CN115623221A - 一种视频编码方法、装置、存储介质及图像采集设备 - Google Patents
一种视频编码方法、装置、存储介质及图像采集设备 Download PDFInfo
- Publication number
- CN115623221A CN115623221A CN202211203408.XA CN202211203408A CN115623221A CN 115623221 A CN115623221 A CN 115623221A CN 202211203408 A CN202211203408 A CN 202211203408A CN 115623221 A CN115623221 A CN 115623221A
- Authority
- CN
- China
- Prior art keywords
- image
- target
- coding
- original image
- code rate
- 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
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000003860 storage Methods 0.000 title claims abstract description 22
- 230000006835 compression Effects 0.000 claims description 21
- 238000007906 compression Methods 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 16
- 238000005520 cutting process Methods 0.000 claims description 14
- 230000002829 reductive effect Effects 0.000 abstract description 31
- 230000004927 fusion Effects 0.000 abstract description 10
- 230000006870 function Effects 0.000 description 15
- 238000012545 processing Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 12
- 230000006872 improvement Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/30—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using hierarchical techniques, e.g. scalability
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
- H04N19/146—Data rate or code amount at the encoder output
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
- H04N19/167—Position within a video image, e.g. region of interest [ROI]
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20132—Image cropping
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本说明书提供了一种视频编码方法、装置、存储介质及图像采集设备。在本说明书提供的视频编码方法中,会先将获取到的原始图像中包含目标的目标区域确定出来,随后针对每个目标区域,从原始图像中裁剪出包含该目标区域的视频,作为该目标区域的目标图像;将原始图像的分辨率缩小,作为背景图像,并将各目标图像与背景图像进行融合编码,得到最终的编码图像。在采用本说明书提供的视频编码方法时,通过减小视频中不必要的画面的码率,在保证视频中目标足够清晰,目标的信息足够丰富的情况下,降低了视频整体的码率,减少了生成视频所需要的带宽成本。
Description
技术领域
本说明书涉及视频处理技术领域,尤其涉及一种视频编码方法、装置、存储介质及图像采集设备。
背景技术
随着科技不断地发展与进步,图像采集设备能够采集到的图像的分辨率越来越高,同时,用户对图像的清晰度的要求也越来越高。然而,在采集视频图像时,在保持清晰度不变的情况下,视频的码率也会随着图像采集设备的分辨率的提升而提升,随之而来的就是带宽成本的增加。
而目前,为了在能够保证视频的清晰度的同时,尽可能地降低视频的码率,同时又保证足够高的分辨率,使视频中保留足够的信息,相关技术人员大多在设计更优的压缩编码算法,也就是研究更优的编码格式,而很少会从视频的编码方法上去寻求突破。
由此,本说明书提供了一种新的视频编码方法,以解决在保证视频清晰度的情况下,低码率与高分辨率无法兼顾的技术问题。
发明内容
本说明书提供一种视频编码方法、装置、存储介质及图像采集设备,以至少部分地解决现有技术存在的上述问题。
本说明书采用下述技术方案:
本说明书提供了一种视频编码方法,包括:
获取图像采集设备采集的当前帧的原始图像,并通过识别模型确定所述原始图像中的目标对象所在的目标区域;
从所述原始图像中裁剪出包含所述目标区域的图像,作为目标图像;
缩小所述原始图像的分辨率,得到背景图像;
将所述目标图像与所述背景图像分别输入不同的编码通道进行编码,对各编码通道分别输出的编码结果进行融合,得到当前帧的编码图像。
可选的,所述识别模型识别得到多个目标对象;
从所述原始图像中裁剪出包含所述目标区域的图像,作为所述目标区域的目标图像,具体包括:
针对每个目标对象,从所述原始图像中裁剪出包含该目标对象的目标区域的图像,作为一路目标图像;
对所述目标图像与所述背景图像分别进行编码,将编码结果融合得到当前帧的编码图像,具体包括:
将各路目标图像与所述背景图像分别输入不同的编码通道进行编码,对各编码通道分别输出的编码结果进行融合,得到当前帧的编码图像。
可选的,将所述目标图像输入编码通道进行编码,具体包括:
根据所述目标图像的面积在所述原始图像的面积中的占比,调整所述目标图像的码率;
采用调整后的码率在编码通道中队所述目标图像进行编码。
可选的,根据所述目标图像的面积在所述原始图像的面积中的占比,调整所述目标图像的码率,具体包括:
根据预设的尺寸与所述原始图像尺寸的比值,确定第一阈值;
根据所述第一阈值,确定所述目标图像的目标码率;
当所述目标图像的面积在所述原始图像的面积中的占比大于所述第一阈值时,根据所述目标图像的目标码率,将所述目标图像的原始码率降低至所述目标码率;
当所述目标图像的面积在所述原始图像的面积中的占比小于所述第一阈值时,根据所述目标图像的目标码率,将所述目标图像的原始码率提高至所述目标码率;
其中,所述背景图像的分辨率与所述原始图像的分辨率的比值为第二阈值,所述第一阈值小于所述第二阈值。
可选的,将所述目标图像的原始码率降低至所述目标码率,具体包括:
根据所述占比、所述第一阈值以及所述原始图像的分辨率,确定所述目标图像的目标分辨率;
将所述目标图像的分辨率降低至所述目标分辨率,使所述目标图像的码率降低至所述目标码率;
将所述目标图像的原始码率提高至所述目标码率,具体包括:
根据所述占比、所述第一阈值以及所述原始图像的压缩率,确定所述目标图像的目标压缩率;
将所述目标图像的压缩率提高至所述目标压缩率,使所述目标图像的码率提高至所述目标码率。
可选的,将所述目标图像与所述背景图像分别输入不同的编码通道进行编码,对各编码通道分别输出的编码结果进行融合,得到当前帧的编码图像,具体包括:
当所述目标图像的面积在所述原始图像的面积中的占比不大于所述第二阈值时,将所述目标图像确定为可用图像;
将所述可用图像与所述背景图像分别输入不同的编码通道进行编码,对各编码通道分别输出的编码结果进行融合,得到当前帧的编码图像。
可选的,所述识别模型识别得到多个目标对象;
将所述目标图像与所述背景图像分别输入不同的编码通道进行编码,对各编码通道分别输出的编码结果进行融合,得到当前帧的编码图像,具体包括:
当所述原始图像中目标对象的数量大于指定数量时,将所述原始图像输入编码通道进行编码,得到当前帧的编码图像;
当所述原始图像中目标对象的数量不大于所述指定数量时,将各目标图像与所述背景图像分别输入不同的编码通道进行编码,对各编码通道分别输出的编码结果进行融合,得到当前帧的编码图像。
本说明书提供的一种视频编码的装置,所述装置包括:
获取模块,获取图像采集设备采集的当前帧的原始图像,并通过识别模型确定所述原始图像中的目标对象所在的目标区域;
裁剪模块,从所述原始图像中裁剪出包含所述目标区域的图像,作为目标图像;
缩小模块,缩小所述原始图像的分辨率,得到背景图像;
编码模块,将所述目标图像与所述背景图像分别输入不同的编码通道进行编码,对各编码通道分别输出的编码结果进行融合,得到当前帧的编码图像。
本说明书提供了一种计算机可读存储介质,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上述视频编码方法。
本说明书提供了一种图像采集设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述视频编码方法。
本说明书采用的上述至少一个技术方案能够达到以下有益效果:
在本说明书提供的视频编码方法中,会获取图像采集设备采集的当前帧的原始图像,并通过识别模型确定原始图像中的目标对象所在的目标区域;从原始图像中裁剪出包含目标区域的图像,作为目标图像;缩小原始图像的分辨率,得到背景图像;将目标图像与背景图像分别输入不同的编码通道进行编码,对各编码通道分别输出的编码结果进行融合,得到当前帧的编码图像。在采用本说明书提供的视频编码方法时,通过减小视频中不必要的画面的码率,在保证视频中目标足够清晰,目标的信息足够丰富的情况下,降低了视频整体的码率,减少了生成视频所需要的带宽成本。
附图说明
此处所说明的附图用来提供对本说明书的进一步理解,构成本说明书的一部分,本说明书的示意性实施例及其说明用于解释本说明书,并不构成对本说明书的不当限定。在附图中:
图1为本说明书中一种视频编码方法的流程示意图;
图2为本说明书提供的一种视频编码方法的步骤图;
图3为本说明书提供的一种视频编码装置的示意图;
图4为本说明书提供的对应于图1的图像采集设备示意图。
具体实施方式
在各种图像采集设备中,智能摄像头的应用尤为广泛,在道路监管、无人微仓、物流等场景中均有着重要的作用。但现阶段,硬件的质量随着人们的需求不断地提高,智能摄像头可以拍摄出分辨率较高的视频图像。然而,高分辨率的同时也代表着高码率,视频在进行编码时的码率越高,需要的带宽也就越大,这无疑带来了较高的成本。
本领域技术人员应当知道,在对视频进行编码时,不同的编码格式下视频的码率也是不同的。为了能够降低视频的码率,减少成本,从业人员一直在研发更优的编码格式,以寻求在对视频编码时需要的码率更小。采用更优的编码格式固然可以达到降低视频编码时的码率的+效果,但必须要考虑的是,研发一种新的编码格式往往需要好几年的时间,见效极慢。
由此,本说明书提供了一种新的视频编码方法,希望从对视频进行融合编码的角度来解决视频编码时码率过大,消耗带宽成本过高的问题。
为使本说明书的目的、技术方案和优点更加清楚,下面将结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本说明书一部分实施例,而不是全部的实施例。基于本说明书中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
以下结合附图,详细说明本说明书各实施例提供的技术方案。
图1为本说明书中一种视频编码方法的流程示意图,具体包括以下步骤:
S100:获取图像采集设备采集的当前帧的原始图像,并通过识别模型确定所述原始图像中的目标对象所在的目标区域。
本说明书所提供的视频编码方法中的所有步骤均可由任何具有图像采集功能与计算功能的图像采集设备实现,例如智能摄像头等设备。为了方便表述,在本说明书中,将以智能摄像头为例,进行解释与说明。
在本说明书提供的视频编码方法中,视频编码是指智能摄像头在采集到原始图像后,对采集到的原始图像进行编码,最终生成编码图像,显示在与智能摄像头对应的显示设备上,例如终端、显示器等设备,以供用户查看。由此,本申请中的原始图像可以是智能摄像头直接拍摄到的图像,而最终得到的编码图像可以是经过智能摄像头编码后输出的用于展示给用户的图像。
值得一提的是,本说明书提供的视频编码方法并非是对一个完整的视频进行重新编码,而是实时地将智能摄像头采集到的原始图像编码后,实时地展示给用户。换句话说,本说明书提供的视频编码方法可以理解为对智能摄像头采集到的每一帧图像进行实时地编码处理。
另外,在本说明书提供的视频编码方法中,视频的编码是由智能摄像头中的硬件设备实现的。在对每一帧图像进行编码时,硬件设备可调整编码时的参数,包括但不限于分辨率、压缩率、码率等参数,而不会改变图像本身的编码格式。
本申请中的目标对象,可以是用户所希望关注的在原始图像中可能出现的任何对象,包括但不限于人、车辆、建筑、动物、植物、各种物品等。目前所采用的大多数智能摄像头中包含有嵌入式神经网络处理器(neural-network processing units,NPU),可以用于实现预先存储的模型的功能。例如,如果在NPU中预先存储了用于识别车辆的模型,那么在智能摄像头采集视频图像是就能够将车辆作为目标对象进行采集。当然,一个模型可同时实现多个功能,一个NPU中也可同时运行多个模型,也就是说智能摄像头可同时识别多种目标对象,只要在NPU的存储空间足够的情况下,用户可通过改变NPU中存储的模型来自由地设定需要智能摄像头重点监控的目标对象。
在本申请中,原始图像中目标对象所在的目标区域,可以是原始图像中目标对象的边缘轮廓所构成的封闭的区域。在智能摄像头获取原始图像,也就是采集到原始图像的同时,可以根据NPU中的模型的功能,识别出原始图像中的目标对象,并确定出目标对象所在的目标区域。
S102:从所述原始图像中裁剪出包含所述目标区域的图像,作为目标图像。
本说明书中提供的视频编码方法的过程可如图2所示。可以想到的,智能摄像头所采集到的原始图像中包含的目标对象应该作为重点去关注。因此,在原始图像中包含目标对象时,从原始图像中裁剪出包含目标区域的图像,作为目标图像。
在进行裁剪时,原始图像中存在多少个目标区域,就需要对原始图像进行多少次裁剪。换句话说,裁剪出的目标图像的数量与原始图像中包含的目标的数量是相同的。同时,会为裁剪出的每个目标图像单独设置一条新的视频通道,用于处理该目标图像,也就是将裁剪出的目标图像作为一路新的视频进行处理。而在目标图像中,可以仅包含对应的目标区域,而不包含任何其它内容。
S104:缩小所述原始图像的分辨率,得到背景图像。
本领域技术人员应当明白,在保证编码后的视频的清晰度不变时,视频进行编码时的码率与视频的分辨率是成正比的,当缩小原始图像的分辨率时,其在编码时的码率也会对应地缩小。由于在原始图像中,除了目标之外的内容,都是用户并不关注的内容,因此对于这部分内容,即使分辨率较低,包含的信息较少,也不会影响用户在观看时的体验。因此,可对原始图像的分辨率进行缩小,作为背景图像,在编码时作为目标的背景进行使用。
需要注意的是,此步骤中的原始图像为智能摄像头直接采集到的原始图像,而并非经过裁剪后的原始图像。其中,对原始图像的分辨率进行缩小时的程度可根据具体需求进行设置,例如,可将原始图像的分辨率缩小至原分辨率的50%或25%等,得到背景图像。
S106:将所述目标图像与所述背景图像分别输入不同的编码通道进行编码,对各编码通道分别输出的编码结果进行融合,得到当前帧的编码图像。
在此步骤中,可对步骤S102中得到的目标图像,与步骤S104中得到的背景图像进行融合编码,得到最终展示给用户的编码图像。具体的,在进行融合编码时,可将各编码通道分别输出的编码结果进行叠加,得到当前帧的编码图像。
在步骤S102中得到的各目标图像是仅包含用户所关注的目标对象的目标区域的视频,其分辨率在未经调整的情况下与原始图像的分辨率相同,在编码时的码率也与原始图像中的目标区域相同;而在步骤S104中得到的背景图像是原始图像的分辨率经过所小后得到的,其分辨率小于原始图像,在编码时的码率也必然小于原始图像。由此,将各目标图像与背景图像进行融合,最终便能够得到用户所关注的目标足够清晰,目标信息足够充分,且编码时的码率减小了的编码图像。
举例来说,假设原始图像在编码时的码率为M,原始图像中存在一个目标对象,该目标区域的面积在原始图像中所占的比例为10%,那么将该目标区域从原始图像中裁剪出来后得到的目标图像,在编码时的码率为M×10%;同时,假设将原始图像的分辨率缩小到原来的25%,那么得到的背景图像在编码时的码率就为M×25%,此时,将目标图像与背景图像融合,得到的编码图像的码率就是M×10%+M×25%,也就是M×35%,远比原始图像在编码时的码率要小得多,同时,目标区域的分辨率与原始图像相同,仍足够清晰。
在采用本说明书提供的视频编码方法对智能摄像头采集的视频图像进行编码时,在保证原始图像中目标区域分辨率足够的同时,通过缩小背景部分的分辨率,从而达到了最终的视频中目标区域仍足够清晰,同时减小视频整体在编码时的码率的效果。
额外的,在实际应用中,智能摄像头采集到的原始图像中很可能包含多个目标,此时,在步骤S102中裁剪目标图像时,可针对每个目标对象,从所述原始图像中裁剪出包含该目标对象的目标区域的图像,作为一路目标图像;而在步骤S106中进行编码时,可将各路目标图像与所述背景图像分别输入不同的编码通道进行编码,对各编码通道分别输出的编码结果进行融合,得到当前帧的编码图像。
更优的,在实际应用中,智能摄像头每次采集到的原始图像中的目标对象的大小都是不固定的。当目标对象距离智能摄像头较远时,目标对象在原始图像中的目标区域就较小,目标区域中包含的信息也就较少;相反的,当目标对象距离智能摄像头较近时,目标对象在原始图像中的目标区域就较大,目标区域中包含的信息也就较多。由此,对于不同大小的目标区域,在实际应用时可分别采取不同的方式进行处理。具体的,可根据所述目标图像的面积在所述原始图像的面积中的占比,调整所述目标图像的码率;采用调整后的码率在编码通道中队所述目标图像进行编码。
有些时候智能摄像头采集到的原始图像中,目标对象所对应的目标区域在原始图像中的面积占比很大,在这种情况下,即使稍微降低该目标区域对应的目标图像的码率,目标区域仍然能保留有足够充足的信息。在这种情况下,可考虑对目标区域的分辨率进行一定程度的缩小,从而进一步地减小对视频进行融合编码时的码率。
而对于目标对象对应的目标区域在原始图像中的面积占比较小的情况,由于此时目标区域中包含的信息本身就较少,若再缩小目标区域的分辨率,就会使目标区域中包含的信息进一步减少,因此对面积占比较小的目标区域,可保持该目标区域的分辨率不变,同时提高该目标区域在编码时的码率,从而提高该目标区域在编码后的信息量。
具体的,可根据预设的尺寸与所述原始图像尺寸的比值,确定第一阈值;根据所述第一阈值,确定所述目标图像的目标码率;当所述目标图像的面积在所述原始图像的面积中的占比大于所述第一阈值时,根据所述目标图像的目标码率,将所述目标图像的原始码率降低至所述目标码率;当所述目标图像的面积在所述原始图像的面积中的占比小于所述第一阈值时,根据所述目标图像的目标码率,将所述目标图像的原始码率提高至所述目标码率;其中,所述背景图像的分辨率与所述原始图像的分辨率的比值为第二阈值,所述第一阈值小于所述第二阈值。
本领域技术人员应当了解,在改变目标图像的码率时,可直接对码率参数本身进行修改,也可通过修改其它参数来使码率改变。在针对一帧图像进行编码时,在其他参数不变的情况下,该帧图像的码率与该帧图像的分辨率成正比,且与该帧图像的压缩率成正比。因此,可通过改变目标图像的分辨率或压缩率来改变目标图像的码率。
其中,在降低目标图像的码率时,可采用其他参数不变,降低分辨率的方式来实现。具体的,可根据所述占比、所述第一阈值以及所述原始图像的分辨率,确定所述目标图像的目标分辨率;将所述目标图像的分辨率降低至所述目标分辨率,使所述目标图像的码率降低至所述目标码率。
而在提高目标图像的码率时,由于分辨率无法直接提高,因此可采用其他参数不变,提高压缩率的方式来实现。具体的,可根据所述占比、所述第一阈值以及所述原始图像的压缩率,确定所述目标图像的目标压缩率;将所述目标图像的压缩率提高至所述目标压缩率,使所述目标图像的码率提高至所述目标码率。
另外,在对原始图像进行缩小,得到背景图像时,可将所述原始图像的分辨率缩小,得到背景图像,其中,所述背景图像的分辨率与所述原始图像的分辨率的比值为第二阈值。值得一提的是,第一阈值和第二阈值都可根据具体需求进行设定,但在本申请中,为了取得更好的融合编码效果,通常情况下第一阈值应小于第二阈值。
额外的,如果一个目标对象对应的目标区域的面积在原始图像中所占的比例非常大,那么即使直接缩小原始图像,得到背景图像,不在背景图像中额外增加该目标区域的目标图像的编码,该目标区域在背景图像中仍然能够保留充足的信息。由此,可以进一步减小图像在编码时的码率。
具体的,在步骤S106中将各目标图像与背景图像进行融合编码时,当所述目标图像的面积在所述原始图像的面积中的占比不大于所述第二阈值时,将所述目标图像确定为可用图像;将所述可用图像与所述背景图像分别输入不同的编码通道进行编码,对各编码通道分别输出的编码结果进行融合,得到当前帧的编码图像。
在对各编码通道分别输出的编码结果进行融合时,只将在原始图像中的面积占比不大于第二阈值的目标区域的目标图像与背景图像的编码结果进行融合;而在原始图像中的面积占比大于第二阈值的目标区域,即使不去融合这部分目标图像的编码结果,这部分目标区域在背景图像中的信息也已经足够。由此,便能够融合编码得到既能够保证目标区域的信息量与清晰度,又能够减小码率的编码图像。
对上述更优的方法进行举例说明,假设第一阈值为20%,第二阈值为25%,原始图像在编码时的码率为M,原始图像中存在一个目标对象,该目标对象的目标区域的面积占原始图像的面积的5%。此时,目标区域在原始图像中的占比小于第一阈值,那么在从原始图像中裁剪出该目标区域的待定视频后,保持待定视频的分辨率不变,增加该待定视频的码率到M×20%,得到目标图像。同时,背景图像的分辨率应为原始图像的分辨率的25%,背景图像的码率也为原始图像的25%,即M×25%。由于目标区域在原始图像中的面积占比为5%,小于第二阈值25%,因此在融合编码时,将目标区域的目标图像与背景图像融合到一起,得到编码图像,编码图像的码率为M×25%+M×20%,即M×45%。在将目标区域的码率从M×5%提升到M×20%的同时,将视频整体的码率从M减少到了M×45%。
第二种情况的举例,假设第一阈值为20%,第二阈值为30%,原始图像在编码时的码率为M,原始图像中存在一个目标对象,该目标对象的目标区域的面积占原始图像的面积的25%。此时,目标区域在原始图像中的占比大于第一阈值,那么在从原始图像中裁剪出该目标区域的待定视频后,将该待定视频的码率缩小为原始图像的码率的第一阈值,也就是M×20%。同时,背景图像的分辨率应为原始图像的分辨率的30%,背景图像的码率也为原始图像的30%,即M×30%。由于目标区域在原始图像中的面积占比为25%,小于第二阈值30%,因此在融合编码时,将目标区域的目标图像与背景图像融合到一起,得到编码图像,编码图像的码率为M×30%+M×20%,即M×50%。由此,可将视频整体的码率从M减少到M×50%,虽然目标区域的码率从M×25%下降到了M×20%,但仍保留了充足的信息。
第三种情况的举例,假设第一阈值为20%,第二阈值为25%,原始图像在编码时的码率为M,原始图像中存在一个目标对象,该目标对象的目标区域的面积占原始图像的面积的60%。此时,目标区域在原始图像中的占比大于第二阈值,那么在融合编码时,就不需要将该目标区域的目标图像融合进来。此时,背景图像的分辨率应为原始图像的分辨率的25%,背景图像的码率也为原始图像的25%,即M×25%。在不融合目标图像的情况下,最终的编码图像即为背景图像,码率从原始图像的M降低到了M×25%,同时,背景图像中目标区域的码率为M×60%×25%,也就是M×15%,仍然保留了足够的信息。
额外的,在实际应用中必须要考虑的一点是,大多数目标对象都具有随机性,行动是不可预测的,在智能摄像头采集到的原始图像中,目标对象的大小会随着目标对象的行动而不断改变。而在本申请给出的更优的实施例中,根据目标对象的目标区域在原始图像中的面积占比,会对目标区域进行不同的处理,得到目标图像。因此,为了能够在目标对象的大小不断变化时仍然能够实施上述方法,可实时地针对每个目标区域,根据该目标区域的面积在所述原始图像的面积中的占比,采用不同的视频通道处理该目标区域,得到该目标区域的目标图像。
举例来说,假设一个目标区域在原始图像中共出现了15秒,其中,第1~5秒时该目标区域的面积在原始图像中的占比小于第一阈值,第6~10秒时该目标区域的面积在原始图像中的占比大于第一阈值,第11~15秒时该目标区域的面积在原始图像中的占比小于第一阈值。那么在第1~5秒时,采用第一条视频通道处理该目标区域,在第6~10秒时,采用第二条视频通道处理该目标区域,在第11~15秒时,采用第三条视频通道处理该目标区域。其中,由于在第1~5秒和在第11~15秒时,对目标区域进行的处理相同,因此第一条视频通道和第三条视频通道实际上可以为同一条视频通道。实际上,上述根据目标区域的面积在原始图像中的占比进行实时切换视频通道的方法,可以理解为,每当目标对象的目标区域的面积在变化时经过第一阈值时,就将目标对象当作一个新的目标对象重新进行处理。
同时,在融合编码得到编码图像后,还可将编码图像中的每个目标对象经过了何种处理,或者是经由哪一个视频通道处理得到的,采用文字标注的形式标注在编码图像中的各目标区域旁展示给用户,以使用户能够对视频中各目标对象的信息有更好的了解。
额外的,在智能摄像头的实际应用中,会存在多种不同的情况。例如,有时采集到的视频中完全不存在任何目标对象,或者有时采集到的视频中存在过多的目标对象。对于这些特殊情况,本说明书在此也提供相应的解决方法。
当智能摄像头所采集到的原始图像中不包含任何目标对象时,可以认为智能摄像头当前采集的原始图像中没有任何需要用户关注的信息。这意味着,不包含任何目标对象的原始图像完全不需要以高分辨率的形式呈现给用户。具体的,当所述识别模型未识别出目标对象时,将所述背景图像输入编码通道进行编码,得到当前帧的编码图像。
背景图像是由原始图像经过缩小分辨率后得到的视频,在原始图像中不存在任何目标对象时,由于此时的原始图像中几乎不包含任何有价值的信息,即使分辨率缩小也几乎毫无影响,因此可直接将分辨率缩小后得到的背景图像作为最终的编码图像,展示给用户。
而另一种情况,当智能摄像头采集到的原始图像中包含的目标对象数量过多时,可无需再对原始图像进行裁剪。具体的,当所述原始图像中目标对象的数量大于指定数量时,将所述原始图像输入编码通道进行编码,得到当前帧的编码图像;当所述原始图像中目标对象的数量不大于所述指定数量时,将各目标图像与所述背景图像分别输入不同的编码通道进行编码,对各编码通道分别输出的编码结果进行融合,得到当前帧的编码图像。其中,指定数量可根据具体需求进行设置。
当智能摄像头采集到的原始图像中包含的目标对象数量较多时,各目标对象的目标区域在原始图像的画面中的占比很可能已经较大,那么相对的,此时原始图像中背景部分的画面占比就较小。在这种情况下,即使对背景部分的分辨率进行缩小,也不会减少太多的码率,并且对过多的目标区域进行裁剪也会额外增加过多的工作量。因此,在这种情况下,直接将智能摄像头采集到的原始图像作为最终的编码图像输出并展示给用户是最好的选择。
以上是本说明书提供的视频编码方法,基于同样的思路,本说明书还提供了相应的视频编码装置,如图3所示。
图3为本说明书提供的一种视频编码装置示意图,具体包括:
获取模块200,获取图像采集设备采集的当前帧的原始图像,并通过识别模型确定所述原始图像中的目标对象所在的目标区域;
裁剪模块202,从所述原始图像中裁剪出包含所述目标区域的图像,作为目标图像;
缩小模块204,缩小所述原始图像的分辨率,得到背景图像;
编码模块206,将所述目标图像与所述背景图像分别输入不同的编码通道进行编码,对各编码通道分别输出的编码结果进行融合,得到当前帧的编码图像。
可选地,所述识别模型识别得到多个目标对象;
所述裁剪模块202,具体用于针对每个目标对象,从所述原始图像中裁剪出包含该目标对象的目标区域的图像,作为一路目标图像;
所述编码模块206,具体用于将各路目标图像与所述背景图像分别输入不同的编码通道进行编码,对各编码通道分别输出的编码结果进行融合,得到当前帧的编码图像。
可选地,所述编码模块206,具体用于根据所述目标图像的面积在所述原始图像的面积中的占比,调整所述目标图像的码率;采用调整后的码率在编码通道中队所述目标图像进行编码。
可选地,所述编码模块206,具体用于根据预设的尺寸与所述原始图像尺寸的比值,确定第一阈值;根据所述第一阈值,确定所述目标图像的目标码率;当所述目标图像的面积在所述原始图像的面积中的占比大于所述第一阈值时,根据所述目标图像的目标码率,将所述目标图像的原始码率降低至所述目标码率;当所述目标图像的面积在所述原始图像的面积中的占比小于所述第一阈值时,根据所述目标图像的目标码率,将所述目标图像的原始码率提高至所述目标码率;其中,所述背景图像的分辨率与所述原始图像的分辨率的比值为第二阈值,所述第一阈值小于所述第二阈值。
可选地,所述编码模块206,具体用于根据所述占比、所述第一阈值以及所述原始图像的分辨率,确定所述目标图像的目标分辨率;将所述目标图像的分辨率降低至所述目标分辨率,使所述目标图像的码率降低至所述目标码率。
可选地,所述编码模块206,具体用于根据所述占比、所述第一阈值以及所述原始图像的压缩率,确定所述目标图像的目标压缩率;将所述目标图像的压缩率提高至所述目标压缩率,使所述目标图像的码率提高至所述目标码率。
可选地,所述编码模块206,具体用于当所述目标图像的面积在所述原始图像的面积中的占比不大于所述第二阈值时,将所述目标图像确定为可用图像;将所述可用图像与所述背景图像分别输入不同的编码通道进行编码,对各编码通道分别输出的编码结果进行融合,得到当前帧的编码图像。
可选地,所述编码模块206,具体用于当所述识别模型未识别出目标对象时,将所述背景图像输入编码通道进行编码,得到当前帧的编码图像。
可选地,所述识别模型识别得到多个目标对象;
所述编码模块206,具体用于当所述原始图像中目标对象的数量大于指定数量时,将所述原始图像输入编码通道进行编码,得到当前帧的编码图像;当所述原始图像中目标对象的数量不大于所述指定数量时,将各目标图像与所述背景图像分别输入不同的编码通道进行编码,对各编码通道分别输出的编码结果进行融合,得到当前帧的编码图像。
本说明书还提供了一种计算机可读存储介质,该存储介质存储有计算机程序,计算机程序可用于执行上述图1提供的视频编码方法。
本说明书还提供了图4所示的图像采集设备的示意结构图。如图4所述,在硬件层面,该图像采集设备包括处理器、内部总线、网络接口、内存以及非易失性存储器,当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,以实现上述图1所述的视频编码法。当然,除了软件实现方式之外,本说明书并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说以下处理流程的执行主体并不限定于各个逻辑单元,也可以是硬件或逻辑器件。
在20世纪90年代,对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本说明书的实施例可提供为方法、系统或计算机程序产品。因此,本说明书可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本说明书的实施例而已,并不用于限制本说明书。对于本领域技术人员来说,本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种视频编码方法,其特征在于,包括:
获取图像采集设备采集的当前帧的原始图像,并通过识别模型确定所述原始图像中的目标对象所在的目标区域;
从所述原始图像中裁剪出包含所述目标区域的图像,作为目标图像;
缩小所述原始图像的分辨率,得到背景图像;
将所述目标图像与所述背景图像分别输入不同的编码通道进行编码,对各编码通道分别输出的编码结果进行融合,得到当前帧的编码图像。
2.如权利要求1所述的方法,其特征在于,所述识别模型识别得到多个目标对象;
从所述原始图像中裁剪出包含所述目标区域的图像,作为所述目标区域的目标图像,具体包括:
针对每个目标对象,从所述原始图像中裁剪出包含该目标对象的目标区域的图像,作为一路目标图像;
对所述目标图像与所述背景图像分别进行编码,将编码结果融合得到当前帧的编码图像,具体包括:
将各路目标图像与所述背景图像分别输入不同的编码通道进行编码,对各编码通道分别输出的编码结果进行融合,得到当前帧的编码图像。
3.如权利要求1所述的方法,其特征在于,将所述目标图像输入编码通道进行编码,具体包括:
根据所述目标图像的面积在所述原始图像的面积中的占比,调整所述目标图像的码率;
采用调整后的码率在编码通道中队所述目标图像进行编码。
4.如权利要求3所述的方法,其特征在于,根据所述目标图像的面积在所述原始图像的面积中的占比,调整所述目标图像的码率,具体包括:
根据预设的尺寸与所述原始图像尺寸的比值,确定第一阈值;
根据所述第一阈值,确定所述目标图像的目标码率;
当所述目标图像的面积在所述原始图像的面积中的占比大于所述第一阈值时,根据所述目标图像的目标码率,将所述目标图像的原始码率降低至所述目标码率;
当所述目标图像的面积在所述原始图像的面积中的占比小于所述第一阈值时,根据所述目标图像的目标码率,将所述目标图像的原始码率提高至所述目标码率;
其中,所述背景图像的分辨率与所述原始图像的分辨率的比值为第二阈值,所述第一阈值小于所述第二阈值。
5.如权利要求4所述的方法,其特征在于,将所述目标图像的原始码率降低至所述目标码率,具体包括:
根据所述占比、所述第一阈值以及所述原始图像的分辨率,确定所述目标图像的目标分辨率;
将所述目标图像的分辨率降低至所述目标分辨率,使所述目标图像的码率降低至所述目标码率;
将所述目标图像的原始码率提高至所述目标码率,具体包括:
根据所述占比、所述第一阈值以及所述原始图像的压缩率,确定所述目标图像的目标压缩率;
将所述目标图像的压缩率提高至所述目标压缩率,使所述目标图像的码率提高至所述目标码率。
6.如权利要求4所述的方法,其特征在于,将所述目标图像与所述背景图像分别输入不同的编码通道进行编码,对各编码通道分别输出的编码结果进行融合,得到当前帧的编码图像,具体包括:
当所述目标图像的面积在所述原始图像的面积中的占比不大于所述第二阈值时,将所述目标图像确定为可用图像;
将所述可用图像与所述背景图像分别输入不同的编码通道进行编码,对各编码通道分别输出的编码结果进行融合,得到当前帧的编码图像。
7.如权利要求1所述的方法,其特征在于,所述识别模型识别得到多个目标对象;
将所述目标图像与所述背景图像分别输入不同的编码通道进行编码,对各编码通道分别输出的编码结果进行融合,得到当前帧的编码图像,具体包括:
当所述原始图像中目标对象的数量大于指定数量时,将所述原始图像输入编码通道进行编码,得到当前帧的编码图像;
当所述原始图像中目标对象的数量不大于所述指定数量时,将各目标图像与所述背景图像分别输入不同的编码通道进行编码,对各编码通道分别输出的编码结果进行融合,得到当前帧的编码图像。
8.一种视频编码装置,其特征在于,包括:
获取模块,获取图像采集设备采集的当前帧的原始图像,并通过识别模型确定所述原始图像中的目标对象所在的目标区域;
裁剪模块,从所述原始图像中裁剪出包含所述目标区域的图像,作为目标图像;
缩小模块,缩小所述原始图像的分辨率,得到背景图像;
编码模块,将所述目标图像与所述背景图像分别输入不同的编码通道进行编码,对各编码通道分别输出的编码结果进行融合,得到当前帧的编码图像。
9.一种计算机可读存储介质,其特征在于,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上述权利要求1~7任一项所述的方法。
10.一种图像采集设备,包括存储器、处理器及存储在存储器上并可在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程序时实现上述权利要求1~7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211203408.XA CN115623221A (zh) | 2022-09-29 | 2022-09-29 | 一种视频编码方法、装置、存储介质及图像采集设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211203408.XA CN115623221A (zh) | 2022-09-29 | 2022-09-29 | 一种视频编码方法、装置、存储介质及图像采集设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115623221A true CN115623221A (zh) | 2023-01-17 |
Family
ID=84861483
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211203408.XA Pending CN115623221A (zh) | 2022-09-29 | 2022-09-29 | 一种视频编码方法、装置、存储介质及图像采集设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115623221A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117649613A (zh) * | 2024-01-30 | 2024-03-05 | 之江实验室 | 一种光学遥感图像优化方法、装置、存储介质及电子设备 |
-
2022
- 2022-09-29 CN CN202211203408.XA patent/CN115623221A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117649613A (zh) * | 2024-01-30 | 2024-03-05 | 之江实验室 | 一种光学遥感图像优化方法、装置、存储介质及电子设备 |
CN117649613B (zh) * | 2024-01-30 | 2024-04-26 | 之江实验室 | 一种光学遥感图像优化方法、装置、存储介质及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110012310B (zh) | 一种基于自由视点的编解码方法及装置 | |
CN111010590A (zh) | 一种视频裁剪方法及装置 | |
US20190387234A1 (en) | Encoding method, decoding method, encoder, and decoder | |
US11184537B2 (en) | Method and apparatus having a function of constant automatic focusing when exposure changes | |
CN110324679B (zh) | 一种视频数据处理方法及装置 | |
CN110139169B (zh) | 视频流的质量评估方法及其装置、视频拍摄系统 | |
US20190373281A1 (en) | Encoding method, decoding method, encoder, and decoder | |
CN115623221A (zh) | 一种视频编码方法、装置、存储介质及图像采集设备 | |
CN113688832B (zh) | 一种模型训练及图像处理方法、装置 | |
CN113888415B (zh) | 一种模型训练以及图像修复方法及装置 | |
CN114359935A (zh) | 一种模型训练以及表格识别方法及装置 | |
CN117197781B (zh) | 一种交通标志识别的方法、装置、存储介质及电子设备 | |
CN114037740A (zh) | 图像数据流的处理方法、装置及电子设备 | |
CN117372578A (zh) | 一种动画生成方法、装置、存储介质及电子设备 | |
CN107609051A (zh) | 一种图像渲染方法、装置以及电子设备 | |
CN115984154A (zh) | 一种图像融合的方法、装置、存储介质及电子设备 | |
CN112949642B (zh) | 一种文字生成方法、装置、存储介质及电子设备 | |
CN115240099A (zh) | 基于多模态关联数据的模型训练方法及装置 | |
CN112560530B (zh) | 一种二维码处理方法、设备、介质及电子设备 | |
CN113992859A (zh) | 一种画质提升方法和装置 | |
CN111524190B (zh) | 视觉定位网络的训练、无人驾驶设备的控制方法及装置 | |
US20200154111A1 (en) | Image mapping methods, apparatuses, device, and computer-readable memory medium | |
CN117221504B (zh) | 一种视频抠像方法及装置 | |
CN117974493B (zh) | 图像处理方法和相关装置 | |
CN114155466B (zh) | 一种基于深度学习的目标识别方法及装置 |
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 |