CN113129360A - 视频内对象的定位方法、装置、可读介质及电子设备 - Google Patents

Abstract

本公开涉及一种视频内对象的定位方法、装置、可读介质及电子设备，以解决相关技术中视频内对象位置定位耗费时间长、耗费计算资源多的问题。所述方法包括：在目标视频中的第一视频帧图像中，确定目标对象所处的第一位置；根据所述第一位置，确定第一追踪区域，所述第一追踪区域的大小小于所述第一视频帧图像的大小，以及，所述第一追踪区域位于所述第一位置周边的第一预设范围内；在所述目标视频的第二视频帧图像中，获取位于所述第一追踪区域内的部分图像，作为第一待识别图像；在所述第一待识别图像中识别所述目标对象；若在所述第一待识别图像中识别到所述目标对象，确定所述目标对象在所述第二视频帧图像中所处的第二位置。

Description

视频内对象的定位方法、装置、可读介质及电子设备

技术领域

本公开涉及计算机技术领域，具体地，涉及一种视频内对象的定位方法、装置、可读介质及电子设备。

背景技术

在视频编辑场景下，有时需要对视频中的特定物体添加文本、贴纸、视频、特效、动画、美颜、蒙版等素材，例如，为人脸添加马赛克。面对这样的需求，通常的做法是，针对视频所包含的视频帧图像，在其中定位特定物体所在的位置，再向特定物体所在的位置添加素材。而目前，在视频帧中定位对象需要耗费大量的时间和计算资源，数据处理效率不够高。

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内对象的定位方法，所述方法包括：

在目标视频中的第一视频帧图像中，确定目标对象所处的第一位置；

根据所述第一位置，确定第一追踪区域，所述第一追踪区域的大小小于所述第一视频帧图像的大小，以及，所述第一追踪区域位于所述第一位置周边的第一预设范围内；

在所述目标视频的第二视频帧图像中，获取位于所述第一追踪区域内的部分图像，作为第一待识别图像；

在所述第一待识别图像中识别所述目标对象；

若在所述第一待识别图像中识别到所述目标对象，确定所述目标对象在所述第二视频帧图像中所处的第二位置。

第二方面，本公开提供一种视频内对象的定位装置，所述装置包括：

第一确定模块，用于在目标视频中的第一视频帧图像中，确定目标对象所处的第一位置；

第二确定模块，用于根据所述第一位置，确定第一追踪区域，所述第一追踪区域的大小小于所述第一视频帧图像的大小，以及，所述第一追踪区域位于所述第一位置周边的第一预设范围内；

第一获取模块，用于在所述目标视频的第二视频帧图像中，获取位于所述第一追踪区域内的部分图像，作为第一待识别图像；

第一识别模块，用于在所述第一待识别图像中识别所述目标对象；

第三确定模块，用于若在所述第一待识别图像中识别到所述目标对象，确定所述目标对象在所述第二视频帧图像中所处的第二位置。

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，在目标视频中的第一视频帧图像中，确定目标对象所处的第一位置，根据第一位置，确定第一追踪区域，在目标视频的第二视频帧图像中，获取位于第一追踪区域内的部分图像，作为第一待识别图像，在第一待识别图像中识别目标对象，若在第一待识别图像中识别到目标对象，确定目标对象在第二视频帧图像中所处的第二位置。这样，基于已知的目标对象的第一位置，确定目标对象在第二视频帧图像中最有可能出现的第一追踪区域，并基于第二视频帧图像中位于该第一追踪区域的部分图像得到第一待识别图像，并在该第一待识别图像中识别目标对象，在识别到目标对象的情况下，确定目标对象在第二视频帧图像中所处的第二位置。由此，只需要对第二视频帧图像中的部分图像进行识别，就可以实现对目标对象在第二视频帧图像中的位置定位，而不再必须对完整的第二视频帧图像进行识别，能够在保证识别效果的前提下，减少目标对象定位过程中的数据处理量，提升数据处理效率。

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是根据本公开的一种实施方式提供的视频内对象的定位方法的流程图；

图2是根据本公开的一种实施方式提供的视频内对象的定位装置的框图；

图3是根据本公开一实施例提供的电子设备的结构示意图。

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。

在视频编辑场景下，有时需要对视频中的特定物体添加文本、贴纸、视频、特效、动画、美颜、蒙版等素材，例如，为人脸添加马赛克。面对这样的需求，通常的做法是，针对视频所包含的每一视频帧图像，逐帧查找其中是否存在特定物体并定位特定物体所在的位置，再向出现特定物体的视频帧图像中在特定物体所在的位置逐个添加素材。其中，在针对视频帧图像定位特定物体时，需要对完整的该视频帧图像进行图像识别，这明显需要耗费大量的时间和计算资源。

本公开提供一种视频内对象的定位方法、装置、可读介质及电子设备，以解决上述问题。在本公开的方案中，基于目标对象在目标视频中的第一视频帧图像中所处的第一位置，在第一位置周边的第一预设范围内确定出大小小于第一视频帧图像大小的第一追踪区域，并从目标视频的第二视频帧图像中获取位于第一追踪区域内的部分图像作为第一待识别图像，并且，在第一待识别图像中识别目标对象，若在第一待识别图像中识别到目标图像，确定目标对象在第二视频帧图像中所处的第二位置。这样，能够基于目标对象在目标视频中的第一视频帧图像中所处的第一位置，在第一位置附近确定第一追踪区域，并从第二视频帧图像中获取位于第一追踪区域内的部分图像作为第一待识别图像，识别第一待识别图像中的目标对象，并在识别到目标对象时确定该目标对象在第二视频帧图像中的第二位置，无需使用完整的第二视频帧图像也能够识别出目标对象。

图1是根据本公开的一种实施方式提供的视频内对象的定位方法的流程图。如图1所示，本公开提供的方法可以包括以下步骤。

在步骤11中，在目标视频中的第一视频帧图像中，确定目标对象所处的第一位置。

在目标视频中的第一视频帧图像中，目标对象所处的第一位置是已知的。目标对象可以是由用户选定的，用户选定目标对象的过程中，会通过客户端在目标视频中的某一视频帧图像(后文以标记视频帧图像表示)标记目标对象，生成有关于目标对象的标记信息。因此，基于用户的标记信息，可以确定目标对象在标记视频帧图像中所处的标记位置，后续在目标视频中对目标图像的位置定位均可以以这个标记位置为基础。

在一种可能的实施例中，若第一视频帧图像就是标记视频帧图像，则目标对象在第一视频帧图像中所处的第一位置就是上述标记位置。

在另一种可能的实施例中，可以通过重检测算法确定目标对象在第一视频帧图像中的第一位置。具体地，在重检测算法中，识别的是完整的第一视频帧图像，也就是在第一视频帧图像的完整范围内进行识别，以定位出目标对象在第一视频帧图像中所处的位置。其中，重检测算法可以基于第二训练数据训练得到。第二训练数据可以包括第二历史视频以及第二历史对象在第二历史视频的第二历史视频帧图像内出现的第二历史位置。在训练过程中，以第二历史视频为输入数据、并以第二历史对象在第二历史视频的第二历史视频帧图像内出现的第二历史位置为输出数据，对机器学习算法训练，以获得重检测算法，同时，训练所得的重检测算法具有在视频帧图像中识别目标对象的能力。因此，可以将用于表征目标对象的第二图像(可以取自目标对象位置已知的第三视频帧图像)以及第一视频帧图像输入至重检测算法，获得重检测算法的第一检测结果。其中，第一检测结果用于指示在第一视频帧图像中对目标对象的识别结果。具体地，第一检测结果可以用于指示在第一视频帧图像中是否识别到目标对象以及识别到的目标对象在第一视频帧图像中所处的第一检测位置。从而，根据该第一检测位置，即可确定目标对象在第一视频帧图像中所处的第一位置，在这里，第一位置就是第一检测位置。

在另一种可能的实施例中，目标对象在第一视频帧图像中的第一位置可以基于目标对象位置已知的第四视频帧图像获得，也即，可以通过本实施例步骤11至步骤14提及的基于目标对象在第一视频帧图像的第一位置获得目标对象在第二视频帧图像的第二位置的方式，来实现基于目标对象在第四视频帧图像中的已知位置获得目标对象在第一视频帧图像的第一位置。

在步骤12中，根据第一位置，确定第一追踪区域。

其中，第一追踪区域的大小小于第一视频帧图像的大小，也就是说，第一追踪区域为第一视频帧图像的一部分而非全部。以及，第一追踪区域位于第一位置周边的第一预设范围内，也就是说，第一追踪区域位于第一位置附近，例如，第一追踪区域可以为包含第一位置在内的区域，或者，第一追踪区域可以为第一位置周边的区域。并且，第一追踪区域的形状可以具有对应的形状，该形状可以由用户根据应用需求预先定义。例如，第一追踪区域可以为矩形、圆形等。

目标对象在目标视频中的运动轨迹通常是连续的，不会存在跳变，而第一追踪区域是基于目标对象在第一视频帧图像中的第一位置所确定的、位于第一位置周边的第一预设范围内的区域，所以，相比于第二视频帧图像中除了第一追踪区域之外的其他区域，第一追踪区域是目标对象在第二视频帧图像中更可能出现的区域，从而，基于第一追踪区域，可以在第二视频帧图像中对目标对象进行位置定位。

因此，在经过步骤11确定目标对象所处的第一位置后，根据第一位置，可以确定第一追踪区域所处位置，同时，可以获取到预先定义的第一追踪区域对应的形状，由此确定第一追踪区域。

在一种可能的实施例中，可以预先针对第一视频帧图像进行划分，将第一视频帧图像划分为N个部分，并且，根据目标对象在第一视频帧图像中所处的第一位置，确定该第一位置处于这N个部分中的哪个部分，并将第一位置所处的这个部分所对应的区域作为第一追踪区域。示例地，若将第一视频帧图像划分为9个矩形区域(D1～D9)，并且，目标对象在第一视频帧图像中所处的第一位置位于D5，那么，就可以将D5所对应的区域确定为第一追踪区域。

在步骤13中，在目标视频的第二视频帧图像中，获取位于第一追踪区域内的部分图像，作为第一待识别图像。

在步骤14中，在第一待识别图像中识别目标对象。

在步骤15中，若在第一待识别图像中识别到目标对象，确定目标对象在第二视频帧图像中所处的第二位置。

简单来说，在目标视频的播放过程中，第二视频帧图像为第一视频帧图像之后播放的视频帧图像。其中，播放过程可以包括正序播放和倒序播放。

在一种可能的实施方式中，在目标视频中，第一视频帧图像的出现时间早于第二视频帧图像的出现时间。也就是说，在按照由目标视频的起始时间向目标视频的结束时间的顺序播放目标视频的过程中，第二视频帧图像为第一视频帧图像之后的播放图像。其中，按照由目标视频的起始时间向目标视频的结束时间的顺序播放目标视频，也就是正序播放目标视频。在这一场景中，可以认为是以第一视频帧图像为播放起点，向后播放目标视频，并基于目标对象在第一视频帧图像的第一位置，确定目标对象在第一视频帧图像后的视频帧图像中所处的位置。

示例地，若在目标视频中，第一视频帧图像的出现时间早于第二视频帧图像的出现时间，在按照由目标视频的起始时间向所述目标视频的结束时间的顺序播放目标视频的过程中，第二视频帧图像为所述第一视频帧图像的下一帧播放图像。也就是说，第一视频帧图像和第二视频帧图像在目标视频中是相邻的视频帧图像。

在另一种可能的实施方式中，在目标视频中，第一视频帧图像的出现时间晚于第二视频帧图像的出现时间。也就是说，在按照由目标视频的结束时间向目标视频的起始时间的顺序播放目标视频的过程中，第二视频帧图像为第一视频帧图像后面的播放图像。其中，按照由目标视频的结束时间向目标视频的起始时间的顺序播放目标视频，也就是倒序播放目标视频。

示例地，若在目标视频中，第一视频帧图像的出现时间晚于第二视频帧图像的出现时间，在按照由目标视频的结束时间向目标视频的起始时间的顺序播放目标视频的过程中，第二视频帧图像为所述第一视频帧图像的下一帧播放图像。也就是说，第一视频帧图像和第二视频帧图像在目标视频中是相邻的视频帧图像。在这一场景中，可以认为是以第一视频帧图像为播放起点，向前倒播目标视频，并基于目标对象在第一视频帧图像的第一位置，确定目标对象在第一视频帧图像之前的视频帧图像中所处的位置。

因此，在确定第一追踪区域后，在目标视频的第二视频帧图像中，可以获取位于第一追踪区域内的部分图像，作为第一待识别图像。也就是说，从第二视频帧图像中获取最有可能出现目标图像的部分图像作为第一待识别图像，用作后续识别是否存在目标对象。

在一种可能的实施方式中，步骤14可以包括以下步骤：

将目标对象在第一视频帧图像内对应的第一图像以及第一待识别图像输入至追踪算法，获得追踪算法的目标输出结果。

目标输出结果用于指示在第一待识别图像中对目标对象的识别结果。

其中，追踪算法可以基于第一训练数据训练得到。第一训练数据可以包括第一历史视频以及第一历史对象在第一历史视频的第一历史视频帧图像内出现的第一历史位置。在训练过程中，以第一历史视频为输入数据、并以第一历史对象在第一历史视频的第一历史视频帧图像内出现的第一历史位置为输出数据，对机器学习算法训练，以得到该追踪算法。

这样，基于预先训练所得的追踪算法，可以直接通过第一图像和第一待识别图像得到追踪算法的目标输出结果，以获知在第一待识别图像中对目标对象的识别结果。

并且，目标输出结果具体用于指示在第一待识别图像中是否识别到目标对象以及识别到的目标对象在第一待识别图像中所处的目标位置。相应地，步骤15可以包括以下步骤：

若目标输出结果指示在第一待识别图像中识别到目标对象，根据目标输出结果指示的目标位置，确定目标对象在第二视频帧图像中所处的第二位置。

若追踪算法基于第一图像和第一待识别图像得到的目标输出结果指示能够在第一待识别图像中识别到目标对象，则目标输出结果中包含识别到的目标对象在第一待识别图像中所处的目标位置。

因此，可以根据目标输出结果指示的目标位置，确定目标对象在第二视频帧图像中所处的第二位置。由于第一待识别图像为第二视频帧图像的一部分，二者之间可以具有关联关系(例如，第一待识别图像与第二视频帧图像的相对位置，或者，第一待识别图像中像素点与第二视频帧图像中像素点的对应关系，等等)，根据这个关联关系就能够确定出待识别图像中的目标位置在第二视频帧图像中对应的第二位置。

通过上述几个步骤，基于目标对象在第一视频帧图像所处的第一位置，能够确定一个第一追踪区域，也就是目标对象在第二视频帧图像中最有可能出现的区域，并对第二视频帧图像内位于该第一追踪区域内的第一待识别图像进行识别，并在该第一待识别图像中识别到目标对象的情况下，确定目标对象在第二视频帧图像中所处的第二位置。

在实际的应用中，可以将目标对象位置已知的视频帧图像作为第一视频帧图像，并基于本公开提供的方法识别目标对象在第二视频帧图像中的位置。由此，在确定出目标对象在第二视频帧图像中的位置之后，目标对象在该第二视频帧图像中的位置变为已知，此后，还可以基于这个已知的位置再对其他视频帧图像中的目标对象进行识别。由此，通过不断地选取新的第一视频帧图像与第二视频帧图像，可以达到持续识别目标对象的效果。在这里，已知的目标对象位置可以来自用户对目标对象的标记，也可以是基于本公开的上述步骤所确定出的。

通过上述技术方案，在目标视频中的第一视频帧图像中，确定目标对象所处的第一位置，根据第一位置，确定第一追踪区域，在目标视频的第二视频帧图像中，获取位于第一追踪区域内的部分图像，作为第一待识别图像，在第一待识别图像中识别目标对象，若在第一待识别图像中识别到目标对象，确定目标对象在第二视频帧图像中所处的第二位置。这样，基于已知的目标对象的第一位置，确定目标对象在第二视频帧图像中最有可能出现的第一追踪区域，并基于第二视频帧图像中位于该第一追踪区域的部分图像得到第一待识别图像，并在该第一待识别图像中识别目标对象，在识别到目标对象的情况下，确定目标对象在第二视频帧图像中所处的第二位置。由此，只需要对第二视频帧图像的部分图像进行识别，就可以实现对目标对象在第二视频帧图像中的位置定位，而不再必须对完整的第二视频帧图像进行识别，能够在保证识别效果的前提下，减少目标对象定位过程中的数据处理量，提升数据处理效率。

在一种可能的实施方式中，在图1所示各步骤的基础上，本公开提供的方法还可以包括以下步骤：

若未在第一待识别图像中识别到目标对象，确定第二追踪区域；

在目标视频的第二视频帧图像中，获取位于第二追踪区域内的部分图像，作为第二待识别图像；

在第二待识别图像中识别目标对象；

若在第二待识别图像中识别到目标对象，确定目标对象在第二视频帧图像中所处的第三位置。

若未在第二待识别图像中识别到目标对象，说明在第二视频帧图像中位于第一追踪区域内的部分图像中不含目标图像，可能是因为确定的第一追踪区域不足以识别到目标对象，因此，可以确定第二追踪区域，第二追踪区域与第一追踪区域类似，也是目标对象在第二视频帧图像中出现可能性较大的区域。

示例地，第二追踪区域可以满足以下中的至少一者：

第二追踪区域位于第一追踪区域周边的第二预设范围内；

第二追踪区域的大小大于第一追踪区域的大小。

其中，第二追踪区域位于第一追踪区域周边的第二预设范围内，就是基于第一追踪区域进行适当的位置调整，以得到第二追踪区域。第二追踪区域的大小大于第一追踪区域的大小，就是基于第一追踪区域进行适当的扩大，以得到第二追踪区域。

在确定第二追踪区域后，在第二视频帧图像中，获取位于第二追踪区域内的部分图像作为第二待识别图像，并在第二待识别图像中识别目标对象，以及，若在第二待识别图像中识别到目标对象，确定目标对象在第二视频帧图像中所处的第三位置。在这里，在第二待识别图像中识别目标对象的方式，具体可以采用前述在第一待识别图像中识别目标对象的方式，以及，若在第二待识别图像中识别到目标对象，目标对象在第二视频帧图像中所处的第三位置的确定方式，具体可以采用前述目标对象在第二视频帧图像中所处的第二位置的确定方式，在上文中已经给出描述，不再重复叙述。

并且，若仍无法在第二待识别图像中识别到目标对象，还可以重复上述步骤，也就是重新确定第二追踪区域，并执行后续的相关步骤。

采用上述方式，在基于第一追踪区域无法识别到对象时，根据第二追踪区域再次识别目标对象，能够在第一追踪区域存在误差的情况下用第二追踪区域进行弥补，保证目标对象识别的正确进行。

在一种可能的实施方式中，在图1所示各步骤的基础上，本公开提供的方法还可以包括以下步骤：

若未在第一待识别图像中识别到目标对象，在第二视频帧图像中识别目标对象；

若在第二视频帧图像中识别到目标对象，确定目标对象在第二视频帧图像所处的第四位置。

若未在第一待识别图像中识别到目标对象，说明在第二视频帧图像中位于第一追踪区域内的部分图像中不含目标图像，可能是因为确定的第一追踪区域过小而未包含目标图像。因此，可以直接基于第二视频帧图像，在第二视频帧图像中识别目标对象，也就是利用完整的第二视频帧图像对目标对象进行识别。

示例地，可以将目标对象在第一视频帧图像内对应的第一图像以及第二视频帧图像输入至重检测算法，获得重检测的第二检测结果。其中，第二检测结果用于指示在第二视频帧图像中对目标对象的识别结果。具体地，第二检测结果可以用于指示在第二视频帧图像中是否识别到目标对象以及识别到的目标对象在第二视频帧图像中所处的第二检测位置。从而，根据该第二检测位置，即可确定目标对象在第二视频帧图像中所处的第四位置，在这里，第四位置就是第二检测位置。其中，重检测算法的相关说明在上文中已经给出，此处不再重复叙述。

这样，若通过第二视频帧图像的部分图像无法定位目标对象，还可以使用完整的第二视频帧图像对目标对象进行位置定位，并且，基于预先训练所得的重检测算法，可以直接通过第一图像和第二视频帧图像得到重检测算法的第二检测结果，以获知能否在第二视频帧图像中识别到目标对象。

在一种可能的实施方式中，若第一视频帧图像和第二视频帧图像在目标视频中并非相邻的视频帧图像，也就是第一视频帧图像和第二视频帧图像中包含其他视频帧图像(后文用第五视频帧图像表示，第五视频帧图像可以为一个或多个)，还可以根据目标对象在第一视频帧图像所处的第一位置和目标对象在第二视频帧图像所处的第二位置，确定目标对象在第五视频帧图像中所处的位置。示例地，可以使用插值操作确定目标对象在第五视频帧图像中所处的位置，在由第一视频帧图像向第二视频帧图像播放时，目标对象应当从第一位置移动至第二位置，基于第一位置和第二位置，确定由第一视频帧图像向第二视频帧图像播放时目标对象的移动方向(即，第一位置指向第二位置的方向)，并且，基于第一位置和第二位置在视频帧图像中的位移变化，确定目标对象在相邻视频帧图像的相对位移，从而，可以依次确定出目标对象在第五视频帧图像中所处的第五位置。需要说明的是，这里涉及到第二位置的描述，也可以是第三位置或第四位置。

采用上述方式，利用目标对象在第一视频帧图像中所处的第一位置和目标对象在第二视频帧图像中所处的第二位置，确定目标对象在第一视频帧图像和第二视频帧图像之间的其他视频帧图像中所处的位置，无需对目标视频中的每一视频帧图像进行目标对象识别，可以减小识别目标对象的数据处理量。

在一种可能的实施方式中，若经过上述步骤后仍无法确定目标对象在第二视频帧图像中所处的第二位置，则可以确定第二视频帧图像内不包含目标对象。

在一种可能的实施方式中，本公开提供的方法还可以包括以下步骤：

将预设素材叠加至第一视频帧图像内的第一位置，以及，将预设素材叠加至第二视频帧图像内的第二位置。

其中，预设素材可以包括但不限于以下中的至少一者：文本、贴纸、图像、视频、特效、动画、美颜、蒙版。

基于目标对象在第一视频帧图像内的第一位置和目标对象在第二视频帧图像内的第二位置，可以将预设素材叠加至相应的第一位置和第二位置。需要说明的是，这里涉及到第二位置的描述，也可以是第三位置或第四位置。

在实际的应用场景中，可以基于本公开提供的方法确定目标对象在目标视频各视频帧图像中所处的位置，并基于确定出的目标对象在目标视频各视频帧图像中所处的位置，分别叠加预设素材。例如，在面对为视频A中的桌子B添加马赛克的需求时，可以利用本公开提供的方法确定桌子B在视频A中各个视频帧图像中所处的位置，并分别向桌子B在视频A中各个视频帧图像中所处的位置叠加马赛克素材，这样，视频A中的桌子B均被添加马赛克。

下面结合具体的应用场景，叙述本公开提供的视频内对象的定位方法的应用方式及能够达到的效果。

在音/视频处理领域，一般情况下，音/视频编辑包括三层结构，分别是业务层(前台)、SDK层(中台)、算法层(后台)，其中，SDK是SoftwareDevelopment Kit的缩写，中文意思是“软件开发工具包”。业务层负责接收用户操作；SDK层负责数据传递，比如将待处理数据传递给算法层，以获得算法层的处理结果，并根据得到的处理结果进一步处理数据，举例来说，SDK层可以负责音/视频的抽帧、编解码、渲染(例如，特效渲染)等，同时，在SDK层可以设置针对数据的处理策略(例如，插值操作等)，以及，SDK层包括VESDK和Effcect SDK，其中，VE SDK主要负责抽帧、编解码等，EffcectSDK主要负责效果渲染；算法层负责处理SDK层传入的数据，并将得到的处理结果输出给SDK层。

本公开提供的方法主要应用于视频编辑场景，并且，本公开提供的方法中各步骤可以由SDK层(中台)执行，并且，本公开所使用的追踪算法、重检测算法均集成在算法层。在一种可能的场景中，本公开提供的方法能够实现对目标视频内目标物体的自动追踪，并且能够为追踪到的目标物体添加预设素材(例如，加贴纸)。

其主要流程可以概括为以下几者：

在S1中，客户端(业务层)接收用户对目标对象的选择，并将用户所选择的目标对象告知SDK层；

在S2中，SDK层从目标视频中获得待处理图像，并对待处理图像进行解码，传递给算法层；

在S3中，算法层对接收到的待处理图像进行处理，获得处理结果(目标对象在待处理图像中所处的位置)，并输出至SDK层；

在S4中，SDK层根据从算法层接收到的处理结果，进行后续的处理(例如，向目标对象所在位置加贴纸)。

其中，在S2中，待处理图像相当于前文中所述的第一待识别图像。在对目标视频内的目标物体进行自动追踪的过程中，往往需要持续地获取目标视频内的多帧视频帧图像，并基于算法层的算法、依据目标对象在前一帧视频帧图像中的位置对目标对象进行追踪，以确定目标对象在后一帧视频帧图像中的位置，如此循环，直至完成对整个目标视频中的目标对象的追踪。

以及，从目标视频中获得待处理图像的方式可以包括但不限于以下中的任意一者：正序播放、倒序播放、正序抽帧、倒序抽帧。其中，对于iOS操作系统来说，它本身具备倒播的能力，因此，可以采用正序播放、倒序播放、正序抽帧、倒序抽帧方式中的一者获得目标视频中的一帧视频帧图像，从而获得待处理图像，并且，为了加快数据处理速度，还可以在正序播放、倒序播放的过程中采用倍速播放的方式。而对于Android操作系统来说，它本身不具备倒播的能力，因此，可以采用正序播放、正序抽帧、倒序抽帧方式中的一者获得待处理图像。上述过程由VESDK来完成。

在SDK层向算法层传递待处理图像(由VESDK传给Effect SDK，再由Effect SDK透传给算法层)时，每一次传递一个待处理图像，并由算法层产生关于本次传递的待处理图像的处理结果(处理结果用于指示能否在本次传递的待处理图像中识别到目标对象以及识别到的目标对象在本次传递的待处理图像中所处的位置)。之后，算法层会将本次的处理结果反馈给SDK层(由算法层传递给Effect SDK，由Effect SDK透传给VESDK)，SDK层根据本次的处理结果结合相应的策略，确定下次应当传给算法层什么样的数据。

例如，若算法层本次的处理结果指示未在本次传递的待处理图像中识别到目标对象，则可以参照前文中所给出的方式，由SDK层向算法层传递一个新的待处理图像(可以是第二待识别图像或第二视频帧图像)，并继续由算法层处理。再例如，若算法层本次的处理结果指示在本次传递的待处理图像中识别到目标对象，将该处理结果反馈给SDK层之后，SDK可以基于本次的处理结果确定目标对象在第二视频帧图像中所处位置。

之后，SDK层还可以确定新的第二视频帧图像并确定新的待处理图像，并继续上述过程，如此重复，就可以实现对目标对象在目标视频内的位置追踪。

其中，若算法层接收到的待处理图像是第一待识别图像或第二待识别图像，算法层可以基于前文中给出的追踪算法获得有关于待处理图像的处理结果，也就是能否在待处理图像中识别到目标对象以及识别到的目标对象在待处理图像中所处位置。若算法层接收到的待处理图像是第二视频帧图像，算法层可以基于前文中给出的重检测算法确定有关于待处理图像的处理结果，也就是能否在待处理图像中识别到目标对象以及识别到的目标对象在待处理图像中所处位置。

每当确定出目标对象在某一视频帧图像中所处位置时，就可以由VESDK建立目标对象与目标对象在这个视频帧图像中所处位置之间的追踪关系，并基于这个追踪关系，由Effect SDK基于预设素材和追踪关系进行效果渲染。这样，在得到目标对象在目标视频中的若干位置之后，就可以自动叠加预设素材，实现素材添加的效果。

图2是根据本公开的一种实施方式提供的视频内对象的定位装置的框图。如图2所示，该装置20可以包括：

第一确定模块21，用于在目标视频中的第一视频帧图像中，确定目标对象所处的第一位置；

第二确定模块22，用于根据所述第一位置，确定第一追踪区域，所述第一追踪区域的大小小于所述第一视频帧图像的大小，以及，所述第一追踪区域位于所述第一位置周边的第一预设范围内；

第一获取模块23，用于在所述目标视频的第二视频帧图像中，获取位于所述第一追踪区域内的部分图像，作为第一待识别图像；

第一识别模块24，用于在所述第一待识别图像中识别所述目标对象；

第三确定模块25，用于若在所述第一待识别图像中识别到所述目标对象，确定所述目标对象在所述第二视频帧图像中所处的第二位置。

可选地，所述第一识别模块24用于将所述目标对象在所述第一视频帧图像内对应的第一图像以及所述第一待识别图像输入至追踪算法，获得所述追踪算法的目标输出结果，其中，所述追踪算法基于第一训练数据训练得到，所述第一训练数据包括第一历史视频以及第一历史对象在所述第一历史视频的第一历史视频帧图像内出现的第一历史位置，所述目标输出结果用于指示在所述第一待识别图像中对所述目标对象的识别结果。

可选地，所述目标输出结果具体用于指示在所述第一待识别图像中是否识别到所述目标对象以及识别到的所述目标对象在所述第一待识别图像中所处的目标位置；

所述第三确定模块25用于若所述目标输出结果指示在所述第一待识别图像中识别到所述目标对象，根据目标输出结果指示的所述目标位置，确定所述目标对象在所述第二视频帧图像中所处的第二位置。

可选地，所述装置20还包括：

第四确定模块，用于若未在所述第一待识别图像中识别到所述目标对象，确定第二追踪区域，其中，所述第二追踪区域位于所述第一追踪区域周边的第二预设范围内，和/或，所述第二追踪区域的大小大于所述第一追踪区域的大小；

第二获取模块，用于在所述目标视频的所述第二视频帧图像中，获取位于所述第二追踪区域内的部分图像，作为第二待识别图像；

第二识别模块，用于在所述第二待识别图像中识别所述目标对象；

第五确定模块，用于若在所述第二待识别图像中识别到所述目标对象，确定所述目标对象在所述第二视频帧图像中所处的第三位置。

可选地，所述装置20还包括：

第三识别模块，用于若未在所述第一待识别图像中识别到所述目标对象，在所述第二视频帧图像中识别所述目标对象；

第六确定模块，用于若在所述第二视频帧图像中识别到所述目标对象，确定所述目标对象在所述第二视频帧图像所处的第四位置。

可选地，在所述目标视频中，所述第一视频帧图像的出现时间早于所述第二视频帧图像的出现时间；或者，

在所述目标视频中，所述第一视频帧图像的出现时间晚于所述第二视频帧图像的出现时间。

可选地，若在所述目标视频中，所述第一视频帧图像的出现时间早于所述第二视频帧图像的出现时间，在按照由所述目标视频的起始时间向所述目标视频的结束时间的顺序播放所述目标视频的过程中，所述第二视频帧图像为所述第一视频帧图像的下一帧播放图像；或者，

若在所述目标视频中，所述第一视频帧图像的出现时间晚于所述第二视频帧图像的出现时间，在按照由所述目标视频的结束时间向所述目标视频的起始时间的顺序播放所述目标视频的过程中，所述第二视频帧图像为所述第一视频帧图像的下一帧播放图像。

可选地，所述装置20还包括素材叠加模块，用于将预设素材叠加至所述第一视频帧图像内的所述第一位置，以及，将所述预设素材叠加至所述第二视频帧图像内的所述第二位置。

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。

下面参考图3，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3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3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3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，电子设备600可以利用诸如HTTP(HyperTextTransferProtocol，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：在目标视频中的第一视频帧图像中，确定目标对象所处的第一位置；根据所述第一位置，确定第一追踪区域，所述第一追踪区域的大小小于所述第一视频帧图像的大小，以及，所述第一追踪区域位于所述第一位置周边的第一预设范围内；在所述目标视频的第二视频帧图像中，获取位于所述第一追踪区域内的部分图像，作为第一待识别图像；在所述第一待识别图像中识别所述目标对象；若在所述第一待识别图像中识别到所述目标对象，确定所述目标对象在所述第二视频帧图像中所处的第二位置。

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，第一确定模块还可以被描述为“在目标视频中的第一视频帧图像中确定目标对象所处的第一位置的模块”。

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，提供了一种视频内对象的定位方法，所述方法包括：

在目标视频中的第一视频帧图像中，确定目标对象所处的第一位置；

根据所述第一位置，确定第一追踪区域，所述第一追踪区域的大小小于所述第一视频帧图像的大小，以及，所述第一追踪区域位于所述第一位置周边的第一预设范围内；

在所述目标视频的第二视频帧图像中，获取位于所述第一追踪区域内的部分图像，作为第一待识别图像；

在所述第一待识别图像中识别所述目标对象；

若在所述第一待识别图像中识别到所述目标对象，确定所述目标对象在所述第二视频帧图像中所处的第二位置。

根据本公开的一个或多个实施例，提供了一种视频内对象的定位方法，其中，所述在所述第一待识别图像中识别所述目标对象，包括：

将所述目标对象在所述第一视频帧图像内对应的第一图像以及所述第一待识别图像输入至追踪算法，获得所述追踪算法的目标输出结果，其中，所述追踪算法基于第一训练数据训练得到，所述第一训练数据包括第一历史视频以及第一历史对象在所述第一历史视频的第一历史视频帧图像内出现的第一历史位置，所述目标输出结果用于指示在所述第一待识别图像中对所述目标对象的识别结果。

根据本公开的一个或多个实施例，提供了一种视频内对象的定位方法，其中，所述目标输出结果具体用于指示在所述第一待识别图像中是否识别到所述目标对象以及识别到的所述目标对象在所述第一待识别图像中所处的目标位置；

所述若在所述第一待识别图像中识别到所述目标对象，确定所述目标对象在所述第二视频帧图像中所处的第二位置，包括：

若所述目标输出结果指示在所述第一待识别图像中识别到所述目标对象，根据所述目标输出结果指示的所述目标位置，确定所述目标对象在所述第二视频帧图像中所处的第二位置。

根据本公开的一个或多个实施例，提供了一种视频内对象的定位方法，其中，所述方法还包括：

若未在所述第一待识别图像中识别到所述目标对象，确定第二追踪区域，其中，所述第二追踪区域位于所述第一追踪区域周边的第二预设范围内，和/或，所述第二追踪区域的大小大于所述第一追踪区域的大小；

在所述目标视频的所述第二视频帧图像中，获取位于所述第二追踪区域内的部分图像，作为第二待识别图像；

在所述第二待识别图像中识别所述目标对象；

若在所述第二待识别图像中识别到所述目标对象，确定所述目标对象在所述第二视频帧图像中所处的第三位置。

根据本公开的一个或多个实施例，提供了一种视频内对象的定位方法，其中，所述方法还包括：

若未在所述第一待识别图像中识别到所述目标对象，在所述第二视频帧图像中识别所述目标对象；

若在所述第二视频帧图像中识别到所述目标对象，确定所述目标对象在所述第二视频帧图像所处的第四位置。

根据本公开的一个或多个实施例，提供了一种视频内对象的定位方法，其中，在所述目标视频中，所述第一视频帧图像的出现时间早于所述第二视频帧图像的出现时间；或者，

在所述目标视频中，所述第一视频帧图像的出现时间晚于所述第二视频帧图像的出现时间。

根据本公开的一个或多个实施例，提供了一种视频内对象的定位方法，其中，若在所述目标视频中，所述第一视频帧图像的出现时间早于所述第二视频帧图像的出现时间，在按照由所述目标视频的起始时间向所述目标视频的结束时间的顺序播放所述目标视频的过程中，所述第二视频帧图像为所述第一视频帧图像的下一帧播放图像；或者，

若在所述目标视频中，所述第一视频帧图像的出现时间晚于所述第二视频帧图像的出现时间，在按照由所述目标视频的结束时间向所述目标视频的起始时间的顺序播放所述目标视频的过程中，所述第二视频帧图像为所述第一视频帧图像的下一帧播放图像。

根据本公开的一个或多个实施例，提供了一种视频内对象的定位方法，其中，所述方法还包括：

将预设素材叠加至所述第一视频帧图像内的所述第一位置，以及，将所述预设素材叠加至所述第二视频帧图像内的所述第二位置。

根据本公开的一个或多个实施例，提供了一种视频内对象的定位装置，所述装置包括：

第一确定模块，用于在目标视频中的第一视频帧图像中，确定目标对象所处的第一位置；

第二确定模块，用于根据所述第一位置，确定第一追踪区域，所述第一追踪区域的大小小于所述第一视频帧图像的大小，以及，所述第一追踪区域位于所述第一位置周边的第一预设范围内；

第一获取模块，用于在所述目标视频的第二视频帧图像中，获取位于所述第一追踪区域内的部分图像，作为第一待识别图像；

第一识别模块，用于在所述第一待识别图像中识别所述目标对象；

第三确定模块，用于若在所述第一待识别图像中识别到所述目标对象，确定所述目标对象在所述第二视频帧图像中所处的第二位置。

根据本公开的一个或多个实施例，提供了一种视频内对象的定位装置，其中，所述识别模块用于将所述目标对象在所述第一视频帧图像内对应的第一图像以及所述第一待识别图像输入至追踪算法，获得所述追踪算法的目标输出结果，其中，所述追踪算法基于第一训练数据训练得到，所述第一训练数据包括第一历史视频以及第一历史对象在所述第一历史视频的第一历史视频帧图像内出现的第一历史位置，所述目标输出结果用于指示在所述第一待识别图像中对所述目标对象的识别结果。

根据本公开的一个或多个实施例，提供了一种视频内对象的定位装置，其中，所述目标输出结果具体用于指示在所述第一待识别图像中是否识别到所述目标对象以及识别到的所述目标对象在所述第一待识别图像中所处的目标位置；

所述第三确定模块用于若所述目标输出结果指示在所述第一待识别图像中识别到所述目标对象，根据目标输出结果指示的所述目标位置，确定所述目标对象在所述第二视频帧图像中所处的第二位置。

根据本公开的一个或多个实施例，提供了一种视频内对象的定位装置，其中，所述装置还包括：

第四确定模块，用于若未在所述第一待识别图像中识别到所述目标对象，确定第二追踪区域，其中，所述第二追踪区域位于所述第一追踪区域周边的第二预设范围内，和/或，所述第二追踪区域的大小大于所述第一追踪区域的大小；

第二获取模块，用于在所述目标视频的所述第二视频帧图像中，获取位于所述第二追踪区域内的部分图像，作为第二待识别图像；

第二识别模块，用于在所述第二待识别图像中识别所述目标对象；

第五确定模块，用于若在所述第二待识别图像中识别到所述目标对象，确定所述目标对象在所述第二视频帧图像中所处的第三位置。

根据本公开的一个或多个实施例，提供了一种视频内对象的定位装置，其中，所述装置还包括：

第三识别模块，用于若未在所述第一待识别图像中识别到所述目标对象，在所述第二视频帧图像中识别所述目标对象；

第六确定模块，用于若在所述第二视频帧图像中识别到所述目标对象，确定所述目标对象在所述第二视频帧图像所处的第四位置。

根据本公开的一个或多个实施例，提供了一种视频内对象的定位装置，其中，在所述目标视频中，所述第一视频帧图像的出现时间早于所述第二视频帧图像的出现时间；或者，

在所述目标视频中，所述第一视频帧图像的出现时间晚于所述第二视频帧图像的出现时间。

根据本公开的一个或多个实施例，提供了一种视频内对象的定位装置，其中，若在所述目标视频中，所述第一视频帧图像的出现时间早于所述第二视频帧图像的出现时间，在按照由所述目标视频的起始时间向所述目标视频的结束时间的顺序播放所述目标视频的过程中，所述第二视频帧图像为所述第一视频帧图像的下一帧播放图像；或者，

若在所述目标视频中，所述第一视频帧图像的出现时间晚于所述第二视频帧图像的出现时间，在按照由所述目标视频的结束时间向所述目标视频的起始时间的顺序播放所述目标视频的过程中，所述第二视频帧图像为所述第一视频帧图像的下一帧播放图像。

根据本公开的一个或多个实施例，提供了一种视频内对象的定位装置，其中，所述装置还包括素材叠加模块，用于将预设素材叠加至所述第一视频帧图像内的所述第一位置，以及，将所述预设素材叠加至所述第二视频帧图像内的所述第二位置。

根据本公开的一个或多个实施例，提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现本公开任意实施例所述方法的步骤。

根据本公开的一个或多个实施例，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，以实现本公开任意实施例所述方法的步骤。

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 (11)

1.一种视频内对象的定位方法，其特征在于，所述方法包括：

在目标视频中的第一视频帧图像中，确定目标对象所处的第一位置；

根据所述第一位置，确定第一追踪区域，所述第一追踪区域的大小小于所述第一视频帧图像的大小，以及，所述第一追踪区域位于所述第一位置周边的第一预设范围内；

在所述目标视频的第二视频帧图像中，获取位于所述第一追踪区域内的部分图像，作为第一待识别图像；

在所述第一待识别图像中识别所述目标对象；

若在所述第一待识别图像中识别到所述目标对象，确定所述目标对象在所述第二视频帧图像中所处的第二位置。

2.根据权利要求1所述的方法，其特征在于，所述在所述第一待识别图像中识别所述目标对象，包括：

将所述目标对象在所述第一视频帧图像内对应的第一图像以及所述第一待识别图像输入至追踪算法，获得所述追踪算法的目标输出结果，其中，所述追踪算法基于第一训练数据训练得到，所述第一训练数据包括第一历史视频以及第一历史对象在所述第一历史视频的第一历史视频帧图像内出现的第一历史位置，所述目标输出结果用于指示在所述第一待识别图像中对所述目标对象的识别结果。

3.根据权利要求2所述的方法，其特征在于，所述目标输出结果具体用于指示在所述第一待识别图像中是否识别到所述目标对象以及识别到的所述目标对象在所述第一待识别图像中所处的目标位置；

所述若在所述第一待识别图像中识别到所述目标对象，确定所述目标对象在所述第二视频帧图像中所处的第二位置，包括：

若所述目标输出结果指示在所述第一待识别图像中识别到所述目标对象，根据所述目标输出结果指示的所述目标位置，确定所述目标对象在所述第二视频帧图像中所处的第二位置。

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：

若未在所述第一待识别图像中识别到所述目标对象，确定第二追踪区域，其中，所述第二追踪区域位于所述第一追踪区域周边的第二预设范围内，和/或，所述第二追踪区域的大小大于所述第一追踪区域的大小；

在所述目标视频的所述第二视频帧图像中，获取位于所述第二追踪区域内的部分图像，作为第二待识别图像；

在所述第二待识别图像中识别所述目标对象；

若在所述第二待识别图像中识别到所述目标对象，确定所述目标对象在所述第二视频帧图像中所处的第三位置。

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：

若未在所述第一待识别图像中识别到所述目标对象，在所述第二视频帧图像中识别所述目标对象；

若在所述第二视频帧图像中识别到所述目标对象，确定所述目标对象在所述第二视频帧图像所处的第四位置。

6.根据权利要求1-5中任一项所述的方法，其特征在于，

在所述目标视频中，所述第一视频帧图像的出现时间早于所述第二视频帧图像的出现时间；或者，

在所述目标视频中，所述第一视频帧图像的出现时间晚于所述第二视频帧图像的出现时间。

7.根据权利要求6所述的方法，其特征在于，

若在所述目标视频中，所述第一视频帧图像的出现时间早于所述第二视频帧图像的出现时间，在按照由所述目标视频的起始时间向所述目标视频的结束时间的顺序播放所述目标视频的过程中，所述第二视频帧图像为所述第一视频帧图像的下一帧播放图像；或者，

若在所述目标视频中，所述第一视频帧图像的出现时间晚于所述第二视频帧图像的出现时间，在按照由所述目标视频的结束时间向所述目标视频的起始时间的顺序播放所述目标视频的过程中，所述第二视频帧图像为所述第一视频帧图像的下一帧播放图像。

8.根据权利要求1-5中任一项所述的方法，其特征在于，所述方法还包括：

将预设素材叠加至所述第一视频帧图像内的所述第一位置，以及，将所述预设素材叠加至所述第二视频帧图像内的所述第二位置。

9.一种视频内对象的定位装置，其特征在于，所述装置包括：

第一确定模块，用于在目标视频中的第一视频帧图像中，确定目标对象所处的第一位置；

第二确定模块，用于根据所述第一位置，确定第一追踪区域，所述第一追踪区域的大小小于所述第一视频帧图像的大小，以及，所述第一追踪区域位于所述第一位置周边的第一预设范围内；

第一获取模块，用于在所述目标视频的第二视频帧图像中，获取位于所述第一追踪区域内的部分图像，作为第一待识别图像；

第一识别模块，用于在所述第一待识别图像中识别所述目标对象；

第三确定模块，用于若在所述第一待识别图像中识别到所述目标对象，确定所述目标对象在所述第二视频帧图像中所处的第二位置。

10.一种计算机可读介质，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1-8中任一项所述方法的步骤。

11.一种电子设备，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1-8中任一项所述方法的步骤。

Images