CN112949430A - 视频处理方法和装置、存储介质和电子设备 - Google Patents
视频处理方法和装置、存储介质和电子设备 Download PDFInfo
- Publication number
- CN112949430A CN112949430A CN202110182413.6A CN202110182413A CN112949430A CN 112949430 A CN112949430 A CN 112949430A CN 202110182413 A CN202110182413 A CN 202110182413A CN 112949430 A CN112949430 A CN 112949430A
- Authority
- CN
- China
- Prior art keywords
- video
- classification
- face
- target
- person
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000003860 storage Methods 0.000 title claims abstract description 22
- 238000003672 processing method Methods 0.000 title abstract description 8
- 238000007635 classification algorithm Methods 0.000 claims abstract description 36
- 238000000034 method Methods 0.000 claims abstract description 35
- 238000012545 processing Methods 0.000 claims abstract description 22
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 15
- 238000004590 computer program Methods 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 10
- 230000010354 integration Effects 0.000 claims description 6
- 230000033228 biological regulation Effects 0.000 claims description 5
- 238000012217 deletion Methods 0.000 claims description 5
- 230000037430 deletion Effects 0.000 claims description 5
- 238000002372 labelling Methods 0.000 claims description 5
- 230000030279 gene silencing Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 230000001815 facial effect Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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
- 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
- G06V40/168—Feature extraction; Face representation
-
- 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
- G06V40/172—Classification, e.g. identification
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream, rendering scenes according to MPEG-4 scene graphs
- H04N21/44008—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream, rendering scenes according to MPEG-4 scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics in the video stream
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream, rendering scenes according to MPEG-4 scene graphs
- H04N21/44016—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream, rendering scenes according to MPEG-4 scene graphs involving splicing one content stream with another content stream, e.g. for substituting a video clip
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/441—Acquiring end-user identification, e.g. using personal code sent by the remote control or by inserting a card
- H04N21/4415—Acquiring end-user identification, e.g. using personal code sent by the remote control or by inserting a card using biometric characteristics of the user, e.g. by voice recognition or fingerprint scanning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Image Analysis (AREA)
Abstract
本公开涉及一种视频处理方法和装置、存储介质和电子设备,所述方法包括:基于人脸识别算法,从至少一个待处理视频中提取包括人脸图像的视频片段;基于人脸分类算法,对所述人脸图像进行聚类,得到多个人物分类;从所述多个人物分类中确定目标人物分类,并将所述待处理视频中包括所述目标人物分类的视频片段整合为目标视频。本公开可以提升视频处理的效率。
Description
技术领域
本公开涉及视频处理领域,具体地,涉及一种视频处理方法和装置、存储介质和电子设备。
背景技术
视频是现代社会的一种主流的多媒体形式,通过视频可以达到艺术创作、事件记录、信息宣传等目的,极大地提高了人们生活的丰富性。但是,视频相对图片而言的体量较大,搜索、编辑的难度和成本都较高,难以进行系统化的制作。
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处理方法,包括:基于人脸识别算法,从至少一个待处理视频中提取包括人脸图像的视频片段;基于人脸分类算法,对所述人脸图像进行聚类,得到多个人物分类;从所述多个人物分类中确定目标人物分类,并将所述待处理视频中包括所述目标人物分类的视频片段整合为目标视频。
第二方面,本公开提供一种视频处理装置,包括:识别模块,用于基于人脸识别算法,从至少一个待处理视频中提取包括人脸图像的视频片段;分类模块,用于基于人脸分类算法,对所述人脸图像进行聚类,得到多个人物分类;整合模块,用于从所述多个人物分类中确定目标人物分类,并将所述待处理视频中包括所述目标人物分类的视频片段整合为目标视频。
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、处理装置,存储装置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,可以基于人脸识别算法从待处理视频中提取包括了人脸图像的视频片段,并基于人脸分类算法对人脸图像进行聚类,并将目标人物分类对应的视频片段整合为目标视频,从而可以从人物的角度对视频中的视频片段进行系统化的提取和整合,提高了视频的编辑效率,节省了视频制作的时间成本和人力成本。
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是根据一示例性公开实施例示出的一种视频处理方法的流程图。
图2是根据一示例性公开实施例示出的一种视频编辑界面的示意图。
图3是根据一示例性公开实施例示出的一种视频处理流程的示意图。
图4是根据一示例性公开实施例示出的一种视频处理流程的示意图。
图5是根据一示例性公开实施例示出的一种视频处理装置的框图。
图6是根据一示例性公开实施例示出的一种电子设备的框图。
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“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是根据一示例性公开实施例示出的一种视频处理方法的流程图。如图1所示,所述方法包括以下的步骤:
S11、基于人脸识别算法,从至少一个待处理视频中提取包括人脸图像的视频片段。
其中,待处理视频可以是用户输入的视频,也可以是基于用户输入的信息从网上检索到的视频,还可以是数据库中预存的视频。
当该待处理视频是数据库中预存的视频时,可以预先对视频进行分类,例如,可以将视频按照色调分类,将主色调为蓝色的视频分为一类,将主色调为粉色的视频分为一类;该视频的分类还可以基于视频来源进行分类,例如,将A电视台出品的视频分为一类,将B电视台出品的视频分类一类;该视频的分类还可以是基于视频的创作时间进行的分类,例如,将90年代的视频分为一类,将2000年至2010年的视频分为一类等。视频的分类方式有多种,在此无法一一穷举,本领域技术人员应当知悉,无论是根据何种方式对视频进行预分类,均应属于本公开中对视频进行预分类的一种可行形式。
在对视频进行与分类后,用户可以对视频分类进行选择,并基于用户的选择,从数据库中调用用户选中的视频分类下的视频作为待处理视频。例如,当用户选择了“恐怖片”类别的视频时,将数据库中分类为“恐怖片”的视频提取出来,基于人脸识别算法,对这些视频中包括人脸图像的视频片段进行提取。
在进行人脸识别时,可以是对待处理视频逐帧进行识别的,考虑到计算资源成本,人脸识别也可以是间隔预设帧数进行识别,并将识别出人脸图像的视频帧的前后预设帧的视频片段作为包括人脸图像的视频片段,或者将与其相邻的识别出人脸图像的视频帧之间的视频片段确定为包括了人脸图像的视频片段,例如,当人脸识别是间隔10帧进行一次识别,且在视频的第0帧、第10帧、第20帧、第30帧均识别到了人脸图像,则可以将第0帧至第30帧之间的视频片段作为包括了人脸图像的视频片段。
在一种可能的实施方式中,视频片段也可以是通过迭代得到的,具体而言,当间隔预设帧数进行识别的情况下,对识别到人脸图像的前后预设帧进行再识别,并确定其中包括了人脸图像的视频帧,并将这些视频帧整合为视频片段。例如,当设置为间隔10帧识别一次人脸图像时,在视频的第30帧识别到了人脸图像,则可以对视频的第20帧至第40帧进行再次识别,将识别到了人脸图像的视频帧整合为一个视频片段。
该待处理视频还可以是基于用户输入的目标人物的信息在互联网上检索得到的,例如,当用户输入了明星A的名字时,可以从互联网上搜索明星A的名字,并获取所有或部分明星A相关的视频作为该待处理视频。
S12、基于人脸分类算法,对所述人脸图像进行聚类,得到多个人物分类。
基于人脸分类算法,可以将具有相同特征的人脸图像作为一个人物分类。
在一种可能的实施方式中,
所述人脸分类算法是基于以下方式训练得到的:获取多张包括人脸区域的样本图像;为同一人物对应的人脸区域标注相同的分类标签,其中,每张所述样本图像包括至少一个人物的人脸区域和至少一个分类标签;基于标注后的所述样本图像训练所述人脸分类算法,以使所述人脸分类算法基于包括人脸区域的图像生成人脸区域范围和分类标签。这样,在得到一批任意人物的图像后,人脸分类算法可以识别出图像中的人脸区域,并将包括了相同面部特征的人脸区域的图像标注相同的标签,由此实现将图像按照人物进行聚类。
在一种可能的实施方式中,可以基于用户输入的目标人物的名称,获取包括所述目标人物的人脸区域的图像,并该图像作为所述样本图像,其中,所述目标人物的人脸区域标注有目标标签,所述样本图像中还包括非目标人物的样本图像。。并且,在后续步骤中,可以通过将标签结果为所述目标标签的人物分类作为目标人物分类。
这样,可以通过在训练阶段对目标人物进行特殊的标注,使得在进行人脸聚类时可以直接确定目标人物对应的人物分类,以此避免进行人工选择的不便。
S13、从所述多个人物分类中确定目标人物分类,并将所述待处理视频中包括所述目标人物分类的视频片段整合为目标视频。
其中,该目标人物分类可以是根据用户对人物分类的选择确定的,也可以是通过用户输入的目标人物的信息确定的,例如,用户可以输入目标人物的名称、照片,并基于用户输入的名称检索得到目标人物的图片,通过人脸分类算法对目标人物的图片或照片进行聚类,确定其所属的人物分类为目标人物分类。
在一种可能的实施方式中,可以向用户展示各人物分类的展示图像,并响应于用户对展示图像的选择操作,将用户选中的展示图像对应的人物分类作为所述目标人物分类,并将所述待处理视频中包括所述目标人物分类的视频片段整合为目标视频。其中,一个人物分类的展示图像为该人物分类中的任意一张人脸图像。
例如,可以从各人物分类中提取清晰度较高的人脸图像作为该人物分类的展示图像,并向用户展示各展示图像;在进行展示前,可以根据各任务分类中的视频片段长度或根据人物分类在视频中的出现频率进行排序,并根据排序结果依次进行展示。在进行展示时,可以隐藏视频片段长度较短或出现频率较低的人物分类,以节省展示空间。
在一种可能的实施方式中,可以向用户展示所述目标视频中的各视频片段,并响应于用户对视频片段的编辑操作,对用户选中的视频片段进行时间轴移动、视频片段删除、视频调速、视频消音、视频配音中的至少一种编辑操作。
如图2所示的是一种可能的视频编辑界面,如图2所示,当用户选中了目标视频中的片段1时,可以对片段1的时间轴进行突出显示(图2中为加粗显示),并根据用户点击的功能按键,对视频片段进行编辑;在一种可能的实施方式中,可以通过对视频片段的拖拽操作进行编辑,例如,选中视频片段并将其拖出时间轴可以对应删除操作,选中视频片段并将其拖到下一视频片段之后可以对应时间轴移动操作。
图3是一种可能的视频处理流程的示意图,如图3所示,所述视频处理流程包括以下步骤:
S31、获取用户输入的目标人物的名称。
S32、基于用户输入的目标人物的名称,获取包括所述目标人物的人脸区域的图像,并该图像作为样本图像训练人脸分类算法,目标人物的人脸区域标注有目标标签。
S33、基于用户输入的目标人物的名称,检索所述目标人物相关的视频,并将所述目标人物相关的视频作为待处理视频。
S34、基于人脸识别算法,从所述待处理视频中提取包括人脸图像的视频片段。
S35、基于人脸分类算法,对所述人脸图像进行聚类,得到多个人物分类。
S36、将所述多个人物分类中标签结果为所述目标标签的人物分类作为目标人物分类,并将所述待处理视频中包括所述目标人物分类的视频片段整合为目标视频。
其中,步骤S32和步骤S33的名称顺序仅是一种可能的实施方式,本公开中的S32和S33可以以任意先后顺序执行,或是同步执行,或者S32与S34同步执行或于步骤S34之后执行,或者S32于S33和S34之间进行,本公开对此不做限制。
图4是一种可能的视频处理流程的示意图,如图4所示,所述视频处理流程包括以下步骤:
S41、获取用户输入的目标人物的名称。
S42、基于用户输入的目标人物的名称,检索所述目标人物相关的视频,并将所述目标人物相关的视频作为所述待处理视频。
S43、基于人脸识别算法,从至少一个待处理视频中提取包括人脸图像的视频片段。
S44、基于人脸分类算法,对所述人脸图像进行聚类,得到多个人物分类;
S45、基于用户输入的目标人物的名称,检索所述目标人物相关的人脸图像。
S46、基于所述人脸分类算法,对检索得到的人脸图像进行分类;
S47、根据所述检索得到的人脸图像的分类结果,将该人脸图像所在的人物分类作为所述目标人物分类,并将所述待处理视频中包括所述目标人物分类的视频片段整合为目标视频。
如图4所示,步骤S42至S44和步骤S45至S46可以同步进行或以任意次序进行,本公开对此不做限制。
通过上述技术方案,可以基于人脸识别算法从待处理视频中提取包括了人脸图像的视频片段,并基于人脸分类算法对人脸图像进行聚类,并将目标人物分类对应的视频片段整合为目标视频,从而可以从人物的角度对视频中的视频片段进行系统化的提取和整合,提高了视频的编辑效率,节省了视频制作的时间成本和人力成本。
图5是根据一示例性公开实施例示出的一种视频处理装置的框图,如图5所示,所述视频处理装置500包括:
识别模块510,用于基于人脸识别算法,从至少一个待处理视频中提取包括人脸图像的视频片段。
分类模块520,用于基于人脸分类算法,对所述人脸图像进行聚类,得到多个人物分类。
整合模块530,用于从所述多个人物分类中确定目标人物分类,并将所述待处理视频中包括所述目标人物分类的视频片段整合为目标视频。
在一种可能的实施方式中,所述装置还包括训练模块,用于获取多张包括人脸区域的样本图像,为同一人物对应的人脸区域标注相同的分类标签,其中,每张所述样本图像包括至少一个人物的人脸区域和至少一个分类标签,基于标注后的所述样本图像训练所述人脸分类算法,以使所述人脸分类算法基于包括人脸区域的图像生成人脸区域范围和分类标签。在一种可能的实施方式中,所述训练模块,还用于基于用户输入的目标人物的名称,获取包括所述目标人物的人脸区域的图像,并该图像作为所述样本图像,其中,所述目标人物的人脸区域标注有目标标签,所述样本图像中还包括非目标人物的样本图像;所述整合模块530,用于将标签结果为所述目标标签的人物分类作为目标人物分类,并将所述待处理视频中包括所述目标人物分类的视频片段整合为目标视频。
在一种可能的实施方式中,所述装置还包括视频检索模块,用于基于用户输入的目标人物的名称,检索所述目标人物相关的视频,并将所述目标人物相关的视频作为所述待处理视频。
在一种可能的实施方式中,所述装置还包括图像检索模块,用于基于用户输入的目标人物的名称,检索所述目标人物相关的人脸图像;所述整合模块530,还用于基于所述人脸分类算法,对检索得到的人脸图像进行分类;根据所述检索得到的人脸图像的分类结果,将该人脸图像所在的人物分类作为所述目标人物分类,并将所述待处理视频中包括所述目标人物分类的视频片段整合为目标视频。
在一种可能的实施方式中,所述整合模块530,用于向用户展示各人物分类的展示图像,其中,一个人物分类的展示图像为该人物分类中的任意一张人脸图像;响应于用户对展示图像的选择操作,将用户选中的展示图像对应的人物分类作为所述目标人物分类;将所述待处理视频中包括所述目标人物分类的视频片段整合为目标视频。
在一种可能的实施方式中,所述装置还包括编辑模块,用于向用户展示所述目标视频中的各视频片段;响应于用户对视频片段的编辑操作,对用户选中的视频片段进行时间轴移动、视频片段删除、视频调速、视频消音、视频配音中的至少一种编辑操作。
上述装置中的各模块所具体执行的步骤,在方法部分的相关实施例中已经进行了说明,在此不做赘述。
通过上述技术方案,可以基于人脸识别算法从待处理视频中提取包括了人脸图像的视频片段,并基于人脸分类算法对人脸图像进行聚类,并将目标人物分类对应的视频片段整合为目标视频,从而可以从人物的角度对视频中的视频片段进行系统化的提取和整合,提高了视频的编辑效率,节省了视频制作的时间成本和人力成本。
下面参考图6,其示出了适于用来实现本公开实施例的电子设备600的结构示意图。本公开实施例中的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6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6所示,电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常,以下装置可以连接至I/O接口605: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606;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607;包括例如磁带、硬盘等的存储装置608;以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600,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609从网络上被下载和安装,或者从存储装置608被安装,或者从ROM 602被安装。在该计算机程序被处理装置601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,客户端、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:获取至少两个网际协议地址;向节点评价设备发送包括所述至少两个网际协议地址的节点评价请求,其中,所述节点评价设备从所述至少两个网际协议地址中,选取网际协议地址并返回;接收所述节点评价设备返回的网际协议地址;其中,所获取的网际协议地址指示内容分发网络中的边缘节点。
或者,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:接收包括至少两个网际协议地址的节点评价请求;从所述至少两个网际协议地址中,选取网际协议地址;返回选取出的网际协议地址;其中,接收到的网际协议地址指示内容分发网络中的边缘节点。
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。
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提供了一种视频处理方法,所述方法包括:基于人脸识别算法,从至少一个待处理视频中提取包括人脸图像的视频片段;基于人脸分类算法,对所述人脸图像进行聚类,得到多个人物分类;从所述多个人物分类中确定目标人物分类,并将所述待处理视频中包括所述目标人物分类的视频片段整合为目标视频。
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,所述人脸分类算法是基于以下方式训练得到的:获取多张包括人脸区域的样本图像;为同一人物对应的人脸区域标注相同的分类标签,其中,每张所述样本图像包括至少一个人物的人脸区域和至少一个分类标签;基于标注后的所述样本图像训练所述人脸分类算法,以使所述人脸分类算法基于包括人脸区域的图像生成人脸区域范围和分类标签。
根据本公开的一个或多个实施例,示例3提供了示例2的方法,所述方法还包括:基于用户输入的目标人物的名称,获取包括所述目标人物的人脸区域的图像,并该图像作为所述样本图像,其中,所述目标人物的人脸区域标注有目标标签,所述样本图像中还包括非目标人物的样本图像;所述从所述多个人物分类中确定目标人物分类,并将所述待处理视频中包括所述目标人物分类的视频片段整合为目标视频,包括:将标签结果为所述目标标签的人物分类作为目标人物分类,并将所述待处理视频中包括所述目标人物分类的视频片段整合为目标视频。
根据本公开的一个或多个实施例,示例4提供了示例1的方法,所述方法还包括:基于用户输入的目标人物的名称,检索所述目标人物相关的视频,并将所述目标人物相关的视频作为所述待处理视频。
根据本公开的一个或多个实施例,示例5提供了示例1的方法,所述方法还包括:基于用户输入的目标人物的名称,检索所述目标人物相关的人脸图像;所述从所述多个人物分类中确定目标人物分类,并将所述待处理视频中包括所述目标人物分类的视频片段整合为目标视频,包括:基于所述人脸分类算法,对检索得到的人脸图像进行分类;根据所述检索得到的人脸图像的分类结果,将该人脸图像所在的人物分类作为所述目标人物分类,并将所述待处理视频中包括所述目标人物分类的视频片段整合为目标视频。
根据本公开的一个或多个实施例,示例6提供了示例1的方法,所述从所述多个人物分类中确定目标人物分类,并将所述待处理视频中包括所述目标人物分类的视频片段整合为目标视频,包括:向用户展示各人物分类的展示图像,其中,一个人物分类的展示图像为该人物分类中的任意一张人脸图像;响应于用户对展示图像的选择操作,将用户选中的展示图像对应的人物分类作为所述目标人物分类;将所述待处理视频中包括所述目标人物分类的视频片段整合为目标视频。
根据本公开的一个或多个实施例,示例7提供了示例1-6的方法,所述方法包括:向用户展示所述目标视频中的各视频片段;响应于用户对视频片段的编辑操作,对用户选中的视频片段进行时间轴移动、视频片段删除、视频调速、视频消音、视频配音中的至少一种编辑操作。
根据本公开的一个或多个实施例,示例8提供了一种视频处理装置,识别模块,用于基于人脸识别算法,从至少一个待处理视频中提取包括人脸图像的视频片段;分类模块,用于基于人脸分类算法,对所述人脸图像进行聚类,得到多个人物分类;整合模块,用于从所述多个人物分类中确定目标人物分类,并将所述待处理视频中包括所述目标人物分类的视频片段整合为目标视频。
根据本公开的一个或多个实施例,示例9提供了示例8的装置,所述装置还包括训练模块,用于获取多张包括人脸区域的样本图像;为同一人物对应的人脸区域标注相同的分类标签,其中,每张所述样本图像包括至少一个人物的人脸区域和至少一个分类标签;基于标注后的所述样本图像训练所述人脸分类算法,以使所述人脸分类算法基于包括人脸区域的图像生成人脸区域范围和分类标签。根据本公开的一个或多个实施例,示例10提供了示例9的装置,所述训练模块,还用于基于用户输入的目标人物的名称,获取包括所述目标人物的人脸区域的图像,并该图像作为所述样本图像,其中,所述目标人物的人脸区域标注有目标标签,所述样本图像中还包括非目标人物的样本图像;所述整合模块,用于将标签结果为所述目标标签的人物分类作为目标人物分类,并将所述待处理视频中包括所述目标人物分类的视频片段整合为目标视频。
根据本公开的一个或多个实施例,示例11提供了示例8的装置,所述装置还包括视频检索模块,用于基于用户输入的目标人物的名称,检索所述目标人物相关的视频,并将所述目标人物相关的视频作为所述待处理视频。
根据本公开的一个或多个实施例,示例12提供了示例8的装置,所述装置还包括图像检索模块,用于基于用户输入的目标人物的名称,检索所述目标人物相关的人脸图像;所述整合模块,还用于基于所述人脸分类算法,对检索得到的人脸图像进行分类;根据所述检索得到的人脸图像的分类结果,将该人脸图像所在的人物分类作为所述目标人物分类,并将所述待处理视频中包括所述目标人物分类的视频片段整合为目标视频。
根据本公开的一个或多个实施例,示例13提供了示例8的装置,所述整合模块,用于向用户展示各人物分类的展示图像,其中,一个人物分类的展示图像为该人物分类中的任意一张人脸图像;响应于用户对展示图像的选择操作,将用户选中的展示图像对应的人物分类作为所述目标人物分类;将所述待处理视频中包括所述目标人物分类的视频片段整合为目标视频。
根据本公开的一个或多个实施例,示例14提供了示例8-13的装置,在一种可能的实施方式中,所述装置还包括编辑模块,用于向用户展示所述目标视频中的各视频片段;响应于用户对视频片段的编辑操作,对用户选中的视频片段进行时间轴移动、视频片段删除、视频调速、视频消音、视频配音中的至少一种编辑操作。
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 (10)
1.一种视频处理方法,其特征在于,所述方法包括:
基于人脸识别算法,从至少一个待处理视频中提取包括人脸图像的视频片段;
基于人脸分类算法,对所述人脸图像进行聚类,得到多个人物分类;
从所述多个人物分类中确定目标人物分类,并将所述待处理视频中包括所述目标人物分类的视频片段整合为目标视频。
2.根据权利要求1所述的方法,其特征在于,所述人脸分类算法是基于以下方式训练得到的:
获取多张包括人脸区域的样本图像;
为同一人物对应的人脸区域标注相同的分类标签,其中,每张所述样本图像包括至少一个人物的人脸区域和至少一个分类标签;
基于标注后的所述样本图像训练所述人脸分类算法,以使所述人脸分类算法基于包括人脸区域的图像生成人脸区域范围和分类标签。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
基于用户输入的目标人物的名称,获取包括所述目标人物的人脸区域的图像,并该图像作为所述样本图像,其中,所述目标人物的人脸区域标注有目标标签,所述样本图像中还包括非目标人物的样本图像;
所述从所述多个人物分类中确定目标人物分类,并将所述待处理视频中包括所述目标人物分类的视频片段整合为目标视频,包括:
将标签结果为所述目标标签的人物分类作为目标人物分类,并将所述待处理视频中包括所述目标人物分类的视频片段整合为目标视频。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
基于用户输入的目标人物的名称,检索所述目标人物相关的视频,并将所述目标人物相关的视频作为所述待处理视频。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
基于用户输入的目标人物的名称,检索所述目标人物相关的人脸图像;
所述从所述多个人物分类中确定目标人物分类,并将所述待处理视频中包括所述目标人物分类的视频片段整合为目标视频,包括:
基于所述人脸分类算法,对检索得到的人脸图像进行分类;
根据所述检索得到的人脸图像的分类结果,将该人脸图像所在的人物分类作为所述目标人物分类,并将所述待处理视频中包括所述目标人物分类的视频片段整合为目标视频。
6.根据权利要求1所述的方法,其特征在于,所述从所述多个人物分类中确定目标人物分类,并将所述待处理视频中包括所述目标人物分类的视频片段整合为目标视频,包括:
向用户展示各人物分类的展示图像,其中,一个人物分类的展示图像为该人物分类中的任意一张人脸图像;
响应于用户对展示图像的选择操作,将用户选中的展示图像对应的人物分类作为所述目标人物分类;
将所述待处理视频中包括所述目标人物分类的视频片段整合为目标视频。
7.根据权利要求1-6任一项所述的方法,其特征在于,所述方法包括:
向用户展示所述目标视频中的各视频片段;
响应于用户对视频片段的编辑操作,对用户选中的视频片段进行时间轴移动、视频片段删除、视频调速、视频消音、视频配音中的至少一种编辑操作。
8.一种视频处理装置,其特征在于,所述装置包括:
识别模块,用于基于人脸识别算法,从至少一个待处理视频中提取包括人脸图像的视频片段;
分类模块,用于基于人脸分类算法,对所述人脸图像进行聚类,得到多个人物分类;
整合模块,用于从所述多个人物分类中确定目标人物分类,并将所述待处理视频中包括所述目标人物分类的视频片段整合为目标视频。
9.一种计算机可读介质,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1-7中任一项所述方法的步骤。
10.一种电子设备,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1-7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110182413.6A CN112949430A (zh) | 2021-02-07 | 2021-02-07 | 视频处理方法和装置、存储介质和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110182413.6A CN112949430A (zh) | 2021-02-07 | 2021-02-07 | 视频处理方法和装置、存储介质和电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112949430A true CN112949430A (zh) | 2021-06-11 |
Family
ID=76245328
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110182413.6A Pending CN112949430A (zh) | 2021-02-07 | 2021-02-07 | 视频处理方法和装置、存储介质和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112949430A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115952315A (zh) * | 2022-09-30 | 2023-04-11 | 北京宏扬迅腾科技发展有限公司 | 校园监控视频存储方法、装置、设备、介质和程序产品 |
WO2023241377A1 (zh) * | 2022-06-16 | 2023-12-21 | 北京字跳网络技术有限公司 | 视频数据的处理方法、装置、设备、系统及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109543560A (zh) * | 2018-10-31 | 2019-03-29 | 百度在线网络技术(北京)有限公司 | 一种视频中人物的分割方法、装置、设备和计算机存储介质 |
US20190294886A1 (en) * | 2018-03-23 | 2019-09-26 | Hcl Technologies Limited | System and method for segregating multimedia frames associated with a character |
CN111553191A (zh) * | 2020-03-30 | 2020-08-18 | 深圳壹账通智能科技有限公司 | 基于人脸识别的视频分类方法、装置及存储介质 |
-
2021
- 2021-02-07 CN CN202110182413.6A patent/CN112949430A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190294886A1 (en) * | 2018-03-23 | 2019-09-26 | Hcl Technologies Limited | System and method for segregating multimedia frames associated with a character |
CN109543560A (zh) * | 2018-10-31 | 2019-03-29 | 百度在线网络技术(北京)有限公司 | 一种视频中人物的分割方法、装置、设备和计算机存储介质 |
CN111553191A (zh) * | 2020-03-30 | 2020-08-18 | 深圳壹账通智能科技有限公司 | 基于人脸识别的视频分类方法、装置及存储介质 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023241377A1 (zh) * | 2022-06-16 | 2023-12-21 | 北京字跳网络技术有限公司 | 视频数据的处理方法、装置、设备、系统及存储介质 |
CN115952315A (zh) * | 2022-09-30 | 2023-04-11 | 北京宏扬迅腾科技发展有限公司 | 校园监控视频存储方法、装置、设备、介质和程序产品 |
CN115952315B (zh) * | 2022-09-30 | 2023-08-18 | 北京宏扬迅腾科技发展有限公司 | 校园监控视频存储方法、装置、设备、介质和程序产品 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20160210284A1 (en) | System and method for capturing a multimedia content item by a mobile device and matching sequentially relevant content to the multimedia content item | |
CN111445902B (zh) | 数据收集方法、装置、存储介质及电子设备 | |
CN112989076A (zh) | 多媒体内容搜索方法、装置、设备及介质 | |
CN112954450B (zh) | 视频处理方法、装置、电子设备和存储介质 | |
CN112364829B (zh) | 一种人脸识别方法、装置、设备及存储介质 | |
CN110991373A (zh) | 图像处理方法、装置、电子设备及介质 | |
CN112949430A (zh) | 视频处理方法和装置、存储介质和电子设备 | |
CN112929746A (zh) | 视频生成方法和装置、存储介质和电子设备 | |
CN113589991A (zh) | 一种文本输入方法、装置、电子设备和存储介质 | |
CN111897950A (zh) | 用于生成信息的方法和装置 | |
CN111784712A (zh) | 图像处理方法、装置、设备和计算机可读介质 | |
CN112990176B (zh) | 书写质量评价方法、装置和电子设备 | |
CN111797266B (zh) | 图像处理方法和装置、存储介质和电子设备 | |
CN113407665A (zh) | 文本比对方法、装置、介质及电子设备 | |
CN111246273B (zh) | 视频投放方法、装置、电子设备及计算机可读介质 | |
CN110598049A (zh) | 用于检索视频的方法、装置、电子设备和计算机可读介质 | |
CN112084441A (zh) | 信息检索方法、装置和电子设备 | |
CN113033682B (zh) | 视频分类方法、装置、可读介质、电子设备 | |
CN113033552B (zh) | 文本识别方法、装置和电子设备 | |
CN113473236A (zh) | 录屏视频的处理方法、装置、可读介质和电子设备 | |
CN114187557A (zh) | 确定关键帧的方法、装置、可读介质及电子设备 | |
CN110413603B (zh) | 重复数据的确定方法、装置、电子设备及计算机存储介质 | |
CN113343069A (zh) | 用户信息的处理方法、装置、介质及电子设备 | |
CN112070034A (zh) | 图像识别方法、装置、电子设备和计算机可读介质 | |
CN110825909A (zh) | 视频图像的识别方法、装置、服务器、终端和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |