花屏生成方法及装置、花屏检测模型的训练方法及装置制造方法及图纸

本发明专利技术提供了一种花屏生成方法及装置、花屏检测模型的训练方法及装置，所述花屏生成方法，包括：获取视频播放数据，对所述视频播放数据进行格式转换，得到第一压缩数据；修改所述第一压缩数据的分辨率，并获取第一视频数据；或者丢掉所述第一压缩数据中的关键帧，并获得第二视频数据；根据所述第一视频数据或者所述第二视频数据生成样本花屏图像。本发明专利技术通过获取大量的花屏图像来训练花屏检测模型，有利于提高所述花屏检测模型检测结果的准确度。提高所述花屏检测模型检测结果的准确度。提高所述花屏检测模型检测结果的准确度。

【技术实现步骤摘要】
花屏生成方法及装置、花屏检测模型的训练方法及装置


[0001]本专利技术涉及图像处理
，尤其涉及一种花屏生成方法及装置、花屏检测模型的训练方法及装置。

技术介绍

[0002]因为在视频播放中会出现花屏现象，且测试人员手动检测花屏图像的检测过程会比较繁琐，所以为了提高用户的播放体验，一般通过基于机器学习的花屏检测模型对视频播放中的花屏现象进行检测，以便于在产生花屏现象时及时采取补救措施。花屏检测模型非常依赖数据集，因此需要大量的花屏图像样本来进行训练，而花屏现象的出现又具有一定的偶然性，因此收集大量的花屏图像较为困难，进而无法实现快速地获取用以训练花屏检测模型所需的大量花屏图像样本。
[0003]因此，本专利技术提供了一种花屏生成方法及装置、花屏检测模型的训练方法及装置，用以生成大量的花屏图像，并根据大量的花屏图像来训练花屏检测模型。

技术实现思路

[0004]本专利技术实施例提供了一种花屏生成方法及装置、花屏检测模型的训练方法及装置，并通过获取大量的花屏图像来训练花屏检测模型，有利于提高所述花屏检测模型检测结果的准确度。
[0005]第一方面，本专利技术提供一种花屏生成方法，包括：获取视频播放数据，对所述视频播放数据进行格式转换，得到第一压缩数据；修改所述第一压缩数据的分辨率，并获取第一视频数据；或者丢掉所述第一压缩数据中的关键帧，并获得第二视频数据；根据所述第一视频数据或者所述第二视频数据生成样本花屏图像。
[0006]其有益效果在于：本专利技术通过修改所述分辨率或者丢掉所述关键帧对所述第一压缩数据进行处理来获取所述样本花屏图像的方式，操作比较简单，实现起来不复杂，且因为所述分辨率和所述关键帧对所述样本花屏图像的生成的概率影响比较大，所述通过修改所述分辨率和丢失所述关键帧来获取所述样本花屏图像的效率比较高。
[0007]可选地，所述修改所述第一压缩数据的分辨率，并获取第一视频数据，包括：增大所述第一压缩数据的分辨率，得到第二压缩数据，并对所述第二压缩数据进行转码，得到所述第一视频数据。其有益效果在于：当所述第一压缩数据的分辨率增大时，且所述分辨率增大的程度越大，所生成的所述样本花屏图像的花屏程度越大，即越有利于花屏的生成。
[0008]可选地，所述丢掉所述第一压缩数据中的关键帧，并获得第二视频数据，包括：确定所述第一压缩数据中的关键帧时间，丢掉在所述关键帧时间的预设范围内的数据帧，并获得第二视频数据。其有益效果在于：因为所述关键帧包含了第一压缩数据相关视频的全部信息，所述是对于所述第一压缩数据进行编码或解码影响非常大的数据帧，所述当丢掉所述关键帧的时候，所述第二视频数据生成花屏的概率非常大，即非常有利于所述样本花屏图像的获取。
[0009]可选地，所述根据所述第一视频数据或者所述第二视频数据生成样本花屏图像，包括：播放所述第一视频数据或者所述第二视频数据，在所述第一视频数据或者所述第二视频数据所播放的画面中截取视频截图，生成所述样本花屏图像。其有益效果在于：通过对第一视频数据或者所述第二视频数据的播放画面进行截取，可以很便利的获取所述样本花屏图像。
[0010]可选地，所述根据所述第一视频数据或者所述第二视频数据生成所述样本花屏图像，包括：根据所述第一视频数据或者所述第二视频数据生成备选花屏图像；若所述备选花屏图像符合预设的花屏图像条件，则将所述备选花屏图像选定为所述样本花屏图像。其有益效果在于：通过预先设定花屏图像条件，可以很容易的将符合条件的所述样本花屏图像筛选出来。
[0011]进一步可选地，所述若所述备选花屏图像符合预设的花屏图像条件，则将所述备选花屏图像选定为所述样本花屏图像，包括：对所述第一压缩数据进行转码，得到第三视频数据；根据所述第三视频数据生成所述备选花屏图像对应的原始视频图像；比对所述原始视频图像与所述备选花屏图像；若所述原始视频图像与所述备选花屏图像之间的相似度小于预定阈值，则将所述备选花屏图像选定为所述目标花屏图像。其有益效果在于：因为机器判断会存在一定的误差，所以只有将所述备选花屏图像与所述原始视频图像进行比较，才能获取最准确的判断结果。
[0012]第二方面，本专利技术提供一种花屏检测模型的训练方法，包括：获取所述原始视频图像和如第一方面中任一实施例所述的样本花屏图像，并建立数据集，将所述数据集分为训练集和验证集；对所述训练集中的图像进行归一化预处理；获取神经网络训练模型，将所述训练集中的图像输入到所述神经网络训练模型中进行训练；通过损失函数计算所述训练集中的图像的训练损失，并将所述训练损失进行反向传播对所述神经网络训练模型进行迭代更新，并当所述神经网络训练模型在验证集上的验证结果符合预设要求时，训练结束，得到训练好的花屏检测模型。
[0013]其有益效果在于：本专利技术通过将所述原始视频图像和如第一方面任意实施例所述的样本花屏图像建立成数据集，使得所述神经网络训练模型能够获取足够的训练样本图像，使得所述花屏检测模型的检测结果更加准确。
[0014]可选地，所述对所述训练集中的图像进行归一化预处理，包括：对所述训练集中的图像进行旋转处理、缩放处理、剪切处理中的至少一种。其有益效果在于：通过对所述训练集中的图像进行旋转处理、缩放处理或剪切处理，可以增强所述神经网络训练模型的训练效果，提高所述花屏检测模型检测的准确度。
[0015]第三方面，本专利技术提供一种花屏检测装置，该装置包括执行上述第一方面的任意一种可能的设计的方法的模块/单元。这些模块/单元可以通过硬件实现，也可以通过硬件执行相应的软件实现。
[0016]第四方面，本专利技术提供一种花屏检测模型的训练装置，该装置包括执行上述第二方面的任意一种可能的设计的方法的模块/单元。这些模块/单元可以通过硬件实现，也可以通过硬件执行相应的软件实现。
[0017]关于上述第三方面至第四方面的有益效果可以参见上述第一方面或第二方面中的描述。
附图说明
[0018]图1为本申请实施例提供的一种花屏生成方法的流程图；
[0019]图2为本申请实施例提供的一种花屏检测模型的训练方法；
[0020]图3为本申请实施例提供的一种花屏检测装置示意图；
[0021]图4为本申请实施例提供的一种花屏检测模型的训练装置示意图。
具体实施方式
[0022]下面结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。其中，在本申请实施例的描述中，以下实施例中所使用的术语只是为了描述特定实施例的目的，而并非旨在作为对本申请的限制。如在本申请的说明书和所附权利要求书中所使用的那样，单数表达形式“一种”、“该”、“上述”、“该”和“这一”旨在也包括例如“一个或多个”这种表达形式，除非其上下文中明确地有相反指示。还应当理解，在本申请以下各实施例中，“至少一个”、“一个或多个”是指一个或两个以上(包含两个)。术语“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系；例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B的情况，其中A本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种花屏生成方法，其特征在于，包括：获取视频播放数据，对所述视频播放数据进行格式转换，得到第一压缩数据；修改所述第一压缩数据的分辨率，并获取第一视频数据；或者丢掉所述第一压缩数据中的关键帧，并获得第二视频数据；根据所述第一视频数据或者所述第二视频数据生成样本花屏图像。2.根据权利要求1所述的方法，其特征在于，所述修改所述第一压缩数据的分辨率，并获取第一视频数据，包括：增大所述第一压缩数据的分辨率，得到第二压缩数据，并对所述第二压缩数据进行转码，得到所述第一视频数据。3.根据权利要求1所述的方法，其特征在于，所述丢掉所述第一压缩数据中的关键帧，并获得第二视频数据，包括：确定所述第一压缩数据中的关键帧时间，丢掉在所述关键帧时间的预设范围内的数据帧，并获得第二视频数据。4.根据权利要求1所述的方法，其特征在于，所述根据所述第一视频数据或者所述第二视频数据生成样本花屏图像，包括：播放所述第一视频数据或者所述第二视频数据，在所述第一视频数据或者所述第二视频数据所播放的画面中截取视频截图，生成所述样本花屏图像。5.根据权利要求4所述的方法，其特征在于，所述根据所述第一视频数据或者所述第二视频数据生成所述样本花屏图像，包括：根据所述第一视频数据或者所述第二视频数据生成备选花屏图像；若所述备选花屏图像符合预设的花屏图像条件，则将所述备选花屏图像选定为所述样本花屏图像。6.根据权利要求5所述的方法...

【专利技术属性】
技术研发人员：梅丽，
申请(专利权)人：展讯通信上海有限公司，
类型：发明
国别省市：