【技术实现步骤摘要】
视频图像处理方法及装置、计算机可读介质和电子设备
本公开涉及图像处理
，具体而言，涉及一种视频图像处理方法、视频图像处理装置、计算机可读介质和电子设备。
技术介绍
随着图像处理技术的发展，对视频图像中的各种对象进行检测、跟踪、识别已经广泛地应用到人机交互、智能监控、安全检查、数据娱乐、数码相机等各个领域。例如，可以采用人脸识别技术，对视频中识别出的人脸进行美颜处理。以视频流中手势识别为例，目前，一些技术采用手势分割的技术实现手势识别，这种方法需要在每一帧进行手势分割，很难获取较好的实时性，并且效果较差；另一些技术采用肤色检测结合手势识别的技术来确定视频中的手势，在这种方案中，由于肤色模型容易受到光照的干扰，容易出现对手势的错误检测。此外，目前用于视频图像处理中的模型较大，且计算速度慢。需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
本公开的目的在于提供一种视频图像处理方法及装置、计算机可读介质和电子设备，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的视...
【技术保护点】
1.一种视频图像处理方法，其特征在于，包括：确定视频中当前帧图像中的目标对象位置区域；确定下一帧图像中与所述目标对象位置区域对应的目标对象跟踪图像；对所述目标对象跟踪图像依次进行多组卷积处理以确定所述下一帧图像中的目标对象位置区域；其中，所述多组卷积处理中的第一组卷积处理的卷积次数小于其他组卷积处理的卷积次数。
【技术特征摘要】
1.一种视频图像处理方法，其特征在于，包括：确定视频中当前帧图像中的目标对象位置区域；确定下一帧图像中与所述目标对象位置区域对应的目标对象跟踪图像；对所述目标对象跟踪图像依次进行多组卷积处理以确定所述下一帧图像中的目标对象位置区域；其中，所述多组卷积处理中的第一组卷积处理的卷积次数小于其他组卷积处理的卷积次数。2.根据权利要求1所述的视频图像处理方法，其特征在于，所述视频图像处理方法还包括：采用深度残差网络对所述下一帧图像的目标对象位置区域中的目标对象进行识别，以确定所述目标对象的类别。3.根据权利要求1所述的视频图像处理方法，其特征在于，所述视频图像处理方法还包括：确定所述下一帧图像中的目标对象位置区域包含目标对象的置信度；将所述置信度与一预定阈值进行比较；如果所述置信度小于所述预定阈值，则在所述下一帧图像中检测目标对象。4.根据权利要求1所述的视频图像处理方法，其特征在于，确定下一帧图像中与所述目标对象位置区域对应的目标对象跟踪图像包括：将所述当前帧图像的目标对象位置区域放大预定倍数得到目标对象跟踪区域；将下一帧图像中与所述目标对象跟踪区域对应的图像确定为目标对象跟踪图像。5.根据权利要求3所述的视频图像处理方法，其特征在于，对所述目标对象跟踪图像依次进行多组卷积处理包括：采用跟踪神经网络对所述目标对象跟踪图像依次进行多组卷积处理；其中，所述跟踪神经网络包括多个堆叠的卷积块，每个卷积块包括卷积层和最大池化层并且每个卷积块执行一组卷积处理。6.根据权利要求5所述的视频图像处理方法，其特征在于，所述多个堆叠的卷积块中第一个卷积块包括1个卷积层，除所述第一个卷积块外的其他卷积块均包括2个卷积层；其中，所述第一个卷积块中的卷积层包括8个大小为7×7且步长为4的卷积核；第二个卷积块中的卷积层包括16个大小为3×3且步长为1的卷积核以及24个3×3且步长为1的卷积核；第三个卷积块中的卷积层包括40个大小为3×3且步长为1的卷积核以及60个大小为3×3且步长为1的卷积核。7.根据权利要求6所述的视频图像处理方法，其特征在于，所述跟踪神经网络还包括在第三个卷积块与所述跟踪神经网络的输出之间依次配置的维度为96的内积层和维度为128的内积层。8.根据权利要求5所述的视频图像处理方法，其特征在于，针对所述确定所述目标对象跟踪图像中包含目标对象的置信度，所述视频图像处理方法还包括：根据所述置信度计算第一损失函数；确定使第一损失函数最小化的跟踪神经网络参数；根据使第一损失函数最小化的跟踪神经...
【专利技术属性】
技术研发人员：王亚彪，葛彦昊，甘振业，黄渊，邓长友，赵亚峰，黄飞跃，吴永坚，黄小明，梁小龙，汪铖杰，李季檩，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。