CN112752034A - 视频特效的校验方法、装置 - Google Patents
视频特效的校验方法、装置 Download PDFInfo
- Publication number
- CN112752034A CN112752034A CN202010181235.0A CN202010181235A CN112752034A CN 112752034 A CN112752034 A CN 112752034A CN 202010181235 A CN202010181235 A CN 202010181235A CN 112752034 A CN112752034 A CN 112752034A
- Authority
- CN
- China
- Prior art keywords
- special effect
- image
- video
- pattern template
- color
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000000694 effects Effects 0.000 title claims abstract description 251
- 238000012795 verification Methods 0.000 title claims abstract description 102
- 238000000034 method Methods 0.000 title claims abstract description 54
- 239000003086 colorant Substances 0.000 claims description 35
- 230000009467 reduction Effects 0.000 claims description 29
- 230000008447 perception Effects 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 6
- 238000012935 Averaging Methods 0.000 claims description 5
- 238000009825 accumulation Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 abstract description 11
- 238000004422 calculation algorithm Methods 0.000 description 23
- 230000015654 memory Effects 0.000 description 22
- 230000006870 function Effects 0.000 description 21
- 238000005516 engineering process Methods 0.000 description 11
- 238000012360 testing method Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000001514 detection method Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 230000014509 gene expression Effects 0.000 description 4
- 238000002360 preparation method Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013515 script Methods 0.000 description 2
- 241000526657 Microchloa Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012567 pattern recognition method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/222—Studio circuitry; Studio devices; Studio equipment
- H04N5/262—Studio circuits, e.g. for mixing, switching-over, change of character of image, other special effects ; Cameras specially adapted for the electronic generation of special effects
-
- 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
-
- 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
- H04N21/239—Interfacing the upstream path of the transmission network, e.g. prioritizing client content requests
- H04N21/2393—Interfacing the upstream path of the transmission network, e.g. prioritizing client content requests involving handling client requests
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种视频特效的校验方法、装置、服务器及计算机可读存储介质;方法包括:从已添加特效的视频中抽取多个视频帧作为待校验的图像;将所述图像与所述特效的图案模板进行对比,以确定所述图像与所述图案模板的颜色集合的交集的占比,并确定所述图像与所述图案模板的相似度;根据所述占比和所述相似度对所述特效进行图案准确性校验;根据所述特效在所述图像中的坐标对所述特效进行位置准确性校验;当所述图案准确性校验和所述位置准确性校验通过时,确定所述视频中所添加的所述特效符合要求。通过本发明,能够快速精确的对特效的添加效果进行校验。
Description
技术领域
本发明涉及多媒体技术,尤其涉及一种视频特效的校验方法、装置、服务器及计算机可读存储介质。
背景技术
随着视频类应用的广泛使用,出现了很多可编辑视频应用,用户可以在可编辑视频应用中对视频进行编辑后上传,在视频编辑过程中,用户可对视频添加各种特效,如添加涂鸦等。
开发人员在对可编辑视频应用中特效相关功能进行开发时,需要判断特效是否被成功添加到视频中以及视频中添加的特效是否正确,目前,开发人员只能通过人工检查的方式对此进行判断,这种检查方式效率低,操作成本高。
发明内容
本发明实施例提供一种视频特效的校验方法、装置、服务器及计算机可读存储介质,能够提高视频特效校验的效率。
本发明实施例的技术方案是这样实现的:
本发明实施例提供一种视频特效的校验方法,包括:
从已添加特效的视频中抽取多个视频帧作为待校验的图像;
将所述图像与所述特效的图案模板进行对比,以确定所述图像与所述图案模板的颜色集合的交集的占比,并确定所述图像与所述图案模板的相似度;
根据所述占比和所述相似度对所述特效进行图案准确性校验;
根据所述特效在所述图像中的坐标对所述特效进行位置准确性校验;
当所述图案准确性校验和所述位置准确性校验通过时,确定所述视频中所添加的所述特效符合要求。
本发明实施例提供一种视频特效的校验装置,包括:
抽取模块,用于从已添加特效的视频中抽取多个视频帧作为待校验的图像;
对比模块,用于将所述图像与所述特效的图案模板进行对比,以确定所述图像与所述图案模板的颜色集合的交集的占比,并确定所述图像与所述图案模板的相似度;
图案准确性校验模块,用于根据所述占比和所述相似度对所述特效进行图案准确性校验;
位置准确性校验模块,用于根据所述特效在所述图像中的坐标对所述特效进行位置准确性校验;
确定模块,用于当通过所述图案准确性校验和所述位置准确性校验时,确定所述视频中所添加的所述特效符合要求。
上述方案中,所述抽取模块,还用于:
获取所述特效的时间参数;
根据所述时间参数确定所述视频中所述特效出现的时间段;
从所述视频对应所述时间段的部分中,每隔a个视频帧抽取一个视频帧作为待校验的图像,其中,a为非负整数。
所述对比模块,还用于:
确定所述图像的颜色集合,并获取已存储的所述图案模板的颜色集合;
确定所述图像的颜色集合和所述图案模板的颜色集合的交集、所述交集相对于所述图像的颜色集合的第一占比、以及所述交集相对于所述图案模板的颜色集合的第二占比;
所述对比模块,还用于:
根据所述图案模板遍历所述图像,以确定所述图像中与所述图案模板相似度最高的最相近区域;
确定所述最相近区域与所述图案模板的相似度,以作为所述图像与所述图案模板的相似度。
所述视频特效的校验装置还包括减色模块,所述减色模块用于:
对所述图案模板进行减色操作,得到所述图案模板的颜色集合;
其中,对所述图案模板进行减色操作,得到所述图案模板的颜色集合,包括:
将所述图案模板中每个像素点的色值除以b的结果进行取整操作,将取整操作结果乘以b,得到所述图案模板的所有颜色的集合,其中,b为正整数。
所述减色模块,还用于:
响应于定时任务,向终端发送特效视频制作指令,其中,所述特效视频制作指令用于调用所述终端中自动制作特效视频的程序,以自动生成特效视频;
接收终端发送的所述特效视频;
对所述特效视频中的每帧图像进行减色操作,得到所述每帧图像减色后包括的所有颜色;
对所述每帧图像减色后包括的所有颜色取集合,得到所述图案模板的颜色集合。
所述对比模块,还用于:
确定所述最相近区域与所述图案模板的汉明距离乘积,其中,所述汉明距离乘积用于表示所述最相近区域与所述图案模板的相似程度;
确定所述最相近区域与所述图案模板的颜色相似度;
所述对比模块,还用于:
确定所述最相近区域和所述图案模板分别对应的感知哈希值、平均哈希值和差异哈希值;
根据所述最相近区域和所述图案模板分别对应的感知哈希值确定第一汉明距离,根据所述最相近区域和所述图案模板分别对应的平均哈希值确定第二汉明距离,并根据所述最相近区域和所述图案模板分别对应的平均值哈希确定第三汉明距离;
将所述第一汉明距离、所述第二汉明距离和所述第三汉明距离连乘,得到所述汉明距离乘积。
所述对比模块,还用于:
将所述最相近区域与所述图案模板中相同位置的像素点的色值逐一进行对比,得到所述最相近区域中各像素点与所述图案模板中相同位置的像素点之间的相似度;
对所述最相近区域中各像素点对应的相似度取平均值,得到所述颜色相似度。
所述图案准确性校验模块,还用于:
当所述汉明距离乘积满足形状相似度要求,所述颜色相似度满足颜色相似度要求,且所述第一占比和所述第二占比满足颜色占比要求时,确定所述特效通过图案准确性校验;
当所述形状相似度要求、所述颜色相似度要求和所述颜色占比要求中的任意一个未被满足时,确定所述特效未通过图案准确性校验。
所述位置准确性校验模块,还用于:
根据所述特效在所述图像中的坐标,确定所述图像中的位置校验区域;
确定所述位置校验区域中每个像素点的色值和,所述色值和为所述像素点的各个颜色通道的颜色值的和;
对所述位置校验区域中每个像素点的色值和累加,当累加值大于累加值阈值时,确定所述位置校验区域中存在所述特效;当未大于所述累加值阈值时,确定所述位置校验区域中不存在所述特效。
本发明实施例还提供一种服务器,包括:
存储器,用于存储可执行指令;
处理器,用于执行所述存储器中存储的可执行指令时,实现本发明实施例提供的视频特效的校验方法。
本发明实施例还提供一种计算机可读存储介质,存储有可执行指令,用于引起处理器执行时,实现本发明实施例提供的视频特效的校验方法。
本发明实施例具有以下有益效果:
通过对添加了特效的视频进行图案准确性校验和位置准确性校验,以此判断特效是否成功添加到视频中,并判断添加的特效的图案和位置是否准确,能够快速精确的对特效的添加效果进行校验,实现了良好的检测精度和效率。
附图说明
图1A是本发明实施例提供的视频特效校验系统的一个可选的架构示意图;
图1B是本发明实施例提供的视频特效校验系统的另一个可选的架构示意图;
图2是本发明实施例提供的服务器的结构示意图;
图3是本发明实施例提供的视频特效的校验方法的一个可选的流程示意图;
图4是本发明实施例提供的交互示意图;
图5是本发明实施例提供的音符的图案模板的示意图;
图6是本发明实施例提供的最相近区域的示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述,所描述的实施例不应视为对本发明的限制,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
在以下的描述中,涉及到“一些实施例”,其描述了所有可能实施例的子集,但是可以理解,“一些实施例”可以是所有可能实施例的相同子集或不同子集,并且可以在不冲突的情况下相互结合。
在以下的描述中,所涉及的术语“第一\第二\第三”仅仅是是区别类似的对象,不代表针对对象的特定排序,可以理解地,“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序,以使这里描述的本发明实施例能够以除了在这里图示或描述的以外的顺序实施。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本发明实施例的目的,不是旨在限制本发明。
对本发明实施例进行进一步详细说明之前,对本发明实施例中涉及的名词和术语进行说明,本发明实施例中涉及的名词和术语适用于如下的解释。
1)视频特效,简称为特效,即在视频中添加的视觉元素,用于丰富或突出视频中原有内容的表现力度,其在视频中的表现(包括显示效果和显示位置)可以是静态的,也可以是变化的。
例如,视频涂鸦,是在视频中通过涂抹的人机交互方式,在视频的部分或全部时间轴中添加字符和图像等视觉元素,其在不同视频帧中的位置可以是固定的,也可以跟随时间轴而发生连续地或不连续的位置变化。
2)模板匹配:模板匹配是一种最原始、最基本的模式识别方法,研究某一特定对象物的图案位于图像的什么地方,进而识别对象物,这就是一个匹配问题。它是图像处理中最基本、最常用的匹配方法。模板匹配具有自身的局限性,主要表现在它只能进行平行移动,若原图像中的匹配目标发生旋转或大小变化,则该算法无效。
终端中的视频应用时常会更新,应用中发生的所有更新或变动都可能影响到视频中特效效果的正常呈现,所以开发人员或者测试人员需要定时(如每天)对视频应用中的视频特效进行校验,以确保视频中添加的特效效果生效且效果正常。由于没有对视频特效自动校验的方法,业内目前只能在代码中断言,以判断特效功能是否完善,或者从UI层面判断业务逻辑是否正确,即通过人工进行判断。显然,前者并不能确保特效在视频中正常的呈现,例如,在代码层面设定将特效效果添加到视频中的普通图层,如果视频应用更新,导致普通图层无法加载,相应的,特效也就不能被添加到视频中;后者仅通过人工进行判断,增加了开发人员和测试人员的工作量,操作成本大,且容易出错。
对于以上问题,本发明实施例针对视频中的特效设计了一种完全自动化的校验方案,能够自动的对视频图形层面上的特效进行相似度计算而进行判断,并且在实际的自动化测试中,准确度达到了100%。
本发明实施例提出了一种视频特效的校验方法,该方法通过结合特效的图案校验及位置校验来判断特效整体效果是否准确,可以用于视频特效的自动化识别。其中特效的图案准确判断,主要通过对比图像的颜色集合的交集的占比以及图像的相似度来共同识别,位置准确主要通过对时间点和特效出现的位置进行校验。
参见图1A,图1A是本发明实施例提供的视频特效校验系统100的一个可选的架构示意图。其中,视频特效校验系统100包括:服务器200、网络300和终端400,服务器200通过网络300与终端400连接,网络300可以是广域网或者局域网,又或者是二者的组合。终端300的使用者可以是一般用户,也可以是开发人员或测试人员。
本发明实施例提供的视频特效的校验方法可以通过以下过程实现:首先,在服务器200中预先部署多个网络服务,用户通过终端400制作了一个特效视频,终端400通过网路300向服务器200发送特效校验请求和数据包,该数据包中包括特效视频和视频相关参数,然后,终端400接收到该请求和数据包后,在预先部署的多个网络服务中查找与特效校验请求适配的网络服务(特效校验服务),通过该网络服务和视频相关参数对特效视频进行特效校验,并生成校验报告,最后,将校验报告返回给终端400。
其中,上述实施例中的服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、以及大数据和人工智能平台等基础云计算服务的云服务器。终端可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表等,但并不局限于此。终端以及服务器可以通过有线或无线通信方式进行直接或间接地连接,本申请在此不做限制。
云技术(Cloud technology)是指在广域网或局域网内将硬件、软件、网络等系列资源统一起来,实现数据的计算、储存、处理和共享的一种托管技术。
云技术(Cloud technology)基于云计算商业模式应用的网络技术、信息技术、整合技术、管理平台技术、应用技术等的总称,可以组成资源池,按需所用,灵活便利。云计算(cloud computing)是一种计算模式,它将计算任务分布在大量计算机构成的资源池上,使各种应用系统能够根据需要获取计算力、存储空间和信息服务。提供资源的网络被称为“云”。“云”中的资源在使用者看来是可以无限扩展的,并且可以随时获取,按需使用,随时扩展,按使用付费。
作为云计算的基础能力提供商,会建立云计算资源池(简称云平台,一般称为IaaS(Infrastructure as a Service,基础设施即服务)平台),在资源池中部署多种类型的虚拟资源,供外部客户选择使用。云计算资源池中主要包括:计算设备(为虚拟化机器,包含操作系统)、存储设备、网络设备。
按照逻辑功能划分,在IaaS(Infrastructure as a Service,基础设施即服务)层上可以部署PaaS(Platform as a Service,平台即服务)层,PaaS层之上再部署SaaS(Software as a Service,软件即服务)层,也可以直接将SaaS部署在IaaS上。PaaS为软件运行的平台,如数据库、web容器等。SaaS为各式各样的业务软件,如web门户网站、短信群发器等。一般来说,SaaS和PaaS相对于IaaS是上层。
在本发明实施例中,可将服务器提供的特效校验服务封装为云服务,供各种视频应用程序的开发者就所开发的应用程序中的特效功能进行校验,开发者通过浏览器/云客户端等形式登录云服务,提交特效校验请求和数据包,数据包包括应用程序安装包、待添加特效的视频等;云服务根据提交的数据包和特效校验请求对应用程序中的特效功能进行校验,生成校验报告,并将校验报告发送给开发者。
在另一些实施例中,本发明实施例提供的视频特效的校验方法也可以结合区块链技术实现。
参见图1B,图1B是本发明实施例提供的视频特效的校验系统101的另一个可选的架构示意图。其中,视频特效的校验系统101包括:服务器200、网络300、终端400和区块链网络500(示例性示出了区块链网络500包括的节点510-1、节点510-2和节点510-3)。其中,区块链网络500用于接收终端400发送的校验报告,并对多个校验报告进行综合分析,以确定特效功能整体上稳定。
本发明实施例提供的视频特效的校验方法可以通过以下方式实现:首先,在服务器200中预先部署多个网络服务,为了对视频应用程序中不同的特效功能进行测试,多个测试人员通过多个终端400制作了多个特效视频,终端400通过网路300向服务器200发送特效校验请求和数据包,该数据包中包括多个特效视频和视频相关参数,然后,终端400接收到该请求和数据包后,在预先部署的多个网络服务中查找与特效校验请求适配的网络服务,通过该网络服务和视频相关参数对多个特效视频进行特效校验,并生成多个校验报告,校验报告包括:特效功能的测试版本、时间、测试人员、校验结果(是否通过校验,如果没通过,则可以包括校验失败的项目,如位置、图案等),将多个校验报告返回给对应的终端400,随后,多个终端400通过网络300将多个校验报告发送给区块链网络500,区块链网络500在接收到终端400发送的多个校验报告后,综合多个校验报告确定特效功能整体上稳定,发布该应用程序。
参见图2,图2是本发明实施例提供的服务器200的结构示意图,图2所示的服务器200包括:至少一个处理器410、存储器440、至少一个网络接口420。服务器200中的各个组件通过总线系统430耦合在一起。可理解,总线系统430用于实现这些组件之间的连接通信。总线系统430除包括数据总线之外,还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见,在图2中将各种总线都标为总线系统430。
处理器410可以是一种集成电路芯片,具有信号的处理能力,例如通用处理器、数字信号处理器(DSP,Digital Signal Processor),或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等,其中,通用处理器可以是微处理器或者任何常规的处理器等。
存储器440可以是可移除的,不可移除的或其组合。示例性的硬件设备包括固态存储器,硬盘驱动器,光盘驱动器等。存储器440可选地包括在物理位置上远离处理器410的一个或多个存储设备。
存储器440包括易失性存储器或非易失性存储器,也可包括易失性和非易失性存储器两者。非易失性存储器可以是只读存储器(ROM,Read Only Me mory),易失性存储器可以是随机存取存储器(RAM,Random Access Memor y)。本发明实施例描述的存储器440旨在包括任意适合类型的存储器。
在一些实施例中,存储器440能够存储数据以支持各种操作,这些数据的示例包括程序、模块和数据结构或者其子集或超集,下面示例性说明。
操作系统441,包括用于处理各种基本系统服务和执行硬件相关任务的系统程序,例如框架层、核心库层、驱动层等,用于实现各种基础业务以及处理基于硬件的任务;
网络通信模块442,用于经由一个或多个(有线或无线)网络接口420到达其他计算设备,示例性的网络接口420包括:蓝牙、无线相容性认证(WiFi)、和通用串行总线(USB,Universal Serial Bus)等;
44在一些实施例中,本发明实施例提供的装置可以采用软件方式实现,图2示出了存储在存储器44440中的视频特效的校验装置453,其可以是程序和插件等形式的软件,包括以下软件模块:抽取模块4531、对比模块4532、图案准确性校验模块4533、位置准确性校验模块4534、确定模块4535、减色模块4536,这些模块是逻辑上的,因此根据所实现的功能可以进行任意的组合或进一步拆分。
将在下文中说明各个模块的功能。
在另一些实施例中,本发明实施例提供的视频特效的校验装置可以采用硬件方式实现,作为示例,本发明实施例提供的视频特效的校验装置可以是采用硬件译码处理器形式的处理器,其被编程以执行本发明实施例提供的。。方法,例如,硬件译码处理器形式的处理器可以采用一个或多个应用专用集成电路(A SIC,Application Specific IntegratedCircuit)、DSP、可编程逻辑器件(PLD,Programmable Logic Device)、复杂可编程逻辑器件(CPLD,Complex Progra mmable Logic Device)、现场可编程门阵列(FPGA,Field-Programmable Gate Array)或其他电子元件。
以下将结合本发明实施例提供的终端的示例性应用和实施,说明本发明实施例提供的视频特效的校验方法。
参见图3,图3是本发明实施例提供的视频特效的校验方法的一个可选的流程示意图,将结合图3示出的步骤进行说明。
在步骤101中,服务器从已添加特效的视频中抽取多个视频帧作为待校验的图像。
在一些实施例中,在一个视频应用发布到应用商店之前,开发人员/测试人员需要对视频应用中的特效功能进行校验,以确保特效可以成功的加载到视频中且正确显示。为此,开发人员需要先将要测试的视频应用安装到一个或多个终端如手机中,然后通过触发手机中的自动制作特效视频的程序,制作得到一个或多个特效视频,并将制作的特效视频上传至服务器中,通过服务器来对特效视频进行特效校验,并生成校验结果。如果通过了校验,则说明视频应用中的特效功能可正常运行,后续可在应用商店中进行发布;如果未通过校验,在校验报告中会详细记录未通过哪一项校验,以及未通过校验的原因。例如,时间为2020年2月3日下午5时的视频A中的第4-8个视频帧未通过位置准确性校验……。
例如,如图4所示,普通终端用户在安装视频应用到终端后,利用视频应用制作特效视频,在将特效视频发布到社交网络之前,视频应用将调用服务器的校验接口,服务器通过校验接口接收终端发送的校验请求,对特效视频进行校验,在特效视频通过校验后,向终端发送校验通过通知,终端接收该通知后,再将特效视频发布到社交网络中。
测试人员为了特效视频的校验更顺利的进行,制作的特效视频采用全黑背景,如此,可避免背景色的干扰。特效视频中的特效可添加在视频的任意时间段内,如一段时长为3min的全黑视频,可在该视频的第0-1min添加特效,也可在第2-3min添加特效。需要注意的是,一个特效如涂鸦中可以包括多个不同的图案模板,如图5中的(a)、(b)、(c),虽然同为音符,但是形状不同,朝向不同,颜色不同,因此是不同的图案模板;再如同时包括树叶图案、花朵图案、小草图案的涂鸦,它一共有3个图案模板。将多个图案模板完全展现出来需要一定的时长,常见的需要2-3s。因此,特效出现的时长必须大于等于其完全展现需要的时长。
对特效进行校验,需要先确定特效在视频中出现的时间段,服务器可获取与特效视频同时上传的特效的时间参数,通过该时间参数确定特效视频中特效出现的时间段,并确定特效对应的视频段。可选的,若从视频的最开始添加特效,直至视频结束,则可以省去在特效视频中确定特效出现的时间段这一操作,更为简便。然后,在特效对应的视频段中,随机或每间隔a个视频帧抽取一个视频帧作为待校验的图像,其中,a为非负整数,当a=0时,将特效对应的视频段中的每个视频帧都作为待校验的图像;当a≠0时,为间隔抽取。可选的,取a=5,因为1s包括大概30个视频帧,因此每5帧取1帧的时间间隙较小,视频帧的检测范围较大。实际校验时,测试人员可根据视频时长预先设定a数值的大小。
通过抽取多个视频帧作为待校验的图像,可以减少校验工作量,提高校验效率,且校验范围广。
在步骤102中,服务器将图像与特效的图案模板进行对比,以确定图像与图案模板的颜色集合的交集的占比,并确定图像与图案模板的相似度。
其中,在对比过程中,服务器需要先从待校验的图像(如图6所示的图像)中确定出与特效的图案模板最为相似的区域,即最相近区域(如图6中的方框区域601);然后将最相近区域与图案模板进行对比,以确定最相近区域与图案模板的相似度,将该相似度作为待校验的图像与图案模板的相似度。
例如,可通过模板匹配方法确定一个待校验的图像中的最相近区域,具体如下:通过图案模板逐行逐列遍历待校验的图像,以此计算待校验的图像中每个与图案模板大小的图像块与图案模板的相似度,从中选取出相似度最大的图像块作为最相近区域,同时可以确定特效的多个图案模板中与最相近区域匹配的图案模板。例如:一个涂鸦特效包括3个图案模板,则分别用第一个图案模板、第二个图案模板、第三个图案模板逐行逐列遍历待校验的图像,得到待校验的图像与第一个图案模板最相似的区域1,相似度a,待校验的图像与第二个图案模板最相似的区域2,相似度b,待校验的图像与第三个图案模板最相似的区域3,相似度c,若a<b<c,则可确定区域3为最相近区域,第三个图案模板为涂鸦特效的图案模板中与最相近区域相似度最高的图案模板。其中,可以通过差值平方和匹配、标准化差值平方和匹配、相关匹配、标准相关匹配、相关匹配、标准相关匹配等匹配方法计算图像块与图案模板的相似度。可选的,模板匹配方法可由归一化相关模板匹配法、归一化平方差模板匹配法、平方差模板匹配法等算法代替。
同时,服务器需要确定每个待校验的图像与特效的所有图案模板的颜色集合的交集,确定该交集相对于待校验的图像的颜色集合的第一占比k1、以及交集相对于图案模板的颜色集合的第二占比k2。其中,在实际操作过程中,因为每个待校验的图像的k1和k2的值极为相近,因此,为了减少工作量,可从待校验的图像中选取一个图像,据该图像求k1和k2。
可知,图像与图案模板的颜色集合的交集的占比(k1和k2)可用于确定图像整体的图案相似性,确定图像与图案模板的相似度可用来确定单个图像的图案准确性。
在步骤103中,服务器根据占比和相似度对特效进行图案准确性校验。
其中,步骤102中图像与图案模板的相似度包括颜色相似度和形状相似度。图案准确性校验包括整体的检测和个体的检测。服务器通过占比k1和k2进行整体的检测,通过每个待校验图像对应的颜色相似度和形状相似度进行个体的检测。
将最相近区域与图案模板中相同位置的像素点的色值逐一进行对比,得到最相近区域中各像素点与图案模板中相同位置的像素点之间的相似度;
对最相近区域中各像素点对应的相似度取平均值,得到颜色相似度。
假设在图案模板中的某个像素点的R、G、B颜色分别表示为RT、GT、BT,在最相近区域的同一像素点的R、G、B颜色分别表示为RP、GP、BP,则这个像素点的颜色相似度计算方法如公式(1)所示:
在一个可选的示例中,确定形状相似度H的过程如下:
通过感知哈希算法、均值哈希算法与差值哈希算法确定最相近区域和图案模板分别对应的感知哈希值、平均哈希值和差异哈希值;
根据最相近区域和图案模板分别对应的感知哈希值确定第一汉明距离H1,根据最相近区域和图案模板分别对应的平均哈希值确定第二汉明距离H2,并根据最相近区域和图案模板分别对应的平均值哈希确定第三汉明距离H3;
将第一汉明距离H1、第二汉明距离H2和第三汉明距离H3连乘,得到汉明距离乘积H,将该汉明距离乘积H作为形状相似度H。
其中,感知哈希值、平均哈希值和差异哈希值分别为通过感知哈希算法、均值哈希算法与差值哈希算法得到的哈希值。通过比较最相近区域对应的感知哈希值和图案模板对应的感知哈希值的异同,可以确定第一汉明距离。第一汉明距离可用于表明最相近区域和图案模板的相似程度,第一汉明距离值越大,二者相似程度越小,一般相似图像的汉明距离在0至5之间,汉明距离大于10说明二者不相似。第二汉明距离H2和第三汉明距离H3类似。
一般单独使用感知哈希算法、均值哈希算法或差值哈希算法计算图像间的相似度,因为以上三种算法考虑的重点不一样,算法也不同,因此结果会有一定的差异,均值哈希算法主要考虑颜色均值,差值哈希算法主要考虑差值感知哈希算主要考虑法离散余弦变换。本发明实施例通过将上述三种算法得到哈希值相乘的结果作为形状相似度H,可以将每种算法考虑的重点都加进来一起考虑,从而在最相近区域和图案模板相似时,形状相似度H较小;在最相近区域和图案模板不相似时,形状相似度H值更大。可选的,也可使用直方图相似度法、基于特征点的图像相似度法等算法计算形状相似度。
在一个可选的示例中,服务器根据占比和相似度对特效进行图案准确性校验,包括:当汉明距离乘积满足形状相似度要求,颜色相似度满足颜色相似度要求,且第一占比和第二占比满足颜色占比要求时,确定特效通过图案准确性校验;当形状相似度要求、颜色相似度要求和颜色占比要求中的任意一个未被满足时,确定特效未通过图案准确性校验。其中,形状相似度要求为形状相似度H<Hi,颜色相似度要求为颜色相似度Hi和Ci根据不同特效的差异性设定,可选的,可取Hi值为1000至2000,Ci为0.3至0.4。颜色占比要求为k1>0.93,且k2>0.03,k1和k2也可以根据不同的场景和情况进行调整,这个要求是为了保证颜色范围的正确性,例如在一个待校验的图像中出现了特效的图案模板之外的颜色不一样的图案,那么仅仅对最相近区域进行颜色相似度和形状相似度的校验是不够的,还需要对最相近区域外部进行校验,因为在待校验的图像中最相近区域的外部区域中存在颜色不一样的图案,所以得到的k1和k2值不满足要求,无法通过校验,这样就可以将不满足要求的图像排查出来。
对于颜色差异大的特效,颜色相似度的校验能够起主导作用,保证颜色的准确性;对于颜色差异不大,但是形状差异大的特效,形状相似度的校验能够起主导作用,保证形状的准确性,两者结合能够保证特效的颜色和形状的准确,即保证了图案校验的准确性。
在步骤104中,服务器根据特效在图像中的坐标对特效进行位置准确性校验。
以特效为涂鸦为例说明,用户用手指在视频中绘制涂鸦时,每个时刻手指所在的位置应该出现新的涂鸦,因此该时刻对应的视频帧的坐标参数是手指所在位置的坐标参数,服务器在获取特效视频的同时,还会同时获取其相关参数,如每一帧中特效的时间参数time、坐标参数(x,y)等,其中,(x,y)为横纵方向的坐标百分比。服务器获取每个图像的坐标参数(x,y)后,根据视频的宽(width)高(height)进行计算,即width×x=w,height×y=h,得到一个待判定的坐标(w,h),需要判定这个坐标是否和实际吻合,即判定该坐标及附近是否有涂鸦出现。对于坐标(w,h),计算如下4个值:left=max(0,w-SIZE),right=min(width-1,w+SIZE),up=max(0,h-SIZE),down=min(height-1,h+SIZE),上述计算是为了保证由上述4个值构成的矩形区域在图像范围内,其中,SIZE为常量,是一个经验值,一般取SIZE=20。通过以上计算,可以得到坐上角坐标为(left,up),右下角坐标为(right,donw)的一个矩形,即位置校验区域。对位置校验区域中每个像素点的色值RGB求和,即计算Rj+Gj+Bj,其中j代表位置校验区域中像素点的下标,然后,对位置校验区域中每个像素点的色值和累加,即∑j(Rj+Gj+Bj)的求和运算结果,当累加值大于累加值阈值时,则认为该点有涂鸦内容,坐标(w,h)正确,位置校验区域中存在涂鸦特效,可选的,累加值阈值可取500;当未大于累加值阈值时,确定位置校验区域中不存在特效。对待校验的图像,逐帧进行位置准确性校验,如果存在一帧未通过该校验,则认为不满足位置校验。
在本发明实施例中,因为加入了关于手势的坐标的判断,即位置准确性校验,所以能够对任意手势的特效进行校验。
在步骤105中,当图案准确性校验和位置准确性校验通过时,服务器确定视频中所添加的特效符合要求。
若图案准确性校验和位置准确性校验有一项不通过,则视频中所添加的特效不符合要求,同时会生成问题报告,测试人员可根据该问题报告对特效功能进行改善。
其中,图案准确性校验和位置准确性校验可同时进行,二者无绝对的先后关系,即,步骤104可在步骤102-103之前或之后或同时进行。
可见,本发明实施例通过对待校验的图像与特效的图案模板进行对比,从而进行特效的图案准确性校验,可以确定待校验的图像与特效的图案模板在颜色和形状上是否相同;通过特效在图像中的坐标对特效进行位置准确性校验,可以保证特效位置的准确性;通过图案和位置多维度的校验,能够保证视频特效校验的准确性高,效率高。
在一些实施例中,在服务器获取图案模板的颜色集合并与待校验的图像的颜色集合进行比较之前,需要确定图案模板的颜色集合和待校验的图像的颜色集合。可选的,可以通过对图案模板进行减色操作,得到图案模板的颜色集合。减色操作包括:将图案模板中每个像素点的色值除以b的结果进行取整操作,再将取整操作结果乘以b,得到图案模板的所有颜色的集合,其中,b为正整数。待校验的图像的颜色集合也由类似方法得到。这种方法的本质是将图案模板中的所有颜色缩减后与待校验的图像的颜色集合进行对比。
例如,服务器响应于定时任务,向终端发送特效视频制作指令,其中,特效视频制作指令用于调用终端中自动制作特效视频的程序,以自动生成特效视频,该特效视频与特效同步;服务器在接收终端发送的特效视频后,对特效视频中的每帧图像进行减色操作,得到每帧图像减色后包括的所有颜色;服务器对所述每帧图像减色后包括的所有颜色取集合,得到图案模板的所有颜色的集合。这种方法的本质是将图案模板置于全黑视频背景中,并对出现特效的视频段的所有颜色缩减后与待校验的图像的颜色集合进行对比。因为随着时间的推移,特效可能出现叠加的情况,而不同颜色的叠加会使本来的颜色发生变化,所以,从特效视频中获取颜色集合,比从模板图案中获取颜色集合得到的颜色范围更大,更全。
假设某个像素点的RGB三色值为(R,G,B),对像素进行如下操作称为减色操作:(R/3×3,G/3×3,B/3×3),相当于从每三个R/G/B值中选一个值作为代表,例如,R值分别为3,4,5,经过该操作后,R都为3,即用R=3这一个代表R=3、4、5这三个,这里的除法为计算机整数除法,该操作能够使原本像素点颜色的256×256×256=16777216种组合,减少为(256/3)×(256/3)×(256/3)=614125种,使颜色可能的组合数减为原来的1/27左右。对特效视频的所有帧的每个像素先进行减色操作,然后再取集合,这样便可以得到该视频所有涉及到的颜色减色后的集合并去除其中重复的颜色。
下面,将说明本发明实施例在一个实际的应用场景中的示例性应用。
对于具有特效功能的应用(如可编辑视频应用)而言,在该应用的新版本开发完成之后,正式上线到应用商店之前,测试人员需要校验该应用中的特效功能是否稳定,若经校验确定特效功能稳定,则该应用会被发布到应用商店。可采用如下方案对特效功能进行校验。
为了对涂鸦特效进行校验,服务器需要先进行准备工作,包括:涂鸦图案准备和涂鸦颜色集合准备。
其中,涂鸦图案准备如下:
假设一共有N个涂鸦,首先服务器对涂鸦做模板准备,此处每个涂鸦可以包括n个图案模板,n的数目取决于涂鸦的图案种类和复杂度,种类和复杂度高的可以存储更多个图案模板。
涂鸦颜色集合准备如下:
服务器对每一个涂鸦,进行以下处理:
(1)终端呈现全黑屏的视频,并获取用户在该视频上按任意手势(如圆形、直线、三角形等)添加的10秒(也可为其他时间长)的某一个涂鸦,确定涂鸦相关参数(时间、位置等),根据带有涂鸦的视频及涂鸦相关参数生成数据包,将该数据包上传至服务器。其中,全黑屏是为了减少视频背景对涂鸦的影响,便于涂鸦的识别。添加涂鸦这个动作也可以自动化完成,即终端通过运行自动化用例,将涂鸦按照固定轨迹添加到视频中。
(2)假设某个像素点的RGB三色值为(R,G,B),对像素进行如下操作称为减色操作:(R/3×3,G/3×3,B/3×3),这里的除法为计算机整数除法,该操作能够使原本像素的组合数减为原来的约1/27。服务器接收并解析终端上传的数据包,得到带有涂鸦的视频及涂鸦相关参数;服务器对带有涂鸦的视频的所有帧的每个像素执行减色操作,然后再取集合,得到该视频所有涉及到的颜色经过减色操作后的集合,去除该集合中重复的值,得到模板图像颜色集合Sn,其中n=1,2,3,…,N。
然后,服务器对涂鸦进行校验。服务器获取的视频是一个通过自动化在全黑背景上添加了涂鸦(为了方便校验,仅有一种图案模板)的视频,同时,服务器获取自动化绘制涂鸦时的各个时间点以及涂鸦在各个时间点中的坐标。服务器对涂鸦的校验分为图案校验与位置校验。校验包括以下步骤:
步骤1:服务器在视频中选取出有涂鸦的部分视频,按照该部分视频的时长在该部分视频中每J帧取1帧,共取Z帧,例如J=5,Z=20。
步骤2:通过步骤1取得的共Z帧图像,服务器对每帧图像进行以下操作,以找到与图案模板最相似的区域即最相近区域P:
假设服务器中该涂鸦包括3个图案模板,服务器将对每帧图像逐个计算它与该帧对应的涂鸦的每个图案模板的相似度,识别出一个与图案模板T最相近的一个区域称为最相近区域P,该区域与图案模板的大小相同。
步骤3:服务器将步骤2识别出的最相近区域P与图案模板T进行形状相似度计算,通过感知哈希算法、均值哈希算法与差值哈希算法对最相近区域P和图案模板T计算得到对应的哈希值,然后根据P和T在感知哈希算法下分别得到的哈希值得到对应的汉明距离,根据P和T在均值哈希算法下分别得到的哈希值得到对应的汉明距离,根据P和T在差值哈希算法下分别得到的哈希值得到对应的汉明距离,对以上在不同算法下得到的三个汉明距离进行乘积运算,得到汉明距离乘积H。
步骤4:服务器将步骤2识别出的最相近区域P与图案模板T进行颜色相似度计算。具体是逐个像素点对比,假设在图案模板中的某个像素点的R、G、B颜色分别表示为RT、GT、BT,在最相近区域的同一像素点的R、G、B颜色分别表示为RP、GP、BP,则服务器按照前面实施例中的公式(1)对像素点的颜色相似度进行计算,然后再对最相近区域P内所有像素点的相似度取平均值得到
步骤5:接下来,服务器在Z帧中任意取一帧包含涂鸦的图像作为测试图像,对该图像执行上述的减色操作,然后再取集合,得到测试图像颜色集合ST。服务器通过下面式子(2)和(3)对服务器中已存在的模板图像颜色集合Sn和测试图像颜色集合ST计算,得到两个百分比k1和k2:
k1=Count(ST∩Si)/Count(ST) (2);
k2=Count(ST∩Si)/Count(Si) (3);
其中i取服务器中对应同个涂鸦的下标(比如服务器在步骤1中确定这个视频用的是N个涂鸦中第一个涂鸦,那么i=1),Count(·)表示集合中的个数。k1表示两者颜色相同相同的个数占测试图像颜色集合ST的比例,k2表示两者相同的个数占模板图像颜色集合Si的比例。
步骤6:服务器判断Z帧中的每一帧图像是否同时满足如下两个条件,若满足,则确定图案匹配,若不满足其中任意一个条件,确定图案不匹配。条件如下:(1)步骤3和步骤4得到的汉明距离乘积H和满足H<Hi和其中,Hi和Ci为根据不同涂鸦得到的界定值,该值可以根据不同涂鸦的差异性设定,Hi值一般为1000至2000,Ci一般为0.3至0.4。(2)k1>0.93且k2>0.03,这两个值可以根据不同的场景和情况进行调整。
步骤7:对于Z帧中的每一帧图像,服务器还需要对其进行位置校验,终端在上传视频时还会上传涂鸦的时间与坐标等参数,如(time,(x,y)),其中time为相对于视频的时间点,(x,y)为横纵方向的坐标百分比。服务器获取每一帧中的(time,(x,y))后,根据视频的宽(width)高(height),进行计算,即width×x=w,height×y=h,得到一个待判定的坐标(w,h),对于该坐标点,服务器计算如下4个值:left=max(0,w-SIZE),right=min(width-1,w+SIZE),up=max(0,h-SIZE),down=min(height-1,h+SIZE),上述计算是为了保证以上四个值都在图像范围内,其中SIZE为常量,是一个经验值,一般取SIZE=20。通过以上计算,可以得到左上角坐标为(left,up),右下角坐标为(right,donw)的一个矩形。对这个矩形,服务器通过计算∑j(Rj+Gj+Bj)得到求和结果,其中j代表矩形中像素点的下标,判断求和结果是否大于500,若大于500,确定在坐标(w,h)处存在涂鸦内容。服务器根据终端上传的坐标参数,按照上述方法逐帧判断是否通过位置校验,若每帧图像中坐标参数对应的位置处都有涂鸦内容,则确定通过位置校验。
步骤8:若步骤6的图案校验和步骤7的位置校验均通过,则服务器确定该涂鸦内容正确。若校验未通过,则服务器生成问题报告,以供开发/测试人员根据问题报告对涂鸦功能进行完善。
其中,步骤7与步骤2-6无绝对的先后顺序,可以并行执行。
下面继续说明本发明实施例提供的视频特效的校验装置453的实施为软件模块的示例性结构,在一些实施例中,如图2所示,存储在存储器440的视频特效的校验装置453中的软件模块可以包括:
抽取模块4531,用于从已添加特效的视频中抽取多个视频帧作为待校验的图像;
对比模块4532,用于将图像与特效的图案模板进行对比,以确定图像与图案模板的颜色集合的交集的占比,并确定图像与图案模板的相似度;
图案准确性校验模块4533,用于根据占比和相似度对特效进行图案准确性校验;
位置准确性校验模块4534,用于根据特效在图像中的坐标对特效进行位置准确性校验;
确定模块4535,用于当通过图案准确性校验和位置准确性校验时,确定视频中所添加的特效符合要求。
在一个可能的示例中,抽取模块用于:
获取特效的时间参数;
根据时间参数确定视频中特效出现的时间段;
从视频对应时间段的部分中,每隔a个视频帧抽取一个视频帧作为待校验的图像,其中,a为非负整数。
在一个可能的示例中,对比模块用于:
确定图像的颜色集合,并获取已存储的图案模板的颜色集合;
确定图像的颜色集合和图案模板的颜色集合的交集、交集相对于图像的颜色集合的第一占比、以及交集相对于图案模板的颜色集合的第二占比;
还用于:
根据图案模板遍历图像,以确定图像中与图案模板相似度最高的最相近区域;
确定最相近区域与图案模板的相似度,以作为图像与图案模板的相似度。
在一个可能的示例中,视频特效的校验装置中的软件模块还包括减色模块4536,减色模块用于:
对图案模板进行减色操作,得到图案模板的颜色集合;
其中,对图案模板进行减色操作,得到图案模板的颜色集合,包括:
将图案模板中每个像素点的色值除以b的结果进行取整操作,将取整操作结果乘以b,得到图案模板的所有颜色的集合,其中,b为正整数。
在一个可能的示例中,减色模块还用于:
响应于定时任务,向终端发送特效视频制作指令,其中,特效视频制作指令用于调用终端中自动制作特效视频的程序,以自动生成特效视频;
接收终端发送的特效视频;
对特效视频中的每帧图像进行减色操作,得到每帧图像减色后包括的所有颜色;
对每帧图像减色后包括的所有颜色取集合,得到图案模板的颜色集合。
在一个可能的示例中,对比模块还用于:
确定最相近区域与图案模板的汉明距离乘积,其中,汉明距离乘积用于表示最相近区域与图案模板的相似程度;
确定最相近区域与图案模板的颜色相似度;
还用于:
确定最相近区域和图案模板分别对应的感知哈希值、平均哈希值和差异哈希值;
根据最相近区域和图案模板分别对应的感知哈希值确定第一汉明距离,根据最相近区域和图案模板分别对应的平均哈希值确定第二汉明距离,并根据最相近区域和图案模板分别对应的平均值哈希确定第三汉明距离;
将第一汉明距离、第二汉明距离和第三汉明距离连乘,得到汉明距离乘积。
在一个可能的示例中,对比模块还用于:
将最相近区域与图案模板中相同位置的像素点的色值逐一进行对比,得到最相近区域中各像素点与图案模板中相同位置的像素点之间的相似度;
对最相近区域中各像素点对应的相似度取平均值,得到颜色相似度。
在一个可能的示例中,图案准确性校验模块用于:
当汉明距离乘积满足形状相似度要求,颜色相似度满足颜色相似度要求,且第一占比和第二占比满足颜色占比要求时,确定特效通过图案准确性校验;
当形状相似度要求、颜色相似度要求和颜色占比要求中的任意一个未被满足时,确定特效未通过图案准确性校验。
在一个可能的示例中,位置准确性校验模块用于:
根据特效在图像中的坐标,确定图像中的位置校验区域;
确定位置校验区域中每个像素点的色值和,色值和为像素点的各个颜色通道的颜色值的和;
对位置校验区域中每个像素点的色值和累加,当累加值大于累加值阈值时,确定位置校验区域中存在特效;当未大于累加值阈值时,确定位置校验区域中不存在特效。
本发明实施例提供一种存储有可执行指令的存储介质,其中存储有可执行指令,当可执行指令被处理器执行时,将引起处理器执行本发明实施例提供的方法,例如,如图3示出的视频特效的校验方法。
在一些实施例中,存储介质可以是FRAM、ROM、PROM、EPROM、EEPROM、闪存、磁表面存储器、光盘、或CD-ROM等存储器;也可以是包括上述存储器之一或任意组合的各种设备。
在一些实施例中,可执行指令可以采用程序、软件、软件模块、脚本或代码的形式,按任意形式的编程语言(包括编译或解释语言,或者声明性或过程性语言)来编写,并且其可按任意形式部署,包括被部署为独立的程序或者被部署为模块、组件、子例程或者适合在计算环境中使用的其它单元。
作为示例,可执行指令可以但不一定对应于文件系统中的文件,可以可被存储在保存其它程序或数据的文件的一部分,例如,存储在超文本标记语言(HTML,Hyper TextMarkup Language)文档中的一个或多个脚本中,存储在专用于所讨论的程序的单个文件中,或者,存储在多个协同文件(例如,存储一个或多个模块、子程序或代码部分的文件)中。
作为示例,可执行指令可被部署为在一个计算设备上执行,或者在位于一个地点的多个计算设备上执行,又或者,在分布在多个地点且通过通信网络互连的多个计算设备上执行。
综上所述,本发明实施例通过对待校验的图像与特效的图案模板进行对比,从而进行特效的图案准确性校验,可以确定待校验的图像与特效的图案模板在颜色和形状上是否相同;通过特效在图像中的坐标对特效进行位置准确性校验,可以保证特效位置的准确性;通过图案和位置多维度的校验,能够保证视频特效校验的准确性高,效率高。
以上所述,仅为本发明的实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和范围之内所作的任何修改、等同替换和改进等,均包含在本发明的保护范围之内。
Claims (10)
1.一种视频特效的校验方法,其特征在于,包括:
从已添加特效的视频中抽取多个视频帧作为待校验的图像;
将所述图像与所述特效的图案模板进行对比,以确定所述图像与所述图案模板的颜色集合的交集的占比,并确定所述图像与所述图案模板的相似度;
根据所述占比和所述相似度对所述特效进行图案准确性校验;
根据所述特效在所述图像中的坐标对所述特效进行位置准确性校验;
当所述图案准确性校验和所述位置准确性校验通过时,确定所述视频中所添加的所述特效符合要求。
2.根据权利要求1所述的方法,其特征在于,所述从已添加特效的视频中抽取多个视频帧作为待校验的图像,包括:
获取所述特效的时间参数;
根据所述时间参数确定所述视频中所述特效出现的时间段;
从所述视频对应所述时间段的部分中,每隔a个视频帧抽取一个视频帧作为待校验的图像,其中,a为非负整数。
3.根据权利要求1所述的方法,其特征在于,所述将所述图像与所述特效的图案模板进行对比,以确定所述图像与所述图案模板的颜色集合的交集的占比,包括:
确定所述图像的颜色集合,并获取已存储的所述图案模板的颜色集合;
确定所述图像的颜色集合和所述图案模板的颜色集合的交集、所述交集相对于所述图像的颜色集合的第一占比、以及所述交集相对于所述图案模板的颜色集合的第二占比;
所述确定所述图像与所述图案模板的相似度,包括:
根据所述图案模板遍历所述图像,以确定所述图像中与所述图案模板相似度最高的最相近区域;
确定所述最相近区域与所述图案模板的相似度,以作为所述图像与所述图案模板的相似度。
4.根据权利要求3所述的方法,其特征在于,在所述获取已存储的所述图案模板的颜色集合之前,所述方法还包括:
对所述图案模板进行减色操作,得到所述图案模板的颜色集合;
其中,所述对所述图案模板进行减色操作,得到所述图案模板的颜色集合,包括:
将所述图案模板中每个像素点的色值除以b的结果进行取整操作,将取整操作结果乘以b,得到所述图案模板的所有颜色的集合,其中,b为正整数。
5.根据权利要求3所述的方法,其特征在于,在所述获取已存储的所述图案模板的颜色集合之前,所述方法还包括:
响应于定时任务,向终端发送特效视频制作指令,其中,所述特效视频制作指令用于调用所述终端中自动制作特效视频的程序,以自动生成特效视频;
接收终端发送的所述特效视频;
对所述特效视频中的每帧图像进行减色操作,得到所述每帧图像减色后包括的所有颜色;
对所述每帧图像减色后包括的所有颜色取集合,得到所述图案模板的颜色集合。
6.根据权利要求3所述的方法,其特征在于,所述确定所述最相近区域与所述图案模板的相似度,包括:
确定所述最相近区域与所述图案模板的汉明距离乘积,其中,所述汉明距离乘积用于表示所述最相近区域与所述图案模板的相似程度;
确定所述最相近区域与所述图案模板的颜色相似度;
所述确定所述最相近区域与所述图案模板的汉明距离乘积,包括:
确定所述最相近区域和所述图案模板分别对应的感知哈希值、平均哈希值和差异哈希值;
根据所述最相近区域和所述图案模板分别对应的感知哈希值确定第一汉明距离,根据所述最相近区域和所述图案模板分别对应的平均哈希值确定第二汉明距离,并根据所述最相近区域和所述图案模板分别对应的平均值哈希确定第三汉明距离;
将所述第一汉明距离、所述第二汉明距离和所述第三汉明距离连乘,得到所述汉明距离乘积。
7.根据权利要求6所述的方法,其特征在于,所述确定所述最相近区域与所述图案模板的颜色相似度,包括:
将所述最相近区域与所述图案模板中相同位置的像素点的色值逐一进行对比,得到所述最相近区域中各像素点与所述图案模板中相同位置的像素点之间的相似度;
对所述最相近区域中各像素点对应的相似度取平均值,得到所述颜色相似度。
8.根据权利要求6所述的方法,其特征在于,所述根据所述占比和所述相似度对所述特效进行图案准确性校验,包括:
当所述汉明距离乘积满足形状相似度要求,所述颜色相似度满足颜色相似度要求,且所述第一占比和所述第二占比满足颜色占比要求时,确定所述特效通过图案准确性校验;
当所述形状相似度要求、所述颜色相似度要求和所述颜色占比要求中的任意一个未被满足时,确定所述特效未通过图案准确性校验。
9.根据权利要求1至8任一项所述的方法,其特征在于,所述根据所述特效在所述图像中的坐标对所述特效进行位置准确性校验,包括:
根据所述特效在所述图像中的坐标,确定所述图像中的位置校验区域;
确定所述位置校验区域中每个像素点的色值和,所述色值和为所述像素点的各个颜色通道的颜色值的和;
对所述位置校验区域中每个像素点的色值和累加,当累加值大于累加值阈值时,确定所述位置校验区域中存在所述特效;当未大于所述累加值阈值时,确定所述位置校验区域中不存在所述特效。
10.一种视频特效的校验装置,其特征在于,包括:
抽取模块,用于从已添加特效的视频中抽取多个视频帧作为待校验的图像;
对比模块,用于将所述图像与所述特效的图案模板进行对比,以确定所述图像与所述图案模板的颜色集合的交集的占比,并确定所述图像与所述图案模板的相似度;
图案准确性校验模块,用于根据所述占比和所述相似度对所述特效进行图案准确性校验;
位置准确性校验模块,用于根据所述特效在所述图像中的坐标对所述特效进行位置准确性校验;
确定模块,用于当通过所述图案准确性校验和所述位置准确性校验时,确定所述视频中所添加的所述特效符合要求。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010181235.0A CN112752034B (zh) | 2020-03-16 | 2020-03-16 | 视频特效的校验方法、装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010181235.0A CN112752034B (zh) | 2020-03-16 | 2020-03-16 | 视频特效的校验方法、装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112752034A true CN112752034A (zh) | 2021-05-04 |
CN112752034B CN112752034B (zh) | 2023-08-18 |
Family
ID=75645209
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010181235.0A Active CN112752034B (zh) | 2020-03-16 | 2020-03-16 | 视频特效的校验方法、装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112752034B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090122196A1 (en) * | 2007-11-12 | 2009-05-14 | Cyberlink Corp. | Systems and methods for associating metadata with scenes in a video |
CN104780458A (zh) * | 2015-04-16 | 2015-07-15 | 美国掌赢信息科技有限公司 | 一种即时视频中的特效加载方法和电子设备 |
CN105204988A (zh) * | 2014-06-30 | 2015-12-30 | 北京安兔兔科技有限公司 | 电子设备游戏性能的测试方法及系统 |
CN106657814A (zh) * | 2017-01-17 | 2017-05-10 | 维沃移动通信有限公司 | 一种视频录制方法及移动终端 |
CN107391771A (zh) * | 2017-09-14 | 2017-11-24 | 光锐恒宇(北京)科技有限公司 | 一种图像特效的生成方法和装置 |
CN108920368A (zh) * | 2018-06-29 | 2018-11-30 | 北京微播视界科技有限公司 | 数据测试的方法、装置及电子设备 |
CN109104586A (zh) * | 2018-10-08 | 2018-12-28 | 北京小鱼在家科技有限公司 | 特效添加方法、装置、视频通话设备以及存储介质 |
CN109348277A (zh) * | 2018-11-29 | 2019-02-15 | 北京字节跳动网络技术有限公司 | 运动像素视频特效添加方法、装置、终端设备及存储介质 |
CN110298327A (zh) * | 2019-07-03 | 2019-10-01 | 北京字节跳动网络技术有限公司 | 一种视觉特效处理方法及装置、存储介质与终端 |
CN110769313A (zh) * | 2019-11-19 | 2020-02-07 | 广州酷狗计算机科技有限公司 | 视频处理方法及装置、存储介质 |
-
2020
- 2020-03-16 CN CN202010181235.0A patent/CN112752034B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090122196A1 (en) * | 2007-11-12 | 2009-05-14 | Cyberlink Corp. | Systems and methods for associating metadata with scenes in a video |
CN105204988A (zh) * | 2014-06-30 | 2015-12-30 | 北京安兔兔科技有限公司 | 电子设备游戏性能的测试方法及系统 |
CN104780458A (zh) * | 2015-04-16 | 2015-07-15 | 美国掌赢信息科技有限公司 | 一种即时视频中的特效加载方法和电子设备 |
CN106657814A (zh) * | 2017-01-17 | 2017-05-10 | 维沃移动通信有限公司 | 一种视频录制方法及移动终端 |
CN107391771A (zh) * | 2017-09-14 | 2017-11-24 | 光锐恒宇(北京)科技有限公司 | 一种图像特效的生成方法和装置 |
CN108920368A (zh) * | 2018-06-29 | 2018-11-30 | 北京微播视界科技有限公司 | 数据测试的方法、装置及电子设备 |
CN109104586A (zh) * | 2018-10-08 | 2018-12-28 | 北京小鱼在家科技有限公司 | 特效添加方法、装置、视频通话设备以及存储介质 |
CN109348277A (zh) * | 2018-11-29 | 2019-02-15 | 北京字节跳动网络技术有限公司 | 运动像素视频特效添加方法、装置、终端设备及存储介质 |
CN110298327A (zh) * | 2019-07-03 | 2019-10-01 | 北京字节跳动网络技术有限公司 | 一种视觉特效处理方法及装置、存储介质与终端 |
CN110769313A (zh) * | 2019-11-19 | 2020-02-07 | 广州酷狗计算机科技有限公司 | 视频处理方法及装置、存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112752034B (zh) | 2023-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10275867B1 (en) | Utilizing a machine learning model to automatically visually validate a user interface for multiple platforms | |
CN109284729B (zh) | 基于视频获取人脸识别模型训练数据的方法、装置和介质 | |
CN112818456B (zh) | 图层配置方法、电子设备及相关产品 | |
CN116188821B (zh) | 版权检测方法、系统、电子设备和存储介质 | |
CN105302413B (zh) | 控件的ui测试方法及系统 | |
US10635898B1 (en) | Automatic image capture system based on a determination and verification of a physical object size in a captured image | |
CN113010944B (zh) | 模型校验方法、电子设备及相关产品 | |
CN111222571B (zh) | 图像特效的处理方法、装置、电子设备及存储介质 | |
CN111597953A (zh) | 多路图像处理方法、装置及电子设备 | |
CN110941978A (zh) | 一种未识别身份人员的人脸聚类方法、装置及存储介质 | |
CN111124888A (zh) | 录制脚本的生成方法和装置及电子装置 | |
Saar et al. | Browserbite: cross‐browser testing via image processing | |
CN110347855A (zh) | 画作推荐方法、终端设备、服务器、计算机设备及介质 | |
CN111435367A (zh) | 知识图谱的构建方法、系统、设备及存储介质 | |
WO2023065746A1 (zh) | 算法应用元生成方法、装置、电子设备、计算机程序产品及计算机可读存储介质 | |
US10115012B1 (en) | Capture object boundary jitter reduction | |
CN110248235B (zh) | 软件教学方法、装置、终端设备及介质 | |
CN112035772A (zh) | 页面评估方法、装置及设备 | |
CN113190444B (zh) | 一种测试方法、装置及存储介质 | |
CN113378958A (zh) | 自动标注方法、装置、设备、存储介质及计算机程序产品 | |
CN112752034A (zh) | 视频特效的校验方法、装置 | |
CN115511645A (zh) | 理赔图片的检测方法、装置、设备及存储介质 | |
CN112087661A (zh) | 视频集锦生成方法、装置、设备及存储介质 | |
CN111062374A (zh) | 身份证信息的识别方法、装置、系统、设备及可读介质 | |
CN116503538A (zh) | 基于倾斜摄影的单体建模方法、系统、终端及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40043925 Country of ref document: HK |
|
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |