视频转换方法及系统技术方案

本发明专利技术涉及一种视频转换方法及系统。该视频转换方法包括：将输入的二维视频分成若干帧图像；将若干帧图像进行场景分割，将若干帧图像分割为前景和背景；判断背景是否运动，如果背景静止，则采用深度学习算法对背景进行背景物体分类，并根据分类结果计算背景的深度信息；如果背景运动，则根据背景的运动信息建立全局运动模型，并根据全局运动模型计算背景的深度信息；将前景进行边缘检测得到精确的前景物体轮廓，根据前景物体轮廓在背景中的位置信息和背景的深度信息计算前景的深度信息。本申请能精确地分割出二维视频中的背景物体和前景物体，提高计算背景和前景深度信息的准确度，进而提高三维视频的真实性。

Video conversion method and system

【技术实现步骤摘要】
视频转换方法及系统
本专利技术涉及视频转换
，特别是涉及一种视频转换方法及系统。
技术介绍
通常，我们通过手机、平板或电视机等电子设备观看到的视频都是二维视频，相比于三维视频，二维视频带给用户的视觉感受会略差，为此，出现了二维转三维的技术。然而，目前二维转三维的技术主要采用的是基于深度图的三维合成技术，存在二维视频的深度信息计算不够准确的问题。
技术实现思路
本专利技术要解决的技术问题是提供一种能准确计算二维图像的深度信息，从而提高三维视频的真实性的视频转换方法及系统。为实现本专利技术的目的，本专利技术还采用如下技术方案：一种视频转换方法，包括如下步骤：将输入的二维视频分成若干帧图像；将所述若干帧图像进行场景分割，将所述若干帧图像分割为前景和背景；判断所述背景是否运动，如果所述背景静止，则采用深度学习算法对所述背景进行背景物体分类，并根据所述分类结果计算所述背景的深度信息；如果所述背景运动，则根据所述背景的运动信息建立全局运动模型，并根据所述全局运动模型计算所述背景的深度信息；根据所述背景的深度信息进行所述背景的三维重建，得到三维背景；将所述前景进行边缘检测得到精确的前景物体轮廓，根据所述前景物体轮廓在所述背景中的位置信息和所述背景的深度信息计算所述前景的深度信息，并根据所述前景的深度信息进行所述前景的三维重建，得到三维前景；将所述三维背景和所述三维前景合成三维视频输出。上述的视频转换方法，包括：将输入的二维视频分成若干帧图像；将若干帧图像进行场景分割，将若干帧图像分割为前景和背景；判断背景是否运动，如果背景运动，则根据背景的运动信息建立全局运动模型，并根据全局运动模型计算背景的深度信息；如果背景静止，则采用深度学习算法对背景进行背景物体分类，并根据分类结果计算背景的深度信息；根据背景的深度信息进行背景的三维重建，得到三维背景；将前景进行边缘检测得到精确的前景物体轮廓，根据前景物体轮廓在背景中的位置信息和背景的深度信息计算前景的深度信息，并根据前景的深度信息进行前景的三维重建，得到三维前景；将三维背景和三维前景合成三维视频输出。本专利技术能精确地分割出二维视频中的背景物体和前景物体，提高计算背景和前景深度信息的准确度，进而提高三维视频的真实性。为实现本专利技术的目的，本专利技术还采用如下技术方案：一种视频转换系统，包括：帧划分模块，将输入的二维视频分成若干帧图像；场景分割模块，将所述若干帧图像进行场景分割，将所述若干帧图像分割为前景和背景；背景类型判断模块，判断所述背景是否运动，如果所述背景静止，则采用深度学习算法对所述背景进行背景物体分类，并根据所述分类结果计算所述背景的深度信息；如果所述背景运动，则根据所述背景的运动信息建立全局运动模型，并根据所述全局运动模型计算所述背景的深度信息；背景三维重建模块，根据所述背景的深度信息进行所述背景的三维重建，得到三维背景；前景三维重建模块，将所述前景进行边缘检测得到精确的前景物体轮廓，根据所述前景物体轮廓在所述背景中的位置信息和所述背景的深度信息计算所述前景的深度信息，并根据所述前景的深度信息进行所述前景的三维重建，得到三维前景；三维视频输出模块，将所述三维背景和所述三维前景合成三维视频输出。附图说明图1为一实施例中视频转换方法的流程示意图；图2为一实施例中视频转换系统的结构示意图。具体实施方式为了便于理解本专利技术，下面将参照相关附图对本专利技术进行更全面的描述。附图中给出了本专利技术的首选实施例。但是，本专利技术可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本专利技术的公开内容更加透彻全面。除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。本文中在本专利技术的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本专利技术。在本专利技术的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。在本专利技术的描述中，“若干”的含义是至少一个，例如一个，两个等，除非另有明确具体的限定。参见图1，本实施提供了一种视频转换方法，包括步骤S10、步骤S20、步骤S30、步骤S40、步骤S50和步骤S60，详述如下：在步骤S10中，将输入的二维视频分成若干帧图像。在步骤S20中，将若干帧图像进行场景分割，将若干帧图像分割为前景和背景。在本实施例中，前景是指二维视频中所要关心的主要目标，包括但不限于人、动物、交通工具等；背景是指非二维视频需所要关心的目标，包括但不限于天空、地面、树木、建筑物等。具体地，将若干帧图像进行场景分割的方法可采用本领域技术人员常用的场景分割方法，比如采用基于彩色信息的分割方法，本实施例不做限制。在步骤S30中，判断背景是否运动，如果背景静止，则采用深度学习算法对背景进行背景物体分类，并根据分类结果计算背景的深度信息；如果背景运动，则根据背景的运动信息建立全局运动模型，并根据全局运动模型计算背景的深度信息。在本实施例中，针对静止的背景，通过获取大量的关于天空、地面、建筑物、树木等背景图像，通过不断的训练学习，建立关于天空、地面、建筑物、树木等不同背景图像的特征数据库，根据该特征数据库能准确地对输入的二维视频帧的背景物体进行分类，进而准确计算背景的深度信息；针对运动背景，则根据全局运动模型计算背景的深度信息，全局运动模型是用来描述视频帧全局运动的数学模型，主要是由摄像机操作产生，其中，摄像机操作包括但不限于旋转、平移、左右摆动、上下摆动、变焦等。在步骤S40中，根据背景的深度信息进行背景的三维重建，得到三维背景。在步骤S50中，将前景进行边缘检测得到精确的前景物体轮廓，根据前景物体轮廓在背景中的位置信息和背景的深度信息计算前景的深度信息，并根据前景的深度信息进行前景的三维重建，得到三维前景。在本实施例中，将前景进行边缘检测得到精确的前景物体轮廓，能准确地分割出前景物体，能提高计算前景深度信息的准确度。在步骤S60中，将三维背景和三维前景合成三维视频输出。上述的视频转换方法，包括：将输入的二维视频分成若干帧图像；将若干帧图像进行场景分割，将若干帧图像分割为前景和背景；判断背景是否运动，如果背景静止，则采用深度学习算法对背景进行背景物体分类，并根据分类结果计算背景的深度信息；如果背景运动，则根据背景的运动信息建立全局运动模型，并根据全局运动模型计算背景的深度信息；根据背景的深度信息进行背景的三维重建，得到三维背景；将前景进行边缘检测得到精确的前景物体轮廓，根据前景物体轮廓在背景中的位置信息和背景的深度信息计算前景的深度信息，并根据前景的深度信息进行前景的三维重建，得到三维前景；将三维背景和三维前景合成三维视频输出。本专利技术能精确地分割出二维视频中的背景物体和前景物体，提高计算背景和前景深度信息的准确度，进而提高三维视频的真实性本文档来自技高网...

【技术保护点】
1.一种视频转换方法，其特征在于，包括如下步骤：/n将输入的二维视频分成若干帧图像；/n将所述若干帧图像进行场景分割，将所述若干帧图像分割为前景和背景；/n判断所述背景是否运动，如果所述背景静止，则采用深度学习算法对所述背景进行背景物体分类，并根据所述分类结果计算所述背景的深度信息；如果所述背景运动，则根据所述背景的运动信息建立全局运动模型，并根据所述全局运动模型计算所述背景的深度信息；/n根据所述背景的深度信息进行所述背景的三维重建，得到三维背景；/n将所述前景进行边缘检测得到精确的前景物体轮廓，根据所述前景物体轮廓在所述背景中的位置信息和所述背景的深度信息计算所述前景的深度信息，并根据所述前景的深度信息进行所述前景的三维重建，得到三维前景；/n将所述三维背景和所述三维前景合成三维视频输出。/n

【技术特征摘要】
1.一种视频转换方法，其特征在于，包括如下步骤：
将输入的二维视频分成若干帧图像；
将所述若干帧图像进行场景分割，将所述若干帧图像分割为前景和背景；
判断所述背景是否运动，如果所述背景静止，则采用深度学习算法对所述背景进行背景物体分类，并根据所述分类结果计算所述背景的深度信息；如果所述背景运动，则根据所述背景的运动信息建立全局运动模型，并根据所述全局运动模型计算所述背景的深度信息；
根据所述背景的深度信息进行所述背景的三维重建，得到三维背景；
将所述前景进行边缘检测得到精确的前景物体轮廓，根据所述前景物体轮廓在所述背景中的位置信息和所述背景的深度信息计算所述前景的深度信息，并根据所述前景的深度信息进行所述前景的三维重建，得到三维前景；
将所述三维背景和所述三维前景合成三维视频输出。


2.一种视频转换系统，其特征在于...

【专利技术属性】
技术研发人员：林海鹏，
申请(专利权)人：海林电脑科技深圳有限公司，
类型：发明
国别省市：广东;44