CN113628286B - 视频色域检测方法、装置、计算设备及计算机存储介质 - Google Patents

视频色域检测方法、装置、计算设备及计算机存储介质 Download PDF

Info

Publication number
CN113628286B
CN113628286B CN202110909948.9A CN202110909948A CN113628286B CN 113628286 B CN113628286 B CN 113628286B CN 202110909948 A CN202110909948 A CN 202110909948A CN 113628286 B CN113628286 B CN 113628286B
Authority
CN
China
Prior art keywords
color gamut
point
video frame
detection
basic body
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
CN202110909948.9A
Other languages
English (en)
Other versions
CN113628286A (zh
Inventor
王宇佳
陈望都
李康敬
金晶
许海滨
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.)
Migu Cultural Technology Co Ltd
China Mobile Communications Group Co Ltd
MIGU Video Technology Co Ltd
Original Assignee
Migu Cultural Technology Co Ltd
China Mobile Communications Group Co Ltd
MIGU Video 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 Migu Cultural Technology Co Ltd, China Mobile Communications Group Co Ltd, MIGU Video Technology Co Ltd filed Critical Migu Cultural Technology Co Ltd
Priority to CN202110909948.9A priority Critical patent/CN113628286B/zh
Publication of CN113628286A publication Critical patent/CN113628286A/zh
Priority to PCT/CN2022/110928 priority patent/WO2023016423A1/zh
Application granted granted Critical
Publication of CN113628286B publication Critical patent/CN113628286B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
    • G06T2219/20—Indexing scheme for editing of 3D models
    • G06T2219/2012—Colour editing, changing, or manipulating; Use of colour codes

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Graphics (AREA)
  • Software Systems (AREA)
  • Geometry (AREA)
  • Architecture (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种视频色域检测方法、装置、计算设备及计算机存储介质。其中，方法包括：获取第一色域的边界采样点，并基于边界采样点，生成第一色域对应的三维基础体；其中，三维基础体为包含多个基础面的多面体，每个基础面的顶点为边界采样点；针对于视频帧中的任一检测点，确定该检测点的颜色空间位置与三维基础体的位置关系；根据视频帧中检测点的颜色空间位置与三维基础体的位置关系，确定该视频帧是否对应于第一色域。采用本方案，能够提高视频色域检测的准确度，降低误判率。

Description

视频色域检测方法、装置、计算设备及计算机存储介质
技术领域
本发明涉及图像处理技术领域，具体涉及一种视频色域检测方法、装置、计算设备及计算机存储介质。
背景技术
色域指某种表色模式所能表达的颜色构成的范围区域。不同的色彩标准所对应的色域不同。例如，Rec.709及Rec.2020是视频所采用的两种不同的色彩标准，两者所对应的色域不同。
为了识别出视频对应的色彩标准，需对视频进行色域检测。目前采用的视频色域检测方法为基于二维投影的色域检测方法，该方法具体是先将色彩标准所对应的三维色域进行投影，从而生成二维色域，继而获取三维检测点在投影面中的投影点，最终根据二维色域与投影点的位置关系来确定该检测点是否对应于该色彩标准。
然而，发明人在实施过程中发现，现有技术中存在如下缺陷：色彩标准的色域包含三个维度信息，通过投影的方式会损失色域中的维度信息，从而使得视频色域检测精度低，误判率高。
发明内容
鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的视频色域检测方法、装置、计算设备及计算机存储介质。
根据本发明的一个方面，提供了一种视频色域检测方法，包括：
获取第一色域的边界采样点，并基于所述边界采样点，生成第一色域对应的三维基础体；其中，所述三维基础体为包含多个基础面的多面体，每个基础面的顶点为边界采样点；
针对于视频帧中的任一检测点，确定该检测点的颜色空间位置与所述三维基础体的位置关系；
根据视频帧中检测点的颜色空间位置与所述三维基础体的位置关系，确定该视频帧是否对应于第一色域。
可选的，所述获取第一色域的边界采样点进一步包括：
在RGB颜色空间下获取第一色域的边界采样点的RGB坐标，将RGB颜色空间转换为XYZ颜色空间，以将边界采样点的RGB坐标转换为XYZ坐标；
则所述基于所述边界采样点，生成第一色域对应的三维基础体进一步包括：基于所述边界采样点的XYZ坐标，生成第一色域对应的三维基础体。
可选的，所述基于所述边界采样点，生成第一色域对应的三维基础体进一步包括：
基于边界采样点的XYZ坐标，采用三角剖分算法对第一色域的所有边界采样点进行网络划分，以生成第一色域对应的三角网络；其中，所述三角网络中每个网络单元为以三个边界采样点为顶点的三角形，并且每个网络单元的外接圆上不包含其他边界采样点；
针对于所述三角网络中的每个网络单元，根据该网络单元包含的三个边界采样点生成与该网络单元对应的基础面；
根据所述基础面生成第一色域对应的三维基础体。
可选的，所述采用三角剖分算法对第一色域的所有边界采样点进行网络划分，以生成第一色域对应的三角网络进一步包括：
构建初始三角形，采用逐点插入的三角剖分算法对第一色域对应的所有边界采样点进行网络划分，以生成第一色域对应的三角网络。
可选的，所述构建初始三角形进一步包括：
计算包含所有边界采样点的凸包，根据所述凸包构建初始三角形。
可选的，所述针对于视频帧中的任一检测点，确定该检测点的颜色空间位置与所述三维基础体的位置关系进一步包括：
选取基准点，并确定该检测点所对应的目标基础面；其中，所述目标基础面的顶点在所述三维基础体内且所有顶点与该检测点之间的距离之和最短；
确定该检测点对应的目标线与该检测点对应的目标基础面的交点；其中，所述目标线为经过所述基准点及该检测点的直线；
计算基准点与该检测点之间的第一距离，以及计算基准点与所述交点的第二距离；
根据所述第一距离与所述第二距离的大小关系，确定该检测点与所述三维基础体的位置关系。
可选的，所述根据视频帧中检测点与所述三维基础体的位置关系，确定该视频帧是否对应于第一色域进一步包括：
统计该视频帧中位于三维基础体外部的检测点在该视频帧中所有检测点中的比例；
若所述比例大于预设比例，则确定该视频帧对应于第二色域；其中，所述第二色域大于所述第一色域，并且所述第二色域完全覆盖所述第一色域；
若所述比例小于或等于预设比例，则确定该视频帧对应于第一色域；
则所述方法还包括：根据视频帧对应的色域确定出视频帧对应的色彩标准，以及根据视频帧对应的色彩标准确定视频帧的清晰度类型。
根据本发明的另一方面，提供了一种视频色域检测装置，包括：
获取模块，用于获取第一色域的边界采样点；
基础体生成模块，用于基于所述边界采样点，生成第一色域对应的三维基础体；其中，所述三维基础体为包含多个基础面的多面体，每个基础面的顶点为边界采样点；
位置关系确定模块，用于针对于视频帧中的任一检测点，确定该检测点的颜色空间位置与所述三维基础体的位置关系；
色域确定模块，用于根据视频帧中检测点的颜色空间位置与所述三维基础体的位置关系，确定该视频帧是否对应于第一色域。
可选的，所述获取模块进一步用于：在RGB颜色空间下获取第一色域的边界采样点的RGB坐标，将RGB颜色空间转换为XYZ颜色空间，以将边界采样点的RGB坐标转换为XYZ坐标；
则所述基础体生成模块进一步用于：基于所述边界采样点的XYZ坐标，生成第一色域对应的三维基础体。
可选的，所述基础体生成模块进一步用于：基于边界采样点的XYZ坐标，采用三角剖分算法对第一色域的所有边界采样点进行网络划分，以生成第一色域对应的三角网络；其中，所述三角网络中每个网络单元为以三个边界采样点为顶点的三角形，并且每个网络单元的外接圆上不包含其他边界采样点；
针对于所述三角网络中的每个网络单元，根据该网络单元包含的三个边界采样点生成与该网络单元对应的基础面；
根据生成的基础面生成第一色域对应的三维基础体。
可选的，所述基础体生成模块进一步用于：构建初始三角形，采用逐点插入的三角剖分算法对第一色域对应的所有边界采样点进行网络划分，以生成第一色域对应的三角网络。
可选的，所述基础体生成模块进一步用于：计算包含所有边界采样点的凸包，根据所述凸包构建初始三角形。
可选的，所述位置关系确定模块进一步用于，选取基准点，并确定该检测点所对应的目标基础面；其中，所述目标基础面的顶点在所述三维基础体的基础面上且所有顶点与该检测点之间的距离之和最短；
确定该检测点对应的目标线与该检测点对应的目标基础面的交点；其中，所述目标线为经过所述基准点及该检测点的直线；
计算基准点与该检测点之间的第一距离，以及计算基准点与所述交点的第二距离；
根据所述第一距离与所述第二距离的大小关系，确定该检测点与所述三维基础体的位置关系。
可选的，所述色域确定模块进一步用于：统计该视频帧中位于三维基础体外部的检测点在该视频帧中所有检测点中的比例；
若所述比例大于预设比例，则确定该视频帧对应于第二色域；其中，所述第二色域大于所述第一色域，并且所述第二色域完全覆盖所述第一色域；
若所述比例小于或等于预设比例，则确定该视频帧对应于第一色域；
则所述装置还包括：清晰度类型确定模块，用于根据视频帧对应的色域确定出视频帧对应的色彩标准，以及根据视频帧对应的色彩标准确定视频帧的清晰度类型。
根据本发明的又一方面，提供了一种计算设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行上述视频色域检测方法对应的操作。
根据本发明的再一方面，提供了一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如上述视频色域检测方法对应的操作。
根据本发明公开的视频色域检测方法、装置、计算设备及计算机存储介质，首先获取第一色域的边界采样点，并基于边界采样点，生成第一色域对应的三维基础体；其中，三维基础体为包含多个基础面的多面体，每个基础面的顶点为边界采样点；针对于视频帧中的任一检测点，确定该检测点的颜色空间位置与三维基础体的位置关系；最终根据视频帧中检测点的颜色空间位置与三维基础体的位置关系，确定该视频帧是否对应于第一色域。采用本方案，能够提高视频色域检测的准确度，降低误判率。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了本发明实施例一提供的一种视频色域检测方法的流程图；
图2示出了本发明实施例二提供的一种视频色域检测方法的流程图；
图3示出了本发明实施例三提供的一种视频色域检测方法的流程图；
图4示出了本发明实施例提供的一种检测点及目标基础面的示意图；
图5示出了本发明实施例四提供的一种视频色域检测装置的结构示意图；
图6示出了本发明实施例六提供的一种计算设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
实施例一
图1示出了本发明实施例一提供的一种视频色域检测方法的流程图。本实施例所提供的视频色域检测方法，能够准确地确定出视频帧是否处于某色彩标准的色域内，继而便于确定视频帧对应的色彩标准。
如图1所示，该方法包括：
步骤S110，获取第一色域的边界采样点，并基于该边界采样点，生成第一色域对应的三维基础体；其中，该三维基础体为包含多个基础面的多面体，每个基础面的顶点为边界采样点。
在对视频进行色域检测之前，预先构建第一色域对应的三维基础体，该第一色域为第一色彩标准的色域。其中，第一色彩标准可以为Rec.709、Rec.2020等色彩标准。
在构建第一色域对应的三维基础体过程中，为简化后续的处理逻辑，提升三维基础体的构建效率，首先确定第一色彩标准所对应的第一色域，继而对第一色域的色域边界进行采样，采样获得的采样点为第一色域的边界采样点，并可将所有边界采样点集中存储于边界点集合中。
进一步基于边界点集合中的边界采样点，生成第一色域对应的三维基础体。具体地，该三维基础体是由基础面围合形成的封闭多面体。基础面的顶点为边界点集合中的边界采样点，边界点集合中的所有边界采样点与三维基础体的各个顶点一一对应。
生成的三维基础体的基础面上的点对应于第一色域的边界点，而三维基础体内部的点对应于第一色域除边界点之外的内部点。从而三维基础体的基础面构成了第一色域的边界面，而三维基础体则是构成了包含第一色域所有点的最小的多面体。
步骤S120，针对于视频帧中的任一检测点，确定该检测点的颜色空间位置与三维基础体的位置关系。
在进行视频色域检测过程中，可以以视频帧为单位确定视频帧是否对应于第一色域。在确定视频帧是否对应于第一色域时，可针对于任一视频帧，在该视频帧中选取检测点。本实施例对具体检测点的选取个数及选取位置等不作限定。
针对于视频帧中的任一检测点，确定该检测点的颜色空间位置与三维基础体的位置关系。其中，检测点的颜色空间位置与三维基础体的位置关系包含三类：第一类为检测点的颜色空间位置位于三维基础体的外部，第二类为检测点的颜色空间位置位于三维基础体的内部，第三类为检测点的颜色空间位置位于三维基础体的基础面上。
检测点颜色空间位置与三维基础体不同的位置关系表征了检测点与第一色域的关系。具体地，若检测点颜色空间位置位于三维基础体的外部，则表明该检测点处于第一色域的外部；若检测点颜色空间位置位于三维基础体的内部，则表明该检测点处于第一色域的内部；若检测点颜色空间位置位于三维基础体的基础面上，则表明该检测点处于第一色域的边界。
步骤S130，根据视频帧中检测点的颜色空间位置与三维基础体的位置关系，确定该视频帧是否对应于第一色域。
针对于任一视频帧，根据该视频帧中各个检测点与三维基础体的位置关系的统计值，能够确定该视频帧是否对应于第一色域。例如，若视频帧中位于三维基础体外部的检测点在视频帧中所有检测点中的比例大于预设比例，则确定该视频帧不对应第一色域；若视频帧中位于三维基础体外部的检测点在视频帧中所有检测点中的比例小于或等于预设比例，则确定该视频帧对应第一色域等等。
由此可见，本实施例预先获取第一色域的边界采样点，并基于获取到的边界采样点生成第一色域对应的三维基础体，该三维基础体为包含多个基础面的多面体，每个基础面的顶点为边界采样点，构建出的三维基础体是包含第一色域所有点的最小的多面体。从而通过该三维基础体能够准确地映射第一色域；进一步根据检测点的颜色空间位置与三维基础体的位置关系能够准确地确定出视频帧是否对应于第一色域。本实施例并未对第一色域及检测点进行二维投影，从而不存在色域维度信息的损失，进而降低了色域检测的误判率，提升色域检测的准确度。
实施例二
图2示出了本发明实施例二提供的一种视频色域检测方法的流程图。本实施例是针对实施例一中视频色域检测方法的进一步优化。具体地，本实施例提供了一种生成第一色域对应的三维基础体的优化方法。
如图2所示，该方法包括：
步骤S210，在RGB颜色空间下获取第一色域的边界采样点的RGB坐标，将RGB颜色空间转换为XYZ颜色空间，以将边界采样点的RGB坐标转换为XYZ坐标。
在具体的实施过程中，由于在RGB颜色空间下第一色域为六面体，该六面体的六个外向面为第一色域的边界面，而六个外向面上的点为第一色域的边界点。由此本实施例先在RGB颜色空间下对第一色域进行边界点采样，从而能够快速且简便的采集到第一色域的边界采样点。其中，在边界点采样过程中，可根据相应的采样周期，从该六个外向面中提取边界采样点。例如，可以在该六个外向面的每个维度上，每八个点选取一个采样点等等。
由于初始的边界采样点是在RGB颜色空间下获得的，从而提取出的边界采样点的信息为边界采样点的RGB坐标。但是由于人眼对于常见的红绿蓝三色的敏感程度不一样，由此在RGB颜色空间下人眼对两个颜色之间的知觉差异不能表示为该颜色空间中两点间的距离。
基于此，为了进一步提升视频色域检测的准确度，本步骤在获取第一色域的边界采样点的RGB坐标之后，进一步进行颜色空间的转换，将原有的RGB颜色空间转换为XYZ颜色空间，从而将边界采样点的RGB坐标转换为XYZ坐标。在XYZ颜色空间下，人眼对两个颜色之间的知觉差异能够表示为该颜色空间中两点间的距离。具体地，针对于每个边界采样点，可通过以下公式2-1实现颜色空间的转换：
其中，X、Y、Z分别是XYZ颜色空间下对应的三个坐标值，ER、EG、EB分别是RGB颜色空间下对应的三个坐标值。
在一种可选的实施方式中，为便于后续步骤的处理，在颜色空间转换后，进一步对边界采样点的XYZ坐标进行归一化处理。从而后续基于归一化处理后的边界采样点的XYZ坐标进行进一步处理。
步骤S220，基于边界采样点的XYZ坐标，采用三角剖分算法对第一色域的所有边界采样点进行网络划分，以生成第一色域对应的三角网络。
在XYZ颜色空间中，边界采样点以散点的方式分布，本实施例通过步骤S220及步骤S230来确定出在XYZ颜色空间下第一色域的边界面。
具体地，采用三角剖分算法对第一色域的所有边界采样点进行网络划分，使得划分后的三角网络中的每个网络节点与边界点集合中的边界采样点一一对应，并且每个网络单元为以三个边界采样点为顶点的三角形，并且每个网络单元的外接圆上不包含其他边界采样点。采用该种方式能够使得后续获得的基础面更加精准，从而提升视频色域检测的准确度。
在一种可选的实施方式中，三角网络具体可通过如下方式生成：
首先，构建初始三角形。在一种实施方式中，可随机选取三个边界采样点作为初始三角形的顶点，从而简化三角网络的划分逻辑；在又一种实施方式中，为了提升三角网络整体的生成效率，预先计算包含所有边界采样点的凸包，并根据凸包构建初始三角形。其中，在本实施例的三维空间中，边界采样点的凸包是能够包含所有边界采样点的多面体，并且凸包的顶点为采样点集合中的一部分边界采样点。从而可根据凸包的顶点及顶点间的连线来构建初始三角形，本发明对凸包的具体计算方式不作限定。
进一步，采用逐点插入的三角剖分算法对第一色域对应的所有边界采样点进行网络划分，以生成第一色域对应的三角网络。具体地，将当前尚未加入三角网络的一个边界采样点插入当前三角网络中一个已生成的三角形中，判断新插入的边界采样点是否在该三角形的外接圆上。其中，判断新插入的边界采样点是否在该三角形的外接圆上可通过以下公式2-2实现：
其中，该三角形顶点为a、b、c；d为新插入的边界采样点；(Xa,Ya,Za)，(Xb,Yb,Zb)，(Xc,Yc,Zc)，(Xd,Yd,Zd)分别为a、b、c、d的坐标。
若新插入的边界采样点不在该三角形的外接圆上，即不满足上述公式2-2时，则将该新插入的边界采样点与该三角形的各个顶点连接，形成新的三角形；若新插入的边界采样点在该三角形的外接圆上，即满足上述公式2-2时，则进行LOP优化处理，即删除该已生成的三角形中靠近新插入的边界采样点的一条连线，并连接新插入的边界采样点与该三角形的各个顶点，从而形成新的三角形。不断重复上述步骤，直至当前不存在未加入三角网络的边界采样点，此时的三角网络为第一色域对应的三角网络。
步骤S230，针对于三角网络中的每个网络单元，根据该网络单元包含的三个边界采样点生成与该网络单元对应的基础面，根据生成的基础面生成第一色域对应的三维基础体。
三角网络中每个网络单元为以三个边界采样点为顶点的三角形，每个网络单元与各个基础面一一对应。基础面的顶点即为对应网络单元中三角形的顶点，由此本实施例生成的每个基础面为三角形。通过基础面能够围合成一个封闭的多面体，该多面体即为第一色域对应的三维基础体。
步骤S240，针对于视频帧中的任一检测点，确定该检测点的颜色空间位置与三维基础体的位置关系，根据视频帧中检测点的颜色空间位置与三维基础体的位置关系，确定该视频帧是否对应于第一色域。
基于上述生成的第一色域对应的三维基础体对视频帧进行色域检测。
由此可见，本实施例首先在RGB颜色空间下提取第一色域的边界采样点，从而能够快速简便地获得边界采样点的RGB坐标；继而将颜色空间由RGB颜色空间转换为XYZ颜色空间，能够使得利用颜色空间中两点的距离来准确表征人眼对两种颜色的视觉差异；进一步通过三角剖分算法来生成三角网络，继而准确地获得基础面，使得最终生成的三维基础体与第一色域更加接近。最终根据该三维基础体与检测点的距离来进行视频色域检测，从而提升了视频色域检测的准确度。
实施例三
图3示出了本发明实施例三提供的一种视频色域检测方法的流程图。本实施例是针对实施例一和/或实施例二中视频色域检测方法的进一步优化。具体地，本实施例提供了一种基于第一色域对应的三维基础体进行视频色域检测的优化方法。
如图3所示，该方法包括：
步骤S310，获取第一色域的边界采样点，并基于边界采样点，生成第一色域对应的三维基础体。
本步骤可参照实施例一或实施例二中相应部分的描述，本实施例在此不作赘述。
步骤S320，针对于视频帧中的任一检测点，确定该检测点的颜色空间位置与三维基础体的位置关系。
针对于待检测的视频，可抽取一个或多个视频帧进行检测。针对于抽取出的任一视频帧，从该视频帧中确定出至少一个检测点。并进一步提取检测点在XYZ颜色空间下的XYZ坐标。其中，若在实际的实施过程中，初始提取出的检测点的坐标为RGB坐标，则将检测点的RGB坐标转换为XYZ坐标。
进一步基于检测点的XYZ坐标，确定该检测点的颜色空间位置与三维基础体的位置关系。具体地，可通过以下方式准确且快速地确定出检测点的颜色空间位置与三维基础体的位置关系：
首先选取基准点，基准点的个数通常为一个，在一种优选的实施方式中，可确定三维基础体在Z轴上的最大边界点，继而将原点与Z轴上的最大边界点的中点作为基准点。
进一步确定该检测点所对应的目标基础面，其中，该检测点所对应的目标基础面的顶点在三维基础体的基础面上且所有顶点与该检测点之间的距离之和最短。具体地，针对于各个基础面，计算该基础面各个顶点与该检测点的距离，继而获得该基础面所有顶点与该检测点距离之和，并将距离之和最小的基础面确定为该检测点对应的目标基础面。
以及确定该检测点对应的目标线与该检测点对应的目标基础面的交点，其中，该检测点对应的目标线为经过基准点及该检测点的直线。该检测点对应的目标线会与该检测点对应的目标基础面相交。如图4所示，在XYZ颜色空间下，点S1、S2、S3分别为检测点P对应的目标基础面的三个顶点，O为基准点，OP为检测点P对应的目标线，目标线OP与目标基础面相交于交点Q。其中，本发明对交点Q的具体计算方式不作限定。
计算基准点与该检测点之间的第一距离，以及计算基准点与交点的第二距离。仍以图4为例，|OP|为第一距离，|OQ|为第二距离。
最终根据第一距离与第二距离的大小关系，确定该检测点与三维基础体的位置关系。具体地，若第一距离大于第二距离，则确定检测点在三维基础体外部；若第一距离等于第二距离，则确定检测点在三维基础体的基准面上；若第一距离小于第二距离，则确定检测点在三维基础体的内部。
步骤S330，统计该视频帧中位于三维基础体外部的检测点在该视频帧中所有检测点中的比例。
针对于任一视频帧，统计该视频帧中位于三维基础体外部的检测点的数目，继而根据该数目与该视频帧中检测点的总数的比值确定出该视频帧中位于三维基础体外部的检测点在该视频帧中所有检测点中的比例。
步骤S340，判断视频帧中位于三维基础体外部的检测点在该视频帧中所有检测点中的比例是否大于预设比例；若是，则确定该视频帧对应于第二色域；若否，则确定该视频帧对应于第一色域。
其中，第二色域大于第一色域，并且第二色域完全覆盖第一色域。例如，第一色域可以为Rec.709色彩标准的色域，第二色域可以为Rec.2020色彩标准的色域。
若当前仅有两个彩色标准，若视频帧中位于三维基础体外部的检测点的比例大于预设比例，则表明有超出预设比例的检测点超出了第一色域的范围，从而确定出视频帧对应的色域为第二色域；若视频帧中位于三维基础体外部的检测点的比例小于预设比例，则表明绝大多数检测点未超出第一色域的范围，从而确定出视频帧对应的色域为第一色域。其中，预设比例可以为5％等。
在实际的实施过程中，不同清晰度的视频通常对应于不同的色彩标准。例如普通清晰度的视频通常采用Rec.709色彩标准，而超高清视频通常采用Rec.2020色彩标准等等。由此，在确定出视频帧对应的色域后，可确定出视频帧对应的色彩标准，继而确定出视频帧所对应的清晰度类型等等。
此外，还可根据视频帧对应的色域来确定出视频整体的色域。例如，分别统计各个视频帧所对应的色域，根据各个色域中视频帧的占比来确定视频整体的色域等等。
由此可见，本实施例在获得三维基础体之后，分别确定出检测点对应的目标线与检测点对应的目标基础面的交点，该交点即为边界点，继而根据基准点与该检测点之间的第一距离和基准点与交点的第二距离的大小关系来准确地确定出检测点与三维基础体的位置关系；并且统计该视频帧中位于三维基础体外部的检测点的比例，并且判断视频帧中位于三维基础体外部的检测点的比例是否大于预设比例，并根据判断结果来确定出视频帧对应的色域，从而进一步提升视频色域检测的精度。
实施例四
图5示出了本发明实施例四提供的一种视频色域检测装置的结构图。如图5所示，该装置500包括：获取模块510、基础体生成模块520、位置关系确定模块530、及色域确定模块540。
获取模块510，用于获取第一色域的边界采样点；
基础体生成模块520，用于基于所述边界采样点，生成第一色域对应的三维基础体；其中，所述三维基础体为包含多个基础面的多面体，每个基础面的顶点为边界采样点；
位置关系确定模块530，用于针对于视频帧中的任一检测点，确定该检测点的颜色空间位置与所述三维基础体的位置关系；
色域确定模块540，用于根据视频帧中检测点的颜色空间位置与所述三维基础体的位置关系，确定该视频帧是否对应于第一色域。
可选的，所述获取模块进一步用于：在RGB颜色空间下获取第一色域的边界采样点的RGB坐标，将RGB颜色空间转换为XYZ颜色空间，以将边界采样点的RGB坐标转换为XYZ坐标；
则所述基础体生成模块进一步用于：基于所述边界采样点的XYZ坐标，生成第一色域对应的三维基础体。
可选的，所述基础体生成模块进一步用于：基于边界采样点的XYZ坐标，采用三角剖分算法对第一色域的所有边界采样点进行网络划分，以生成第一色域对应的三角网络；其中，所述三角网络中每个网络单元为以三个边界采样点为顶点的三角形，并且每个网络单元的外接圆上不包含其他边界采样点；
针对于所述三角网络中的每个网络单元，根据该网络单元包含的三个边界采样点生成与该网络单元对应的基础面；
根据生成的基础面生成第一色域对应的三维基础体。
可选的，所述基础体生成模块进一步用于：构建初始三角形，采用逐点插入的三角剖分算法对第一色域对应的所有边界采样点进行网络划分，以生成第一色域对应的三角网络。
可选的，所述基础体生成模块进一步用于：计算包含所有边界采样点的凸包，根据所述凸包构建初始三角形。
可选的，所述位置关系确定模块进一步用于，选取基准点，并确定该检测点所对应的目标基础面；其中，所述目标基础面的顶点在所述三维基础体的基础面上且所有顶点与该检测点之间的距离最短；
确定该检测点对应的目标线与该检测点对应的目标基础面的交点；其中，所述目标线为经过所述基准点及该检测点的直线；
计算基准点与该检测点之间的第一距离，以及计算基准点与所述交点的第二距离；
根据所述第一距离与所述第二距离的大小关系，确定该检测点与所述三维基础体的位置关系。
可选的，所述色域确定模块进一步用于：统计该视频帧中位于三维基础体外部的检测点在该视频帧中所有检测点中的比例；
若所述比例大于预设比例，则确定该视频帧对应于第二色域；其中，所述第二色域大于所述第一色域，并且所述第二色域完全覆盖所述第一色域；
若所述比例小于或等于预设比例，则确定该视频帧对应于第一色域；
则所述装置还包括：清晰度类型确定模块，用于根据视频帧对应的色域确定出视频帧对应的色彩标准，以及根据视频帧对应的色彩标准确定视频帧的清晰度类型。
其中本实施例中各模块的具体实施过程可参照方法实施例中相应部分的描述，本实施例在此不作赘述。
由此可见，本实施例预先获取第一色域的边界采样点，并基于获取到的边界采样点生成第一色域对应的三维基础体，该三维基础体为包含多个基础面的多面体，每个基础面的顶点为边界采样点，构建出的三维基础体是包含第一色域所有点的最小的多面体。从而通过该三维基础体能够准确地映射第一色域；进一步根据检测点的颜色空间位置与三维基础体的位置关系能够准确地确定出视频帧是否对应于第一色域。本实施例并未对第一色域及检测点进行二维投影，从而不存在色域维度信息的损失，进而降低了色域检测的误判率，提升色域检测的准确度。
实施例五
本发明实施例五提供了一种非易失性计算机存储介质，所述计算机存储介质存储有至少一可执行指令，该计算机可执行指令可执行上述任意视频色域检测方法实施例中的方法。
实施例六
图6示出了本发明实施例六提供的一种计算设备的结构示意图。本发明具体实施例并不对计算设备的具体实现做限定。
如图6所示，该计算设备可以包括：处理器(processor)602、通信接口(Communications Interface)604、存储器(memory)606、以及通信总线608。
其中：处理器602、通信接口604、以及存储器606通过通信总线608完成相互间的通信。通信接口604，用于与其它设备比如客户端或其它服务器等的网元通信。处理器602，用于执行程序610，具体可以执行上述用于视频色域检测方法实施例中的相关步骤。
具体地，程序610可以包括程序代码，该程序代码包括计算机操作指令。
处理器602可能是中央处理器CPU，或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。计算设备包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个CPU；也可以是不同类型的处理器，如一个或多个CPU以及一个或多个ASIC。
存储器606，用于存放程序610。存储器606可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
程序610具体可以用于使得处理器602执行以下操作：
获取第一色域的边界采样点，并基于所述边界采样点，生成第一色域对应的三维基础体；其中，所述三维基础体为包含多个基础面的多面体，每个基础面的顶点为边界采样点；
针对于视频帧中的任一检测点，确定该检测点的颜色空间位置与所述三维基础体的位置关系；
根据视频帧中检测点的颜色空间位置与所述三维基础体的位置关系，确定该视频帧是否对应于第一色域。
在一种可选的实施方式中，程序610具体可以用于使得处理器602执行以下操作：
在RGB颜色空间下获取第一色域的边界采样点的RGB坐标，将RGB颜色空间转换为XYZ颜色空间，以将边界采样点的RGB坐标转换为XYZ坐标；
则所述基于所述边界采样点，生成第一色域对应的三维基础体进一步包括：基于所述边界采样点的XYZ坐标，生成第一色域对应的三维基础体。
在一种可选的实施方式中，程序610具体可以用于使得处理器602执行以下操作：
基于边界采样点的XYZ坐标，采用三角剖分算法对第一色域的所有边界采样点进行网络划分，以生成第一色域对应的三角网络；其中，所述三角网络中每个网络单元为以三个边界采样点为顶点的三角形，并且每个网络单元的外接圆上不包含其他边界采样点；
针对于所述三角网络中的每个网络单元，根据该网络单元包含的三个边界采样点生成与该网络单元对应的基础面；
根据所述基础面生成第一色域对应的三维基础体。
在一种可选的实施方式中，程序610具体可以用于使得处理器602执行以下操作：
构建初始三角形，采用逐点插入的三角剖分算法对第一色域对应的所有边界采样点进行网络划分，以生成第一色域对应的三角网络。
在一种可选的实施方式中，程序610具体可以用于使得处理器602执行以下操作：
计算包含所有边界采样点的凸包，根据所述凸包构建初始三角形。
在一种可选的实施方式中，程序610具体可以用于使得处理器602执行以下操作：
选取基准点，并确定该检测点所对应的目标基础面；其中，所述目标基础面的顶点在所述三维基础体的基础面上且所有顶点与该检测点之间的距离之和最短；
确定该检测点对应的目标线与该检测点对应的目标基础面的交点；其中，所述目标线为经过所述基准点及该检测点的直线；
计算基准点与该检测点之间的第一距离，以及计算基准点与所述交点的第二距离；
根据所述第一距离与所述第二距离的大小关系，确定该检测点与所述三维基础体的位置关系。
在一种可选的实施方式中，程序610具体可以用于使得处理器602执行以下操作：
统计该视频帧中位于三维基础体外部的检测点在该视频帧中所有检测点中的比例；
若所述比例大于预设比例，则确定该视频帧对应于第二色域；其中，所述第二色域大于所述第一色域，并且所述第二色域完全覆盖所述第一色域；
若所述比例小于或等于预设比例，则确定该视频帧对应于第一色域；
则所述方法还包括：根据视频帧对应的色域确定出视频帧对应的色彩标准，以及根据视频帧对应的色彩标准确定视频帧的清晰度类型。
在此提供的算法或显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明实施例也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本发明并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。上述实施例中的步骤，除有特殊说明外，不应理解为对执行顺序的限定。

Claims (9)

1.一种视频色域检测方法，其特征在于，包括：
获取第一色域的边界采样点，并基于所述边界采样点，生成第一色域对应的三维基础体；其中，所述三维基础体为包含多个基础面的多面体，每个基础面的顶点为边界采样点；
针对于视频帧中的任一检测点，确定该检测点对应的目标基础面，目标基础面的顶点在三维基础体的基础面上且所有顶点与该检测点之间的距离之和最短，确定该检测点对应的目标线与该检测点对应的目标基础面的交点，目标线为经过基准点及该检测点的直线；计算基准点与该检测点之间的第一距离以及计算基准点与交点的第二距离；根据第一距离与第二距离的大小关系，确定该检测点与所述三维基础体的位置关系；
根据视频帧中检测点的颜色空间位置与所述三维基础体的位置关系，确定该视频帧是否对应于第一色域。
2.根据权利要求1所述的方法，其特征在于，所述获取第一色域的边界采样点进一步包括：
在RGB颜色空间下获取第一色域的边界采样点的RGB坐标，并将RGB颜色空间转换为XYZ颜色空间，以将边界采样点的RGB坐标转换为XYZ坐标；
则所述基于所述边界采样点，生成第一色域对应的三维基础体进一步包括：基于所述边界采样点的XYZ坐标，生成第一色域对应的三维基础体。
3.根据权利要求2所述的方法，其特征在于，所述基于所述边界采样点的XYZ坐标，生成第一色域对应的三维基础体进一步包括：
基于边界采样点的XYZ坐标，采用三角剖分算法对第一色域的所有边界采样点进行网络划分，以生成第一色域对应的三角网络；其中，所述三角网络中每个网络单元为以三个边界采样点为顶点的三角形，并且每个网络单元的外接圆上不包含其他边界采样点；
针对于所述三角网络中的每个网络单元，根据该网络单元包含的三个边界采样点生成与该网络单元对应的基础面；
根据所述基础面生成第一色域对应的三维基础体。
4.根据权利要求3所述的方法，其特征在于，所述采用三角剖分算法对第一色域的所有边界采样点进行网络划分，以生成第一色域对应的三角网络进一步包括：
构建初始三角形，采用逐点插入的三角剖分算法对第一色域对应的所有边界采样点进行网络划分，以生成第一色域对应的三角网络。
5.根据权利要求4所述的方法，其特征在于，所述构建初始三角形进一步包括：
计算包含所有边界采样点的凸包，根据所述凸包构建初始三角形。
6.根据权利要求1-5中任一项所述的方法，其特征在于，所述根据视频帧中检测点与所述三维基础体的位置关系，确定该视频帧是否对应于第一色域进一步包括：
统计该视频帧中位于三维基础体外部的检测点在该视频帧中所有检测点中的比例；
若所述比例大于预设比例，则确定该视频帧对应于第二色域；其中，所述第二色域大于所述第一色域，并且所述第二色域完全覆盖所述第一色域；
若所述比例小于或等于预设比例，则确定该视频帧对应于第一色域；
则所述方法还包括：根据视频帧对应的色域确定出视频帧对应的色彩标准，以及根据视频帧对应的色彩标准确定视频帧的清晰度类型。
7.一种视频色域检测装置，其特征在于，包括：
获取模块，用于获取第一色域的边界采样点；
基础体生成模块，用于基于所述边界采样点，生成第一色域对应的三维基础体；其中，所述三维基础体为包含多个基础面的多面体，每个基础面的顶点为边界采样点；
位置关系确定模块，用于针对于视频帧中的任一检测点，确定该检测点对应的目标基础面，目标基础面的顶点在三维基础体的基础面上且所有顶点与该检测点之间的距离之和最短，确定该检测点对应的目标线与该检测点对应的目标基础面的交点，目标线为经过基准点及该检测点的直线；计算基准点与该检测点之间的第一距离以及计算基准点与交点的第二距离；根据第一距离与第二距离的大小关系，确定该检测点与所述三维基础体的位置关系；
色域确定模块，用于根据视频帧中检测点的颜色空间位置与所述三维基础体的位置关系，确定该视频帧是否对应于第一色域。
8.一种计算设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如权利要求1-6中任一项所述的视频色域检测方法对应的操作。
9.一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如权利要求1-6中任一项所述的视频色域检测方法对应的操作。
CN202110909948.9A 2021-08-09 2021-08-09 视频色域检测方法、装置、计算设备及计算机存储介质 Active CN113628286B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202110909948.9A CN113628286B (zh) 2021-08-09 2021-08-09 视频色域检测方法、装置、计算设备及计算机存储介质
PCT/CN2022/110928 WO2023016423A1 (zh) 2021-08-09 2022-08-08 视频色域检测方法、装置、计算设备、计算机存储介质和计算机程序产品

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110909948.9A CN113628286B (zh) 2021-08-09 2021-08-09 视频色域检测方法、装置、计算设备及计算机存储介质

Publications (2)

Publication Number Publication Date
CN113628286A CN113628286A (zh) 2021-11-09
CN113628286B true CN113628286B (zh) 2024-03-22

Family

ID=78383729

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110909948.9A Active CN113628286B (zh) 2021-08-09 2021-08-09 视频色域检测方法、装置、计算设备及计算机存储介质

Country Status (2)

Country Link
CN (1) CN113628286B (zh)
WO (1) WO2023016423A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113628286B (zh) * 2021-08-09 2024-03-22 咪咕视讯科技有限公司 视频色域检测方法、装置、计算设备及计算机存储介质

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003008912A (ja) * 2001-06-19 2003-01-10 Fuji Xerox Co Ltd 色域算出装置および色域算出方法、記憶媒体
CN101711000A (zh) * 2009-11-17 2010-05-19 天津大学 基于获取最宽可感知色域三基色的编码方案
CN105519126A (zh) * 2013-09-03 2016-04-20 汤姆逊许可公司 用于显示视频的方法和用于显示视频的装置
CN107833214A (zh) * 2017-11-03 2018-03-23 北京奇虎科技有限公司 视频清晰度检测方法、装置、计算设备及计算机存储介质
CN108986769A (zh) * 2018-09-05 2018-12-11 成都索贝数码科技股份有限公司 一种低于Rec.2020色域显示设备最大化还原Rec.2020色域内容的方法
CN110047142A (zh) * 2019-03-19 2019-07-23 中国科学院深圳先进技术研究院 无人机三维地图构建方法、装置、计算机设备及存储介质
CN111277862A (zh) * 2020-02-27 2020-06-12 上海电力大学 一种基于嵌入式cpu的视频色域检测方法及系统
WO2020234509A1 (en) * 2019-05-22 2020-11-26 Nokia Technologies Oy A method, an apparatus and a computer program product for volumetric video encoding and decoding
CN112215925A (zh) * 2020-11-05 2021-01-12 中国矿业大学 自适应采煤机随动跟踪多摄像头视频拼接方法
CN112613344A (zh) * 2020-12-01 2021-04-06 浙江大华汽车技术有限公司 车辆占道检测方法、装置、计算机设备和可读存储介质
CN113518996A (zh) * 2019-01-22 2021-10-19 扉时公司 从多视图视觉数据进行损坏检测

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120082373A1 (en) * 2010-09-30 2012-04-05 Konica Minolta Systems Laboratory, Inc. Method and system for determining whether a point is inside a polyhedron
US10979601B2 (en) * 2016-04-04 2021-04-13 Dolby Laboratories Licensing Corporation High precision gamut mapping
JP2020202524A (ja) * 2019-06-12 2020-12-17 日本放送協会 色域測定装置およびそのプログラム
CN113628286B (zh) * 2021-08-09 2024-03-22 咪咕视讯科技有限公司 视频色域检测方法、装置、计算设备及计算机存储介质

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003008912A (ja) * 2001-06-19 2003-01-10 Fuji Xerox Co Ltd 色域算出装置および色域算出方法、記憶媒体
CN101711000A (zh) * 2009-11-17 2010-05-19 天津大学 基于获取最宽可感知色域三基色的编码方案
CN105519126A (zh) * 2013-09-03 2016-04-20 汤姆逊许可公司 用于显示视频的方法和用于显示视频的装置
CN107833214A (zh) * 2017-11-03 2018-03-23 北京奇虎科技有限公司 视频清晰度检测方法、装置、计算设备及计算机存储介质
CN108986769A (zh) * 2018-09-05 2018-12-11 成都索贝数码科技股份有限公司 一种低于Rec.2020色域显示设备最大化还原Rec.2020色域内容的方法
CN113518996A (zh) * 2019-01-22 2021-10-19 扉时公司 从多视图视觉数据进行损坏检测
CN110047142A (zh) * 2019-03-19 2019-07-23 中国科学院深圳先进技术研究院 无人机三维地图构建方法、装置、计算机设备及存储介质
WO2020234509A1 (en) * 2019-05-22 2020-11-26 Nokia Technologies Oy A method, an apparatus and a computer program product for volumetric video encoding and decoding
CN111277862A (zh) * 2020-02-27 2020-06-12 上海电力大学 一种基于嵌入式cpu的视频色域检测方法及系统
CN112215925A (zh) * 2020-11-05 2021-01-12 中国矿业大学 自适应采煤机随动跟踪多摄像头视频拼接方法
CN112613344A (zh) * 2020-12-01 2021-04-06 浙江大华汽车技术有限公司 车辆占道检测方法、装置、计算机设备和可读存储介质

Also Published As

Publication number Publication date
WO2023016423A1 (zh) 2023-02-16
CN113628286A (zh) 2021-11-09

Similar Documents

Publication Publication Date Title
CN110568447B (zh) 视觉定位的方法、装置及计算机可读介质
CN113012210B (zh) 深度图的生成方法、装置、电子设备和存储介质
US10846844B1 (en) Collaborative disparity decomposition
JP6573419B1 (ja) 位置決め方法、ロボット及びコンピューター記憶媒体
CN108627092A (zh) 一种包裹体积的测量方法、系统、储存介质及移动终端
WO2021052283A1 (zh) 处理三维点云数据的方法和计算设备
CN106204540B (zh) 视觉检测方法
CN110136207B (zh) 鱼眼相机标定系统、方法、装置、电子设备及存储介质
GB2565354A (en) Method and corresponding device for generating a point cloud representing a 3D object
CN107203962B (zh) 一种利用2d图片制作伪3d图像的方法及电子设备
CN113628286B (zh) 视频色域检测方法、装置、计算设备及计算机存储介质
JP7432793B1 (ja) 三次元点群に基づくマッピング方法、装置、チップ及びモジュール機器
WO2021142843A1 (zh) 图像扫描方法及装置、设备、存储介质
CN113379815A (zh) 基于rgb相机与激光传感器的三维重建方法、装置及服务器
CN107067441B (zh) 摄像机标定方法及装置
CN107203961B (zh) 一种表情迁移的方法及电子设备
JP2010205095A (ja) ３次元物体認識装置、並びに３次元物体認識プログラム及びこれが記録されたコンピュータ読み取り可能な記録媒体
CN112051921B (zh) Ar导航地图生成方法、装置、计算机设备和可读存储介质
CN112197708B (zh) 测量方法及装置、电子设备及存储介质
CN110852132B (zh) 一种二维码空间位置确认方法及装置
CN113759346B (zh) 一种激光雷达标定方法、装置、电子设备及存储介质
KR20200057929A (ko) 캘리브레이트된 카메라들에 의해 캡쳐된 스테레오 영상들의 렉티피케이션 방법과 컴퓨터 프로그램
CN115359241A (zh) 3d目标检测框获取方法及装置
CN114329032A (zh) 图像匹配像素检索方法、装置以及存储介质
CN113066128A (zh) 自识别标识板的视觉检测与恢复方法、装置、设备及介质

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