【技术实现步骤摘要】
本专利技术涉及智能化视频融合，尤其涉及一种大型运动场馆视频融合方法及系统。
技术介绍
1、随着智能大型运动场馆的发展，视频内容的制作和推送成为了场馆信息交互的重要手段。传统的视频制作方法往往只能基于用户自身的灵感和内容进行制作，这样使得视频的内容受到用户自身的水平限制，无法很好地适应当前智能大型运动场馆中信息交互的需求。
2、因此，期望一种优化的大型运动场馆视频融合方案。
技术实现思路
1、本专利技术实施例提供一种大型运动场馆视频融合方法及系统，其通过采集终端上传的源视频，并在后端引入数据处理和分析算法来进行该源视频的语义特征分析和提取，同时基于源视频语义特征的描述符来自动选择合适的目标推送模板，并将其融合到源视频中，从而提高视频的制作效率和质量，实现更好的信息交互效果。这样，能够提高大型运动场馆视频制作的灵活性和适应性，使得视频内容能够更好地适应智能大型运动场馆中的信息交互需求。
2、本专利技术实施例还提供了一种大型运动场馆视频融合方法，其包括：
3、获取终端上传的源视频；
4、对所述源视频进行视频特征提取以得到源视频语义特征描述符；
5、基于所述源视频语义特征描述符，确定目标推送模板；以及
6、将所述目标推送模板融合至所述源视频中以得到融合视频。
7、本专利技术实施例还提供了一种大型运动场馆视频融合系统，其包括：
8、源视频获取模块，用于获取终端上传的源视频；
9、视频特
10、目标推送模板确定模块，用于基于所述源视频语义特征描述符，确定目标推送模板；以及
11、融合视频生成模块，用于将所述目标推送模板融合至所述源视频中以得到融合视频。
本文档来自技高网...【技术保护点】
1.一种大型运动场馆视频融合方法，其特征在于，包括：
2.根据权利要求1所述的大型运动场馆视频融合方法，其特征在于，对所述源视频进行视频特征提取以得到源视频语义特征描述符，包括：
3.根据权利要求2所述的大型运动场馆视频融合方法，其特征在于，所述深度神经网络模型为三维卷积神经网络模型。
4.根据权利要求3所述的大型运动场馆视频融合方法，其特征在于，计算所述源视频片段多维度特征图的序列中每相邻两个源视频片段多维度特征图之间的视频语义差异度量系数以得到由视频语义差异度量系数组成的源视频语义波动特征向量，包括：以如下语义差异公式计算所述源视频片段多维度特征图的序列中每相邻两个源视频片段多维度特征图之间的视频语义差异度量系数以得到由视频语义差异度量系数组成的所述源视频语义波动特征向量；
5.根据权利要求4所述的大型运动场馆视频融合方法，其特征在于，对所述源视频片段多维度特征图的序列进行全局语义关联编码以得到源视频全局语义上下文特征向量，包括：将所述源视频片段多维度特征图的序列通过基于转换器模块的视频语义上下文关联编码器以得到所述源视频全局语
6.根据权利要求5所述的大型运动场馆视频融合方法，其特征在于，融合所述源视频语义波动特征向量和所述源视频全局语义上下文特征向量以得到源视频多尺度多维度语义特征向量作为所述源视频语义特征描述符，包括：
7.根据权利要求6所述的大型运动场馆视频融合方法，其特征在于，对所述初始源视频多尺度多维度语义特征向量进行特征分布优化以得到所述源视频多尺度多维度语义特征向量，包括：
8.一种大型运动场馆视频融合系统，其特征在于，包括：
9.根据权利要求8所述的大型运动场馆视频融合系统，其特征在于，所述视频特征提取模块，包括：
10.根据权利要求9所述的大型运动场馆视频融合系统，其特征在于，所述深度神经网络模型为三维卷积神经网络模型。
...【技术特征摘要】
1.一种大型运动场馆视频融合方法，其特征在于，包括：
2.根据权利要求1所述的大型运动场馆视频融合方法，其特征在于，对所述源视频进行视频特征提取以得到源视频语义特征描述符，包括：
3.根据权利要求2所述的大型运动场馆视频融合方法，其特征在于，所述深度神经网络模型为三维卷积神经网络模型。
4.根据权利要求3所述的大型运动场馆视频融合方法，其特征在于，计算所述源视频片段多维度特征图的序列中每相邻两个源视频片段多维度特征图之间的视频语义差异度量系数以得到由视频语义差异度量系数组成的源视频语义波动特征向量，包括：以如下语义差异公式计算所述源视频片段多维度特征图的序列中每相邻两个源视频片段多维度特征图之间的视频语义差异度量系数以得到由视频语义差异度量系数组成的所述源视频语义波动特征向量；
5.根据权利要求4所述的大型运动场馆视频融合方法，其特征在于，对所述源视频片段多维度特征图的序列进行全局语义关联...
【专利技术属性】
技术研发人员：李敬堂，马江南，马龙飞，
申请(专利权)人：浙江威星电子系统软件股份有限公司，
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。