【技术实现步骤摘要】
智能画幅重构方法、装置、计算机设备及存储介质
[0001]本专利技术涉及图像处理
,尤其涉及一种智能画幅重构方法、装置、计算机设备及存储介质。
技术介绍
[0002]通过利用深度学习网络对图像进行处理,可以获得该图像的显著图,而一般一个视频可以包含多帧画面,每一帧画面均可以视为一个图像,智能画幅重构技术则是通过深度学习网络对一个视频的每一帧画面均进行处理以获得每一帧画面的显著图从而实现重构画幅的目的。而现有的方法在进行画幅重构时,需要对每一帧画面进行处理从而获得对应画面的显著图,导致整个画幅重构的过程较长。
技术实现思路
[0003]本专利技术实施例提供了一种智能画幅重构方法、装置、计算机设备及存储介质,可以提高画幅重构的效率。
[0004]第一方面,本专利技术实施例提供了一种智能画幅重构方法,该方法包括:获取输入视频的帧集合A,并按照预设间隔对所述帧集合A中的帧画面进行处理以生成相对应的显著图集合B,其中,所述帧集合A={A1、A2,
…
,A
i
},所述显著图集合B={B1、B2,
…
,B
i
},若所述帧集合A中的帧画面A
i
尚未生成显著图B
i
,则将所述显著图B
i
记为0;
[0005]根据所述显著图B
i
的中心值生成数值C
i
,并根据所述数值C
i
生成第一数组C,其中,所述第一数组C={C1,C2 ...
【技术保护点】
【技术特征摘要】
1.一种智能画幅重构方法,其特征在于,所述方法包括:获取输入视频的帧集合A,并按照预设间隔对所述帧集合A中的帧画面进行处理以生成相对应的显著图集合B,其中,所述帧集合A={A1、A2,
…
,A
i
},所述显著图集合B={B1、B2,
…
,B
i
},若所述帧集合A中的帧画面A
i
尚未生成显著图B
i
,则将所述显著图B
i
记为0;根据所述显著图B
i
的中心值生成数值C
i
,并根据所述数值C
i
生成第一数组C,其中,所述第一数组C={C1,C2,
…
,C
i
},且若B
i
=0,则C
i
=0;对所述第一数组C中的零值进行赋值并对赋值后的所述第一数组C进行平滑处理以获得中心值数组F,其中,所述中心值数组F={F1,F2,F3,
…
,F
i
},F
i
为对应显著图Bi的模拟中心值;根据所述中心值数组F输出所有所述帧画面的显著中心区域。2.如权利要求1所述的智能画幅重构方法,其特征在于,所述对所述第一数组C中的零值进行赋值并对赋值后的所述第一数组C进行平滑处理以获得中心值数组F的步骤,包括:生成第二数组D,其中,D={D1,D2,
…
,D
i
};根据所述第一数组C中的数值C
i
对所述第二数组D中的数值D
i
进行赋值;对所述第二数组D中的零值进行赋值并对赋值后的所述第二数组D进行平滑处理以获得所述中心值数组F。3.如权利要求2所述的智能画幅重构方法,其特征在于,所述对所述第二数组D中的零值进行赋值并对赋值后的所述第二数组D进行平滑处理以获得所述中心值数组F的步骤,包括:根据所述第二数组D生成第三数组E,其中,所述第三数组E={E1,E2,
…
,E
i
};确认所述第二数组D中的零值D
n
和与所述零值相邻的非零值,将与所述零值D
n
相邻的非零值分别设为第一参考值和第二参考值,其中,n∈i;根据所述零值D
n
在所述第二数组D中与所述第一参考值的距离确认第一权重以及与所述第二参考值的距离确认第二权重;根据所述第一参考值和所述第一权重以及所述第二参考值和所述第二权重对数值E
n
进行赋值,并对所述第三数组E进行平滑处理以获得所述中心值数组F。4.如权利要求3所述的智能画幅重构方法,其特征在于,所述并对所述第三数组E进行平滑处理以获得所述中心值数组F的步骤,具体包括:确认平滑距离;根据所述平滑距离对所述第三数组E中的数值E
i
进行平滑处理以获得中心值数组F。5.如权利要求4所述的智能画幅重构方法,其特征在于,所述根据所述平滑距离对所述第三数组E中的数值E
i
进行平滑处理以获得中心值数组F的步骤,包括:将所述第三数组E中的前(m
‑
1)/2项所对应的数值赋值给所述中心值...
【专利技术属性】
技术研发人员:廖文庆,
申请(专利权)人:深圳市斯博科技有限公司,
类型:发明
国别省市:
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。