JP7079294B2 - 動画ブレの検出方法及び装置 - Google Patents
動画ブレの検出方法及び装置 Download PDFInfo
- Publication number
- JP7079294B2 JP7079294B2 JP2020134860A JP2020134860A JP7079294B2 JP 7079294 B2 JP7079294 B2 JP 7079294B2 JP 2020134860 A JP2020134860 A JP 2020134860A JP 2020134860 A JP2020134860 A JP 2020134860A JP 7079294 B2 JP7079294 B2 JP 7079294B2
- Authority
- JP
- Japan
- Prior art keywords
- moving image
- subset
- sample
- video
- evaluation value
- 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.)
- Active
Links
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
- H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
- H04N21/44204—Monitoring of content usage, e.g. the number of times a movie has been viewed, copied or the amount which has been watched
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N17/00—Diagnosis, testing or measuring for television systems or their details
- H04N17/004—Diagnosis, testing or measuring for television systems or their details for digital television systems
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
- H04L43/0852—Delays
- H04L43/087—Jitter
-
- 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
- H04N21/4302—Content synchronisation processes, e.g. decoder synchronisation
-
- 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
- H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
- H04N21/4662—Learning process for intelligent management, e.g. learning user preferences for recommending movies characterized by learning algorithms
- H04N21/4666—Learning process for intelligent management, e.g. learning user preferences for recommending movies characterized by learning algorithms using neural networks, e.g. processing the feedback provided by the user
-
- 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
- H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
- H04N21/4667—Processing of monitored end-user data, e.g. trend analysis based on the log file of viewer selections
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/14—Picture signal circuitry for video frequency region
- H04N5/144—Movement detection
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Multimedia (AREA)
- Databases & Information Systems (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Artificial Intelligence (AREA)
- Environmental & Geological Engineering (AREA)
- Evolutionary Computation (AREA)
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
- Studio Devices (AREA)
- Image Analysis (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Description
動画を取得することと、
前記動画を検出モデルに入力し、前記動画のブレの程度を示すための前記動画の評価値を得ることと、を含み、前記検出モデルは動画サンプルセット中の動画サンプルを入力とし、前記動画サンプルセット中の動画サンプルの評価値を出力として、トレーニングして得られたモデルである。
前記動画の時間の長さを取得することと、
前記時間の長さがプリセット時間の長さより大きければ、前記動画から、時間の長さが前記プリセット時間の長さに等しい第1の動画を取得することと、を含み、
前記動画を検出モデルに入力することは、
前記第1の動画を検出モデルに入力することを含む。
前記動画の開始時刻から、前記動画から前記第1の動画を取得すること、又は
前記動画から複数の短い動画を取得し、前記複数の短い動画の間に時間間隔が置かれ、前記複数の短い動画を接続した後に、前記第1の動画とすることを含む。
前記動画を検出モデルに入力する前に、さらに、
前記検出モデルをトレーニングすることを含み、
前記検出モデルをトレーニングすることは、
前記第1のサブセット中の動画サンプルを入力とし、前記第1のサブセット中の動画サンプルの評価値を出力として、トレーニングして第1のモデルを得ることと、
前記第2のサブセット中の動画サンプルを前記第1のモデルに入力し、前記第2のサブセット中の動画サンプルの評価値を得ることと、
前記第2のサブセット中の評価値が第1の数値より大きい動画サンプルに対して評価値の人工補正を行うことにより、補正後の第2のサブセットを取得することであって、前記補正後の第2のサブセット中の動画サンプルに評価値が付けられている、取得することと、
前記第1のサブセット中の動画サンプル及び前記補正後の第2のサブセット中の動画サンプルを入力とし、前記第1のサブセット中の動画サンプル及び前記補正後の第2のサブセット中の動画サンプルにそれぞれ対応する評価値を出力として、トレーニングして前記検出モデルを得ることと、を含む。
前記第3のサブセット中の動画サンプルを前記検出モデルに入力し、前記第3のサブセット中の動画サンプルの評価値を得ることと、
前記第3のサブセットから、前記検出モデルにより得られた評価値が第2の数値より大きく、且つ評価値の人工補正により得られた評価値が前記第2の数値より小さい第3の数値より小さい動画サンプルである校正サンプルを取得することと、
前記第1のサブセット中の動画サンプル、前記補正後の第2のサブセット中の動画サンプル及び前記校正サンプルを入力とし、前記第1のサブセット中の動画サンプル、前記補正後の第2のサブセット中の動画サンプル及び前記校正サンプルにそれぞれ対応する評価値を出力として、前記検出モデルをトレーニングすることにより前記検出モデルを補正することとをさらに含む。
動画を取得するための取得モジュールと、
前記動画を検出モデルに入力し、前記動画のブレの程度を示すための前記動画の評価値を得るための検出モジュールと、を含み、前記検出モデルは動画サンプルセット中の動画サンプルを入力とし、前記動画サンプルセット中の動画サンプルの評価値を出力として、トレーニングして得られたモデルである。
前記動画の時間の長さを取得し、
前記時間の長さがプリセット時間の長さより大きければ、前記動画から、時間の長さが前記プリセット時間の長さに等しい第1の動画を取得するために用いられ、
前記検出モジュールは、具体的に、前記第1の動画を検出モデルに入力するために用いられる。
前記動画の開始時刻から、前記動画から前記第1の動画を取得するか、又は
前記動画から複数の短い動画を取得し、前記複数の短い動画の間に時間間隔が置かれ、前記複数の短い動画を接続した後に、前記第1の動画とするために用いられる。
トレーニングモジュールをさらに含み、前記トレーニングモジュールは、
前記第1のサブセット中の動画サンプルを入力とし、前記第1のサブセット中の動画サンプルの評価値を出力として、トレーニングして第1のモデルを得て、
前記第2のサブセット中の動画サンプルを前記第1のモデルに入力し、前記第2のサブセット中の動画サンプルの評価値を得て、
前記第2のサブセット中の評価値が第1の数値より大きい動画サンプルに対して評価値の人工補正を行うことにより、補正後の第2のサブセットを取得し、前記補正後の第2のサブセット中の動画サンプルに評価値が付けられており、
前記第1のサブセット中の動画サンプル及び前記補正後の第2のサブセット中の動画サンプルを入力とし、前記第1のサブセット中の動画サンプル及び前記補正後の第2のサブセット中の動画サンプルにそれぞれ対応する評価値を出力として、トレーニングして前記検出モデルを得るために用いられる。
評価値が付けられていない複数の動画サンプルを含む第3のサブセットを取得し、
前記第3のサブセット中の動画サンプルを前記検出モデルに入力し、前記第3のサブセット中の動画サンプルの評価値を得て、
前記第3のサブセットから、前記検出モデルにより得られた評価値が第2の数値より大きく、且つ評価値の人工補正により得られた評価値が前記第2の数値より小さい第3の数値より小さい動画サンプルである校正サンプルを取得し、
前記第1のサブセット中の動画サンプル、前記補正後の第2のサブセット中の動画サンプル及び前記校正サンプルを入力とし、前記第1のサブセット中の動画サンプル、前記補正後の第2のサブセット中の動画サンプル及び前記校正サンプルにそれぞれ対応する評価値を出力として、前記検出モデルをトレーニングすることにより前記検出モデルを補正するために用いられる。
前記メモリは、プログラムコマンドを記憶するために用いられ、
前記プロセッサは、前記メモリに記憶された前記プログラムコマンドを呼び出して本発明の第1の態様のいずれかの実施形態にて提供される方法を実施するために用いられる。
第1のサブセット中の1000個の動画サンプルを入力とし、この1000個の動画サンプルにそれぞれ対応する評価値を出力として、トレーニングして第1のモデルを得る。次に、第2のサブセット中の1.6万個の動画サンプルを第1のモデルに入力し、この1.6万個の動画サンプルにそれぞれ対応する評価値を得る。続いて、第2のサブセットに対応する補正後の第2のサブセットを取得する。具体的には、人工補正の方式により、第2のサブセット中の評価値が第1の数値より大きい動画サンプルに対して評価値の人工補正を行う。説明の便宜上、第2のサブセット中の動画サンプルの評価値に対して、第1のモデルにより得られた評価値を評価値P1として表し、人工補正の方式により得られた評価値を評価値P2として表す。例えば、第1の数値は0.7である。第2のサブセット中の動画サンプル1の評価値P1は0.8である。動画サンプル1に対して人工補正を行うことにより、動画サンプル1の評価値P2が得られ、0.6であることが可能である。最後に、第1のサブセット中の1000個の動画サンプル及び補正後の第2のサブセット中の1.6万個の動画サンプルを入力とし、各動画サンプルの評価値を出力として、トレーニングして検出モデルを得る。
評価値が付けられていない複数の動画サンプルを含む第3のサブセットを取得することと、
第3のサブセット中の動画サンプルを検出モデルに入力し、第3のサブセット中の動画サンプルの評価値を得ることと、
第3のサブセットから、検出モデルにより得られた評価値が第2の数値より大きく、且つ評価値の人工補正により得られた評価値が第2の数値より小さい第3の数値より小さい動画サンプルである校正サンプルを取得することと、
第1のサブセット中の動画サンプル、補正後の第2のサブセット中の動画サンプル及び校正サンプルを入力とし、第1のサブセット中の動画サンプル、補正後の第2のサブセット中の動画サンプル及び校正サンプルにそれぞれ対応する評価値を出力として、検出モデルをトレーニングすることにより検出モデルを補正することとを含む。
第3のサブセット中の1万個の動画サンプルを検出モデルに入力し、この1万個の動画サンプルにそれぞれ対応する評価値を得る。第3のサブセットから校正サンプルを取得する。具体的には、第3のサブセット中の検出モデルにより得られた評価値が第2の数値より大きい動画サンプルに対して人工補正を行う。説明の便宜上、第3のサブセット中の動画サンプルの評価値に対して、検出モデルにより得られた評価値を評価値Q1として表し、人工補正の方式により得られた評価値を評価値Q2として表す。例えば、第2の数値は0.7である。第3のサブセット中の動画サンプル1の評価値Q1は0.8である。動画サンプル1に対して人工補正を行うことにより、動画サンプル1の評価値Q2が得られ、0.6であることが可能である。動画サンプル1が校正サンプルである。校正サンプルの数は2000個であると仮定する。最後に、第1のサブセット中の1000個の動画サンプル、補正後の第2のサブセット中の1.6万個の動画サンプル及び2000個の校正サンプルを入力とし、各動画サンプルの評価値を出力として、検出モデルをトレーニングすることにより検出モデルを補正する。
動画を取得するための取得モジュール31と、
前記動画を検出モデルに入力し、前記動画のブレの程度を示すための前記動画の評価値を得るための検出モジュール32と、を含み、ただし、前記検出モデルは動画サンプルセット中の動画サンプルを入力とし、前記動画サンプルセット中の動画サンプルの評価値を出力として、トレーニングして得られたモデルである。
前記動画の時間の長さを取得し、
前記時間の長さがプリセット時間の長さより大きければ、前記動画から、時間の長さが前記プリセット時間の長さに等しい第1の動画を取得するために用いられる。
前記検出モジュール32は、具体的に、前記第1の動画を検出モデルに入力するために用いられる。
前記動画の開始時刻から、前記動画から前記第1の動画を取得するか、又は、
前記動画から複数の短い動画を取得し、前記複数の短い動画の間に時間間隔が置かれ、前記複数の短い動画を接続した後に、前記第1の動画とするために用いられる。
トレーニングモジュールをさらに含み、前記トレーニングモジュールは、
前記第1のサブセット中の動画サンプルを入力とし、前記第1のサブセット中の動画サンプルの評価値を出力として、トレーニングして第1のモデルを得て、
前記第2のサブセット中の動画サンプルを前記第1のモデルに入力し、前記第2のサブセット中の動画サンプルの評価値を得て、
前記第2のサブセット中の評価値が第1の数値より大きい動画サンプルに対して評価値の人工補正を行うことにより、補正後の第2のサブセットを取得し、前記補正後の第2のサブセット中の動画サンプルに評価値が付けられており、
前記第1のサブセット中の動画サンプル及び前記補正後の第2のサブセット中の動画サンプルを入力とし、前記第1のサブセット中の動画サンプル及び前記補正後の第2のサブセット中の動画サンプルにそれぞれ対応する評価値を出力として、トレーニングして前記検出モデルを得るために用いられる。
評価値が付けられていない複数の動画サンプルを含む第3のサブセットを取得し、
前記第3のサブセット中の動画サンプルを前記検出モデルに入力し、前記第3のサブセット中の動画サンプルの評価値を得て、
前記第3のサブセットから、前記検出モデルにより得られた評価値が第2の数値より大きく、且つ評価値の人工補正により得られた評価値が前記第2の数値より小さい第3の数値より小さい動画サンプルである校正サンプルを取得し、
前記第1のサブセット中の動画サンプル、前記補正後の第2のサブセット中の動画サンプル及び前記校正サンプルを入力とし、前記第1のサブセット中の動画サンプル、前記補正後の第2のサブセット中の動画サンプル及び前記校正サンプルにそれぞれ対応する評価値を出力として、前記検出モデルをトレーニングすることにより前記検出モデルを補正するために用いられる。
Claims (14)
- 動画を取得することと、
前記動画を検出モデルに入力し、前記動画のブレの程度を示すための前記動画の評価値を得ることと、を含み、
前記検出モデルは動画サンプルセット中の動画サンプルを入力とし、前記動画サンプルセット中の動画サンプルの評価値を出力として、トレーニングして得られたモデルであり、
前記動画サンプルセットは第1のサブセット及び第2のサブセットを含み、前記第1のサブセットに含まれる動画サンプルに評価値が付けられており、前記第2のサブセットに含まれる動画サンプルに評価値が付けられていないことを特徴とする、動画ブレの検出方法。 - 前記動画を検出モデルに入力する前に、さらに、
前記動画の時間の長さを取得することと、
前記時間の長さがプリセット時間の長さより大きければ、前記動画から、時間の長さが前記プリセット時間の長さに等しい第1の動画を取得することと、を含み、
前記動画を検出モデルに入力することは、
前記第1の動画を検出モデルに入力することを含むことを特徴とする、請求項1に記載の動画ブレの検出方法。 - 前記動画から第1の動画を取得することは、
前記動画の開始時刻から、前記動画から前記第1の動画を取得すること、又は
前記動画から複数の短い動画を取得し、前記複数の短い動画の間に時間間隔が置かれ、前記複数の短い動画を接続した後に、前記第1の動画とすることを含むことを特徴とする、請求項2に記載の動画ブレの検出方法。 - 前記動画を検出モデルに入力する前に、さらに、
前記検出モデルをトレーニングすることを含み、
前記検出モデルをトレーニングすることは、
前記第1のサブセット中の動画サンプルを入力とし、前記第1のサブセット中の動画サンプルの評価値を出力として、トレーニングして第1のモデルを得ることと、
前記第2のサブセット中の動画サンプルを前記第1のモデルに入力し、前記第2のサブセット中の動画サンプルの評価値を得ることと、
前記第2のサブセット中の評価値が第1の数値より大きい動画サンプルに対して評価値の人工補正を行うことにより、補正後の第2のサブセットを取得することであって、前記補正後の第2のサブセット中の動画サンプルに評価値が付けられている、取得することと、
前記第1のサブセット中の動画サンプル及び前記補正後の第2のサブセット中の動画サンプルを入力とし、前記第1のサブセット中の動画サンプル及び前記補正後の第2のサブセット中の動画サンプルにそれぞれ対応する評価値を出力として、トレーニングして前記検出モデルを得ることと、を含むことを特徴とする、請求項1から請求項3のいずれか一項に記載の動画ブレの検出方法。 - 評価値が付けられていない複数の動画サンプルを含む第3のサブセットを取得することと、
前記第3のサブセット中の動画サンプルを前記検出モデルに入力し、前記第3のサブセット中の動画サンプルの評価値を得ることと、
前記第3のサブセットから、前記検出モデルにより得られた評価値が第2の数値より大きく、且つ評価値の人工補正により得られた評価値が前記第2の数値より小さい第3の数値より小さい動画サンプルである校正サンプルを取得することと、
前記第1のサブセット中の動画サンプル、前記補正後の第2のサブセット中の動画サンプル及び前記校正サンプルを入力とし、前記第1のサブセット中の動画サンプル、前記補正後の第2のサブセット中の動画サンプル及び前記校正サンプルにそれぞれ対応する評価値を出力として、前記検出モデルをトレーニングすることにより前記検出モデルを補正することと、をさらに含むことを特徴とする、請求項4に記載の動画ブレの検出方法。 - 前記第1のサブセットに含まれる動画サンプルの数は前記第2のサブセットに含まれる動画サンプルの数より小さいことを特徴とする、請求項4に記載の動画ブレの検出方法。
- 動画を取得するための取得モジュールと、
前記動画を検出モデルに入力し、前記動画のブレの程度を示すための前記動画の評価値を得るための検出モジュールと、を含み、
前記検出モデルは動画サンプルセット中の動画サンプルを入力とし、前記動画サンプルセット中の動画サンプルの評価値を出力として、トレーニングして得られたモデルであり、
前記動画サンプルセットは第1のサブセット及び第2のサブセットを含み、前記第1のサブセットに含まれる動画サンプルに評価値が付けられており、前記第2のサブセットに含まれる動画サンプルに評価値が付けられていないことを特徴とする、動画ブレの検出装置。 - 前記取得モジュールはさらに、
前記動画の時間の長さを取得し、
前記時間の長さがプリセット時間の長さより大きければ、前記動画から、時間の長さが前記プリセット時間の長さに等しい第1の動画を取得するために用いられ、
前記検出モジュールは、前記第1の動画を検出モデルに入力するために用いられることを特徴とする、請求項7に記載の動画ブレの検出装置。 - 前記取得モジュールは、
前記動画の開始時刻から、前記動画から前記第1の動画を取得するか、又は
前記動画から複数の短い動画を取得し、前記複数の短い動画の間に時間間隔が置かれ、前記複数の短い動画を接続した後に、前記第1の動画とするために用いられることを特徴とする、請求項8に記載の動画ブレの検出装置。 - トレーニングモジュールをさらに含み、前記トレーニングモジュールは、
前記第1のサブセット中の動画サンプルを入力とし、前記第1のサブセット中の動画サンプルの評価値を出力として、トレーニングして第1のモデルを得て、
前記第2のサブセット中の動画サンプルを前記第1のモデルに入力し、前記第2のサブセット中の動画サンプルの評価値を得て、
前記第2のサブセット中の評価値が第1の数値より大きい動画サンプルに対して評価値の人工補正を行うことにより、補正後の第2のサブセットを取得し、前記補正後の第2のサブセット中の動画サンプルに評価値が付けられており、
前記第1のサブセット中の動画サンプル及び前記補正後の第2のサブセット中の動画サンプルを入力とし、前記第1のサブセット中の動画サンプル及び前記補正後の第2のサブセット中の動画サンプルにそれぞれ対応する評価値を出力として、トレーニングして前記検出モデルを得るために用いられることを特徴とする、請求項7から請求項9のいずれか一項に記載の動画ブレの検出装置。 - 前記トレーニングモジュールはさらに、
評価値が付けられていない複数の動画サンプルを含む第3のサブセットを取得し、
前記第3のサブセット中の動画サンプルを前記検出モデルに入力し、前記第3のサブセット中の動画サンプルの評価値を得て、
前記第3のサブセットから、前記検出モデルにより得られた評価値が第2の数値より大きく、且つ評価値の人工補正により得られた評価値が前記第2の数値より小さい第3の数値より小さい動画サンプルである校正サンプルを取得し、
前記第1のサブセット中の動画サンプル、前記補正後の第2のサブセット中の動画サンプル及び前記校正サンプルを入力とし、前記第1のサブセット中の動画サンプル、前記補正後の第2のサブセット中の動画サンプル及び前記校正サンプルにそれぞれ対応する評価値を出力として、前記検出モデルをトレーニングすることにより前記検出モデルを補正するために用いられることを特徴とする、請求項10に記載の動画ブレの検出装置。 - 前記第1のサブセットに含まれる動画サンプルの数は前記第2のサブセットに含まれる動画サンプルの数より小さいことを特徴とする、請求項10に記載の動画ブレの検出装置。
- メモリと、プロセッサとを含み、
前記メモリは、プログラムコマンドを記憶するために用いられ、
前記プロセッサは、前記メモリに記憶された前記プログラムコマンドを呼び出して請求項1から請求項6のいずれか一項に記載の動画ブレの検出方法を実施するために用いられることを特徴とする、動画ブレの検出装置。 - 可読記憶媒体と、コンピュータプログラムとを含み、前記コンピュータプログラムは請求項1から請求項6のいずれか一項に記載の動画ブレの検出方法を実施するために用いられることを特徴とする、コンピュータ可読記憶媒体。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911310784.7A CN110971895B (zh) | 2019-12-18 | 2019-12-18 | 视频抖动检测方法和装置 |
CN201911310784.7 | 2019-12-18 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021089711A JP2021089711A (ja) | 2021-06-10 |
JP7079294B2 true JP7079294B2 (ja) | 2022-06-01 |
Family
ID=70034970
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020134860A Active JP7079294B2 (ja) | 2019-12-18 | 2020-08-07 | 動画ブレの検出方法及び装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11546577B2 (ja) |
EP (1) | EP3817392A1 (ja) |
JP (1) | JP7079294B2 (ja) |
CN (1) | CN110971895B (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012015102A1 (ko) * | 2010-07-30 | 2012-02-02 | 한국전력공사 | 케이블의 고장점 탐지 장치 및 방법 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114401395A (zh) * | 2021-12-30 | 2022-04-26 | 中铁第四勘察设计院集团有限公司 | 一种基于视频智能分析检测摄像机安装松旷的方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110193978A1 (en) | 2010-02-11 | 2011-08-11 | Microsoft Corporation | Generic platform video image stabilization |
WO2015025704A1 (ja) | 2013-08-23 | 2015-02-26 | 日本電気株式会社 | 映像処理装置、映像処理方法および映像処理プログラム |
JP2016143351A (ja) | 2015-02-04 | 2016-08-08 | エヌ・ティ・ティ・コムウェア株式会社 | 学習装置、学習方法、およびプログラム |
JP2017098637A (ja) | 2015-11-18 | 2017-06-01 | カシオ計算機株式会社 | 画像特定装置、画像特定方法及びプログラム |
JP2019003585A (ja) | 2017-06-20 | 2019-01-10 | 日本放送協会 | 要約映像生成装置およびそのプログラム |
JP2019152964A (ja) | 2018-03-01 | 2019-09-12 | コニカミノルタ株式会社 | 学習方法および学習装置 |
Family Cites Families (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1176546C (zh) * | 1999-07-09 | 2004-11-17 | 松下电器产业株式会社 | 图像质量修正装置 |
US9160897B2 (en) * | 2007-06-14 | 2015-10-13 | Fotonation Limited | Fast motion estimation method |
US20150341812A1 (en) * | 2003-08-29 | 2015-11-26 | Ineoquest Technologies, Inc. | Video quality monitoring |
CN102421008A (zh) * | 2011-12-07 | 2012-04-18 | 浙江捷尚视觉科技有限公司 | 视频质量智能检测系统 |
US9854168B2 (en) * | 2014-03-07 | 2017-12-26 | Futurewei Technologies, Inc. | One-pass video stabilization |
CN104410855A (zh) * | 2014-11-05 | 2015-03-11 | 广州中国科学院先进技术研究所 | 一种监控视频的抖动检测方法 |
CN108122234B (zh) * | 2016-11-29 | 2021-05-04 | 北京市商汤科技开发有限公司 | 卷积神经网络训练及视频处理方法、装置和电子设备 |
KR20190032818A (ko) * | 2017-09-20 | 2019-03-28 | 삼성전자주식회사 | 롤링 셔터 방식을 이용한 복수의 카메라를 포함하는 전자 장치 |
KR102475912B1 (ko) * | 2017-12-01 | 2022-12-09 | 삼성전자 주식회사 | 전자 장치 및 그의 이미지 획득 방법 |
WO2019124055A1 (ja) * | 2017-12-18 | 2019-06-27 | キヤノン株式会社 | 撮像装置及びその制御方法、プログラム、記憶媒体 |
JP7233162B2 (ja) * | 2017-12-18 | 2023-03-06 | キヤノン株式会社 | 撮像装置及びその制御方法、プログラム、記憶媒体 |
CN108337505B (zh) * | 2018-01-30 | 2020-11-10 | 百度在线网络技术(北京)有限公司 | 信息获取方法和装置 |
CN108629743B (zh) * | 2018-04-04 | 2022-03-25 | 腾讯科技(深圳)有限公司 | 图像的处理方法、装置、存储介质和电子装置 |
CN109685785A (zh) * | 2018-12-20 | 2019-04-26 | 上海众源网络有限公司 | 一种图像质量评估方法、装置及电子设备 |
CN109784391B (zh) * | 2019-01-04 | 2021-01-05 | 杭州比智科技有限公司 | 基于多模型的样本标注方法及装置 |
KR20200110906A (ko) * | 2019-03-18 | 2020-09-28 | 삼성전자주식회사 | 자동 초점 조절 기능을 제공하기 위한 전자 장치 및 그 동작 방법 |
CN110062160B (zh) * | 2019-04-09 | 2021-07-02 | Oppo广东移动通信有限公司 | 图像处理方法和装置 |
JP7427370B2 (ja) * | 2019-05-17 | 2024-02-05 | キヤノン株式会社 | 撮像装置、画像処理装置、画像処理方法、撮像装置の校正方法、ロボット装置、ロボット装置を用いた物品の製造方法、制御プログラムおよび記録媒体 |
JP2020190690A (ja) * | 2019-05-23 | 2020-11-26 | オリンパス株式会社 | 像ぶれ補正装置、像ぶれ補正方法、及び像ぶれ補正プログラム |
CN110414321B (zh) * | 2019-06-13 | 2022-02-01 | 北京百度网讯科技有限公司 | 自动识别晃动视频的方法和系统 |
CN110248048B (zh) * | 2019-06-21 | 2021-11-09 | 苏宁云计算有限公司 | 一种视频抖动的检测方法及装置 |
-
2019
- 2019-12-18 CN CN201911310784.7A patent/CN110971895B/zh active Active
-
2020
- 2020-08-03 EP EP20189250.2A patent/EP3817392A1/en active Pending
- 2020-08-04 US US16/985,123 patent/US11546577B2/en active Active
- 2020-08-07 JP JP2020134860A patent/JP7079294B2/ja active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110193978A1 (en) | 2010-02-11 | 2011-08-11 | Microsoft Corporation | Generic platform video image stabilization |
WO2015025704A1 (ja) | 2013-08-23 | 2015-02-26 | 日本電気株式会社 | 映像処理装置、映像処理方法および映像処理プログラム |
JP2016143351A (ja) | 2015-02-04 | 2016-08-08 | エヌ・ティ・ティ・コムウェア株式会社 | 学習装置、学習方法、およびプログラム |
JP2017098637A (ja) | 2015-11-18 | 2017-06-01 | カシオ計算機株式会社 | 画像特定装置、画像特定方法及びプログラム |
JP2019003585A (ja) | 2017-06-20 | 2019-01-10 | 日本放送協会 | 要約映像生成装置およびそのプログラム |
JP2019152964A (ja) | 2018-03-01 | 2019-09-12 | コニカミノルタ株式会社 | 学習方法および学習装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012015102A1 (ko) * | 2010-07-30 | 2012-02-02 | 한국전력공사 | 케이블의 고장점 탐지 장치 및 방법 |
Also Published As
Publication number | Publication date |
---|---|
EP3817392A1 (en) | 2021-05-05 |
CN110971895A (zh) | 2020-04-07 |
US11546577B2 (en) | 2023-01-03 |
JP2021089711A (ja) | 2021-06-10 |
CN110971895B (zh) | 2022-07-08 |
US20210195170A1 (en) | 2021-06-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10755173B2 (en) | Video deblurring using neural networks | |
US9396523B2 (en) | Image restoration cascade | |
JP6961139B2 (ja) | 知覚的な縮小方法を用いて画像を縮小するための画像処理システム | |
CN109300179B (zh) | 动画制作方法、装置、终端和介质 | |
JP7079294B2 (ja) | 動画ブレの検出方法及び装置 | |
US20220383479A1 (en) | Method for detecting defects in images, computer device, and storage medium | |
CN111811694B (zh) | 一种温度校准方法、装置、设备及存储介质 | |
CN113516697B (zh) | 图像配准的方法、装置、电子设备及计算机可读存储介质 | |
CN114885112A (zh) | 基于数据融合的高帧率视频生成方法及装置 | |
CN109324967A (zh) | 应用程序弹窗控件测试的方法、装置及终端设备 | |
WO2023179342A1 (zh) | 重定位方法及相关设备 | |
CN116912187A (zh) | 图像生成模型训练及图像生成方法、装置、设备和介质 | |
US11823359B2 (en) | Systems and methods for leveling images | |
CN111915587A (zh) | 视频处理方法、装置、存储介质和电子设备 | |
US20220284563A1 (en) | Method for discovering defects in products by detecting abnormalities in images, electronic device, and storage medium | |
CN113361380B (zh) | 人体关键点检测模型训练方法、检测方法及装置 | |
CN113361381B (zh) | 人体关键点检测模型训练方法、检测方法及装置 | |
CN110728732A (zh) | 一种图像重建方法、装置、设备及介质 | |
CN112100075B (zh) | 一种用户界面回放方法、装置、设备及存储介质 | |
CN115410133A (zh) | 视频密集预测方法及其装置 | |
US20090245580A1 (en) | Modifying parameters of an object detector based on detection information | |
CN115035042A (zh) | 动作迁移模型的评价方法、装置、电子设备及存储介质 | |
CN116543246A (zh) | 图像去噪模型的训练方法、图像去噪方法、装置及设备 | |
TWI844873B (zh) | 產品瑕疵檢測方法、電子設備及電腦可讀存儲媒體 | |
CN113207037B (zh) | 全景视频动画的模板剪辑方法、装置、终端、系统及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200807 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210930 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211019 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211217 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220510 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220520 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7079294 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |