【技术实现步骤摘要】
本申请涉及计算机，尤其涉及一种视频降采样方法、装置及计算机设备。
技术介绍
1、计算机技术的发展使得视频文件可以被上传至互联网，并且使得该视频文件可以在终端设备上被加载及播放，而在对视频文件进行上传的过程中，通常需要对视频文件进行降采样处理，降采样处理是指降低视频文件中视频帧的分辨率从而减小存储该视频文件所需的存储资源的过程。
2、现有技术中，通常仅利用线性插值的方法对视频文件进行降采样处理，这会导致降采样后的视频文件丢失较多特征信息，从而导致计算机设备对降采样后的视频文件进行上采样后得到的视频文件的画质较低，于是，提出一种视频降采样方法以使得对降采样后的视频文件进行上采样得到的视频文件具有较高画质是必要且有意义的。
技术实现思路
1、本申请实施例提供了一种视频降采样方法、装置及计算机设备，对采用本申请实施例得到的降采样视频进行上采样，可以得到画质较高的视频。
2、一方面，本申请实施例提供了一种视频降采样方法，包括：
3、获取目标视频中视频帧的亮度特征及色度特征；
4、对所述亮度特征进行第一线性插值降采样，得到第一降采样亮度特征，并对所述色度特征进行第二线性插值降采样，得到降采样色度特征；
5、采用特征降采样模型对所述亮度特征进行深度学习降采样，得到第二降采样亮度特征；
6、根据所述第一降采样亮度特征指示的亮度值、所述第二降采样亮度特征指示的亮度值及所述降采样色度特征指示的色度值生成降采样视频帧，所述降采样视频
7、再一方面，本申请实施例提供了一种视频降采样装置，包括：
8、获取单元，用于获取目标视频中视频帧的亮度特征及色度特征；
9、第一降采样单元，用于对所述亮度特征进行第一线性插值降采样，得到第一降采样亮度特征，并对所述色度特征进行第二线性插值降采样，得到降采样色度特征；
10、第二降采样单元，用于采用特征降采样模型对所述亮度特征进行深度学习降采样，得到第二降采样亮度特征，所述特征降采样模型是基于人工神经网络构建的；
11、生成单元，用于根据所述第一降采样亮度特征指示的亮度值、所述第二降采样亮度特征指示的亮度值及所述降采样色度特征指示的色度值生成降采样视频帧，所述降采样视频帧为所述目标视频的降采样视频中的视频帧。
12、再一方面，本申请实施例提供了一种计算机设备，包括：
13、处理器，所述处理器适于实现一条或多条计算机程序；
14、计算机存储介质，所述计算机存储介质存储有一条或多条计算机程序，所述一条或多条计算机程序适于由所述处理器加载并执行：
15、获取目标视频中视频帧的亮度特征及色度特征；
16、对所述亮度特征进行第一线性插值降采样，得到第一降采样亮度特征，并对所述色度特征进行第二线性插值降采样，得到降采样色度特征；
17、采用特征降采样模型对所述亮度特征进行深度学习降采样，得到第二降采样亮度特征，所述特征降采样模型是基于人工神经网络构建的；
18、根据所述第一降采样亮度特征指示的亮度值、所述第二降采样亮度特征指示的亮度值及所述降采样色度特征指示的色度值生成降采样视频帧，所述降采样视频帧为所述目标视频的降采样视频中的视频帧。
19、再一方面，本申请实施例还提供了一种计算机存储介质，计算机存储介质存储有一条或多条计算机程序，一条或多条计算机程序适于由处理器加载并执行上述视频降采样方法。
20、在本申请实施例中，计算机设备在对目标视频进行降采样是通过对目标视频的视频帧进行降采样得到的，而对视频帧进行降采样包括对视频帧的亮度特征进行降采样以及对视频帧的色度特征进行降采样，其中，在对视频帧的亮度特征进行降采样时，不仅采用了人工神经网络构建的特征降采样模型进行降采样得到第二降采样亮度特征，还采用了线性插值的方式进行降采样得到第一降采样亮度特征，而采用特征降采样模型进行降采样的得到的第二降采样亮度特征可以用于指示视频帧的图像特征，使得计算机设备基于第一降采样亮度特征及第二降采样亮度特征确定出的降采样视频帧可以保留视频帧的部分图像特征，从而基于降采样视频帧进行上采样时可以参考的图像特征得到了丰富，进而也就促使上采样得到的视频帧具较高的画质。
本文档来自技高网...【技术保护点】
1.一种视频降采样方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述第一降采样亮度特征与所述第二降采样亮度特征的特征维度相同；所述根据所述第一降采样亮度特征指示的亮度值、所述第二降采样亮度特征指示的亮度值及所述降采样色度特征指示的色度值生成降采样视频帧，包括：
3.根据权利要求1所述的方法，其特征在于，所述特征降采样模型包括一个或多个亮度标签以及一个或多个压缩参数，且一个亮度标签对应一个压缩参数，一个压缩参数用于指示一个特征压缩比例；所述采用特征降采样模型对所述亮度特征进行深度学习降采样，得到第二降采样亮度特征，包括：
4.根据权利要求3所述的方法，其特征在于，所述特征降采样模型包括每个压缩参数对应的特征权重；任一亮度标签对应的压缩参数的确定方式包括：
5.根据权利要求4所述的方法，其特征在于，获取任一参考亮度特征对应的预测上采样视频帧的清晰度的方式包括：
6.根据权利要求1所述的方法，其特征在于，所述特征降采样模型包括一个或多个压缩参数，且一个压缩参数用于指示一个特征压缩比例；所述采用特征降采样模
7.根据权利要求6所述的方法，其特征在于，所述特征降采样模型还包括每个压缩参数对应的特征权重；所述对所述一个或多个压缩参数对应的压缩亮度特征进行加权运算，并将所述加权运算结果作为所述第二降采样亮度特征，包括：
8.根据权利要求6或7所述的方法，其特征在于，所述方法还包括：
9.一种视频降采样装置，其特征在于，包括：
10.一种计算机设备，其特征在于，包括：
...【技术特征摘要】
1.一种视频降采样方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述第一降采样亮度特征与所述第二降采样亮度特征的特征维度相同；所述根据所述第一降采样亮度特征指示的亮度值、所述第二降采样亮度特征指示的亮度值及所述降采样色度特征指示的色度值生成降采样视频帧，包括：
3.根据权利要求1所述的方法，其特征在于，所述特征降采样模型包括一个或多个亮度标签以及一个或多个压缩参数，且一个亮度标签对应一个压缩参数，一个压缩参数用于指示一个特征压缩比例；所述采用特征降采样模型对所述亮度特征进行深度学习降采样，得到第二降采样亮度特征，包括：
4.根据权利要求3所述的方法，其特征在于，所述特征降采样模型包括每个压缩参数对应的特征权重；任一亮度标签对应的压缩参数的确定方式包括：
5...
【专利技术属性】
技术研发人员：曲建峰，
申请(专利权)人：书行科技北京有限公司，
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。