CN117478964A - 视频倍速播放的方法和装置 - Google Patents

视频倍速播放的方法和装置 Download PDF

Info

Publication number
CN117478964A
CN117478964A CN202311412211.1A CN202311412211A CN117478964A CN 117478964 A CN117478964 A CN 117478964A CN 202311412211 A CN202311412211 A CN 202311412211A CN 117478964 A CN117478964 A CN 117478964A
Authority
CN
China
Prior art keywords
audio
frame
image
stream
gray level
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
Application number
CN202311412211.1A
Other languages
English (en)
Inventor
唐勇平
李瑞锋
陈海楠
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202311412211.1A priority Critical patent/CN117478964A/zh
Publication of CN117478964A publication Critical patent/CN117478964A/zh
Pending legal-status Critical Current

Links

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
    • H04N21/47—End-user applications
    • H04N21/472—End-user interface for requesting content, additional data or services; End-user interface for interacting with content, e.g. for content reservation or setting reminders, for requesting event notification, for manipulating displayed content
    • H04N21/47217—End-user interface for requesting content, additional data or services; End-user interface for interacting with content, e.g. for content reservation or setting reminders, for requesting event notification, for manipulating displayed content for controlling playback functions for recorded or on-demand content, e.g. using progress bars, mode or play-point indicators or bookmarks
    • 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
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/458—Scheduling content for creating a personalised stream, e.g. by combining a locally stored advertisement with an incoming stream; Updating operations, e.g. for OS modules ; time-related management operations
    • 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]
    • H04N21/60—Network structure or processes for video distribution between server and client or between remote clients; Control signalling between clients, server and network components; Transmission of management data between server and client, e.g. sending from server to client commands for recording incoming content stream; Communication details between server and client 
    • H04N21/63—Control signaling related to video distribution between client, server and network components; Network processes for video distribution between server and clients or between remote clients, e.g. transmitting basic layer and enhancement layers over different transmission paths, setting up a peer-to-peer communication via Internet between remote STB's; Communication protocols; Addressing
    • H04N21/647—Control signaling between network components and server or clients; Network processes for video distribution between server and clients, e.g. controlling the quality of the video stream, by dropping packets, protecting content from unauthorised alteration within the network, monitoring of network load, bridging between two different networks, e.g. between IP and wireless
    • H04N21/64784—Data processing by the network
    • H04N21/64792—Controlling the complexity of the content stream, e.g. by dropping packets

Abstract

本公开提供了视频倍速播放的方法和装置，涉及多媒体领域，尤其涉及视频处理领域。具体实现方案为：将视频分离成图像流和音频流；在图像流中每个单元时间内按预定比例丢弃相似的图像帧，得到新图像流；将所述音频流分帧得到的音频帧集合中相似的音频帧按预定比例进行叠加，得到新音频流；将新图像流和新音频流合并在一起，形成倍速后的视频。通过该实施方式倍速后的视频从视觉和听觉上都能够有自然流畅的用户体验。

Description

视频倍速播放的方法和装置
技术领域
本公开涉及多媒体领域，尤其涉及视频处理领域，具体为一种视频倍速播放的方法和装置。
背景技术
随着互联网技术在多媒体领域的广泛应用，越来越多的用户选择在线观看影片、教学课程或直播互动等。由于用户在观看视频过程中，对不同的视频片段的感兴趣程度是不同的。视频倍速播放,可以方便用户把时间集中到感兴趣的片段上，比如老师在录课时为了照顾大部分学员课堂的内容比较丰富且语速比较平缓；但对于一些基础好的学生，在通过视频学习时希望能够提高播放速度的方法来提高学习效率，倍速播放对提高学员的学习效率大有益处；因此当前市场上的各类播放器均具备倍速播放的功能，以满足用户快速浏览或者慢速欣赏等各种需求。
现有技术中实现视频的倍速播放，就是要取消视频中一定比例的图像帧和音频帧(如2倍速就是去掉1/2的数据)，而视频的帧率保持不变，这样使的视频是一定的倍速在播放的。视频图像帧随机丢帧容易丢掉关键信息，使得画面不连贯、不自然，观感体验差。
在对音频处理使用的算法，容易改变帧与帧之间的间隔(也即是改变了帧与帧之间的重叠)，会使用户明显感知到音频的快进和结束，而且容易引入噪声，倍速效果不好。
发明内容
本公开提供了一种视频倍速播放的方法、装置、设备、存储介质以及计算机程序产品。
根据本公开的第一方面，提供了一种视频倍速播放的方法，包括：将视频分离成图像流和音频流；在图像流中每个单元时间内按预定比例丢弃相似的图像帧，得到新图像流；将所述音频流分帧得到的音频帧集合中相似的音频帧按预定比例进行叠加，得到新音频流；将所述新图像流和所述新音频流合并在一起，形成倍速后的视频。
根据本公开的第二方面，提供了一种视频倍速播放的装置，包括：分离单元，被配置成将视频分离成图像流和音频流；丢弃单元，被配置成在图像流中每个单元时间内按预定比例丢弃相似的图像帧，得到新图像流；叠加单元，被配置成将所述音频流分帧得到的音频帧集合中相似的音频帧按预定比例进行叠加，得到新音频流；合并单元，被配置成将所述新图像流和所述新音频流合并在一起，形成倍速后的视频。
根据本公开的第三方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行第一方面中任一项所述的方法。
根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行第一方面中任一项所述的方法。
根据本公开的第五方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现第一方面中任一项所述的方法。
本公开的实施例提供的视频倍速播放的方法和装置，通过计算图像帧的相似度进行丢帧，对于剪辑、拼接、旋转、植入广告、弹幕、增加logo等情况下，具有特别好的鲁棒性，这样能够使得画面很自然流畅。通过查找最相似音频帧进行叠加，具有语音自然、流畅、噪音小的特点。这样倍速后的视频从视觉和听觉上都能够有自然流畅的用户体验。算法效率很高，不会消耗过多的资源，在性能差的设备上也能有很好的效果。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1是本公开的一个实施例可以应用于其中的示例性系统架构图；
图2是根据本公开的视频倍速播放的方法的一个实施例的流程图；
图3a-3d是根据本公开的视频倍速播放的方法的一个应用场景的示意图；
图4是根据本公开的视频倍速播放的方法的又一个实施例的流程图；
图5是根据本公开的视频倍速播放的装置的一个实施例的结构示意图；
图6是适于用来实现本公开的实施例的电子设备的计算机系统的结构示意图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
图1示出了可以应用本公开的视频倍速播放的方法或视频倍速播放的装置的实施例的示例性系统架构100。
如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如视频播放器、网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有显示屏并且支持视频播放的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture Experts Group Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的视频提供支持的后台视频服务器。后台视频服务器可以对接收到的倍速播放请求等数据进行分析等处理，并将处理结果(例如倍速后的视频)反馈给终端设备。
需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。服务器也可以是云服务器，或者是带人工智能技术的智能云计算服务器或智能云主机。
需要说明的是，本公开的实施例所提供的视频倍速播放的方法可以由终端设备101、102、103执行，也可以由服务器105执行。相应地，视频倍速播放的装置可以设置于终端设备101、102、103中，也可以设置于服务器105中。在此不做具体限定。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
继续参考图2，示出了根据本公开的视频倍速播放的方法的一个实施例的流程200。该视频倍速播放的方法，包括以下步骤：
步骤201，将视频分离成图像流和音频流。
在本实施例中，视频倍速播放的方法的执行主体(例如图1所示的终端设备)中安装的视频播放器可将已加载的视频分离成图像流和音频流。然后分别对图像流和音频流进行处理，可以并行处理，不限于下文中所列的步骤顺序。
步骤202，在图像流中每个单元时间内按预定比例丢弃相似的图像帧，得到新图像流。在本实施例中，可从每个图像帧中提取特征，例如trace变换、图像哈希值、sift特征向量等。通过对单位时间内(如1～2秒)图像帧进行相似对比，如果临近的图像帧相似值在一个阈值内，则认为是相似帧，那么在丢帧的时候，可以选择其中的部分帧进行丢失，这样关键帧不会丢失，画面会变的自然流畅。例如，单位时间为1秒，一共有30帧图像，从第一帧图像开始计算每帧图像与相邻图像之间的相似度，如果相似度大于预定阈值，则将它们归为一组，并继续计算与下一帧图像之间的相似度。将相似度高于预定阈值的多个图像帧分为一组。每组图像帧命名为一个图像帧子集，每个图像帧子集中图像帧的数量不确定。在本实施例中，预定比例与倍速值正相关。如果倍速值为2，则丢弃一半的图像帧。从每组图像帧子集中丢弃一半帧。可以随机丢弃，也可按固定间隔丢弃。每组图像帧子集中保留的图像帧数量与倍速值成反比。
步骤203，将所述音频流分帧得到的音频帧集合中相似的音频帧按预定比例进行叠加，得到新音频流。
在本实施例中，可对音频采用每20～50ms分帧(前一帧和后一帧采用1/2位置叠加)。在本实施例中，可通过寻找相关峰算法或者AMDF(平均幅度差函数法)来寻找最相似的信号帧。然后根据指定的倍速值将两个音频帧加窗后再进行叠加，例如，2倍速播放需要叠加50％的波形。
步骤204，将新图像流和新音频流合并在一起，形成倍速后的视频。
在本实施例中，与步骤201的操作相反，将处理后的音频流和图像流合并在一起，就得到倍速的视频。
本公开的上述实施例提供的方法，通过计算图像帧的相似度进行丢帧，对于剪辑、拼接、旋转、植入广告、弹幕、增加logo等情况下，具有特别好的鲁棒性，这样能够使得画面很自然流畅。通过查找最相似音频帧进行叠加，具有语音自然、流畅、噪音小的特点。这样倍速后的视频从视觉和听觉上都能够有自然流畅的用户体验。算法效率很高，不会消耗过多的资源，在性能差的设备上也能有很好的效果。
图3a是根据本实施例的视频倍速播放的方法的应用场景的一个示意图。在图3a的应用场景中，将原视频的数据流分离出图像流和音频流。从图像流中提取图像帧，通过图片相似算法将相似图像帧归为一组，从每组相似图像帧中丢弃一部分图像帧后，得到新图像流。从音频流中提取音频帧，再通过音频相似算法找到相似的音频进行叠加，得到新音频流。最终将新图像流和新音频流合并，得到倍速视频。
在本实施例的一些可选的实现方式中，所述在图像流中每个单元时间内按预定比例丢弃相似的图像帧，得到新图像流，包括：对所述图像流中每个单位时间内的图像帧进行相似度计算，并将相似度高于预定阈值的图像帧分为一组，得到至少一组图像帧子集；根据指定的倍速值从每组图像帧子集中选择相应比例的图像帧进行丢弃，得到新图像流。可通过图像相似算法对所述图像流中每个单位时间内的图像帧进行相似度计算。预定比例与倍速值正相关。可等间隔地丢弃相似的图像帧。
在本实施例的一些可选的实现方式中，所述将所述音频流分帧得到的音频帧集合中相似的音频帧按预定比例进行叠加，得到新音频流，包括：将所述音频流进行分帧，得到音频帧集合；对于每个音频帧，从所述音频帧集合中寻找该音频帧的下一个最相似的信号帧，并根据指定的倍速值将该音频帧和信号帧按相应比例进行叠加，得到新音频流。
在本实施例的一些可选的实现方式中，所述对所述图像流中每个单位时间内的图像帧进行相似度计算，包括：将所述图像流中的图像帧转换成灰度图；计算每个灰度图的哈希值；对于每个单位时间内的灰度图，计算相邻灰度图的哈希值之间的距离作为相邻灰度图之间的相似度。首先将每个图像帧转换成亮度色彩空间图片，即从RGB转成YUV，得到灰度图。再通过平均哈希、感知哈希、差异哈希等算法计算每个灰度图的哈希值。最后通过距离计算公式(例如，汉明距离、欧氏距离等)来计算相邻灰度图之间的相似度。通过计算哈希值的方式计算相似度，可以提高计算速度和准确率。对硬件设备的要求低，可广泛应用于各种终端设备。可根据硬件设备的性能选择相应的哈希算法，比如，CPU或GPU性能低的终端设备可选择简单的平均哈希算法、PDQ算法等。性能高的终端设备可选择复杂的差异哈希算法等。
在本实施例的一些可选的实现方式中，在将所述图像流中的图像帧转换成灰度图之前，所述方法还包括：将所述图像流中的图像帧缩小到预定尺寸。对于百万像素输入图片，则需要缩小图片尺寸。例如，调整为512x512。也可根据执行主体的硬件性能指定缩小的尺寸，例如，如果CPU或GPU性能低，处理图像的时间过长，则将图片缩小到更小的尺寸，例如，256x256或128x128等。硬件性能越低，则调整后的图像尺寸越小，以避免相似度计算的时间过长，影响用户体验。
在本实施例的一些可选的实现方式中，所述计算每个灰度图的哈希值，包括：对于每个灰度图，计算该灰度图中所有像素点的灰度值的平均值，将该灰度图中灰度值大于平均值的像素点记录为1，其余像素点记录为0，得到该灰度图的哈希值。该平均哈希算法简单易实现，特别适合性能低的终端设备采用。能够快速计算灰度图的哈希值，从而提高丢帧的效率，减少视频播放时延，提升用户体验。
在本实施例的一些可选的实现方式中，所述计算每个灰度图的哈希值，包括：对于每个灰度图，进行二维离散余弦变换并保留预定大小的低频矩阵，将所述低频矩阵中大于0的元素记录为1，其余元素记录为0，得到该灰度图的哈希值。二维离散余弦变换DCT使信号低频区集中在左上角便于裁剪获取低频信息，而自然信号中的能量多集中在低频区(即属性变化平缓的区域，如一张图像中像素值变化平缓的区域往往包含主要的色彩信息而变化剧烈的区域往往是线条边界和色彩交替区)，故常用于信号和图像处理中数据的有损压缩。在64x64采样图片上，进行二维离散余弦变换(DCT)，并在X和Y方向上保留1-16个时隙。可根据灰度图的大小选择相应的DCT矩阵大小，如果选择32*32大小的DCT变换，得到32*32的DCT矩阵，但我们只要保留左上角的8*8的矩阵，这部分呈现了图片中的最低频率。结果并不能告诉我们真实性的低频率，只能粗略地告诉我们相对于0频率的相对比例。只要图片的整体结构保持不变，hash结果值就不变。能够避免伽马校正或颜色直方图被调整带来的影响。使用该方法比中间值比较法计算速度更快。
在本实施例的一些可选的实现方式中，所述计算每个灰度图的哈希值，包括：对于每个灰度图，进行二维离散余弦变换并保留预定大小的低频矩阵，计算所述低频矩阵中所有元素的中间值，将所述低频矩阵中大于中间值的元素记录为1，其余元素记录为0，得到该灰度图的哈希值。该方法需要计算低频矩阵中所有元素的中间值，属于中间值比较法，能够得到更准确的相似度结果，保留更多的细节。能够避免伽马校正或颜色直方图被调整带来的影响。
在本实施例的一些可选的实现方式中，在所述计算每个灰度图的哈希值之前，所述方法还包括：对每个灰度图进行下采样，生成64x64采样图片。可以通过该方式缩小图片，减少相似度的计算量，从而提高视频合成速度，减少用户的等待时间，从而提升用户体验。
在本实施例的一些可选的实现方式中，所述对每个灰度图进行下采样，包括：利用帐篷卷积滤波器对每个灰度图进行下采样，生成64x64采样图片。帐篷卷积滤波器没有值的跳变情况，不需将离散和连续情况分开，从而提高了采样效率。
优选地，如图3b所示，通过以下步骤计算相似图片：
1、获取每个图像帧；
2、缩小图像帧尺寸，调整为最大512x512(如果是百万像素输入图片)
3、将图像帧转换成亮度色彩空间图片，即从RGB转成YUV
4、利用帐篷卷积滤波器，进行卷积滤波。
5、下采样，生成64x64采样图片
6、同样在64x64采样图片上，进行二维离散余弦变换(DCT)，并在X和Y方向上保留1-16个时隙；从16x16 DCT输出中，计算变换空间中的中值。
7、对于输出哈希的每个16x16位，如果变换空间的对应元素大于中位数，则发出1，否则发出0；最后得到256位的hash值。
8、从右下角向左上角读取二进制数值。
9、将二进制数值转换成十六进制数值，得到了哈希值。
10、计算相邻图片hash的汉明距离，在一定阈值内(通常0-32)认为是相似图片。
进一步参考图4，其示出了视频倍速播放的方法的又一个实施例的流程400。该视频倍速播放的方法的流程400，包括以下步骤：
步骤401，将视频分离成图像流和音频流。
步骤402，在图像流中每个单元时间内按预定比例丢弃相似的图像帧，得到新图像流。
步骤403，对音频流进行分帧，得到音频帧集合。
步骤401-403与步骤201-203基本相同，因此不再赘述。
步骤404，对于每个音频帧，对该音频帧进行加窗处理，得到第一帧。从音频帧集合中在第一范围内选取相位参数与第一帧对齐的第二帧，从音频帧集合中在第二范围内中查找与第二帧最相似的第三帧，将第三帧进行加窗处理，得到信号帧，并根据指定的倍速值将该音频帧和信号帧按相应比例进行叠加，得到新音频流。
在本实施例中，如图3c所示，音频相似检测-WSOLA波形相似叠加算法：
a)在原始音频中取出第一帧x′m，然后对该帧进行加窗，输出到y信号上，得到ym。
b)在与x′m相距Hs处找到与x′m相位参数相同的第二帧
c)在与x′m相距Ha处找到一帧xm+1，在以xm+1为中心，两边延伸Δmax的区域中找到与/>最相似的第三帧x′m+1。
d)对第三帧x′m+1加窗后输出到y信号上，得到ym+1。将ym与ym+1在Hs处进行叠加。
倍速值＝Ha/Hs，Hs固定，通常为帧长的一半，倍速值用来控制输出信号是快还是慢，当倍速值小于1时，输出信号变慢，否则是变快。
叠加后的效果如图3d所示。
步骤405，将新图像流和新音频流合并在一起，形成倍速后的视频。
步骤405与步骤204基本相同，因此不再赘述。
从图4中可以看出，与图2对应的实施例相比，本实施例中的视频倍速播放的方法的流程400体现了采用WSOLA(波形相似叠加)算法进行音频帧合并的步骤。由此，本实施例描述的方案可以实现音频的变速不变调的技术效果。并且算法效果高，不会消耗过多的资源，在性能差的设备上也能有很好的效果。
进一步参考图5，作为对上述各图所示方法的实现，本公开提供了一种视频倍速播放的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图5所示，本实施例的视频倍速播放的装置500包括：分离单元501、丢弃单元502、叠加单元503和合并单元504。其中，分离单元501，被配置成将视频分离成图像流和音频流；丢弃单元502，被配置成在图像流中每个单元时间内按预定比例丢弃相似的图像帧，得到新图像流；叠加单元503，被配置成将所述音频流分帧得到的音频帧集合中相似的音频帧按预定比例进行叠加，得到新音频流；合并单元504，被配置成将所述新图像流和所述新音频流合并在一起，形成倍速后的视频。
在本实施例中，视频倍速播放的装置500的分离单元501、丢弃单元502、叠加单元503和合并单元504的具体处理可以参考图2对应实施例中的步骤201-204。
在本实施例的一些可选的实现方式中，所述丢弃单元502进一步被配置成：对所述图像流中每个单位时间内的图像帧进行相似度计算，并将相似度高于预定阈值的图像帧分为一组，得到至少一组图像帧子集；根据指定的倍速值从每组图像帧子集中选择相应比例的图像帧进行丢弃，得到新图像流。
在本实施例的一些可选的实现方式中所述叠加单元503进一步被配置成：将所述音频流进行分帧，得到音频帧集合；对于每个音频帧，从所述音频帧集合中寻找该音频帧的下一个最相似的信号帧，并根据指定的倍速值将该音频帧和信号帧按相应比例进行叠加，得到新音频流。
在本实施例的一些可选的实现方式中，所述丢弃单元502进一步被配置成：将所述图像流中的图像帧转换成灰度图；计算每个灰度图的哈希值；对于每个单位时间内的灰度图，计算相邻灰度图的哈希值之间的距离作为相邻灰度图之间的相似度。
在本实施例的一些可选的实现方式中，所述装置500还包括缩放单元(附图中未示出)，被配置成：在将所述图像流中的图像帧转换成灰度图之前，将所述图像流中的图像帧缩小到预定尺寸。
在本实施例的一些可选的实现方式中，所述丢弃单元502进一步被配置成：对于每个灰度图，计算该灰度图中所有像素点的灰度值的平均值，将该灰度图中灰度值大于平均值的像素点记录为1，其余像素点记录为0，得到该灰度图的哈希值。
在本实施例的一些可选的实现方式中，所述丢弃单元502进一步被配置成：对于每个灰度图，进行二维离散余弦变换并保留预定大小的低频矩阵，将所述低频矩阵中大于0的元素记录为1，其余元素记录为0，得到该灰度图的哈希值。
在本实施例的一些可选的实现方式中，所述丢弃单元502进一步被配置成：对于每个灰度图，进行二维离散余弦变换并保留预定大小的低频矩阵，计算所述低频矩阵中所有元素的中间值，将所述低频矩阵中大于中间值的元素记录为1，其余元素记录为0，得到该灰度图的哈希值。
在本实施例的一些可选的实现方式中，所述装置500还包括下采样单元(附图中未示出)，被配置成：在所述计算每个灰度图的哈希值之前，对每个灰度图进行下采样，生成64x64采样图片。
在本实施例的一些可选的实现方式中，所述下采样单元进一步被配置成：利用帐篷卷积滤波器对每个灰度图进行下采样，生成64x64采样图片。
在本实施例的一些可选的实现方式中，所述叠加单元503进一步被配置成：对该音频帧进行加窗处理，得到第一帧；从所述音频帧集合中在第一范围内选取相位参数与所述第一帧对齐的第二帧；从所述音频帧集合中在第二范围内中查找与所述第二帧最相似的第三帧；将所述第三帧进行加窗处理，得到信号帧。
本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行流程200或400所述的方法。
一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行流程200或400所述的方法。
一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现流程200或400所述的方法。
图6示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图6所示，设备600包括计算单元601，其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序，来执行各种适当的动作和处理。在RAM 603中，还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
设备600中的多个部件连接至I/O接口605，包括：输入单元606，例如键盘、鼠标等；输出单元607，例如各种类型的显示器、扬声器等；存储单元608，例如磁盘、光盘等；以及通信单元609，例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理，例如视频倍速播放的方法。例如，在一些实施例中，视频倍速播放的方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元608。在一些实施例中，计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时，可以执行上文描述的视频倍速播放的方法的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行视频倍速播放的方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
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。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (25)

1.一种视频倍速播放的方法，包括：
将视频分离成图像流和音频流；
在图像流中每个单元时间内按预定比例丢弃相似的图像帧，得到新图像流；
将所述音频流分帧得到的音频帧集合中相似的音频帧按预定比例进行叠加，得到新音频流；
将所述新图像流和所述新音频流合并在一起，形成倍速后的视频。
2.根据权利要求1所述的方法，其中，所述在图像流中每个单元时间内按预定比例丢弃相似的图像帧，得到新图像流，包括：
对所述图像流中每个单位时间内的图像帧进行相似度计算，并将相似度高于预定阈值的图像帧分为一组，得到至少一组图像帧子集；
根据指定的倍速值从每组图像帧子集中选择相应比例的图像帧进行丢弃，得到新图像流。
3.根据权利要求1所述的方法，其中，所述将所述音频流分帧得到的音频帧集合中相似的音频帧按预定比例进行叠加，得到新音频流，包括：
将所述音频流进行分帧，得到音频帧集合；
对于每个音频帧，从所述音频帧集合中寻找该音频帧的下一个最相似的信号帧，并根据指定的倍速值将该音频帧和信号帧按相应比例进行叠加，得到新音频流。
4.根据权利要求2所述的方法，其中，所述对所述图像流中每个单位时间内的图像帧进行相似度计算，包括：
将所述图像流中的图像帧转换成灰度图；
计算每个灰度图的哈希值；
对于每个单位时间内的灰度图，计算相邻灰度图的哈希值之间的距离作为相邻灰度图之间的相似度。
5.根据权利要求4所述的方法，其中，在将所述图像流中的图像帧转换成灰度图之前，所述方法还包括：
将所述图像流中的图像帧缩小到预定尺寸。
6.根据权利要求4所述的方法，其中，所述计算每个灰度图的哈希值，包括：
对于每个灰度图，计算该灰度图中所有像素点的灰度值的平均值，将该灰度图中灰度值大于平均值的像素点记录为1，其余像素点记录为0，得到该灰度图的哈希值。
7.根据权利要求4所述的方法，其中，所述计算每个灰度图的哈希值，包括：
对于每个灰度图，进行二维离散余弦变换并保留预定大小的低频矩阵，将所述低频矩阵中大于0的元素记录为1，其余元素记录为0，得到该灰度图的哈希值。
8.根据权利要求4所述的方法，其中，所述计算每个灰度图的哈希值，包括：
对于每个灰度图，进行二维离散余弦变换并保留预定大小的低频矩阵，计算所述低频矩阵中所有元素的中间值，将所述低频矩阵中大于中间值的元素记录为1，其余元素记录为0，得到该灰度图的哈希值。
9.根据权利要求4-8中任一项所述的方法，其中，在所述计算每个灰度图的哈希值之前，所述方法还包括：
对每个灰度图进行下采样，生成64x64采样图片。
10.根据权利要求9所述的方法，其中，所述对每个灰度图进行下采样，包括：
利用帐篷卷积滤波器对每个灰度图进行下采样，生成64x64采样图片。
11.根据权利要求3所述的方法，所述从所述音频帧集合中寻找该音频帧的下一个最相似的信号帧，包括：
对该音频帧进行加窗处理，得到第一帧；
从所述音频帧集合中在第一范围内选取相位参数与所述第一帧对齐的第二帧；
从所述音频帧集合中在第二范围内中查找与所述第二帧最相似的第三帧；
将所述第三帧进行加窗处理，得到信号帧。
12.一种视频倍速播放的装置，包括：
分离单元，被配置成将视频分离成图像流和音频流；
丢弃单元，被配置成在图像流中每个单元时间内按预定比例丢弃相似的图像帧，得到新图像流；
叠加单元，被配置成将所述音频流分帧得到的音频帧集合中相似的音频帧按预定比例进行叠加，得到新音频流；
合并单元，被配置成将所述新图像流和所述新音频流合并在一起，形成倍速后的视频。
13.根据权利要求12所述的装置，其中，所述丢弃单元进一步被配置成：
对所述图像流中每个单位时间内的图像帧进行相似度计算，并将相似度高于预定阈值的图像帧分为一组，得到至少一组图像帧子集；
根据指定的倍速值从每组图像帧子集中选择相应比例的图像帧进行丢弃，得到新图像流。
14.根据权利要求12所述的装置，其中，所述叠加单元进一步被配置成：
将所述音频流进行分帧，得到音频帧集合；
对于每个音频帧，从所述音频帧集合中寻找该音频帧的下一个最相似的信号帧，并根据指定的倍速值将该音频帧和信号帧按相应比例进行叠加，得到新音频流。
15.根据权利要求13所述的装置，其中，所述丢弃单元进一步被配置成：
将所述图像流中的图像帧转换成灰度图；
计算每个灰度图的哈希值；
对于每个单位时间内的灰度图，计算相邻灰度图的哈希值之间的距离作为相邻灰度图之间的相似度。
16.根据权利要求15所述的装置，其中，所述装置还包括缩放单元，被配置成：
在将所述图像流中的图像帧转换成灰度图之前，将所述图像流中的图像帧缩小到预定尺寸。
17.根据权利要求15所述的装置，其中，所述丢弃单元进一步被配置成：
对于每个灰度图，计算该灰度图中所有像素点的灰度值的平均值，将该灰度图中灰度值大于平均值的像素点记录为1，其余像素点记录为0，得到该灰度图的哈希值。
18.根据权利要求15所述的装置，其中，所述丢弃单元进一步被配置成：
对于每个灰度图，进行二维离散余弦变换并保留预定大小的低频矩阵，将所述低频矩阵中大于0的元素记录为1，其余元素记录为0，得到该灰度图的哈希值。
19.根据权利要求15所述的装置，其中，所述丢弃单元进一步被配置成：
对于每个灰度图，进行二维离散余弦变换并保留预定大小的低频矩阵，计算所述低频矩阵中所有元素的中间值，将所述低频矩阵中大于中间值的元素记录为1，其余元素记录为0，得到该灰度图的哈希值。
20.根据权利要求15-19中任一项所述的装置，其中，所述装置还包括下采样单元，被配置成：
在所述计算每个灰度图的哈希值之前，对每个灰度图进行下采样，生成64x64采样图片。
21.根据权利要求20所述的装置，其中，所述下采样单元进一步被配置成：
利用帐篷卷积滤波器对每个灰度图进行下采样，生成64x64采样图片。
22.根据权利要求14所述的装置，所述叠加单元进一步被配置成：
对该音频帧进行加窗处理，得到第一帧；
从所述音频帧集合中在第一范围内选取相位参数与所述第一帧对齐的第二帧；
从所述音频帧集合中在第二范围内中查找与所述第二帧最相似的第三帧；
将所述第三帧进行加窗处理，得到信号帧。
23.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-11中任一项所述的方法。
24.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-11中任一项所述的方法。
25.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-11中任一项所述的方法。
CN202311412211.1A 2023-10-27 2023-10-27 视频倍速播放的方法和装置 Pending CN117478964A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311412211.1A CN117478964A (zh) 2023-10-27 2023-10-27 视频倍速播放的方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311412211.1A CN117478964A (zh) 2023-10-27 2023-10-27 视频倍速播放的方法和装置

Publications (1)

Publication Number Publication Date
CN117478964A true CN117478964A (zh) 2024-01-30

Family

ID=89637156

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311412211.1A Pending CN117478964A (zh) 2023-10-27 2023-10-27 视频倍速播放的方法和装置

Country Status (1)

Country Link
CN (1) CN117478964A (zh)

Similar Documents

Publication Publication Date Title
US20210274251A1 (en) Video Processing Method, Electronic Device and Computer-Readable Medium
WO2020253766A1 (zh) 图片生成方法、装置、电子设备及存储介质
US11418832B2 (en) Video processing method, electronic device and computer-readable storage medium
Huang et al. A new hardware-efficient algorithm and reconfigurable architecture for image contrast enhancement
EP3917131A1 (en) Image deformation control method and device and hardware device
WO2023035531A1 (zh) 文本图像超分辨率重建方法及其相关设备
WO2023005140A1 (zh) 视频数据处理方法、装置、设备以及存储介质
CN111836118B (zh) 视频处理方法、装置、服务器及存储介质
CN112954450A (zh) 视频处理方法、装置、电子设备和存储介质
CN115022679B (zh) 视频处理方法、装置、电子设备和介质
WO2020108060A1 (zh) 视频处理方法、装置、电子设备以及存储介质
WO2019127940A1 (zh) 视频分类模型训练方法、装置、存储介质及电子设备
WO2022218042A1 (zh) 视频处理方法、装置、视频播放器、电子设备及可读介质
CN113923378B (zh) 视频处理方法、装置、设备及存储介质
CN112989112B (zh) 在线课堂内容采集方法及装置
CN112785669B (zh) 一种虚拟形象合成方法、装置、设备及存储介质
CN111696034B (zh) 图像处理方法、装置及电子设备
CN117115713A (zh) 动态图像生成方法及其装置、设备、介质
JP2018206292A (ja) 要約映像生成装置及びプログラム
CN113905177B (zh) 视频生成方法、装置、设备及存储介质
CN113282770A (zh) 一种多媒体推荐系统及方法
CN117478964A (zh) 视频倍速播放的方法和装置
CN113240780B (zh) 生成动画的方法和装置
JP2023539273A (ja) 対象の追加方式を決定するための方法、装置、電子機器及び媒体
CN113409199A (zh) 图像处理方法、装置、电子设备及计算机可读介质

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