CN112653885B - 视频重复度获取方法、电子设备及存储介质 - Google Patents
视频重复度获取方法、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112653885B CN112653885B CN202011455839.6A CN202011455839A CN112653885B CN 112653885 B CN112653885 B CN 112653885B CN 202011455839 A CN202011455839 A CN 202011455839A CN 112653885 B CN112653885 B CN 112653885B
- Authority
- CN
- China
- Prior art keywords
- video
- image
- video image
- extracted
- images
- 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
- 238000000034 method Methods 0.000 title claims abstract description 43
- 230000008878 coupling Effects 0.000 claims description 25
- 238000010168 coupling process Methods 0.000 claims description 25
- 238000005859 coupling reaction Methods 0.000 claims description 25
- 239000011159 matrix material Substances 0.000 claims description 14
- 239000000758 substrate Substances 0.000 claims 3
- 238000012545 processing Methods 0.000 abstract description 14
- 238000004590 computer program Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000000605 extraction Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
Abstract
本公开公开了视频重复度获取方法、电子设备及存储介质,所述方法可包括:从第一视频中抽取M帧视频图像,M为大于一的正整数,且小于或等于第一视频中包括的总帧数,针对抽取出的每帧视频图像,分别获取对应的反序列图像;从第二视频中抽取N帧视频图像,N为大于一的正整数,且小于或等于第二视频中包括的总帧数,针对抽取出的每帧视频图像,分别获取该视频图像与各反序列图像之间的相似度;根据获取到的相似度确定出第一视频与第二视频之间的重复度。应用本公开所述方案,可节省计算资源和时间成本,并可提升处理效率等。
Description
技术领域
本公开涉及视频识别技术,特别涉及视频重复度获取方法、电子设备及存储介质。
背景技术
在实际应用中,很多场景下需要获取一个视频和另外一个视频之间的重复度。现有的视频重复度获取方法多比较复杂,如需要进行各种复杂的计算,从而需要耗费较多的计算资源及较长的时间成本等。
发明内容
本公开提供了视频重复度获取方法、电子设备及存储介质。
一种视频重复度获取方法,包括:
从第一视频中抽取M帧视频图像,M为大于一的正整数,且小于或等于所述第一视频中包括的总帧数,针对抽取出的每帧视频图像,分别获取对应的反序列图像;
从第二视频中抽取N帧视频图像,N为大于一的正整数,且小于或等于所述第二视频中包括的总帧数,针对抽取出的每帧视频图像,分别获取所述视频图像与各反序列图像之间的相似度;
根据获取到的相似度确定出所述第一视频与所述第二视频之间的重复度。
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如以上所述的方法。
一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使计算机执行如以上所述的方法。
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如以上所述的方法。
上述公开中的一个实施例具有如下优点或有益效果:可分别对第一视频和第二视频进行视频图像抽取,并可获取从第一视频中抽取出的各视频图像的反序列图像以及获取从第二视频中抽取出的各视频图像与各反序列图像之间的相似度,进而可根据获取到的相似度确定出两个视频之间的重复度,整个过程快速易实现,节省了计算资源和时间成本,并提升了处理效率等。
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为本公开所述视频重复度获取方法实施例的流程图;
图2为本公开所述最优连续路径的示意图;
图3为本公开所述视频重复度获取方法的整体实现过程示意图;
图4示出了可以用来实施本公开的实施例的示例电子设备400的示意性框图。
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。
另外,应理解,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,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
图1为本公开所述视频重复度获取方法实施例的流程图。如图1所示,包括以下具体实现方式。
在步骤101中,从第一视频中抽取M帧视频图像,M为大于一的正整数,且小于或等于第一视频中包括的总帧数,针对抽取出的每帧视频图像,分别获取对应的反序列图像。
在步骤102中,从第二视频中抽取N帧视频图像,N为大于一的正整数,且小于或等于第二视频中包括的总帧数,针对抽取出的每帧视频图像,分别获取该视频图像与各反序列图像之间的相似度。
在步骤103中,根据获取到的相似度确定出第一视频与第二视频之间的重复度。
可以看出,上述方法实施例所述方案中,可分别对第一视频和第二视频进行视频图像抽取,并可获取从第一视频中抽取出的各视频图像的反序列图像以及获取从第二视频中抽取出的各视频图像与各反序列图像之间的相似度,进而可根据获取到的相似度确定出两个视频之间的重复度,整个过程快速易实现,节省了计算资源和时间成本,并提升了处理效率等。
本公开所述方案中,对于如何从第一视频中抽取视频图像不作限制,如可包括但不限于:将第一视频中的每帧均作为抽取出的视频图像,或者,每间隔L帧,则从第一视频中抽取出一帧视频图像,L为正整数,具体取值可根据实际需要而定。
假设第一视频中共包括100帧,那么可将这100帧均作为抽取出的视频图像,或者,假设L的取值为1,那么可每间隔1帧,则从第一视频中抽取出一帧视频图像,从而共抽取出50帧视频图像等。
同样地,从第二视频中抽取视频图像的方式可包括但不限于:将第二视频中的每帧均作为抽取出的视频图像,或者,每间隔L帧,则从第二视频中抽取出一帧视频图像。
通常来说,从第一视频中抽取视频图像的方式与从第二视频中抽取视频图像的方式相同。比如,可将第一视频中的每帧均作为抽取出的视频图像,以及,将第二视频中的每帧均作为抽取出的视频图像,或者,每间隔1帧,则从第一视频中抽取出一帧视频图像,以及,每间隔1帧,则从第二视频中抽取出一帧视频图像。
对于将视频中的每帧均作为抽取出的视频图像的方式,可抽取出更多的视频图像,从而可提升后续处理结果的准确性等,对于间隔抽取的方式,抽取出的视频图像的数量会减少,相应地,可减少后续处理的工作量,从而提升处理效率等。具体采用哪种方式可根据实际需要而定。
如步骤101中所述,在从第一视频中抽取出M帧视频图像后,可针对抽取出的每帧视频图像,分别获取其对应的反序列图像。具体地,针对抽取出的每帧视频图像,可分别将该视频图像中的各像素点的取值取反,从而得到该视频图像对应的反序列图像。
假设从第一视频中抽取出了50帧视频图像,分别编号为视频图像1-视频图像50,那么可分别获取视频图像1对应的反序列图像、视频图像2对应的反序列图像、视频图像3对应的反序列图像、……,以及视频图像50对应的反序列图像等,从而共可得到50个反序列图像。
抽取出的视频图像通常为位图(BMP,Bitmap)图像,即将抽取出的视频图像以BMP格式存储在内存中。对于图像存储,通常采用256位原图,一个字节(Byte)代表一个像素点的取值。
相应地,针对从第一视频中抽取出的每帧视频图像,可分别将该视频图像中的各像素点的Byte值取反,从而得到该视频图像对应的反序列图像。
在实际应用中,可在从第一视频中每抽取出一帧视频图像后,则获取该视频图像对应的反序列图像,或者,也可在抽取出全部的M帧视频图像后,再针对各视频图像,分别获取对应的反序列图像。具体采用哪种方式可根据实际需要而定。
如步骤102中所述,可从第二视频中抽取出N帧视频图像,并且,针对抽取出的每帧视频图像,可分别获取该视频图像与各反序列图像之间的相似度。
假设从第二视频中抽取出了50帧视频图像,分别编号为视频图像101-视频图像150,并假设共存在50个反序列图像,那么针对视频图像101,可分别获取视频图像101与各反序列图像之间的相似度,从而可得到50个相似度,针对视频图像102,可分别获取视频图像102与各反序列图像之间的相似度,也可得到50个相似度,以此类推。
在实际应用中,可在从第二视频中每抽取出一帧视频图像后,则获取该视频图像与各反序列图像之间的相似度,或者,也可在抽取出全部的N帧视频图像后,再针对各视频图像,分别获取与各反序列图像之间的相似度。具体采用哪种方式可根据实际需要而定。
具体地,针对从第二视频中抽取出的每帧视频图像,可分别进行以下处理:将该视频图像与各反序列图像进行耦合操作,得到M个耦合结果图像,视频图像、反序列图像及耦合结果图像的大小相同,针对每个耦合结果图像,可分别统计该耦合结果图像中取值不为零的像素点的个数,将统计结果作为该视频图像与该耦合结果图像对应的反序列图像之间的相似度,其中,对于耦合结果图像中的任一像素点,若该像素点在视频图像中的对应像素点的取值与该像素点在反序列图像中的对应像素点的取值相同,则可将该像素点的取值设置为零,否则,不为零,对应像素点为相同位置的像素点。
抽取出的视频图像可能为任意大小,本公开所述方案中,针对抽取出的视频图像,还可先对其进行预处理,即调整为预定大小,经过调整后,无论是从第一视频中抽取出的视频图像、从第二视频中抽取出的视频图像、反序列图像还是耦合结果图像,大小均相同,即均为所述预定大小。所述预定大小的具体取值可根据实际需要而定。
针对从第二视频中抽取出的每帧视频图像,可分别将其与M个反序列图像进行耦合操作,从而得到M个耦合结果图像。比如,针对每个反序列图像,可分别将该视频图像与该反序列图像中的对应像素点进行按Byte与操作,从而得到该反序列图像对应的耦合结果图像,并可统计该耦合结果图像中取值不为零的像素点的个数,将统计结果作为该视频图像与该反序列图像之间的相似度。
当某一视频图像与某一反序列图像进行耦合操作时,即将该视频图像与该反序列图像中的对应像素点进行按Byte与操作时,以得到的耦合结果图像中坐标位置为(10,10)的像素点为例,假设该视频图像中坐标位置为(10,10)的像素点的取值与该反序列图像中坐标位置为(10,10)的像素点的取值相同,那么则可将该耦合结果图像中坐标位置为(10,10)的像素点设置为0,否则,可设置为1,并可统计该耦合结果图像中取值不为0的像素点的个数,将统计结果作为该视频图像与该反序列图像之间的相似度。
这样,针对从第二视频中抽取出的每帧视频图像,可分别得到如下的结果集:
A1 A2 A3 …
B1 19 5 10 …
其中,B1表示从第二视频中抽取出的一帧视频图像,A1、A2和A3等分别表示从第一视频中抽取出的各帧视频图像,19表示视频图像B1与视频图像A1对应的反序列图像之间的相似度,5表示视频图像B1与视频图像A2对应的反序列图像之间的相似度,以此类推。
根据从第二视频中抽取出的各视频图像对应的结果集,可生成一个N行M列的结果矩阵。
结果矩阵中的第i行对应于从第二视频中抽取出的第i帧视频图像,1≤i≤N,第i帧视频图像表示按照抽取时间由先到后的顺序对从第二视频中抽取出的N帧视频图像进行排序后处于第i位的视频图像,结果矩阵中的第j列对应于从第一视频中抽取出的第j帧视频图像,1≤j≤M,第j帧视频图像表示按照抽取时间由先到后的顺序对从第一视频中抽取出的M帧视频图像进行排序后处于第j位的视频图像,结果矩阵中的每个元素表示所在行对应的视频图像与所在列对应的视频图像的反序列图像之间的相似度。
结果矩阵可如下所示:
其中,B1、B2和B3等分别表示从第二视频中抽取出的各帧视频图像,A1、A2和A3等分别表示从第一视频中抽取出的各帧视频图像,另外,A1为最先从第一视频中抽取出的视频图像,A2其次,其它类推,类似地,B1为最先从第二视频中抽取出的视频图像,B2其次,其它类推。
可根据结果矩阵确定出第一视频与第二视频之间的重复度。具体地,在路径长度尽量长、路径上的各元素相加之和尽量小的原则下,可均衡路径长度以及路径上的各元素相加之和两个因素,从结果矩阵中确定出一条最优连续路径,最优连续路径上的各元素所在行均不同,且各元素所在列均不同,进而可根据最优连续路径的路径长度、最优连续路径上的各元素相加之和、M以及视频图像中包括的像素点的个数确定出第一视频与第二视频之间的重复度。
在从结果矩阵中确定最优连续路径时,希望路径长度尽量长,而路径上的各元素相加之和尽量小,和越小说明相似度越高,路径长度越长说明相似的帧数越多,但路径长度和路径上的各元素相加之和是两个互相影响的因素,比如,路径长度增加,可能会导致路径上的各元素相加之和也增加,因此需要均衡这两个因素,依据帧的时间连续性,选出综合评估最优的结果,即最优连续路径。或者也可理解为,对于路径长度这一因素,取值越大评分越高,对于路径上的各元素相加之和这一因素,取值越小评分越高,其中一个因素评分增大的同时,可能会导致另外一个因素评分降低,因此需要均衡两个因素,选出综合评分最高的最优连续路径。
如图2所示,图2为本公开所述最优连续路径的示意图。如何从结果矩阵中确定出最优连续路径不作限制,如可采用现有的各种成熟算法。
根据最优连续路径的路径长度、最优连续路径上的各元素相加之和、M以及视频图像中包括的像素点的个数,可确定出第一视频与第二视频之间的重复度。
比如,可计算最优连续路径上的各元素相加之和与视频图像中包括的像素点的个数的商,并计算最优连续路径的路径长度与M的商,进而计算两个商的乘积,将乘积作为第一视频与第二视频之间的重复度。
即有:Result=(P/W)*(MaxLength/M); (1)
其中,P表示最优连续路径上的各元素相加之和,W表示视频图像中包括的像素点的个数,MaxLength表示最优连续路径的路径长度,M即表示从第一视频中抽取出的视频图像的数量,Result表示重复度。
综合上述介绍可知,图3为本公开所述视频重复度获取方法的整体实现过程示意图,具体实现请参照前述相关说明,不再赘述。
另外,需要说明的是,对于前述的方法实施例,为了简单描述,将其表述为一系列的动作组合,但是本领域技术人员应该知悉,本公开并不受所描述的动作顺序的限制,因为依据本公开,某些步骤可以采用其它顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本公开所必须的。
总之,采用本公开所述方案,可通过视频图像抽取、反序列图像生成、耦合操作、结果矩阵生成、最优连续路径确定以及重复度计算等处理,确定出第一视频和第二视频之间的重复度,整个过程快速易实现,节省了计算资源和时间成本,并提升了处理效率,适合在高并发工程中使用,另外,可适用于任意类型、时长等的视频,具有广泛适用性。
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。
图4示出了可以用来实施本公开的实施例的示例电子设备400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、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,个人数字助理、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4所示,设备400包括计算单元401,其可以根据存储在只读存储器(ROM)402中的计算机程序或者从存储单元408加载到随机访问存储器(RAM)403中的计算机程序,来执行各种适当的动作和处理。在RAM 403中,还可存储设备400操作所需的各种程序和数据。计算单元401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
设备400中的多个部件连接至I/O接口405,包括:输入单元406,例如键盘、鼠标等;输出单元407,例如各种类型的显示器、扬声器等;存储单元408,例如磁盘、光盘等;以及通信单元409,例如网卡、调制解调器、无线通信收发机等。通信单元409允许设备400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401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401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401执行上文所描述的各个方法和处理,例如本公开所述的方法。例如,在一些实施例中,本公开所述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408。在一些实施例中,计算机程序的部分或者全部可以经由ROM 402和/或通信单元409而被载入和/或安装到设备400上。当计算机程序加载到RAM 403并由计算单元401执行时,可以执行本公开所述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401可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行本公开所述的方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、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***的***(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***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***、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***、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***、装置或设备使用或与指令执行***、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***、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***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***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(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***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***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***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***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。
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 (6)
1.一种视频重复度获取方法,其特征在于,包括:
从第一视频中抽取M帧视频图像,M为大于一的正整数,且小于或等于所述第一视频中包括的总帧数,针对抽取出的每帧视频图像,分别获取对应的反序列图像,包括:针对抽取出的每帧视频图像,分别将所述视频图像中的各像素点的取值取反,得到所述视频图像对应的反序列图像;
从第二视频中抽取N帧视频图像,N为大于一的正整数,且小于或等于所述第二视频中包括的总帧数,针对抽取出的每帧视频图像,分别获取所述视频图像与各反序列图像之间的相似度,包括:将所述视频图像分别与各反序列图像进行耦合操作,得到M个耦合结果图像,所述视频图像、所述反序列图像及所述耦合结果图像的大小相同,针对每个耦合结果图像,分别统计所述耦合结果图像中取值不为零的像素点的个数,将统计结果作为所述视频图像与所述耦合结果图像对应的反序列图像之间的相似度;
根据获取到的相似度确定出所述第一视频与所述第二视频之间的重复度,包括:根据获取到的相似度生成N行M列的结果矩阵;所述结果矩阵中的第i行对应于从所述第二视频中抽取出的第i帧视频图像,1≤i≤N,所述结果矩阵中的第j列对应于从所述第一视频中抽取出的第j帧视频图像,1≤j≤M,所述结果矩阵中的每个元素表示所在行对应的视频图像与所在列对应的视频图像的反序列图像之间的相似度;在路径长度尽量长、路径上的各元素相加之和尽量小的原则下,均衡路径长度以及路径上的各元素相加之和两个因素,从所述结果矩阵中确定出一条最优连续路径,所述最优连续路径上的各元素所在行均不同,且各元素所在列均不同,计算所述最优连续路径上的各元素相加之和与所述视频图像中包括的像素点的个数的商,并计算所述最优连续路径的路径长度与所述M的商,计算两个商的乘积,将所述乘积作为所述第一视频与所述第二视频之间的重复度。
2.根据权利要求1所述的方法,其特征在于,
所述从第一视频中抽取M帧视频图像包括:将所述第一视频中的每帧均作为抽取出的视频图像,或者,每间隔L帧,则从所述第一视频中抽取出一帧视频图像,L为正整数;
所述从第二视频中抽取N帧视频图像包括:将所述第二视频中的每帧均作为抽取出的视频图像,或者,每间隔L帧,则从所述第二视频中抽取出一帧视频图像。
3.根据权利要求1所述的方法,其特征在于,
对于所述耦合结果图像中的任一像素点,若所述像素点在所述视频图像中的对应像素点的取值与所述像素点在所述反序列图像中的对应像素点的取值相同,则将所述像素点的取值设置为零,否则,不为零,对应像素点为相同位置的像素点。
4.根据权利要求1所述的方法,其特征在于,
所述视频图像包括:位图图像;
所述将所述视频图像中的各像素点的取值取反包括:将所述视频图像中的各像素点的字节Byte值取反;
所述将所述视频图像分别与各反序列图像进行耦合操作,得到M个耦合结果图像包括:针对每个反序列图像,分别将所述视频图像与所述反序列图像中的对应像素点进行按Byte与操作,得到所述反序列图像对应的耦合结果图像。
5.一种电子设备,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1-4中任一项所述的方法。
6.一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计算机执行权利要求1-4中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011455839.6A CN112653885B (zh) | 2020-12-10 | 2020-12-10 | 视频重复度获取方法、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011455839.6A CN112653885B (zh) | 2020-12-10 | 2020-12-10 | 视频重复度获取方法、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112653885A CN112653885A (zh) | 2021-04-13 |
CN112653885B true CN112653885B (zh) | 2023-10-03 |
Family
ID=75353724
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011455839.6A Active CN112653885B (zh) | 2020-12-10 | 2020-12-10 | 视频重复度获取方法、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112653885B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101042735A (zh) * | 2006-03-23 | 2007-09-26 | 株式会社理光 | 图像二值化方法和装置 |
CN104217411A (zh) * | 2014-09-02 | 2014-12-17 | 济南大学 | 一种不规则破碎单面图像快速拼接方法 |
CN106791679A (zh) * | 2016-12-30 | 2017-05-31 | 东方网力科技股份有限公司 | 一种视频传输路径的确定方法及装置 |
CN109246446A (zh) * | 2018-11-09 | 2019-01-18 | 东方明珠新媒体股份有限公司 | 比较视频内容相似性的方法、装置和设备 |
CN110324660A (zh) * | 2018-03-29 | 2019-10-11 | 北京字节跳动网络技术有限公司 | 一种重复视频的判断方法及装置 |
CN111899252A (zh) * | 2020-08-06 | 2020-11-06 | 腾讯科技(深圳)有限公司 | 基于人工智能的病理图像处理方法和装置 |
CN111935506A (zh) * | 2020-08-19 | 2020-11-13 | 百度时代网络技术(北京)有限公司 | 用于确定重复视频帧的方法和装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7594177B2 (en) * | 2004-12-08 | 2009-09-22 | Microsoft Corporation | System and method for video browsing using a cluster index |
JP2008227702A (ja) * | 2007-03-09 | 2008-09-25 | Oki Electric Ind Co Ltd | 動きベクトル探索装置、動きベクトル探索方法及び動きベクトル探索プログラム |
-
2020
- 2020-12-10 CN CN202011455839.6A patent/CN112653885B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101042735A (zh) * | 2006-03-23 | 2007-09-26 | 株式会社理光 | 图像二值化方法和装置 |
CN104217411A (zh) * | 2014-09-02 | 2014-12-17 | 济南大学 | 一种不规则破碎单面图像快速拼接方法 |
CN106791679A (zh) * | 2016-12-30 | 2017-05-31 | 东方网力科技股份有限公司 | 一种视频传输路径的确定方法及装置 |
CN110324660A (zh) * | 2018-03-29 | 2019-10-11 | 北京字节跳动网络技术有限公司 | 一种重复视频的判断方法及装置 |
CN109246446A (zh) * | 2018-11-09 | 2019-01-18 | 东方明珠新媒体股份有限公司 | 比较视频内容相似性的方法、装置和设备 |
CN111899252A (zh) * | 2020-08-06 | 2020-11-06 | 腾讯科技(深圳)有限公司 | 基于人工智能的病理图像处理方法和装置 |
CN111935506A (zh) * | 2020-08-19 | 2020-11-13 | 百度时代网络技术(北京)有限公司 | 用于确定重复视频帧的方法和装置 |
Non-Patent Citations (1)
Title |
---|
铁路场景下的红外与可见光图像自动配准算法;周杏芳;刘修扬;;电子测量技术(第08期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112653885A (zh) | 2021-04-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112562069B (zh) | 三维模型的构造方法、装置、设备和存储介质 | |
CN113436100B (zh) | 用于修复视频的方法、装置、设备、介质和产品 | |
CN112561079A (zh) | 分布式的模型训练装置、方法及计算机程序产品 | |
CN112488060B (zh) | 目标检测方法、装置、设备和介质 | |
CN112580732B (zh) | 模型训练方法、装置、设备、存储介质和程序产品 | |
CN114693934B (zh) | 语义分割模型的训练方法、视频语义分割方法及装置 | |
CN113657483A (zh) | 模型训练方法、目标检测方法、装置、设备以及存储介质 | |
CN113591675A (zh) | 图像识别模型的构建方法、装置、设备以及存储介质 | |
CN114463551A (zh) | 图像处理方法、装置、存储介质及电子设备 | |
CN113344213A (zh) | 知识蒸馏方法、装置、电子设备及计算机可读存储介质 | |
CN112653885B (zh) | 视频重复度获取方法、电子设备及存储介质 | |
CN115146226B (zh) | 基于张量压缩方法的流数据处理方法、装置及设备 | |
CN115294396B (zh) | 骨干网络的训练方法以及图像分类方法 | |
CN115499707A (zh) | 视频相似度的确定方法和装置 | |
CN113792804B (zh) | 图像识别模型的训练方法、图像识别方法、装置及设备 | |
CN113361575B (zh) | 模型训练方法、装置和电子设备 | |
CN113556575A (zh) | 用于压缩数据的方法、装置、设备、介质和产品 | |
CN114093006A (zh) | 活体人脸检测模型的训练方法、装置、设备以及存储介质 | |
CN115641481A (zh) | 用于训练图像处理模型和图像处理的方法、装置 | |
CN113361621A (zh) | 用于训练模型的方法和装置 | |
CN114119990A (zh) | 用于图像特征点匹配的方法、装置及计算机程序产品 | |
CN114282664A (zh) | 自反馈模型训练方法、装置、路侧设备及云控平台 | |
CN113408592B (zh) | 特征点匹配方法、装置、电子设备及计算机可读存储介质 | |
CN115034198B (zh) | 语言模型中嵌入模块计算优化的方法 | |
CN114115640B (zh) | 图标的确定方法、装置、设备以及存储介质 |
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 |