[發明專利]基于深度學習的視頻錄攝方法、裝置及終端

在審

• 申請號: 201710168941.X
• 申請日: 2017-03-16
• 公開（公告）號: CN108632551A
• 公開（公告）日: 2018-10-09
• 發明（設計）人: 鄒超洋;賀永剛;萬美君
• 申請（專利權）人: 南昌黑鯊科技有限公司
• 主分類號: H04N5/76
• 分類號: H04N5/76;G06N3/08
• 代理公司: 上海波拓知識產權代理有限公司 31264
• 代理人: 楊波

本發明涉及一種基于深度學習的視頻錄攝方法，包括采集多個目標場景的多張訓練樣本圖像；對每張訓練樣本圖像進行預處理；利用預處理后的訓練樣本圖像訓練稀疏自編碼網絡；通過所述多張訓練樣本圖像和所述稀疏自編碼網絡訓練訓練分類器，以得到分類模型；利用所述分類模型對視頻錄攝過程中的圖像進行實時分類，以確定所述視頻錄攝的場景，從而調用與所述視頻錄攝的場景對應的音頻參數。本發明還提供一種基于深度學習的視頻錄攝裝置及終端。本發明的基于深度學習的視頻錄攝方法、裝置及終端能利用訓練后的稀疏自編碼網絡后訓練訓練分類器，從而對視頻錄攝的場景進行識別后調用與所述視頻錄攝的場景對應的音頻參數，以提升視頻攝錄效果。

技術領域

本發明涉及圖像處理技術領域，特別是涉及一種基于深度學習的視頻錄攝方法、裝置及終端。

背景技術

隨著智能終端的快速發展，人們對智能終端的要求也越來越高，而攝像性能和效果又是其中重要的一環。

現有的視頻錄攝方法在大聲壓環境，例如演唱會或大型晚會場景下，由于場面復雜，聲音嘈雜，因此，如果麥克風輸入的音頻參數設置不合理就很容易導致麥克風輸入溢出，從而容易導致音頻信號截止，視頻攝錄效果很差。

發明內容

本發明的目的在于，克服現有的顯示所存在的缺陷，而提供一種基于深度學習的視頻錄攝方法、裝置及終端，其可以根據不同場景來調整音頻參數，視頻攝錄效果好。

一種基于深度學習的視頻錄攝方法，包括采集多個目標場景的多張訓練樣本圖像；對每張訓練樣本圖像進行預處理；利用預處理后的訓練樣本圖像訓練稀疏自編碼網絡；通過所述多張訓練樣本圖像和所述稀疏自編碼網絡訓練訓練分類器，以得到分類模型；利用所述分類模型對視頻錄攝過程中的圖像進行實時分類，以確定所述視頻錄攝的場景，從而調用與所述視頻錄攝的場景對應的音頻參數。

本發明還提供一種基于深度學習的視頻錄攝裝置，所述裝置包括圖像采集模塊、訓練預處理模塊、網絡訓練模塊、分類模型獲取模塊、音頻調整模塊。圖像采集模塊用于采集多個目標場景的多張訓練樣本圖像；訓練預處理模塊用于對每張訓練樣本圖像進行預處理；網絡訓練模塊用于利用預處理后的訓練樣本圖像訓練稀疏自編碼網絡；分類模型獲取模塊通過所述多張訓練樣本圖像和所述稀疏自編碼網絡訓練訓練分類器，以得到分類模型；音頻調整模塊用于利用所述分類模型對視頻錄攝過程中的圖像進行實時分類，以確定所述視頻錄攝的場景，從而調用與所述視頻錄攝的場景對應的音頻參數。

本發明還提供一種使用上述基于深度學習的視頻錄攝裝置的終端。

本發明的基于深度學習的視頻錄攝方法、裝置及終端能利用訓練后的稀疏自編碼網絡后訓練訓練分類器，從而對視頻錄攝的場景進行識別后調用與所述視頻錄攝的場景對應的音頻參數，以提升視頻攝錄效果。

上述說明僅是本發明技術方案的概述，為了能夠更清楚了解本發明的技術手段，而可依照說明書的內容予以實施，并且為了讓本發明的上述和其他目的、特征和優點能夠更明顯易懂，以下特舉較佳實施例，并配合附圖,詳細說明如下。

附圖說明

圖1為一種終端的結構示意圖。

圖2為本發明一實施例提供的基于深度學習的視頻錄攝方法的流程示意圖。

圖3為本發明一實施例提供的基于深度學習的視頻錄攝裝置的結構示意圖。

圖4為本發明一實施例提供的終端的結構示意圖。

具體實施方式

為更進一步闡述本發明為達成預定發明目的所采取的技術手段及功效,以下結合附圖及較佳實施例，對依據本發明提出的基于深度學習的視頻錄攝方法、裝置及終端其具體實施方式、方法、步驟、結構、特征及其功效，詳細說明如下。