CN117440160A - 一种视频处理方法、装置、设备及存储介质 - Google Patents

Abstract

本公开实施例提供了一种视频处理方法、装置、设备及存储介质，该方法包括对待处理视频中的图像进行区块划分，获得多个区块图像；基于图像及多个区块图像，确定图像的ROI和非ROI；根据预设的目标比特数、ROI及非ROI的位置信息，确定ROI的第一量化参数以及非ROI的第二量化参数；根据第一量化参数及第二量化参数，对图像进行压缩编码，获得目标视频。利用该方法，能够从视频的图像中有效预测图像的ROI和非ROI，实现ROI的差异化确定，且通过ROI和非ROI可进一步有效确定出压缩编码时ROI和非ROI的量化参数，由此实现对图像的差异化压缩编码；在降低传输码率，节省视频传输时的带宽流量的同时，有效保留ROI的图像细节，保证了视频的视觉效果，提升用户了观看体验。

Description

一种视频处理方法、装置、设备及存储介质

技术领域

本公开实施例涉及视频处理技术领域，尤其涉及一种视频处理方法、装置、设备及存储介质。

背景技术

在视频传输的应用实现中，如何在保证视频质量的情况下，降低视频码率已经成为视频技术领域着重研究的问题。

由于球面视频往往具备较高的分辨率(如2K，4K甚至8K)，在对该类视频进行传输时，若要保证视频质量，其所需的视频码率也往往较高。由此，在视频传输前，对该类视频进行主观无损压缩处理(即，在人眼主观感知不变的情况下，压缩视频)的需求也更加强烈。

现有的视频压缩方法，例如由于无法准确地确定感兴趣区域(region ofinterest，ROI)(例如，所确定的ROI面积过大甚至所确定的ROI有误)以及压缩效率较低，导致视频压缩效果较差。

发明内容

本公开提供一种视频处理方法、装置、设备及存储介质，以实现视频中重要图像区域的有效确定，有效提高视频压缩效果。

第一方面，本公开实施例提供了一种视频处理方法，该方法包括：

对待处理视频中的图像进行区块划分，获得多个区块图像；

基于所述图像及所述多个区块图像，确定所述图像的ROI和非ROI；

根据预设的目标比特数、所述ROI及所述非ROI的位置信息，确定所述ROI的第一量化参数以及所述非ROI的第二量化参数；

根据所述第一量化参数及所述第二量化参数，对所述图像进行压缩编码，获得目标视频。

第二方面，本公开实施例还提供了一种视频处理装置，该装置包括：

图像划分模块，用于对待处理视频中的图像进行区块划分，获得多个区块图像；

第一确定模块，用于基于所述图像及所述多个区块图像，确定所述图像的ROI和非ROI；

第二确定模块，用于根据预设的目标比特数、所述ROI及所述非ROI的位置信息，确定所述ROI的第一量化参数以及所述非ROI的第二量化参数；

图形编码模块，用于根据所述第一量化参数及所述第二量化参数，对所述图像进行压缩编码，获得目标视频。

第三方面，本公开实施例还提供了电子设备，所述电子设备，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本公开实施例第一方面提供的视频处理方法。

第四方面，本公开实施例还提供了包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行实现本公开实施例第一方面提供的视频处理方法。

本公开实施例提供了视频处理方法、装置、设备及存储介质，该方法包括：首先对待处理视频中的图像进行区块划分，获得多个区块图像，然后基于图像以及多个区块图像，来确定图像的ROI和非ROI；之后可以根据预设的目标比特数、ROI以及非RIO的位置信息，确定ROI的第一量化参数和非ROI的第二量化参数；最后可以根据第一量化参数以及第二量化参数对图像进行压缩编码，最终获得该待处理视频的目标视频。上述技术方案，能够从视频的图像中有效预测图像的ROI和非ROI，实现ROI的差异化确定，且通过ROI和非ROI可进一步有效确定出压缩编码时ROI和非ROI的量化参数，由此实现对图像的差异化压缩编码。上述技术方案，能够准确地确定ROI和非ROI，并通过基于第二量化参数的压缩编码，有效降低非ROI的图像质量，从而大幅度降低码率，节省视频传输时的带宽流量，也能够通过基于第一量化参数的压缩编码，更好的保留ROI的图像细节，从而大幅度提高视频的视觉效果，有效提升用户观看体验。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。

图1为本公开实施例所提供的一种视频处理方法的流程示意图；

图2为本公开实施例所提供视频处理方法中目标热力图确定的示例实现效果图

图3为本公开实施例所提供的一种视频处理装置的结构示意图；

图4为本公开实施例所提供的一种电子设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。

本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。

需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

可以理解的是，在使用本公开各实施例公开的技术方案之前，均应当依据相关法律法规通过恰当的方式对本公开所涉及个人信息的类型、使用范围、使用场景等告知用户并获得用户的授权。

例如，在响应于接收到用户的主动请求时，向用户发送提示信息，以明确地提示用户，其请求执行的操作将需要获取和使用到用户的个人信息。从而，使得用户可以根据提示信息来自主地选择是否向执行本公开技术方案的操作的电子设备、应用程序、服务器或存储介质等软件或硬件提供个人信息。

作为一种可选的但非限定性的实现方式，响应于接收到用户的主动请求，向用户发送提示信息的方式例如可以是弹窗的方式，弹窗中可以以文字的方式呈现提示信息。此外，弹窗中还可以承载供用户选择“同意”或者“不同意”向电子设备提供个人信息的选择控件。

可以理解的是，上述通知和获取用户授权过程仅是示意性的，不对本公开的实现方式构成限定，其它满足相关法律法规的方式也可应用于本公开的实现方式中。

图1为本公开实施例所提供的一种视频处理方法的流程示意图，本公开实施例适用于对视频中的图像进行编码压缩处理的情形，该方法可以由视频处理装置来执行，该装置可以通过软件和/或硬件的形式实现，可选的，可以通过电子设备作为执行终端来实现，该电子设备可以是移动终端、PC端或服务器等。

如图1所示，本公开实施例提供的一种视频处理方法，具体包括下述操作：

S110、对待处理视频中的图像进行区块划分，获得多个区块图像。

在本实施例中，所述待处理视频可以是视频服务端待传输给观众用户端的短视频或者直播视频等。

在本实施例中，所述待处理视频在实现视频压缩前可以先进行优化处理。比如，优化处理前的原视频可能是360度全视角视频，或者小于360度的部分视角视频，该类原视频是三维空间的球面视频，将该类球面视频投影到二维平面，获得二维空间视频，即本实施例的待处理视频。

在本实施例中，对于三维空间下的原视频，可以采用等距圆柱投影的方式进行到二维空间的优化处理，最终获得二维空间的待处理视频。由此，在本实施例中，该待处理视频可以是进行等距圆柱投影处理后的球面视频，相应的，经过等距圆柱投影处理后获得的待处理视频中所包含的图像可以为全视角图像或者部分视角图像。

可以知道的是，本实施例要对该待处理视频进行的处理可以是视频压缩处理，且本实施例将对待处理视频的压缩处理，具体转换为对待处理视频中各帧图像的压缩处理，而对图像的压缩处理具体可通过本实施例提供的各执行步骤的来实现。

在具体实现中，首先可以通过本步骤来对待处理视频中图像进行区块划分，由此相对该图像获得多个区块图像。所采用的区块划分方式可以是按照给定的划分行列值来划分图像，从而形成多个矩形图像块，分别记为区块图像。对于划分形成的多个区块图像，本实施例可优选其具备相同的区块大小。

S120、基于所述图像及所述多个区块图像，确定所述图像的ROI和非ROI。

在本实施例中，图像的ROI可以是图像中的感兴趣区域，相应的，非ROI可以是图像中的非感兴趣区域。

确定ROI的实现方式可以包括：直接将图像中的指定区域确定为图像的ROI，其中指定区域往往通过历史经验确定，如，对于一个全视角/部分视角的图像而言，当前会将该图像中整个赤道区域作为ROI。然而，所确定出的ROI(整个赤道区域)面积过大，或者所确定出的ROI并不是用户真正感兴趣区域，比如，用户感兴趣区域可能是该图像的南北极区域。

上述现有ROI确定方式存在的问题，直接影响了对图像压缩处理效果。比如，过大的ROI面积限定了压缩处理阶段降低编码码率时的可降低空间；又比如，确定出的ROI不是用户真正感兴趣区域时，即进行图像压缩处理时会对用户真正感兴趣区域进行降低画质的处理，较低的画质会影响用户的视频观看效果。

由此，在本实施例的实现中，具体通过上述S110和S120实现了ROI确定。相比于现有的ROI确定，本实施例通过S110和S120，可以相对图像整体进行ROI检测，以及相对多个区块图像进行分别进行ROI检测，之后将相对图像整体进行ROI检测的检测结果与相对多个区块图像分别进行ROI检测的检测结果相融合，来确定图像最终的ROI和非ROI。

其中，作为一种实现方式，本实施例可以采用RIO检测网络模型来对图像整体，及各区域进行RIO检测。本实施例中所采用的ROI确定方式，实现了不同图像中ROI的差异化确定，保证了预测出的ROI与用户真正感兴趣的图像区域更加匹配。

S130、根据预设的目标比特数、所述ROI及所述非ROI的位置信息，确定所述ROI的第一量化参数以及所述非ROI的第二量化参数。

在本实施例中，所述目标比特数可理解为对所述图像进行压缩编码所期望使用的比特数。所述ROI和非ROI分别为图像中的感兴趣区域和非感兴趣区域，在确定出ROI和非ROI后，即确定了ROI和非ROI在图像中的位置信息。

在本实施例中，所述量化参数(quantizationparameter，QP)，在压缩处理中反映了空间细节压缩情况，量化参数可以是量化步长的序号，一般情况下，量化步长可以随编码对象的不同有不同的长度范围。如，对于图像亮度的编码而言，所对应的量化步长为0～52，那么量化参数的取值就为0～51；对于图像色度的编码而言，所对应的量化步长可以取0～39，那么量化参数的取值也调整0～38。

可以知道的是，某个图像区域所对应量化参数的值越小，对该图像区域进行压缩的量化越精细，图像区域中的大部分细节都会被保留，压缩后所获得图像区域的图像质量就越高，产生的码流也就越长；相反的，如果量化参数的值越大，压缩时一些细节会丢失，码率会相对降低，但图像质量则相应下降。

在本实施例中，可以通过目标比特数以及ROI和非ROI的位置信息，来确定ROI的第一量化参数以及非ROI的第二量化参数，进而可通过确定出的第一量化参数和第二量化参数，来实现图像中ROI和非ROI的压缩编码。

需要说明的是，通过上述描述，可知需要为非ROI赋予较高的量化参数，以及为ROI赋予较低的量化参数，来保证压缩编码后非ROI具备较低的图像质量，以及保证压缩编码后ROI具备较高的图像质量。但是为保证图像压缩编码后的整体视觉效果，本实施例考虑将非ROI与ROI的压缩编码后的显示效果控制在一个合适的范围，即需要将非ROI与ROI的量化参数之差控制在一个合适的范围，本实施例可以基于此来考虑非ROI与ROI的量化参数设定。

具体的，对于ROI和非ROI所对应量化参数的确定过程，例如可以基于目标比特数以及ROI和非ROI的位置信息，结合第一量化参数与第二量化参数的量化参数差，来动态调整第一量化参数和第二量化参数，最终找到量化参数差满足设定条件的量化参数对，分别作为ROI和非ROI最终的量化参数。

上述动态调整第一量化参数和第二量化参数的过程可以是：先为ROI设定初始的ROI量化参数，通过ROI的位置信息可以确定出编码该ROI所需的第一比特数，结合已知的目标比特数，确定编码非ROI所需的第二比特数，之后可以通过第二比特数以及非ROI的位置信息，反推非ROI的当前量化参数，然后可以确定此时ROI量化参数与非ROI量化参数的量化参数差，如果量化参数差没有满足设定条件，就可以对ROI量化参数进行调整，并采用调整后ROI量化参数重新通过上述操作确定非ROI量化参数，以及进行量化参数差的判定，循环进行上述操作，直至最终确定出满足设定条件的ROI量化参数和非ROI量化参数，ROI量化参数就可记为第一量化参数，非ROI量化参数就可以记为第二量化参数。

S140、根据所述第一量化参数及所述第二量化参数，对所述图像进行压缩编码，获得目标视频。

需要知道的是，量化参数是图形压缩编码所依据的有效参数，在本实施例中，通过上述操作将图像划分为ROI和非ROI，在获得第一量化参数及所述第二量化参数后就可以通过给定的压缩编码执行逻辑结合第一量化参数及所述第二量化参数分别对图像中的ROI和非ROI进行压缩编码，由此实现图像的压缩编码，最终结合压缩编码后的图像就可以形成目标视频，该目标视频是对待处理视频进行压缩处理后的视频。

本实施例提供的一种视频处理方法，能够从视频的图像中有效预测图像的ROI和非ROI，通过ROI和非ROI，可进一步有效确定出压缩编码时ROI和非ROI的量化参数，由此实现对图像的差异化压缩编码。利用上述方法，能够准确地确定ROI和非ROI，并通过基于第二量化参数的压缩编码，有效降低非ROI的图像质量，从而大幅度降低码率，节省视频传输时的带宽流量，也能够通过基于第一量化参数的压缩编码，更好的保留ROI的图像细节，从而大幅度提高视频的主观视觉效果，有效提升用户观看体验。

在一些实施例的实现中，可以将对待处理视频中的图像进行区块划分，获得多个区块图像具体化为：

a1)确定所述待处理视频的视场角，获得对应所述视场角的划分行数和划分列数。

一般情况下，可以通过图像捕获装置来捕获图像的形式来获得视频，而进行图像捕获时可以采用不同的视场角，如可以采用360度全景捕获的视场角，也可以采用180度半景捕获的视场角。在本实施例中，待处理视频可以直接是图像捕获装置捕获形成的视频，也可以是对图像捕获装置所捕获视频进行优化处理后的视频。当图像捕获装置采用不同视场角进行图像捕获形成视频时，与该视频存在关联的待处理视频也具备不同的视场角。

本实施例在对待处理视频中的图像进行区块划分时，可以预先建立视频的视场角与图像区块划分之间的关联关系，如，可以设定不同视场角的图像进行区块划分时可采用的划分行数和划分列数不同，视场角越大，所对应划分行数和划分列数的值就越大。

由此，本步骤可以先获取待处理视频的视场角，之后通过预先建立的视场角与图像区块划分直接的关联关系，就可以确定出该视场角下进行图像区块划分所需采用的划分行数和划分列数。示例性的，本步骤可以在待处理视频为360全景视场角捕获时，将3和4分别作为相应的划分行数和划分列数；也可以在待处理视频为180半景视场角捕获时，将2和3分别作为相应的划分行数和划分列数。

b1)按照所述划分行数及划分列数对所述图像进行区块划分，获得所述多个区块图像。

通过上述步骤获取划分行数和划分列数后，就可以将图像按照划分行数m和划分列数n进行划分，由此可以形成m*n个矩形形态的区块图像。每个区块图像的区块大小可以相同。

上述实施例的实现中，通过视场角与区块划分之间的关系，考虑了视场角越大，相应图像中所包含的图像内容越多，区块划分所需的划分个数就应该越多。通过该种划分方式实现了区块图像的有效划分，也保证了后续执行中ROI和非ROI的有效确定。

在一些实施例的实现中，还可以将基于所述图像及所述多个区块图像，确定所述图像的ROI和非ROI具体化为：

a2)确定所述图像的与所述图像大小相同的第一热力图。

本步骤考虑了对图像整体进行ROI检测，并可以采用第一热力图来表征对图像整体进行ROI检测后的检测结果。该第一热力图可以根据训练好的ROI检测网络模型来确定。

本实施例中，为便于图像整体所对应ROI检测结果(第一热力图)与各区块图像所对应ROI检测结果(第二热力图)的有效融合，本步骤优选第一热力图和第二热力图均与图像大小相同。

在本实施例的实现中，该第一热力图可以根据训练好的ROI检测网络模型来确定，示例性的，可以将确定所述图像的与所述图像大小相同的第一热力图具体化为：将对所述图像进行降采样处理后的降采样图像输入至ROI检测网络模型；对所述ROI检测网络模型输出的热力图进行上采样处理，获得与所述图像大小相同的第一热力图。

其中，对图像的降采样可以用来获取适合输入ROI检测网络模型的输入图像。对所输出热力图的上采样处理可以用来获得与图像原本大小相同的第一热力图。

在本实施例中，还可以优选所述ROI检测网络模型包括三维卷积层或者二维卷积层和子循环网络模型。需要说明的是，对于包括三维卷积层的ROI检测网络模型，在对待处理视频中的一帧图像进行ROI检测时，除将该帧图像作为输入数据，其还需要使用该帧图像相邻前后帧图像的信息作为输入；对于包括二维卷积层和子循环网络模型的ROI检测网络模型，在对待处理视频中的一帧图像进行ROI检测时，该帧图像在ROI检测网络模型中具备对应循环网络模型的隐藏状态信息，以用于实现ROI的有效检测。

b2)确定所述区块图像的与所述图像大小相同的第二热力图。

在本实施例中，本步骤相对划分形成的多个区块图像，可以对应确定一个与图像大小相同的第二热力图。

在本实施例的实现中，该第二热力图同样可以根据训练好的ROI检测网络模型，示例性的，本实施例可以将确定所述区块图像的与所述图像大小相同的第二热力图具体化为：

将各所述区块图像分别输入至ROI检测网络模型，获得各所述区块图像的区块热力图；对各所述区块热力图进行拼接，获得与所述图像大小相同的第二热力图。

通过上述描述可以知道，在第二热力图的确定过程中，可以将各区块图像分别输入至ROI检测网络模型，由此相对各区块图像可分别输出区块热力图；之后可以按照区块图像在图像中的划分位置，对各区块热力图进行拼接，最终可以获得与图像大小相同的第二热力图。

需要说明的是，区块划分后所形成的各区块图像，其图像大小已经适合ROI检测网络模型可输入图像的大小，由此在输入之前可以无需进行上采样处理。相应的输出结果也无需进行下采样处理。

此外，对于每个区块图像，在采用包括三维卷积层的ROI检测网络模型进行ROI检测时，除将该区块图像作为输入数据，其还需要将该区块图像所在图像前后帧中相同位置的区块图像作为ROI检测网络模型的输入；同样的，在采用包括二维卷积层和子循环网络模型的ROI检测网络模型进行ROI检测时，该区块图像在ROI检测网络模型中同样具备有对应循环网络模型的隐藏状态信息，以用于实现ROI的有效检测。

c2)对所述第一热力图及所述第二热力图进行逐像素相乘，获得所述图像的目标热力图。

通过上述步骤确定出的第一热力图和第二热力图均与图像大小相同，由此二者可通过本步骤直接进行逐像素相乘操作来实现图像融合，以此获得融合后相对图像的目标热力图。

d2)基于所述目标热力图以及预设阈值，确定所述图像的ROI和非ROI。

在本实施例中，目标热力图中各像素通过灰度值表征，灰度值越大，表明像素的亮度越高，灰度值越小表明像素的亮度越小。亮度高于一定值的像素可以构成ROI。

在本实施例中，所述预设阈值可以是一个灰度临界值，本步骤获取到目标热力图中各像素的灰度值后，可以将各像素的灰度值与该预设阈值进行比对，由此可以确定出灰度值大于或等于该预设阈值的各像素点，最终可以在图像中基于满足上述条件的各像素点，构成图像的ROI，并将图像中除ROI之外的区域作为非ROI。

其中，所述预设阈值为所述目标热力图各像素的灰度值中的最高灰度值与预设百分比的乘积。预设百分比可以为一个经验值，示例性的，该预设百分比可以是10％。

在本实施例的实现中，可以将基于所述目标热力图以及预设阈值，确定所述图像的ROI和非ROI具体化为：

d21)将所述目标热力图中灰度值大于或等于所述预设阈值的像素点确定为ROI像素点；否则，确定为非ROI像素点。

本步骤通过像素灰度值与预设阈值的比较，实现了ROI像素点和非ROI像素点的确定。

d22)根据各所述ROI像素点的像素坐标，确定ROI最小外接矩形。

d23)将所述ROI最小外接矩形确定为所述图像的ROI。

d24)将所述图像除所述ROI之外的区域确定为所述图像的非ROI。

可以知道的是，确定出的ROI像素点在图像中可能并不是集中分布，有可能是离散分布，即图像中可以包括多个ROI，各ROI之间并不连通。本实施例可以通过上述步骤确定ROI最小外接矩形的操作来找出图像中包括的各ROI。

示例性的，图像中所包括的ROI个数可以有多个，而每个ROI的面积并不相同，本实施例可对各ROI进行二次筛选，仅保留ROI面积大于设定值的ROI，以实现ROI确定的进一步优化。

相应的，在上述确定出ROI之后，图像中除ROI之外的区域均可以是非ROI。

上述实施例的实现，给出了图像中ROI和非ROI的具体确定描述，由此实现了图像中ROI和非ROI的有效确定，也体现了不同图像之间ROI和非ROI的差异化确定。避免了图像中ROI面积过大的问题，也避免了所确定ROI实际不是用户真实感兴趣区域的问题，为后续压缩编码所依据量化参数的确定提出了基础信息。

在一些实施例的实现中，同样可以将根据预设的目标比特数、所述ROI及所述非ROI的位置信息，确定所述ROI的第一量化参数以及所述非ROI的第二量化参数具体化为：

a4)根据所述ROI的位置信息及所述非ROI的位置信息，统计所述ROI的第一编码复杂度以及所述非ROI的第二编码复杂度。

在本实施例中，所述ROI的位置信息可理解为ROI中各像素点的位置信息，或者构成ROI的最小外接矩形的位置信息。所述非ROI的位置信息，可理解为非ROI中各像素点的位置信息，或者图像中除ROI以外的位置信息。

所述编码复杂度具体可用于描述编码量与所解决问题的规模的关系，本实施例中编码复杂度可理解为对ROI进行压缩编码处理时的复杂度，假设n为ROI压缩编码时所解决问题的规模，则该编码复杂度可以表示为C(n)，同样的，假设m为非ROI编码是所解决问题的规模，则该编码复杂度可以表示为C(m)。

本实施例中可分别通过ROI的位置信息来确定待解决问题的规模，即可以通过ROI的位置信息来确定ROI的编码复杂度，并记为第一编码复杂度；本实施例也可通过非ROI的位置信息来确定待解决问题的规模，由此也可以通过非ROI的位置信息来确定非ROI的编码复杂度，并记为第二编码复杂度。

b4)根据预设的目标比特数、所述第一编码复杂度、以及所述第二编码复杂度，确定所述ROI的第一量化参数以及所述非ROI的第二量化参数。

通过上述描述可知，目标比特数是对图像进行压缩编码所期望使用的比特数，后传输该图像期望所需的比特数，结合上述确定的第一编码复杂度和第二编码复杂度，再结合进行压缩编码时图像中ROI和非ROI的量化参数之差所期望满足的设定条件，以及预先为ROI设定的初始量化参数，就可以实现对第一量化参数以及第二量化参数的动态调整，最终可以获得量化参数差满足设定条件的量化参数对。

上述实施例的实现中，具体给出了第一量化参数和第二量化参数的确定过程，可以看出第一量化参数和第二量化参数的确定，除了自身的确定逻辑设定外，主要涉及了上述有效确定的ROI和非ROI。通过有效确定的ROI和非ROI再结合合适的量化参数执行逻辑设定，更好保证了所确定第一量化参数和第二量化参数的有效性，为后续压缩编码的有效执行提供了基础前提信息。

作为上述步骤b4)的其中一种实现方式，本实施例中可以将根据预设的目标比特数、所述第一编码复杂度、以及所述第二编码复杂度，确定所述ROI的第一量化参数以及所述非ROI的第二量化参数采用下述步骤来实现，下述步骤给出了对第一量化参数和第二量化参数进行动态调整的具体实现：

b41)获得针对所述ROI设定的当前第一量化参数。

本步骤实现了ROI所对应第一量化参数的初始设定，并将初始设定的第一量化参数作为循环执行中的首个当前第一量化参数。其中，所初始的第一量化参数可以是一个相对较小的量化值。

b42)根据所述当前第一量化参数以及所述第一编码复杂度，确定编码所述ROI所需的第一比特数。

在本实施例中，通过量化参数、编码复杂度以及比特数之间的逻辑转换关系，本步骤可以在已知当前第一量化参数及第一编码复杂度后，确定出编码ROI所需的第一比特数。

b43)将所述目标比特数与所述第一比特数的差值，确定为编码所述非ROI所需的第二比特数。

在本实施例中，可以通过目标比特数与第一比特数的差值计算，确定出对图像中非ROI进行压缩编码所需要的第二比特数。

b44)根据所述第二比特数以及所述第二编码复杂度，确定所述非ROI的当前第二量化参数。

基于上述描述，在量化参数、编码复杂度以及比特数之间的逻辑转换关系后，可以通过确定的第二比特数、第二编码复杂度来确定非ROI的第二量化参数，该第二量化参数可能并不是非ROI最终对应的量化参数，本实施例可以记为当前第二量化参数。

b45)如果所述当前第二量化参数与所述当前第一量化参数的差值大于设定阈值，则调整所述当前第一量化参数，返回执行步骤b42)；否则，执行步骤b46)。

在本实施例中，考虑通过ROI和非ROI之间的量化参数差的绝对值来进行循环结束条件的阈值设定。该设定阈值可看做ROI和非ROI之间所允许的量化参数的最大绝对差值。

在本步骤中，如果当前第二量化参数与所述当前第一量化参数的差值大于该设定阈值时，还未达到所允许的最大绝对差值，由此需要进一步调整ROI的当前第一量化参数，并需要返回步骤b42)再次进行新一轮的循环；否则，就可以当前第二量化参数与所述当前第一量化参数的差值满足了所允许的最大绝对差值，由此可以执行步骤b46)来结束循环。

其中，本步骤可以按照设定步长来增加第一量化参数的量化值，形成新的当前第一量化参数。

b46)将所述当前第一量化参数以及当前第二量化参数，分别作为所述ROI的第一量化参数以及所述非ROI的第二量化参数。

在上述满足循环结束的条件后，可以通过本步骤来确定ROI和非ROI的最终量化值，并分别记为第一量化参数和第二量化参数。

本实施例上述循环逻辑的描述，更好的说明了本实施例考虑将非ROI与ROI的压缩编码后的显示效果控制在一个合适范围的具体实现。当ROI和非ROI的压缩编码后的显示效果在一个合适范围时，可以保证图像在传输过程中输在节省码流的同时也保证了图像所展示视觉效果最佳。

同样，需要注意的是，对于本实施例的上述技术实现，其在所述对待处理视频中的图像进行区块划分，获得多个区块图像之前还可以包括：当所述待处理视频的图像为双目图像时，对所述双目图像进行分割，其中，分割后的各单目图像为所述图像。

在本实施例中，进行图像捕获形成待处理视频的图像捕获装置可以是单目图像捕获装置，也可以是双目图像捕获装置。当采用双目图像捕获装置进行图像捕获时，所捕获的图像为一个包含左目图像和右目图像的双目图像，其中，左目图像和右目图像是两个相对独立的图像。对于待处理视频而言，如果构成该视频的图像为双目图像，则需要对双目图像进行分割，分别获得左目和右目的单目图像，且各单目图像均可作为待处理视频中的独立图像，参与本实施例所提供视频处理的逻辑执行。

为更好理解本实施例提供的视频处理方法，本实施例通过下述实例对视频处理过程中目标热力图的具体确定进行示例性说明。其中，图2为本公开实施例所提供视频处理方法中目标热力图确定的示例实现效果图。该示例实现效果图以待处理视频中一帧图像作为处理对象，给出了相对该帧图像的具体处理实现。

如图2所示，给出了待处理视频中的图像20，且检测到该图像20为双目图像，由此在进行图像的压缩编码处理之前，需要先对该图像20进行图像分割，形成两个单目图像201，本示例以一个单目图像201的具体执行过程为例进行展示。

接上述描述，通过本实施例提供的方法，对该单目图像201首先分成两路分支，其中一个分支为首先对单目图像进行区块划分，获取一定数量的区块图像，具体数量为12，然后将每个区块图像分别输入至ROI检测网络模型，获得相应的区块热力图，各区块热力图按照区块图像的划分位置，可以拼接为一个第二热力图202；另外一个分支首先对单目图像进行降采样，并将降采样后图像输入至检测网络模型，之后对模型输出的热力图进行上采样获得第一热力图203；之后可以将第一热力图203和第二热力图202进行逐像素相乘，最终获得融合后的目标热力图204。

通过图2可以发现，进行区块划分后的区块图像，其进行ROI检测后的区块热力图中也存在亮度较高的像素点，通过该种对区块图像分别进行ROI检测的方式，可以保证图像中所有区域的ROI有效检测，有效降低了所确定ROI错误的错误率。将各区块热力图进行拼接形成第二热力图202，并再次将第二热力图与第一热力图203进行融合，又再次实现了ROI的优化，能够相对图像筛选出更合适的ROI，进一步加强了ROI的有效检测。

图3为本公开实施例所提供的一种视频处理装置的结构示意图，如图3所示，所述装置包括：图像划分模块310、第一确定模块320、第二确定模块340以及图形编码模块340。

图像划分模块310，用于对待处理视频中的图像进行区块划分，获得多个区块图像；

第一确定模块320，用于基于所述图像及所述多个区块图像，确定所述图像的ROI和非ROI；

第二确定模块340，用于根据预设的目标比特数、所述ROI及所述非ROI的位置信息，确定所述ROI的第一量化参数以及所述非ROI的第二量化参数；

图形编码模块340，用于根据所述第一量化参数及所述第二量化参数，对所述图像进行压缩编码，获得目标视频。

本公开实施例所提供的技术方案，能够从视频的图像中有效预测图像的ROI和非ROI，通过ROI和非ROI，可进一步有效确定出压缩编码时ROI和非ROI的量化参数，由此实现对图像的差异化压缩编码。利用上述方法，能够准确地确定ROI和非ROI，并通过基于第二量化参数的压缩编码，有效降低非ROI的图像质量，从而大幅度降低码率，节省视频传输时的带宽流量，也能够通过基于第一量化参数的压缩编码，更好的保留ROI的图像细节，从而大幅度提高视频的主观视觉效果，有效提升用户观看体验。

进一步地，图像划分模块310具体可以用于：

确定所述待处理视频的视场角，获得对应所述视场角的划分行数和划分列数；

按照所述划分行数及划分列数对所述图像进行区块划分，获得所述多个区块图像。

进一步的，第一确定模块320具体可以包括：

第一确定单元，用于确定所述图像的与所述图像大小相同的第一热力图；

第二确定单元，用于确定所述区块图像的与所述图像大小相同的第二热力图；

目标获得单元，用于对所述第一热力图及所述第二热力图进行逐像素相乘，获得所述图像的目标热力图；

结果确定单元，用于基于所述目标热力图以及预设阈值，确定所述图像的ROI和非ROI。

进一步地，所述第一确定单元具体可以用于：

将对所述图像进行降采样处理后的降采样图像输入至ROI检测网络模型；

对所述ROI检测网络模型输出的热力图进行上采样处理，获得与所述图像大小相同的第一热力图。

进一步地，所述第二确定单元具体可以用于：

将各所述区块图像分别输入至ROI检测网络模型，获得各所述区块图像的区块热力图；

对各所述区块热力图进行拼接，获得与所述图像大小相同的第二热力图。

进一步地，所述ROI检测网络模型包括三维卷积层或者二维卷积层和子循环网络模型。

进一步地，结果确定单元，具体可以用于：

将所述目标热力图中灰度值大于或等于所述预设阈值的像素点确定为ROI像素点；否则，确定为非ROI像素点；

根据各所述ROI像素点的像素坐标，确定ROI最小外接矩形；

将所述ROI最小外接矩形确定为所述图像的ROI；

将所述图像除所述ROI之外的区域确定为所述图像的非ROI；

其中，所述预设阈值为所述目标热力图各像素的灰度值中的最高灰度值与预设百分比的乘积。

进一步地，第二确定模块330具体可以包括：

复杂度确定单元，用于根据所述ROI的位置信息及所述非ROI的位置信息，统计所述ROI的第一编码复杂度以及所述非ROI的第二编码复杂度；

参数确定单元，用于根据预设的目标比特数、所述第一编码复杂度、以及所述第二编码复杂度，确定所述ROI的第一量化参数以及所述非ROI的第二量化参数。

进一步地，参数确定单元具体可以用于：

a)获得针对所述ROI设定的当前第一量化参数；

b)根据所述当前第一量化参数以及所述第一编码复杂度，确定编码所述ROI所需的第一比特数；

c)将所述目标比特数与所述第一比特数的差值，确定为编码所述非ROI所需的第二比特数；

d)根据所述第二比特数以及所述第二编码复杂度，确定所述非ROI的当前第二量化参数；

e)如果所述当前第二量化参数与所述当前第一量化参数的差值大于设定阈值，则调整所述当前第一量化参数，返回执行步骤b)；否则，

f)将所述当前第一量化参数以及当前第二量化参数，分别作为所述ROI的第一量化参数以及所述非ROI的第二量化参数。

进一步地，所述待处理视频为进行等距圆柱投影处理后的球面视频；

所述待处理视频中的图像为全视角图像/部分视角图像。

本公开实施例所提供的视频处理装置可执行本公开任意实施例所提供的视频处理方法，具备执行方法相应的功能模块和有益效果。

值得注意的是，上述装置所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本公开实施例的保护范围。

图4为本公开实施例所提供的一种电子设备的结构示意图。下面参考图4，其示出了适于用来实现本公开实施例的电子设备(例如图4中的终端设备或服务器)400的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图4示出的电子设备仅仅是一个示例，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4所示，电子设备400可以包括处理装置(例如中央处理器、图形处理器等)401，其可以根据存储在只读存储器(ROM)402中的程序或者从存储装置408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中，还存储有电子设备400操作所需的各种程序和数据。处理装置401、ROM 402以及RAM 403通过总线404彼此相连。编辑/输出(I/O)接口405也连接至总线404。

通常，以下装置可以连接至I/O接口405：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置406；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置407；包括例如磁带、硬盘等的存储装置408；以及通信装置409。通信装置409可以允许电子设备400与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子设备400，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置409从网络上被下载和安装，或者从存储装置408被安装，或者从ROM 402被安装。在该计算机程序被处理装置401执行时，执行本公开实施例的方法中限定的上述功能。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

本公开实施例提供的电子设备与上述实施例提供的应用软件的资源分配管理方法属于同一发明构思，未在本实施例中详尽描述的技术细节可参见上述实施例，并且本实施例与上述实施例具有相同的有益效果。

本公开实施例提供了一种计算机存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述实施例所提供的视频处理方法。

需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。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是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号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，其中承载了计算机可读的程序代码。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。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、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。计算机可读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：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：

上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：确定执行终端上各资源项在应用软件运行中对应的当前资源使用信息；根据各所述当前资源使用信息，确定当前满足资源分配预警条件的目标资源项；对各所述目标资源项在应用软件运行中的资源分配逻辑进行调整。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，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机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一获取单元还可以是“获取至少两个网际协议地址的单元”。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。

尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

Claims (13)

1.一种视频处理方法，其特征在于，包括：

对待处理视频中的图像进行区块划分，获得多个区块图像；

基于所述图像及所述多个区块图像，确定所述图像的ROI和非ROI；

根据预设的目标比特数、所述ROI及所述非ROI的位置信息，确定所述ROI的第一量化参数以及所述非ROI的第二量化参数；

根据所述第一量化参数及所述第二量化参数，对所述图像进行压缩编码，获得目标视频。

2.根据权利要求1所述的方法，其特征在于，所述对待处理视频中的图像进行区块划分，获得多个区块图像，包括：

确定所述待处理视频的视场角，获得对应所述视场角的划分行数和划分列数；

按照所述划分行数及划分列数对所述图像进行区块划分，获得所述多个区块图像。

3.根据权利要求1所述的方法，其特征在于，所述基于所述图像及所述多个区块图像，确定所述图像的ROI和非ROI，包括：

确定所述图像的与所述图像大小相同的第一热力图；

确定所述区块图像的与所述图像大小相同的第二热力图；

对所述第一热力图及所述第二热力图进行逐像素相乘，获得所述图像的目标热力图；

基于所述目标热力图以及预设阈值，确定所述图像的ROI和非ROI。

4.根据权利要求3所述的方法，其特征在于，所述确定所述图像的与所述图像大小相同的第一热力图，包括：

将对所述图像进行降采样处理后的降采样图像输入至ROI检测网络模型；

对所述ROI检测网络模型输出的热力图进行上采样处理，获得与所述图像大小相同的第一热力图。

5.根据权利要求3所述的方法，其特征在于，所述确定所述区块图像的与所述图像大小相同的第二热力图，包括：

将各所述区块图像分别输入至ROI检测网络模型，获得各所述区块图像的区块热力图；

对各所述区块热力图进行拼接，获得与所述图像大小相同的第二热力图。

6.根据权利要求5或6所述的方法，其特征在于，所述ROI检测网络模型包括三维卷积层或者二维卷积层和子循环网络模型。

7.根据权利要求3所述的方法，其特征在于，所述基于所述目标热力图以及预设阈值，确定所述图像的ROI和非ROI，包括：

将所述目标热力图中灰度值大于或等于所述预设阈值的像素点确定为ROI像素点；否则，确定为非ROI像素点；

根据各所述ROI像素点的像素坐标，确定ROI最小外接矩形；

将所述ROI最小外接矩形确定为所述图像的ROI；

将所述图像除所述ROI之外的区域确定为所述图像的非ROI；

其中，所述预设阈值为所述目标热力图各像素的灰度值中的最高灰度值与预设百分比的乘积。

8.根据权利要求1所述的方法，其特征在于，所述根据预设的目标比特数、所述ROI及所述非ROI的位置信息，确定所述ROI的第一量化参数以及所述非ROI的第二量化参数，包括：

根据所述ROI的位置信息及所述非ROI的位置信息，统计所述ROI的第一编码复杂度以及所述非ROI的第二编码复杂度；

根据预设的目标比特数、所述第一编码复杂度、以及所述第二编码复杂度，确定所述ROI的第一量化参数以及所述非ROI的第二量化参数。

9.根据权利要求8所述的方法，其特征在于，所述根据预设的目标比特数、所述第一编码复杂度、以及所述第二编码复杂度，确定所述ROI的第一量化参数以及所述非ROI的第二量化参数，包括：

a)获得针对所述ROI设定的当前第一量化参数；

b)根据所述当前第一量化参数以及所述第一编码复杂度，确定编码所述ROI所需的第一比特数；

c)将所述目标比特数与所述第一比特数的差值，确定为编码所述非ROI所需的第二比特数；

d)根据所述第二比特数以及所述第二编码复杂度，确定所述非ROI的当前第二量化参数；

e)如果所述当前第二量化参数与所述当前第一量化参数的差值大于设定阈值，则调整所述当前第一量化参数，返回执行步骤b)；否则，

f)将所述当前第一量化参数以及当前第二量化参数，分别作为所述ROI的第一量化参数以及所述非ROI的第二量化参数。

10.根据权利要求1所述的方法，其特征在于，所述待处理视频为进行等距圆柱投影处理后的球面视频；

所述待处理视频中的图像为全视角图像/部分视角图像。

11.一种视频处理装置，其特征在于，包括：

图像划分模块，用于对待处理视频中的图像进行区块划分，获得多个区块图像；

第一确定模块，用于基于所述图像及所述多个区块图像，确定所述图像的ROI和非ROI；

第二确定模块，用于根据预设的目标比特数、所述ROI及所述非ROI的位置信息，确定所述ROI的第一量化参数以及所述非ROI的第二量化参数；

图形编码模块，用于根据所述第一量化参数及所述第二量化参数，对所述图像进行压缩编码，获得目标视频。

12.一种电子设备，其特征在于，所述电子设备，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-10中任一所述的视频处理方法。

13.一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-10中任一所述的视频处理方法。