CN113453017B - 视频处理方法、装置、设备及计算机程序产品 - Google Patents

视频处理方法、装置、设备及计算机程序产品 Download PDF

Info

Publication number
CN113453017B
CN113453017B CN202110715548.4A CN202110715548A CN113453017B CN 113453017 B CN113453017 B CN 113453017B CN 202110715548 A CN202110715548 A CN 202110715548A CN 113453017 B CN113453017 B CN 113453017B
Authority
CN
China
Prior art keywords
frame
color
processed
video
image
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.)
Active
Application number
CN202110715548.4A
Other languages
English (en)
Other versions
CN113453017A (zh
Inventor
张健
李立锋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Mobile Communications Group Co Ltd
MIGU Culture Technology Co Ltd
Original Assignee
China Mobile Communications Group Co Ltd
MIGU Culture Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Mobile Communications Group Co Ltd, MIGU Culture Technology Co Ltd filed Critical China Mobile Communications Group Co Ltd
Priority to CN202110715548.4A priority Critical patent/CN113453017B/zh
Publication of CN113453017A publication Critical patent/CN113453017A/zh
Application granted granted Critical
Publication of CN113453017B publication Critical patent/CN113453017B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/593—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving spatial prediction techniques
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • G06T9/004—Predictors, e.g. intraframe, interframe coding
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
    • H04N19/172—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a picture, frame or field

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Signal Processing (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computational Linguistics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Evolutionary Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)
  • Processing Of Color Television Signals (AREA)

Abstract

本发明公开了一种视频处理方法，包括：对待处理视频的关键帧进行镜头分割操作，以获得多个图像组；获取颜色差，基于第一帧分别确定各个的参考帧以及待处理帧；分别获取各个图像组中待处理帧的部位区域与色值范围之间的色值对应关系；获取各个所述待处理帧对应的第一低色域图像帧，基于所述颜色差、所述第一低色域图像帧、所述色值对应关系以及所述参考帧，确定所述待处理视频对应的压缩视频。本发明还公开了一种视频处理装置、设备及计算机程序产品。本发明通过对关键帧进行结构拆解，针对不同的部位区域的色值范围进行压缩，提高了帧内压缩的压缩比，根据各个镜头中各帧的相似度进行参考帧的选择，提高了参考帧的准确性。

Description

视频处理方法、装置、设备及计算机程序产品
技术领域
本发明涉及视频处理领域，尤其涉及一种视频处理方法、装置、设备及计算机程序产品。
背景技术
随着智能手机、平板电脑和电子阅读器之类的移动设备的发展，多媒体数据在移动终端上的使用也越来越广泛。由于移动终端所处的网络环境易变且复杂，使得可用带宽容易受到限制，所以在移动终端需要下载或上传数据量较大的视频文件至网络侧时，通常都需要对视频文件进行压缩。
通常，视频压缩包括帧内压缩及帧间压缩。帧内压缩技术压缩单独的帧，常称为I-帧或关键帧。帧间压缩技术参考以前帧或后续帧压缩帧，它们通常称为预计帧、P-帧、或B-帧。现有的视频压缩，采用的是GOP(Group of Pictures，画面组)内关键帧帧内压缩，以及利用图像残差的帧间预测的方式进行视频压缩。但是，现有的帧内压缩方式，并未对同镜头内的关键帧的不同区域进行处理，导致帧内压缩的压缩比较低。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种视频处理方法、装置、设备及计算机程序产品，旨在解决现有的视频压缩中关键帧帧内压缩的压缩比较低的技术问题。
为实现上述目的，本发明提供一种视频处理方法，所述视频处理方法包括以下步骤：
对待处理视频的关键帧进行镜头分割操作，以获得多个图像组，其中，所述图像组中的各帧属于同一镜头；
获取各个图像组中人物以及物体的颜色差，分别基于图像组中相邻量两帧之间的相似度确定各帧的目标相似度，分别确定各个图像组中目标相似度大于或等于预设阈值的第一帧，基于所述第一帧分别确定各个的参考帧以及待处理帧；
对所述待处理帧进行结构拆解操作，以分别获得待处理帧中的部位区域对应的色值范围，分别获取各个图像组中待处理帧的部位区域与色值范围之间的色值对应关系；
获取各个所述待处理帧对应的第一低色域图像帧，基于所述颜色差、所述第一低色域图像帧、所述色值对应关系以及所述参考帧，确定所述待处理视频对应的压缩视频。
进一步地，所述对所述待处理帧进行结构拆解操作，以分别获得待处理帧中的部位区域对应的色值范围的步骤包括：
基于预设rgb颜色分区分别对所述待处理帧映射，以获得映射后的待处理帧，获取映射后的待处理帧对应的第二低色域图像帧，基于色值连续性规则确定各个第二低色域图像帧中的分界线，并基于所述分界线分别确定待处理帧中的部位区域，基于所述待处理帧获取各个部位区域对应的色值范围；或者，
对所述待处理帧图像识别操作，以获得待处理帧中的部位区域，基于所述待处理帧获取各个部位区域对应的色值范围，其中，所述部位区域包括待处理帧中人物或物体的不同部位。
进一步地，所述获取各个所述待处理帧对应的第一低色域图像帧的步骤包括：
将所述述待处理帧转换为黑白图像帧或者线框图像帧，以获得所述第一低色域图像帧；或者，
基于图像边缘检测算法，确定各个待处理帧中的物体轮廓，对所述物体轮廓的轮廓坐标进行傅里叶变换操作，以获得所述第一低色域图像帧。
进一步地，所述分别基于图像组中相邻量两帧之间的相似度确定各帧的目标相似度的步骤包括：
基于预设rgb颜色分区，分别对所述各个图像组中的图像帧进行映射，以获得映射后的图像组；
获取映射后的图像组中各个图像帧的颜色直方图向量，基于所述颜色直方图向量确定各个图像组中相邻量两帧之间的相似度，基于所述确定各帧的目标相似度；或者，
对映射后的图像组进行归一化操作，以获得归一化后的图像组，获取归一化后的图像组中相邻两个图像帧之间的差异化像素点对应的像素对，并确定各个像素对之间的像素相似度；基于所述像素相似度，确定各个图像组中相邻量两帧之间的相似度，基于所述相似度确定各帧的目标相似度。
进一步地，所述基于所述颜色差、所述第一低色域图像帧、所述色值对应关系以及所述参考帧，确定所述待处理视频对应的压缩视频的步骤包括：
获取各个所述待处理帧对应的低色域图片以及包括UV分量的彩色图片，将所述低色域图片作为待训练GAN模型的输入，将所述彩色图片作为待训练GAN模型的输出进行模型训练，以获得预训练的GAN模型，其中，所述待训练GAN模型为所述待处理视频的风格对应的模型GAN；
若各个图像组存在目标相似度小于预设阈值的第二帧，则基于所述颜色差、预训练的GAN模型、所述低色域图片、第二帧、所述色值对应关系以及所述参考帧，确定所述待处理视频对应的压缩视频；
若各个图像组不存在目标相似度小于预设阈值的第二帧，则基于所述颜色差、预训练的GAN模型、所述低色域图片、所述色值对应关系以及所述参考帧，确定所述待处理视频对应的压缩视频。
进一步地，所述基于所述颜色差、所述第一低色域图像帧、所述色值对应关系以及所述参考帧，确定所述待处理视频对应的压缩视频的步骤之后，所述视频处理方法还包括：
获取压缩视频对应的预训练的GAN模型，将所述压缩视频中的视频帧输入预训练的GAN模型进行模型训练，以获得训练后的视频帧；
基于所述压缩视频的各个图像组中参考帧的Y值，对训练后的视频帧中各个图像组进行处理，以获得处理后的视频帧；
基于压缩视频中的颜色差以及色值对应关系，确定处理后的视频帧对应的各个图像组是否存在颜色差异图像组；
若不存在，则将处理后的视频帧作为解码后的目标视频。
进一步地，所述确定处理后的视频帧的各个图像组是否存在颜色差异图像组的步骤之后，还包括：
若存在，则获取颜色差异图像组中的差异图像帧对应的第一色彩分布，以及差异图像组中的参考帧对应的第二色彩分布；
基于所述第二色彩分布对所述第一色彩分布进行匹配处理，以获得处理后的差异图像帧，并采用处理后的差异图像帧替换颜色差异图像组中的差异图像帧，得到处理后的颜色差异图像组；
基于处理后的颜色差异图像组以及处理后的视频帧中的正常图像组，确定所述目标视频。
此外，为实现上述目的，本发明还提供一种视频处理装置，所述视频处理装置包括：
分割模块，用于对待处理视频的关键帧进行镜头分割操作，以获得多个图像组，其中，所述图像组中的各帧属于同一镜头；
第一获取模块，用于获取各个图像组中人物以及物体的颜色差，分别基于图像组中相邻量两帧之间的相似度确定各帧的目标相似度，分别确定各个图像组中目标相似度大于或等于预设阈值的第一帧，基于所述第一帧分别确定各个的参考帧以及待处理帧；
拆解模块，用于对所述待处理帧进行结构拆解操作，以分别获得待处理帧中的部位区域对应的色值范围，分别获取各个图像组中待处理帧的部位区域与色值范围之间的色值对应关系；
第二获取模块，用于获取各个所述待处理帧对应的第一低色域图像帧，基于所述颜色差、所述第一低色域图像帧、所述色值对应关系以及所述参考帧，确定所述待处理视频对应的压缩视频。
此外，为实现上述目的，本发明还提供一种视频处理设备，所述视频处理设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的视频处理程序，所述视频处理程序被所述处理器执行时实现前述的视频处理方法的步骤。
此外，为实现上述目的，本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现前述的视频处理方法的步骤。
本发明通过对待处理视频的关键帧进行镜头分割操作，以获得多个图像组，接着获取各个图像组中人物以及物体的颜色差，分别基于图像组中相邻量两帧之间的相似度确定各帧的目标相似度，分别确定各个图像组中目标相似度大于或等于预设阈值的第一帧，基于所述第一帧分别确定各个的参考帧以及待处理帧；而后对所述待处理帧进行结构拆解操作，以分别获得待处理帧中的部位区域对应的色值范围，分别获取各个图像组中待处理帧的部位区域与色值范围之间的色值对应关系；然后获取各个所述待处理帧对应的第一低色域图像帧，基于所述颜色差、所述第一低色域图像帧、所述色值对应关系以及所述参考帧，确定所述待处理视频对应的压缩视频，通过对关键帧进行结构拆解，针对不同的部位区域的色值范围进行压缩，提高了帧内压缩的压缩比。同时，根据各个镜头中各帧的相似度进行参考帧的选择，提高了参考帧的准确性。
附图说明
图1是本发明实施例方案涉及的硬件运行环境中视频处理设备的结构示意图；
图2为本发明视频处理方法第一实施例的流程示意图；
图3为本发明视频处理方法一实施例中对待处理帧进行结构拆解的示意图；
图4为本发明视频处理装置一实施例的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
如图1所示，图1是本发明实施例方案涉及的硬件运行环境中视频处理设备的结构示意图。
本发明实施例视频处理设备可以是PC，也可以是智能手机、平板电脑、电子书阅读器、MP3(Moving Picture Experts Group Audio Layer III，动态影像专家压缩标准音频层面3)播放器、MP4(Moving Picture Experts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、便携计算机等具有显示功能的可移动式终端设备。
如图1所示，该视频处理设备可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
可选地，视频处理设备还可以包括摄像头、RF(Radio Frequency，射频)电路，传感器、音频电路、WiFi模块等等。其中，传感器比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示屏的亮度，接近传感器可在视频处理设备移动到耳边时，关闭显示屏和/或背光。作为运动传感器的一种，重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别移动终端姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；当然，视频处理设备还可配置陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。
本领域技术人员可以理解，图1中示出的终端结构并不构成对视频处理设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及视频处理程序。
在图1所示的终端中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端(用户端)，与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的视频处理程序。
在本实施例中，视频处理设备包括：存储器1005、处理器1001及存储在所述存储器1005上并可在所述处理器1001上运行的视频处理程序，其中，处理器1001调用存储器1005中存储的视频处理程序时，并执行以下各个实施例中视频处理方法的步骤。
本发明还提供一种视频处理方法，参照图2，图2为本发明视频处理方法第一实施例的流程示意图。
在本实施例中，该视频处理方法包括以下步骤：
步骤S101，对待处理视频的关键帧进行镜头分割操作，以获得多个图像组，其中，所述图像组中的各帧属于同一镜头；
本实施例中，在获取到待处理视频时，采用镜头分割技术，对待处理视频的关键帧进行镜头分割操作，以获得多个图像组，以使每一个图像组中的各帧属于同一镜头，具体地，可以采用现有的特征比对、像素比较等镜头分割技术，当关键帧中前后两帧的图像差异大于预设差异值时，认为镜头存在变化，进而将前后两帧作为图像组的分割帧，前后两帧分别属于两个图像组，即将前帧以及之前一个分割帧的后帧之间的所有帧作为一个图像组，该图像组包括前帧以及之前一个分割帧的后帧。
步骤S102，获取各个图像组中人物以及物体的颜色差，基于图像组中相邻量两帧之间的相似度确定各帧的目标相似度，分别确定各个图像组中目标相似度大于或等于预设阈值的第一帧，基于所述第一帧分别确定各个的参考帧以及待处理帧；
本实施例中，先采用图像识别算法，对各个图像组的各帧进行图像识别，以确定每一个图像组的帧中的人物以及物体，并获取各个图像组中人物的最大面积、人物的最小面积、物体的最大面积、物体的最小面积，其中，人物的最大面积以及最小面积包括图像组的关键帧中每一个人物的最大面积以及最小面积，物体的最大面积以及最小面积包括图像组的关键帧中每一个物体的最大面积以及最小面积，对于每一个图像组，分别获取各个人物的最大面积所属的人物最大帧以及最小面积所属的人物最小帧，物体的最大面积所属的物体最大帧以及最小面积所属的物体最小帧。而后基于人物最大帧中人物对应区域的像素值以及人物最小帧人物对应区域的像素值，计算人物颜色差，基于物体最大帧中物体对应区域的像素值以及物体最小帧对应区域的像素值，计算物体颜色差，并将人物颜色差以及物体颜色差作为颜色差。
接着，获取图像组中相邻量两帧之间的相似度，具体可采用现有的相似度，并基于该相似度确定图像组中各帧的目标相似度，例如，若某一帧为图像组的起始帧或者尾帧，则将该起始帧与下一帧的相似度作为起始帧的目标相似度，将尾帧与上一帧的相似度作为尾帧的目标相似度，对于中间帧，则根据该帧与下一帧的相似度以及与上一帧的相似度确定目标相似度，例如目标相似度为与下一帧的相似度以及与上一帧的相似度的均值。
在获取到各帧的目标相似度时，分别确定各个图像组中目标相似度大于或等于预设阈值的第一帧，具体地，对于每一个图像组，分别判断其各帧的目标相似度是否大于或等于预设阈值，将目标相似度大于或等于预设阈值的帧作为第一帧，并基于第一帧分别确定各个的参考帧以及待处理帧，其中，可以选取第一帧中的任一帧作为参考帧，或者，将第一帧中目标相似度最大的帧作为参考帧，将第一帧中除参考帧之外的其他帧作为待处理帧。
需要说明的时，对于同一个镜头的图像组中的各帧，若该帧的目标相似度大于或等于预设阈值，则与上一帧以及下一帧相比，该帧中的物体或人物的颜色只是因为环境、光线等原因产生变化，属于正常范围，因此将该帧作为第一帧。当然，该帧的目标相似度小于预设阈值，则帧中的物体或人物因自身原因变化了颜色，例如，红绿灯的灯光颜色发生变换，在压缩该帧的时候，不要针对该帧进行压缩处理。
步骤S103，对所述待处理帧进行结构拆解操作，以分别获得待处理帧中的部位区域对应的色值范围，分别获取各个图像组中待处理帧的部位区域与色值范围之间的色值对应关系；
本实施例中，在获取到各个图像组的待处理帧之后，对各个图像组的待处理帧进行结构拆解操作，对所述待处理帧进行结构拆解操作，以分别获得待处理帧中的部位区域对应的色值范围，其中，待处理帧中的部位区域包括人物以及物体的各个部位或者色值不连续的多个区域，而后，基于各个部位区域中像素点的rgb值确定色值范围，色值范围可以为部位区域中像素点的rgb最小值～部位区域中像素点的rgb最大值，并记录各个图像组中待处理帧的部位区域与色值范围之间的色值对应关系。
步骤S104，获取各个所述待处理帧对应的第一低色域图像帧，基于所述颜色差、所述第一低色域图像帧、所述色值对应关系以及所述参考帧，确定所述待处理视频对应的压缩视频。
本实施例中，在确定色值对应关系之后，获取各个所述待处理帧对应的第一低色域图像帧，例如，将各个待处理帧转换成黑白图片或者线框图得到各个待处理帧所对应的第一低色域图像帧，并根据颜色差、所述第一低色域图像帧、所述色值对应关系以及所述参考帧，确定所述待处理视频对应的压缩视频，即将颜色差、所述第一低色域图像帧、所述色值对应关系以及所述参考帧，按照图像组的顺序进行视频封装，得到压缩视频，
其中，色值对应关系可以封装至压缩视频的视频格式中，例如，若压缩视频仅用于本地使用，则可以将色值对应关系封装在视频头部，若压缩视频用于网络传输，则可根据色值对应关系得到各个图像组中待处理帧的色值对应关系，并将图像组中待处理帧的色值对应关系封装在该图像组之前。
本实施例提出的视频处理方法，通过对待处理视频的关键帧进行镜头分割操作，以获得多个图像组，接着获取各个图像组中人物以及物体的颜色差，分别基于图像组中相邻量两帧之间的相似度确定各帧的目标相似度，分别确定各个图像组中目标相似度大于或等于预设阈值的第一帧，基于所述第一帧分别确定各个的参考帧以及待处理帧；而后对所述待处理帧进行结构拆解操作，以分别获得待处理帧中的部位区域对应的色值范围，分别获取各个图像组中待处理帧的部位区域与色值范围之间的色值对应关系；然后获取各个所述待处理帧对应的第一低色域图像帧，基于所述颜色差、所述第一低色域图像帧、所述色值对应关系以及所述参考帧，确定所述待处理视频对应的压缩视频，通过对关键帧进行结构拆解，针对不同的部位区域的色值范围进行压缩，提高了帧内压缩的压缩比。同时，根据各个镜头中各帧的相似度进行参考帧的选择，提高了参考帧的准确性。
基于第一实施例，提出本发明视频处理方法的第二实施例，在本实施例中，步骤S103包括：
步骤S201，基于预设rgb颜色分区分别对所述待处理帧映射，以获得映射后的待处理帧，获取映射后的待处理帧对应的第二低色域图像帧，基于色值连续性规则确定各个第二低色域图像帧中的分界线，并基于所述分界线分别确定待处理帧中的部位区域，基于所述待处理帧获取各个部位区域对应的色值范围；或者，
步骤S202，对所述待处理帧图像识别操作，以获得待处理帧中的部位区域，基于所述待处理帧获取各个部位区域对应的色值范围，其中，所述部位区域包括待处理帧中人物或物体的不同部位。
一种方式中，为减小计算量，基于预设rgb颜色分区分别对所述各个图像组中的图像帧进行映射，以获得映射后的图像组，例如，预设rgb颜色分区可以设置8个或16个分区，当然也可以设置更多的分区，在预设rgb颜色分区包括8个分区时，其r、g、b的色值范围，分别是：0～31、32～63、64～95、95～127、128～159、160～191、192～223、224～255。
而后，获取映射后的待处理帧对应的第二低色域图像帧，即将映射后的待处理帧转换成黑白图(或者灰度图)，基于色值连续性规则确定各个第二低色域图像帧中的分界线，并基于所述分界线分别确定待处理帧中的部位区域，根据色值连续性规则，确定第二低色域图像帧中相邻像素点的差异化较大且差异化颜色呈现连续性时，则认为该连续像素为不同部分的分界线。具体地，可计算各个第二低色域图像帧中相邻像素点之间的像素相似度，相邻像素点之间的像素相似度小于预设像素相似度时，确定该相邻像素点之间差值化较大，将该相邻像素点作为差异化像素点，或者，将当前像素点与其他相邻像素点的像素相似度的均值作为该当前像素点的当前相似度，将第二低色域图像帧中当前相似度小于预设像素相似度的像素点作为差异化像素点，若差异化像素点呈现连续性，则将连续的差异化像素点之间的连线作为对应的第二低色域图像帧中的分界线。而后基于所述分界线分别确定待处理帧中的部位区域，该部位区域为第二低色域图像帧中中分界线围成的各个区域，并基于待处理帧获取各个部位区域对应的色值范围。
参照图3，图3中，有4个色值，其中3个比较颜色，其差值比较小，而另1种颜色与其它3种差异化较大，进而可以认为，上、左、右三个色值形成了分界线。
另一种方式中，对所述待处理帧图像识别操作，以获得待处理帧中的部位区域，部位区域包括待处理帧中人物或物体的不同部位，例如，对于待处理帧中的人物，部位区域包括人物的五官、头发、衣服、鞋子、装饰等。而后基于所述待处理帧获取各个部位区域对应的色值范围。
本实施例提出的视频处理方法，通过基于预设rgb颜色分区，分别对所述各个图像组中的图像帧进行映射，以获得映射后的图像组，获取映射后的图像组中各帧对应的第二低色域图像帧，基于色值连续性规则，确定各个第二低色域图像帧中的分界线，并基于所述分界线分别确定待处理帧中的部位区域，基于所述待处理帧获取各个部位区域对应的色值范围；或者，对各个图像组的待处理帧图像识别操作，以获得待处理帧中的部位区域，基于所述待处理帧获取各个部位区域对应的色值范围，其中，所述部位区域包括待处理帧中人物或物体的不同部位，通过根据第二低色域图像帧或者对待处理帧进行图像识别的方式，能够准确获得待处理帧中的部位区域，实现对待处理帧进行准确的结构拆解操作，进而针对不同的部位区域的色值范围进行压缩，提高了帧内压缩的压缩比。
基于第一实施例，提出本发明视频处理方法的第三实施例，在本实施例中，步骤S104包括：
步骤S301，将所述述待处理帧转换为黑白图像帧或者线框图像帧，以获得所述第一低色域图像帧；或者，
步骤S302，基于图像边缘检测算法，确定各个待处理帧中的物体轮廓，对所述物体轮廓的轮廓坐标进行傅里叶变换操作，以获得所述第一低色域图像帧。
本实施例中，可以直接将待处理帧转换为黑白图像帧或者线框图像帧，以获得所述第一低色域图像帧，其中，黑白图像帧可以为二值图，也可以上一实施例中的灰度图。
或者，基于图像边缘检测算法，确定各个待处理帧中的物体轮廓，具体采用现有的图像边缘检测算法检测各个待处理帧中的物体轮廓，而后将物体轮廓拆分为多个点，获取各个点的坐标得到物体轮廓的轮廓坐标，并对轮廓坐标进行傅里叶变换操作，以获得所述第一低色域图像帧。
本实施例提出的视频处理方法，通过将所述述待处理帧转换为黑白图像帧或者线框图像帧，以获得所述第一低色域图像帧；或者，基于图像边缘检测算法，确定各个待处理帧中的物体轮廓，对所述物体轮廓的轮廓坐标进行傅里叶变换操作，以获得所述第一低色域图像帧，能够准确得到第一低色域图像帧，通过低色域图像帧进一步提高帧内压缩的压缩比。
基于第一实施例，提出本发明视频处理方法的第四实施例，在本实施例中，步骤S102包括：
步骤S401，基于预设rgb颜色分区，分别对所述各个图像组中的图像帧进行映射，以获得映射后的图像组；
步骤S402，获取映射后的图像组中各个图像帧的颜色直方图向量，基于所述颜色直方图向量确定各个图像组中相邻量两帧之间的相似度，基于所述确定各帧的目标相似度；或者，
步骤S403，对映射后的图像组进行归一化操作，以获得归一化后的图像组，获取归一化后的图像组中相邻两个图像帧之间的差异化像素点对应的像素对，并确定各个像素对之间的像素相似度；基于所述像素相似度确定各个图像组中相邻量两帧之间的相似度，基于所述确定各帧的目标相似度。
本实施例中，为减小计算量，基于预设rgb颜色分区分别对所述各个图像组中的图像帧进行映射，以获得映射后的图像组，例如，预设rgb颜色分区可以设置8个或16个分区，当然也可以设置更多的分区，在预设rgb颜色分区包括8个分区时，其r、g、b的色值范围，分别是：0～31、32～63、64～95、95～127、128～159、160～191、192～223、224～255。
一实施方式中，获取映射后的图像组中各个图像帧的颜色直方图向量，即采用现有的颜色直方图向量算法，获取颜色直方图向量，并基于所述颜色直方图向量确定各个图像组中相邻量两帧之间的相似度，具体将相邻两帧对应的颜色直方图向量的余弦值作为其相似度。
另一种实施方式中，对映射后的图像组进行归一化操作，以获得归一化后的图像组，获取归一化后的图像组中相邻两个图像帧之间的差异化像素点对应的像素对，确定各个像素对之间的像素相似度，具体地，获取相邻两个图像帧的颜色分区列表，按照统一排序，找到差异化的像素点(rgb值不同的像素点)，得到差异化像素点对应的像素对，再通过rgb空间向量的余弦计算各个像素对之间的像素相似度。而后，基于像素相似度确定各个图像组中相邻量两帧之间的相似度，具体地，该相似度＝(像素相似度+差异化像素点的个数*1)/像素点的总数。
本实施例提出的视频处理方法，通过获取映射后的图像组中各个图像帧的颜色直方图向量，基于所述颜色直方图向量，确定各个图像组中相邻量两帧之间的相似度，基于所述确定各帧的目标相似度；或者，对映射后的图像组进行归一化操作，以获得归一化后的图像组，获取归一化后的图像组中相邻两个图像帧之间的差异化像素点对应的像素对，并确定各个像素对之间的像素相似度；基于所述像素相似度，确定各个图像组中相邻量两帧之间的相似度，基于所述确定各帧的目标相似度，能够根据颜色直方图向量或者差异化像素点对应的像素对准确得到目标相似度，进而提升第一帧的准确性，进一步提高视频压缩比。
基于上述各个实施例，提出本发明视频处理方法的第五实施例，在本实施例中，步骤S104包括：
步骤S501，获取各个所述待处理帧对应的低色域图片以及包括UV分量的彩色图片，将所述低色域图片作为待训练GAN模型的输入，将所述彩色图片作为待训练GAN模型的输出进行模型训练，以获得预训练的GAN模型，其中，所述待训练GAN模型为所述待处理视频的风格对应的模型GAN；
步骤S502，若各个图像组存在目标相似度小于预设阈值的第二帧，则基于所述颜色差、预训练的GAN模型、所述低色域图片、第二帧、所述色值对应关系以及所述参考帧，确定所述待处理视频对应的压缩视频；
步骤S503，若各个图像组不存在目标相似度小于预设阈值的第二帧，则基于所述颜色差、预训练的GAN模型、所述低色域图片、所述色值对应关系以及所述参考帧，确定所述待处理视频对应的压缩视频。
本实施例中，在获取到第一低色域图像帧之后，根据待处理视频的风格确定对应的待训练GAN模型，并获取各个所述待处理帧对应的低色域图片以及包括UV分量的彩色图片，具体地，采用现有算法将待处理帧的RGB转为色彩空间YUV(其中Y表示明亮度，也就是灰度值，U和V表示色度)。而后，将低色域图片作为待训练GAN模型的输入，将彩色图片作为待训练GAN模型的输出进行模型训练，以获得预训练的GAN模型。
接着，判断各个图像组是否存在目标相似度小于预设阈值的第二帧，若存在，则将第二帧作为保留帧，不对该第二帧进行编码，并基于颜色差、预训练的GAN模型、低色域图片、第二帧、色值对应关系以及参考帧，确定压缩视频；即将颜色差、预训练的GAN模型、低色域图片、第二帧、色值对应关系以及参考帧，按照图像组的顺序进行视频封装，得到压缩视频。
若不存在，则将颜色差、预训练的GAN模型、低色域图片、色值对应关系以及参考帧，按照图像组的顺序进行视频封装，得到压缩视频。
本实施例中，若该压缩视频为本地使用，则在进行视频封装时，仅封装该预训练的GAN模型对应的模型编号，否则可直接封装该预训练的GAN模型。
本实施例提出的视频处理方法，通过获取各个所述待处理帧对应的低色域图片以及包括UV分量的彩色图片，将所述低色域图片作为待训练GAN模型的输入，将所述彩色图片作为待训练GAN模型的输出进行模型训练，以获得预训练的GAN模型，其中，所述待训练GAN模型为所述待处理视频的风格对应的模型GAN；接着若各个图像组存在目标相似度小于预设阈值的第二帧，则基于所述颜色差、预训练的GAN模型、所述低色域图片、第二帧、所述色值对应关系以及所述参考帧，确定所述待处理视频对应的压缩视频；若各个图像组不存在目标相似度小于预设阈值的第二帧，则基于所述颜色差、预训练的GAN模型、所述低色域图片、所述色值对应关系以及所述参考帧，确定所述待处理视频对应的压缩视频，通过将预训练的GAN模型的信息封装至压缩视频中，便于后续对压缩视频进行解码上色，同时通过将第二帧保留以确保第二帧的真实性，避免对第二帧进行编码而使解码后的图像严重失真。
基于第五实施例，提出本发明视频处理方法的第六实施例，在本实施例中，步骤S104之后，该视频处理方法还包括：
步骤S601，获取压缩视频对应的预训练的GAN模型，将所述压缩视频中的视频帧输入预训练的GAN模型进行模型训练，以获得训练后的视频帧；
步骤S602，基于所述压缩视频的各个图像组中参考帧的Y值，对训练后的视频帧中各个图像组进行处理，以获得处理后的视频帧；
步骤S603，基于压缩视频中的颜色差以及色值对应关系，确定处理后的视频帧对应的各个图像组是否存在颜色差异图像组；
步骤S604，若不存在，则将处理后的视频帧作为解码后的目标视频。
本实施例中，在需要对压缩视频进行解码时，先获取压缩视频对应的预训练的GAN模型，例如通过压缩视频中的模型编号在本地获取预训练的GAN模型，或者在压缩视频中获取该预训练的GAN模型。并将压缩视频中的视频帧输入预训练的GAN模型进行模型训练，以获得训练后的视频帧。其中，参考帧以及第二帧无需进行模型训练。
接着，获取压缩视频的各个图像组中参考帧，并得到各个参考帧的Y值(明亮度值)，基于各个Y值，分别对训练后的视频帧中各个图像组进行处理，以获得处理后的视频帧，对于训练后的视频帧中任一训练后的图像组，将训练后的图像组中视频帧的Y值替换为其对应的参考帧的Y值，得到训练后的视频帧。
然后，基于压缩视频中的颜色差以及色值对应关系，确定处理后的视频帧对应的各个图像组是否存在颜色差异图像组；基于与压缩视频中的颜色差相同的处理方式，获取处理后的视频帧对应的各个图像组中人物以及物体的当前颜色差，而后分别确定各个人物以及物体当前颜色差与颜色差之间的差值是否小于预设颜色差值，若差值大于或等于预设颜色差值，则基于色值对应关系确定处理后的视频帧的部位区域的色值是否处于对应的色值范围内，若是，则确定处理后的视频帧对应的各个图像组是否存在颜色差异图像组，进而将处理后的视频帧作为解码后的目标视频。
进一步地，一实施例中，步骤S604之后，还包括：
步骤a，若存在，则获取颜色差异图像组中的差异图像帧对应的第一色彩分布，以及差异图像帧中的参考帧对应的第二色彩分布；
步骤b，基于所述第二色彩分布对所述第一色彩分布进行匹配处理，以获得处理后的差异图像帧，并采用处理后的差异图像帧替换颜色差异图像组中的差异图像帧，得到处理后的颜色差异图像组；
步骤c，基于处理后的颜色差异图像组以及处理后的视频帧中的正常图像组，确定所述目标视频。
若存在，将处理后的视频帧中差值小于预设颜色差值的当前颜色差的视频帧作为差异图像帧，和/或，将处理后的视频帧中部位区域的色值处于对应的色值范围之外的视频帧作为差异图像帧，并根据差异图像帧所属的差异图像组确定参考帧，并获取颜色差异图像组中的差异图像帧对应的第一色彩分布，以及差异图像组中的参考帧对应的第二色彩分布，其中，第一色彩分布为差异的人物、物体或部位对应的像素点的色彩分布，第二色彩分布为参考帧中差异的人物、物体或部位对应的像素点的色彩分布。
而后，基于第二色彩分布对第一色彩分布进行匹配处理，以获得处理后的差异图像帧，具体地，将第二色彩分布内的各个像素点与第一色彩分布内的各个像素点进行匹配，将第一色彩分布中的各个像素点的像素值调整为第二色彩分布内的各个像素点的像素值，或者，还可设置一定的容错范围，先得到第二色彩分布内的各个像素点的像素值对应的像素调整范围，将第一色彩分布中的各个像素点的像素值调整为对应的像素调整范围中最接近的像素值。
例如，第二色彩分布中的各个像素点的像素值依次为：#8F0000、#D70000、#F00000，第一色彩分布中的各个像素点的像素值依次为：#3F0000、#D80000、#F00000，像素调整范围的比例为10％，#3F0000超过#8F0000的，则#3F0000需要匹配最近的色值#8F0000上，#D70000与#D80000相似度较高，在容错范围内，#F00000与#F00000与一致。
最后，采用处理后的差异图像帧替换颜色差异图像组中的差异图像帧，得到处理后的颜色差异图像组，并基于处理后的颜色差异图像组以及处理后的视频帧中的正常图像组，确定所述目标视频
本实施例提出的视频处理方法，通过基于所述压缩视频中的模型编号，获取预训练的GAN模型，将所述压缩视频中的视频帧输入预训练的GAN模型进行模型训练，以获得训练后的视频帧；接着基于所述压缩视频中各个图像组中参考帧的Y值，对训练后的视频帧中各个图像组进行处理，以获得处理后的视频帧；而后获取处理后的视频帧的各个图像组中人物或者物体的第二颜色差，基于颜色差以及第二颜色差，确定处理后的视频帧的各个图像组是否存在颜色差异图像组；然后若不存在，则将处理后的视频帧作为解码后的目标视频，能够根据压缩视频进行准确解码，得到目标视频。
本发明还提供一种视频处理装置，参照图4，所述视频处理装置包括：
分割模块10，用于对待处理视频的关键帧进行镜头分割操作，以获得多个图像组，其中，所述图像组中的各帧属于同一镜头；
第一获取模块20，用于获取各个图像组中人物以及物体的颜色差，分别基于图像组中相邻量两帧之间的相似度确定各帧的目标相似度，分别确定各个图像组中目标相似度大于或等于预设阈值的第一帧，基于所述第一帧分别确定各个的参考帧以及待处理帧；
拆解模块30，用于对所述待处理帧进行结构拆解操作，以分别获得待处理帧中的部位区域对应的色值范围，分别获取各个图像组中待处理帧的部位区域与色值范围之间的色值对应关系；
第二获取模块40，用于获取各个所述待处理帧对应的第一低色域图像帧，基于所述颜色差、所述第一低色域图像帧、所述色值对应关系以及所述参考帧，确定所述待处理视频对应的压缩视频。
上述各程序单元所执行的方法可参照本发明视频处理方法各个实施例，此处不再赘述。
本发明还提供一种计算机可读存储介质。
本发明计算机可读存储介质上存储有视频处理程序，所述视频处理程序被处理器执行时实现如上所述的视频处理方法的步骤。
其中，在所述处理器上运行的视频处理程序被执行时所实现的方法可参照本发明视频处理方法各个实施例，此处不再赘述。
此外，本发明实施例还提出一种计算机程序产品，该计算机程序产品上包括视频处理程序，所述视频处理程序被处理器执行时实现如上所述的视频处理方法的步骤。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种视频处理方法，其特征在于，所述视频处理方法包括以下步骤：
对待处理视频的关键帧进行镜头分割操作，以获得多个图像组，其中，所述图像组中的各帧属于同一镜头；
获取各个图像组对应的颜色差，分别基于图像组中相邻量两帧之间的相似度确定各帧的目标相似度，分别确定各个图像组中目标相似度大于或等于预设阈值的第一帧，基于所述第一帧分别确定各个的参考帧以及待处理帧，其中，所述颜色差包括人物颜色差以及物体颜色差，对于每一个图像组，基于图像组中各个人物的最大面积所属的人物最大帧以及最小面积所属的人物最小帧，确定人物颜色差，以及基于各个物体的最大面积所属的物体最大帧以及最小面积所属的物体最小帧，确定物体颜色差；
对所述待处理帧进行结构拆解操作，以分别获得待处理帧中的部位区域对应的色值范围，分别获取各个图像组中待处理帧的部位区域与色值范围之间的色值对应关系，其中，所述部位区域包括人物以及物体的各个部位，或者，所述部位区域包括所述待处理帧中色值不连续的多个区域；
获取各个所述待处理帧对应的第一低色域图像帧，基于所述颜色差、所述第一低色域图像帧、所述色值对应关系以及所述参考帧，确定所述待处理视频对应的压缩视频，其中，将颜色差、所述第一低色域图像帧、所述色值对应关系以及所述参考帧，按照图像组的顺序进行视频封装，得到所述压缩视频，所述第一低色域图像帧为所述待处理帧对应的黑白图像帧或者线框图像帧。
2.如权利要求1所述的视频处理方法，其特征在于，所述对所述待处理帧进行结构拆解操作，以分别获得待处理帧中的部位区域对应的色值范围的步骤包括：
基于预设rgb颜色分区分别对所述待处理帧映射，以获得映射后的待处理帧，获取映射后的待处理帧对应的第二低色域图像帧，基于色值连续性规则确定各个第二低色域图像帧中的分界线，并基于所述分界线分别确定待处理帧中的部位区域，基于所述待处理帧获取各个部位区域对应的色值范围，其中，所述第二低色域图像帧为黑白图或者灰度图；或者，
对所述待处理帧图像识别操作，以获得待处理帧中的部位区域，基于所述待处理帧获取各个部位区域对应的色值范围，其中，所述部位区域包括待处理帧中人物或物体的不同部位。
3.如权利要求1所述的视频处理方法，其特征在于，所述获取各个所述待处理帧对应的第一低色域图像帧的步骤包括：
将所述待处理帧转换为黑白图像帧或者线框图像帧，以获得所述第一低色域图像帧；或者，
基于图像边缘检测算法，确定各个待处理帧中的物体轮廓，对所述物体轮廓的轮廓坐标进行傅里叶变换操作，以获得所述第一低色域图像帧。
4.如权利要求1所述的视频处理方法，其特征在于，所述分别基于图像组中相邻量两帧之间的相似度确定各帧的目标相似度的步骤包括：
基于预设rgb颜色分区，分别对所述各个图像组中的图像帧进行映射，以获得映射后的图像组；
获取映射后的图像组中各个图像帧的颜色直方图向量，基于所述颜色直方图向量确定各个图像组中相邻量两帧之间的相似度，基于所述确定各帧的目标相似度；或者，
对映射后的图像组进行归一化操作，以获得归一化后的图像组，获取归一化后的图像组中相邻两个图像帧之间的差异化像素点对应的像素对，并确定各个像素对之间的像素相似度；基于所述像素相似度，确定各个图像组中相邻量两帧之间的相似度，基于所述相似度确定各帧的目标相似度。
5.如权利要求1至4任一项所述的视频处理方法，其特征在于，所述基于所述颜色差、所述第一低色域图像帧、所述色值对应关系以及所述参考帧，确定所述待处理视频对应的压缩视频的步骤包括：
获取各个所述待处理帧对应的低色域图片以及包括UV分量的彩色图片，将所述低色域图片作为待训练GAN模型的输入，将所述彩色图片作为待训练GAN模型的输出进行模型训练，以获得预训练的GAN模型，其中，所述待训练GAN模型为所述待处理视频的风格对应的模型GAN；
若各个图像组存在目标相似度小于预设阈值的第二帧，则基于所述颜色差、预训练的GAN模型、所述低色域图片、第二帧、所述色值对应关系以及所述参考帧，确定所述待处理视频对应的压缩视频；
若各个图像组不存在目标相似度小于预设阈值的第二帧，则基于所述颜色差、预训练的GAN模型、所述低色域图片、所述色值对应关系以及所述参考帧，确定所述待处理视频对应的压缩视频。
6.如权利要求5所述的视频处理方法，其特征在于，所述基于所述颜色差、所述第一低色域图像帧、所述色值对应关系以及所述参考帧，确定所述待处理视频对应的压缩视频的步骤之后，所述视频处理方法还包括：
获取压缩视频对应的预训练的GAN模型，将所述压缩视频中的视频帧输入预训练的GAN模型进行模型训练，以获得训练后的视频帧；
基于所述压缩视频的各个图像组中参考帧的Y值，对训练后的视频帧中各个图像组进行处理，以获得处理后的视频帧；
基于压缩视频中的颜色差以及色值对应关系，确定处理后的视频帧对应的各个图像组是否存在颜色差异图像组，具体地，获取处理后的视频帧对应的各个图像组中人物的当前颜色差以及物体的当前颜色差；若人物的当前颜色差与压缩视频中对应图像组的颜色差之间的差值大于或等于预设颜色差值，且物体的当前颜色差与压缩视频中对应图像组的颜色差之间的差值大于或等于预设颜色差值，则基于色值对应关系确定处理后的视频帧的部位区域的色值是否处于对应的色值范围内，其中，若处于对应的色值范围内，则确定处理后的视频帧对应的各个图像组不存在颜色差异图像组；
若不存在，则将处理后的视频帧作为解码后的目标视频。
7.如权利要求6所述的视频处理方法，其特征在于，所述确定处理后的视频帧的各个图像组是否存在颜色差异图像组的步骤之后，还包括：
若存在，则获取颜色差异图像组中的差异图像帧对应的第一色彩分布，以及差异图像组中的参考帧对应的第二色彩分布；
基于所述第二色彩分布对所述第一色彩分布进行匹配处理，以获得处理后的差异图像帧，并采用处理后的差异图像帧替换颜色差异图像组中的差异图像帧，得到处理后的颜色差异图像组；
基于处理后的颜色差异图像组以及处理后的视频帧中的正常图像组，确定所述目标视频。
8.一种视频处理装置，其特征在于，所述视频处理装置包括：
分割模块，用于对待处理视频的关键帧进行镜头分割操作，以获得多个图像组，其中，所述图像组中的各帧属于同一镜头；
第一获取模块，用于获取各个图像组对应的颜色差，分别基于图像组中相邻量两帧之间的相似度确定各帧的目标相似度，分别确定各个图像组中目标相似度大于或等于预设阈值的第一帧，基于所述第一帧分别确定各个的参考帧以及待处理帧其中，所述颜色差包括人物颜色差以及物体颜色差，对于每一个图像组，基于图像组中各个人物的最大面积所属的人物最大帧以及最小面积所属的人物最小帧，确定人物颜色差，以及基于各个物体的最大面积所属的物体最大帧以及最小面积所属的物体最小帧，确定物体颜色差；
拆解模块，用于对所述待处理帧进行结构拆解操作，以分别获得待处理帧中的部位区域对应的色值范围，分别获取各个图像组中待处理帧的部位区域与色值范围之间的色值对应关系，其中，所述部位区域包括人物以及物体的各个部位，或者，所述部位区域包括所述待处理帧中色值不连续的多个区域；
第二获取模块，用于获取各个所述待处理帧对应的第一低色域图像帧，基于所述颜色差、所述第一低色域图像帧、所述色值对应关系以及所述参考帧，确定所述待处理视频对应的压缩视频，其中，将颜色差、所述第一低色域图像帧、所述色值对应关系以及所述参考帧，按照图像组的顺序进行视频封装，得到所述压缩视频，所述第一低色域图像帧为所述待处理帧对应的黑白图像帧或者线框图像帧。
9.一种视频处理设备，其特征在于，所述视频处理设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的视频处理程序，所述视频处理程序被所述处理器执行时实现如权利要求1至7中任一项所述的视频处理方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有视频处理程序，所述视频处理程序被处理器执行时实现如权利要求1至7中任一项所述的视频处理方法的步骤。
CN202110715548.4A 2021-06-24 2021-06-24 视频处理方法、装置、设备及计算机程序产品 Active CN113453017B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110715548.4A CN113453017B (zh) 2021-06-24 2021-06-24 视频处理方法、装置、设备及计算机程序产品

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110715548.4A CN113453017B (zh) 2021-06-24 2021-06-24 视频处理方法、装置、设备及计算机程序产品

Publications (2)

Publication Number Publication Date
CN113453017A CN113453017A (zh) 2021-09-28
CN113453017B true CN113453017B (zh) 2022-08-23

Family

ID=77813401

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110715548.4A Active CN113453017B (zh) 2021-06-24 2021-06-24 视频处理方法、装置、设备及计算机程序产品

Country Status (1)

Country Link
CN (1) CN113453017B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114724074B (zh) * 2022-06-01 2022-09-09 共道网络科技有限公司 风险视频的检测方法和装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5627765A (en) * 1994-07-25 1997-05-06 Avid Technology, Inc. Method and apparatus for compressing and analyzing video and for creating a reference video
US6035060A (en) * 1997-02-14 2000-03-07 At&T Corp Method and apparatus for removing color artifacts in region-based coding
CN101729898A (zh) * 2009-11-16 2010-06-09 中国人民解放军国防科学技术大学 视频编码、解码方法与视频编码、解码装置
CN104767998A (zh) * 2015-03-25 2015-07-08 北京大学 一种面向视频的视觉特征编码方法及装置
CN112203096A (zh) * 2020-09-30 2021-01-08 北京金山云网络技术有限公司 视频编码方法、装置、计算机设备和存储介质
CN112990191A (zh) * 2021-01-06 2021-06-18 中国电子科技集团公司信息科学研究院 一种基于字幕视频的镜头边界检测与关键帧提取方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100698106B1 (ko) * 2000-03-07 2007-03-26 엘지전자 주식회사 엠펙（ｍｐｅｇ）압축 비디오 환경에서 계층적 혼합형장면 변화 검출 방법
US20070258009A1 (en) * 2004-09-30 2007-11-08 Pioneer Corporation Image Processing Device, Image Processing Method, and Image Processing Program

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5627765A (en) * 1994-07-25 1997-05-06 Avid Technology, Inc. Method and apparatus for compressing and analyzing video and for creating a reference video
US6035060A (en) * 1997-02-14 2000-03-07 At&T Corp Method and apparatus for removing color artifacts in region-based coding
CN101729898A (zh) * 2009-11-16 2010-06-09 中国人民解放军国防科学技术大学 视频编码、解码方法与视频编码、解码装置
CN104767998A (zh) * 2015-03-25 2015-07-08 北京大学 一种面向视频的视觉特征编码方法及装置
CN112203096A (zh) * 2020-09-30 2021-01-08 北京金山云网络技术有限公司 视频编码方法、装置、计算机设备和存储介质
CN112990191A (zh) * 2021-01-06 2021-06-18 中国电子科技集团公司信息科学研究院 一种基于字幕视频的镜头边界检测与关键帧提取方法

Also Published As

Publication number Publication date
CN113453017A (zh) 2021-09-28

Similar Documents

Publication Publication Date Title
CN109919087B (zh) 一种视频分类的方法、模型训练的方法及装置
CN109618173B (zh) 视频压缩方法、装置和计算机可读存储介质
US20220046261A1 (en) Encoding method and apparatus for screen sharing, storage medium, and electronic device
US20200258197A1 (en) Method for generating high-resolution picture, computer device, and storage medium
WO2021115242A1 (zh) 一种超分辨率图像处理方法以及相关装置
WO2022073282A1 (zh) 一种基于特征交互学习的动作识别方法及终端设备
WO2016082277A1 (zh) 一种视频认证方法及装置
CN110069974B (zh) 高光图像处理方法、装置和电子设备
CN110944160B (zh) 一种图像处理方法及电子设备
US10467737B2 (en) Method and device for adjusting grayscale values of image
US11763470B2 (en) Method and apparatus for aligning image frames, electronic device and storage medium
US20210209330A1 (en) Method for correction of the eyes image using machine learning and method for machine learning
US20180314916A1 (en) Object detection with adaptive channel features
CN112565887A (zh) 一种视频处理方法、装置、终端及存储介质
CN109544441B (zh) 图像处理方法及装置、直播中的肤色处理方法及装置
CN116847088A (zh) 图像处理方法、处理设备及存储介质
CN113453017B (zh) 视频处理方法、装置、设备及计算机程序产品
CN112468792A (zh) 图像识别方法、装置、电子设备及存储介质
CN114565573A (zh) 图像质量评估方法、装置及存储介质
CN113627314B (zh) 人脸图像模糊检测方法、装置、存储介质与电子设备
CN109479127A (zh) 使用视频译码压缩图片分段数据
CN113111770B (zh) 一种视频处理方法、装置、终端及存储介质
CN110650309A (zh) 视频会议视频图像传输方法、终端及可读存储介质
CN110647898B (zh) 图像处理方法、装置、电子设备及计算机存储介质
KR102499286B1 (ko) 이미지가 분할된 복수의 블록들의 압축과 관련된 압축 손실 데이터에 기반하여 이미지를 압축하는 전자 장치 및 그 동작 방법

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant