CN114390330A - 图像处理方法及装置、存储介质、电子设备 - Google Patents
图像处理方法及装置、存储介质、电子设备 Download PDFInfo
- Publication number
- CN114390330A CN114390330A CN202210036587.6A CN202210036587A CN114390330A CN 114390330 A CN114390330 A CN 114390330A CN 202210036587 A CN202210036587 A CN 202210036587A CN 114390330 A CN114390330 A CN 114390330A
- Authority
- CN
- China
- Prior art keywords
- image
- frame
- similarity
- background image
- extracted
- 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.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 27
- 238000000605 extraction Methods 0.000 claims abstract description 167
- 230000008859 change Effects 0.000 claims description 17
- 230000001172 regenerating effect Effects 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 2
- 238000000034 method Methods 0.000 abstract description 71
- 238000001514 detection method Methods 0.000 abstract description 10
- 238000004364 calculation method Methods 0.000 abstract description 5
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 238000012544 monitoring process Methods 0.000 description 13
- 230000006872 improvement Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
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
- H04N21/4312—Generation of visual interfaces for content selection or interaction; Content or additional data rendering involving specific graphical features, e.g. screen layout, special fonts or colors, blinking icons, highlights or animations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- H04N21/438—Interfacing the downstream path of the transmission network originating from a server, e.g. retrieving MPEG packets from an IP network
-
- 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
- H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream, rendering scenes according to MPEG-4 scene graphs
- H04N21/44008—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream, rendering scenes according to MPEG-4 scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics in the video stream
-
- 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
- H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream, rendering scenes according to MPEG-4 scene graphs
- H04N21/4402—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream, rendering scenes according to MPEG-4 scene graphs involving reformatting operations of video signals for household redistribution, storage or real-time display
- H04N21/440281—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream, rendering scenes according to MPEG-4 scene graphs involving reformatting operations of video signals for household redistribution, storage or real-time display by altering the temporal resolution, e.g. by frame skipping
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了一种图像处理方法及装置、计算机可读存储介质、电子设备,涉及人工智能技术领域。该方法包括:生成固定视频流图像的背景图像;将固定视频流图像进行抽帧处理,生成抽帧图像;确定抽帧图像和背景图像的相似度;若相似度小于比对阈值,则将抽帧图像丢弃;否则,对抽帧图像进行解译处理。本公开实施例能够自适应调整生成背景图像,高效去除与背景图像高度相似的图像,提升检测速度、节约算力资源及提高效率。
Description
技术领域
本公开涉及人工智能技术领域,尤其涉及一种图像处理方法及装置、计算机可读存储介质、电子设备。
背景技术
传统的固定视频流场景解译,如图16所示,输入固定视频流,对输入的固定视频流进行图像预处理操作等,再将预处理后的图像逐个输入解译网络进行图像解译处理,图像解译处理包括目标检测、目标分类或者分割等,然后输出解译结果。
在很多监控场景内,成像区域不变,背景图像在一定时间内相对固定且无感兴趣目标,现有方法会将近似背景图像的图像反复输入解译网络,会造成算力浪费及效率低下;如图14、图15所示,目前一些改进方法只比较当前帧与上一帧的区别,或者人工选择一个固定的背景图像,背景图像一旦改变无法自适应调整,效率较低。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开提供一种图像处理方法及装置、计算机可读存储介质、电子设备,至少在一定程度上克服相关技术中图像解译效率低的问题。
本公开的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本公开的实践而习得。
根据本公开的一个方面,提供了一种图像处理方法,包括:
生成所述固定视频流图像的背景图像;
将固定视频流图像进行抽帧处理,生成抽帧图像;
确定所述抽帧图像和所述背景图像的相似度;
若所述相似度小于比对阈值,则将所述抽帧图像丢弃;否则,对所述抽帧图像进行解译处理。
在本公开的一个实施例中,所述生成固定视频流图像的背景图像包括:
将连续间隔一定时间的所述抽帧图像依次输入背景图像列表;
将所述背景图像列表中第一个抽帧图像和最后一个抽帧图像进行相似度比对,生成抽帧图像比对结果;
当所述抽帧图像比对结果小于设定阈值的情况下,获取所述背景图像列表中包括的抽帧图像的数量,若数量大于数量阈值,则所述第一个抽帧图像为所述固定视频流图像的背景图像。
在本公开的一个实施例中,所述将所述背景图像列表中第一个抽帧图像和最后一个抽帧图像进行相似度比对,生成抽帧图像比对结果包括:
将所述第一个抽帧图像与最后一个抽帧图像按像素相减取抽帧图像绝对值;
统计所述抽帧图像绝对值大于第一抽帧阈值的像素点占比;
根据抽帧图像绝对值大于第一抽帧阈值的像素点占比,与第一抽帧比例,确定所述第一个抽帧图像和最后一个抽帧图像的相似度。
在本公开的一个实施例中,所述将所述背景图像列表中第一个抽帧图像和最后一个抽帧图像进行相似度比对,生成抽帧图像比对结果包括:
将所述第一个抽帧图像与最后一个抽帧图像按像素相减取抽帧图像绝对值,得到抽帧相减图;
设定滑窗,根据任一所述滑窗内变化绝对值大于第二抽帧阈值的比例与第二抽帧比例,确定第一个抽帧图像和最后一个抽帧图像的相似度。
在本公开的一个实施例中,所述将所述背景图像列表中第一个抽帧图像和最后一个抽帧图像进行相似度比对,生成抽帧图像比对结果包括:
计算第一个抽帧图像与最后一个抽帧图像的欧式距离;
根据第一个抽帧图像与最后一个抽帧图像的欧式距离是否大于第三抽帧阈值,确定第一个抽帧图像与最后一个抽帧图像的相似度。
在本公开的一个实施例中,所述确定所述抽帧图像和所述背景图像的相似度包括:
将所述抽帧图像与所述背景图像按像素相减取绝对值;
统计所述绝对值大于第一给定阈值的像素点占比;
根据所述占比与第一给定比例,确定所述抽帧图像和所述背景图像的相似度。
在本公开的一个实施例中,所述确定所述抽帧图像和所述背景图像的相似度包括:
将所述抽帧图像与所述背景图像按像素相减取绝对值,得到相减图;
设定滑窗,根据任一所述滑窗内变化绝对值大于第二给定阈值的比例与第二给定比例,确定所述抽帧图像和所述背景图像的相似度。
在本公开的一个实施例中,所述确定所述抽帧图像和所述背景图像的相似度包括:
计算所述抽帧图像与所述背景图的欧氏距离;
根据所述抽帧图像与所述背景图的欧式距离是否大于第三给定阈值,确定所述抽帧图像和所述背景图像的相似度。
在本公开的一个实施例中,所述生成所述固定视频流图像的背景图像包括:
获取背景图像的生成时间;
当所述背景图像的生成时间大于给定时间周期时,则重置所述固定视频流图像的标志位,重新生成所述固定视频流图像的背景图像。
根据本公开的另一个方面,还提供了一种图像处理装置,包括:
背景图像生成模块,生成所述固定视频流图像的背景图像;
抽帧图像生成模块,将固定视频流图像进行抽帧处理,生成抽帧图像;
相似度确定模块,确定所述抽帧图像和所述背景图像的相似度;
抽帧图像处理模块,若所述相似度小于比对阈值,则将所述抽帧图像丢弃;否则,对所述抽帧图像进行解译处理。
根据本公开的另一个方面,还提供了一种电子设备,包括:处理器;以及存储器,用于存储所述处理器的可执行指令;其中,所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述图像处理方法。
根据本公开的另一个方面,还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任意一项所述的图像处理方法。
本公开的实施例提供了的图像处理方法及装置、计算机可读存储介质、电子设备,生成固定视频流图像的背景图像;确定抽帧图像和背景图像的相似度;当相似度小于比对阈值时将抽帧图像丢弃,高效去除与背景图像高度相似的图像,提升检测速度、节约算力资源及提高效率。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示出本公开实施例中一种图像处理方法流程图;
图2示出本公开实施例中一种生成固定视频流图像的背景图像方法流程图;
图3示出本公开实施例中一种确定抽帧图像和背景图像的相似度方法流程图;
图4示出本公开实施例中又一种确定抽帧图像和背景图像的相似度方法流程图;
图5示出本公开实施例中再一种确定抽帧图像和背景图像的相似度方法流程图;
图6示出本公开实施例中一种更新固定视频流图像的背景图像方法流程图;
图7示出本公开实施例中一种图像处理装置示意图;
图8示出本公开实施例中又一种生成固定视频流图像的背景图像方法流程图;
图9示出本公开实施例中又一种图像处理方法流程图;
图10示出本公开实施例中一种可选的长明场景下图像处理方法流程图;
图11示出本公开实施例中一种可选的光线变化下图像处理方法流程图;
图12示出本公开实施例中一种可选的光线不定场景下图像处理方法流程图;
图13示出本公开实施例中一种图像处理改进方法流程图;
图14示出相关技术中一种图像处理改进方法流程图;
图15示出相关技术中一种图像处理改进方法流程图;
图16示出相关技术中一种应用场景流程图;和
图17示出本公开实施例中一种电子设备的结构框图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本公开将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。
此外,附图仅为本公开的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
下面结合附图及实施例对本示例实施方式进行详细说明。
本公开实施例中提供了一种图像处理方法,该方法可以由任意具备计算处理能力的电子设备执行。
图1示出本公开实施例中一种图像处理方法流程图,如图1所示,本公开实施例中提供的图像处理方法包括如下步骤:
S102,生成固定视频流图像的背景图像。
需要说明的是,固定视频流可以是背景相对固定的视频流,例如固定监控设备的成像视频。
在一个实施例中,通过如下方式生成背景图像:每间隔一定时间获取一个抽帧图像,新获取的抽帧图像与第一个抽帧图像进行相似性比对,当比对结果小于设定阈值的情况下,将新获取的抽帧图像存入背景图像列表中,获取背景图像列表中包括的抽帧图像的数量,若数量大于数量阈值,则其中一个抽帧图像为固定视频流图像的背景图像,本公开实施例能自适应调整生成固定视频流图像的背景图像。
在一个实施例中,根据固定视频流图像的监控场景信息,选取对应的相似性比对方法对多个抽帧图像进行相似性比对,可以快速有效的生成固定视频流图像的背景图像。
需要说明的是,监控场景信息包括但不限于监控场景的光线、监控场景内的人流量等。
S104,将固定视频流图像进行抽帧处理,生成抽帧图像;
S106,确定抽帧图像和背景图像的相似度;
S108,若相似度小于比对阈值,则将抽帧图像丢弃;否则,对抽帧图像进行解译处理。
需要说明的是,对固定视频流图像抽帧后,对待输入解译网络的抽帧图像和背景图像进行了相似度比对,可有效去除冗余图像。
需要说明的是,图像解译是指对图像内容进行解释,包括目标检测,目标分类,图像分割等。
上述实施例中,通过比对连续间隔一定时间的抽帧图像相似度,生成一定时间内的该监控场景的背景图像,通过比对背景图像与固定视频流待输入的抽帧图像,去除与背景图像高度相似的图像,从而提升检测速度,节约算力资源,提高效率。
图2示出本公开实施例中一种生成固定视频流图像的背景图像方法流程图,如图2所示,本公开实施例中提供的生成固定视频流图像的背景图像方法包括如下步骤:
S202,将连续间隔一定时间的抽帧图像依次输入背景图像列表;
S204,将背景图像列表中第一个抽帧图像和最后一个抽帧图像进行相似度比对,生成抽帧图像比对结果。
在一个实施例中,每次输入一个抽帧图像至背景图像列表中,将背景图像列表中第一个抽帧图像和最后一个抽帧图像进行相似度比对,生成抽帧图像比对结果包括:
将第一个抽帧图像与最后一个抽帧图像按像素相减取抽帧图像绝对值;
统计抽帧图像绝对值大于第一抽帧阈值的像素点占比;
根据抽帧图像绝对值大于第一抽帧阈值的像素点占比,与第一抽帧比例,确定第一个抽帧图像和最后一个抽帧图像的相似度。
需要说明的是,若抽帧图像绝对值大于第一抽帧阈值的像素点占比大于第一抽帧比例,则确定第一个抽帧图像和最后一个抽帧图像的相似度高,否则,确定第一个抽帧图像和最后一个抽帧图像的相似度低。
需要说明的是,第一个抽帧图像和最后一个抽帧图像进行的相似度比对方法可为其他相似度比对方法,但在室内长明场景,无亮度变化,且该场景下监视摄像头较低,不存在小目标的情况下,使用此相似度比对方法进行全局比较,第一抽帧阈值设低,可使结果更精确。
在一个实施例中,确定背景图像列表中第一个抽帧图像和最后一个抽帧图像的相似度,生成抽帧图像比对结果包括:
将第一个抽帧图像与最后一个抽帧图像按像素相减取抽帧图像绝对值,得到抽帧相减图;
设定滑窗,根据任一滑窗内变化绝对值大于第二抽帧阈值的比例与第二抽帧比例,确定第一个抽帧图像和最后一个抽帧图像的相似度。
需要说明的是,若任一滑窗内变化绝对值大于第二抽帧阈值的比例与第二抽帧比例,则确定第一个抽帧图像和最后一个抽帧图像的相似度低,否则,确定第一个抽帧图像和最后一个抽帧图像的相似度高。
需要说明的是,在室外场景监控位置较高,成像画面大,主要监控对象是行人车辆等,小目标检测的最小区域大致为10*10像素的情况下,使用此相似度比对方法可以避免小目标的遗漏。
在一个实施例中,确定背景图像列表中第一个抽帧图像和最后一个抽帧图像的相似度,生成抽帧图像比对结果包括:
计算第一个抽帧图像与最后一个抽帧图像的欧式距离;
根据第一个抽帧图像与最后一个抽帧图像的欧式距离是否大于第三抽帧阈值,确定第一个抽帧图像与最后一个抽帧图像的相似度。
需要说明的是,若第一个抽帧图像与最后一个抽帧图像的欧式距离大于第三抽帧阈值,则第一个抽帧图像与最后一个抽帧图像的相似度低,否则,确定第一个抽帧图像和最后一个抽帧图像的相似度高。
需要说明的是,在监控场景光线不定的情况下,使用此相似度比对方法,比对效率更快效果更好。
S206,当抽帧图像比对结果小于设定阈值的情况下,获取背景图像列表中包括的抽帧图像的数量,若数量大于数量阈值,则第一个抽帧图像为固定视频流图像的背景图像。
需要说明的是,数量阈值可为但不限于20。
上述实施例中,通过监控场景的信息,选取对应的相似度比对方法对连续间隔一定时间的抽帧图像进行相似度比对,高效地自适应调整生成一定时间内的该监控场景的背景图像。
图3示出本公开实施例中一种确定抽帧图像和背景图像的相似度方法流程图,如图3所示,本公开实施例中提供的确定抽帧图像和背景图像的相似度方法包括如下步骤:
S302,将抽帧图像与背景图像按像素相减取绝对值;
S304,统计绝对值大于第一给定阈值的像素点占比;
S306,根据占比与第一给定比例,确定抽帧图像和背景图像的相似度。
需要说明的是,若抽帧图像绝对值大于第一抽帧阈值的像素点占比大于第一抽帧比例,则确定第一个抽帧图像和最后一个抽帧图像的相似度高,否则,确定第一个抽帧图像和最后一个抽帧图像的相似度低。
上述实施例中,可快速确定抽帧图像和背景图像的相似度,去除与背景图像高度相似的图像,从而提升检测速度,节约算力资源,提高效率。
图4示出本公开实施例中又一种确定抽帧图像和背景图像的相似度方法流程图,如图4所示,本公开实施例中提供的确定抽帧图像和背景图像的相似度方法包括如下步骤:
S402,将抽帧图像与背景图像按像素相减取绝对值,得到相减图;
S404,设定滑窗,根据任一滑窗内变化绝对值大于第二给定阈值的比例与第二给定比例,确定抽帧图像和背景图像的相似度。
需要说明的是,若任一滑窗内变化绝对值大于第二抽帧阈值的比例与第二抽帧比例,则确定第一个抽帧图像和最后一个抽帧图像的相似度低,否则,确定第一个抽帧图像和最后一个抽帧图像的相似度高。
上述实施例中,可快速确定抽帧图像和背景图像的相似度,去除与背景图像高度相似的图像,从而提升检测速度,节约算力资源,提高效率。
图5示出本公开实施例中再一种确定抽帧图像和背景图像的相似度方法流程图,如图5所示,本公开实施例中提供的确定抽帧图像和背景图像的相似度方法包括如下步骤:
S502,计算抽帧图像与背景图的欧氏距离;
S504,根据抽帧图像与背景图的欧式距离是否大于第三给定阈值,确定抽帧图像和背景图像的相似度。
需要说明的是,若第一个抽帧图像与最后一个抽帧图像的欧式距离大于第三抽帧阈值,则第一个抽帧图像与最后一个抽帧图像的相似度低,否则,确定第一个抽帧图像和最后一个抽帧图像的相似度高。
上述实施例中,可快速确定抽帧图像和背景图像的相似度,去除与背景图像高度相似的图像,从而提升检测速度,节约算力资源,提高效率。
图6示出本公开实施例中一种更新固定视频流图像的背景图像方法流程图,如图6所示,本公开实施例中提供的更新固定视频流图像的背景图像方法包括如下步骤:
S602,获取背景图像的生成时间;
S604,当背景图像的生成时间大于给定时间周期时,则重置固定视频流图像的标志位,重新生成固定视频流图像的背景图像。
需要说明的是,给定时间周期可以为20小时,也可根据历史信息或者用户需要进行设置。
上述实施例中,可快速更新固定视频流图像的背景图像方法,提高图像处理的效率和精度。
基于同一发明构思,本公开实施例中还提供了一种图像处理装置,如下面的实施例。由于该装置实施例解决问题的原理与上述方法实施例相似,因此该装置实施例的实施可以参见上述方法实施例的实施,重复之处不再赘述。
图7示出本公开实施例中一种图像处理装置示意图,如图7所示,该图像处理装置7包括:背景图像生成模块701、抽帧图像生成模块702、相似度确定模块703及抽帧图像处理模块704;
背景图像生成模块701,生成固定视频流图像的背景图像;
抽帧图像生成模块702,将固定视频流图像进行抽帧处理,生成抽帧图像;
相似度确定模块703,确定抽帧图像和背景图像的相似度;
抽帧图像处理模块704,若相似度小于比对阈值,则将抽帧图像丢弃;否则,对抽帧图像进行解译处理。
上述实施例中,可自动生成背景图像,通过相似度比对筛选抽帧图像,减少冗余解释。
图8示出本公开实施例中又一种生成固定视频流图像的背景图像方法流程图,如图8所示,本公开实施例中提供的生成固定视频流图像的背景图像方法包括如下步骤:
S802,判断当前背景图像生成时间是否大于阈值时间。
需要说明的是,阈值时间可以是但不限于一天。
S804,若背景图像生成时间大于阈值时间则重新生成背景图像,否则,依旧沿用当前背景图像;
S806,间隔一定时间将监控场景输入图像存入预备背景图像列表Seq。
需要说明的是,间隔时间可以是但不限于是半分钟。
S808,将预备背景图像列表中第一张图Seq1和最后一张图Seqn进行相似度比对,相似度高则继续,相似度低则清空列表;
S810,判断预备背景图像列表Seq长度是否大于给定值;
S812,若预备背景图像列表Seq长度大于给定值,则将第一张图Seq1设为背景图像,同时刷新生成时间,否则,重置预备背景图像列表Seq,继续接受监控场景输入图像。
需要说明的是,给定值可以是但不限于是20。
上述实施例中,可以间隔一段时间自动生成背景图像。
图9示出本公开实施例中又一种图像处理方法流程图,如图9所示,本公开实施例中提供的图像处理方法包括如下步骤:
S902,输入固定视频流;
S904,间隔给定时间对输入视频流进行抽帧;
S906,判断当前背景图像生成时间是否大于阈值时间。
S908,若背景图像生成时间大于阈值时间则重新生成背景图像,否则,依旧沿用当前背景图像;
S910,间隔一定时间将监控场景输入图像存入预备背景图像列表Seq。
S912,将预备背景图像列表中第一张图Seq1和最后一张图Seqn进行相似度比对,相似度高则继续,相似度低则清空列表;
S914,判断预备背景图像列表Seq长度是否大于给定值;
S916,若预备背景图像列表Seq长度大于给定值,则将第一张图Seq1设为背景图像,同时刷新生成时间,否则,重置预备背景图像列表Seq,继续接受监控场景输入图像。
S918,加载背景图像;
S920,接收固定视频流;
S922,对固定视频流进行抽帧处理;
S924,将抽帧处理后的固定视频流与背景图像进行相似度比对计算;
S926,判断相似度比对结果是否大于给定阈值;
S928,判断相似度比对结果大于给定阈值,则输入解译网络进行图像解译;否则,不输入解译网络。
需要说明的是,S902至S916可在生成背景图像端执行,S918至S928可在场景解译端执行。
图10示出本公开实施例中一种可选的长明场景下图像处理方法流程图,如图10所示,本公开实施例中提供的长明场景下图像处理方法包括如下步骤:
S1002,获取室内长明场景下,且时间为凌晨的固定视频流,当背景图像生成时间大于给定时间周期,则重置固定视频流图像的标志位,开始重新生成背景图像。
需要说明的是,室内长明场景可以是但不限于是酒店过道等。
需要说明的是,时间可以设置为凌晨也可以是其他人流量较少的时间,本公开实施例以凌晨时间为例进行介绍。
需要说明的是,给定时间周期可以为20小时,也可根据历史信息或者用户需要进行设置。
需要说明的是,标志位可为固定视频流中的标志性图像等。
S1004,将固定视频流进行抽帧处理生成抽帧图像;
S1006,每间隔固定时间输入一个抽帧图像进入背景图像列表;
需要说明的是,固定时间可以是半分钟,也可根据历史信息或者用户需要进行设置。
S1008,若背景图像列表中只有一个抽帧图像,则跳过比较;若背景图像列表中有多个抽帧图像,则确定背景图像列表中第一个抽帧图像和最后一个抽帧图像的相似度,生成抽帧图像比对结果;
在一个实施例中,确定背景图像列表中第一个抽帧图像和最后一个抽帧图像的相似度,生成抽帧图像比对结果包括:
将第一个抽帧图像与最后一个抽帧图像按像素相减取抽帧图像绝对值;
统计抽帧图像绝对值大于第一抽帧阈值的像素点占比;
根据抽帧图像绝对值大于第一抽帧阈值的像素点占比,与第一抽帧比例,确定第一个抽帧图像和最后一个抽帧图像的相似度。
需要说明的是,第一个抽帧图像和最后一个抽帧图像进行的相似度比对方法可以与确定抽帧图像和背景图像的相似度的方法一致,或为其他相似度比对方法,但由于室内长明场景,无亮度变化,且该场景下监视摄像头较低,不存在小目标,使用此相似度比对方法进行全局比较,第一抽帧阈值设低,可使结果更精确。
S1010,若抽帧图像比对结果小于设定阈值则继续,否则清空背景图像列表重新开始生成背景图像;
S1012,获取背景图像列表中包括的抽帧图像的数量,若数量大于数量阈值,则第一个抽帧图像为固定视频流图像的背景图像。
需要说明的是,数量阈值可为但不限于20。
S1014,确定抽帧图像和背景图像的相似度;
在一个实施例中,确定抽帧图像和背景图像的相似度包括:
将抽帧图像与背景图像按像素相减取绝对值;
统计绝对值大于第一给定阈值的像素点占比;
根据占比与第一给定比例,确定抽帧图像和背景图像的相似度。
在一个实施例中,确定抽帧图像和背景图像的相似度包括:
将抽帧图像与背景图像按像素相减取绝对值,得到相减图;
设定滑窗,根据任一滑窗内变化绝对值大于第二给定阈值的比例与第二给定比例,确定抽帧图像和背景图像的相似度。
在一个实施例中,确定抽帧图像和背景图像的相似度包括:
计算抽帧图像与背景图的欧氏距离;
根据抽帧图像与背景图的欧式距离与第三给定阈值,确定抽帧图像和背景图像的相似度低。
需要说明的是,确定抽帧图像和背景图像的相似度包括但不限于以上三种方法。
S1016,若相似度小于比对阈值,则将抽帧图像丢弃;否则,对抽帧图像进行解译处理。
上述实施例中,可对长明场景下生成的固定视频流进行处理,快速生成背景图像,及识别处理与背景图像相似的图像。
图11示出本公开实施例中一种可选的光线变化下图像处理方法流程图,如图11所示,本公开实施例中提供的光线变化下图像处理方法包括如下步骤:
S1102,获取室外场景下,且时间为中午12点及凌晨12点的固定视频流,当背景图像生成时间大于给定时间周期,则重置固定视频流图像的标志位,开始重新生成背景图像。
需要说明的是,室外场景可以是但不限于是公园、路口等。
需要说明的是,时间可以设置为中午12点及凌晨12点也可以是其他白天及夜晚的时间,因为室外场景存在光线变化,保证获取两种光线下的背景图像。本公开实施例以中午12点及凌晨12点为例进行介绍。
需要说明的是,给定时间周期可以为20小时,也可根据历史信息或者用户需要进行设置。
S1104,将固定视频流进行抽帧处理生成抽帧图像;
S1106,每间隔固定时间输入一个抽帧图像进入背景图像列表;
需要说明的是,固定时间可以是半分钟,也可根据历史信息或者用户需要进行设置。
S1108,若背景图像列表中只有一个抽帧图像,则跳过比较;若背景图像列表中有多个抽帧图像,则确定背景图像列表中第一个抽帧图像和最后一个抽帧图像的相似度,生成抽帧图像比对结果;
在一个实施例中,确定背景图像列表中第一个抽帧图像和最后一个抽帧图像的相似度,生成抽帧图像比对结果包括:
将第一个抽帧图像与最后一个抽帧图像按像素相减取抽帧图像绝对值,得到抽帧相减图;
设定滑窗,根据任一滑窗内变化绝对值大于第二抽帧阈值的比例与第二抽帧比例,确定第一个抽帧图像和最后一个抽帧图像的相似度。
需要说明的是,滑窗可以是但不限于是步长为8,大小为16*16的滑窗。
需要说明的是,第一个抽帧图像和最后一个抽帧图像进行的相似度比对方法可以与确定抽帧图像和背景图像的相似度的方法一致,或为其他相似度比对方法,但由于室外场景监控位置较高,成像画面大,主要监控对象是行人车辆等,目前小目标检测的最小区域大致为10*10像素,故使用此相似度比对方法可以避免小目标的遗漏。
S110,若抽帧图像比对结果小于设定阈值则继续,否则清空背景图像列表重新开始生成背景图像;
S1112,获取背景图像列表中包括的抽帧图像的数量,若数量大于数量阈值,则第一个抽帧图像为固定视频流图像的背景图像。
需要说明的是,数量阈值可为但不限于20。
S1114,确定抽帧图像和背景图像的相似度;
S1116,若相似度小于比对阈值,则将抽帧图像丢弃;否则,对抽帧图像进行解译处理。
上述实施例中,可对光线变化场景下生成的固定视频流进行处理,快速生成背景图像,及识别处理与背景图像相似的图像。
图12示出本公开实施例中一种可选的光线不定场景下图像处理方法流程图,如图12所示,本公开实施例中提供的光线不定场景下图像处理方法包括如下步骤:
S1202,获取光线不定的场景下,且时间为凌晨的固定视频流,当背景图像生成时间大于给定时间周期,则重置固定视频流图像的标志位,开始重新生成背景图像。
需要说明的是,光线不定的场景可以是但不限于是电影院等。
需要说明的是,时间可以设置为凌晨也可以是其他时间,本公开实施例以凌晨时间为例进行介绍。
需要说明的是,给定时间周期可以为20小时,也可根据历史信息或者用户需要进行设置。
S1204,将固定视频流进行抽帧处理生成抽帧图像;
S1206,每间隔固定时间输入一个抽帧图像进入背景图像列表;
需要说明的是,固定时间可以是半分钟,也可根据历史信息或者用户需要进行设置。
S1208,若背景图像列表中只有一个抽帧图像,则跳过比较;若背景图像列表中有多个抽帧图像,则确定背景图像列表中第一个抽帧图像和最后一个抽帧图像的相似度,生成抽帧图像比对结果;
在一个实施例中,确定背景图像列表中第一个抽帧图像和最后一个抽帧图像的相似度,生成抽帧图像比对结果包括:
计算第一个抽帧图像与最后一个抽帧图像的欧式距离;
根据第一个抽帧图像与最后一个抽帧图像的欧式距离是否大于第三抽帧阈值,确定第一个抽帧图像与最后一个抽帧图像的相似度。
需要说明的是,第一个抽帧图像和最后一个抽帧图像进行的相似度比对方法可以与确定抽帧图像和背景图像的相似度的方法一致,或为其他相似度比对方法,但由于光线不定,使用此相似度比对方法,比对效率更快效果更好。
S1210,若抽帧图像比对结果小于设定阈值则继续,否则清空背景图像列表重新开始生成背景图像;
S1212,获取背景图像列表中包括的抽帧图像的数量,若数量大于数量阈值,则第一个抽帧图像为固定视频流图像的背景图像。
需要说明的是,数量阈值可为但不限于20。
S1214,确定抽帧图像和背景图像的相似度;
S1216,若相似度小于比对阈值,则将抽帧图像丢弃;否则,对抽帧图像进行解译处理。
上述实施例中,可对光线不定场景下生成的固定视频流进行处理,快速生成背景图像,及识别处理与背景图像相似的图像。
图13示出本公开实施例中一种图像处理改进方法流程图,如图13所示,本公开实施例中一种图像处理改进方法包括如下步骤:
S1302,输入固定视频流;
S1304,对输入的固定视频流进行抽帧处理,生成抽帧图像;
S1306,生成背景图像;
S1308,将背景图像与输入的抽帧图像进行相似度比对;
S1310,输入场景解译网络进行解译;
S1312,输出结果。
图14示出相关技术中一种图像处理改进方法流程图,如图14所示,相关技术中一种图像处理改进方法包括如下步骤:
S1402,输入固定视频流;
S1404,对输入的固定视频流进行抽帧处理,生成抽帧图像;
S1406,人工选择背景图像;
S1408,将人工选择的背景图像与输入的抽帧图像进行相似度比对;
S1410,输入场景解译网络进行解译;
S1412,输出结果。
图15示出相关技术中一种图像处理改进方法流程图,如图15所示,相关技术中一种图像处理改进方法包括如下步骤:
S1502,输入固定视频流;
S1504,对输入的固定视频流进行抽帧处理,生成抽帧图像;
S1506,在抽帧图像中,与上一帧比较,判断动静关系,去除与上一帧一致的;
S1508,将上述图像与输入的抽帧图像进行相似度比对;
S1510,输入场景解译网络进行解译。
S1512,输出结果。
图16示出相关技术中一种应用场景流程图,如图16所示,相关技术中一种应用场景流程图包括如下步骤:
S1602,输入固定视频流;
S1604,对输入的固定视频流进行图像预处理操作等;
S1606,再将预处理后的图像逐个输入解译网络进行目标检测、目标分类或者分割等处理等图像解译操作;
S1608,最后输出解译结果。
所属技术领域的技术人员能够理解,本公开的各个方面可以实现为系统、方法或程序产品。因此,本公开的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。
下面参照图17来描述根据本公开的这种实施方式的电子设备1700。图17显示的电子设备1700仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图17所示,电子设备1700以通用计算设备的形式表现。电子设备1700的组件可以包括但不限于:上述至少一个处理单元1710、上述至少一个存储单元1720、连接不同系统组件(包括存储单元1720和处理单元1710)的总线1730。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元1710执行,使得所述处理单元1710执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。例如,所述处理单元1710可以执行上述方法实施例的如下步骤:将固定视频流图像进行抽帧处理,生成抽帧图像;生成固定视频流图像的背景图像;确定抽帧图像和背景图像的相似度;若相似度小于比对阈值,则将抽帧图像丢弃;否则,对抽帧图像进行解译处理。
存储单元1720可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)17201和/或高速缓存存储单元17202,还可以进一步包括只读存储单元(ROM)17203。
存储单元1720还可以包括具有一组(至少一个)程序模块17205的程序/实用工具17204,这样的程序模块17205包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线1730可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备1700也可以与一个或多个外部设备1740(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备1700交互的设备通信,和/或与使得该电子设备1700能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口1750进行。并且,电子设备1700还可以通过网络适配器1760与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器1760通过总线1730与电子设备1700的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备1700使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。
在本公开的示例性实施例中,还提供了一种计算机可读存储介质,该计算机可读存储介质可以是可读信号介质或者可读存储介质。其上存储有能够实现本公开上述方法的程序产品。在一些可能的实施方式中,本公开的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。
本公开中的计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
在本公开中,计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可选地,计算机可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
在具体实施时,可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外,尽管在附图中以特定顺序描述了本公开中方法的各个步骤,但是,这并非要求或者暗示必须按照该特定顺序来执行这些步骤,或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的,可以省略某些步骤,将多个步骤合并为一个步骤执行,以及/或者将一个步骤分解为多个步骤执行等。
通过以上实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由所附的权利要求指出。
Claims (12)
1.一种图像处理方法,其特征在于,包括:
生成固定视频流图像的背景图像;
将所述固定视频流图像进行抽帧处理,生成抽帧图像;
确定所述抽帧图像和所述背景图像的相似度;
若所述相似度小于比对阈值,则将所述抽帧图像丢弃;否则,对所述抽帧图像进行解译处理。
2.根据权利要求1所述的图像处理方法,其特征在于,所述生成固定视频流图像的背景图像包括:
将连续间隔一定时间的所述抽帧图像依次输入背景图像列表;
将所述背景图像列表中第一个抽帧图像和最后一个抽帧图像进行相似度比对,生成抽帧图像比对结果;
当所述抽帧图像比对结果小于设定阈值的情况下,获取所述背景图像列表中包括的抽帧图像的数量,若数量大于数量阈值,则所述第一个抽帧图像为所述固定视频流图像的背景图像。
3.根据权利要求2所述的图像处理方法,其特征在于,所述将所述背景图像列表中第一个抽帧图像和最后一个抽帧图像进行相似度比对,生成抽帧图像比对结果包括:
将所述第一个抽帧图像与最后一个抽帧图像按像素相减取抽帧图像绝对值;
统计所述抽帧图像绝对值大于第一抽帧阈值的像素点占比;
根据抽帧图像绝对值大于第一抽帧阈值的像素点占比,与第一抽帧比例,确定所述第一个抽帧图像和最后一个抽帧图像的相似度。
4.根据权利要求2所述的图像处理方法,其特征在于,所述将所述背景图像列表中第一个抽帧图像和最后一个抽帧图像进行相似度比对,生成抽帧图像比对结果包括:
将所述第一个抽帧图像与最后一个抽帧图像按像素相减取抽帧图像绝对值,得到抽帧相减图;
设定滑窗,根据任一所述滑窗内变化绝对值大于第二抽帧阈值的比例与第二抽帧比例,确定第一个抽帧图像和最后一个抽帧图像的相似度。
5.根据权利要求2所述的图像处理方法,其特征在于,所述将所述背景图像列表中第一个抽帧图像和最后一个抽帧图像进行相似度比对,生成抽帧图像比对结果包括:
计算第一个抽帧图像与最后一个抽帧图像的欧式距离;
根据第一个抽帧图像与最后一个抽帧图像的欧式距离是否大于第三抽帧阈值,确定第一个抽帧图像与最后一个抽帧图像的相似度。
6.根据权利要求1所述的图像处理方法,其特征在于,所述确定所述抽帧图像和所述背景图像的相似度包括:
将所述抽帧图像与所述背景图像按像素相减取绝对值;
统计所述绝对值大于第一给定阈值的像素点占比;
根据所述占比与第一给定比例,确定所述抽帧图像和所述背景图像的相似度。
7.根据权利要求1所述的图像处理方法,其特征在于,所述确定所述抽帧图像和所述背景图像的相似度包括:
将所述抽帧图像与所述背景图像按像素相减取绝对值,得到相减图;
设定滑窗,根据任一所述滑窗内变化绝对值大于第二给定阈值的比例与第二给定比例,确定所述抽帧图像和所述背景图像的相似度。
8.根据权利要求1所述的图像处理方法,其特征在于,所述确定所述抽帧图像和所述背景图像的相似度包括:
计算所述抽帧图像与所述背景图的欧氏距离;
根据所述抽帧图像与所述背景图的欧式距离是否大于第三给定阈值,确定所述抽帧图像和所述背景图像的相似度。
9.根据权利要求1所述的图像处理方法,其特征在于,所述生成所述固定视频流图像的背景图像包括:
获取背景图像的生成时间;
当所述背景图像的生成时间大于给定时间周期时,则重置所述固定视频流图像的标志位,重新生成所述固定视频流图像的背景图像。
10.一种图像处理装置,其特征在于,包括:
背景图像生成模块,生成所述固定视频流图像的背景图像;
抽帧图像生成模块,将固定视频流图像进行抽帧处理,生成抽帧图像;
相似度确定模块,确定所述抽帧图像和所述背景图像的相似度;
抽帧图像处理模块,若所述相似度小于比对阈值,则将所述抽帧图像丢弃;否则,对所述抽帧图像进行解译处理。
11.一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行权利要求1~9中任意一项所述图像处理方法。
12.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1~9中任意一项所述的图像处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210036587.6A CN114390330A (zh) | 2022-01-12 | 2022-01-12 | 图像处理方法及装置、存储介质、电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210036587.6A CN114390330A (zh) | 2022-01-12 | 2022-01-12 | 图像处理方法及装置、存储介质、电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114390330A true CN114390330A (zh) | 2022-04-22 |
Family
ID=81202293
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210036587.6A Pending CN114390330A (zh) | 2022-01-12 | 2022-01-12 | 图像处理方法及装置、存储介质、电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114390330A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103313061A (zh) * | 2013-06-28 | 2013-09-18 | 汕头大学 | 一种自适应背景更新的视频压缩传输方法及系统 |
CN103957423A (zh) * | 2014-05-14 | 2014-07-30 | 杭州古北电子科技有限公司 | 一种基于计算机视觉的视频压缩和重建方法 |
CN104853060A (zh) * | 2015-04-14 | 2015-08-19 | 武汉基数星通信科技有限公司 | 高清视频前置处理方法和系统 |
US20190147279A1 (en) * | 2017-11-13 | 2019-05-16 | Aupera Technologies, Inc. | System of a video frame detector for video content identification and method thereof |
CN112085097A (zh) * | 2020-09-09 | 2020-12-15 | 北京市商汤科技开发有限公司 | 图像处理方法及装置、电子设备和存储介质 |
JP2021193505A (ja) * | 2020-06-08 | 2021-12-23 | キヤノン株式会社 | 画像処理装置、画像処理方法、およびプログラム |
-
2022
- 2022-01-12 CN CN202210036587.6A patent/CN114390330A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103313061A (zh) * | 2013-06-28 | 2013-09-18 | 汕头大学 | 一种自适应背景更新的视频压缩传输方法及系统 |
CN103957423A (zh) * | 2014-05-14 | 2014-07-30 | 杭州古北电子科技有限公司 | 一种基于计算机视觉的视频压缩和重建方法 |
CN104853060A (zh) * | 2015-04-14 | 2015-08-19 | 武汉基数星通信科技有限公司 | 高清视频前置处理方法和系统 |
US20190147279A1 (en) * | 2017-11-13 | 2019-05-16 | Aupera Technologies, Inc. | System of a video frame detector for video content identification and method thereof |
JP2021193505A (ja) * | 2020-06-08 | 2021-12-23 | キヤノン株式会社 | 画像処理装置、画像処理方法、およびプログラム |
CN112085097A (zh) * | 2020-09-09 | 2020-12-15 | 北京市商汤科技开发有限公司 | 图像处理方法及装置、电子设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112165632B (zh) | 视频处理方法、装置及设备 | |
CN110365973B (zh) | 视频的检测方法、装置、电子设备及计算机可读存储介质 | |
CN110198475B (zh) | 视频处理方法、装置、设备、服务器与可读存储介质 | |
CN104091607A (zh) | 一种基于ios设备的视频编辑方法及装置 | |
CN112511821A (zh) | 视频卡顿检测方法、装置和存储介质 | |
CN111031351A (zh) | 一种预测目标物轨迹的方法及装置 | |
CN110956648A (zh) | 一种视频图像处理方法、装置、设备及存储介质 | |
CN112423021A (zh) | 视频的处理方法、装置、可读介质和电子设备 | |
CN115442637A (zh) | 直播特效渲染方法、装置、设备、可读存储介质及产品 | |
CN115761090A (zh) | 特效渲染方法、装置、设备、计算机可读存储介质及产品 | |
CN115205305A (zh) | 一种实例分割模型训练方法、实例分割方法及装置 | |
CN111385576B (zh) | 视频编码方法、装置、移动终端及存储介质 | |
CN114581542A (zh) | 图像预览方法及装置、电子设备和存储介质 | |
CN113014853B (zh) | 互动信息处理方法、装置、电子设备及存储介质 | |
CN114390330A (zh) | 图像处理方法及装置、存储介质、电子设备 | |
CN112463391A (zh) | 内存控制方法、内存控制装置、存储介质与电子设备 | |
WO2023165390A1 (zh) | 变焦特效的生成方法、装置、设备及存储介质 | |
CN112464898A (zh) | 事件检测方法及装置、电子设备和存储介质 | |
CN112261417A (zh) | 视频推送方法及系统、设备及可读存储介质 | |
CN116682035A (zh) | 一种高帧率视频缺陷的检测方法、装置、设备和程序产品 | |
CN110751120A (zh) | 一种检测方法、装置及电子设备 | |
CN110855882A (zh) | 拍摄处理方法及装置、存储介质和电子设备 | |
CN114245171A (zh) | 视频编辑方法、装置、电子设备、介质 | |
CN114268833A (zh) | 直播内容的采集及处理方法、装置、电子设备和介质 | |
CN109886234B (zh) | 目标检测方法、装置、系统、电子设备、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 |