[發(fā)明專利]一種圖像處理方法及系統(tǒng)有效
| 申請?zhí)枺?/td> | 201910243380.4 | 申請日: | 2019-03-28 |
| 公開(公告)號(hào): | CN109886963B | 公開(公告)日: | 2021-08-24 |
| 發(fā)明(設(shè)計(jì))人: | 蔣紫東;馮巍;姚亮 | 申請(專利權(quán))人: | 北京奇藝世紀(jì)科技有限公司 |
| 主分類號(hào): | G06T7/00 | 分類號(hào): | G06T7/00;H04N5/232;G06N3/04 |
| 代理公司: | 北京集佳知識(shí)產(chǎn)權(quán)代理有限公司 11227 | 代理人: | 王寶筠 |
| 地址: | 100080 北京市海淀*** | 國省代碼: | 北京;11 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 圖像 處理 方法 系統(tǒng) | ||
1.一種圖像處理方法,其特征在于,所述方法包括:
對待處理視頻進(jìn)行間隔抽幀處理,得到N幀畫面,N為正整數(shù);
將所述N幀畫面作為圖像處理模型的輸入,得到長度為N的模糊度序列,所述模糊度序列包括每幀畫面的模糊度,所述模糊度為每幀畫面屬于模糊畫面的概率值,所述圖像處理模型基于圖片樣本訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)模型得到,所述模糊畫面的模糊程度為預(yù)先設(shè)定,所述圖片樣本包括預(yù)設(shè)數(shù)量的清晰圖片和模糊圖片,預(yù)先對所述清晰圖片和模糊圖片的模糊度進(jìn)行標(biāo)注;
對所述模糊度序列進(jìn)行高斯平滑;
獲取高斯平滑處理后的模糊度序列中模糊度大于模糊度閾值的M幀模糊畫面;
將所述M幀模糊畫面組成0個(gè)以上包含一個(gè)模糊畫面的模糊片段,或包含m個(gè)序號(hào)相鄰的模糊畫面的模糊片段,其中,M為大于等于0小于等于N的正整數(shù),m為大于1的整數(shù);
將所述模糊片段組成模糊片段列表;
對所述模糊片段列表中的模糊片段進(jìn)行合并和刪除,得到最終的模糊片段列表。
2.根據(jù)權(quán)利要求1所述的方法,其特征在于,所述圖像處理模型基于圖片樣本訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)模型得到,包括:
將所述圖片樣本輸入預(yù)先構(gòu)建好的所述卷積神經(jīng)網(wǎng)絡(luò)模型中進(jìn)行識(shí)別,得到所述圖片樣本的模糊度;
計(jì)算所述圖片樣本的模糊度和所述圖片樣本的真實(shí)模糊度之間的誤差;
判斷所述誤差是否小于誤差閾值;
若是,基于所述卷積神經(jīng)網(wǎng)絡(luò)計(jì)算所述圖片樣本的模糊度所使用的權(quán)重,建立所述圖像處理模型;
若否,基于所述誤差調(diào)整所述卷積神經(jīng)網(wǎng)絡(luò)的權(quán)重,基于調(diào)整權(quán)重后的卷積神經(jīng)網(wǎng)絡(luò)對所述圖片樣本再次進(jìn)行識(shí)別得到圖片樣本的模糊度,計(jì)算再次進(jìn)行識(shí)別得到的圖片樣本的模糊度和所述圖片樣本的真實(shí)模糊度之間的誤差,直至所述誤差小于所述誤差閾值,基于當(dāng)前卷積神經(jīng)網(wǎng)絡(luò)計(jì)算圖片樣本的模糊度所使用的權(quán)重,建立所述圖像處理模型。
3.根據(jù)權(quán)利要求1所述的方法,其特征在于,所述對待處理視頻進(jìn)行間隔抽幀處理,得到N幀畫面的過程包括:
基于所述待處理視頻的長度,按照間隔抽幀方式得到N幀畫面,其中,L為所述待 處理視頻的長度,為向下取整公式。
4.根據(jù)權(quán)利要求1所述的方法,其特征在于,所述對所述模糊片段列表中的模糊片段進(jìn)行合并和刪除,包括:
若所述模糊片段列表中存在片段時(shí)長小于預(yù)設(shè)時(shí)長的模糊片段,則刪除所述模糊片段;
若所述模糊片段列表中,存在兩個(gè)相鄰的模糊片段,并且所述兩個(gè)相鄰的模糊片段之間相隔預(yù)設(shè)幀數(shù)的畫面,則將所述兩個(gè)相鄰的模糊片段合并成為一個(gè)模糊片段。
5.一種圖像處理系統(tǒng),其特征在于,所述系統(tǒng)包括:
抽幀單元,用于對待處理視頻進(jìn)行間隔抽幀處理,得到N幀畫面,N為正整數(shù);
計(jì)算單元,用于將所述N幀畫面作為圖像處理模型的輸入,計(jì)算得到長度為N的模糊度序列,所述模糊度序列包括每幀畫面的模糊度,所述模糊度為每幀畫面屬于模糊畫面的概率值,所述圖像處理模型基于圖片樣本訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)模型得到,所述模糊畫面的模糊程度為預(yù)先設(shè)定,所述圖片樣本包括預(yù)設(shè)數(shù)量的清晰圖片和模糊圖片,預(yù)先對所述清晰圖片和模糊圖片的模糊度進(jìn)行標(biāo)注;
處理單元,用于將所述每幀畫面的模糊度與預(yù)設(shè)的模糊度閾值進(jìn)行比較,獲得所述待處理視頻的模糊片段列表;
所述處理單元,包括:
高斯平滑模塊,用于對所述模糊度序列進(jìn)行高斯平滑;
獲取模塊,用于獲取高斯平滑處理后的模糊度序列中模糊度大于所述模糊度閾值的M幀模糊畫面;
第一組合模塊,用于將所述M幀模糊畫面組成0個(gè)以上包含一個(gè)模糊畫面的模糊片段,或包含m個(gè)序號(hào)相鄰的模糊畫面的模糊片段,其中,M為大于等于0小于等于N的正整數(shù),m為大于1的整數(shù);
第二組合模塊,用于將所述模糊片段組成模糊片段列表;
處理模塊,用于對所述模糊片段列表中的模糊片段進(jìn)行合并和刪除,得到最終的模糊片段列表。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于北京奇藝世紀(jì)科技有限公司,未經(jīng)北京奇藝世紀(jì)科技有限公司許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201910243380.4/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 彩色圖像和單色圖像的圖像處理
- 圖像編碼/圖像解碼方法以及圖像編碼/圖像解碼裝置
- 圖像處理裝置、圖像形成裝置、圖像讀取裝置、圖像處理方法
- 圖像解密方法、圖像加密方法、圖像解密裝置、圖像加密裝置、圖像解密程序以及圖像加密程序
- 圖像解密方法、圖像加密方法、圖像解密裝置、圖像加密裝置、圖像解密程序以及圖像加密程序
- 圖像編碼方法、圖像解碼方法、圖像編碼裝置、圖像解碼裝置、圖像編碼程序以及圖像解碼程序
- 圖像編碼方法、圖像解碼方法、圖像編碼裝置、圖像解碼裝置、圖像編碼程序、以及圖像解碼程序
- 圖像形成設(shè)備、圖像形成系統(tǒng)和圖像形成方法
- 圖像編碼裝置、圖像編碼方法、圖像編碼程序、圖像解碼裝置、圖像解碼方法及圖像解碼程序
- 圖像編碼裝置、圖像編碼方法、圖像編碼程序、圖像解碼裝置、圖像解碼方法及圖像解碼程序
- 一種數(shù)據(jù)庫讀寫分離的方法和裝置
- 一種手機(jī)動(dòng)漫人物及背景創(chuàng)作方法
- 一種通訊綜合測試終端的測試方法
- 一種服裝用人體測量基準(zhǔn)點(diǎn)的獲取方法
- 系統(tǒng)升級(jí)方法及裝置
- 用于虛擬和接口方法調(diào)用的裝置和方法
- 線程狀態(tài)監(jiān)控方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)
- 一種JAVA智能卡及其虛擬機(jī)組件優(yōu)化方法
- 檢測程序中方法耗時(shí)的方法、裝置及存儲(chǔ)介質(zhì)
- 函數(shù)的執(zhí)行方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)





