CN113627363A - 视频文件的处理方法、装置、设备以及存储介质 - Google Patents
视频文件的处理方法、装置、设备以及存储介质 Download PDFInfo
- Publication number
- CN113627363A CN113627363A CN202110934269.7A CN202110934269A CN113627363A CN 113627363 A CN113627363 A CN 113627363A CN 202110934269 A CN202110934269 A CN 202110934269A CN 113627363 A CN113627363 A CN 113627363A
- Authority
- CN
- China
- Prior art keywords
- frame
- determining
- target
- hsv
- candidate
- 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
Images
Abstract
本公开提供了一种视频文件的处理方法、装置、设备以及存储介质,本公开涉及数据/图像处理技术领域,尤其涉及视频图像处理技术领域。具体实现方案为:确定视频文件的多个目标帧;确定多个目标帧中的每个目标帧的色调饱和度明度HSV空间特征;根据HSV空间特征,确定多个目标帧中的候选帧;确定候选帧的梯度特征;以及根据梯度特征,确定候选帧中的片头帧。
Description
技术领域
本公开涉及数据/图像处理技术领域,尤其涉及视频图像处理技术领域。
背景技术
近年来,随着智能终端的快速普及,移动互联网已经成为广大网民获取信息、进行娱乐消费的主要途径。
过去人们观看视频的主要途径是电视、电脑等,该方式的观看地点具有局限性,一般在固定的地点,并且观看的视频一般为长视频。然而随着移动互联网的发展,人们可以通过视频平台观看视频或发布视频。视频的内容来源不仅包括传统的影视公司、版权制作方,另外还包括个人用户。
在视频的类型上,除了长视频之外,短视频也正在全面的普及中。短视频与图片、文字相比,其更具有娱乐性,更容易被吸收,表达内容的能力更强。人们可以随时随地利用几分钟的时间,浏览完一条短视频。同样是对于内容的消费,短视频与长视频都具备了随时随地可以观看的优点,而短视频更相比长视频的优势在于其短小精炼,更容易快速的消费用户的碎片化时间。
在诸多短视频内容中,很多短视频生产者为了品牌推广、IP(IntellectualProperty,知识产权)宣传等目的,经常在短视频的片头贴上标签,比如片花、个人标识、系列模板等等。在这种情况下,视频前几秒是与视频正片无关的内容,降低了视频观看者获取信息的效率
发明内容
本公开提供了一种视频文件的处理方法、装置、设备以及存储介质。
根据本公开的一方面,提供了一种视频文件的处理方法,包括:确定视频文件的多个目标帧;确定所述多个目标帧中的每个目标帧的色调饱和度明度HSV空间特征;根据所述HSV空间特征,确定所述多个目标帧中的候选帧;确定所述候选帧的梯度特征;以及根据所述梯度特征,确定所述候选帧中的片头帧。
根据本公开的另一方面,提供了一种视频文件的处理装置,包括:目标帧确定模块,用于确定视频文件的多个目标帧;空间特征确定模块,用于确定所述多个目标帧中的每个目标帧的色调饱和度明度HSV空间特征;候选帧确定模块,用于根据所述HSV空间特征,确定所述多个目标帧中的候选帧;梯度特征确定模块,用于确定所述候选帧的梯度特征;以及片头确定模块,用于根据所述梯度特征,确定所述候选帧中的片头帧。
本公开的另一个方面提供了一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本公开实施例所示的方法。
根据本公开实施例的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行本公开实施例所示的方法。
根据本公开实施例的另一方面,提供了一种计算机程序产品,计算机程序,所述计算机程序在被处理器执行时实现本公开实施例所示的方法。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开实施例的视频文件的处理方法、装置、电子设备和存储介质的应用场景示意图;
图2示意性示出了根据本公开的实施例的视频文件的处理方法的流程图;
图3示意性示出了根据本公开的实施例的确定视频文件的多个目标帧的方法的示意图;
图4示意性示出了根据本公开的实施例的确定HSV空间特征的方法的示意图;
图5示意性示出了根据本公开的实施例的确定候选帧的梯度特征的方法的示意图;
图6示意性示出了根据本公开实施例的视频文件的处理装置的框图;以及
图7示意性示出了可以用来实施本公开的实施例的示例电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
以下将结合图1对本公开提供的方法和装置的应用场景进行描述。
图1是根据本公开实施例的视频文件的处理方法、装置、电子设备和存储介质的应用场景示意图。
如图1所示,该应用场景100包括视频提交方110、终端设备120、视频消费方130、终端设备140和视频平台服务器150。
视频提交方110可以使用终端设备120通过网络将视频文件等资源上传至视频平台服务器150。视频消费方130可以使用终端设备140通过网络访问视频平台服务器150,从视频平台服务器150处获取所需的视频文件,然后在终端设备140中播放。
在视频的生产过程中,视频提交方110可能会基于推广品牌等原因在视频文件的片头部分贴上标签。然而视频消费方130在浏览和观看该视频时,并不希望观看片头部分,而是希望直接进入正片内容。基于此,在视频文件上传至视频平台服务器150中后,可以确定视频文件的多个目标帧,然后确定所述多个目标帧中的每个目标帧的HSV(Hue,Saturation,Value,色调,饱和度,明度)空间特征。根据所述HSV空间特征,确定所述多个目标帧中的候选帧。接下来确定所述候选帧的梯度特征。根据所述梯度特征,确定所述候选帧中的片头帧,并确定所述片头帧的位置作为所述视频文件的片头位置。从而,在视频消费方130观看视频时,可以根据所确定的片头位置,选择直接跳过片头,进入正片内容,从而提高了信息获取效率。
终端设备120、140上可以安装有各种通讯客户端应用,例如视频播放类应用、购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。终端设备120、140可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
视频平台服务器150可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务(Virtual Private Server,或简称VPS)中,存在的管理难度大,业务扩展性弱的缺陷。视频平台服务器150也可以为分布式系统的服务器,或者是结合了区块链的服务器。
需要说明的是,本公开实施例所提供的视频文件的处理方法一般可以由视频平台服务器150执行。相应地,本公开实施例所提供的视频文件的处理装置一般可以设置于视频平台服务器150中。本公开实施例所提供的视频文件的处理方法也可以由不同于视频平台服务器150且能够与终端设备120、140和/或视频平台服务器150通信的服务器或服务器集群执行。相应地,本公开实施例所提供的视频文件的处理装置也可以设置于不同于视频平台服务器150且能够与终端设备120、140和/或视频平台服务器150通信的服务器或服务器集群中。
图2示意性示出了根据本公开的实施例的视频文件的处理方法的流程图。
如图2所示,该视频文件的处理方法200包括操作S210~S250。
在操作S210,确定视频文件的多个目标帧。
根据本公开的实施例,视频文件既可以为长视频也可以为短视频。
根据本公开的实施例,可以将视频文件进行切帧处理,得到包含多个帧图像的视频序列。其中,视频序列可以包含多个帧图像。然后根据视频序列,确定多个目标帧。
根据本公开的另一些实施例,也可以预先确定视频文件中包含片头的目标部分,只对该目标部分进行切帧处理,得到视频序列,再根据该视频序列确定多个目标帧,从而可以减少数据处理量。例如,可以选取视频文件开始2秒到12秒之间的部分作为目标部分进行切帧处理。
根据本公开的另一些实施例,可以在所述视频序列中的帧图像的分辨率大于分辨率阈值的情况下,对所述帧图像进行缩放处理,以使所述帧图像的分辨率小于或等于分辨率阈值。通过缩放处理可以减少后续的数据处理量,减少对计算资源的浪费。
例如,视频序列中的帧图像的分辨率为1280*720,大于分辨率阈值320*320,则可以将视频序列中的帧图像缩小到原来的四分之一,从而使帧图像的分辨率缩小到320*180。
然后,在操作S220,确定所述多个目标帧中的每个目标帧的HSV空间特征。
根据本公开的实施例,目标帧可以基于RGB(Red,Green,Blue,红,绿,蓝)空间。基于此,可以将目标帧从RGB空间转换为HSV空间后,再进行特征提取,得到该目标帧的HSV空间特征。
例如,可以针对所述每个目标帧,获取所述目标帧的RGB信息。然后将所述目标帧的RGB转换为HSV信息。根据所述HSV信息,确定所述HSV空间特征。
在操作S230,根据所述HSV空间特征,确定多个目标帧中的候选帧。
根据本公开的实施例,例如可以确定所述多个目标帧中HSV空间特征大于HSV特征阈值的目标帧作为所述候选帧。其中,HSV特征阈值可以根据实际需要进行设置,本公开对此不作具体限定。
在操作S240,确定候选帧的梯度特征。
根据本公开的实施例,候选帧的梯度特征可以用于反映候选帧的复杂程度。
在操作S250,根据梯度特征,确定候选帧中的片头帧。
根据本公开的实施例的视频文件的处理方法可以用于确定视频文件的片头帧。其中,片头帧为与视频文件的片头结束时刻(也即正片开始时刻)对应的帧图像。
根据本公开的实施例,一般片头的画面相对比较单一,而正片的画面比较复杂,画面越单一,对应的梯度也就越小。基于此,可以确定所述候选帧中梯度特征小于梯度特征阈值的候选帧作为所述片头帧。其中,梯度特征阈值可以根据实际需要进行设置。
根据本公开的实施例,若小于梯度特征阈值的候选帧有多个,则可以选择该多个候选帧中梯度最小的作为片头帧。
根据本公开的另一些实施例,在确定片头帧之后,还可以确定所述片头帧的位置作为所述视频文件的片头位置。在用户观看视频时,可以将上述方法所确定的片头位置设置为视频文件播放的起始点,以跳过片头,直接进入正片内容,从而过滤了视频文件片头中的冗余信息,提高了用户对信息的获取效率,提高了用户体验。
下面参考图3,结合具体实施例对上文所示的确定视频文件的多个目标帧的方法做进一步说明。本领域技术人员可以理解,以下示例实施例仅用于理解本公开,本公开并不局限于此。
根据本公开的实施例,可以将视频序列划分为至少一个集合,其中至少一个集合中的每个集合包含多个帧图像。针对每个集合中的每个帧图像,分别确定帧图像与视频序列中帧图像的前n个帧图像和/或后m个帧图像之间的差异,其中,n和m为正整数。然后确定每个集合中差异最大的帧图像作为目标帧。
图3示意性示出了根据本公开的实施例的确定视频文件的多个目标帧的方法的示意图。
如图3所示,可以对视频文件310的全部或目标部分进行切帧处理,得到视频序列320。然后将视频序列划分为至少一个集合330,其中每个集合330包含多个帧图像。接下来,针对每个集合中的每个帧图像,分别确定帧图像与视频序列中帧图像的前n个帧图像和/或后m个帧图像之间的差异,其中,n和m为正整数,n和m可以相同也可以不同。确定每个集合330中差异最大的帧图像作为目标帧340。可以理解的是,若集合330中有多个帧图像的差异并列最大,则可以选择多个中的任意一个作为目标帧340。
下面参考图4,结合具体实施例对上文所示的确定HSV空间特征的方法做进一步说明。本领域技术人员可以理解,以下示例实施例仅用于理解本公开,本公开并不局限于此。
根据本公开的实施例,可以确定视频序列中第一帧的HSV信息,目标帧的HSV信息与视频序列中目标帧的前一个帧图像的HSV信息之间的差值,以及目标帧与视频序列中目标帧之前的所有帧图像的HSV信息之间差值的平均差值。然后根据第一帧的HSV信息、该差值以及平均差值,确定HSV空间特征。
图4示意性示出了根据本公开的实施例的确定HSV空间特征的方法的示意图。
如图4所示,可以确定视频序列中第一帧的HSV信息400以及视频序列中目标帧410之前的所有帧图像411、412、413、414、......41x的HSV信息,然后可以计算目标帧410的HSV信息与目标帧410前一个帧图像411的HSV信息之间的差值420。同理,可以计算帧图像411的HSV信息与帧图像411前一个帧图像412的HSV信息之间的差值421、帧图像412的HSV信息与帧图像412前一个帧图像413的HSV信息之间的差值422、帧图像413的HSV信息与帧图像413前一个帧图像414的HSV信息之间的差值423......直到得到目标帧410和帧图像412、413、414、......41x中的每个帧图像所对应的差值。接着计算帧图像411、412、413、414、415、......41x所对应的差值421、422、423......的平均差值430。
接下来,可以根据视频序列中第一帧的HSV信息400、差值420以及平均差值430,确定HSV空间特征440。
示例性地,本实施例中,可以将第一帧的HSV信息400、差值420和平均差值430相加得到HSV空间特征440。
下面参考图5,结合具体实施例对上文所示的确定候选帧的梯度特征的方法做进一步说明。本领域技术人员可以理解,以下示例实施例仅用于理解本公开,本公开并不局限于此。
根据本公开的实施例,可以针对每个候选帧,确定候选帧之前预设数量以及之后预设数量的帧图像的梯度值。确定候选帧和候选帧之前预设数量以及之后预设数量的帧图像之间的平均梯度值,作为候选帧的梯度特征。其中预设数量可以根据实际需要进行设置,本公开对此不作具体限定。
图5示意性示出了根据本公开的实施例的确定候选帧的梯度特征的方法的示意图。
示例性地,本实施例中,预设数量可以2。如图5所示,候选帧510的前2帧分别为帧图像522、521,候选帧510的后2帧分别为帧图像523、524。根据本公开的实施例,可以分别确定候选帧510的梯度530,以及帧图像521、522、523、524的梯度531、532、533、534。然后计算梯度530、531、532、533、534的平均值,得到平均梯度540,作为候选帧的梯度特征。
图6示意性示出了根据本公开实施例的视频文件的处理装置的框图。
如图6所示,该视频文件的处理装置600可以包括目标帧确定模块610、空间特征确定模块620、候选帧确定模块630、梯度特征确定模块640和片头确定模块650。
目标帧确定模块610,可以用于确定视频文件的多个目标帧。
空间特征确定模块620,可以用于确定多个目标帧中的每个目标帧的色调饱和度明度HSV空间特征。
候选帧确定模块630,可以用于根据HSV空间特征,确定多个目标帧中的候选帧。
梯度特征确定模块640,可以用于确定候选帧的梯度特征。
片头确定模块650,可以用于根据梯度特征,确定候选帧中的片头帧,并确定片头帧的位置作为视频文件的片头位置。
根据本公开的实施例,上述视频文件的处理装置还可以包括定位模块,可以用于确定所述片头帧的位置作为所述视频文件的片头位置。
根据本公开的实施例,目标帧确定模块可以包括切帧子模块和目标帧确定子模块。其中,切帧子模块,可以用于对视频文件的目标部分进行切帧处理,得到视频序列。目标帧确定子模块,可以用于据视频序列,确定多个目标帧。
根据本公开的实施例,目标帧确定子模块可以包括划分单元、差异确定单元以及目标帧确定单元。其中,划分单元,可以用于将视频序列划分为至少一个集合,其中至少一个集合中的每个集合包含多个帧图像。差异确定单元,可以用于针对每个集合中的每个帧图像,分别确定帧图像与帧图像的前n个帧图像和/或后m个帧图像之间的差异,其中,n和m为正整数。目标帧确定单元,可以用于确定每个集合中差异最大的帧图像作为目标帧。
根据本公开的实施例,空间特征确定模块可以包括第一获取子模块、第二获取子模块以及第一获取子模块。其中,第一获取子模块,可以用于针对每个目标帧,获取目标帧的RGB信息。第二获取子模块,可以用于将目标帧的RGB转换为HSV信息。第一获取子模块,可以用于根据HSV信息,确定HSV空间特征。
根据本公开的实施例,空间特征确定模块可以包括差值确定子模块以及空间特征确定子模块。其中,差值确定子模块,可以用于确定目标帧的HSV信息与视频序列中目标帧的前一个帧图像的HSV信息之间的差值,以及目标帧与视频序列中目标帧之前的所有帧图像的HSV信息之间差值的平均差值。空间特征确定子模块,可以用于根据目标帧的HSV信息、差值以及平均差值,确定HSV空间特征。
根据本公开的实施例,候选帧确定模块可以包括候选帧确定子模块,可以用于确定多个目标帧中HSV空间特征大于HSV特征阈值的目标帧作为候选帧。
根据本公开的实施例,梯度特征确定模块可以包括第一梯度确定子模块以及第二梯度确定子模块。其中,第一梯度确定子模块,可以用于针对候选帧中的每个候选帧,确定候选帧之前预设数量以及之后预设数量的帧图像的梯度值。第二梯度确定子模块,可以用于确定候选帧和候选帧之前预设数量以及之后预设数量的帧图像之间的平均梯度值,作为候选帧的梯度特征。
根据本公开的实施例,片头确定模块可以包括梯度确定子模块,可以用于确定候选帧中梯度特征小于梯度特征阈值的候选帧作为片头帧。
根据本公开的实施例,视频文件的处理装置还可以包括缩放模块,可以用于在视频序列中的帧图像的分辨率大于分辨率阈值的情况下,对帧图像进行缩放处理,以使帧图像的分辨率小于或等于分辨率阈值。
需要说明的是,本公开的技术方案中,所涉及的视频文件等数据的获取、存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图7示意性示出了可以用来实施本公开的实施例的示例电子设备700的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图7所示,设备700包括计算单元701,其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序,来执行各种适当的动作和处理。在RAM 703中,还可存储设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
设备700中的多个部件连接至I/O接口705,包括:输入单元706,例如键盘、鼠标等;输出单元707,例如各种类型的显示器、扬声器等;存储单元708,例如磁盘、光盘等;以及通信单元709,例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理,例如视频文件的处理方法。例如,在一些实施例中,视频文件的处理方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元708。在一些实施例中,计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM 703并由计算单元701执行时,可以执行上文描述的视频文件的处理方法的一个或多个步骤。备选地,在其他实施例中,计算单元701可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行视频文件的处理方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
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。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (23)
1.一种视频文件的处理方法,包括:
确定视频文件的多个目标帧;
确定所述多个目标帧中的每个目标帧的色调饱和度明度HSV空间特征;
根据所述HSV空间特征,确定所述多个目标帧中的候选帧;
确定所述候选帧的梯度特征;以及
根据所述梯度特征,确定所述候选帧中的片头帧。
2.根据权利要求1所述的方法,还包括:
确定所述片头帧的位置作为所述视频文件的片头位置。
3.根据权利要求1所述的方法,其中,所述确定视频文件的多个目标帧包括:
对视频文件的全部或目标部分进行切帧处理,得到视频序列;以及
根据所述视频序列,确定所述多个目标帧。
4.根据权利要求3所述的方法,其中,所述根据所述视频序列,确定所述多个目标帧包括:
将所述视频序列划分为至少一个集合,其中所述至少一个集合中的每个集合包含多个帧图像;
针对所述每个集合中的每个帧图像,分别确定所述帧图像与所述视频序列中所述帧图像的前n个帧图像和/或后m个帧图像之间的差异,其中,所述n和m为正整数;以及
确定所述每个集合中所述差异最大的帧图像作为所述目标帧。
5.根据权利要求1所述的方法,其中,所述确定所述多个目标帧中的每个目标帧的HSV空间特征包括:
针对所述每个目标帧,
获取所述目标帧的RGB信息;
将所述目标帧的RGB转换为HSV信息;以及
根据所述HSV信息,确定所述HSV空间特征。
6.根据权利要求5所述的方法,其中,所述根据所述HSV信息,确定所述HSV空间特征,包括:
确定所述视频序列中第一帧的HSV信息,所述目标帧的HSV信息与所述视频序列中所述目标帧的前一个帧图像的HSV信息之间的差值,以及所述目标帧与视频序列中所述目标帧之前的所有帧图像的HSV信息之间差值的平均差值;以及
根据所述第一帧的HSV信息、所述差值以及所述平均差值,确定所述HSV空间特征。
7.根据权利要求6所述的方法,其中,所述根据所述HSV空间特征,确定所述多个目标帧中的候选帧,包括:
确定所述多个目标帧中HSV空间特征大于HSV特征阈值的目标帧作为所述候选帧。
8.根据权利要求3所述的方法,其中,所述确定所述候选帧的梯度特征包括:
针对所述候选帧中的每个候选帧,
确定所述候选帧之前预设数量以及之后预设数量的帧图像的梯度值;以及
确定所述候选帧和所述候选帧之前预设数量以及之后预设数量的帧图像之间的平均梯度值,作为所述候选帧的梯度特征。
9.根据权利要求1所述的方法,其中,所述根据所述梯度特征,确定所述候选帧中的片头帧,包括:
确定所述候选帧中梯度特征小于梯度特征阈值的候选帧作为所述片头帧。
10.根据权利要求1所述的方法,还包括:
在所述视频序列中的帧图像的分辨率大于分辨率阈值的情况下,对所述帧图像进行缩放处理,以使所述帧图像的分辨率小于或等于分辨率阈值。
11.一种视频文件的处理装置,包括:
目标帧确定模块,用于确定视频文件的多个目标帧;
空间特征确定模块,用于确定所述多个目标帧中的每个目标帧的色调饱和度明度HSV空间特征;
候选帧确定模块,用于根据所述HSV空间特征,确定所述多个目标帧中的候选帧;
梯度特征确定模块,用于确定所述候选帧的梯度特征;以及
片头确定模块,用于根据所述梯度特征,确定所述候选帧中的片头帧。
12.根据权利要求11所述的装置,还包括:
定位模块,用于确定所述片头帧的位置作为所述视频文件的片头位置。
13.根据权利要求11所述的装置,其中,所述目标帧确定模块,包括:
切帧子模块,用于对视频文件的目标部分进行切帧处理,得到视频序列;以及
目标帧确定子模块,用于据所述视频序列,确定所述多个目标帧。
14.根据权利要求13所述的装置,其中,所述目标帧确定子模块包括:
划分单元,用于将所述视频序列划分为至少一个集合,其中所述至少一个集合中的每个集合包含多个帧图像;
差异确定单元,用于针对所述每个集合中的每个帧图像,分别确定所述帧图像与所述帧图像的前n个帧图像和/或后m个帧图像之间的差异,其中,所述n和m为正整数;以及
目标帧确定单元,用于确定所述每个集合中所述差异最大的帧图像作为所述目标帧。
15.根据权利要求11所述的装置,其中,所述空间特征确定模块,包括:
第一获取子模块,用于针对所述每个目标帧,获取所述目标帧的RGB信息;
第二获取子模块,用于将所述目标帧的RGB转换为HSV信息;以及
第一获取子模块,用于根据所述HSV信息,确定所述HSV空间特征。
16.根据权利要求15所述的装置,其中,所述空间特征确定模块,包括:
差值确定子模块,用于确定所述目标帧的HSV信息与所述视频序列中所述目标帧的前一个帧图像的HSV信息之间的差值,以及所述目标帧与视频序列中所述目标帧之前的所有帧图像的HSV信息之间差值的平均差值;以及
空间特征确定子模块,用于根据所述目标帧的HSV信息、所述差值以及所述平均差值,确定所述HSV空间特征。
17.根据权利要求16所述的装置,其中,所述候选帧确定模块,包括:
候选帧确定子模块,用于确定所述多个目标帧中HSV空间特征大于HSV特征阈值的目标帧作为所述候选帧。
18.根据权利要求13所述的装置,其中,所述梯度特征确定模块,包括:
第一梯度确定子模块,用于针对所述候选帧中的每个候选帧,确定所述候选帧之前预设数量以及之后预设数量的帧图像的梯度值;以及
第二梯度确定子模块,用于确定所述候选帧和所述候选帧之前预设数量以及之后预设数量的帧图像之间的平均梯度值,作为所述候选帧的梯度特征。
19.根据权利要求11所述的装置,其中,所述片头确定模块,包括:
梯度确定子模块,用于确定所述候选帧中梯度特征小于梯度特征阈值的候选帧作为所述片头帧。
20.根据权利要求11所述的装置,还包括:
缩放模块,用于在所述视频序列中的帧图像的分辨率大于分辨率阈值的情况下,对所述帧图像进行缩放处理,以使所述帧图像的分辨率小于或等于分辨率阈值。
21.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-10中任一项所述的方法。
22.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-10中任一项所述的方法。
23.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-10中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110934269.7A CN113627363B (zh) | 2021-08-13 | 2021-08-13 | 视频文件的处理方法、装置、设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110934269.7A CN113627363B (zh) | 2021-08-13 | 2021-08-13 | 视频文件的处理方法、装置、设备以及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113627363A true CN113627363A (zh) | 2021-11-09 |
CN113627363B CN113627363B (zh) | 2023-08-15 |
Family
ID=78385682
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110934269.7A Active CN113627363B (zh) | 2021-08-13 | 2021-08-13 | 视频文件的处理方法、装置、设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113627363B (zh) |
Citations (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005184348A (ja) * | 2003-12-18 | 2005-07-07 | Canon Inc | 映像処理装置および代表画像設定方法 |
CN101162470A (zh) * | 2007-11-16 | 2008-04-16 | 北京交通大学 | 一种基于分层匹配的视频广告识别方法 |
CN102156751A (zh) * | 2011-04-26 | 2011-08-17 | 深圳市迅雷网络技术有限公司 | 一种提取视频指纹的方法及装置 |
CN102184182A (zh) * | 2011-03-24 | 2011-09-14 | 中国华录集团有限公司 | 面向视频的基于时间点和关键词的增值信息系统 |
CN102208026A (zh) * | 2011-05-27 | 2011-10-05 | 电子科技大学 | 一种数字视频指纹的提取方法 |
AT509759A2 (de) * | 2008-06-20 | 2011-11-15 | A1 Telekom Austria Ag | Verfahren zum verarbeiten von sport-videosequenzen |
CN102737689A (zh) * | 2012-06-08 | 2012-10-17 | Tcl集团股份有限公司 | 一种片头/片尾位置的定位方法、装置及电视 |
CN102760169A (zh) * | 2012-06-13 | 2012-10-31 | 天脉聚源(北京)传媒科技有限公司 | 一种电视直播流中的广告段检测方法 |
CN102779184A (zh) * | 2012-06-29 | 2012-11-14 | 中国科学院自动化研究所 | 一种近似重复视频片段自动定位方法 |
CN103605991A (zh) * | 2013-10-28 | 2014-02-26 | 复旦大学 | 一种视频广告的自动检测方法 |
CN104219522A (zh) * | 2013-06-04 | 2014-12-17 | 北京大学 | 一种视频图像编码中的码率控制方法及装置 |
CN104408429A (zh) * | 2014-11-28 | 2015-03-11 | 北京奇艺世纪科技有限公司 | 一种视频代表帧提取方法及装置 |
US20150110340A1 (en) * | 2013-10-23 | 2015-04-23 | Gracenote, Inc. | Identifying video content via color-based fingerprint matching |
CN105227999A (zh) * | 2015-09-29 | 2016-01-06 | 北京奇艺世纪科技有限公司 | 一种视频裁剪的方法和装置 |
CN105554514A (zh) * | 2015-12-09 | 2016-05-04 | 福建天晴数码有限公司 | 处理视频片头曲的方法及系统 |
US9418296B1 (en) * | 2015-03-17 | 2016-08-16 | Netflix, Inc. | Detecting segments of a video program |
CN106105047A (zh) * | 2014-03-14 | 2016-11-09 | 夏普株式会社 | 具有颜色空间可缩放性的视频压缩 |
CN106210718A (zh) * | 2016-08-08 | 2016-12-07 | 飞狐信息技术(天津)有限公司 | 一种视频序列中场景切换检测方法及装置 |
CN106507198A (zh) * | 2016-11-28 | 2017-03-15 | 天脉聚源(北京)科技有限公司 | 一种确定视频节目准确开播时刻的方法及装置 |
CN106960211A (zh) * | 2016-01-11 | 2017-07-18 | 北京陌上花科技有限公司 | 关键帧获取方法及装置 |
CN107426585A (zh) * | 2017-08-01 | 2017-12-01 | 中国农业大学 | 一种基于音视频信息检索的电视广告监播系统 |
US20190215518A1 (en) * | 2018-01-10 | 2019-07-11 | Qualcomm Incorporated | Histogram of gradient based optical flow |
CN110458141A (zh) * | 2019-08-20 | 2019-11-15 | 北京深演智能科技股份有限公司 | 一种视频关键帧的提取方法、装置及系统 |
CN110677720A (zh) * | 2019-09-26 | 2020-01-10 | 腾讯科技(深圳)有限公司 | 视频图像帧的定位方法、装置和设备及计算机存储介质 |
CN111241345A (zh) * | 2020-02-18 | 2020-06-05 | 腾讯科技(深圳)有限公司 | 一种视频检索方法、装置、电子设备和存储介质 |
CN111479130A (zh) * | 2020-04-02 | 2020-07-31 | 腾讯科技(深圳)有限公司 | 一种视频定位方法、装置、电子设备和存储介质 |
CN112312195A (zh) * | 2019-07-25 | 2021-02-02 | 腾讯科技(深圳)有限公司 | 视频中植入多媒体信息的方法、装置、计算机设备及存储介质 |
CN112383824A (zh) * | 2020-10-10 | 2021-02-19 | 网宿科技股份有限公司 | 视频广告过滤方法、设备及存储介质 |
CN112650885A (zh) * | 2021-01-22 | 2021-04-13 | 百度在线网络技术(北京)有限公司 | 视频分类方法、装置、设备和介质 |
CN113051233A (zh) * | 2021-03-30 | 2021-06-29 | 联想(北京)有限公司 | 一种处理方法及装置 |
KR20210091076A (ko) * | 2020-12-17 | 2021-07-21 | 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. | 비디오를 처리하기 위한 방법, 장치, 전자기기, 매체 및 컴퓨터 프로그램 |
CN113190695A (zh) * | 2021-05-06 | 2021-07-30 | 北京百度网讯科技有限公司 | 多媒体数据搜索方法及装置、计算机设备和介质 |
-
2021
- 2021-08-13 CN CN202110934269.7A patent/CN113627363B/zh active Active
Patent Citations (33)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005184348A (ja) * | 2003-12-18 | 2005-07-07 | Canon Inc | 映像処理装置および代表画像設定方法 |
CN101162470A (zh) * | 2007-11-16 | 2008-04-16 | 北京交通大学 | 一种基于分层匹配的视频广告识别方法 |
AT509759A2 (de) * | 2008-06-20 | 2011-11-15 | A1 Telekom Austria Ag | Verfahren zum verarbeiten von sport-videosequenzen |
CN102184182A (zh) * | 2011-03-24 | 2011-09-14 | 中国华录集团有限公司 | 面向视频的基于时间点和关键词的增值信息系统 |
CN102156751A (zh) * | 2011-04-26 | 2011-08-17 | 深圳市迅雷网络技术有限公司 | 一种提取视频指纹的方法及装置 |
CN102208026A (zh) * | 2011-05-27 | 2011-10-05 | 电子科技大学 | 一种数字视频指纹的提取方法 |
CN102737689A (zh) * | 2012-06-08 | 2012-10-17 | Tcl集团股份有限公司 | 一种片头/片尾位置的定位方法、装置及电视 |
CN102760169A (zh) * | 2012-06-13 | 2012-10-31 | 天脉聚源(北京)传媒科技有限公司 | 一种电视直播流中的广告段检测方法 |
CN102779184A (zh) * | 2012-06-29 | 2012-11-14 | 中国科学院自动化研究所 | 一种近似重复视频片段自动定位方法 |
CN104219522A (zh) * | 2013-06-04 | 2014-12-17 | 北京大学 | 一种视频图像编码中的码率控制方法及装置 |
US20150110340A1 (en) * | 2013-10-23 | 2015-04-23 | Gracenote, Inc. | Identifying video content via color-based fingerprint matching |
CN103605991A (zh) * | 2013-10-28 | 2014-02-26 | 复旦大学 | 一种视频广告的自动检测方法 |
CN106105047A (zh) * | 2014-03-14 | 2016-11-09 | 夏普株式会社 | 具有颜色空间可缩放性的视频压缩 |
CN104408429A (zh) * | 2014-11-28 | 2015-03-11 | 北京奇艺世纪科技有限公司 | 一种视频代表帧提取方法及装置 |
US9418296B1 (en) * | 2015-03-17 | 2016-08-16 | Netflix, Inc. | Detecting segments of a video program |
CN107534796A (zh) * | 2015-03-17 | 2018-01-02 | 奈飞公司 | 检测视频节目的片段 |
CN105227999A (zh) * | 2015-09-29 | 2016-01-06 | 北京奇艺世纪科技有限公司 | 一种视频裁剪的方法和装置 |
CN105554514A (zh) * | 2015-12-09 | 2016-05-04 | 福建天晴数码有限公司 | 处理视频片头曲的方法及系统 |
CN106960211A (zh) * | 2016-01-11 | 2017-07-18 | 北京陌上花科技有限公司 | 关键帧获取方法及装置 |
CN106210718A (zh) * | 2016-08-08 | 2016-12-07 | 飞狐信息技术(天津)有限公司 | 一种视频序列中场景切换检测方法及装置 |
CN106507198A (zh) * | 2016-11-28 | 2017-03-15 | 天脉聚源(北京)科技有限公司 | 一种确定视频节目准确开播时刻的方法及装置 |
CN107426585A (zh) * | 2017-08-01 | 2017-12-01 | 中国农业大学 | 一种基于音视频信息检索的电视广告监播系统 |
US20190215518A1 (en) * | 2018-01-10 | 2019-07-11 | Qualcomm Incorporated | Histogram of gradient based optical flow |
CN112312195A (zh) * | 2019-07-25 | 2021-02-02 | 腾讯科技(深圳)有限公司 | 视频中植入多媒体信息的方法、装置、计算机设备及存储介质 |
CN110458141A (zh) * | 2019-08-20 | 2019-11-15 | 北京深演智能科技股份有限公司 | 一种视频关键帧的提取方法、装置及系统 |
CN110677720A (zh) * | 2019-09-26 | 2020-01-10 | 腾讯科技(深圳)有限公司 | 视频图像帧的定位方法、装置和设备及计算机存储介质 |
CN111241345A (zh) * | 2020-02-18 | 2020-06-05 | 腾讯科技(深圳)有限公司 | 一种视频检索方法、装置、电子设备和存储介质 |
CN111479130A (zh) * | 2020-04-02 | 2020-07-31 | 腾讯科技(深圳)有限公司 | 一种视频定位方法、装置、电子设备和存储介质 |
CN112383824A (zh) * | 2020-10-10 | 2021-02-19 | 网宿科技股份有限公司 | 视频广告过滤方法、设备及存储介质 |
KR20210091076A (ko) * | 2020-12-17 | 2021-07-21 | 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. | 비디오를 처리하기 위한 방법, 장치, 전자기기, 매체 및 컴퓨터 프로그램 |
CN112650885A (zh) * | 2021-01-22 | 2021-04-13 | 百度在线网络技术(北京)有限公司 | 视频分类方法、装置、设备和介质 |
CN113051233A (zh) * | 2021-03-30 | 2021-06-29 | 联想(北京)有限公司 | 一种处理方法及装置 |
CN113190695A (zh) * | 2021-05-06 | 2021-07-30 | 北京百度网讯科技有限公司 | 多媒体数据搜索方法及装置、计算机设备和介质 |
Non-Patent Citations (1)
Title |
---|
梁刘红 等: "电视节目自动分割算法", 《电视节目自动分割算法》, vol. 41, no. 9, pages 1514 - 1520 * |
Also Published As
Publication number | Publication date |
---|---|
CN113627363B (zh) | 2023-08-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110392306B (zh) | 一种数据处理方法以及设备 | |
US11164004B2 (en) | Keyframe scheduling method and apparatus, electronic device, program and medium | |
CN113808231B (zh) | 信息处理方法及装置、图像渲染方法及装置、电子设备 | |
CN113453073B (zh) | 一种图像渲染方法、装置、电子设备及存储介质 | |
CN115022679B (zh) | 视频处理方法、装置、电子设备和介质 | |
CN112714357A (zh) | 视频播放方法、视频播放装置、电子设备和存储介质 | |
CN113839998B (zh) | 图像数据传输方法、装置、设备、存储介质及程序产品 | |
CN114168793A (zh) | 主播展示方法、装置、设备和存储介质 | |
CN114125498B (zh) | 视频数据处理方法、装置、设备以及存储介质 | |
CN113627363B (zh) | 视频文件的处理方法、装置、设备以及存储介质 | |
CN111383289A (zh) | 图像处理方法、装置、终端设备及计算机可读存储介质 | |
CN115643468A (zh) | 海报生成方法、装置、电子设备及存储介质 | |
CN113836455A (zh) | 特效渲染方法、装置、设备、存储介质及计算机程序产品 | |
CN114760526A (zh) | 一种视频渲染方法、装置、电子设备及存储介质 | |
CN113986168A (zh) | 一种图像显示方法、装置、设备及可读存储介质 | |
CN113873323A (zh) | 视频播放方法、装置、电子设备和介质 | |
CN114490990A (zh) | 待标注文本的确定方法、装置、设备和存储介质 | |
CN113988294A (zh) | 训练预测网络的方法、图像处理方法和装置 | |
CN113760162A (zh) | 用于显示信息的方法、装置、设备以及存储介质 | |
CN113487524A (zh) | 图像格式转换方法、装置、设备、存储介质及程序产品 | |
CN113409199A (zh) | 图像处理方法、装置、电子设备及计算机可读介质 | |
CN114786051B (zh) | 一种视频渲染方法、装置、电子设备及存储介质 | |
CN115643456A (zh) | 一种视频播放方法、装置、设备、存储介质及程序产品 | |
CN113691866A (zh) | 视频处理方法、装置、电子设备和介质 | |
CN117097955A (zh) | 视频处理方法、装置、设备和存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |