CN108171189A - 一种视频编码方法、视频编码装置及电子设备 - Google Patents

Abstract

本发明公开了一种视频编码方法、视频编码装置、电子设备及计算机可读存储介质，其中，该视频编码方法包括：对视频中的各帧图像进行图像识别；基于图像识别的结果对所述各帧图像进行聚类；根据聚类的结果，在每一类图像中将预设数量的图像编码为所述视频的关键帧；基于所述关键帧将其它图像编码为预测帧，其中，所述其它图像为所述视频中未被编码为关键帧的图像。本发明方案能够灵活设置关键帧在视频中的位置，帮助用户在播放视频时更好地对视频进行定位。

Description

一种视频编码方法、视频编码装置及电子设备

技术领域

本发明属于多媒体技术领域，尤其涉及一种视频编码方法、视频编码装置、电子设备及计算机可读存储介质。

背景技术

在进行视频编码时，通常会预先设定编码关键帧(I帧)的时间周期，根据该时间周期的起始时间设置若干个编码关键帧的时间戳，用以将与编码关键帧的时间戳所对应的图像编码为关键帧；其它图像则均以关键帧为基础编码为预测帧(P帧或者B帧)。而在通过视频播放器播放视频时，由于关键帧通常作为定位帧为用户提供拉动视频进度条时的定位信息，这将导致用户只能根据固定时间点的关键帧图像对视频进行定位。

发明内容

有鉴于此，本发明提供了视频编码方法、视频编码装置、电子设备及计算机可读存储介质，使得视频中的关键帧不再处于固定时间戳，帮助用户在播放视频时更好地对视频进行定位。

本发明的第一方面提供了一种视频编码方法，所述视频编码方法包括：

对视频中的各帧图像进行图像识别；

基于图像识别的结果对所述各帧图像进行聚类；

根据聚类的结果，在每一类图像中将预设数量的图像编码为所述视频的关键帧；

基于所述关键帧将其它图像编码为预测帧，其中，所述其它图像为所述视频中未被编码为关键帧的图像。

本发明的第二方面提供了一种视频编码装置，所述视频编码装置包括：

识别单元，用于对视频中的各帧图像进行图像识别；

聚类单元，用于基于图像识别的结果对所述各帧图像进行聚类；

关键帧编码单元，用于根据聚类的结果，在每一类图像中将预设数量的图像编码为所述视频的关键帧；

预测帧编码单元，用于基于所述关键帧将其它图像编码为预测帧，其中，所述其它图像为所述视频中未被编码为关键帧的图像。

本发明的第三方面提供了一种电子设备，所述电子设备包括存储器、处理器以及存储在所述存储器中并可在所述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计算机程序时实现如上第一方面所述方法的步骤。

本发明的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上第一方面所述方法的步骤。

由上可见，在本发明方案中，首先对视频中的各帧图像进行图像识别，然后基于图像识别的结果对所述各帧图像进行聚类，并根据聚类的结果，在每一类图像中将预设数量的图像编码为关键帧，并基于所述关键帧将其它图像编码为预测帧，其中，所述其它图像为所述视频源文件中未被编码为关键帧的图像。本发明方案使得视频编码时的关键帧不在处于固定的时间戳位置上，而是能够根据视频所展现的不同内容灵活设置关键帧的位置，帮助用户在播放视频时更好地进行定位。

附图说明

为了更清楚地说明本发明实施例中的技术方案，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，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，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是本发明实施例提供的视频编码方法的实现流程示意图；

图2是本发明实施例提供的视频编码装置的示意图；

图3是本发明实施例提供的电子设备的示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定***结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的***、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。

为了说明本发明上述的技术方案，下面通过具体实施例来进行说明。

实施例一

图1示出了本发明实施例一提供的视频编码方法的实现流程，详述如下：

在步骤101中，对视频中的各帧图像进行图像识别；

在本发明实施例中，可以先对视频中的各帧图像进行图像识别，以获知各帧图像所表示的图像内容；可选地，当视频中存在包含有文字信息的图像时，还可以对各帧图像进行文本识别，以获知各帧图像所表示的文本内容。上述文本识别的对象可以是单个的文字，也可以是多个文字组成的句子或者段落。进一步地，上述文本识别的对象可以是中文，也可以是英文及其他语言文字，还或者可以是混杂几种语言文字的文本。更进一步地，上述文本识别的对象可以是手写文字或者机打文字。具体地，在步骤101中可以采用光学字符识别(OCR，Optical Character Recognition)技术对视频中的各帧图像进行文本识别。当然，也可以采用其它文本识别技术对视频中的各帧图像进行文本识别，此处不作限定。

在步骤102中，基于图像识别的结果对上述各帧图像进行聚类；

在本发明实施例中，基于步骤101的图像识别的结果对上述各帧图像进行聚类，将图像识别的结果相同的图像帧作为同一类；可选地，每一类图像所包含的图像帧的数量均未达到视频中总的图像帧数量的预设比例值，则认为以图像识别的结果相同的图像帧作为同一类的聚类方式过于细化，可以选择继续将图像识别的结果相似的图像帧作为同一大类。可选地，若步骤101中还对上述各帧图像进行了文本识别，则也可以基于文本识别的结果，获取各帧图像之间的文本相似度，将文本相似度大于预设相似度阈值的图像帧作为同一类。当然，也可以通过其它方式对上述各帧图像进行聚类，此处不作限定。

在步骤103中，根据聚类的结果，在每一类图像中将预设数量的图像编码为上述视频的关键帧；

在本发明实施例中，上述预设数量可以与每一类图像的图像帧总数量成正比例关系，但需要注意的是，上述预设数量也是有上限阈值的。例如，假定步骤102中将视频中的各帧图像聚类为两类，A类图像中有10帧图像，B类图像中有20帧图像，则在A类图像中将2帧图像作为关键帧，在B类图像中将4帧作为关键帧。又假定上述预设数量的上限阈值为10，则即便后续还存在100帧的C类图像，也只能在该C类图像中将10帧图像作为关键帧。当然，上述预设数量也可以为一固定值，即无论该类图像的图像帧总数量是多少，均从该类图像中将固定数量的图像帧作为关键帧，此处不作限定。

在步骤104中，基于上述关键帧将其它图像编码为预测帧。

在本发明实施例中，经过步骤103，每一类图像中均存在已被编码为关键帧的图像及其它图像，上述其它图像为上述视频中未被编码为关键帧的图像。则可以各类图像中的关键帧，分别将各类图像中的其它图像编码为预测帧，上述预测帧包括P帧(即前向预测编码帧)及B帧(即双向预测编码帧)。实际上，在进行图像编码时，上述B帧也可以根据已编码好的P帧进行编码，而并不完全直接依赖于关键帧。

可选地，在上述步骤101之前，上述视频编码方法还包括：

接收视频源文件；

缓存上述视频源文件中的图像序列；

则上述步骤101包括：

对上述图像序列中的各帧图像进行图像识别。

其中，电子设备若接有摄像头，则可以在电子设备通过摄像头启动拍摄视频的操作时，接收由摄像头发送来的视频源文件。上述摄像头可以是电子设备自带的摄像头，也可以是电子设备外接的摄像头，此处不作限定。或者，也可以是通过互联网下载视频源文件；又或者，还可以是接收其它电子设备通过蓝牙、红外或者近距离无线通信技术(Near FieldCommunication，NFC)所发送的视频源文件，此处不作限定。

可选地，上述步骤104之前，上述视频编码方法还包括：

设置一个以上关键帧编码时间戳；

将上述视频中上述关键帧编码时间戳所对应的图像编码为关键帧。

在本发明实施例中，可以在步骤103根据聚类的结果对关键帧进行编码的基础上，进一步设置若干个关键帧编码时间戳。上述关键帧编码时间戳可以以相等的时间间隔进行设置，也可以以不等的时间间隔进行设置，此处不作限定。

可选地，为了使得用户能够更快速的了解到视频所要表达的内容，上述视频编码方法还包括：

基于对上述关键帧的图像识别的结果，生成与上述关键帧对应的标签信息；

根据上述关键帧的时间戳，关联上述标签信息及上述视频。

在本发明实施例中，可以根据对上述关键帧进行图像识别的结果，生成与上述关键帧对应的标签信息。可选地，若上述步骤101中还对关键帧进行了文本识别，则也可以基于文本识别的结果生成与上述关键帧对应的标签信息，以表明上述图像帧的类别。

可选地，为了使得用户能够更快速的了解到视频所要表达的内容，上述视频编码方法还包括：

根据上述关键帧，生成与上述关键帧对应的预览图；

根据上述关键帧的时间戳，关联上述预览图及上述视频。

在本发明实施例中，可以将上述关键帧压缩为缩略图，作为与上述关键帧对应的预览图，该预览图可以在用户播放视频时通过拉动进度条而呈现给用户，用以告知用户当前进度条所对应的图像。

在一种应用场景中，上述标签信息和/或上述预览图可以与关键帧及预测帧一起打包为视频文件，即将上述标签信息和/或上述预览图集成在视频文件中；或者，在另一种应用场景中，可以将上述标签信息和/或上述预览图存于另一文件，例如一配置文件中，根据上述关键帧的时间戳将上述配置文件与上述视频关联起来。当然，也可以通过其它方式将上述标签信息和/或上述预览图与上述关键帧进行关联，此处不作限定。

可选地，若存在一类图像的图像帧总数量过多，但出于数量限制而导致该类图像中只能将一定数量的图像帧作为关键帧，则还可以在该类图像中，随机在预测帧中选择图像帧作为目标帧，生成与上述目标帧对应的标签信息及预览图，并根据上述目标帧的时间戳，将与上述目标帧对应的标签信息及预览图与上述视频关联起来。即，虽然这些图像帧未被编码为关键帧，但它们的标签信息和/或预览图仍然可以在用户播放视频时展示给用户，供用户在拖动视频进度条时通过关键帧的相关信息及部分预测帧的相关信息进行更加准确的定位。

由上可见，通过本发明实施例，根据图像识别的结果对视频中的各帧图像进行聚类分析后，在每一类图像中选定图像编码为关键帧，使得视频中的关键帧不再限于固定的几个时间戳位置，而是能够根据视频所展现的不同内容灵活设置关键帧的位置，帮助用户在播放视频时更好地进行定位。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

实施例二

图2示出了本发明实施例二提供的视频编码装置的具体结构框图，为了便于说明，仅示出了本发明实施例相关的部分。该视频编码装置2包括：识别单元21，聚类单元22，关键帧编码单元23，预测帧编码单元24。

其中，识别单元21，用于对视频中的各帧图像进行图像识别；

聚类单元22，用于基于图像识别的结果对上述各帧图像进行聚类；

关键帧编码单元23，用于根据聚类的结果，在每一类图像中将预设数量的图像编码为上述视频的关键帧；

预测帧编码单元24，用于基于上述关键帧将其它图像编码为预测帧，其中，上述其它图像为上述视频中未被编码为关键帧的图像。

可选地，上述视频编码装置2还包括：

接收单元，用于接收视频源文件；

缓存单元，用于缓存上述视频源文件中的图像序列；

上述识别单元21，具体用于对上述图像序列中的各帧图像进行图像识别。

可选地，上述视频编码装置2还包括：

设置单元，用于设置一个以上关键帧编码时间戳；

上述关键帧编码单元23，还用于将上述视频中上述关键帧编码时间戳所对应的图像编码为关键帧。

可选地，上述视频编码装置2还包括：

第一生成单元，用于基于对上述关键帧的图像识别的结果，生成与上述关键帧对应的标签信息；

第一关联单元，用于根据上述关键帧的时间戳，关联上述标签信息及上述视频。

可选地，上述视频编码装置2还包括：

第二生成单元，用于根据上述关键帧，生成与上述关键帧对应的预览图；

第二关联单元，用于根据上述关键帧的时间戳，关联上述预览图及上述视频。

由上可见，通过本发明实施例，视频编码装置根据图像识别的结果对视频中的各帧图像进行聚类分析后，在每一类图像中选定图像编码为关键帧，使得视频中的关键帧不再限于固定的几个时间戳位置，而是能够根据视频所展现的不同内容灵活设置关键帧的位置，帮助用户在播放视频时更好地进行定位。

实施例三

图3是本发明实施例提供的电子设备的示意图。如图3所示，该实施例的电子设备3包括：处理器30、存储器31以及存储在上述存储器31中并可在上述处理器30上运行的计算机程序32，例如视频编码程序。上述处理器30执行上述计算机程序32时实现上述各个方法实施例中的步骤，例如图1所示的步骤101至104。或者，上述处理器30执行上述计算机程序32时实现上述各装置实施例中各单元的功能，例如图2所示单元21至24的功能。

示例性的，上述计算机程序32可以被分割成一个或多个单元，上述一个或者多个单元被存储在上述存储器31中，并由上述处理器30执行，以完成本发明。上述一个或多个单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述上述计算机程序32在上述电子设备3中的执行过程。例如，上述计算机程序32可以被分割成识别单元，聚类单元，关键帧编码单元，预测帧编码单元，各单元具体功能如下：

识别单元，用于对视频中的各帧图像进行图像识别；

聚类单元，用于基于图像识别的结果对上述各帧图像进行聚类；

关键帧编码单元，用于根据聚类的结果，在每一类图像中将预设数量的图像编码为上述视频的关键帧；

预测帧编码单元，用于基于上述关键帧将其它图像编码为预测帧，其中，上述其它图像为上述视频中未被编码为关键帧的图像。

上述电子设备3可以是桌上型计算机、笔记本、学习机、智能手机及云端服务器等计算设备。上述电子设备可包括，但不仅限于，处理器30、存储器31。本领域技术人员可以理解，图3仅仅是电子设备3的示例，并不构成对电子设备3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，例如上述电子设备3还可以包括输入输出设备、网络接入设备、总线等。

所称处理器30可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

上述存储器31可以是上述电子设备3的内部存储单元，例如电子设备3的硬盘或内存。上述存储器31也可以是上述电子设备3的外部存储设备，例如上述电子设备3上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，上述存储器31还可以既包括上述电子设备3的内部存储单元也包括外部存储设备。上述存储器31用于存储上述计算机程序以及上述电子设备3所需的其他程序和数据。上述存储器31还可以用于暂时地存储已经输出或者将要输出的数据。

由上可见，通过本发明实施例，电子设备根据图像识别的结果对视频中的各帧图像进行聚类分析后，在每一类图像中选定图像编码为关键帧，使得视频中的关键帧不再限于固定的几个时间戳位置，而是能够根据视频所展现的不同内容灵活设置关键帧的位置，帮助用户在播放视频时更好地进行定位。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将上述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述***中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本发明所提供的实施例中，应该理解到，所揭露的装置/电子设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/电子设备实施例仅仅是示意性的，例如，上述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

上述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，上述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。。其中，上述计算机程序包括计算机程序代码，上述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。上述计算机可读介质可以包括：能够携带上述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，上述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。

以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (10)

1.一种视频编码方法，其特征在于，所述视频编码方法包括：

对视频中的各帧图像进行图像识别；

基于图像识别的结果对所述各帧图像进行聚类；

根据聚类的结果，在每一类图像中将预设数量的图像编码为所述视频的关键帧；

基于所述关键帧将其它图像编码为预测帧，其中，所述其它图像为所述视频中未被编码为关键帧的图像。

2.如权利要求1所述的视频编码方法，其特征在于，所述对视频中的各帧图像进行图像识别之前，还包括：

接收视频源文件；

缓存所述视频源文件中的图像序列；

所述对视频中的各帧图像进行图像识别，包括：

对所述图像序列中的各帧图像进行图像识别。

3.如权利要求1所述的视频编码方法，其特征在于，所述基于所述关键帧将其它图像编码为预测帧之前，还包括：

设置一个以上关键帧编码时间戳；

将所述视频中所述关键帧编码时间戳所对应的图像编码为关键帧。

4.如权利要求1至3任一项所述的视频编码方法，其特征在于，所述视频编码方法还包括：

基于对所述关键帧的图像识别的结果，生成与所述关键帧对应的标签信息；

根据所述关键帧的时间戳，关联所述标签信息及所述视频。

5.如权利要求1至3任一项所述的视频编码方法，其特征在于，所述视频编码方法还包括：

根据所述关键帧，生成与所述关键帧对应的预览图；

根据所述关键帧的时间戳，关联所述预览图及所述视频。

6.一种视频编码装置，其特征在于，所述视频编码装置包括：

识别单元，用于对视频中的各帧图像进行图像识别；

聚类单元，用于基于图像识别的结果对所述各帧图像进行聚类；

关键帧编码单元，用于根据聚类的结果，在每一类图像中将预设数量的图像编码为所述视频的关键帧；

预测帧编码单元，用于基于所述关键帧将其它图像编码为预测帧，其中，所述其它图像为所述视频中未被编码为关键帧的图像。

7.如权利要求6所述的视频编码装置，其特征在于，所述视频编码装置还包括：

接收单元，用于接收视频源文件；

缓存单元，用于缓存所述视频源文件中的图像序列；

所述识别单元，具体用于对所述图像序列中的各帧图像进行图像识别。

8.如权利要求6所述的视频编码装置，其特征在于，所述视频编码装置还包括：

设置单元，用于设置一个以上关键帧编码时间戳；

所述关键帧编码单元，还用于将所述视频中所述关键帧编码时间戳所对应的图像编码为关键帧。

9.一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述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计算机程序时实现如权利要求1至5任一项所述方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述方法的步骤。