公开提供了一种关键帧去重的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图6所示，本实施例的关键帧去重的装置600包括：获取单元601、提取单元602、生成单元603和去重单元604。其中，获取单元601用于获取视频的关键帧集合和关键帧集合中每个关键帧中的文字区域；提取单元602用于提取每个关键帧中文字区域的特征点；生成单元603用于利用文字区域的特征点，从关键帧集合中提取出相似的关键帧，生成关键帧子集合；去重单元604用于对关键帧子集合中的关键帧进行去重。

在本实施例中，关键帧去重的装置600的获取单元601、提取单元602、生成单元603和去重单元604的具体处理可以参考图2对应实施例中的步骤201、步骤202、步骤203和步骤204。

在一些可选的实现方式中，关键帧集合为按照在上述视频中由前到后的顺序进行排序的关键帧序列；以及上述生成单元603进一步用于通过如下方式利用文字区域的特征点，从上述关键帧集合中提取出相似的关键帧：针对上述关键帧序列中的每组相邻帧，利用特征匹配算法对该组相邻帧的特征点进行匹配，得到该组相邻帧中对应的特征点的位置信息，利用该组相邻帧中对应的特征点的位置信息，确定该组相邻帧中对应的特征点之间的余弦相似度作为该组相邻帧的相似度；基于各组相邻帧的相似度，从上述关键帧序列中提取出相似的关键帧。

在一些可选的实现方式中，上述去重单元604可以进一步用于通过如下方式对上述关键帧子集合中的关键帧进行去重：针对上述关键帧子集合中的每个关键帧，上述去重单元604可以对该关键帧进行灰度化处理，对得到的灰度图像进行拉普拉斯变换，对变换后的图像求取方差，删除上述关键帧子集合中除方差值最大的关键帧之外的其他关键帧。

在一些可选的实现方式中，上述关键帧集合中每个关键帧中的文字区域是通过如下方式生成的：针对上述关键帧集合中的每个关键帧，获取该关键帧中的文字检测结果，利用膨胀算法对上述文字检测结果对应的至少两个矩形框进行扩张以使矩形框产生交集，得到文字区域，其中，每一行文字检测结果在该关键帧中以矩形框的形式标识出。

在一些可选的实现方式中，上述关键帧去重的装置600还可以包括：检测单元(图中未示出)。上述检测单元可以用于利用去重得到的关键帧，对上述视频中的文字进行检测，得到上述视频的文字检测结果。

下面参考图7，其示出了适于用来实现本公开的实施例的电子设备(例如图1中的服务器)700的结构示意图。图7示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。

如图7所示，电子设备700可以包括处理装置(例如中央处理器、图形处理器等)701，其可以根据存储在只读存储器(ROM)702中的程序或者从存储装置708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中，还存储有电子设备700操作所需的各种程序和数据。处理装置701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。

通常，以下装置可以连接至I/O接口705：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706；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置707；包括例如磁带、硬盘等的存储装置708；以及通信装置709。通信装置709可以允许电子设备700与其他设备进行无线或有线通信以交换数据。虽然图7示出了具有各种装置的电子设备700，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。图7中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。

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709从网络上被下载和安装，或者从存储装置708被安装，或者从ROM 702被安装。在该计算机程序被处理装置701执行时，执行本公开的实施例的方法中限定的上述功能。需要说明的是，本公开的实施例所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。在本公开的实施例中，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。而在本公开的实施例中，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。

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：获取视频的关键帧集合和关键帧集合中每个关键帧中的文字区域；提取每个关键帧中文字区域的特征点；利用文字区域的特征点，从关键帧集合中提取出相似的关键帧，生成关键帧子集合；对关键帧子集合中的关键帧进行去重。

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实施例的操作的计算机程序代码，所述程序设计语言包括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。

描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、提取单元、生成单元和去重单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，去重单元还可以被描述为“对关键帧子集合中的关键帧进行去重的单元”。

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，本公开的实施例中所涉及的发明范围，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发明构思的情况下，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的实施例中公开的(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。

Claims (12)

1.一种关键帧去重的方法，其特征在于，包括：

获取视频的关键帧集合和所述关键帧集合中每个关键帧中的文字区域；

提取每个关键帧中文字区域的特征点；

利用文字区域的特征点，从所述关键帧集合中提取出相似的关键帧，生成关键帧子集合；

对所述关键帧子集合中的关键帧进行去重。

2.根据权利要求1所述的方法，其特征在于，所述关键帧集合为按照在所述视频中由前到后的顺序进行排序的关键帧序列；以及

所述利用文字区域的特征点，从所述关键帧集合中提取出相似的关键帧，包括：

针对所述关键帧序列中的每组相邻帧，利用特征匹配算法对该组相邻帧的特征点进行匹配，得到该组相邻帧中对应的特征点的位置信息，利用该组相邻帧中对应的特征点的位置信息，确定该组相邻帧中对应的特征点之间的余弦相似度作为该组相邻帧的相似度；

基于各组相邻帧的相似度，从所述关键帧序列中提取出相似的关键帧。

3.根据权利要求1所述的方法，其特征在于，所述对所述关键帧子集合中的关键帧进行去重，包括：

针对所述关键帧子集合中的每个关键帧，对该关键帧进行灰度化处理，对得到的灰度图像进行拉普拉斯变换，对变换后的图像求取方差，删除所述关键帧子集合中除方差值最大的关键帧之外的其他关键帧。

4.根据权利要求1所述的方法，其特征在于，所述关键帧集合中每个关键帧中的文字区域是通过如下方式生成的：

针对所述关键帧集合中的每个关键帧，获取该关键帧中的文字检测结果，利用膨胀算法对所述文字检测结果对应的至少两个矩形框进行扩张以使矩形框产生交集，得到文字区域，其中，每一行文字检测结果在该关键帧中以矩形框的形式标识出。

5.根据权利要求1-4之一所述的方法，其特征在于，所述方法还包括：

利用去重得到的关键帧，对所述视频中的文字进行检测，得到所述视频的文字检测结果。

6.一种关键帧去重的装置，其特征在于，包括：

获取单元，用于获取视频的关键帧集合和所述关键帧集合中每个关键帧中的文字区域；

提取单元，用于提取每个关键帧中文字区域的特征点；

生成单元，用于利用文字区域的特征点，从所述关键帧集合中提取出相似的关键帧，生成关键帧子集合；

去重单元，用于对所述关键帧子集合中的关键帧进行去重。

7.根据权利要求6所述的装置，其特征在于，所述关键帧集合为按照在所述视频中由前到后的顺序进行排序的关键帧序列；以及

所述生成单元进一步用于通过如下方式利用文字区域的特征点，从所述关键帧集合中提取出相似的关键帧：

针对所述关键帧序列中的每组相邻帧，利用特征匹配算法对该组相邻帧的特征点进行匹配，得到该组相邻帧中对应的特征点的位置信息，利用该组相邻帧中对应的特征点的位置信息，确定该组相邻帧中对应的特征点之间的余弦相似度作为该组相邻帧的相似度；

基于各组相邻帧的相似度，从所述关键帧序列中提取出相似的关键帧。

8.根据权利要求6所述的装置，其特征在于，所述去重单元进一步用于通过如下方式对所述关键帧子集合中的关键帧进行去重：

针对所述关键帧子集合中的每个关键帧，对该关键帧进行灰度化处理，对得到的灰度图像进行拉普拉斯变换，对变换后的图像求取方差，删除所述关键帧子集合中除方差值最大的关键帧之外的其他关键帧。

9.根据权利要求6所述的装置，其特征在于，所述关键帧集合中每个关键帧中的文字区域是通过如下方式生成的：

针对所述关键帧集合中的每个关键帧，获取该关键帧中的文字检测结果，利用膨胀算法对所述文字检测结果对应的至少两个矩形框进行扩张以使矩形框产生交集，得到文字区域，其中，每一行文字检测结果在该关键帧中以矩形框的形式标识出。

10.根据权利要求6-9之一所述的装置，其特征在于，所述装置还包括：

检测单元，用于利用去重得到的关键帧，对所述视频中的文字进行检测，得到所述视频的文字检测结果。

11.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。

12.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-5中任一所述的方法。

Images