CN117561547A - 景别确定方法、装置及计算机可读存储介质 - Google Patents
景别确定方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN117561547A CN117561547A CN202180098494.XA CN202180098494A CN117561547A CN 117561547 A CN117561547 A CN 117561547A CN 202180098494 A CN202180098494 A CN 202180098494A CN 117561547 A CN117561547 A CN 117561547A
- Authority
- CN
- China
- Prior art keywords
- reference image
- image
- target
- target image
- scene
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000003062 neural network model Methods 0.000 claims description 14
- 238000013507 mapping Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 5
- 230000009286 beneficial effect Effects 0.000 abstract 1
- 230000008569 process Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 7
- 230000009471 action Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000002452 interceptive effect Effects 0.000 description 3
- 230000003190 augmentative effect Effects 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000013441 quality evaluation Methods 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 241001156002 Anthonomus pomorum Species 0.000 description 1
- 241000282414 Homo sapiens Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000003796 beauty Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000001303 quality assessment method Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
一种景别确定方法、装置及计算机可读存储介质,所述方法包括:获取预设视频片段中的参考图像和目标图像;若所述参考图像和所述目标图像均包括同一对象的相同部分,根据所述参考图像中所述对象的该部分和所述目标图像中所述对象的该部分之间的关系,确定所述目标图像的景别。本实施例实现自动确定目标图像的景别,有利于减少用户的操作,提高景别确定效率。
Description
本申请涉及图像处理技术领域,具体而言,涉及一种景别确定方法、装置及计算机可读存储介质。
在图像处理领域,对于景别的运用能够有效提升成片质量。例如在视频编辑过程中,交替地使用各种不同的景别的视频帧,能够有效提升视频的空间层次感、方向感以及艺术表现力等。但相关技术中通常通过人工观察的方法对图像或视频帧进行分析以主观划分图像或视频帧的景别,这种方法存在识别效率低、合格率低、耗时且人工成本高等问题。
发明内容
有鉴于此,本申请的目的之一是提供一种景别确定方法、装置及计算机可读存储介质。
第一方面,本申请实施例提供了一种景别确定方法,包括:
获取预设视频片段中的参考图像和目标图像;
若所述参考图像和所述目标图像均包括同一对象的相同部分,根据所述参考图像中所述对象的该部分和所述目标图像中所述对象的该部分之间的关系,确定所述目标图像的景别。
第二方面,本申请实施例提供了一种景别确定装置,包括:
用于存储可执行指令的存储器;
一个或多个处理器;
其中,所述一个或多个处理器执行所述可执行指令时,被单独地或共同地配置成:
获取预设视频片段中的参考图像和目标图像;
若所述参考图像和所述目标图像均包括同一对象的相同部分,根据所述参考图像 中所述对象的该部分和所述目标图像中所述对象的该部分之间的关系,确定所述目标图像的景别。
第三方面,本申请实施例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可执行指令,所述可执行指令被处理器执行时实现如第一方面所述的方法。
本申请实施例所提供的一种景别确定方法,从预设视频片段中获取参考图像和目标图像,在确定所述参考图像和所述目标图像均包括同一对象的相同部分的情况下,根据所述参考图像中所述对象的该部分和所述目标图像中所述对象的该部分之间的关系,确定所述目标图像的景别。本实施例中,以与所述目标图像具有同一对象的相同部分的图像作为参考,根据所述对象的该部分分别在参考图像和目标图像中的差异来自动确定目标图像的景别,从而有利于减少用户的操作,提高景别确定效率。
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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申请的一些实施例,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是本申请一个实施例提供的一种景别确定方法的示意图;
图2和图3是本申请一个实施例提供的目标图像的第一匹配区域和参考图像的第二匹配区域的不同示意图;
图4是本申请一个实施例提供的用户标注参考图像的景别的示意图;
图5是本申请一个实施例提供的一种景别确定装置的结构示意图。
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
针对于相关技术中的问题,本申请提供了一种景别确定方法,从预设视频片段中获取参考图像和目标图像,在确定所述参考图像和所述目标图像均包括同一对象的相同部分的情况下,根据所述参考图像中所述对象的该部分和所述目标图像中所述对象 的该部分之间的关系,确定所述目标图像的景别。本实施例中,以与所述目标图像具有同一对象的相同部分的参考图像作为参考,根据所述对象的该部分分别在参考图像和目标图像中的差异来自动确定目标图像的景别,从而有利于减少用户的操作,提高景别确定效率。
在一些实施例中,本申请实施例提供的景别确定方法可以应用于景别确定装置中。
一方面,所述景别确定装置可以是具有数据处理能力的电子设备,如所述电子设备包括但不限于可移动平台、终端设备或者服务器等计算设备。其中,所述可移动平台的示例包括但不限于无人飞行器、无人驾驶车辆、云台、无人驾驶船只或者移动机器人等。所述终端设备的示例包括但不限于:智能电话/手机、平板计算机、个人数字助理(PDA)、膝上计算机、台式计算机、媒体内容播放器、视频游戏站/***、虚拟现实***、增强现实***、可穿戴式装置(例如,手表、眼镜、手套、头饰(例如,帽子、头盔、虚拟现实头戴耳机、增强现实头戴耳机、头装式装置(HMD)、头带)、挂件、臂章、腿环、鞋子、马甲)、遥控器、或者任何其他类型的装置。
示例性的,所述景别确定装置可以是集成于所述电子设备中的计算机软件产品,该计算机软件产品可以包括可以执行本申请实施例提供的景别确定方法的应用程序。
另一方面,所述景别确定装置也可以是具有数据处理能力的芯片或者集成电路,所述景别确定装置包括但不限于例如中央处理单元(Central Processing Unit,CPU)、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)或者现成可编程门阵列(Field-Programmable Gate Array,FPGA)等。所述景别确定装置可以安装于电子设备中。
在一示例性的应用场景中,例如所述景别确认方法可以应用于视频编辑场景中,景别指的是摄像机在距被摄对象的不同距离或用变焦镜头摄成的包含不同范围的画面,例如远景、全景、中景、近景、特写等。在视频编辑过程中可以交替地使用各种不同景别的视频帧,能够有效提升视频的空间层次感、方向感以及艺术表现力等;则在进行视频编辑之前,可以先使用本申请提供的景别确认方法来确定待编辑视频中各个视频帧的景别。例如可以由用户从待编辑视频中选择一个视频帧作为参考图像,然后将待编辑频中除所述参考图像之外的视频帧确定为目标图像,然后使用本申请实施例提供的景别确定方法来确定各个目标图像(或者说除所述参考图像之外的各个视频帧)的景别,进而基于各个目标图像的景别来组合各个目标图像,获得编辑好的视频。
接下来对本申请实施例提供的景别确定方法进行说明,请参阅图1,图1为本实施例提供的一种景别确定方法的流程示意图,所述方法可以由景别确定装置来实现, 所述方法包括:
在步骤S101中,获取预设视频片段中的参考图像和目标图像。
在步骤S102中,若所述参考图像和所述目标图像均包括同一对象的相同部分,根据所述参考图像中所述对象的该部分和所述目标图像中所述对象的该部分之间的关系,确定所述目标图像的景别。
其中,所述预设视频片段的数量可以是一个或多个,每个所述视频片段包括至少两个图像帧;所述视频片段可以是用户使用成像装置采集得到,也可以是从网络平台中获取的,本实施例对此不做任何限制。
可以理解的是,本实施例对于所述参考图像的选定不做任何限制,可依据实际应用场景进行具体选择。以下对于所述参考图像的几种可能的选择方式进行说明:
在第一种可能的实现方式中,所述预设的参考图像可以由用户根据实际情况从所述预设视频片段中选择,比如所述参考图像基于用户指令(该用户指定可以基于用户的选择操作生成)从所述预设视频片段中确定。
在第二种可能的实现方式中,所述预设的参考图像也可以是所述景别确定装置从所述预设视频片段中随机选取得到。
在第三种可能的实现方式中,所述景别确定装置可以基于对指定对象的识别,从所述预设视频片段中选取包括有指定对象的图像作为所述参考图像;可以理解的是,本实施例对于所述指定对象不做任何限制,可依据实际应用场景进行具体设置,例如所述指定对象可以是人物、动物或者建筑等。
在第四种可能的实现方式中,所述景别确定装置可以提取所述预设视频片段中的图像或图像帧中的图像信息,并将包含的图像信息大于预设阈值的图像或者包含的图像信息最大的图像作为所述参考图像。其中,所述图像信息可以用来反映图像的清晰度,所述图像信息包括但不限于:信噪比、图像梯度、局部方差或者均方误差(Mean Square Error,MSE)等。比如,图像的信噪比越大,表示混在图像信号里的噪声越小,则该图像的清晰度越高,可以选择所述图像集合中信噪比最大的图像或图像帧作为所述参考图像。可以理解的是,本申请实施例对于获取图像信息的具体方式不做任何限制,可依据实际应用场景进行具体选择,例如所述图像信息为图像梯度信息时,可以通过Brenner梯度函数、Tenengrad梯度函数、Laplacian梯度函数或者能量梯度函数等方式来获取图像的图像梯度信息。
在第五种可能的实现方式中,所述景别确定装置可以基于预设的美学质量评价模型来评价所述预设视频片段中的图像的美学质量,并将美学质量满足预设条件的图像 作为所述参考图像,比如将美学质量大于预设质量阈值或者美学质量最佳的图像作为所述参考图像。其中,图像美学质量评价旨在利用计算机模拟人类对美的感知与认知,自动评价图像的“美感”,即图像美学质量的计算机评价,主要针对拍摄或绘画的图像在构图、颜色、光影、景深、虚实等美学因素影响下形成的美感。示例性的,所述预设的美学质量评估模型可以基于若干携带有美学质量标签的图像训练得到;所述美学质量标签用于评估图样的美学质量,例如所述美学质量标签可以包括{良好、中等、差};或者所述美学质量标签也可以是评价所述图像的美学质量的分值,美学质量越好,分值越高。
其中,所述景别确定装置在从所述预设视频端中获取参考图像之后,可以将所述预设视频片段除所述参考图像之外的其他图像作为目标图像。
在一些实施例中,所述景别确定装置对所述参考图像和所述目标图像分别进行对象识别,判断所述参考图像和所述目标图像是否均包括同一对象的相同部分。如果所述参考图像和所述目标图像均包括同一对象的相同部分,则所述景别确定装置可以获取所述对象的该部分分别在所述参考图像和所述目标图像中的尺寸,然后根据所述参考图像中所述对象的该部分的尺寸和所述目标图像中所述对象的该部分的尺寸之间的差异,确定所述目标图像的景别。其中,所述对象识别过程可基于预设的对象识别算法进行,或者通过预设的对象识别模型来进行对象识别,本实施例对此不做任何限制。
在一个例子中,为了方便计算,提高景别确定效率,所述参考图像中所述对象的该部分的尺寸为包括所述对象的该部分的外界矩形的尺寸,所述目标图像中所述对象的该部分的尺寸为包括所述对象的该部分的外界矩形的尺寸,从而可以有效避免在所述对象的该部分为不规则形状导致较难确定尺寸的情况。
在另一些实施例中,所述景别确定装置对所述目标图像和所述参考图像进行特征匹配,如果所述目标图像和参考图像中均有相同的特征,表明所述参考图像和所述目标图像均包括同一对象的相同部分,则所述目标图像和所述参考图像可以匹配成功,可以进一步获取所述目标图像的第一匹配区域和所述参考图像的第二匹配区域,并根据所述第一匹配区域和第二匹配区域之间的尺寸区别来自动确定所述目标图像的景别;如果所述目标图像的特征与参考图像中的特征不同,表明所述参考图像和所述目标图像没有包括同一对象的相同部分,则所述目标图像和所述参考图像可能匹配失败,无法确定所述目标图像的景别。本实施例中,以与所述目标图像匹配的参考图像作为参考,基于两者特征匹配得到的第一匹配区域和第二匹配区域之间的尺寸关系来自动确定目标图像的景别,从而有利于减少用户的操作,提高景别确定效率。
其中,所述特征包括但不限于角点、边缘点、高曲率点、轮廓、交点、线段、封闭边界或者重心等。
在一些可能的实施方式中,在进行特征匹配的过程中,所述景别确定装置可以分别提取所述目标图像和所述参考图像的特征点;作为例子,所述景别确定装置可以基于预先训练好的神经网络模型对所述目标图像进行特征提取得到所述目标图像的特征点及其描述子,以及基于所述神经网络模型对所述参考图像进行特征提取得到所述参考图像的特征点及其描述子,其中,所述神经网络模型使用若干亮度不同的样本图像训练得到,使得所述神经网络模型学习了有关于亮度变化的信息,从而所述神经网络模型在应对不同光照条件下的图像也能准确提取特征点;作为另一个例子,也可以使用诸如SIFT(尺度不变特征变换,Scale-invariant feature transform)算法、SURF(加速稳健特征,Speeded Up Robust Features)算法或者HOG(方向梯度直方图,Histogram of Oriented Gradient)算法等特征提取算法来分别提取所述目标图像的特征点和所述参考图像的特征点,获得所述目标图像的特征点及其描述子、和所述参考图像的特征点及其描述子。本实施例对于具体的特征提取方法不做任何限制,可依据实际应用场景进行具体设置。
在提取所述目标图像的特征点以及所述参考图像的特征点之后,所述景别确定装置可以将所述目标图像的特征点与所述参考图像的特征点进行匹配,例如可以确定所述目标图像的特征点和所述参考图像的特征点在矢量空间中的距离(比如欧式距离、余弦距离等),如果所述目标图像的特征点和所述参考图像的特征点在矢量空间中的距离小于预设距离,确定两个特征点为匹配成功的特征点匹配对;其中,所述目标图像的特征点和所述参考图像的特征点在矢量空间中的距离可以通过所述目标图像的特征点的描述子和所述参考图像的特征点的描述子计算得到。
在一些可选的实现方式中,由于矢量空间的高维性,相似的距离可能有大量其他的错误匹配,因此,为了提高特征点匹配的准确性,在确定所述目标图像的特征点和所述参考图像的特征点匹配成功之后,需要对匹配成功的特征点匹配对进行筛选。在一个例子中,比如可以使用经典的随机抽样一致算法(Random Sample Consensus,RANSAC),根据拟合的几何关系来剔除误匹配的特征点匹配对,所述几何关系可以表示所述目标图像与所述参考图像的空间映射关系,如所述几何关系可以是所述目标图像与所述参考图像之间的变换矩阵等,即如果所述特征点匹配对不满足所述几何关系,则剔除该特征点匹配对,如果所述特征点对满足所述几何关系,则保留该特征点匹配对。在另一个例子中,可以通过比较在矢量空间中的最近邻距离与次近邻距离的方式 来筛选特征点匹配对,比如对于所述目标图像的特征点,在所述参考图像中确定与该特征点在矢量空间中距离最近的特征点(与所述目标图像的特征点匹配)和距离次近的特征点,如果最近距离和次近距离的比值小于预设比率阈值,则保留这一对特征点匹配对,否则,剔除这一对特征点匹配对。
在一些可选的实现方式中,为了保证匹配结果的准确性,在获取匹配成功的特征点匹配对之后或者在筛选特征点匹配对之后,所述景别确定装置统计特征点匹配对的数量,如果特征点匹配对的数量大于预设数量,确定所述目标图像和所述参考图像匹配成功,则所述景别确定装置可以根据匹配成功的特征点,分别确定所述目标图像的第一匹配区域和所述参考图像的第二匹配区域。比如对于所述目标图像,所述景别确定装置可以根据所述目标图像中与所述参考图像匹配成功的特征点来确定第一匹配区域;对于所述参考图像,所述景别确定装置可以根据所述参考图像中与所述目标图像匹配成功的特征点来确定第二匹配区域。其中,所述预设数量可依据实际应用场景进行具体设置,本实施例对此不做任何限制。
在一个例子中,请参阅图2以及图3,所述第一匹配区域根据所述目标图像中的所述匹配成功的特征点的外接图形(如外接矩形、外接圆等)确定;以及所述第二匹配区域根据所述参考图像中的所述匹配成功的特征点的外接图形(如外接矩形、外接圆等)确定。在另一个例子中,所述第一匹配区域可以是以所述目标图像中的所述匹配成功的特征点为中心的预设尺寸的区块的集合,所述第二匹配区域可以是以所述参考图像中的所述匹配成功的特征点为中心的预设尺寸的区块的集合。
在获取所述目标图像的第一匹配区域和所述参考图像的第二匹配区域,所述景别确定装置可以根据所述第一匹配区域的尺寸和第二匹配区域的尺寸之间的差异,确定所述目标图像的景别。本实施例中,基于第一匹配区域和第二匹配区域之间的尺寸区别来自动确定目标图像的景别,从而有利于减少用户的操作,提高景别确定效率。
在一些实施例中,在不知道所述参考图像的景别的情况下,所述景别确定装置所确定的所述目标图像的景别为所述目标图像相对于所述参考图像的相对景别。比如假设所述参考图像为第一景别,如果所述第一匹配区域的尺寸和第二匹配区域的尺寸相同,则所述参考图像也为第一景别;如果所述第一匹配区域的尺寸大于第二匹配区域的尺寸,所述参考图像为第二景别;如果所述第一匹配区域的尺寸小于第二匹配区域的尺寸,所述参考图像为第三景别;其中按照景别从远到近的顺序依次为第三景别、第一景别、第二景别。本实施例中无需确定参考图像的景别,也不需要对景别进行严格的划分,只需根据尺寸的差异区分相对景别的远近即可。
在一些实施例中,在可以获取所述参考图像的景别的情况下,例如所述参考图像的景别可以通过用户的标注得到,比如在用户在交互界面上从预设视频片段选择了参考图像或者所述景别确定装置基于上述的方式确定了所述参考图像之后,请参阅图4,可以在交互界面上显示所述参考图像以及有关于所述参考图像的景别的输入控件,用户可以基于所述输入控件输入所述参考图像的景别,其中,所述输入控件包括但不限于如图4所示的输入框(该输入框允许用户输入有关于景别的文本内容)或者复选框(该复选框允许用户在有限数量的景别选项中选择一个景别选项)等。
在获取用户标注的所述参考图像的景别之后,所述景别确定装置可以根据所述第一匹配区域的尺寸和第二匹配区域的尺寸之间的差异、以及所述参考图像的景别,确定所述目标图像的景别。比如假设所述参考图像的景别为中景,如果所述第一匹配区域的尺寸和第二匹配区域的尺寸相同,则所述参考图像的景别也为中景;如果所述第一匹配区域的尺寸大于第二匹配区域的尺寸,所述参考图像的景别为近景或特写;如果所述第一匹配区域的尺寸小于第二匹配区域的尺寸,所述参考图像的景别为远景。
在一些可能的实施方式中,在确定所述目标图像的景别时,所述景别确定装置可以根据所述第一匹配区域的尺寸和第二匹配区域的尺寸之间的差异,确定所述目标图像相对于所述参考图像的尺度,然后根据所述目标图像相对于所述参考图像的尺度,确定所述目标图像的景别。
作为例子,所述目标图像相对于所述参考图像的尺度可以是所述第一匹配区域的尺寸和第二匹配区域的尺寸之间的比值。作为另一个例子,所述目标图像相对于所述参考图像的尺度还可以是所述第一匹配区域的面积和第二匹配区域的面积之间的比值,其中,所述第一匹配区域的面积基于所述第一匹配区域的尺寸确定,所述第二匹配区域的面积基于第二匹配区域的尺寸确定。
作为例子,所述目标图像的景别可以基于所述目标图像相对于所述参考图像的尺度以及预存的映射关系确定,所述映射关系指示不同尺度所对应的景别或者不同尺寸范围所对应的景别。
其中,所述参考图像的尺度为预设值。在一个例子中,假设所述参考图像的尺度为1,设所述目标图像相对于所述参考图像的尺度为S,所述第一匹配区域的尺寸(宽高)为(w1,h1),所述第二匹配区域的尺寸(宽高)为(w0,h0),则S=max(w1/w0,h1/h0),其中,max()为取最大值函数。基于上述方式,可以确定图2中的目标图像1以及图3中的目标图像2的尺度如表1所示,其中,x,y表示所述第二匹配区域在参考图像中的位置或者第一匹配区域在目标图像中的位置。
表1
在一示例性的实施例中,如果所述目标图像相对于所述参考图像的尺度与所述参考图像的尺度之差小于预设差值,换句话说,即所述第一匹配区域的尺寸和第二匹配区域的尺寸相差不大的情况,则所述目标图像与所述参考图像的景别相同,否则,所述目标图像与所述参考图像的景别不同;假设所述参考图像的尺度为1,如果所述目标图像相对于所述参考图像的尺度大于1且两者的尺寸差值超过预设差值,则所述目标图像的景别比所述参考图像的景别更近;如果所述目标图像相对于所述参考图像的尺度小于1且两者的尺寸差值超过预设差值,则所述目标图像的景别比所述参考图像的景别更远。可以理解的是,所述预设差值可依据实际应用场景进行具体设置,本实施例对此不做任何限制。
同理,在所述目标图像有多个的情况下,如果任意两个目标图像的尺度之差小于所述预设差值,表明所述任意两个目标图像的第二匹配区域的尺寸相差不大,则所述任意两个目标图像的景别相同,否则,所述任意两个目标图像的景别不同。
在一示例性的实施例中,在所述目标图像有多个的情况下,所述景别确定装置可以根据所述目标图像相对于所述参考图像的尺度,对多个所述目标图像进行排序,然后按照所述目标图像的排列顺序确定所述目标图像的景别;比如如果相邻两个目标图像的尺度之差小于所述预设差值,则所述相邻两个目标图像的景别相同,否则,所述相邻两个目标图像的景别不同。
在一个例子中,可以按照尺度从小到大的顺序(即景别从远到近的顺序)对所述目标图像进行排序,或者也可以按照尺寸从大到小的顺序(即景别从近到远的顺序)对所述目标图像进行排序,进而可以根据各个目标图像的排列顺序确定各个目标图像的景别的远近。
示例性的,在所述参考图像的景别未知的情况下,所述景别确定装置还可以根据所述目标图像相对于所述参考图像的尺度、和所述参考图像的尺度,对多个所述目标图像和所述参考图像一起进行排序,然后按照所述目标图像的排列顺序确定所述目标图像的景别以及按照所述参考图像的排列顺序确定所述参考图像的景别。本实施例中不需要对景别进行严格的划分,只需根据排列顺序区别相对景别的远近即可。
在另一些可能的实施方式中,所述景别确定装置可以根据所述第一匹配区域的尺 寸确定所述第一匹配区域在所述目标图像中的第一占据比例,以及,根据第二匹配区域的尺寸确定所述第二匹配区域在所述参考图像中的第二占据比例;然后根据所述第一占据比例和所述第二占据比例之间的差异,确定所述目标图像的景别。
在所述参考图像的景别未知的情况下,所确定的目标图像的景别为所述目标图像相对于所述参考图像的相对景别。
在可以获取所述参考图像的景别的情况下,所述景别确定装置可以根据所述参考图像的景别、以及所述第一占据比例和所述第二占据比例之间的差异,确定所述目标图像的景别。
在一示例性的实施例中,如果所述第一占据比例和所述第二占据比例之间的差值小于预设比例差值,换句话说,即所述第一匹配区域的尺寸和第二匹配区域的尺寸相差不大的情况,则所述目标图像和所述参考图像的景别相同,否则,所述目标图像和所述参考图像的景别不同;比如如果所述第一占据比例大于所述第二占据比例且两者的差值超过预设比例差值,则所述目标图像的景别比所述参考图像的景别更近;如果所述第一占据比例小于所述第二占据比例且两者的差值超过预设比例差值,则所述目标图像的景别比所述参考图像的景别更远。可以理解的是,所述预设比例差值可依据实际应用场景进行具体设置,本实施例对此不做任何限制。本实施例中不需要对景别进行严格的划分,只需根据占据比例的差异区分相对景别的远近即可。
同理,在所述目标图像有多个的情况下,如果任意两个目标图像中所述第一占据比例之差小于预设比例差值,则所述任意两个目标图像的景别相同,否则,所述任意两个目标图像的景别不同。
在一些实施例中,在确定所述目标图像的景别之后,可以将所述目标图像及其景别信息显示在交互界面上,以便用户确认;或者,可以将所述目标图像中标记该目标图像的景别;或者,可以将所述目标图像及其景别关联存储,在用户查看所述目标图像时,可以同步显示该目标图像的景别,方便用户可以基于该目标图像的景别对目标图像进行自定义视频剪辑。
在一些实施例中,在所述目标图像有多个的情况下,所述景别确定装置还可以根据所述目标图像的景别,按照预设的剪辑模板组合多个所述目标图像,生成目标视频。其中,所述剪辑模板至少指示不同景别的目标图像的组合顺序和/或展示方式,从而有利于提升目标视频的空间层次感、方向感以及艺术表现力。示例性的,所述剪辑模板中还可以指示不同景别的目标图像的第二匹配区域的展示位置,比如指示不同景别的目标图像的第二匹配区域的展示位置相同,从而实现目标视频中画面的对准,达到更 丰富的展示效果。
进一步地,由于所述目标景别是基于所述参考图像来确定的,所述参考图像的相对景别或者景别也是可以确定的,所述参考图像也与所述目标图像具有相同的景象或者对象,可以组合编辑,则所述剪辑模板还可以指示不同景别的多个目标图像和所述参考图像的组合顺序和/或展示方式。示例性的,在使用所述剪辑模板对确定了景别的视频片段(包括参考图像和多个目标景别)进行视频编辑获取目标视频之后,还可以在所述目标视频中高亮所述参考图像或者对所述参考图像进行标注,以便用户在观看目标视频时可以直观了解到基于所述参考图像进行景别确定和视频编辑后的效果。
相应的,请参阅图5,本申请实施例还提供了一种景别确定装置20,包括:
用于存储可执行指令的存储器21;
一个或多个处理器22;
其中,所述一个或多个处理器22执行所述可执行指令时,被单独地或共同地配置成:
获取预设视频片段中的参考图像和目标图像;
若所述参考图像和所述目标图像均包括同一对象的相同部分,根据所述参考图像中所述对象的该部分和所述目标图像中所述对象的该部分之间的关系,确定所述目标图像的景别。
在一些实施例中,所述处理器22还用于:
对目标图像和预设的参考图像进行特征匹配;
若匹配成功,分别获取所述目标图像的第一匹配区域和所述参考图像的第二匹配区域;其中,所述匹配成功指示所述参考图像和所述目标图像均包括同一对象的相同部分;
根据所述第一匹配区域的尺寸和第二匹配区域的尺寸之间的关系,确定所述目标图像的景别。
在一实施例中,所述处理器22还用于:分别提取所述目标图像和所述参考图像的特征点,并将所述目标图像的特征点与所述参考图像的特征点进行匹配;若匹配成功,根据匹配成功的特征点分别确定所述目标图像的第一匹配区域和所述参考图像的第二匹配区域。
在一实施例中,在所述目标图像与所述参考图像中,匹配成功的特征点匹配对的数量大于预设数量。
在一实施例中,在所述目标图像与所述参考图像中,匹配成功的两个特征点在矢量空间中的距离小于预设距离。
在一实施例中,在所述目标图像与所述参考图像中,匹配成功的两个特征点满足预设几何关系。
在一实施例中,所述目标图像的特征点基于预先训练好的神经网络模型对所述目标图像进行特征提取得到;以及,所述参考图像的特征点基于所述神经网络模型对所述参考图像进行特征提取得到;其中,所述神经网络模型使用若干亮度不同的样本图像训练得到。
在一实施例中,所述第一匹配区域根据所述目标图像中的所述匹配成功的特征点的外接图形确定;所述第二匹配区域根据所述参考图像中的所述匹配成功的特征点的外接图形确定。
在一实施例中,所述目标图像的景别为所述目标图像相对于所述参考图像的相对景别。
在一实施例中,所述处理器22还用于:获取所述参考图像的景别;根据所述第一匹配区域的尺寸和第二匹配区域的尺寸之间的差异、以及所述参考图像的景别,确定所述目标图像的景别。
在一实施例中,所述处理器22还用于:根据所述第一匹配区域的尺寸和第二匹配区域的尺寸之间的差异,确定所述目标图像相对于所述参考图像的尺度;根据所述目标图像相对于所述参考图像的尺度,确定所述目标图像的景别。
在一实施例中,所述参考图像的尺度为预设值。
在一实施例中,如果所述目标图像相对于所述参考图像的尺度与所述参考图像的尺度之差小于预设差值,则所述目标图像与所述参考图像的景别相同。
在一实施例中,在所述目标图像有多个的情况下,所述处理器22还用于:根据所述目标图像相对于所述参考图像的尺度,对多个所述目标图像进行排序;按照所述目标图像的排列顺序确定所述目标图像的景别。
在一实施例中,所述目标图像相对于所述参考图像的尺度为所述第一匹配区域的尺寸和第二匹配区域的尺寸之间的比值。
在一实施例中,所述目标图像的景别基于所述目标图像相对于所述参考图像的尺度以及预存的映射关系确定,所述映射关系指示不同尺度所对应的景别。
在一实施例中,在所述目标图像有多个的情况下,如果任意两个目标图像的尺度之差小于预设差值,则所述任意两个目标图像的景别相同,否则,所述任意两个目标 图像的景别不同。
在一实施例中,所述处理器22还用于:根据所述第一匹配区域的尺寸确定所述第一匹配区域在所述目标图像中的第一占据比例,以及,根据第二匹配区域的尺寸确定所述第二匹配区域在所述参考图像中的第二占据比例;根据所述第一占据比例和所述第二占据比例之间的差异,确定所述目标图像的景别。
在一实施例中,在所述目标图像有多个的情况下,如果任意两个目标图像中所述第一占据比例之差小于预设比例差值,则所述任意两个目标图像的景别相同,否则,所述任意两个目标图像的景别不同。
在一实施例中,如果所述第一占据比例和所述第二占据比例之间的差值小于预设比例差值,则所述目标图像和所述参考图像的景别相同。
在一实施例中,在所述目标图像有多个的情况下,所述处理器22还用于:至少根据所述目标图像的景别,按照预设的剪辑模板组合多个所述目标图像,生成目标视频。
在一实施例中,所述剪辑模板至少指示不同景别的目标图像的组合顺序和/或展示方式。
在一实施例中,所述参考图像从所述预设视频片段中随机选取得到;或者,所述参考图像为从所述预设视频片段确定的包括有指定对象的图像;或者,所述参考图像为从所述预设视频片段确定的包含的图像信息大于预设阈值的图像;或者,所述参考图像为从所述预设视频片段确定的美学质量满足预设条件的图像;或者,所述参考图像基于用户指令从所述预设视频片段中确定。
这里描述的各种实施方式可以使用例如计算机软件、硬件或其任何组合的计算机可读介质来实施。对于硬件实施,这里描述的实施方式可以通过使用特定用途集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理装置(DSPD)、可编程逻辑装置(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器、被设计为执行这里描述的功能的电子单元中的至少一种来实施。对于软件实施,诸如过程或功能的实施方式可以与允许执行至少一种功能或操作的单独的软件模块来实施。软件代码可以由以任何适当的编程语言编写的软件应用程序(或程序)来实施,软件代码可以存储在存储器中并且由控制器执行。
上述设备中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程,在此不再赘述。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器,上述指令可由装置的处理器执行以完成上述方法。例如,非临 时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
一种非临时性计算机可读存储介质,当存储介质中的指令由终端的处理器执行时,使得终端能够执行上述方法。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本申请实施例所提供的方法和装置进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (47)
- 一种景别确定方法,其特征在于,包括:获取预设视频片段中的参考图像和目标图像;若所述参考图像和所述目标图像均包括同一对象的相同部分,根据所述参考图像中所述对象的该部分和所述目标图像中所述对象的该部分之间的关系,确定所述目标图像的景别。
- 根据权利要求1所述的方法,其特征在于,所述若所述参考图像和所述目标图像均包括同一对象的相同部分,根据所述参考图像中所述对象的该部分和所述目标图像中所述对象的该部分之间的关系,确定所述目标图像的景别,包括:对目标图像和预设的参考图像进行特征匹配;若匹配成功,分别获取所述目标图像的第一匹配区域和所述参考图像的第二匹配区域;其中,所述匹配成功指示所述参考图像和所述目标图像均包括同一对象的相同部分;根据所述第一匹配区域的尺寸和第二匹配区域的尺寸之间的关系,确定所述目标图像的景别。
- 根据权利要求2所述的方法,其特征在于,所述对目标图像和预设的参考图像进行特征匹配,包括:分别提取所述目标图像和所述参考图像的特征点,并将所述目标图像的特征点与所述参考图像的特征点进行匹配;所述分别获取所述目标图像的第一匹配区域和所述参考图像的第二匹配区域,包括:根据匹配成功的特征点,分别确定所述目标图像的第一匹配区域和所述参考图像的第二匹配区域。
- 根据权利要求3所述的方法,其特征在于,在所述目标图像与所述参考图像中,匹配成功的特征点匹配对的数量大于预设数量。
- 根据权利要求3所述的方法,其特征在于,在所述目标图像与所述参考图像中,匹配成功的两个特征点在矢量空间中的距离小于预设距离。
- 根据权利要求3所述的方法,其特征在于,在所述目标图像与所述参考图像中,匹配成功的两个特征点满足预设几何关系。
- 根据权利要求3所述的方法,其特征在于,所述目标图像的特征点基于预先训练好的神经网络模型对所述目标图像进行特征提取得到;以及,所述参考图像的特征点基于所述神经网络模型对所述参考图像进行特征提取得到;其中,所述神经网络模型使用若干亮度不同的样本图像训练得到。
- 根据权利要求3至7任意一项所述的方法,其特征在于,所述第一匹配区域根据所述目标图像中的所述匹配成功的特征点的外接图形确定;所述第二匹配区域根据所述参考图像中的所述匹配成功的特征点的外接图形确定。
- 根据权利要求1所述的方法,其特征在于,所述确定所述目标图像的景别,包括:确定所述目标图像相对于所述参考图像的相对景别。
- 根据权利要求2所述的方法,其特征在于,还包括:获取所述参考图像的景别;所述根据所述第一匹配区域的尺寸和第二匹配区域的尺寸之间的关系,确定所述目标图像的景别,包括:根据所述第一匹配区域的尺寸和第二匹配区域的尺寸之间的差异、以及所述参考图像的景别,确定所述目标图像的景别。
- 根据权利要求2所述的方法,其特征在于,所述根据所述第一匹配区域的尺寸和第二匹配区域的尺寸之间的关系,确定所述目标图像的景别,包括:根据所述第一匹配区域的尺寸和第二匹配区域的尺寸之间的差异,确定所述目标图像相对于所述参考图像的尺度;根据所述目标图像相对于所述参考图像的尺度,确定所述目标图像的景别。
- 根据权利要求11所述的方法,其特征在于,所述参考图像的尺度为预设值。
- 根据权利要求12所述的方法,其特征在于,如果所述目标图像相对于所述参考图像的尺度与所述参考图像的尺度之差小于预设差值,则所述目标图像与所述参考图像的景别相同。
- 根据权利要求11或12所述的方法,其特征在于,在所述目标图像有多个的情况下,所述根据所述目标图像相对于所述参考图像的尺度,确定所述目标图像的景别,包括:根据所述目标图像相对于所述参考图像的尺度,对多个所述目标图像进行排序;按照所述目标图像的排列顺序确定所述目标图像的景别。
- 根据权利要求11所述的方法,其特征在于,所述目标图像相对于所述参考图像的尺度为所述第一匹配区域的尺寸和第二匹配区域的尺寸之间的比值。
- 根据权利要求11所述的方法,其特征在于,所述目标图像的景别基于所述目标图像相对于所述参考图像的尺度以及预存的映射关系确定,所述映射关系指示不同 尺度所对应的景别。
- 根据权利要求11所述的方法,其特征在于,在所述目标图像有多个的情况下,如果任意两个目标图像的尺度之差小于预设差值,则所述任意两个目标图像的景别相同,否则,所述任意两个目标图像的景别不同。
- 根据权利要求2所述的方法,其特征在于,所述根据所述第一匹配区域的尺寸和第二匹配区域的尺寸之间的关系,确定所述目标图像的景别,包括:根据所述第一匹配区域的尺寸确定所述第一匹配区域在所述目标图像中的第一占据比例,以及,根据第二匹配区域的尺寸确定所述第二匹配区域在所述参考图像中的第二占据比例;根据所述第一占据比例和所述第二占据比例之间的差异,确定所述目标图像的景别。
- 根据权利要求18所述的方法,其特征在于,在所述目标图像有多个的情况下,如果任意两个目标图像中所述第一占据比例之差小于预设比例差值,则所述任意两个目标图像的景别相同,否则,所述任意两个目标图像的景别不同。
- 根据权利要求18所述的方法,其特征在于,如果所述第一占据比例和所述第二占据比例之间的差值小于预设比例差值,则所述目标图像和所述参考图像的景别相同。
- 根据权利要求1所述的方法,其特征在于,在所述目标图像有多个的情况下,所述方法还包括:至少根据所述目标图像的景别,按照预设的剪辑模板组合多个所述目标图像,生成目标视频。
- 根据权利要求21所述的方法,其特征在于,所述剪辑模板至少指示不同景别的目标图像的组合顺序和/或展示方式。
- 根据权利要求1所述的方法,其特征在于,所述参考图像从所述预设视频片段中随机选取得到;或者,所述参考图像为从所述预设视频片段确定的包括有指定对象的图像;或者,所述参考图像为从所述预设视频片段确定的包含的图像信息大于预设阈值的图像;或者,所述参考图像为从所述预设视频片段确定的美学质量满足预设条件的图像;或者,所述参考图像基于用户指令从所述预设视频片段中确定。
- 一种景别确定装置,其特征在于,包括:用于存储可执行指令的存储器;一个或多个处理器;其中,所述一个或多个处理器执行所述可执行指令时,被单独地或共同地配置成:获取预设视频片段中的参考图像和目标图像;若所述参考图像和所述目标图像均包括同一对象的相同部分,根据所述参考图像中所述对象的该部分和所述目标图像中所述对象的该部分之间的关系,确定所述目标图像的景别。
- 根据权利要求24所述的装置,其特征在于,所述处理器还用于:对目标图像和预设的参考图像进行特征匹配;若匹配成功,分别获取所述目标图像的第一匹配区域和所述参考图像的第二匹配区域;其中,所述匹配成功指示所述参考图像和所述目标图像均包括同一对象的相同部分;根据所述第一匹配区域的尺寸和第二匹配区域的尺寸之间的关系,确定所述目标图像的景别。
- 根据权利要求25所述的装置,其特征在于,所述处理器还用于:分别提取所述目标图像和所述参考图像的特征点,并将所述目标图像的特征点与所述参考图像的特征点进行匹配;若匹配成功,根据匹配成功的特征点分别确定所述目标图像的第一匹配区域和所述参考图像的第二匹配区域。
- 根据权利要求26所述的装置,其特征在于,在所述目标图像与所述参考图像中,匹配成功的特征点匹配对的数量大于预设数量。
- 根据权利要求26所述的装置,其特征在于,在所述目标图像与所述参考图像中,匹配成功的两个特征点在矢量空间中的距离小于预设距离。
- 根据权利要求26所述的装置,其特征在于,在所述目标图像与所述参考图像中,匹配成功的两个特征点满足预设几何关系。
- 根据权利要求26所述的装置,其特征在于,所述目标图像的特征点基于预先训练好的神经网络模型对所述目标图像进行特征提取得到;以及,所述参考图像的特征点基于所述神经网络模型对所述参考图像进行特征提取得到;其中,所述神经网络模型使用若干亮度不同的样本图像训练得到。
- 根据权利要求26至30任意一项所述的装置,其特征在于,所述第一匹配区域根据所述目标图像中的所述匹配成功的特征点的外接图形确定;所述第二匹配区域根据所述参考图像中的所述匹配成功的特征点的外接图形确定。
- 根据权利要求24所述的装置,其特征在于,所述目标图像的景别为所述目标图像相 对于所述参考图像的相对景别。
- 根据权利要求25所述的装置,其特征在于,所述处理器还用于:获取所述参考图像的景别;根据所述第一匹配区域的尺寸和第二匹配区域的尺寸之间的差异、以及所述参考图像的景别,确定所述目标图像的景别。
- 根据权利要求25所述的装置,其特征在于,所述处理器还用于:根据所述第一匹配区域的尺寸和第二匹配区域的尺寸之间的差异,确定所述目标图像相对于所述参考图像的尺度;根据所述目标图像相对于所述参考图像的尺度,确定所述目标图像的景别。
- 根据权利要求34所述的装置,其特征在于,所述参考图像的尺度为预设值。
- 根据权利要求35所述的装置,其特征在于,如果所述目标图像相对于所述参考图像的尺度与所述参考图像的尺度之差小于预设差值,则所述目标图像与所述参考图像的景别相同。
- 根据权利要求34或35所述的装置,其特征在于,在所述目标图像有多个的情况下,所述处理器还用于:根据所述目标图像相对于所述参考图像的尺度,对多个所述目标图像进行排序;按照所述目标图像的排列顺序确定所述目标图像的景别。
- 根据权利要求34所述的装置,其特征在于,所述目标图像相对于所述参考图像的尺度为所述第一匹配区域的尺寸和第二匹配区域的尺寸之间的比值。
- 根据权利要求34所述的装置,其特征在于,所述目标图像的景别基于所述目标图像相对于所述参考图像的尺度以及预存的映射关系确定,所述映射关系指示不同尺度所对应的景别。
- 根据权利要求34所述的装置,其特征在于,在所述目标图像有多个的情况下,如果任意两个目标图像的尺度之差小于预设差值,则所述任意两个目标图像的景别相同,否则,所述任意两个目标图像的景别不同。
- 根据权利要求25所述的装置,其特征在于,所述处理器还用于:根据所述第一匹配区域的尺寸确定所述第一匹配区域在所述目标图像中的第一占据比例,以及,根据第二匹配区域的尺寸确定所述第二匹配区域在所述参考图像中的第二占据比例;根据所述第一占据比例和所述第二占据比例之间的差异,确定所述目标图像的景别。
- 根据权利要求41所述的装置,其特征在于,在所述目标图像有多个的情况下,如果任意两个目标图像中所述第一占据比例之差小于预设比例差值,则所述任意两个目标图像的景别相同,否则,所述任意两个目标图像的景别不同。
- 根据权利要求41所述的装置,其特征在于,如果所述第一占据比例和所述第二占据比例之间的差值小于预设比例差值,则所述目标图像和所述参考图像的景别相同。
- 根据权利要求25所述的装置,其特征在于,在所述目标图像有多个的情况下,所述处理器还用于:至少根据所述目标图像的景别,按照预设的剪辑模板组合多个所述目标图像,生成目标视频。
- 根据权利要求44所述的装置,其特征在于,所述剪辑模板至少指示不同景别的目标图像的组合顺序和/或展示方式。
- 根据权利要求24所述的装置,其特征在于,所述参考图像从所述预设视频片段中随机选取得到;或者,所述参考图像为从所述预设视频片段确定的包括有指定对象的图像;或者,所述参考图像为从所述预设视频片段确定的包含的图像信息大于预设阈值的图像;或者,所述参考图像为从所述预设视频片段确定的美学质量满足预设条件的图像;或者,所述参考图像基于用户指令从所述预设视频片段中确定。
- 一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有可执行指令,所述可执行指令被处理器执行时实现如权利要求1至23任一项所述的方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2021/101798 WO2022266878A1 (zh) | 2021-06-23 | 2021-06-23 | 景别确定方法、装置及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117561547A true CN117561547A (zh) | 2024-02-13 |
Family
ID=84545006
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180098494.XA Pending CN117561547A (zh) | 2021-06-23 | 2021-06-23 | 景别确定方法、装置及计算机可读存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN117561547A (zh) |
WO (1) | WO2022266878A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116311082B (zh) * | 2023-05-15 | 2023-08-01 | 广东电网有限责任公司湛江供电局 | 基于关键部位与图像匹配的穿戴检测方法及*** |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8571328B2 (en) * | 2010-08-16 | 2013-10-29 | Adobe Systems Incorporated | Determining correspondence between image regions |
CN107437076B (zh) * | 2017-08-02 | 2019-08-20 | 逄泽沐风 | 基于视频分析的景别划分的方法及*** |
CN108520263B (zh) * | 2018-03-29 | 2020-08-25 | 阿里巴巴(中国)有限公司 | 一种全景图像的识别方法、***及计算机存储介质 |
CN108960209B (zh) * | 2018-08-09 | 2023-07-21 | 腾讯科技(深圳)有限公司 | 身份识别方法、装置及计算机可读存储介质 |
CN109712177B (zh) * | 2018-12-25 | 2021-07-09 | Oppo广东移动通信有限公司 | 图像处理方法、装置、电子设备和计算机可读存储介质 |
US10997426B1 (en) * | 2019-03-05 | 2021-05-04 | Amazon Technologies, Inc. | Optimal fragmentation of video based on shot analysis |
CN111476780B (zh) * | 2020-04-07 | 2023-04-07 | 腾讯科技(深圳)有限公司 | 一种图像检测方法、装置、电子设备以及存储介质 |
CN111709296A (zh) * | 2020-05-18 | 2020-09-25 | 北京奇艺世纪科技有限公司 | 一种景别识别方法、装置、电子设备及可读存储介质 |
-
2021
- 2021-06-23 WO PCT/CN2021/101798 patent/WO2022266878A1/zh active Application Filing
- 2021-06-23 CN CN202180098494.XA patent/CN117561547A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
WO2022266878A1 (zh) | 2022-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108765278B (zh) | 一种图像处理方法、移动终端及计算机可读存储介质 | |
CN109618222B (zh) | 一种拼接视频生成方法、装置、终端设备及存储介质 | |
CN107771336B (zh) | 基于颜色分布的图像中的特征检测和掩模 | |
US11538096B2 (en) | Method, medium, and system for live preview via machine learning models | |
CN109345553B (zh) | 一种手掌及其关键点检测方法、装置和终端设备 | |
US11176355B2 (en) | Facial image processing method and apparatus, electronic device and computer readable storage medium | |
WO2021213067A1 (zh) | 物品显示方法、装置、设备及存储介质 | |
US11704357B2 (en) | Shape-based graphics search | |
CN103617432A (zh) | 一种场景识别方法及装置 | |
CN109120854B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN110084154B (zh) | 渲染图像的方法、装置、电子设备和计算机可读存储介质 | |
CN110929805A (zh) | 神经网络的训练方法、目标检测方法及设备、电路和介质 | |
CN111325107A (zh) | 检测模型训练方法、装置、电子设备和可读存储介质 | |
CN111199169A (zh) | 图像处理方法和装置 | |
CN113873166A (zh) | 视频拍摄方法、装置、电子设备和可读存储介质 | |
CN109218615A (zh) | 图像拍摄辅助方法、装置、终端和存储介质 | |
WO2020001016A1 (zh) | 运动图像生成方法、装置、电子设备及计算机可读存储介质 | |
CN117561547A (zh) | 景别确定方法、装置及计算机可读存储介质 | |
CN115967823A (zh) | 视频封面生成方法、装置、电子设备及可读介质 | |
CN103353879B (zh) | 图像处理方法及设备 | |
US9501710B2 (en) | Systems, methods, and media for identifying object characteristics based on fixation points | |
CN110047126B (zh) | 渲染图像的方法、装置、电子设备和计算机可读存储介质 | |
CN108446737B (zh) | 用于识别对象的方法和装置 | |
CN113989404B (zh) | 图片处理方法、装置、设备、存储介质和程序产品 | |
CN111258413A (zh) | 虚拟对象的控制方法和装置 |
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 |