视频处理方法、装置、电子设备和存储介质
文献发布时间:2023-06-19 19:13:14
技术领域
本公开涉及多媒体信息采集与处理技术领域,具体为视频处理技术领域,特别涉及一种视频处理方法、装置、电子设备和存储介质。
背景技术
传统的录像设备在视频录制结束之前,无法对已经录制完成的部分进行单独保存、查看、编辑及分享。在视频录制结束之后,往往由于视频文件占据较大内存,处理起来需要占用大量计算能力,费时费力。
因此,如何在录制视频的过程中识别其中的精彩片段,并实时对其进行单独保存或编辑成为需要解决的问题。
发明内容
本公开提供了一种视频处理方法、装置、电子设备和存储介质。
根据本公开的一方面,提供了一种视频处理方法,该方法可以包括以下步骤:
对实时录制的视频流进行缓存得到视频缓存数据;
基于视频缓存数据生成主视频;主视频是在录制结束的情况下生成的视频;
在满足指定触发条件的情况下,对视频缓存数据进行处理,生成目标视频;目标视频是在录制期间生成的视频,目标视频的生成时间不晚于主视频的生成时间。
根据本公开的另一方面,提供了一种视频处理装置,该装置可以包括:
缓存模块,用于对实时录制的视频流进行缓存得到视频缓存数据;
主视频生成模块,用于基于视频缓存数据生成主视频;主视频是在录制结束的情况下生成的视频;
目标视频生成模块,用于在满足指定触发条件的情况下,对视频缓存数据进行处理,生成目标视频;目标视频是在录制期间生成的视频,目标视频的生成时间不晚于主视频的生成时间。
根据本公开的另一方面,提供了一种电子设备,包括:
至少一个处理器;以及
与该至少一个处理器通信连接的存储器;其中,
该存储器存储有可被该至少一个处理器执行的指令,该指令被该至少一个处理器执行,以使该至少一个处理器能够执行本公开任一实施例中的方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,该计算机指令用于使计算机执行本公开任一实施例中的方法。
根据本公开的技术方案提供了一种视频处理方法,能够在用户录制主视频的过程中实时获取其中若干个精彩片段对应的短视频。如此可以提升短视频处理效率,改善用户体验。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开视频处理方法的流程图;
图2是根据本公开触发条件确定方式的流程图;
图3是根据本公开生成目标视频的流程图;
图4是根据本公开确定目标视频起始时刻和终止时刻的流程图;
图5是根据本公开生成主视频的流程图;
图6是根据本公开电子设备处理流程图;
图7是根据本公开视频处理装置的结构图;
图8是实现本公开实施例的特征图像处理的电子设备框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
如图1所示,本公开涉及一种视频处理方法,该方法可以包括以下步骤:
S101:对实时录制的视频流进行缓存得到视频缓存数据;
S102:基于视频缓存数据生成主视频;主视频是在录制结束的情况下生成的视频;
S103:在满足指定触发条件的情况下,对视频缓存数据进行处理,生成目标视频;目标视频是在录制期间生成的视频,目标视频的生成时间不晚于主视频的生成时间。
本实施例可以应用于具备视频录制功能和视频处理功能的电子设备,包括但不限于台式电脑、笔记本电脑、手机、无人机或云台设备。其中,利用视频录制功能,对视频数据进行录制。利用视频处理功能,对录制的视频数据进行处理和存储。处理可以包括对视频数据的编辑、剪辑、封装等。
在执行步骤S101之前,上述电子设备首先利用视频录制功能获取实时录制的视频流。实时录制的视频流包括录制目标对象得到的图像数据及音频数据。其中,图像数据可以通过至少一个摄像头采集得到,音频数据可以通过麦克风等采集设备采集获取。录制对象可以是场景、人物或物体,此处不做限定。
在获取视频流之后,对其进行缓存得到视频缓存数据。具体地,可以首先通过视频编码器对视频流进行编码处理,得到视频编码数据。然后对视频编码数据进行缓存处理,得到视频缓存数据。
其中,视频编码器可以是以固定频率在实时录制的视频流中采集图像,并将采集得到的连续图像进行编码处理,得到视频编码数据。编码算法可以采用MPEG标准或H.264标准,此处不做限定。
对视频编码数据进行缓存处理,包括将视频编码数据存储在内存中的视频缓存区。视频缓存区的容量可以是预先设定的,例如,可以是内存容量的一半,或者可以是内容容量的四分之一,具体可以根据需要进行相应设定。
在生成视频缓存数据之后,实时监测是否满足指定触发条件。在不满足指定触发条件的情况下,基于视频缓存数据生成主视频,主视频是在录制结束的情况下生成的视频。其中,录制结束的情况可以是视频录制结束时刻对应的情况下,或者是录制结束之后的某一时刻对应的情况下,例如,可以是录制结束时刻之后的预设时间段内的任一时刻,预设时间段可以是5s,10s,15s等,此处不做限定。
在满足指定触发条件的情况下,可以对视频缓存数据进行处理,得到目标视频。其中,目标视频可以是实时录制的视频流中的某一个精彩片段对应的短视频,也可以是用户设定的某一时间段对应的短视频,此处不做限定。
前述指定触发条件可以是基于视频流内容自动生成的触发条件,也可以是通过接收用户发出的控制指令后生成的触发条件,此处不做限定。
通过以上过程,能够实现在用户录制主视频的过程中,实时自动的获取主视频中的若干个精彩片段对应的短视频,如此可以实现在录制主视频的同时生成目标视频,提升制作短视频的效率,改善用户体验。
如图2所示,在一种实施方式中,指定触发条件的确定方式,包括:
S201:对视频流进行识别,得到识别结果;识别结果包括图像识别结果和声音识别结果中的至少一种;
S202:在识别结果符合预设条件的情况下,确定满足指定触发条件;预设条件用于表征用户对视频流内容的感兴趣程度。
本实施方式提供一种基于人工智能技术实现的触发条件确定方式,人工智能技术实现方式可以是利用预先训练的内容识别模型识别视频内容,进而根据识别结果确定是否符合预设条件。其中,预设条件表征用户对视频流内容的感兴趣程度。
具体地,在对实时录制的视频流进行编码以及缓存之前,本实施方式通过预先训练的内容识别模型提取待识别视频流中的图像特征及声音特征,基于图像特征及声音特征确定识别结果。
预先训练的内容识别模型可以是根据需要选取的人工智能网络模型,例如卷积神经网络,此处不做限定。内容识别模型可以利用标注的视频样本进行训练,具体地,可以利用图像数据样本和声音数据样本中的至少一种作为内容识别模型的输入数据。内容识别模型根据输入数据可以得到内容识别结果的预测值,该预测值可以以概率的形式表示。例如,内容识别结果为“欢呼”的概率为a%,内容识别结果为“尖叫”的概率为b%。利用已标注的识别结果(识别结果的真值)与识别结果的预测值之间的误差,对内容识别模型中的参数进行调整。上述误差可以利用损失函数体现,损失函数的作用可以理解为:当待训练的内容识别模型进行前向传播得到的预测值与真值接近时,损失函数的取较小值;反之,损失函数的取值增大。并且,损失函数是以内容识别模型中的参数为自变量的函数。
利用上述误差,对待训练的内容识别模型中的所有参数进行调整。上述误差会在待训练的内容识别模型中的每一层进行反向传播,待训练的内容识别模型中每一层的参数都会根据上述误差进行调整,直到待训练的内容识别模型的输出结果收敛或达到预期的效果才结束。
在识别结果符合预设条件的情况下,确定满足指定触发条件。其中,识别结果可以仅包括图像识别结果。对应的,预设条件可以是预先存储的图像数据库。举例来说,在用户准备录制一段跳舞视频的场景下,当图像识别结果是用户进入图像中间位置并做好跳舞准备时,系统认为满足预设触发条件。其中,做好跳舞准备可以是用户做出了指定手势或者指定姿势,从而可以确定用户做好跳舞准备。
识别结果可以仅包括声音识别结果。对应的,预设条件可以是预先存储的声音数据库。例如,在视频监控场景下,当环境中出现笑声或欢呼声时,认为满足预设触发条件。或者,当环境中出现带有指令含义的声音,例如“可以开始了”、“开始录制”等内容时,也可以认为满足预设触发条件。
识别结果还可以同时包括图像识别结果和声音识别结果,利用图像识别结果和声音识别结果确定视频流对应的当前事件。对应的,预设条件可以是预先存储的事件数据库。在当前事件属于预设事件的情况下,确定满足指定触发条件。举例来说,在图像识别结果为“蛋糕”图像,且声音识别结果为“生日快乐歌曲旋律”的情况下,确定当前视频流对应的事件为“举办生日派对”。此时判断该事件是否属于事件数据库中的事件,在属于事件数据库的情况下,确定满足指定触发条件。事件数据库可以根据需要进行设定,例如,歌唱表演、聚餐干杯、亲子游戏等,此处不做穷举。
识别结果还可以是内容识别模型根据输入的视频流内容,计算得到的内容得分值。此时,预设条件可以是用户感兴趣程度所对应的分数阈值。在识别结果对应的内容得分值大于分数阈值的情况下,确定满足指定触发条件。其中,内容得分值可以是20分,40分,60分,80分等,此处不做限定。预设条件对应的分数阈值也可以根据需要进行设定,例如,60分,65分,70分等。
通过以上过程,能够实现在用户录制主视频的过程中,根据视频内容自动确定触发条件,自动生成包含有精彩片段的目标视频。
在一种实施方式中,指定触发条件的确定方式,包括:在接收到触发控制指令的情况下,确定满足指定触发条件。
具体地,触发控制指令可以是用户通过操作前述电子设备的触发开关所生成的控制指令。其中,触发开关可以是电子设备的物理按键或者位于电子设备显示屏中的虚拟按键选项,也可以是与电子设备连接的无线遥控器上的相应按键或者如手机或平板电脑等智能设备上的虚拟选项,此处不做限定。
如图3所示,在一种实施方式中,对视频缓存数据进行处理,得到目标视频,包括:
S301:基于满足指定触发条件的触发时刻,确定目标视频对应的起始时刻和终止时刻;
S302:基于目标视频对应的起始时刻和终止时刻,对视频缓存数据进行第一封装处理,得到目标视频。
其中,触发时刻可以是指定触发条件生成的时刻,具体可以是基于预先训练的内容识别模型确定的触发时刻,或者是用户通过控制触发开关生成的触发时刻,此处不做限定。
第一封装处理可以包括利用目标视频对应的时间段生成视频主体数据和视频头部数据的处理过程。其中,视频主体数据可以是利用确定的起始时刻和终止时刻,截取视频缓存数据生成的数据,包括图像数据和声音数据。视频头部数据可以是根据需要设置相关参数生成的数据。对主体数据和头部数据整合并执行视频压缩工作后,生成目标视频。
第一封装处理的数据格式可以根据需要进行设定,例如,AVI(Audio VideoInterleaved,音视频交错)格式,FLV(Flash Video,流媒体)格式等,此处不做限定。
如图4所示,在一种实施方式中,起始时刻的确定方式,包括:
S401:将触发时刻作为目标视频的起始时刻;
或者,
S402:基于触发时刻和第一预设时长,确定目标视频的起始时刻;第一预设时长是基于触发时刻向前追溯或向后延迟的时长。
其中,可以将触发时刻作为起始时刻,也可以根据需要将触发时刻之前或者之后的某一时刻作为起始时刻。具体地,可以根据预先设定的第一预设时长,以触发时刻为基础,向前追溯或者向后延迟第一预设时长,作为起始时刻。例如,触发时刻是10分20秒,可以将10分20秒作为封装目标视频的起始时刻;又例如,触发时刻是10分20秒,第一预设时长是10秒,此时可以根据需要将可以将10分10秒或者10分30秒作为封装目标视频的起始时刻。
第一预设时长的取值上限取决于内存容量的大小,内存容量越大,则第一预设时长的取值上限就越大。例如,第一预设时长可以是5s,10s,15s,此处不做穷举。
通过以上过程,可以根据需要设定目标视频对应的时间段信息,尤其是,通过向前追溯第一预设时长,可以将触发时刻之前一段时间内的视频作为目标视频的一部分,有助于完整记录目标视频中精彩瞬间的起因、经过和结果。
在一种实施方式中,终止时刻的确定方式,包括:
基于识别结果,确定目标视频的终止时刻;
或者,
基于起始时刻和第二预设时长,确定目标视频的终止时刻。
终止时刻可以是基于预先训练的内容识别模型的识别结果来确定,也可以利用起始时刻加上第二预设时长来确定。
例如,在用户录制跳舞视频的场景下,当图像识别结果是用户做出结束跳舞的手势并离开图像中间位置时,可以将对应时间点作为终止时刻。
第二预设时长的取值范围同第一预设时长,此处不做赘述。
通过以上过程,能够回溯触发时刻之前的事件经过,完整记录精彩片段的起因、经过和结果,提升记录目标视频的完整度。此外,用户无需花费额外精力记录这些时刻并进行后期编辑处理,体验较好。
如图5所示,在一种实施方式中,还包括:
S501:基于视频缓存数据,生成视频录制数据;
S502:对视频录制数据进行第二封装处理,生成主视频。
其中,视频缓存数据可以是存储于内存中视频缓存区的数据,视频录制数据可以是录制完成的情况下,存储于外部存储空间的数据,例如,外部存储空间可以是SD卡,此处不做限定。
第二封装处理与第一封装处理可以共用同一个物理封装器,该共用的物理封装器需要具备同时生成主视频和目标视频的处理能力。例如,视频封装器通过时间片轮转的方法满足上述处理能力的要求。
此外,也可以在电子设备中设置两个独立的物理封装器,此时前述第一封装处理与第二封装处理可以并行执行,此处不做赘述。
第二封装处理得到的主视频格式可以是,AVI,FLV等,此处不做限定。
主视频的帧率可以与目标视频的帧率相同,也可以不同,具体可以根据需要进行设定。例如,30帧/秒,10帧/秒等,此处不做限定。
前述得到的目标视频以及主视频可以存储于电子设备内部的存储空间,也可以存储于与电子设备连接的外部存储空间或者云端存储设备,此处不做限定。
如图6所示,本公开涉及一种视频处理方法,包括以下步骤:
视频采集装置实时采集获取视频流。
视频流经过分流器分别进入算法判定器和视频编码器。其中,算法判定器采用预先训练的内容识别模型对视频流进行特征提取,并根据特征信息确定对应的图像识别结果和音频识别结果。
进入视频编码器的视频流,经过编码、缓存,生成视频缓存数据。在图像识别结果和音频识别结果满足指定触发条件或者是用户发出硬件控制指令的情况下,在实时录制视频流的同时,对视频缓存数据进行第一封装处理,生成包含有精彩片段的目标视频。其中,指定触发条件可以是视频流中出现了人脸图像、宠物图像,或者可以是发出欢呼声、尖叫声等。
此外,录制结束后对视频录制数据进行第二封装处理,生成主视频。
如图7所示,本公开涉及一种视频处理装置,该装置包括:
缓存模块701,用于对实时录制的视频流进行缓存得到视频缓存数据;
主视频生成模块702,用于基于视频缓存数据生成主视频;主视频是在录制结束的情况下生成的视频;
目标视频生成模块703,用于在满足指定触发条件的情况下,对视频缓存数据进行处理,生成目标视频;目标视频是在录制期间生成的视频,目标视频的生成时间不晚于主视频的生成时间。
本公开涉及一种视频处理装置,其中,目标视频生成模块703,包括:
识别子模块,用于对视频流进行识别,得到识别结果;识别结果包括图像识别结果和声音识别结果中的至少一种;
第一触发子模块,用于在识别结果符合预设条件的情况下,确定满足指定触发条件;预设条件用于表征用户对视频流内容的感兴趣程度。
本公开涉及一种视频处理装置,其中,目标视频生成模块703,包括:
第二触发子模块,用于在接收到触发控制指令的情况下,确定满足指定触发条件。
本公开涉及一种视频处理装置,其中,目标视频生成模块703,包括:
触发执行子模块,用于基于满足指定触发条件的触发时刻,确定目标视频对应的起始时刻和终止时刻;
第一封装子模块,用于基于目标视频对应的起始时刻和终止时刻,对视频缓存数据进行第一封装处理,得到目标视频。
本公开涉及一种视频处理装置,其中,触发执行子模块包括起始时刻确定子模块,用于:
将触发时刻作为目标视频的起始时刻;
或者,
基于触发时刻和第一预设时长,确定目标视频的起始时刻;第一预设时长是基于触发时刻向前追溯或向后延迟的时长。
本公开涉及一种视频处理装置,其中,触发执行子模块包括终止时刻确定子模块,用于:
基于识别结果,确定目标视频的终止时刻;
或者,
基于起始时刻和第二预设时长,确定目标视频的终止时刻。
本公开涉及一种视频处理装置,其中,主视频生成模块702,包括:
录制模块,用于基于视频缓存数据,生成视频录制数据;
第二封装子模块,用于对视频录制数据进行第二封装处理,生成主视频。
本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图8示出了可以用来实施本公开的实施例的示例电子设备800的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图8所示,设备800包括计算单元801,其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序,来执行各种适当的动作和处理。在RAM803中,还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
设备800中的多个部件连接至I/O接口805,包括:输入单元806,例如键盘、鼠标等;输出单元807,例如各种类型的显示器、扬声器等;存储单元808,例如磁盘、光盘等;以及通信单元809,例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理,例如视频处理的方法。例如,在一些实施例中,视频处理的方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元808。在一些实施例中,计算机程序的部分或者全部可以经由ROM802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时,可以执行上文描述的视频处理的方法的一个或多个步骤。备选地,在其他实施例中,计算单元801可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行视频处理的方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
- 视频处理方法、装置、电子设备及存储介质
- 视频处理方法、装置、电子设备及存储介质
- 视频处理方法、装置、电子设备及存储介质
- 视频处理方法、装置、电子设备以及存储介质
- 视频处理方法、装置、电子设备及存储介质
- 视频数据处理方法、视频显示方法及装置、电子设备及可读存储介质
- 视频处理方法、视频处理装置、电子设备和存储介质