[發(fā)明專(zhuān)利]生成GIF動(dòng)態(tài)圖的方法、裝置、電子設(shè)備及介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 201910875159.0
• 申請(qǐng)日: 2019-09-17
• 公開(kāi)（公告）號(hào): CN110853124B
• 公開(kāi)（公告）日: 2023-09-08
• 發(fā)明（設(shè)計(jì)）人: 彭冬煒
• 申請(qǐng)（專(zhuān)利權(quán)）人: OPPO廣東移動(dòng)通信有限公司
• 主分類(lèi)號(hào): G06T13/80
• 分類(lèi)號(hào): G06T13/80;G06V20/40;G06V10/82;G06N3/0464
• 代理公司: 北京恒博知識(shí)產(chǎn)權(quán)代理有限公司 11528
• 代理人: 范勝祥

1.一種生成GIF動(dòng)態(tài)圖的方法，其特征在于，包括：

獲取目標(biāo)視頻數(shù)據(jù)，所述目標(biāo)視頻數(shù)據(jù)中至少包含兩個(gè)關(guān)鍵幀數(shù)據(jù)；

提取所述目標(biāo)視頻數(shù)據(jù)中的所述關(guān)鍵幀數(shù)據(jù)；

基于所述關(guān)鍵幀數(shù)據(jù)，生成目標(biāo)GIF動(dòng)態(tài)圖；

其中，所述基于所述關(guān)鍵幀數(shù)據(jù)，生成目標(biāo)GIF動(dòng)態(tài)圖，包括：

從所述關(guān)鍵幀數(shù)據(jù)中確定基準(zhǔn)關(guān)鍵幀數(shù)據(jù)；

基于所述基準(zhǔn)關(guān)鍵幀數(shù)據(jù)以及其他各所述關(guān)鍵幀數(shù)據(jù)對(duì)應(yīng)的特征數(shù)據(jù)，分別計(jì)算各所述關(guān)鍵幀數(shù)據(jù)之間的第一相似度匹配值；

基于各所述關(guān)鍵幀數(shù)據(jù)之間的第一相似度匹配值，篩除所述關(guān)鍵幀數(shù)據(jù)中的部分關(guān)鍵幀數(shù)據(jù)，得到目標(biāo)關(guān)鍵幀數(shù)據(jù)；

基于聚類(lèi)算法，將所述目標(biāo)關(guān)鍵幀數(shù)據(jù)劃分為不同類(lèi)別的至少一個(gè)圖像組，所述不同類(lèi)別的圖像組有不同的內(nèi)容主題，同一圖像組中的視頻幀內(nèi)容相近；

基于目標(biāo)對(duì)象從所述至少一個(gè)圖像組中選擇的目標(biāo)圖像組，生成所述目標(biāo)GIF動(dòng)態(tài)圖。

2.如權(quán)利要求1所述的方法，其特征在于，所述方法還包括：

基于卷積神經(jīng)網(wǎng)絡(luò)模型，提取各所述關(guān)鍵幀數(shù)據(jù)中的特征信息，確定各所述關(guān)鍵幀數(shù)據(jù)對(duì)應(yīng)的特征數(shù)據(jù)。

3.如權(quán)利要求1所述的方法，其特征在于，所述基準(zhǔn)關(guān)鍵幀數(shù)據(jù)為所述關(guān)鍵幀數(shù)據(jù)中，時(shí)間序列最早的關(guān)鍵幀數(shù)據(jù)，所述基于各所述關(guān)鍵幀數(shù)據(jù)之間的第一相似度匹配值，篩除所述關(guān)鍵幀數(shù)據(jù)中的部分關(guān)鍵幀數(shù)據(jù)，得到所述目標(biāo)關(guān)鍵幀數(shù)據(jù)，包括：

將第一相似度匹配值大于第一預(yù)設(shè)閾值的所述部分關(guān)鍵幀數(shù)據(jù)進(jìn)行篩除，得到第一待處理幀數(shù)據(jù)；

將所述第一待處理幀數(shù)據(jù)作為所述目標(biāo)關(guān)鍵幀數(shù)據(jù)。

4.如權(quán)利要求3所述的方法，其特征在于，在篩除所述關(guān)鍵幀數(shù)據(jù)中的部分關(guān)鍵幀數(shù)據(jù)之后，還包括：

基于卷積神經(jīng)網(wǎng)絡(luò)模型，對(duì)各所述關(guān)鍵幀數(shù)據(jù)之間的第二相似度匹配值大于第二預(yù)設(shè)閾值的關(guān)鍵幀數(shù)據(jù)進(jìn)行篩除，得到第二待處理幀數(shù)據(jù)；

計(jì)算所述第二待處理幀數(shù)據(jù)中的幀數(shù)量；

當(dāng)確定所述第二待處理幀數(shù)據(jù)中的幀數(shù)量不大于第二預(yù)設(shè)閾值時(shí)，將所述第二待處理幀數(shù)據(jù)作為所述目標(biāo)關(guān)鍵幀數(shù)據(jù)。

5.如權(quán)利要求4所述的方法，其特征在于，在所述計(jì)算所述第二待處理幀數(shù)據(jù)中的幀數(shù)量之后，還包括：

當(dāng)確定所述第二待處理幀數(shù)據(jù)的幀數(shù)量大于所述第二預(yù)設(shè)閾值時(shí)，根據(jù)所述第二待處理幀數(shù)據(jù)中各所述關(guān)鍵幀數(shù)據(jù)對(duì)應(yīng)的特征數(shù)據(jù)，計(jì)算所述第二待處理幀數(shù)據(jù)中各所述關(guān)鍵幀數(shù)據(jù)之間的第三相似度匹配值；

對(duì)各所述關(guān)鍵幀數(shù)據(jù)之間的第三相似度匹配值大于第三預(yù)設(shè)閾值的關(guān)鍵幀數(shù)據(jù)進(jìn)行篩除，得到第三待處理幀數(shù)據(jù)，所述第三預(yù)設(shè)閾值為大于所述第一預(yù)設(shè)閾值；

當(dāng)確定所述第三待處理幀數(shù)據(jù)中的幀數(shù)量不大于所述第二預(yù)設(shè)閾值時(shí)，將所述第三待處理幀數(shù)據(jù)作為所述目標(biāo)關(guān)鍵幀數(shù)據(jù)。

6.如權(quán)利要求2所述的方法，其特征在于，在所述基于卷積神經(jīng)網(wǎng)絡(luò)模型，提取各所述關(guān)鍵幀數(shù)據(jù)中的特征信息，確定各所述關(guān)鍵幀數(shù)據(jù)對(duì)應(yīng)的特征數(shù)據(jù)之前，還包括：

獲取樣本圖像，其中，所述樣本圖像包括至少一個(gè)樣本特征；

利用所述樣本圖像對(duì)預(yù)設(shè)的神經(jīng)網(wǎng)絡(luò)圖像分類(lèi)模型進(jìn)行訓(xùn)練，得到滿足預(yù)設(shè)條件的所述卷積神經(jīng)網(wǎng)絡(luò)模型。