[發明專利]基于深度學習的視頻剪輯方法、相關設備及存儲介質

在審

• 申請號: 202110243565.2
• 申請日: 2021-03-04
• 公開（公告）號: CN113709384A
• 公開（公告）日: 2021-11-26
• 發明（設計）人: 蘇業;董偉;徐敘遠;張培成;王燁鑫
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: H04N5/262
• 分類號: H04N5/262;G06N20/00;G06N3/08;G06N3/04;G06K9/00
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 熊永強;杜維

1.一種基于深度學習的視頻剪輯方法，其特征在于，包括：

獲取目標視頻以及關于所述目標視頻的剪輯需求，所述目標視頻中包括一個或多個對象；

調用深度學習模型對所述目標視頻中的各個對象進行屬性識別，得到所述各個對象的屬性信息，所述深度學習模型是利用深度學習技術進行模型訓練，所得到的具有屬性識別能力的模型；

根據所述各個對象的屬性信息，從所述一個或多個對象中選取滿足所述剪輯需求的目標對象；

從所述目標視頻中剪輯出與所述目標對象相關聯的多個圖像組，并采用所述多個圖像組，生成所述目標視頻對應的剪輯視頻。

2.如權利要求1所述的方法，其特征在于，所述從所述目標視頻中剪輯出與所述目標對象相關聯的多個圖像組，包括：

對所述目標視頻進行低質圖像檢測處理，得到所述目標視頻中的低質圖像，所述低質圖像包括以下至少一種：根據圖像清晰度所確定的模糊圖像、重復圖像，以及同時包含多個對象的多人同框圖像；

從所述目標視頻中過濾掉所述低質圖像，得到有效視頻；并從所述有效視頻中剪輯出與所述目標對象相關聯的多個圖像組。

3.如權利要求2所述的方法，其特征在于，所述低質圖像包括所述模糊圖像，所述對所述目標視頻進行低質圖像檢測處理，得到所述目標視頻中的低質圖像，包括：

獲取與所述目標視頻所適配的動態清晰度閾值；

遍歷所述目標視頻中的各幀圖像，并對當前遍歷的當前圖像進行卷積處理，得到卷積圖像；

對所述卷積圖像中的各個像素值進行均值運算，并根據計算得到的均值和所述各個像素值之間的差異，計算所述當前圖像的圖像清晰度；

若所述當前圖像的圖像清晰度小于所述動態清晰度閾值，則將所述當前圖像確定為所述模糊圖像。

4.如權利要求2所述的方法，其特征在于，所述目標視頻是采用多個鏡頭拍攝得到的，所述低質圖像包括所述模糊圖像；所述對所述目標視頻進行低質圖像檢測處理，得到所述目標視頻中的低質圖像，包括：

獲取與所述目標視頻所適配的動態清晰度閾值；

將所述目標視頻拆分成多個分鏡片段，并遍歷所述多個分鏡片段，一個分鏡片段中的各幀圖像是采用同一個鏡頭拍攝得到；

計算當前遍歷的當前分鏡片段中的各幀圖像的圖像清晰度，并根據所述當前分鏡片段中的各幀圖像的圖像清晰度，計算得到所述當前分鏡片段的片段清晰度；

若所述片段清晰度小于所述動態清晰度閾值，則將所述當前分鏡片段中的各幀圖像均確定為所述模糊圖像。

5.如權利要求3或4所述的方法，其特征在于，所述獲取與所述目標視頻所適配的動態清晰度閾值，包括：

對所述目標視頻進行圖像采樣處理，得到K幀采樣圖像，K為正整數；

分別計算各幀采樣圖像的圖像清晰度，并按照閾值計算策略根據所述各幀采樣圖像的圖像清晰度，計算與所述目標視頻所適配的動態清晰度閾值；

其中，所述閾值計算策略用于指示：按照圖像清晰度從大到小的順序對所述各幀采樣圖像進行重排列，并將重排列后的第k個采樣圖像的圖像清晰度作為所述動態清晰度閾值，k∈[1，K]；或者，將所述各幀采樣圖像的圖像清晰度的均值作為所述動態清晰度閾值。