【技术实现步骤摘要】
视频处理方法、装置、设备及存储介质
本专利技术实施例涉及计算机视觉
,尤其涉及视频处理方法、装置、设备及存储介质。
技术介绍
在计算机视觉领域,可通过对视频的各帧进行超分辨率处理来放大分辨率以及在放大的同时填充更多细节,以增强所处理视频的整体观感。现有对视频进行超分辨率处理的实现方案中,往往使用机器学习算法中的深度神经网络模型对视频帧进行处理,以此将低分辨率的视频帧恢复为高分辨率的图像帧。且研究发现相比如常规超分辨率处理的深度神经网络模型,采用循环神经网络模型能够更好的利用前一视频帧的超分结果来指导当前视频帧的超分过程,以此来保证所生成的高分辨率视频更为逼真。然而,采用现有循环神经网络模型对长视频(即所包含视频帧大于100帧)进行超分辨率处理时,使用循环网络结构往往会在对长视频内静止显示区域的处理中产生一些时序累计的误差,使得处理后所显示的视频帧表现出不自然的图形畸变。现有为解决该问题所提出的改进方案需要在循环神经网络模型的训练过程中加入一种特殊的损失函数,该改进方案相当于需要修改模型的训练过程,涉及到训练数据排列方式的修改和超参数的选取,整个修改过程较为复杂,且该改进方案无法对已训练好的循环神经网络模型进行修复,此外,该改进方案也只能对长视频内处于静止显示区域的时序累积误差起到缓解作用,并无法彻底消除。
技术实现思路
有鉴于此,本专利技术实施例提供了视频处理方法、装置、设备及存储介质,以向视频的消费用户提供高质量视频。第一方面,本专利技术实施例提供了一种视频处理方法 ...
【技术保护点】
1.一种视频处理方法,其特征在于,包括:/n根据所接收当前视频帧的当前帧序号及预先确定的当前帧号划分集合和下一帧号划分集合,确定所述当前视频帧归属的有限处理序列;/n当所述当前视频帧同时属于当前有限处理序列和下一有限处理序列时,基于所述当前视频帧的图像信息分别与第一前序信息及第二前序信息结合进行超分辨率处理;/n根据处理后获得的当前第一处理结果和当前第二处理结果,确定所述当前视频帧的目标输出信息,并按照所述目标输出信息进行所述当前视频帧的超分辨率显示;/n其中,所述第一前序信息不同于所述第二前序信息。/n
【技术特征摘要】 【专利技术属性】
1.一种视频处理方法,其特征在于,包括:
根据所接收当前视频帧的当前帧序号及预先确定的当前帧号划分集合和下一帧号划分集合,确定所述当前视频帧归属的有限处理序列;
当所述当前视频帧同时属于当前有限处理序列和下一有限处理序列时,基于所述当前视频帧的图像信息分别与第一前序信息及第二前序信息结合进行超分辨率处理;
根据处理后获得的当前第一处理结果和当前第二处理结果,确定所述当前视频帧的目标输出信息,并按照所述目标输出信息进行所述当前视频帧的超分辨率显示;
其中,所述第一前序信息不同于所述第二前序信息。
2.根据权利要求1所述的方法,其特征在于,
所述第一前序信息,在所述当前视频帧的前一视频帧仅属于当前有限处理序列时为所述前一视频帧的前一第一处理结果;在所述当前视频帧的前一视频帧同时属于当前有限处理序列和下一有限处理序列时为所述前一视频帧的前一第一处理结果;
所述第二前序信息,在所述当前视频帧的前一视频帧仅属于当前有限处理序列时为为以全0表示的图像信息;所述当前视频帧的前一视频帧同时属于当前有限处理序列和下一有限处理序列时为所述前一视频帧的前一第二处理结果。
3.根据权利要求1所述的方法,其特征在于,还包括:
当所述当前视频帧仅属于当前有限处理序列时,基于所述当前视频帧的图像信息及第三前序信息进行超分辨率处理,并在处理后获取当前第一处理结果;
当所述当前视频帧仅属于下一有限处理序列时,基于所述当前视频帧的图像信息及第四前序信息进行超分辨处理,并在处理后获取当前第一处理结果;
将获得的当前第一处理结果确定为所述当前视频帧的目标输出信息,并按照所述目标输出信息进行所述当前视频帧的超分辨率显示。
4.根据权利要求3所述的方法,其特征在于,
所述第三前序信息,在所述当前视频帧的前一视频帧仅属于当前有限处理序列时为所述前一视频帧的前一第一处理结果,在所述当前视频帧的前一视频帧为空时为以全0表示的图像信息;
所述第四前序信息,在所述当前视频帧的前一视频帧同时属于当前有限处理序列和下一有限处理序列时为所述前一视频帧的前一第二处理结果;在所述当前视频帧的前一视频帧仅属于下一有限处理序列时为所述前一视频帧的前一第一处理结果。
5.根据权利要求3所述的方法,其特征在于,所述超分辨率处理基于预先训练的循环神经网络模型进行;
所述当前第一处理结果为将所述当前处理帧的图像信息及所述第一前序信息作为所述循环神经网络模型的输入数据处理获得的输出数据;或者,为将所述当前处理帧的图像信息及所述第三前序信息作为所述循环神经网络模型的输入数据处理获得的输出数据;或者,为将所述当前处理帧的图像信息及所述第四前序信息作为所述循环神经网络模型的输入数据处理获得的输出数据;
所述当前第二处理结果为将所述当前处理帧的图像信息及所述第二前序信息作为所述循环神经网络模型的输入数据处理获得的输出数据。
6.根据权利要求1所述的方法,其特征在于,
所接收的当前视频帧为视频直播中实时捕获的视频帧;
或者,所接收的当前视频帧为视频通话中实时捕获的视频帧;
或者,所接收的当前视频帧为用户所选定视频文件中当前待播放的视频帧。
7.根据权利要求1所述的方法,其特征在于,还包括:
在当前视频帧及相应的前一视频帧均属于下一有限处理序列时,监测到所述当前视频帧进行超分辨率显示后,记所述当前视频帧归属于新的当前有限处理序列;
将所述下一帧号划分集合记为新的当前帧号划分集合,并根据所述当前帧号划分集合确定新的下一帧号划分集合。
技术研发人员:孟祥飞,朱飞,
申请(专利权)人:广州市百果园信息技术有限公司,
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。