一种图像处理方法及系统技术方案

本发明专利技术提供一种图像处理方法及系统，该方法包括：对待处理视频进行间隔抽帧处理，得到N帧画面，N为正整数。将N帧画面作为图像处理模型的输入，得到长度为N并且包含每帧画面属于模糊画面的概率值的模糊度序列，其中，图像处理模型基于图片样本训练卷积神经网络模型得到。将每帧画面的模糊度与预设的模糊度阈值进行比较，获得待处理视频的模糊片段列表。本发明专利技术提供的方案中，通过对待处理视频进行抽帧处理得到多帧画面，将多帧画面输入预先训练好的图像处理模型中处理，得到每帧画面属于模糊画面的概率值的模糊度序列。将每帧画面的模糊度与阈值比较，得到待处理视频中的模糊片段列表。能降低视频处理成本、人工成本和提高视频处理效率。

An Image Processing Method and System

The invention provides an image processing method and system. The method includes: the processing video is processed by interval frame extraction, and the N frame picture is obtained, and the N is a positive integer. Using N frames as the input of image processing model, the fuzziness sequence with the length of N and the probability value of each frame belonging to the fuzziness picture is obtained. The image processing model is obtained by training the convolution neural network model based on image samples. By comparing the ambiguity of each frame with the preset ambiguity threshold, a list of the ambiguity fragments of the video to be processed is obtained. In the scheme provided by the invention, a multi-frame picture is obtained by extracting the frame of the video to be processed, and the multi-frame picture is input into the pre-trained image processing model for processing, and the ambiguity sequence of the probability value of each frame belonging to the blurred picture is obtained. By comparing the ambiguity of each frame with the threshold value, a list of blurred fragments in the video to be processed is obtained. It can reduce the cost of video processing, labor costs and improve the efficiency of video processing.

【技术实现步骤摘要】
一种图像处理方法及系统
本专利技术涉及图像处理
，具体涉及一种图像处理方法及系统。
技术介绍
随着科学技术的发展，电视、电影和综艺等视频节目早已成为人们生活中不可或缺的一部分，而呈现在观众眼前的视频节目是经过处理后的视频素材。这些原始视频素材由于是使用不同机位和不同角度等手段进行录制的视频，这样在录制的过程中原始视频素材会存在大量的瑕疵片段，所以在录制完成后需要对原始视频素材进行多次处理才能呈现在观众眼前，对原始视频素材的处理方式之一就是识别废片并剪去这些无用的视频片段。其中，最为常见的废片形式就是原始视频素材中的模糊片段。模糊片段，是指由于录制视频的镜头剧烈抖动，或者拍摄目标的快速移动而导致录制画面模糊。目前识别废片的手段通常是先由初级剪辑师去识别模糊片段并标记这些模糊片段，然后再由高级剪辑师对进行初步处理后的原始视频素材进行后面更加精细的剪辑，从而将视频能更好的呈现出来。但是，在节目录制过程中，尤其是近年来的综艺等节目录制，通常同时存在几十个甚至上百个机位在拍摄，最终呈现出来的一个小时的节目可能是从上百小时的原始视频素材剪辑出来的，这样初级剪辑师需要去浏览上百小时时间的原始视频素材去进行识别模糊片段、标记模糊片段等初步准备工作。这样会造成大量时间成本和人员成本的浪费，影响后期制作的工作效率。
技术实现思路
有鉴于此，本专利技术实施例提供一种图像处理方法及系统，以解决现有的图像处理方法存在的视频处理时间成本高、人工成本高和工作效率低等问题。为实现上述目的，本专利技术实施例提供如下技术方案：本专利技术实施例第一方面公开了一种图像处理方法，所述方法包括：对待处理视频进行间隔抽帧处理，得到N帧画面，N为正整数；将所述N帧画面作为图像处理模型的输入，得到长度为N的模糊度序列，所述模糊度序列包括每帧画面的模糊度，所述模糊度为每帧画面属于模糊画面的概率值，所述图像处理模型基于图片样本训练卷积神经网络模型得到，所述模糊画面的模糊程度为预先设定；将所述每帧画面的模糊度与预设的模糊度阈值进行比较，获得所述待处理视频的模糊片段列表。优选的，所述图像处理模型基于图片样本训练卷积神经网络模型得到，包括：将所述图片样本输入预先构建好的所述卷积神经网络模型中进行识别，得到所述图片样本的模糊度；计算所述图片样本的模糊度和所述图片样本的真实模糊度之间的误差；判断所述误差是否小于误差阈值；若是，基于所述卷积神经网络计算所述图片样本的模糊度所使用的权重，建立所述图像处理模型；若否，基于所述误差调整所述卷积神经网络的权重，基于调整权重后的卷积神经网络对所述图片样本再次进行识别得到图片样本的模糊度，计算再次进行识别得到的图片样本的模糊度和所述图片样本的真实模糊度之间的误差，直至所述误差小于所述误差阈值，基于当前卷积神经网络计算图片样本的模糊度所使用的权重，建立所述图像处理模型。优选的，所述对待处理视频进行间隔抽帧处理，得到N帧画面的过程包括：基于所述待处理视频的长度，按照间隔抽帧方式得到N帧画面，其中，L为所述需要处理的视频的长度，为向下取整公式。优选的，将所述每帧画面的模糊度与预设的模糊度阈值进行比较，获得所述待处理视频中最终的模糊片段列表，包括：对所述模糊度序列进行高斯平滑；获取所述模糊序列中模糊度大于所述模糊度阈值的M帧模糊画面；将所述M帧模糊画面组成0个以上包含一个模糊画面的模糊片段，或包含m个序号相邻的模糊画面的模糊片段，其中，M为大于等于0小于等于N的正整数，m为大于1的整数；将所述模糊片段组成模糊片段列表；对所述模糊片段列表中的模糊片段进行合并和删除，得到所述最终的模糊片段列表。优选的，所述对所述模糊片段列表中的模糊片段进行合并和删除，包括：若所述模糊片段列表中存在片段时长小于预设时长的模糊片段，则删除所述模糊片段；若所述模糊片段列表中，存在两个相邻的模糊片段，并且所述两个相邻的模糊片段之间相隔预设帧数的画面，则将所述两个相邻的模糊片段合并成为一个模糊片段。本专利技术实施例第二方面公开了一种图像处理系统，所述系统包括：抽帧单元，用于对待处理视频进行间隔抽帧处理，得到N帧画面，N为正整数；计算单元，用于将所述N帧画面作为图像处理模型的输入，计算得到长度为N的模糊度序列，所述模糊度序列包括每帧画面的模糊度，所述模糊度为每帧画面属于模糊画面的概率值，所述图像处理模型基于图片样本训练卷积神经网络模型得到，所述模糊画面的模糊程度为预先设定；处理单元，用于将所述每帧画面的模糊度与预设的模糊度阈值进行比较，获得所述待处理视频的模糊片段列表。优选的，所述计算单元包括：输入模块，用于将所述图片样本输入预先构建好的所述卷积神经网络模型中进行识别，得到所述图片样本的模糊度；误差模块，用于计算所述图片样本的模糊度和所述图片样本的真实模糊度之间的误差；判断模块，用于判断所述误差是否小于误差阈值，若是，则执行建立模块，若否，则执行循环模块；建立模块，用于基于所述卷积神经网络计算所述图片样本的模糊度所使用的权重，建立所述图像处理模型；循环模块，用于基于所述误差调整所述卷积神经网络的权重，基于调整权重后的卷积神经网络对所述图片样本再次进行识别得到图片样本的模糊度，计算再次进行识别得到的图片样本的模糊度和所述图片样本的真实模糊度之间的误差，直至所述误差小于所述误差阈值，基于当前卷积神经网络计算图片样本的模糊度所使用的权重，建立所述图像处理模型。优选的，所述抽帧单元具体用于基于所述待处理视频的长度，按照间隔抽帧方式得到N帧画面，其中，L为所述需要处理的视频的长度，为向下取整公式。优选的，所述处理单元包括：高斯平滑模块，用于对所述模糊度序列进行高斯平滑；获取模块，用于获取所述模糊序列中模糊度大于所述模糊度阈值的M帧模糊画面；第一组合模块，用于将所述M帧模糊画面组成0个以上包含一个模糊画面的模糊片段，或包含m个序号相邻的模糊画面的模糊片段，其中，M为大于等于0小于等于N的正整数，m为大于1的整数；第二组合模块，用于将所述模糊片段组成模糊片段列表；处理模块，用于对所述模糊片段列表中的模糊片段进行合并和删除，得到所述最终的模糊片段列表。优选的，所述处理模块包括：删除子模块，用于若所述模糊片段列表中存在片段时长小于预设时长的模糊片段，则删除所述模糊片段；合并子模块，用于若所述模糊片段列表中，存在两个相邻的模糊片段，并且所述两个相邻的模糊片段之间相隔预设帧数的画面，则将所述两个相邻的模糊片段合并成为一个模糊片段。基于上述本专利技术实施例提供的一种图像处理方法及系统，该方法包括：对待处理视频进行间隔抽帧处理，得到N帧画面，N为正整数。将N帧画面作为图像处理模型的输入，计算得到长度为N的模糊度序列，该模糊度序列包含每帧画面的模糊度，模糊度为每帧画面属于模糊画面的概率值，图像处理模型基于图片样本训练卷积神经网络模型得到。将每帧画面的模糊度与预设的模糊度阈值进行比较，获得待处理视频的模糊片段列表。本专利技术提供的方案中，通过对待处理视频进行抽帧处理得到多帧画面，将多帧画面输入预先训练好的图像处理模型中处理，得到每帧画面属于模糊画面的概率值的模糊度序列。将每帧画面的模糊度与阈值比较，得到待处理视频中的模糊片段列表。能降低视频处理成本、人工成本和提高视频处理效率。附图说明为了更清楚地说明本专利技术实本文档来自技高网...

【技术保护点】
1.一种图像处理方法，其特征在于，所述方法包括：对待处理视频进行间隔抽帧处理，得到N帧画面，N为正整数；将所述N帧画面作为图像处理模型的输入，得到长度为N的模糊度序列，所述模糊度序列包括每帧画面的模糊度，所述模糊度为每帧画面属于模糊画面的概率值，所述图像处理模型基于图片样本训练卷积神经网络模型得到，所述模糊画面的模糊程度为预先设定；将所述每帧画面的模糊度与预设的模糊度阈值进行比较，获得所述待处理视频的模糊片段列表。

【技术特征摘要】
1.一种图像处理方法，其特征在于，所述方法包括：对待处理视频进行间隔抽帧处理，得到N帧画面，N为正整数；将所述N帧画面作为图像处理模型的输入，得到长度为N的模糊度序列，所述模糊度序列包括每帧画面的模糊度，所述模糊度为每帧画面属于模糊画面的概率值，所述图像处理模型基于图片样本训练卷积神经网络模型得到，所述模糊画面的模糊程度为预先设定；将所述每帧画面的模糊度与预设的模糊度阈值进行比较，获得所述待处理视频的模糊片段列表。2.根据权利要求1所述的方法，其特征在于，所述图像处理模型基于图片样本训练卷积神经网络模型得到，包括：将所述图片样本输入预先构建好的所述卷积神经网络模型中进行识别，得到所述图片样本的模糊度；计算所述图片样本的模糊度和所述图片样本的真实模糊度之间的误差；判断所述误差是否小于误差阈值；若是，基于所述卷积神经网络计算所述图片样本的模糊度所使用的权重，建立所述图像处理模型；若否，基于所述误差调整所述卷积神经网络的权重，基于调整权重后的卷积神经网络对所述图片样本再次进行识别得到图片样本的模糊度，计算再次进行识别得到的图片样本的模糊度和所述图片样本的真实模糊度之间的误差，直至所述误差小于所述误差阈值，基于当前卷积神经网络计算图片样本的模糊度所使用的权重，建立所述图像处理模型。3.根据权利要求1所述的方法，其特征在于，所述对待处理视频进行间隔抽帧处理，得到N帧画面的过程包括：基于所述待处理视频的长度，按照间隔抽帧方式得到N帧画面，其中，L为所述需要处理的视频的长度，为向下取整公式。4.根据权利要求1所述的方法，其特征在于，将所述每帧画面的模糊度与预设的模糊度阈值进行比较，获得所述待处理视频中最终的模糊片段列表，包括：对所述模糊度序列进行高斯平滑；获取所述模糊序列中模糊度大于所述模糊度阈值的M帧模糊画面；将所述M帧模糊画面组成0个以上包含一个模糊画面的模糊片段，或包含m个序号相邻的模糊画面的模糊片段，其中，M为大于等于0小于等于N的正整数，m为大于1的整数；将所述模糊片段组成模糊片段列表；对所述模糊片段列表中的模糊片段进行合并和删除，得到所述最终的模糊片段列表。5.根据权利要求4所述的方法，其特征在于，所述对所述模糊片段列表中的模糊片段进行合并和删除，包括：若所述模糊片段列表中存在片段时长小于预设时长的模糊片段，则删除所述模糊片段；若所述模糊片段列表中，存在两个相邻的模糊片段，并且所述两个相邻的模糊片段之间相隔预设帧数的画面，则将所述两个相邻的模糊片段合并成为一个模糊片段。6.一种图像处理系统，其特征在于，...

【专利技术属性】
技术研发人员：蒋紫东，冯巍，姚亮，
申请(专利权)人：北京奇艺世纪科技有限公司，
类型：发明
国别省市：北京,11