CN111104920B - 视频处理方法及装置、电子设备和存储介质 - Google Patents
视频处理方法及装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN111104920B CN111104920B CN201911375222.0A CN201911375222A CN111104920B CN 111104920 B CN111104920 B CN 111104920B CN 201911375222 A CN201911375222 A CN 201911375222A CN 111104920 B CN111104920 B CN 111104920B
- Authority
- CN
- China
- Prior art keywords
- video frame
- target object
- map
- video
- speed
- 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
- 238000003860 storage Methods 0.000 title claims abstract description 29
- 238000003672 processing method Methods 0.000 title claims abstract description 24
- 238000012545 processing Methods 0.000 claims abstract description 78
- 238000000034 method Methods 0.000 claims abstract description 72
- 238000010586 diagram Methods 0.000 claims abstract description 68
- 238000000605 extraction Methods 0.000 claims abstract description 14
- 238000013528 artificial neural network Methods 0.000 claims description 47
- 238000006073 displacement reaction Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 14
- 238000009826 distribution Methods 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 8
- 230000005764 inhibitory process Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 12
- 238000005286 illumination Methods 0.000 abstract description 5
- 230000033001 locomotion Effects 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 7
- 230000004044 response Effects 0.000 description 6
- 230000001629 suppression Effects 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 238000012800 visualization Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Image Analysis (AREA)
Abstract
本公开涉及一种视频处理方法及装置、电子设备和存储介质,所述方法包括:对待处理视频的第一视频帧和第二视频帧进行特征提取处理,获得第一特征图和第二特征图;根据第一视频帧与第二视频帧之间的时间间隔、第一特征图以及第二特征图,获得第一速度图。根据本公开的实施例的视频处理方法,可根据两个视频帧的特征图以及时间间隔获得第一速度图,可通过具有前后帧运动信息的速度图来检测目标对象,可检测出运动的目标对象,提高环境光照条件较差的情况下的检测到目标对象的概率,减少漏检的情况。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及一种视频处理方法及装置、电子设备和存储介质。
背景技术
在相关技术中,目标检测方法可在图像或视频帧中检测出目标对象,可广泛应用在安防、监控等领域。但在环境光照条件较差的情况下,例如,在黑夜环境中,难以识别视频帧或图像中的目标对象,易发生漏检的情况,造成安防隐患。
发明内容
本公开提出了一种视频处理方法及装置、电子设备和存储介质。
根据本公开的一方面,提供了一种视频处理方法,包括:
对待处理视频的第一视频帧和第二视频帧进行特征提取处理,获得第一视频帧的第一特征图和第二视频帧的第二特征图,其中,所述第一视频帧为所述待处理视频的任意一个或多个视频帧,所述第二视频帧为第一视频帧的后续的视频帧中的任意一个;根据所述第一视频帧与所述第二视频帧之间的时间间隔、所述第一特征图以及所述第二特征图,获得与所述第二视频帧对应的第一速度图,其中,所述第一速度图的目标像素点的像素值表示由第一视频帧中的第一像素点的第一位置移动到第二视频帧中对应的第二像素点的第二位置的移动速度,所述目标像素点与所述第二像素点的位置相同。
根据本公开的实施例的视频处理方法,可根据两个视频帧的特征图以及时间间隔获得第一速度图,可通过具有前后帧运动信息的速度图来检测目标对象,可检测出运动的目标对象,提高环境光照条件较差的情况下的检测到目标对象的概率,减少漏检的情况。
在一种可能的实现方式中,所述方法还包括:根据所述第一速度图的多个像素点的像素值,确定目标对象所在的第一区域;对所述第一区域进行卷积处理,获得第二速度图。
通过这种方式,可通过对第一区域进行卷积处理的方式,提升目标对象所在区域的可视化效果,且有助于区分不同的目标对象。
所述卷积处理包括高斯核卷积处理,所述第二速度图中的目标对象所在的第二区域的像素值满足高斯分布。
通过这种方式,可提升第二速度图的可视化效果,提升检测目标对象的准确度。
在一种可能的实现方式中,所述方法还包括:对所述第二速度图中的目标对象所在的第二区域进行非极大值抑制处理,获得第三速度图。
通过这种方式,可使目标对象的边界清晰,提升第三速度图的可视化效果,提升检测目标对象的准确度。
在一种可能的实现方式中,所述方法还包括:在与连续多个视频帧对应的所述第一速度图、所述第二速度图或所述第三速度图中,确定目标对象所在的第三区域的位置信息;根据所述位置信息,确定所述目标对象的跟踪线。
通过这种方式,可获取目标对象的跟踪线,有助于获取目标对象的移动轨迹,提高跟踪效率。
在一种可能的实现方式中,根据所述位置信息,确定所述目标对象的跟踪线,包括:确定连续两个视频帧对应的所述第一速度图、所述第二速度图或所述第三速度图中的第三区域的交并比;如果所述交并比大于或等于交并比阈值,则将所述第三区域的位置信息添加至所述目标对象的跟踪线中。
通过这种方式,可通过交并比来区分各目标对象,进而确定各目标对象的跟踪线。
在一种可能的实现方式中,根据所述位置信息,确定所述目标对象的跟踪线,包括:确定所述目标对象的跟踪线对应的视频帧的数量;在所述视频帧的数量小于或等于数量阈值的情况下,清除所述目标对象的跟踪线。
通过这种方式,可去除信息含量较低的跟踪线,提高跟踪效率。
在一种可能的实现方式中,根据所述位置信息,确定所述目标对象的跟踪线,包括:在所述目标对象的跟踪线中断的情况下,根据与所述跟踪线中断时对应的第三视频帧的相邻视频帧中的第三区域的位置信息,确定所述第三视频帧中的第三区域的位置信息。
通过这种方式,可提高跟踪处理的容错率,完善跟踪线。
在一种可能的实现方式中,所述方法还包括:根据所述第一速度图、所述第二速度图或所述第三速度图和所述第二视频帧,获得目标图像。
通过这种方式,可获得速度图与第二视频帧叠加的目标图像,有助于在实际视频帧中获取目标对象的位置,提高可视化效果。
在一种可能的实现方式中,根据所述第一视频帧与所述第二视频帧之间的时间间隔、所述第一特征图以及所述第二特征图,获得与所述第二视频帧对应的第一速度图,包括:对所述第一特征图和所述第二特征图中的对应像素点进行识别,确定目标对象所在区域;
根据第一特征图中所述目标对象所在区域的像素点以及第二特征图中所述目标对象所在区域的对应的像素点,确定目标对象的位移;根据所述目标对象的位移以及所述时间间隔,对目标对象的像素点进行像素值回归处理,获得所述第一速度图。
通过这种方式,可基于多个视频帧获得速度图,并可基于速度图确定目标对象的位置,因此,能够获得比单张图片更加丰富的信息,从而提高目标对象的识别率。并且,通过逐个像素确定速度图,每个像素都可对应一个速度值,因此可以支持细粒度的目标检测,并且目标检测的速度不因目标对象的大小而变化,提高检测精度。
在一种可能的实现方式中,所述视频处理方法通过神经网络实现,所述方法还包括:将样本视频中的第一样本视频帧和第二样本视频帧输入所述神经网络进行处理,获得第一样本速度图,其中,所述第一样本视频帧为所述样本视频的任意一个视频帧,所述第二样本视频帧为第一样本视频帧的后续的视频帧中的任意一个,所述第一样本视频帧和第二样本视频帧中包括各对象所在位置的标注;根据所述两个样本视频帧的时间间隔以及各对象的标注在所述第一样本视频帧和第二样本视频帧之间的移动距离,确定与第二样本视频帧对应的第二样本速度图;根据所述第一样本速度图和所述第二样本速度图,确定所述神经网络的网络损失;根据所述网络损失,训练所述神经网络。
根据本公开的一方面,提供了一种视频处理装置,包括:
提取模块,用于对待处理视频的第一视频帧和第二视频帧进行特征提取处理,获得第一视频帧的第一特征图和第二视频帧的第二特征图,其中,所述第一视频帧为所述待处理视频的任意一个或多个视频帧,所述第二视频帧为第一视频帧的后续的视频帧中的任意一个;第一获得模块,用于根据所述第一视频帧与所述第二视频帧之间的时间间隔、所述第一特征图以及所述第二特征图,获得与所述第二视频帧对应的第一速度图,其中,所述第一速度图的目标像素点的像素值表示由第一视频帧中的第一像素点的第一位置移动到第二视频帧中对应的第二像素点的第二位置的移动速度,所述目标像素点与所述第二像素点的位置相同。
在一种可能的实现方式中,所述装置还包括:第一确定模块,用于根据所述第一速度图的多个像素点的像素值,确定目标对象所在的第一区域;第二获得模块,用于对所述第一区域进行卷积处理,获得第二速度图。
在一种可能的实现方式中,所述卷积处理包括高斯核卷积处理,所述第二速度图中的目标对象所在的第二区域的像素值满足高斯分布。
在一种可能的实现方式中,所述装置还包括:第三获得模块,用于对所述第二速度图中的目标对象所在的第二区域进行非极大值抑制处理,获得第三速度图。
在一种可能的实现方式中,所述装置还包括:第二确定模块,用于在与连续多个视频帧对应的所述第一速度图、所述第二速度图或所述第三速度图中,确定目标对象所在的第三区域的位置信息;第三确定模块,用于根据所述位置信息,确定所述目标对象的跟踪线。
在一种可能的实现方式中,所述第三确定模块进一步用于:确定连续两个视频帧对应的所述第一速度图、所述第二速度图或所述第三速度图中的第三区域的交并比;如果所述交并比大于或等于交并比阈值,则将所述第三区域的位置信息添加至所述目标对象的跟踪线中。
在一种可能的实现方式中,所述第三确定模块进一步用于:确定所述目标对象的跟踪线对应的视频帧的数量;在所述视频帧的数量小于或等于数量阈值的情况下,清除所述目标对象的跟踪线。
在一种可能的实现方式中,所述第三确定模块进一步用于:在所述目标对象的跟踪线中断的情况下,根据与所述跟踪线中断时对应的第三视频帧的相邻视频帧中的第三区域的位置信息,确定所述第三视频帧中的第三区域的位置信息。
在一种可能的实现方式中,所述装置还包括:第四获得模块,用于根据所述第一速度图、所述第二速度图或所述第三速度图和所述第二视频帧,获得目标图像。
在一种可能的实现方式中,所述第一获得模块进一步用于:对所述第一特征图和所述第二特征图中的对应像素点进行识别,确定目标对象所在区域;根据第一特征图中所述目标对象所在区域的像素点以及第二特征图中所述目标对象所在区域的对应的像素点,确定目标对象的位移;根据所述目标对象的位移以及所述时间间隔,对目标对象的像素点进行像素值回归处理,获得所述第一速度图。
在一种可能的实现方式中,所述视频处理装置的功能通过神经网络实现,所述装置还包括:第五获得模块,用于将样本视频中的第一样本视频帧和第二样本视频帧输入所述神经网络进行处理,获得第一样本速度图,其中,所述第一样本视频帧为所述样本视频的任意一个视频帧,所述第二样本视频帧为第一样本视频帧的后续的视频帧中的任意一个,所述第一样本视频帧和第二样本视频帧中包括各对象所在位置的标注;第四确定模块,用于根据所述两个样本视频帧的时间间隔以及各对象的标注在所述第一样本视频帧和第二样本视频帧之间的移动距离,确定与第二样本视频帧对应的第二样本速度图;第五确定模块,用于根据所述第一样本速度图和所述第二样本速度图,确定所述神经网络的网络损失;训练模块,用于根据所述网络损失,训练所述神经网络。
根据本公开的一方面,提供了一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为:执行上述视频处理方法。
根据本公开的一方面,提供了一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述视频处理方法。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,而非限制本公开。
根据下面参考附图对示例性实施例的详细说明,本公开的其它特征及方面将变得清楚。
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,这些附图示出了符合本公开的实施例,并与说明书一起用于说明本公开的技术方案。
图1示出根据本公开实施例的视频处理方法的流程图;
图2示出根据本公开实施例的神经网络的示意图;
图3示出根据本公开的实施例的第二速度图的示意图;
图4示出根据本公开的实施例的第三速度图的示意图;
图5示出根据本公开的实施例的目标图像的示意图;
图6示出根据本公开的实施例的视频处理装置的框图;
图7示出根据本公开的实施例的电子设备的框图;
图8示出根据本公开的实施例的电子设备的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合,例如,包括A、B、C中的至少一种,可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
另外,为了更好的说明本公开,在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本公开同样可以实施。在一些实例中,对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述,以便于凸显本公开的主旨。
图1示出根据本公开实施例的视频处理方法的流程图,如图1所示,所述方法包括:
在步骤S11中,对待处理视频的第一视频帧和第二视频帧进行特征提取处理,获得第一视频帧的第一特征图和第二视频帧的第二特征图,其中,所述第一视频帧为所述待处理视频的任意一个或多个视频帧,所述第二视频帧为第一视频帧的后续的视频帧中的任意一个;
在步骤S12中,根据所述第一视频帧与所述第二视频帧之间的时间间隔、所述第一特征图以及所述第二特征图,获得与所述第二视频帧对应的第一速度图,其中,所述第一速度图的目标像素点的像素值表示由第一视频帧中的第一像素点的第一位置移动到第二视频帧中对应的第二像素点的第二位置的移动速度,所述目标像素点与所述第二像素点的位置相同。
根据本公开的实施例的视频处理方法,可根据两个视频帧的特征图以及时间间隔获得第一速度图,可通过具有前后帧运动信息的速度图来检测目标对象,可检测出运动的目标对象,提高环境光照条件较差的情况下的检测到目标对象的概率,减少漏检的情况。
在一种可能的实现方式中,所述视频处理方法可以由终端设备或其它处理设备执行,其中,终端设备可以为用户设备(User Equipment,UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字处理(Personal Digital Assistant,PDA)、手持设备、计算设备、车载设备、可穿戴设备等。其它处理设备可为服务器或云端服务器等。在一些可能的实现方式中,该视频处理方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。
在一种可能的实现方式中,所述待处理视频可包括监控***、安防***或门禁***的至少一个摄像头采集到的视频,其中,待处理视频可以是在光照条件较差的环境下采集到的视频,例如,在黑夜中采集到的视频,由于光照条件较差,因此,难以在待处理视频中识别出行人等目标对象。
在一种可能的实现方式中,在不同的视频帧之间,同一个目标对象可能发生位移,即,该目标对象可能具有一定的速度,该目标对象在不同视频帧中所在区域可能发生移动,则目标对象所在区域内的像素点可能具有一定的速度。因此,可通过检测视频帧中具有速度的像素点,来确定视频帧中的目标对象。
在一种可能的实现方式中,在步骤S11中,可对待处理视频的视频帧的进行特征提取处理,由于需要识别出视频帧中具有速度的像素点,因此,可对两个视频帧(即,第一视频帧和第二视频帧)分别进行特征提取处理,获得第一特征图和第二特征图。第二视频帧为第一视频帧后续的视频帧中的任意一个,例如,第二视频帧的帧号可大于第一视频帧(例如,第二视频帧的帧号比第一视频帧的帧号大25),或者,第二视频帧的采集时间比第一视频帧晚(例如,晚1秒),或者,第二视频帧为图像获取装置当前获取的视频帧,第一视频帧为图像获取装置获取的历史视频帧,例如,第一视频帧为存储在存储器中的比第二视频帧更早获取到的视频帧(例如,比第二视频帧的帧号小25,或者,比第二视频帧早1秒获取到)。
在一种可能的实现方式中,可通过神经网络来获取第一视频帧的第一特征图以及第二视频帧的第二特征图,所述神经网络可以是卷积神经网络等深度学习神经网络,本公开对神经网络的类型不做限制。在示例中,神经网络的编码器或卷积层可对第一视频帧及第二视频帧进行特征提取处理,获得所述第一特征图和第二特征图。
在一种可能的实现方式中,在步骤S12中,可根据所述第一特征图、所述第二特征图以及第一视频帧和第二视频帧之间的时间间隔,确定与第二视频帧对应的第一速度图,即,可描述第二视频帧中具有速度的像素点的特征图。像素点的速度可以定义为,同一目标对象所属的像素点在不同视频帧之间移动的距离,和该不同视频帧之间时间间隔的比值。
在一种可能的实现方式中,步骤S12可包括:对所述第一特征图和所述第二特征图中的对应像素点进行识别,确定目标对象所在区域;根据第一特征图中所述目标对象所在区域的像素点以及第二特征图中所述目标对象所在区域的对应的像素点,确定目标对象的位移;根据所述目标对象的位移以及所述时间间隔,对目标对象的像素点进行像素值回归处理,获得所述第一速度图。
在示例中,可对第一特征图和第二特征图中的对应像素点进行识别,并可确定目标对象对应的像素点的位移。例如,可识别出目标对象所在区域的像素点的像素值较低,背景区域的像素值较高,则第一特征图和第二特征图中像素值较低的区域即为目标对象所在区域,然后根据目标对象所在区域的像素点的位置变换确定目标对象对应的像素点的位移。例如,像素点A和像素点B为第二视频帧中的像素点,其中,像素点A在背景区域中,背景区域中的物体在该时间间隔内没有移动,则像素点A的速度为0,像素点B在目标对象所在区域中,该时间间隔内目标对象所在区域从第一视频帧中的位置移动到了第二视频帧中的位置,例如,移动了20个像素的距离。其中,可根据特征图和视频帧之间的像素点位置变换关系,确定视频帧中目标对象所在区域的像素点。
进一步地,如果时间间隔为1秒,则像素点B的速度为20像素点/秒。可根据上述方式确定各像素点的速度,并可对目标对象所在区域内的各像素点的速度值进行回归处理(即,像素值回归处理,例如,可将目标对象所在区域内的像素点的速度值进行回归处理,获得回归曲线,并根据像素点所在位置以及所述回归曲线上对应值确定像素点的速度值),并将回归处理后获得的速度值确定为目标对象所在区域的各像素点的像素值,即,获得第一速度图。
在示例中,步骤S12可通过神经网络实现,例如,可通过神经网络的解码器等获得第一速度图,本公开对步骤S12的实现方式不做限制。
图2示出根据本公开实施例的神经网络的示意图,如图2所示,可将第一视频帧和第二视频帧输入神经网络的编码器进行特征提取处理,获得第一特征图和第二特征图,并将第一特征图和第二特征图输入神经网络的解码器,进一步地,所述解码器可根据第一特征图、第二特征图和第一视频帧与第二视频帧之间的时间间隔确定与第二视频帧对应的第一速度图。
在示例中,第一视频帧也可以是多个视频帧,例如,第一视频帧可以是先后两个视频帧,可将先后两个第一视频帧输入神经网络进行处理,获得第一速度图A,并可将第一速度图A与后一个第一视频帧以及第二视频帧输入神经网络,获得与第二视频帧对应的第一速度图B。或者,第一视频帧可以是三个视频,可将第一个第一视频帧与第二个第一视频帧输入神经网络,获得第一速度图A,并将第一速度图A与第二个第一视频帧和第三个第一视频帧输入神经网络,获得第一速度图B,进一步地,可将第一速度图B、第三个第一视频帧以及第二视频帧输入神经网络,获得与第二视频帧对应的第一速度图C,第一速度图C对像素点的速度值的响应的精确度可高于第一速度图A或第一速度图B。本公开对第一视频帧的数量不做限制。
通过这种方式,可基于多个视频帧获得速度图,并可基于速度图确定目标对象的位置,因此,能够获得比单张图片更加丰富的信息,从而提高目标对象的识别率。并且,通过逐个像素确定速度图,每个像素都可对应一个速度值,因此可以支持细粒度的目标检测,并且目标检测的速度不因目标对象的大小而变化,提高检测精度。
在一种可能的实现方式中,在所述第一速度图中,同一对象所在区域的多个像素点的速度可相同,即,像素值可相同。所述方法还包括:根据所述第一速度图的多个像素点的像素值,确定目标对象所在的第一区域;对所述第一区域进行卷积处理,获得第二速度图。
图3示出根据本公开的实施例的第二速度图的示意图。如图3所示,图3中左侧为第二视频帧,右侧为第二速度图。可根据第一速度图中的像素点的像素值,确定目标对象所在的第一区域。第一速度图的像素值可表示像素点的速度,速度值不为零的区域可以是目标对象所在的第一区域(例如,目标对象是非静止的),且在同一目标对象所在的第一区域中,速度值可以是相同的,即,像素值可以是相同的。
在示例中,可对第一区域进行卷积处理,所述卷积处理包括高斯核卷积处理,或任意中心区域响应值高、四周区域响应值低的卷积,本公开对卷积处理的类型不做限制。所述第二速度图中的目标对象所在的第二区域的像素值可满足高斯分布,也可满足其他分部,例如T分布,卡方分布等,本公开对分布类型不做限制。例如,如图3中右侧所示,可对第一区域的多个像素点进行高斯卷积核的卷积处理,获得高斯响应(即,第二区域),第一区域的高斯响应可以是区域的中心的像素值较高,边缘的像素值较低的可视化效果,并且,边缘的像素值较低可有助于区分不同的目标对象。
通过这种方式,可通过对第一区域进行卷积处理的方式,提升目标对象所在区域的可视化效果,且有助于区分不同的目标对象。
在一种可能的实现方式中,所述方法还包括:对所述第二速度图中的目标对象所在的第二区域进行非极大值抑制处理,获得第三速度图。
图4示出根据本公开的实施例的第三速度图的示意图,如图4所示,图4中左侧为第二视频帧,右侧为第三速度图。所述第二区域可以是第一区域经过高斯响应处理后的区域,第二区域的位置与第一区域的位置可相同。可对第二区域进行非极大值抑制处理(即,可抑制边界的像素值,在经过卷积处理后,形成了中心的像素值较高,边缘的像素值较低区域,非极大值抑制处理可对边缘的较低的像素值进行抑制,增加边缘与中心的区分度,使每个目标对象的边缘较突出,有助于区分各目标对象),进一步强化各目标对象之间的边缘,可将多个目标对象进行分区,有利于分别识别和跟踪各目标对象。
在一种可能的实现方式中,第一速度图、第二速度图和第三速度图中识别出的目标对象的位置与第二视频帧中目标对象一致,所述方法还包括:根据所述第一速度图、所述第二速度图或所述第三速度图和所述第二视频帧,获得目标图像。在示例中,可将第二视频帧与第三速度图进行叠加,例如,可将第二视频帧中各像素点的像素值与第三速度图中各像素点的像素值进行相加。在第三速度图中,目标对象所在区域的像素值不为零,其他区域的像素值为零,因此,在叠加后,第二视频帧中目标对象所在区域的像素值较高,亮度较大,其他区域像素值不变,可突出显示目标对象所在的区域,有利于观测到目标对象。在另一示例中,可将第一速度图或第二速度图与第二视频帧进行叠加处理,本公开对叠加的速度图不做限制。
在一种可能的实现方式中,第一速度图、第二速度图或第三速度图中均可识别出目标对象所在的区域,可利用目标对象所在的区域的位置来跟踪目标对象。所述方法还包括:在与连续多个视频帧对应的所述第一速度图、所述第二速度图或所述第三速度图中,确定目标对象所在的第三区域的位置信息;根据所述位置信息,确定所述目标对象的跟踪线。
在示例中,目标对象可以是正在移动的行人等,可在连续多个视频帧中确定目标对象的位置信息,例如,确定目标对象在视频帧中的位置,或确定目标对象在与视频画面对应的实际地理位置。
在示例中,可根据多个视频帧中的目标对象的位置信息,来确定目标对象的跟踪线,例如,所述跟踪线为目标对象在视频帧中的行动路线,例如,从视频的右上角移动到视频的右下角。又或者,在实际地理位置中,目标对象的跟踪线为从A街道移动到B街道,本公开对位置信息和跟踪线不做限制。
在示例中,还可根据第一速度图或第二速度图来确定目标对象的位置信息,进而确定目标对象的跟踪线,过程与第三速度图类似,此处不再赘述。
在一种可能的实现方式中,在确定跟踪线的过程中,在视频帧中存在多个目标对象时,可首先确定不同视频帧中的同一个目标对象。其中,根据所述位置信息,确定所述目标对象的跟踪线,包括:确定连续两个视频帧对应的所述第一速度图、所述第二速度图或所述第三速度图中的第三区域的交并比;如果所述交并比大于或等于交并比阈值,则将所述第三区域的位置信息添加至所述目标对象的跟踪线中。
通常,不同的目标对象互相之间存在一定距离,目标对象A和目标对象B的不重叠。在相邻的两个视频帧中,目标对象A在两个视频帧中的第三区域的交并比较大,目标对象A和目标对象B的交并比(例如,目标对象A在第一个视频帧中的第三区域与目标对象B在第二个视频帧中的第三区域的交并比,或者,目标对象B在第一个视频帧中的第三区域与目标对象A在第二个视频帧中的第三区域的交并比)较小,可根据相邻视频帧中第三区域的交并比来确定相邻视频帧中的同一个目标对象,进而确定该目标对象的跟踪线。例如,可确定连续两个视频帧中交并比大于交并比阈值(例如,0.9、0.8等)的第三区域,并可将这两个视频帧中第三区域的位置信息分别添加至目标对象的跟踪线中,即,多个连续视频帧中,通过相邻视频帧确定可添加至跟踪线中的位置信息可组成所述跟踪线。
在示例中,还可根据第一速度图或第二速度图对应的第三区域的交并比来确定目标对象的跟踪线,过程与第三速度图类似,此处不再赘述。
在一种可能的实现方式中,在确定目标对象的跟踪线的过程中,可能出现跟踪线过短,没有跟踪价值的情况,例如,视频帧中仅为某对象在视频的角落闪过,仅有少数几帧视频帧拍摄到了该对象,可认为该对象的跟踪线信息量过少,没有实际跟踪价值。根据所述位置信息,确定所述目标对象的跟踪线,包括:确定所述目标对象的跟踪线对应的视频帧的数量;在所述视频帧的数量小于或等于数量阈值的情况下,清除所述目标对象的跟踪线。
在示例中,目标对象的跟踪线对应的视频帧的数量即为拍摄到该目标对象的视频帧的数量,如果数量过少,例如,视频帧的数量小于或等于数量阈值(例如5帧、10帧等),可认为该目标对象的跟踪线对应的视频帧数量过少,没有实际跟踪价值,可清楚该目标对象的跟踪线。
在一种可能的实现方式中,在确定目标对象的跟踪线的过程中,可能出现跟踪线中断的情况,例如,某一帧图像拍摄失效,或者特征提取等处理失效等,未检测到目标对象的第三区域,则目标对象的跟踪线出现中断的情况。根据所述位置信息,确定所述目标对象的跟踪线,包括:在所述目标对象的跟踪线中断的情况下,根据与所述跟踪线中断时对应的第三视频帧的相邻视频帧中的第三区域的位置信息,确定所述第三视频帧中的第三区域的位置信息。
在示例中,在某一帧或多帧视频帧出现跟踪线中断时,可通过终端跟踪线的视频帧的相邻视频帧(例如,前一帧或多帧,或者后一帧或多帧)来估算终端的跟踪线(即,估算跟踪线中的位置信息),例如,可通过拟合、插值等方法来估算跟踪线中的位置信息,本公开对估算跟踪线的方式不做限制。
在一种可能的实现方式中,所述视频处理方法可通过神经网络实现,例如,可通过神经网络获得第一速度图、第二速度图或第三速度图。在使用神经网络执行上述视频处理方法前,可对神经网络进行训练,所述方法还包括:将样本视频中的第一样本视频帧和第二样本视频帧输入所述神经网络进行处理,获得第一样本速度图,其中,所述第一样本视频帧为所述样本视频的任意一个视频帧,所述第二样本视频帧为第一样本视频帧的后续的视频帧中的任意一个,所述第一样本视频帧和第二样本视频帧中包括各对象所在位置的标注;根据所述两个样本视频帧的时间间隔以及各对象的标注在所述第一样本视频帧和第二样本视频帧之间的移动距离,确定与第二样本视频帧对应的第二样本速度图;根据所述第一样本速度图和所述第二样本速度图,确定所述神经网络的网络损失;根据所述网络损失,训练所述神经网络。
在一种可能的实现方式中,样本视频可以是监控***、安防***或门禁***的至少一个摄像头采集到的视频,其中,第一样本视频帧和第二样本视频帧为样本视频中的视频帧,且对视频中的对象所在的区域进行标注。
例如,样本***于公安监控视频,通过收集黑夜场景下的监控视频,将视频剪切成若干段图片序列,对行人位置进行标注。并对标注后的视频帧进行预处理,例如归一化等。由于黑夜场景下极难识别行人,在单帧图像下标注人员较难识别出行人。所以标注时使用连续帧来进行标注,通过前后帧行人的整体动作来判断行人的位置。对于每一个视频帧可标注每个行人的人体框,其中,人体框的位置为行人身体的四周。
在一种可能的实现方式中,可将第一样本视频帧和第二样本视频帧输入所述神经网络,获得第一样本速度图,在第一样本速度图中,可根据速度值表示出对象的位置。
在一种可能的实现方式中,可根据第一样本视频帧和第二样本视频帧的时间间隔以及各对象的标注在所述第一样本视频帧和第二样本视频帧之间的移动距离,确定与第二样本视频帧对应的第二样本速度图。
例如,对于标注完成的视频帧序列,对于无行人ID的标注先根据前后帧行人的位置变化来进行匹配,以判断每一帧的行人的ID,即,确定各帧中的行人为同一行人。并可将匹配完行人ID的图片序列计算图片帧间行人的位移。进一步地,可根据行人的位移大小生成图片帧之间的第二样本速度图。并可将速度图进行高斯核卷积处理,使得目标对象所在区域的中心的像素值较高,边缘的像素值较低。
在一种可能的实现方式中,可根据第一样本速度图和所述第二样本速度图,确定所述神经网络的网络损失,例如,可根据第二样本速度图中目标对象的准确位置和速度值,以及第一速度图中神经网络输出的目标对象的位置以及速度值,确定第一样本速度图和所述第二样本速度图之间的差异,并根据该差异确定神经网络的网络损失。
在一种可能的实现方式中,可通过网络损失,反向调节神经网络的网络参数,例如,可通过梯度下降法反向调节神经网络的网络参数,使得网络损失最小化。
在一种可能的实现方式中,可迭代执行上述调节神经网络的网络参数的处理,直到网络损失小于或等于损失阈值,或者收敛于预设区间,又或者调节次数达到次数阈值等,可完成神经网络的训练,并可将训练后的神经网络应用于检测视频帧中的目标对象的处理中。
根据本公开的实施例的视频处理方法,可根据两个视频帧的特征图以及时间间隔获得第一速度图,并可通过对第一区域进行卷积处理的方式,提升目标对象所在区域的可视化效果,且有助于区分不同的目标对象,并通过非极大值抑制处理,可将多个目标对象进行分区,有利于分别识别和跟踪各目标对象。可通过速度图来检测环境光照条件较差的情况下的目标对象,可检测出运动的目标对象,提高检测到目标对象的概率,减少漏检的情况。还可根据多个视频帧中检测到的目标对象的位置信息,确定目标对象的跟踪线,提高跟踪目标对象的效率。
图5示出根据本公开的实施例的目标图像的示意图。图5中左侧为第二视频帧,右侧为目标图像。
在示例中,待处理视频可包括监控***、安防***或门禁***的至少一个摄像头采集到的视频,第一视频帧和第二视频帧可以是待处理视频中间隔预定时间的视频帧。
在一种可能的实现方式中,可将第一视频帧和第二视频帧分别输入神经网络进行处理,可获得第一速度图。进一步地,可对第一速度图中的目标对象所在的第一区域进行高斯卷积核的卷积处理,获得第二速度图,第二速度图中目标对象所在的第二区域可以是中心的像素值较高,边缘的像素值较低的区域,可提升可视化效果。在一种可能的实现方式中,可对第二速度图中各对象的第二区域进行非极大值抑制处理,获得第三速度图,可进一步强化各目标对象之间的边缘,可将多个目标对象进行分区,有利于分别识别和跟踪各目标对象。
在一种可能的实现方式中,可将第三速度图与第二视频帧进行叠加,即,使得第二视频帧中目标对象所在区域高亮显示,有利于观测到目标对象,并追踪目标对象。
在一种可能的实现方式中,可根据多个连续视频帧中目标对象所在区域的位置,确定目标对象的跟踪线,可利用跟踪线获得目标对象的路径信息,进而对目标对象进行跟踪。
在一种可能的实现方式中,所述视频处理方法可用于监控、安防、门禁等领域,可在光线条件较差的环境中准确识别目标对象所在的位置,并可跟踪目标对象,提高黑暗环境中的安防力度,提高对犯罪分子的追踪能力。进一步地,在识别目标对象的位置后,还可对目标对象进行进一步识别,例如,可预测目标对象的速度,识别目标对象的身份、身高、性别等属性。本公开对所述视频处理方法的应用领域不做限制。
图6示出根据本公开的实施例的视频处理装置的框图,如图6所示,所述装置包括:
提取模块11,用于对待处理视频的第一视频帧和第二视频帧进行特征提取处理,获得第一视频帧的第一特征图和第二视频帧的第二特征图,其中,所述第一视频帧为所述待处理视频的任意一个或多个视频帧,所述第二视频帧为第一视频帧的后续的视频帧中的任意一个;
第一获得模块12,用于根据所述第一视频帧与所述第二视频帧之间的时间间隔、所述第一特征图以及所述第二特征图,获得与所述第二视频帧对应的第一速度图,其中,所述第一速度图的目标像素点的像素值表示由第一视频帧中的第一像素点的第一位置移动到第二视频帧中对应的第二像素点的第二位置的移动速度,所述目标像素点与所述第二像素点的位置相同。
在一种可能的实现方式中,所述装置还包括:
第一确定模块,用于根据所述第一速度图的多个像素点的像素值,确定目标对象所在的第一区域;
第二获得模块,用于对所述第一区域进行卷积处理,获得第二速度图。
在一种可能的实现方式中,所述卷积处理包括高斯核卷积处理,所述第二速度图中的目标对象所在的第二区域的像素值满足高斯分布。
在一种可能的实现方式中,所述装置还包括:
第三获得模块,用于对所述第二速度图中的目标对象所在的第二区域进行非极大值抑制处理,获得第三速度图。
在一种可能的实现方式中,所述装置还包括:
第二确定模块,用于在与连续多个视频帧对应的所述第一速度图、所述第二速度图或所述第三速度图中,确定目标对象所在的第三区域的位置信息;
第三确定模块,用于根据所述位置信息,确定所述目标对象的跟踪线。
在一种可能的实现方式中,所述第三确定模块进一步用于:
确定连续两个视频帧对应的所述第一速度图、所述第二速度图或所述第三速度图中的第三区域的交并比;
如果所述交并比大于或等于交并比阈值,则将所述第三区域的位置信息添加至所述目标对象的跟踪线中。
在一种可能的实现方式中,所述第三确定模块进一步用于:
确定所述目标对象的跟踪线对应的视频帧的数量;
在所述视频帧的数量小于或等于数量阈值的情况下,清除所述目标对象的跟踪线。
在一种可能的实现方式中,所述第三确定模块进一步用于:
在所述目标对象的跟踪线中断的情况下,根据与所述跟踪线中断时对应的第三视频帧的相邻视频帧中的第三区域的位置信息,确定所述第三视频帧中的第三区域的位置信息。
在一种可能的实现方式中,所述装置还包括:
第四获得模块,用于根据所述第一速度图、所述第二速度图或所述第三速度图和所述第二视频帧,获得目标图像。
在一种可能的实现方式中,所述第一获得模块进一步用于:
对所述第一特征图和所述第二特征图中的对应像素点进行识别,确定目标对象所在区域;
根据第一特征图中所述目标对象所在区域的像素点以及第二特征图中所述目标对象所在区域的对应的像素点,确定目标对象的位移;
根据所述目标对象的位移以及所述时间间隔,对目标对象的像素点进行像素值回归处理,获得所述第一速度图。
在一种可能的实现方式中,所述视频处理装置的功能通过神经网络实现,所述装置还包括:
第五获得模块,用于将样本视频中的第一样本视频帧和第二样本视频帧输入所述神经网络进行处理,获得第一样本速度图,其中,所述第一样本视频帧为所述样本视频的任意一个视频帧,所述第二样本视频帧为第一样本视频帧的后续的视频帧中的任意一个,所述第一样本视频帧和第二样本视频帧中包括各对象所在位置的标注;
第四确定模块,用于根据所述两个样本视频帧的时间间隔以及各对象的标注在所述第一样本视频帧和第二样本视频帧之间的移动距离,确定与第二样本视频帧对应的第二样本速度图;
第五确定模块,用于根据所述第一样本速度图和所述第二样本速度图,确定所述神经网络的网络损失;
训练模块,用于根据所述网络损失,训练所述神经网络。
可以理解,本公开提及的上述各个方法实施例,在不违背原理逻辑的情况下,均可以彼此相互结合形成结合后的实施例,限于篇幅,本公开不再赘述。
此外,本公开还提供了视频处理装置、电子设备、计算机可读存储介质、程序,上述均可用来实现本公开提供的任一种视频处理方法,相应技术方案和描述和参见方法部分的相应记载,不再赘述。
本领域技术人员可以理解,在具体实施方式的上述方法中,各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定,各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
在一些实施例中,本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法,其具体实现可以参照上文方法实施例的描述,为了简洁,这里不再赘述
本公开实施例还提出一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是非易失性计算机可读存储介质。
本公开实施例还提出一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为上述方法。
电子设备可以被提供为终端、服务器或其它形态的设备。
图7是根据一示例性实施例示出的一种电子设备800的框图。例如,电子设备800可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等终端。
参照图7,电子设备800可以包括以下一个或多个组件:处理组件802,存储器804,电源组件806,多媒体组件808,音频组件810,输入/输出(I/O)的接口812,传感器组件814,以及通信组件816。
处理组件802通常控制电子设备800的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件802可以包括一个或多个模块,便于处理组件802和其他组件之间的交互。例如,处理组件802可以包括多媒体模块,以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理***,一个或多个电源,及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜***或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如,音频组件810包括一个麦克风(MIC),当电子设备800处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中,音频组件810还包括一个扬声器,用于输出音频信号。
I/O接口812为处理组件802和***接口模块之间提供接口,上述***接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器,用于为电子设备800提供各个方面的状态评估。例如,传感器组件814可以检测到电子设备800的打开/关闭状态,组件的相对定位,例如所述组件为电子设备800的显示器和小键盘,传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变,用户与电子设备800接触的存在或不存在,电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件814还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件816经由广播信道接收来自外部广播管理***的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件816还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种易失性或非易失性计算机可读存储介质,例如包括计算机程序指令的存储器804,上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
本公开实施例还提供了一种计算机程序产品,包括计算机可读代码,当计算机可读代码在设备上运行时,设备中的处理器执行用于实现如上任一实施例提供的方法的指令。
该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中,所述计算机程序产品具体体现为计算机存储介质,在另一个可选实施例中,计算机程序产品具体体现为软件产品,例如软件开发包(Software Development Kit,SDK)等等。
图8是根据一示例性实施例示出的一种电子设备1900的框图。例如,电子设备1900可以被提供为一服务器。参照图8,电子设备1900包括处理组件1922,其进一步包括一个或多个处理器,以及由存储器1932所代表的存储器资源,用于存储可由处理组件1922的执行的指令,例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件1922被配置为执行指令,以执行上述方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理,一个有线或无线网络接口1950被配置为将电子设备1900连接到网络,和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作***,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM或类似。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器1932,上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
本公开可以是***、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令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)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(***)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的***、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、程序段或指令的一部分,所述模块、程序段或指令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。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,两个连续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动作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (13)
1.一种视频处理方法,其特征在于,包括:
对待处理视频的第一视频帧和第二视频帧进行特征提取处理,获得第一视频帧的第一特征图和第二视频帧的第二特征图,其中,所述第一视频帧为所述待处理视频的任意一个或多个视频帧,所述第二视频帧为第一视频帧的后续的视频帧中的任意一个;
根据所述第一视频帧与所述第二视频帧之间的时间间隔、所述第一特征图以及所述第二特征图,获得与所述第二视频帧对应的第一速度图,其中,所述第一速度图的目标像素点的像素值表示由第一视频帧中的第一像素点的第一位置移动到第二视频帧中对应的第二像素点的第二位置的移动速度,所述目标像素点与所述第二像素点的位置相同;
根据所述第一速度图的多个像素点的像素值,确定目标对象所在的第一区域;
其中,根据所述第一视频帧与所述第二视频帧之间的时间间隔、所述第一特征图以及所述第二特征图,获得与所述第二视频帧对应的第一速度图,包括:
对所述第一特征图和所述第二特征图中的对应像素点进行识别,确定目标对象所在区域;
根据第一特征图中所述目标对象所在区域的像素点以及第二特征图中所述目标对象所在区域的对应的像素点,确定目标对象的位移;
根据所述目标对象的位移以及所述时间间隔,对目标对象的像素点进行像素值回归处理,获得所述第一速度图。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
对所述第一区域进行卷积处理,获得第二速度图。
3.根据权利要求2所述的方法,其特征在于,所述卷积处理包括高斯核卷积处理,所述第二速度图中的目标对象所在的第二区域的像素值满足高斯分布。
4.根据权利要求2所述的方法,其特征在于,所述方法还包括:
对所述第二速度图中的目标对象所在的第二区域进行非极大值抑制处理,获得第三速度图。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
在与连续多个视频帧对应的所述第一速度图、所述第二速度图或所述第三速度图中,确定目标对象所在的第三区域的位置信息;
根据所述位置信息,确定所述目标对象的跟踪线。
6.根据权利要求5所述的方法,其特征在于,根据所述位置信息,确定所述目标对象的跟踪线,包括:
确定连续两个视频帧对应的所述第一速度图、所述第二速度图或所述第三速度图中的第三区域的交并比;
如果所述交并比大于或等于交并比阈值,则将所述第三区域的位置信息添加至所述目标对象的跟踪线中。
7.根据权利要求5所述的方法,其特征在于,根据所述位置信息,确定所述目标对象的跟踪线,包括:
确定所述目标对象的跟踪线对应的视频帧的数量;
在所述视频帧的数量小于或等于数量阈值的情况下,清除所述目标对象的跟踪线。
8.根据权利要求5所述的方法,其特征在于,根据所述位置信息,确定所述目标对象的跟踪线,包括:
在所述目标对象的跟踪线中断的情况下,根据与所述跟踪线中断时对应的第三视频帧的相邻视频帧中的第三区域的位置信息,确定所述第三视频帧中的第三区域的位置信息。
9.根据权利要求4所述的方法,其特征在于,所述方法还包括:
根据所述第一速度图、所述第二速度图或所述第三速度图和所述第二视频帧,获得目标图像。
10.根据权利要求1所述的方法,其特征在于,所述视频处理方法通过神经网络实现,所述方法还包括:
将样本视频中的第一样本视频帧和第二样本视频帧输入所述神经网络进行处理,获得第一样本速度图,其中,所述第一样本视频帧为所述样本视频的任意一个视频帧,所述第二样本视频帧为第一样本视频帧的后续的视频帧中的任意一个,所述第一样本视频帧和第二样本视频帧中包括各对象所在位置的标注;
根据所述两个样本视频帧的时间间隔以及各对象的标注在所述第一样本视频帧和第二样本视频帧之间的移动距离,确定与第二样本视频帧对应的第二样本速度图;
根据所述第一样本速度图和所述第二样本速度图,确定所述神经网络的网络损失;
根据所述网络损失,训练所述神经网络。
11.一种视频处理装置,其特征在于,包括:
提取模块,用于对待处理视频的第一视频帧和第二视频帧进行特征提取处理,获得第一视频帧的第一特征图和第二视频帧的第二特征图,其中,所述第一视频帧为所述待处理视频的任意一个或多个视频帧,所述第二视频帧为第一视频帧的后续的视频帧中的任意一个;
第一获得模块,用于根据所述第一视频帧与所述第二视频帧之间的时间间隔、所述第一特征图以及所述第二特征图,获得与所述第二视频帧对应的第一速度图,其中,所述第一速度图的目标像素点的像素值表示由第一视频帧中的第一像素点的第一位置移动到第二视频帧中对应的第二像素点的第二位置的移动速度,所述目标像素点与所述第二像素点的位置相同;
第一确定模块,用于根据所述第一速度图的多个像素点的像素值,确定目标对象所在的第一区域;
其中,所述第一获得模块进一步用于:对所述第一特征图和所述第二特征图中的对应像素点进行识别,确定目标对象所在区域;
根据第一特征图中所述目标对象所在区域的像素点以及第二特征图中所述目标对象所在区域的对应的像素点,确定目标对象的位移;
根据所述目标对象的位移以及所述时间间隔,对目标对象的像素点进行像素值回归处理,获得所述第一速度图。
12.一种电子设备,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:执行权利要求1至10中任意一项所述的方法。
13.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,所述计算机程序指令被处理器执行时实现权利要求1至10中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911375222.0A CN111104920B (zh) | 2019-12-27 | 2019-12-27 | 视频处理方法及装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911375222.0A CN111104920B (zh) | 2019-12-27 | 2019-12-27 | 视频处理方法及装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111104920A CN111104920A (zh) | 2020-05-05 |
CN111104920B true CN111104920B (zh) | 2023-12-01 |
Family
ID=70423434
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911375222.0A Active CN111104920B (zh) | 2019-12-27 | 2019-12-27 | 视频处理方法及装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111104920B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111556336B (zh) * | 2020-05-12 | 2023-07-14 | 腾讯科技(深圳)有限公司 | 一种多媒体文件处理方法、装置、终端设备及介质 |
CN111641870B (zh) * | 2020-06-05 | 2022-04-22 | 北京爱奇艺科技有限公司 | 视频播放方法、装置、电子设备及计算机存储介质 |
CN112183588A (zh) * | 2020-09-11 | 2021-01-05 | 上海商汤智能科技有限公司 | 视频处理方法及装置、电子设备及存储介质 |
CN112381858B (zh) * | 2020-11-13 | 2024-06-11 | 成都商汤科技有限公司 | 目标检测方法、装置、存储介质及设备 |
CN112954293B (zh) * | 2021-01-27 | 2023-03-24 | 北京达佳互联信息技术有限公司 | 深度图获取方法、参考帧生成方法、编解码方法及设备 |
CN113766130B (zh) * | 2021-09-13 | 2023-07-28 | 维沃移动通信有限公司 | 视频拍摄方法、电子设备及装置 |
CN114018589B (zh) * | 2021-10-25 | 2024-03-15 | 中汽研汽车检验中心(天津)有限公司 | 气囊弹出速度的确定方法、装置、电子设备及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102065287A (zh) * | 2009-11-17 | 2011-05-18 | 航天信息股份有限公司 | T型视频水印嵌入和提取方法 |
CN107833240A (zh) * | 2017-11-09 | 2018-03-23 | 华南农业大学 | 多跟踪线索引导的目标运动轨迹提取和分析方法 |
CN108242062A (zh) * | 2017-12-27 | 2018-07-03 | 北京纵目安驰智能科技有限公司 | 基于深度特征流的目标跟踪方法、***、终端及介质 |
CN108898086A (zh) * | 2018-06-20 | 2018-11-27 | 腾讯科技(深圳)有限公司 | 视频图像处理方法及装置、计算机可读介质和电子设备 |
CN109829501A (zh) * | 2019-02-01 | 2019-05-31 | 北京市商汤科技开发有限公司 | 图像处理方法及装置、电子设备和存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10740908B2 (en) * | 2016-02-23 | 2020-08-11 | Hitachi, Ltd. | Moving object |
-
2019
- 2019-12-27 CN CN201911375222.0A patent/CN111104920B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102065287A (zh) * | 2009-11-17 | 2011-05-18 | 航天信息股份有限公司 | T型视频水印嵌入和提取方法 |
CN107833240A (zh) * | 2017-11-09 | 2018-03-23 | 华南农业大学 | 多跟踪线索引导的目标运动轨迹提取和分析方法 |
CN108242062A (zh) * | 2017-12-27 | 2018-07-03 | 北京纵目安驰智能科技有限公司 | 基于深度特征流的目标跟踪方法、***、终端及介质 |
CN108898086A (zh) * | 2018-06-20 | 2018-11-27 | 腾讯科技(深圳)有限公司 | 视频图像处理方法及装置、计算机可读介质和电子设备 |
CN109829501A (zh) * | 2019-02-01 | 2019-05-31 | 北京市商汤科技开发有限公司 | 图像处理方法及装置、电子设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111104920A (zh) | 2020-05-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111104920B (zh) | 视频处理方法及装置、电子设备和存储介质 | |
CN110378976B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN110287874B (zh) | 目标追踪方法及装置、电子设备和存储介质 | |
US11288531B2 (en) | Image processing method and apparatus, electronic device, and storage medium | |
CN111553864B (zh) | 图像修复方法及装置、电子设备和存储介质 | |
CN110942036B (zh) | 人员识别方法及装置、电子设备和存储介质 | |
CN109934275B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN110633700B (zh) | 视频处理方法及装置、电子设备和存储介质 | |
CN110532956B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN109543536B (zh) | 图像标识方法及装置、电子设备和存储介质 | |
CN111523346B (zh) | 图像识别方法及装置、电子设备和存储介质 | |
US20210326649A1 (en) | Configuration method and apparatus for detector, storage medium | |
CN111435422B (zh) | 动作识别方法、控制方法及装置、电子设备和存储介质 | |
CN111680646B (zh) | 动作检测方法及装置、电子设备和存储介质 | |
US20220383517A1 (en) | Method and device for target tracking, and storage medium | |
CN111523599B (zh) | 目标检测方法及装置、电子设备和存储介质 | |
CN108171222B (zh) | 一种基于多流神经网络的实时视频分类方法及装置 | |
CN114187498A (zh) | 遮挡检测方法及装置、电子设备和存储介质 | |
CN112906484A (zh) | 一种视频帧处理方法及装置、电子设备和存储介质 | |
CN110781842A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN112330717B (zh) | 目标跟踪方法及装置、电子设备和存储介质 | |
CN111339964B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN113506325B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN113506324B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN111832338A (zh) | 对象检测方法及装置、电子设备和存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |