CN115941939A - 视频帧对齐方法、装置、设备及存储介质 - Google Patents
视频帧对齐方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115941939A CN115941939A CN202211373281.6A CN202211373281A CN115941939A CN 115941939 A CN115941939 A CN 115941939A CN 202211373281 A CN202211373281 A CN 202211373281A CN 115941939 A CN115941939 A CN 115941939A
- Authority
- CN
- China
- Prior art keywords
- video frame
- video
- frame
- target
- target video
- 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
Images
Landscapes
- Image Analysis (AREA)
Abstract
本申请公开了一种视频帧对齐方法、装置、设备及存储介质,属于视频处理技术领域。该视频帧对齐方法包括:将基准视频中的选定视频帧与目标视频中的各视频帧进行帧信息匹配,得到所述目标视频中与所述选定视频帧帧信息匹配的目标视频帧;基于所述选定视频帧和所述目标视频帧与其各自的相邻视频帧的残差信息,得到所述选定视频帧和所述目标视频帧与其各自的相邻视频帧的帧间特征;若所述选定视频帧与其相邻视频帧的帧间特征与所述目标视频帧与其相邻视频帧的帧间特征相等,以所述选定视频帧和所述目标视频帧为对齐首帧,将所述基准视频和所述目标视频对齐。本申请解决了视频帧对齐准确性低的技术问题。
Description
技术领域
本申请涉及视频处理技术领域,尤其涉及一种视频帧对齐方法、装置、设备及存储介质。
背景技术
视频质量的检测和评价是保障视频网络传输服务质量的关键之一,在进行视频质量的检测和评价时,不管采用何种技术都必须满足一个前提,那就是将目标视频中的视频帧与基准视频中对应的视频帧进行对齐。当前对目标视频中的视频帧与基准视频中对应的视频帧进行对齐,采用的是对目标视频和基准视频进行打标签,根据标签进行对齐的方法,但是只根据标签进行帧对齐不能实现准确的视频帧对齐。
发明内容
本申请的主要目的在于提供一种视频帧对齐方法、装置、设备及存储介质,旨在解决现有技术中视频帧对齐准确性低的技术问题。
为实现上述目的,本申请提供一种视频帧对齐方法,包括以下步骤:
将基准视频中的选定视频帧与目标视频中的各视频帧进行帧信息匹配,得到所述目标视频中与所述选定视频帧帧信息匹配的目标视频帧;
基于所述选定视频帧和所述目标视频帧与其各自的相邻视频帧的残差信息,得到所述选定视频帧和所述目标视频帧与其各自的相邻视频帧的帧间特征;
若所述选定视频帧与其相邻视频帧的帧间特征与所述目标视频帧与其相邻视频帧的帧间特征相等,以所述选定视频帧和所述目标视频帧为对齐首帧,将所述基准视频和所述目标视频对齐。
可选地,所述基于所述选定视频帧和所述目标视频帧与其各自的相邻视频帧的残差信息,得到所述选定视频帧和所述目标视频帧与其各自的相邻视频帧的帧间特征的步骤,包括:
计算所述选定视频帧/所述目标视频帧与其相邻视频帧之间的运动矢量,得到残差图像;
计算所述残差图像的像素总个数以及重心坐标;
基于所述残差图像的重心坐标,得到所述残差图像的重心坐标与X轴正方向的夹角;
基于所述残差图像的重心坐标,得到所述残差图像的重心坐标与所述当前视频帧的预设顶点坐标的距离;
将所述残差图像的像素总个数、所述残差图像的重心坐标与X轴正方向的夹角以及所述残差图像的重心坐标与所述选定视频帧/所述目标视频帧的预设顶点坐标的距离,作为所述选定视频帧/所述目标视频帧与其相邻视频帧的帧间特征。
可选地,当所述残差图像为不规则形态时,所述计算所述残差图像的重心坐标的步骤,包括:
将所述残差图像分割成多个规则图像;
获取每一所述规则图像的中心坐标和面积;
基于每一所述规则图像的中心坐标中的X坐标,以及每一所述规则图像的面积,得到所述残差图像的重心坐标的X坐标;
基于每一所述规则图像的中心坐标中的Y坐标,以及每一所述规则图像的面积,得到所述残差图像的重心坐标的Y坐标。
可选地,当所述选定视频帧为场景切换帧时,所述选定视频帧采用如下方式确定:
通过三维小波变化提取所述基准视频中各视频帧的高频子带系数的变化程度特征;
基于所述高频子带系数的变化程度特征,得到所述选定视频帧。
可选地,所述将基准视频中的选定视频帧与目标视频中的各视频帧进行帧信息匹配,得到所述目标视频中与所述选定视频帧帧信息匹配的目标视频帧的步骤之前,还包括:
对所述基准视频和所述目标视频进行相似度匹配,得到基准视频序列和目标视频序列,其中,所述基准视频序列和所述目标视频序列互相包含相同视频帧;
所述将基准视频中的选定视频帧与目标视频中的各视频帧进行帧信息匹配,得到所述目标视频中与所述选定视频帧帧信息匹配的目标视频帧的步骤,包括:
将所述基准视频序列中的选定视频帧与所述目标视频序列中的各视频帧进行帧信息匹配,得到所述目标视频序列中与所述选定视频帧帧信息匹配的目标视频帧。
可选地,其特征在于,所述对所述基准视频和所述目标视频进行相似度匹配,得到基准视频序列和目标视频序列的步骤,包括:
计算所述基准视频中各视频帧的帧信息,得到基准视频帧信息数组;
计算所述目标视频中各视频帧的帧信息,得到目标视频帧信息数组;
遍历所述基准视频帧信息数组和所述目标视频帧信息数组,得到相似度大于预设相似度阈值的第一视频帧和第二视频帧,其中,所述第一视频帧位于所述基准视频帧中,所述第二视频帧位于所述目标视频帧中;
统计所述基准视频中以所述第一视频帧为起点的视频序列的帧数,以及所述目标视频中以所述第二视频帧为起点的视频序列的帧数;
选取所述以所述第一视频帧为起点的视频序列的帧数与所述以所述第二视频帧为起点的视频序列的帧数中的较小值作为截取帧数;
基于所述截取帧数,以所述第一视频帧为起点,从所述基准视频中获取基准视频序列;
基于所述截取帧数,以所述第二视频帧为起点,从所述目标视频中获取目标视频序列。
可选地,所述遍历所述基准视频帧信息数组和所述目标视频帧信息数组,得到相似度大于预设相似度阈值的第一视频帧和第二视频帧的步骤之后,还包括:
将所述第一视频帧的相邻视频帧与所述第二视频帧的相邻视频帧进行相似度比对;
若在进行相似度比对的相邻视频帧中,相似度大于预设相似度阈值的视频帧帧数占比大于预设占比阈值,则执行统计所述基准视频中以所述第一视频帧为起点的视频序列的帧数,以及所述目标视频中以所述第二视频帧为起点的视频序列的帧数的步骤。
此外,为实现上述目的,本申请还提供一种视频帧对齐装置,包括:
第一匹配模块,用于将基准视频中的选定视频帧与目标视频中的各视频帧进行帧信息匹配,得到所述目标视频中与所述选定视频帧帧信息匹配的目标视频帧;
帧间特征获取模块,用于基于所述选定视频帧和所述目标视频帧与其各自的相邻视频帧的残差信息,得到所述选定视频帧和所述目标视频帧与其各自的相邻视频帧的帧间特征;
对齐模块,用于若所述选定视频帧与其相邻视频帧的帧间特征与所述目标视频帧与其相邻视频帧的帧间特征相等,以所述选定视频帧和所述目标视频帧为对齐首帧,将所述基准视频和所述目标视频对齐。
此外,为实现上述目的,本申请还提供一种视频帧对齐设备,所述设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的视频帧对齐程序,所述视频帧对齐程序配置为实现如上所述的视频帧对齐方法的步骤。
此外,为实现上述目的,本申请还提供一种存储介质,所述存储介质上存储有视频帧对齐程序,所述视频帧对齐程序被处理器执行时实现如上所述的视频帧对齐方法的步骤。
本申请提供了一种视频帧对齐方法、装置、设备及存储介质,相比于现有技术根据标签进行视频帧对齐的技术手段,本申请首先将基准视频中的选定视频帧与目标视频中的各视频帧进行帧信息匹配,得到所述目标视频中与所述选定视频帧帧信息匹配的目标视频帧,进而基于所述选定视频帧和所述目标视频帧与其各自的相邻视频帧的残差信息,得到所述选定视频帧和所述目标视频帧与其各自的相邻视频帧的帧间特征,进而若所述选定视频帧与其相邻视频帧的帧间特征与所述目标视频帧与其相邻视频帧的帧间特征相等,以所述选定视频帧和所述目标视频帧为对齐首帧,将所述基准视频和所述目标视频对齐,所以,本申请利用了视频帧对应的帧间特征,根据视频帧对应的帧间特征来定位得到对齐首帧,提高了对齐首帧定位的准确性,进而提高了视频帧对齐的准确性,所以,克服了现有技术中根据标签进行视频帧对齐,只能模糊定位对齐首帧的技术缺陷,所以,解决了视频帧对齐准确性低的技术问题。
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,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
为了更清楚地说明本申请实施例或现有技术中的技术方案,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,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例方案涉及的硬件运行环境的视频帧对齐设备的结构示意图;
图2为本申请视频帧对齐方法第一实施例的流程示意图;
图3为本申请视频帧对齐方法第三实施例的流程示意图;
图4为本申请视频帧对齐装置第一实施例的功能模块示意图。
本申请目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
参照图1,图1为本申请实施例方案涉及的硬件运行环境的视频帧对齐设备结构示意图。
如图1所示,该视频帧对齐设备可以包括:处理器1001,例如中央处理器(CentralProcessing Unit,CPU),通信总线1002、用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity,WI-FI)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory,RAM)存储器,也可以是稳定的非易失性存储器(Non-Volatile Memory,NVM),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的结构并不构成对视频帧对齐设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种存储介质的存储器1005中可以包括操作系统、数据存储模块、网络通信模块、用户接口模块以及视频帧对齐程序。
在图1所示的视频帧对齐设备中,网络接口1004主要用于与其他设备进行数据通信;用户接口1003主要用于与用户进行数据交互;本申请视频帧对齐设备中的处理器1001、存储器1005可以设置在视频帧对齐设备中,所述视频帧对齐设备通过处理器1001调用存储器1005中存储的视频帧对齐程序,并执行本申请实施例提供的视频帧对齐方法。
本申请实施例提供了一种视频帧对齐方法,参照图2,图2为本申请视频帧对齐方法第一实施例的流程示意图。
在本实施例中,所述视频帧对齐方法包括以下步骤:
步骤S10、将基准视频中的选定视频帧与目标视频中的各视频帧进行帧信息匹配,得到所述目标视频中与所述选定视频帧帧信息匹配的目标视频帧;
在本实施例中,所述基准视频中的选定视频帧的帧信息为哈希值,所述基准视频中的选定视频帧的哈希值采用如下方式确定:
步骤A1、将所述选定视频帧缩放成预设分辨率的灰度图像;
需要说明的是,预设分辨率可以为基准视频中其中一个视频帧的分辨率,也可以为目标视频中其中一个视频帧的分辨率,还可以由本领域技术人员根据实际应用需求进行设置,例如,预设分辨率可以为8×8分辨率。
步骤A2、遍历所述灰度图像中每个像素点,将每个所述像素点与其相邻下一位像素点进行亮度值比对,得到差异值;
需要说明的是,若每个所述像素点的亮度值大于或等于其相邻下一位像素点的亮度值,则将所述差异值设置为1;若每个所述像素点的亮度值小于其相邻下一位像素点的亮度值,则将所述差异值设置为0。
步骤A3、将所有所述差异值组合,得到差异值数组;
需要说明的是,将所有所述差异值组合,得到差异值数组,是将步骤A2中得到差异值按照获得顺序进行组合,以此得到差异值数组。
步骤A4、依次从所述差异值数组中提取预设个数的数值,基于所述预设个数的数值,得到十六进制值,并连接所述十六进制值得到十六进制值数组,将所述十六进制值数组转换为字符串,得到所述选定视频帧的哈希值。
需要说明的是,从图像的深度来说,图像可以分为8位、16位、24位和32位等,由此,本实施例中的预设个数可根据所述基准视频中视频帧的深度来设置,例如,所述基准视频中视频帧的深度为8位,则预设个数为8。
由于所述差异值数组中的差异值设置为0或者1,因此,从所述差异值数组中提取预设个数的数值为一个二进制值,需要将该二进制值转换为十六进制值。
需要说明的是,在本实施例中,目标视频中的各视频帧的帧信息为哈希值,所述目标视频中的各视频帧的哈希值的确定方式与上文中基准视频中的选定视频帧的哈希值的确定方式相同,在此不再赘述。
需要说明的是,在本实施例中,所述选定视频帧的帧信息为哈希值,以及所述目标视频中的各视频帧的帧信息也为哈希值,因此,所述将基准视频中的选定视频帧与目标视频中的各视频帧进行帧信息匹配,得到所述目标视频中与所述选定视频帧帧信息匹配的目标视频帧的步骤,包括:
步骤B1、遍历所述目标视频中的各视频帧;
步骤B2、若所述目标视频中的视频帧的哈希值与所述选定视频帧的哈希值之间不相同的数据位数小于或等于预设位数阈值,则将所述目标视频中的该视频帧确认为与所述选定视频帧帧信息匹配的目标视频帧。
步骤S20、基于所述选定视频帧和所述目标视频帧与其各自的相邻视频帧的残差信息,得到所述选定视频帧和所述目标视频帧与其各自的相邻视频帧的帧间特征;
需要说明的是,在本实施例中,所述帧间特征包括所述残差图像的像素总个数、所述残差图像的重心坐标与X轴正方向的夹角以及所述残差图像的重心坐标与所述当前视频帧的预设顶点坐标的距离。
其中,基于所述选定视频帧和所述目标视频帧与其各自的相邻视频帧的残差信息,得到所述选定视频帧和所述目标视频帧与其各自的相邻视频帧的帧间特征的步骤,包括:
步骤S21、计算所述选定视频帧/所述目标视频帧与其相邻视频帧之间的运动矢量,得到残差图像;
需要说明的是,在本实施例中,可采用光流法计算所述选定视频帧/所述目标视频帧与其相邻视频帧之间的运动矢量,光流法为现有技术,在此不再赘述。
需要说明的是,在本实施例中,计算所述选定视频帧/所述目标视频帧与其相邻视频帧之间的运动矢量,得到残差图像的步骤包括:
步骤S211、计算所述选定视频帧/所述目标视频帧与其相邻视频帧之间的运动矢量;
步骤S212、基于所述运动矢量,计算得到所述选定视频帧/所述目标视频帧中的像素点与其相邻视频帧中的像素点的差值;
步骤S213、根据所述选定视频帧/所述目标视频帧中的像素点与其相邻视频帧中的像素点的差值,构建残差图像。
步骤S22、计算所述残差图像的像素总个数以及重心坐标;
需要说明的是,在本实施例中,计算所述残差图像的像素总个数的步骤,包括:
将所述残差图像进行二值化,得到对应的掩膜;
利用Regionprops(get the properties of region)函数的Area属性计算所述掩膜的面积值作为所述残差图像的像素总个数。
需要说明的是,在本实施例中,当所述残差图像为不规则形态时,所述计算所述残差图像的重心坐标的步骤,包括:
将所述残差图像分割成多个规则图像;
获取每一所述规则图像的中心坐标和面积;
基于每一所述规则图像的中心坐标中的X坐标,以及每一所述规则图像的面积,得到所述残差图像的重心坐标的X坐标;
基于每一所述规则图像的中心坐标中的Y坐标,以及每一所述规则图像的面积,得到所述残差图像的重心坐标的Y坐标。
需要说明的是,在本实施例中,所述残差图像的重心坐标的计算公式如下:
其中,x表征为所述残差图像的重心坐标的X坐标,y表征为所述残差图像的重心坐标的Y坐标,n表征为规则图像的个数,Si表征为第i个规则图像的面积,(Gix,Giy)表征为第i个规则图像的中心坐标。
需要说明的是,在本实施例中,规则图像为三角形、正多边形、圆和椭圆中的一种或多种。
当所述残差图像为规则形态时,所述计算所述残差图像的重心坐标即为计算所述残差图像的中心坐标。
步骤S23、基于所述残差图像的重心坐标,得到所述残差图像的重心坐标与X轴正方向的夹角;
步骤S24、基于所述残差图像的重心坐标,得到所述残差图像的重心坐标与所述选定视频帧/所述目标视频帧的预设顶点坐标的距离;
需要说明的是,在本实施例中,所述残差图像的重心坐标与所述选定视频帧/所述目标视频帧的预设顶点坐标的距离,可根据像素位置计算得到。
需要说明的是,在本实施例中,所述选定视频帧/所述目标视频帧的预设顶点优选为所述选定视频帧/所述目标视频帧的左下角顶点。
步骤S25、将所述残差图像的像素总个数、所述残差图像的重心坐标与X轴正方向的夹角以及所述残差图像的重心坐标与所述选定视频帧/所述目标视频帧的预设顶点坐标的距离,作为所述选定视频帧/所述目标视频帧与其相邻视频帧的帧间特征。
步骤S30、若所述选定视频帧与其相邻视频帧的帧间特征与所述目标视频帧与其相邻视频帧的帧间特征相等,以所述选定视频帧和所述目标视频帧为对齐首帧,将所述基准视频和所述目标视频对齐。
需要说明的是,在本实施例中,以所述选定视频帧和所述目标视频帧为对齐首帧,将所述基准视频和所述目标视频对齐的步骤,包括:
基于预设帧数,以所述选定视频帧为起点,从所述基准视频中截取帧数为预设帧数的视频序列;
基于预设帧数,以所述目标视频帧为起点,从所述目标视频中截取帧数为预设帧数的视频序列;
将所述基准视频中截取的帧数为预设帧数的视频序列与所述目标视频中截取的帧数为预设帧数的视频序列相对齐。
需要说明的是,在本实施例中,预设帧数可以包括所述选定视频帧/目标视频帧,也可以不包括所述选定视频帧/目标视频帧,本领域技术人员可根据实际应用需求进行设置,在此不作具体限制。
相比于现有技术根据标签进行视频帧对齐的技术手段,本实施例首先将基准视频中的选定视频帧与目标视频中的各视频帧进行帧信息匹配,得到所述目标视频中与所述选定视频帧帧信息匹配的目标视频帧,进而基于所述选定视频帧和所述目标视频帧与其各自的相邻视频帧的残差信息,得到所述选定视频帧和所述目标视频帧与其各自的相邻视频帧的帧间特征,进而若所述选定视频帧与其相邻视频帧的帧间特征与所述目标视频帧与其相邻视频帧的帧间特征相等,以所述选定视频帧和所述目标视频帧为对齐首帧,将所述基准视频和所述目标视频对齐,所以,本实施例利用了视频帧对应的帧间特征,根据视频帧对应的帧间特征来定位得到对齐首帧,提高了对齐首帧定位的准确性,进而提高了视频帧对齐的准确性,所以,克服了现有技术中根据标签进行视频帧对齐,只能模糊定位对齐首帧的技术缺陷,所以,解决了视频帧对齐准确性低的技术问题。
进一步地,基于本申请中第一实施例,在本申请另一实施例中,所述选定视频帧为场景切换帧,所述选定视频帧采用如下方式确定:
通过三维小波变化提取所述基准视频中各视频帧的高频子带系数的变化程度特征;
基于所述高频子带系数的变化程度特征,得到所述选定视频帧。
需要说明的是,在本实施例中,基于所述高频子带系数的变化程度特征,得到所述选定视频帧的步骤,包括:
将所述高频子带系数的变化程度特征输入至训练好的分类器中,对所述高频子带系数的变化程度特征进行分类识别,根据所述分类识别结果,确定所述高频子带系数的变化程度特征对应的视频帧是否为场景切换帧。
需要说明的是,在本实施例中采用视频场景切换帧作为对齐首帧,一方面,由于视频中的视频场景切换帧的数量少于普通视频帧,可以提升视频帧对齐方法的运算速度,实现视频帧的快速对齐;另一方面,由于视频中视频场景切换帧与其相邻帧之间的变化信息最为剧烈,可以提高对齐首帧定位的准确性,进而提高视频帧对齐的准确性。
进一步地,参照图3,基于本申请中第一实施例和第二实施例,在本申请另一实施例中,所述将基准视频中的选定视频帧与目标视频中的各视频帧进行帧信息匹配,得到所述目标视频中与所述选定视频帧帧信息匹配的目标视频帧的步骤之前,还包括:
步骤S00、对所述基准视频和所述目标视频进行相似度匹配,得到基准视频序列和目标视频序列,其中,所述基准视频序列和所述目标视频序列互相包含相同视频帧。
则步骤S10、将基准视频中的选定视频帧与目标视频中的各视频帧进行帧信息匹配,得到所述目标视频中与所述选定视频帧帧信息匹配的目标视频帧的步骤,包括:
将所述基准视频序列中的选定视频帧与所述目标视频序列中的各视频帧进行帧信息匹配,得到所述目标视频序列中与所述选定视频帧帧信息匹配的目标视频帧。
在本实施例中,在所述基准视频和所述目标视频中定位对齐首帧之前,从所述基准视频和所述目标视频中分别提取基准视频序列和目标视频序列,其中,提取得到的所述基准视频序列和所述目标视频序列互相包含相同视频帧。一方面来说,所述基准视频中提取得到的所述基准视频序列和所述目标视频序列互相包含相同视频帧,可以理解为所述基准视频和所述目标视频中存在重合的视频片段,而确定所述基准视频和所述目标视频中存在重合的视频片段,是在对所述基准视频和所述目标视频进行视频帧对齐时需满足的一个前提。另一方面来说,在所述基准视频和所述目标视频中定位对齐首帧之前,从所述基准视频和所述目标视频中分别提取基准视频序列和目标视频序列,相比于从所述基准视频和所述目标视频中定位对齐首帧,从所述基准视频序列和所述目标视频序列中定位对齐首帧,由于所述基准视频序列和所述目标视频序列的帧数分别小于所述基准视频和所述目标视频,进而可以提升视频帧对齐方法的运算速度,实现视频帧的快速对齐。
其中,所述对所述基准视频和所述目标视频进行相似度匹配,得到基准视频序列和目标视频序列的步骤,包括:
步骤S01、计算所述基准视频中各视频帧的帧信息,得到基准视频帧信息数组;
在本实施例中,所述基准视频中各视频帧的帧信息为哈希值,所述基准视频中各视频帧的哈希值采用如下方式确定:
步骤S011、将所述基准视频中各视频帧缩放成预设分辨率的灰度图像;
需要说明的是,预设分辨率可以为基准视频中其中一个视频帧的分辨率,也可以为目标视频中其中一个视频帧的分辨率,还可以由本领域技术人员根据实际应用需求进行设置,例如,预设分辨率可以为8×8分辨率。
步骤S012、遍历所述灰度图像中每个像素点,将每个所述像素点与其相邻下一位像素点进行亮度值比对,得到差异值;
需要说明的是,若每个所述像素点的亮度值大于或等于其相邻下一位像素点的亮度值,则将所述差异值设置为1;若每个所述像素点的亮度值小于其相邻下一位像素点的亮度值,则将所述差异值设置为0。
步骤S013、将所有所述差异值组合,得到差异值数组;
需要说明的是,将所有所述差异值组合,得到差异值数组,是将步骤S012中得到差异值按照获得顺序进行组合,以此得到差异值数组。
步骤S014、依次从所述差异值数组中提取预设个数的数值,基于所述预设个数的数值,得到十六进制值,并连接所述十六进制值得到十六进制值数组,将所述十六进制值数组转换为字符串,得到所述基准视频中各视频帧的哈希值。
需要说明的是,从图像的深度来说,图像可以分为8位、16位、24位和32位等,由此,本实施例中的预设个数可根据所述基准视频中视频帧的深度来设置,例如,所述基准视频中视频帧的深度为8位,则预设个数为8。
由于所述差异值数组中的差异值设置为0或者1,因此,从所述差异值数组中提取预设个数的数值为一个二进制值,需要将该二进制值转换为十六进制值。
需要说明的是,在本实施例中,计算得到所述基准视频中各视频帧的帧信息后,将所述帧信息按照其对应的视频帧在所述基准视频中的编码进行排序,得到基准视频帧信息数组。
步骤S02、计算所述目标视频中各视频帧的帧信息,得到目标视频帧信息数组;
在本实施例中,所述目标视频中各视频帧的帧信息为哈希值,所述目标视频中各视频帧的哈希值采用如下方式确定:
步骤S021、将所述目标视频中各视频帧缩放成预设分辨率的灰度图像;
需要说明的是,预设分辨率可以为基准视频中其中一个视频帧的分辨率,也可以为目标视频中其中一个视频帧的分辨率,还可以由本领域技术人员根据实际应用需求进行设置,例如,预设分辨率可以为8×8分辨率。
步骤S022、遍历所述灰度图像中每个像素点,将每个所述像素点与其相邻下一位像素点进行亮度值比对,得到差异值;
需要说明的是,若每个所述像素点的亮度值大于或等于其相邻下一位像素点的亮度值,则将所述差异值设置为1;若每个所述像素点的亮度值小于其相邻下一位像素点的亮度值,则将所述差异值设置为0。
步骤S023、将所有所述差异值组合,得到差异值数组;
需要说明的是,将所有所述差异值组合,得到差异值数组,是将步骤S022中得到差异值按照获得顺序进行组合,以此得到差异值数组。
步骤S024、依次从所述差异值数组中提取预设个数的数值,基于所述预设个数的数值,得到十六进制值,并连接所述十六进制值得到十六进制值数组,将所述十六进制值数组转换为字符串,得到所述目标视频中各视频帧的哈希值。
需要说明的是,从图像的深度来说,图像可以分为8位、16位、24位和32位等,由此,本实施例中的预设个数可根据所述目标视频中视频帧的深度来设置,例如,所述目标视频中视频帧的深度为8位,则预设个数为8。
由于所述差异值数组中的差异值设置为0或者1,因此,从所述差异值数组中提取预设个数的数值为一个二进制值,需要将该二进制值转换为十六进制值。
需要说明的是,在本实施例中,计算得到所述目标视频中各视频帧的帧信息后,将所述帧信息按照其对应的视频帧在所述目标视频中的编码进行排序,得到目标视频帧信息数组。
步骤S03、遍历所述基准视频帧信息数组和所述目标视频帧信息数组,得到相似度大于预设相似度阈值的第一视频帧和第二视频帧,其中,所述第一视频帧位于所述基准视频帧中,所述第二视频帧位于所述目标视频帧中;
需要说明的是,在本实施例中,所述基准视频帧信息数组中的帧信息为哈希值,以及所述目标视频帧信息数组中的帧信息也为哈希值,因此,所述遍历所述基准视频帧信息数组和所述目标视频帧信息数组,得到相似度大于预设相似度阈值的第一视频帧和第二视频帧的步骤,包括:
步骤S031、遍历所述基准视频帧信息数组和所述目标视频帧信息数组;
步骤S032、若所述基准视频帧信息数组中的一哈希值与所述目标视频帧信息数组中的一哈希值之间不相同的数据位数小于或等于预设位数阈值,则将所述基准视频帧信息组中该哈希值对应的视频帧标记为第一视频帧,将所述目标视频帧信息组中该哈希值对应的视频帧标记为第二视频帧。
由于在实际应用过程中,待处理的视频帧的数量往往是成千上万张,遍历所述基准视频帧信息数组和所述目标视频帧信息数组,得到相似度大于预设相似度阈值的第一视频帧和第二视频帧,往往伴随耗时、复杂度高等问题。因此,为了提高处理速度,在本实施例中,将所述基准视频帧信息数组和所述目标视频帧信息数组均分成多个区间,遍历所述区间,若所述区间中未得到相似度大于预设相似度阈值的第一视频帧和第二视频帧,则遍历剩余所述区间,直至得到相似度大于预设相似度阈值的第一视频帧和第二视频帧。
步骤S06、统计所述基准视频中以所述第一视频帧为起点的视频序列的帧数,以及所述目标视频中以所述第二视频帧为起点的视频序列的帧数;
步骤S07、选取所述以所述第一视频帧为起点的视频序列的帧数与所述以所述第二视频帧为起点的视频序列的帧数中的较小值作为截取帧数;
步骤S08、基于所述截取帧数,以所述第一视频帧为起点,从所述基准视频中获取基准视频序列;
需要说明的是,在本实施例中,所述截取帧数可以包括所述第一视频帧,也可以不包括所述第一视频帧,本领域技术人员可根据实际应用需求进行设置,在此不作具体限制。
步骤S09、基于所述截取帧数,以所述第二视频帧为起点,从所述目标视频中获取目标视频序列。
需要说明的是,在本实施例中,所述截取帧数可以包括所述第二视频帧,也可以不包括所述第二视频帧,本领域技术人员可根据实际应用需求进行设置,在此不作具体限制。但是,当从所述基准视频中获取基准视频序列时,所述截取帧数包括所述第一视频帧,则从所述目标视频中获取目标视频序列时,所述截取帧数也包括所述第二视频帧;同样的,当从所述基准视频中获取基准视频序列时,所述截取帧数不包括所述第一视频帧,则从所述目标视频中获取目标视频序列时,所述截取帧数也不包括所述第二视频帧。
进一步地,基于本申请中第一实施例、第二实施例和第三实施例,在本申请另一实施例中,所述遍历所述基准视频帧信息数组和所述目标视频帧信息数组,得到相似度大于预设相似度阈值的第一视频帧和第二视频帧的步骤之后,还包括:
步骤S04、将所述第一视频帧的相邻视频帧与所述第二视频帧的相邻视频帧进行相似度比对;
需要说明的是,将所述第一视频帧的相邻视频帧与所述第二视频帧的相邻视频帧进行相似度比对,可以是第一视频帧的相邻前位视频帧(基准视频中编码比第一视频帧小的相邻视频帧)与所述第二视频帧的相邻前位视频帧(目标视频中编码比第二视频帧小的相邻视频帧)进行相似度比对;也可以是第一视频帧的相邻后位视频帧(基准视频中编码比第一视频帧大的相邻视频帧)与所述第二视频帧的相邻后位视频帧(目标视频中编码比第二视频帧小的相邻视频帧)进行相似度比对;还可以是所述第一视频帧的相邻前位视频帧、相邻后位视频帧与所述第二视频帧的相邻前位视频帧、相邻后位视频帧进行相似度比对。例如,所述第一视频帧的相邻前5帧视频帧以及相邻后5帧视频帧与所述二视频帧的相邻前5帧视频帧以及相邻后5帧视频帧进行相似度比对。
步骤S05、若在进行相似度比对的相邻视频帧中,相似度大于预设相似度阈值的视频帧帧数占比大于预设占比阈值,则执行步骤S06。
需要说明的是,在对相邻视频帧进行相似度比对时,其比对过程与上文中所述第一视频帧和所述第二视频帧的相似度比对相同,均为视频帧的哈希值比对,在此不再赘述。
需要说明的是,在对相邻视频帧进行相似度比对时,所述第一视频帧的相邻视频帧需与所述第二视频帧的相邻视频帧相对应。例如,所述第一视频帧的相邻前1帧视频帧与所述第二视频帧的相邻前1帧视频帧相对应。
需要说明的是,在本实施例中,预设占比阈值本领域技术人员可根据实际应用需求进行设置,在此不作具体限制。例如,如上文所述,所述第一视频帧的相邻前5帧视频帧以及相邻后5帧视频帧与所述二视频帧的相邻前5帧视频帧以及相邻后5帧视频帧进行相似度比对,则在所有进行相似度比对的相邻视频中,相似度大于预设相似度阈值的视频帧帧数占比大于0.8,则执行步骤S06。也就是说,进行相似度比对的相邻的10帧视频帧中,有8帧视频帧的相似度大于预设相似度阈值。
相比于得到相似度大于预设相似度阈值的第一视频帧和第二视频帧后,以所述第一视频帧和所述第二视频帧为起点,分别获取到基准视频序列和目标视频序列,本实施例中,在得到相似度大于预设相似度阈值的第一视频帧和第二视频帧后,将所述第一视频帧的相邻视频帧与所述第二视频帧的相邻视频帧进行相似度比对,在进行相似度比对的相邻视频帧中,相似度大于预设相似度阈值的视频帧帧数占比大于预设占比阈值的情况下,以所述第一视频帧和所述第二视频帧为起点,分别获取到基准视频序列和目标视频序列,提高了所述第一视频帧和所第二视频帧定位的准确性,间接提高了帧视频对齐的准确性。
本申请实施例还提供了一种视频帧对齐装置,参照图4,图4为本申请视频帧对齐装置第一实施例的功能模块示意图。
在本实施例中,所述视频帧对齐装置,包括:
第一匹配模块10,用于将基准视频中的选定视频帧与目标视频中的各视频帧进行帧信息匹配,得到所述目标视频中与所述选定视频帧帧信息匹配的目标视频帧;
帧间特征获取模块20,用于基于所述选定视频帧和所述目标视频帧与其各自的相邻视频帧的残差信息,得到所述选定视频帧和所述目标视频帧与其各自的相邻视频帧的帧间特征;
对齐模块30,用于若所述选定视频帧与其相邻视频帧的帧间特征与所述目标视频帧与其相邻视频帧的帧间特征相等,以所述选定视频帧和所述目标视频帧为对齐首帧,将所述基准视频和所述目标视频对齐。
可选地,所述帧间特征获取模块包括:
残差图像获取单元,用于计算所述选定视频帧/所述目标视频帧与其相邻视频帧之间的运动矢量,得到残差图像;
第一帧间特征获取单元,用于计算所述残差图像的像素总个数;
重心坐标计算单元,用于计算所述残差图像的重心坐标;
第二帧间特征获取单元,用于计基于所述残差图像的重心坐标,得到所述残差图像的重心坐标与X轴正方向的夹角;
第三帧间特征获取单元,用于基于所述残差图像的重心坐标,得到所述残差图像的重心坐标与所述选定视频帧/所述目标视频帧的预设顶点坐标的距离;
帧间特征确定单元,用于将所述残差图像的像素总个数、所述残差图像的重心坐标与X轴正方向的夹角以及所述残差图像的重心坐标与所述选定视频帧/所述目标视频帧的预设顶点坐标的距离,作为所述选定视频帧/所述目标视频帧与其相邻视频帧的帧间特征。
可选地,当所述残差图像为不规则形态时,所述重心坐标计算单元用于实现:
将所述残差图像分割成多个规则图像;
获取每一所述规则图像的中心坐标和面积;
基于每一所述规则图像的中心坐标中的X坐标,以及每一所述规则图像的面积,得到所述残差图像的重心坐标的X坐标;
基于每一所述规则图像的中心坐标中的Y坐标,以及每一所述规则图像的面积,得到所述残差图像的重心坐标的Y坐标。
可选地,当所述选定视频帧为场景切换帧时,所述第一匹配模块包括:
确定单元,用于通过三维小波变化提取所述基准视频中各视频帧的高频子带系数的变化程度特征,并基于所述高频子带系数的变化程度特征,得到所述选定视频帧。
可选地,所述视频帧对齐装置,还包括:
第二匹配模块,用于对所述基准视频和所述目标视频进行相似度匹配,得到基准视频序列和目标视频序列,其中,所述基准视频序列和所述目标视频序列互相包含相同视频帧;
所述第一匹配模块,用于将所述基准视频序列中的选定视频帧与所述目标视频序列中的各视频帧进行帧信息匹配,得到所述目标视频序列中与所述选定视频帧帧信息匹配的目标视频帧。
可选地,所述第二匹配模块包括:
第一帧信息数组获取单元,用于计算所述基准视频中各视频帧的帧信息,得到基准视频帧信息数组;
第二帧信息数组获取单元,用于计算所述目标视频中各视频帧的帧信息,得到目标视频帧信息数组;
第一比对单元,用于遍历所述基准视频帧信息数组和所述目标视频帧信息数组,得到相似度大于预设相似度阈值的第一视频帧和第二视频帧,其中,所述第一视频帧位于所述基准视频帧中,所述第二视频帧位于所述目标视频帧中;
统计单元,用于统计所述基准视频中以所述第一视频帧为起点的视频序列的帧数,以及所述目标视频中以所述第二视频帧为起点的视频序列的帧数;
截取帧数确定单元,用于选取所述以所述第一视频帧为起点的视频序列的帧数与所述以所述第二视频帧为起点的视频序列的帧数中的较小值作为截取帧数;
第一截取单元,用于基于所述截取帧数,以所述第一视频帧为起点,从所述基准视频中获取基准视频序列;
第二截取单元,用于基于基于所述截取帧数,以所述第二视频帧为起点,从所述目标视频中获取目标视频序列。
可选地,所述第二匹配模块还包括:
第二比对单元,用于将所述第一视频帧的相邻视频帧与所述第二视频帧的相邻视频帧进行相似度比对;
在进行相似度比对的相邻视频帧中,相似度大于预设相似度阈值的视频帧帧数占比大于预设占比阈值的情况下,所述统计单元用于统计所述基准视频中以所述第一视频帧为起点的视频序列的帧数,以及所述目标视频中以所述第二视频帧为起点的视频序列的帧数的步骤。
本申请视频帧对齐装置具体实施方式与上述视频帧对齐方法各实施例基本相同,在此不再赘述。
此外,为实现上述目的,本申请还提供一种存储介质,所述存储介质上存储有视频帧对齐程序,所述视频帧对齐程序被处理器执行时实现如上所述的视频帧对齐方法的步骤。
本申请存储介质具体实施方式与上述视频帧对齐方法各实施例基本相同,在此不再赘述。
需要说明的是,在本文中,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、物品或者系统不仅包括那些要素,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、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本申请各个实施例所述的方法。
以上仅为本申请的优选实施例,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (10)
1.一种视频帧对齐方法,其特征在于,所述视频帧对齐方法包括以下步骤:
将基准视频中的选定视频帧与目标视频中的各视频帧进行帧信息匹配,得到所述目标视频中与所述选定视频帧帧信息匹配的目标视频帧;
基于所述选定视频帧和所述目标视频帧与其各自的相邻视频帧的残差信息,得到所述选定视频帧和所述目标视频帧与其各自的相邻视频帧的帧间特征;
若所述选定视频帧与其相邻视频帧的帧间特征与所述目标视频帧与其相邻视频帧的帧间特征相等,以所述选定视频帧和所述目标视频帧为对齐首帧,将所述基准视频和所述目标视频对齐。
2.如权利要求1所述的视频帧对齐方法,其特征在于,所述基于所述选定视频帧和所述目标视频帧与其各自的相邻视频帧的残差信息,得到所述选定视频帧和所述目标视频帧与其各自的相邻视频帧的帧间特征的步骤,包括:
计算所述选定视频帧/所述目标视频帧与其相邻视频帧之间的运动矢量,得到残差图像;
计算所述残差图像的像素总个数以及重心坐标;
基于所述残差图像的重心坐标,得到所述残差图像的重心坐标与X轴正方向的夹角;
基于所述残差图像的重心坐标,得到所述残差图像的重心坐标与所述当前视频帧的预设顶点坐标的距离;
将所述残差图像的像素总个数、所述残差图像的重心坐标与X轴正方向的夹角以及所述残差图像的重心坐标与所述选定视频帧/所述目标视频帧的预设顶点坐标的距离,作为所述选定视频帧/所述目标视频帧与其相邻视频帧的帧间特征。
3.如权利要求2所述的视频帧对齐方法,其特征在于,当所述残差图像为不规则形态时,所述计算所述残差图像的重心坐标的步骤,包括:
将所述残差图像分割成多个规则图像;
获取每一所述规则图像的中心坐标和面积;
基于每一所述规则图像的中心坐标中的X坐标,以及每一所述规则图像的面积,得到所述残差图像的重心坐标的X坐标;
基于每一所述规则图像的中心坐标中的Y坐标,以及每一所述规则图像的面积,得到所述残差图像的重心坐标的Y坐标。
4.如权利要求1所述的视频帧对齐方法,其特征在于,当所述选定视频帧为场景切换帧时,所述选定视频帧采用如下方式确定:
通过三维小波变化提取所述基准视频中各视频帧的高频子带系数的变化程度特征;
基于所述高频子带系数的变化程度特征,得到所述选定视频帧。
5.如权利要求1所述的视频帧对齐方法,其特征在于,所述将基准视频中的选定视频帧与目标视频中的各视频帧进行帧信息匹配,得到所述目标视频中与所述选定视频帧帧信息匹配的目标视频帧的步骤之前,还包括:
对所述基准视频和所述目标视频进行相似度匹配,得到基准视频序列和目标视频序列,其中,所述基准视频序列和所述目标视频序列互相包含相同视频帧;
所述将基准视频中的选定视频帧与目标视频中的各视频帧进行帧信息匹配,得到所述目标视频中与所述选定视频帧帧信息匹配的目标视频帧的步骤,包括:
将所述基准视频序列中的选定视频帧与所述目标视频序列中的各视频帧进行帧信息匹配,得到所述目标视频序列中与所述选定视频帧帧信息匹配的目标视频帧。
6.如权利要求5所述的视频帧对齐方法,其特征在于,所述对所述基准视频和所述目标视频进行相似度匹配,得到基准视频序列和目标视频序列的步骤,包括:
计算所述基准视频中各视频帧的帧信息,得到基准视频帧信息数组;
计算所述目标视频中各视频帧的帧信息,得到目标视频帧信息数组;
遍历所述基准视频帧信息数组和所述目标视频帧信息数组,得到相似度大于预设相似度阈值的第一视频帧和第二视频帧,其中,所述第一视频帧位于所述基准视频帧中,所述第二视频帧位于所述目标视频帧中;
统计所述基准视频中以所述第一视频帧为起点的视频序列的帧数,以及所述目标视频中以所述第二视频帧为起点的视频序列的帧数;
选取所述以所述第一视频帧为起点的视频序列的帧数与所述以所述第二视频帧为起点的视频序列的帧数中的较小值作为截取帧数;
基于所述截取帧数,以所述第一视频帧为起点,从所述基准视频中获取基准视频序列;
基于所述截取帧数,以所述第二视频帧为起点,从所述目标视频中获取目标视频序列。
7.如权利要求6所述的视频帧对齐方法,其特征在于,所述遍历所述基准视频帧信息数组和所述目标视频帧信息数组,得到相似度大于预设相似度阈值的第一视频帧和第二视频帧的步骤之后,还包括:
将所述第一视频帧的相邻视频帧与所述第二视频帧的相邻视频帧进行相似度比对;
若在进行相似度比对的相邻视频帧中,相似度大于预设相似度阈值的视频帧帧数占比大于预设占比阈值,则执行统计所述基准视频中以所述第一视频帧为起点的视频序列的帧数,以及所述目标视频中以所述第二视频帧为起点的视频序列的帧数的步骤。
8.一种视频帧对齐装置,其特征在于,所述视频帧对齐装置包括:
第一匹配模块,用于将基准视频中的选定视频帧与目标视频中的各视频帧进行帧信息匹配,得到所述目标视频中与所述选定视频帧帧信息匹配的目标视频帧;
帧间特征获取模块,用于基于所述选定视频帧和所述目标视频帧与其各自的相邻视频帧的残差信息,得到所述选定视频帧和所述目标视频帧与其各自的相邻视频帧的帧间特征;
对齐模块,用于若所述选定视频帧与其相邻视频帧的帧间特征与所述目标视频帧与其相邻视频帧的帧间特征相等,以所述选定视频帧和所述目标视频帧为对齐首帧,将所述基准视频和所述目标视频对齐。
9.一种视频帧对齐设备,其特征在于,所述设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的视频帧对齐程序,所述视频帧对齐程序配置为实现如权利要求1至7中任一项所述的视频帧对齐方法的步骤。
10.一种存储介质,其特征在于,所述存储介质上存储有视频帧对齐程序,所述视频帧对齐程序被处理器执行时实现如权利要求1至7任一项所述的视频帧对齐方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211373281.6A CN115941939A (zh) | 2022-11-03 | 2022-11-03 | 视频帧对齐方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211373281.6A CN115941939A (zh) | 2022-11-03 | 2022-11-03 | 视频帧对齐方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115941939A true CN115941939A (zh) | 2023-04-07 |
Family
ID=86556518
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211373281.6A Pending CN115941939A (zh) | 2022-11-03 | 2022-11-03 | 视频帧对齐方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115941939A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116939267A (zh) * | 2023-09-14 | 2023-10-24 | 腾讯科技(深圳)有限公司 | 帧对齐方法、装置、计算机设备及存储介质 |
CN117640925A (zh) * | 2024-01-26 | 2024-03-01 | 海看网络科技(山东)股份有限公司 | 一种多路视频画面一致性检测方法、系统及电子设备 |
-
2022
- 2022-11-03 CN CN202211373281.6A patent/CN115941939A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116939267A (zh) * | 2023-09-14 | 2023-10-24 | 腾讯科技(深圳)有限公司 | 帧对齐方法、装置、计算机设备及存储介质 |
CN116939267B (zh) * | 2023-09-14 | 2023-12-05 | 腾讯科技(深圳)有限公司 | 帧对齐方法、装置、计算机设备及存储介质 |
CN117640925A (zh) * | 2024-01-26 | 2024-03-01 | 海看网络科技(山东)股份有限公司 | 一种多路视频画面一致性检测方法、系统及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115941939A (zh) | 视频帧对齐方法、装置、设备及存储介质 | |
US11222211B2 (en) | Method and apparatus for segmenting video object, electronic device, and storage medium | |
CN110853033B (zh) | 基于帧间相似度的视频检测方法和装置 | |
TW202101371A (zh) | 視訊流的處理方法和裝置 | |
CN109977865B (zh) | 一种基于人脸颜色空间和度量分析的欺诈检测方法 | |
CN108182421A (zh) | 视频分割方法和装置 | |
CN111401374A (zh) | 基于多任务的模型训练方法、字符识别方法及装置 | |
CN110647853A (zh) | 计算机执行的车辆定损方法及装置 | |
CN111401171A (zh) | 一种人脸图像的识别方法、装置、电子设备和存储介质 | |
US9117132B2 (en) | System and method facilitating designing of classifier while recognizing characters in a video | |
CN111507119B (zh) | 标识码识别方法、装置、电子设备及计算机可读存储介质 | |
CN109784379B (zh) | 纺织品图片特征库的更新方法和装置 | |
CN106462736A (zh) | 用于人脸检测的处理设备和方法 | |
CN111914890B (zh) | 图像之间的图像块匹配方法、图像配准方法和产品 | |
CN111401424B (zh) | 目标检测方法、装置和电子系统 | |
KR20190142931A (ko) | 위조 영상 인쇄물 감식을 통한 코드인증방법과 그 응용 시스템 | |
CN109657083B (zh) | 纺织品图片特征库的建立方法和装置 | |
CN112183148A (zh) | 一种批量条码定位方法及识别系统 | |
CN110660000A (zh) | 数据预测方法、装置、设备及计算机可读存储介质 | |
CN115953744A (zh) | 一种基于深度学习的车辆识别追踪方法 | |
CN113111888B (zh) | 一种图片判别方法及装置 | |
CN114445916A (zh) | 一种活体检测方法、终端设备及存储介质 | |
CN108399411B (zh) | 一种多摄像头识别方法及装置 | |
WO2007052957A1 (en) | Device and method of classifying an image | |
CN112214639B (zh) | 视频筛选方法、视频筛选装置及终端设备 |
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 |