CN114079815B - 字幕保护方法、系统、终端设备及存储介质 - Google Patents
字幕保护方法、系统、终端设备及存储介质 Download PDFInfo
- Publication number
- CN114079815B CN114079815B CN202010803471.1A CN202010803471A CN114079815B CN 114079815 B CN114079815 B CN 114079815B CN 202010803471 A CN202010803471 A CN 202010803471A CN 114079815 B CN114079815 B CN 114079815B
- Authority
- CN
- China
- Prior art keywords
- image
- subtitle
- source
- mask
- fusion
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 230000004927 fusion Effects 0.000 claims abstract description 129
- 238000012545 processing Methods 0.000 claims abstract description 41
- 238000006243 chemical reaction Methods 0.000 claims abstract description 25
- 230000011218 segmentation Effects 0.000 claims abstract description 13
- 238000001514 detection method Methods 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 19
- 238000009792 diffusion process Methods 0.000 claims description 4
- 238000003780 insertion Methods 0.000 claims description 3
- 230000037431 insertion Effects 0.000 claims description 3
- 238000013461 design Methods 0.000 abstract description 9
- 230000000007 visual effect Effects 0.000 abstract description 7
- 230000001681 protective effect Effects 0.000 abstract 1
- 230000006870 function Effects 0.000 description 16
- 230000008569 process Effects 0.000 description 9
- 238000000605 extraction Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 239000000047 product Substances 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 108091028732 Concatemer Proteins 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/431—Generation of visual interfaces for content selection or interaction; Content or additional data rendering
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/222—Studio circuitry; Studio devices; Studio equipment
- H04N5/262—Studio circuits, e.g. for mixing, switching-over, change of character of image, other special effects ; Cameras specially adapted for the electronic generation of special effects
- H04N5/278—Subtitling
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Studio Circuits (AREA)
- Image Processing (AREA)
Abstract
本申请提供了一种字幕保护方法、系统、终端设备及存储介质，该方法包括：对源视频中的源图像进行字幕区域检测，并将检测到的字幕区域进行掩码转换，得到字幕掩码图像；根据字幕掩码图像对对应的源图像进行字幕区域分割，得到源字幕区域；获取源图像对应的生成图像，并对生成图像和所述源字幕区域进行图像融合，得到融合图像；将融合图像替换源视频中的源图像，得到字幕处理后的视频。本申请通过获取源图像对应的生成图像，并融合生成图像和源字幕区域得到融合图像的设计，能有效的对字幕区域进行信息的补充，保障了字幕区域的完整性，使得字幕区域融合后的生成图像中字幕显示清晰完整，对字幕的显示起到了保护效果，提高了用户的视觉体验。
Description
技术领域
本申请属于图像处理领域，尤其涉及一种字幕保护方法、系统、终端设备及存储介质。
背景技术
随着社会的进步，生活水平的提升，人们对高帧率视频的需求越来越大，视频插帧技术应运而生，满足人们的高流畅度视频体验。但是在高动态场景中，视频插帧技术往往丧失图像细节，像字幕这类高信息量区域占比低的物体信息往往得不到很好的保护，进而极大的降低了人们的视觉体验，因此，字幕保护的问题越来越受人们所重视。
现有的字幕保护方法通过利用特征提取的方式提取视频中的字幕区域，然后采用图像拼接将提取到的字幕区域拼接到生成图像中，但现有的字幕保护方法使用过程中，字幕区域的提取过程容易导致字幕区域边缘信息的丢失，进而使得图像拼接后的生成图像中字幕显示不清晰，降低了用户的视觉体验。
发明内容
本申请实施例提供了一种字幕保护方法、系统、终端设备及存储介质，旨在解决现有的字幕保护过程中，由于字幕区域提取过程中字幕区域边缘信息易丢失，所导致的图像拼接后生成图像中字幕显示不清晰的问题。
第一方面，本申请实施例提供了一种字幕保护方法，所述方法包括：
对源视频中的源图像进行字幕区域检测，并将检测到的所述字幕区域进行掩码转换，得到字幕掩码图像；
根据所述字幕掩码图像对对应的所述源图像进行字幕区域分割，得到源字幕区域；
获取所述源图像对应的生成图像，并对所述生成图像和所述源字幕区域进行图像融合，得到融合图像，所述生成图像为对应所述源图像插帧处理后的图像；
将所述融合图像替换所述源视频中的所述源图像，得到字幕处理后的视频。
本申请实施例与现有技术相比存在的有益效果是：通过对字幕区域进行掩码转换的设计，有效的方便了后续对源图像中字幕区域的分割，通过获取源图像对应的生成图像，并融合生成图像和源字幕区域得到融合图像的设计，能有效的对字幕区域进行信息的补充，保障了字幕区域的完整性，使得字幕区域融合后的生成图像中字幕显示清晰完整，对字幕的显示起到了保护效果，提高了用户的视觉体验。
进一步地，所述对源视频中的源图像进行字幕区域检测，包括：
获取所述源图像中的字幕区域特征，并对所述字幕区域特征进行多尺度特征融合，得到多个不同尺度的融合特征；
对不同尺度的所述融合特征进行双线性插值融合，得到所述字幕区域。
进一步地，所述对不同尺度的所述融合特征进行双线性插值融合，包括：
对最小尺度的所述融合特征进行双线性插值处理，得到处理后的融合特征；
将所述处理后的融合特征分别与其他所述融合特征进行特征连接，得到所述字幕区域。
进一步地，所述对所述字幕区域进行掩码转换，得到字幕掩码图像，包括：
对所述字幕区域进行卷积处理，并对卷积后的所述字幕区域进行特征连接，得到所述字幕掩码图像。
进一步地，所述将检测到的所述字幕区域进行掩码转换，得到字幕掩码图像之后，还包括：
对所述字幕掩码图像进行掩码增强，得到掩码增强图像。
进一步地，所述对所述字幕掩码图像进行掩码增强，得到掩码增强图像，包括：
对所述字幕掩码图像进行膨胀操作，并对膨胀操作后的所述字幕掩码图像进行高斯模糊处理；
将高斯模糊处理后的所述字幕掩码图像与膨胀操作前的所述字幕掩码图像进行掩码叠加，得到所述掩码增强图像。
进一步地，所述对所述生成图像和所述源字幕区域进行图像融合，得到融合图像之后，包括：
获取所述源字幕区域与所述生成图像之间的融合边界，并采用泊松编辑算法对所述融合边界进行差异平滑扩散处理，以使将所述融合边界上的边界点融合至所述生成图像中。第二方面，本申请实施例提供了一种字幕保护系统，包括：
掩码转换模块，用于对源视频中的源图像进行字幕区域检测，并将检测到的所述字幕区域进行掩码转换，得到字幕掩码图像；
字幕分割模块，用于根据所述字幕掩码图像对对应的所述源图像进行字幕区域分割，得到源字幕区域；
区域融合模块，用于获取所述源图像对应的生成图像，并对所述生成图像和所述源字幕区域进行图像融合，得到融合图像，所述生成图像为对应所述源图像插帧处理后的图像；
图像替换模块，用于将所述融合图像替换所述源视频中的所述源图像，得到字幕处理后的视频。
第三方面，本申请实施例提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述的方法。
第四方面，本申请实施例提供了一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述的方法。
第五方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述第一方面中任一项所述的字幕保护方法。
可以理解的是，上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。
图1是本申请第一实施例提供的字幕保护方法的流程图；
图2是本申请第二实施例提供的字幕保护方法的流程图；
图3是本申请第二实施例提供的源字幕区域和生成图像之间的图像结构示意图；
图4是本申请第三实施例提供的字幕保护系统的结构示意图；
图5是本申请第四实施例提供的终端设备的结构示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
实施例一
请参阅图1，是本申请第一实施例提供的字幕保护方法的流程图，包括步骤：
步骤S10，对源视频中的源图像进行字幕区域检测，并将检测到的所述字幕区域进行掩码转换，得到字幕掩码图像；
其中，可以基于文本检测模型的方式进行该源图像中字幕区域的检测。
优选的，该文本检测模型可以为EAST模型、CTPN模型或AdvancedEast模型等，该步骤中，可以采用图像卷积的方式进行该字幕区域的掩码转换，以得到对应的字幕掩码图像。
进一步的，该图像卷积用于根据预设卷积核(权矩阵)，分别计算该字幕区域中每个像素的周围像素与预设卷积核中对应元素之间的乘积，将同一个像素的周围像素对应的乘积进行累加，将累加值设置为该像素的参数值，以得到该字幕掩码图像。
步骤S20，根据所述字幕掩码图像对对应的所述源图像进行字幕区域分割，得到源字幕区域；
可选的，本实施例中，所述将检测到的所述字幕区域进行掩码转换，得到字幕掩码图像之后，还包括：
对所述字幕掩码图像进行掩码增强，得到掩码增强图像；
其中，由于字幕区域提取过程中会存在漏检和部分特征缺失的问题，因此，该步骤通过对该字幕掩码图像进行掩码增强的设计，能有效的对字幕区域进行特征的补充，保障了字幕区域的完整性，进而提高了字幕区域分割的准确性。
具体的，该步骤中，可以采用膨胀操作的方式进行该字幕掩码图像的掩码增强，以放大该字幕掩码图像对应的字幕区域，使得放大后的字幕区域能对漏检或缺失的特征进行补充，提高了字幕区域的完整性。
进一步的，该步骤中，通过对该掩码增强图像进行特征转换，将掩码增强图像转换为对应的字幕区域，并根据转换得到的字幕区域对该源图像进行字幕区域分割，以得到该源字幕区域。
步骤S30，获取所述源图像对应的生成图像，并对所述生成图像和所述源字幕区域进行图像融合，得到融合图像；
其中，所述生成图像为对应所述源图像插帧处理后的图像，具体的，该步骤中，可以基于源字幕区域的边界坐标进行生成图像与源字幕区域之间的图像融合，可以采用图像叠加的方式进行生成图像与源字幕区域之间的图像融合，还可以采用指定区域覆盖融合的方式进行生成图像与源字幕区域之间的图像融合。
具体的，该步骤中，当基于源字幕区域的边界坐标进行生成图像与源字幕区域之间的图像融合时，通过获取该源字幕区域在该源图像中各个区域边界的边界坐标，基于该边界坐标查询该生成区域中对应的待融合区域，并将该源字幕区域的边界与该待融合区域边界进行融合，以得到该融合图像。
优选的，该步骤中，当采用图像叠加的方式进行生成图像与源字幕区域之间的图像融合时，通过将该源图像与该生成图像进行重叠，并基于图像的重叠结果，将该源字幕区域在生成图像中对应重叠的区域进行覆盖融合，以得到该融合图像。
可选的，该步骤中，当采用指定区域覆盖融合的方式进行生成图像与源字幕区域之间的图像融合时，则获取针对源图像预设置的指定融合坐标，根据该指定融合坐标查询该生成图像中对应的指定融合区域，并将该源字幕区域融合至该指定融合区域中，以达到生成图像与源字幕区域之间的图像融合效果；
进一步地，该步骤中，该指定融合坐标可以根据需求进行坐标设置，并根据指定融合坐标的坐标设置结果生成融合区域查询表，该融合区域查询表中存储有不同源图像与对应指定融合坐标之间的对应关系。
步骤S40，将所述融合图像替换所述源视频中的所述源图像，得到字幕处理后的视频。
本实施例中，通过对字幕区域进行掩码转换的设计，有效的方便了后续对源图像中字幕区域的分割，通过对字幕掩码图像进行掩码增强的设计，能有效的对字幕区域进行边缘信息的补充，保障了字幕区域的完整性，使得字幕区域融合后的生成图像中字幕显示清晰完整，对字幕的显示起到了保护效果，提高了用户的视觉体验。
实施例二
请参阅图2，是本申请第二实施例提供的字幕保护方法的流程图，包括步骤：
步骤S11，提取源视频中源图像的字幕区域特征，并对所述字幕区域特征进行多尺度特征融合，得到多个不同尺度的融合特征；
其中，可以基于预设字幕区域检测模型的方式进行该源图像中的字幕区域特征的提取，该预设字幕区域检测模型包括EfficientNet特征提取网络、BiFPN特征融合网络、Merge网络和输出层四个部分。
具体的，该EfficientNet特征提取网络用于提取该源图像中的字幕区域特征，该EfficientNet特征提取网络的主要特点是通过综合优化网络宽度、网络深度和分辨率达到提升检测识别率的目的，在准确率指标和现有网络相似的情况下，大大减少模型参数量和计算量。
优选的，该BiFPN特征融合网络用于对EfficientNet特征提取网络提取到的字幕区域特征进行多尺度特征融合，得到多个不同尺度的融合特征，该BiFPN特征融合网络是一种高效的多尺度特征融合网络，是基于FPN融合网络形成的一种简单高效的加权双向特征金字塔网络，BiFPN特征融合网络对不同的输入特征(字幕区域特征)进行加权，并将加权后的字幕区域特征进行输出，以得到多个不同尺度的融合特征，例如，该BiFPN特征融合网络输出结果为(融合特征X，融合特征X1，融合特征X2，融合特征X3)，其中，融合特征X、融合特征X1、融合特征X2和融合特征X3之间的尺度均不相同。
步骤S21，对不同尺度的所述融合特征进行双线性插值融合，得到所述字幕区域；
其中，通过Merge网络对不同尺度的融合特征进行双线性插值融合，以得到该字幕区域，该字幕区域包括多个检测框特征，该检测框特征为检测框分数、检测框位置或检测框角度。
优选的，该步骤中，所述对不同尺度的所述融合特征进行双线性插值融合，包括：
对最小尺度的所述融合特征进行双线性插值处理，得到处理后的融合特征；
将所述处理后的融合特征分别与其他所述融合特征进行特征连接，得到所述字幕区域，其中，该特征连接所采用的连接函数为concatenate函数、concate函数或textjoin函数等；
具体的，通过对最小尺度的融合特征X做双线性插值，以使将融合特征X变换为2倍的原始尺寸，将变尺寸变换后的融合特征X与融合特征X1进行特征连接，得到第一连接特征，并对该第一连接特征进行卷积，直至卷积后的第一连接特征的尺寸与融合特征X3的尺寸相同时，将该第一连接特征进行输出，得到该检测框特征；
进一步的，将变尺寸变换后的融合特征X与融合特征X2进行特征连接，得到第二连接特征，并对该第二连接特征进行卷积，直至卷积后的第二连接特征的尺寸与融合特征X3的尺寸相同时，将该第二连接特征进行输出，得到该检测框特征；
更进一步的，将变尺寸变换后的融合特征X与融合特征X3进行特征连接，得到第三连接特征，并对该第三连接特征进行卷积，直至卷积后的第三连接特征的尺寸与融合特征X3的尺寸相同时，将该第三连接特征进行输出，得到该检测框特征。
步骤S31，对所述字幕区域进行卷积处理，并对卷积后的所述字幕区域进行特征连接，得到所述字幕掩码图像；
其中，通过利用三个不同尺寸的卷积核分别对对应的检测框特征进行卷积处理，并将对卷积后的检测框特征进行特征连接，以得到该字幕掩码图像，优选的，该特征连接所采用的连接函数为concate函数。
步骤S41，对所述字幕掩码图像进行膨胀操作，并对膨胀操作后的所述字幕掩码图像进行高斯模糊处理；
其中，可以采用形态学操作的方式实现该字幕掩码图像的膨胀，该膨胀操作用于将与预设膨胀结构的背景点合并到该字幕掩码图像中，使字幕掩码图像向外部进行扩张。
优选的，该膨胀操作的过程包括：根据预设膨胀结构B，沿着字幕掩码图像的边缘进行遍历，并以预设膨胀结构B的中心点扩大字幕掩码图像的区域，以使用预设膨胀结构B对字幕掩码图像进行膨胀，具体的，其过程如下：
(1)用预设膨胀结构B的锚点，扫描字幕掩码图像的每一个像素点；
(2)用预设膨胀结构B与字幕掩码图像之间覆盖的二值图像做“与”操作；
(3)如果结果都为0，则膨胀后的字幕掩码图像中对应像素点的像素值为0，否则为1。
优选的，该步骤中，通过对该字幕掩码图像进行高斯模糊处理的设计，以减少字幕掩码图像中的图像噪声，并降低字幕掩码图像中的细节层次。
步骤S51，将高斯模糊处理后的所述字幕掩码图像与膨胀操作前的所述字幕掩码图像进行掩码叠加，得到所述掩码增强图像，并根据所述掩码增强图像对对应的所述源图像进行字幕区域分割，得到源字幕区域；
其中，通过将高斯模糊处理后的字幕掩码图像与膨胀操作前的字幕掩码图像进行掩码叠加的设计，以形成具有边缘高斯过渡带的掩码增强图像，该掩码增强图像中的主字幕掩码区域的像素值为255，字幕区域边缘的像素值从255均匀降低到0，有效的方便了后续字幕区域的融合操作。
步骤S61，获取所述源图像对应的生成图像，并对所述生成图像和所述源字幕区域进行图像融合，得到融合图像；
其中，所述生成图像为对应所述源图像插帧处理后的图像。
优选的，本实施例中，所述对所述生成图像和所述源字幕区域进行图像融合，得到融合图像之后，包括：
获取所述源字幕区域与所述生成图像之间的融合边界，并采用泊松编辑算法对所述融合边界进行差异平滑扩散处理，以使将所述融合边界上的边界点融合至所述生成图像中；
其中，该泊松编辑算法以源字幕区域内的梯度场为指导，将融合边界上生成图像与源字幕区域的差异，平滑地扩散到源字幕区域与生成图像之间的融合图像块中，保证了源字幕区域能够无缝地融合到生成图像中，并且其色调和光照与生成图像一致。
此外，本实施例中，还可以采用泊松编辑算法的方式直接进行该源字幕区域与生成图像之间的图像融合，得到该融合图像，例如，请参阅图3，图像g为该源字幕区域(字幕进行显示)，图像S为该生成图像，本实施例中，需要将图像g融合至图像S的Ω区域，具体的，所述对所述生成图像和所述源字幕区域进行图像融合，得到融合图像的步骤包括：
(1)计算图像g的梯度场，其中，通过差分的方法计算图像g的梯度场v；
(2)计算图像S的梯度场；
(3)计算融合图像的梯度场，其中，通过将图像g的梯度场覆盖到图像S的梯度场中，以得到该融合图像的梯度场，即将该图像S中Ω区域的梯度场替换为图像g的梯度场；
(4)根据泊松方程计算图像g内像素点的像素值函数，其中，泊松方程为：
具体的，图像S中像素点的的像素值用函数f*表示，图像融合后图像g在Ω区域内像素点的像素值用函数f表示，为散度，with为with函数，通过已知量v和f*求解函数f，以得到图像融合后图像g在Ω区域内各个像素点的像素值。
步骤S71，将所述融合图像替换所述源视频中的所述源图像，得到字幕处理后的视频。
本实施例中，通过对不同尺度的融合特征进行双线性插值融合的设计，有效的保障了不同检测框特征之间尺寸大小的统一性，方便了卷积后的字幕区域的特征连接操作，通过对字幕掩码图像进行膨胀操作的设计，以达到对字幕掩码图像进行掩码增强的效果，进而有效的对字幕区域进行了边缘信息的补充，保障了字幕区域的完整性，使得字幕区域融合后的生成图像中字幕显示清晰完整，对字幕的显示起到了保护效果，提高了用户的视觉体验，且通过对字幕掩码图像进行高斯模糊处理的设计，以减少字幕掩码图像中的图像噪声，并降低字幕掩码图像中的细节层次。
实施例三
对应于上文实施例所述的字幕保护方法，图4示出了本申请第三实施例提供的字幕保护系统100的结构示意图，为了便于说明，仅示出了与本申请实施例相关的部分。
参照图4，该系统包括：掩码转换模块10、字幕分割模块11、区域融合模块12和图像替换模块13，其中：
掩码转换模块10，用于对源视频中的源图像进行字幕区域检测，并将检测到的所述字幕区域进行掩码转换，得到字幕掩码图像。
其中，所述掩码转换模块10还用于：获取所述源图像中的字幕区域特征，并对所述字幕区域特征进行多尺度特征融合，得到多个不同尺度的融合特征；
对不同尺度的所述融合特征进行双线性插值融合，得到所述字幕区域。
优选的，所述掩码转换模块10还用于：对最小尺度的所述融合特征进行双线性插值处理，得到处理后的融合特征；
将所述处理后的融合特征分别与其他所述融合特征进行特征连接，得到所述字幕区域。
进一步的，所述掩码转换模块10还用于：对所述字幕区域进行卷积处理，并对卷积后的所述字幕区域进行特征连接，得到所述字幕掩码图像，其中，该特征连接所采用的连接函数为concatenate函数、concate函数或textjoin函数等。
字幕分割模块11，用于根据所述掩码增强图像对对应的所述源图像进行字幕区域分割，得到源字幕区域。
其中，所述字幕分割模块11还用于：对所述字幕掩码图像进行掩码增强，得到掩码增强图像。
可选的，所述字幕分割模块11还用于：对所述字幕掩码图像进行膨胀操作，并对膨胀操作后的所述字幕掩码图像进行高斯模糊处理；
将高斯模糊处理后的所述字幕掩码图像与膨胀操作前的所述字幕掩码图像进行掩码叠加，得到所述掩码增强图像。
区域融合模块12，用于获取所述源图像对应的生成图像，并对所述生成图像和所述源字幕区域进行图像融合，得到融合图像，所述生成图像为对应所述源图像插帧处理后的图像。
其中，所述区域融合模块12还用于：获取所述源字幕区域与所述生成图像之间的融合边界，并采用泊松编辑算法对所述融合边界进行差异平滑扩散处理，以使将所述融合边界上的边界点融合至所述生成图像中。
图像替换模块13，用于将所述融合图像替换所述源视频中的所述源图像，得到字幕处理后的视频。
本实施例中，通过对字幕区域进行掩码转换的设计，有效的方便了后续对源图像中字幕区域的分割，通过对字幕掩码图像进行掩码增强的设计，能有效的对字幕区域进行边缘信息的补充，保障了字幕区域的完整性，使得字幕区域融合后的生成图像中字幕显示清晰完整，对字幕的显示起到了保护效果，提高了用户的视觉体验。
需要说明的是，上述装置/模块之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
图5为本申请第四实施例提供的终端设备2的结构示意图。如图5所示，该实施例的终端设备2包括：至少一个处理器20(图5中仅示出一个处理器)、存储器21以及存储在所述存储器21中并可在所述至少一个处理器20上运行的计算机程序22，所述处理器20执行所述计算机程序22时实现上述任意各个方法实施例中的步骤。
所述终端设备2可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该终端设备可包括，但不仅限于，处理器20、存储器21。本领域技术人员可以理解，图5仅仅是终端设备2的举例，并不构成对终端设备2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，例如还可以包括输入输出设备、网络接入设备等。
所称处理器20可以是中央处理单元(Central Processing Unit，CPU)，该处理器20还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器21在一些实施例中可以是所述终端设备2的内部存储单元，例如终端设备2的硬盘或内存。所述存储器21在另一些实施例中也可以是所述终端设备2的外部存储设备，例如所述终端设备2上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器21还可以既包括所述终端设备2的内部存储单元也包括外部存储设备。所述存储器21用于存储操作系统、应用进程、引导装载程序(BootLoader)、数据以及其他程序等，例如所述计算机程序的程序代码等。所述存储器21还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本申请实施例还提供了一种网络设备，该网络设备包括：至少一个处理器、存储器以及存储在所述存储器中并可在所述至少一个处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意各个方法实施例中的步骤。
本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品，当计算机程序产品在移动终端上运行时，使得移动终端执行时实现可实现上述各个方法实施例中的步骤。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括：能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置/网络设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/网络设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。
Claims (10)
1.一种字幕保护方法，其特征在于，所述方法包括：
对源视频中的源图像进行字幕区域检测，并将检测到的所述字幕区域进行掩码转换，得到字幕掩码图像；
根据所述字幕掩码图像对对应的所述源图像进行字幕区域分割，得到源字幕区域；
获取所述源图像对应的生成图像，并对所述生成图像和所述源字幕区域进行图像融合，得到融合图像，所述生成图像为对应所述源图像插帧处理后的图像；
将所述融合图像替换所述源视频中的所述源图像，得到字幕处理后的视频。
2.如权利要求1所述的字幕保护方法，其特征在于，所述对源视频中的源图像进行字幕区域检测，包括：
获取所述源图像中的字幕区域特征，并对所述字幕区域特征进行多尺度特征融合，得到多个不同尺度的融合特征；
对不同尺度的所述融合特征进行双线性插值融合，得到所述字幕区域。
3.如权利要求2所述的字幕保护方法，其特征在于，所述对不同尺度的所述融合特征进行双线性插值融合，包括：
对最小尺度的所述融合特征进行双线性插值处理，得到处理后的融合特征；
将所述处理后的融合特征分别与其他所述融合特征进行特征连接，得到所述字幕区域。
4.如权利要求1所述的字幕保护方法，其特征在于，所述对所述字幕区域进行掩码转换，得到字幕掩码图像，包括：
对所述字幕区域进行卷积处理，并对卷积后的所述字幕区域进行特征连接，得到所述字幕掩码图像。
5.如权利要求1所述的字幕保护方法，其特征在于，所述将检测到的所述字幕区域进行掩码转换，得到字幕掩码图像之后，还包括：
对所述字幕掩码图像进行掩码增强，得到掩码增强图像。
6.如权利要求5所述的字幕保护方法，其特征在于，所述对所述字幕掩码图像进行掩码增强，得到掩码增强图像，包括：
对所述字幕掩码图像进行膨胀操作，并对膨胀操作后的所述字幕掩码图像进行高斯模糊处理；
将高斯模糊处理后的所述字幕掩码图像与膨胀操作前的所述字幕掩码图像进行掩码叠加，得到所述掩码增强图像。
7.如权利要求1所述的字幕保护方法，其特征在于，所述对所述生成图像和所述源字幕区域进行图像融合，得到融合图像之后，包括：
获取所述源字幕区域与所述生成图像之间的融合边界，并采用泊松编辑算法对所述融合边界进行差异平滑扩散处理，以使将所述融合边界上的边界点融合至所述生成图像中。
8.一种字幕保护系统，其特征在于，包括：
掩码转换模块，用于对源视频中的源图像进行字幕区域检测，并将检测到的所述字幕区域进行掩码转换，得到字幕掩码图像；
字幕分割模块，用于根据所述字幕掩码图像对对应的所述源图像进行字幕区域分割，得到源字幕区域；
区域融合模块，用于获取所述源图像对应的生成图像，并对所述生成图像和所述源字幕区域进行图像融合，得到融合图像，所述生成图像为对应所述源图像插帧处理后的图像；
图像替换模块，用于将所述融合图像替换所述源视频中的所述源图像，得到字幕处理后的视频。
9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的方法。
10.一种存储介质，所述存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010803471.1A CN114079815B (zh) | 2020-08-11 | 2020-08-11 | 字幕保护方法、系统、终端设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010803471.1A CN114079815B (zh) | 2020-08-11 | 2020-08-11 | 字幕保护方法、系统、终端设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114079815A CN114079815A (zh) | 2022-02-22 |
| CN114079815B true CN114079815B (zh) | 2024-03-15 |
Family
ID=80280305
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010803471.1A Active CN114079815B (zh) | 2020-08-11 | 2020-08-11 | 字幕保护方法、系统、终端设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114079815B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118537268A (zh) * | 2024-07-25 | 2024-08-23 | 杭州华策影视科技有限公司 | 视频字幕模糊处理方法、装置、设备及介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009043265A (ja) * | 2007-08-09 | 2009-02-26 | Fujitsu Ltd | 字幕領域抽出装置、字幕領域抽出方法および字幕領域抽出プログラム |
| CA2651464A1 (en) * | 2008-04-30 | 2009-10-30 | Crim (Centre De Recherche Informatique De Montreal) | Method and apparatus for caption production |
| CN101764939A (zh) * | 2008-11-04 | 2010-06-30 | 新奥特（北京）视频技术有限公司 | 一种基于像素空间掩码矩阵的纹理贴图方法 |
| CN111080554A (zh) * | 2019-12-20 | 2020-04-28 | 成都极米科技股份有限公司 | 一种投影内容中字幕区域增强方法、装置及可读存储介质 |
-
2020
- 2020-08-11 CN CN202010803471.1A patent/CN114079815B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009043265A (ja) * | 2007-08-09 | 2009-02-26 | Fujitsu Ltd | 字幕領域抽出装置、字幕領域抽出方法および字幕領域抽出プログラム |
| CA2651464A1 (en) * | 2008-04-30 | 2009-10-30 | Crim (Centre De Recherche Informatique De Montreal) | Method and apparatus for caption production |
| CN101764939A (zh) * | 2008-11-04 | 2010-06-30 | 新奥特（北京）视频技术有限公司 | 一种基于像素空间掩码矩阵的纹理贴图方法 |
| CN111080554A (zh) * | 2019-12-20 | 2020-04-28 | 成都极米科技股份有限公司 | 一种投影内容中字幕区域增强方法、装置及可读存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114079815A (zh) | 2022-02-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106254933B (zh) | 字幕提取方法及装置 | |
| US8355079B2 (en) | Temporally consistent caption detection on videos using a 3D spatiotemporal method | |
| CN110796600B (zh) | 一种图像超分重建方法、图像超分重建装置及电子设备 | |
| US10748023B2 (en) | Region-of-interest detection apparatus, region-of-interest detection method, and recording medium | |
| US9542735B2 (en) | Method and device to compose an image by eliminating one or more moving objects | |
| EP2709039A1 (en) | Device and method for detecting the presence of a logo in a picture | |
| CN110889824A (zh) | 一种样本生成方法、装置、电子设备及计算机可读存储介质 | |
| JP2005339547A (ja) | 画像の文字抽出装置、画像の文字抽出方法及びこの画像の文字抽出方法を実現するためのコンピュータ可読コードを記録した媒体 | |
| CN110458790B (zh) | 一种图像检测方法、装置及计算机存储介质 | |
| CN110991310B (zh) | 人像检测方法、装置、电子设备及计算机可读介质 | |
| CN110708568B (zh) | 一种视频内容突变检测方法及装置 | |
| CN108989704B (zh) | 图像生成方法和装置、终端设备 | |
| CN111462164A (zh) | 一种前景分割方法以及基于图像合成的数据增强方法 | |
| US8311269B2 (en) | Blocker image identification apparatus and method | |
| CN114079815B (zh) | 字幕保护方法、系统、终端设备及存储介质 | |
| JP4659793B2 (ja) | 画像処理装置及び画像処理方法 | |
| CN113129298A (zh) | 文本图像的清晰度识别方法 | |
| CN111079624B (zh) | 一种样本信息采集的方法、装置、电子设备以及介质 | |
| CN113743219B (zh) | 运动目标检测方法、装置、电子设备及存储介质 | |
| CN112118478B (zh) | 文本处理方法、装置、电子设备及存储介质 | |
| JP5377649B2 (ja) | 画像処理装置および映像再生装置 | |
| CN114596210A (zh) | 噪声估计方法、装置、终端设备及计算机可读存储介质 | |
| CN114092925A (zh) | 一种视频字幕检测方法、装置、终端设备及存储介质 | |
| CN109214311B (zh) | 一种检测方法和装置 | |
| CN112995488B (zh) | 高解析度视频图像处理方法、装置及电子设备 |
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 |