CN112752145A - 一种视频识别方法及相关设备 - Google Patents
一种视频识别方法及相关设备 Download PDFInfo
- Publication number
- CN112752145A CN112752145A CN202010078944.6A CN202010078944A CN112752145A CN 112752145 A CN112752145 A CN 112752145A CN 202010078944 A CN202010078944 A CN 202010078944A CN 112752145 A CN112752145 A CN 112752145A
- Authority
- CN
- China
- Prior art keywords
- pixel points
- determining
- target
- video
- pixel
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000004364 calculation method Methods 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 21
- 230000008569 process Effects 0.000 abstract description 13
- 238000010586 diagram Methods 0.000 description 18
- 230000006870 function Effects 0.000 description 13
- 238000004590 computer program Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 5
- 230000008878 coupling Effects 0.000 description 5
- 238000010168 coupling process Methods 0.000 description 5
- 238000005859 coupling reaction Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 101100175003 Oryza sativa subsp. japonica RGB1 gene Proteins 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 230000005236 sound signal Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000010079 rubber tapping Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000010897 surface acoustic wave method Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
- H04N21/44008—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics in the video stream
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例提供了一种视频识别方法及相关设备，可以提高识别问题视频的准确率，及时发现问题视频，并进行替换或者下架处理，提高用户体验。该方法包括:获取目标图像帧，所述目标图像帧为目标视频中周期性抽取的一帧图像，所述目标视频为待检测的视频；确定像素点集合，所述像素点集合包括所述目标图像帧中具有相同像素值的像素点；根据所述像素点集合确定N类像素点，所述N类像素点为所述像素点集合中满足第一预设条件的至少一类像素点；当所述N类像素点满足第二预设条件时，确定所述目标视频为问题视频。
Description
技术领域
本申请涉及通信领域，尤其涉及一种视频识别方法及相关设备。
背景技术
随着互联网的发展，出现越来越多的视频播放软件以及直播软件，视频播放软件在播放过程中，或者直播软件在直播中，视频会容易出现绿屏或者灰屏图像。
目前直播软件或者视频播放软件没有相关的针对部分绿屏检测的算法，如果使用机器学习等方法，容易将背景原本便是一片绿色的视频误识别为部分绿屏，准确率不高。
发明内容
本申请提供了一种视频识别方法及相关设备，可以提高视频识别的准确率。
本申请实施例第一方面提供一种视频识别方法，包括：
获取目标图像帧，所述目标图像帧为目标视频中周期性抽取的一帧图像，所述目标视频为待检测的视频；
确定像素点集合，所述像素点集合包括所述目标图像帧中具有相同像素值的像素点；
根据所述像素点集合确定N类像素点，所述N类像素点为所述像素点集合中满足第一预设条件的至少一类像素点；
当所述N类像素点满足第二预设条件时，确定所述目标视频为问题视频。
可选地，所述方法还包括：
判断目标像素值是否为第一预设值，所述目标像素值为所述N类像素点中数量最多的目标类像素点对应的像素值；
若是，则确定所述N类像素点满足所述第二预设条件；
若否，则确定所述N类像素点不满足所述第二预设条件。
可选地，所述方法还包括：
确定所述目标图像帧的行数以及列数；
根据所述行数、所述列数以及所述N类像素点中每类像素点的数量确定计算结果；
判断所述计算结果是否大于或等于第二预设值；
若是，则确定所述N类像素点满足所述第二预设条件；
若否，则确定所述N类像素点不满足所述第二预设条件。
可选地，所述确定像素点集合包括：
确定所述目标图像帧的分辨率；
根据所述目标图像帧的分辨率确定所述目标图像帧的目标行值以及目标列值；
通过所述目标行值以及所述目标列值对所述目标图像帧的像素点进行遍历，以得到所述像素点集合。
可选地，所述根据所述像素点集合确定N类像素点包括：
确定所述像素点集合中每类像素点的数量；
按照所述每类像素点的数量进行排序，得到排序结果；
根据所述排序结果以及所述第一预设条件确定所述N类像素点。
本申请实施例第二方面提供了一种视频识别装置，包括：
获取单元，用于获取目标图像帧，所述目标图像帧为目标视频中周期性抽取的一帧图像，所述目标视频为待检测的视频；
第一确定单元，用于确定像素点集合，所述像素点集合包括所述目标图像帧中具有相同像素值的像素点；
第二确定单元，用于根据所述像素点集合确定N类像素点，所述N类像素点为所述像素点集合中满足第一预设条件的至少一类像素点；
第三确定单元，用于当所述N类像素点满足第二预设条件时，确定所述目标视频为问题视频。
可选地，所述视频识别装置还包括：
判断单元，所述判断单元用于：
判断目标像素值是否为第一预设值，所述目标像素值为所述N类像素点中数量最多的目标类像素点对应的像素值；
若是，则确定所述N类像素点满足所述第二预设条件；
若否，则确定所述N类像素点不满足所述第二预设条件。
可选地，所述视频识别装置还包括：
处理单元，所述处理单元用于：
确定所述目标图像帧的行数以及列数；
根据所述行数、所述列数以及所述N类像素点中每类像素点的数量确定计算结果；
判断所述计算结果是否大于或等于第二预设值；
若是，则确定所述N类像素点满足所述第二预设条件；
若否，则确定所述N类像素点不满足所述第二预设条件。
可选地，所述第一确定单元，具体用于：
确定所述目标图像帧的分辨率；
根据所述目标图像帧的分辨率确定所述目标图像帧的目标行值以及目标列值；
通过所述目标行值以及所述目标列值对所述目标图像帧的像素点进行遍历，以得到所述像素点集合。
可选地，所述第二确定单元具体用于：
确定所述像素点集合中每类像素点的数量；
按照所述每类像素点的数量进行排序，得到排序结果；
根据所述排序结果以及所述第一预设条件确定所述N类像素点。
本申请实施例第三方面提供了一种计算机装置，其包括至少一个连接的处理器、存储器和收发器，其中，所述存储器用于存储程序代码，所述程序代码由所述处理器加载并执行以实现上述各方面所述的视频识别方法的步骤。
本申请实施例第四方面提供了一种计算机可读存储介质，其包括指令，当其在计算机上运行时，使得计算机执行上述各方面所述的视频识别方法的步骤。
综上所述，可以看出，本申请中，可以通过周期性的抽取视频中的图像帧，并确定图像帧中具有相同像素值的像素点集合，并根据该像素点集合确定N类像素点，并在N类像素点满足第二预设条件时，确定该目标视频为问题视频，通过像素点的识别方式来识别视频是否为问题视频，相对于现有的通过机器学习的方式，可以提高识别问题视频的准确率，及时发现问题视频，并进行替换或者下架处理，提高用户体验。
附图说明
图1A为本申请实施例提供的不包含绿色图像的目标图像帧的示意图；
图1B为本申请实施例提供的包含绿色图像的目标图像帧的示意图；
图2为本申请实施例提供的视频识别方法的流程示意图；
图3为本申请实施例提供的多通道视频帧的行列示意图；
图4为本申请实施例提供的视频识别装置的虚拟结构示意图；
图5为本申请实施例提供的服务器的硬件结构示意图；
图6为本申请实施例提供的视频识别装置的硬件结构示意图。
具体实施方式
下面将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清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或模块的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或模块，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块，本申请中所出现的模块的划分，仅仅是一种逻辑上的划分，实际应用中实现时可以有另外的划分方式，例如多个模块可以结合成或集成在另一个系统中，或一些特征向量可以忽略，或不执行，另外，所显示的或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，模块之间的间接耦合或通信连接可以是电性或其他类似的形式，本申请中均不作限定。并且，作为分离部件说明的模块或子模块可以是也可以不是物理上的分离，可以是也可以不是物理模块，或者可以分布到多个电路模块中，可以根据实际的需要选择其中的部分或全部模块来实现本申请方案的目的。
下面结合图1A以及图1B对包含绿屏和不包含绿屏的目标图像帧进行说明，请参阅图1A，图1A为不包含绿屏的目标图像帧的示意图，图1A中，101为主播区域，102为画面区域，可以明显的看清楚主播以及画面，参阅图1B，图1B为包含绿屏的目标图像帧的示意图，图1B中的103区域即为包括绿色图像的区域，当然目标图像帧中还包括有其他的绿色图像区域，图1B中的103的几个区域仅为举例说明，可以看出，图1B中绿屏盖住了主播区域以及画面区域，这样会导致用户看不清楚直播画面，影响用户体验。
有鉴于此，本申请实施例提供了一种视频识别方法，可以识别视频中是否包含有绿屏，当发现绿屏时，及时更换绿屏视频，提高用户体验。
下面从视频识别装置的角度对本申请实施例提供的视频识别方法进行说明，该视频识别装置可以为服务器，也可以为服务器中的服务单元，也可以为终端，具体不做限定。
请参阅图2，图2为本申请实施例提供的视频识别方法的流程示意图，包括：
201、获取目标图像帧。
本实施例中，视频识别装置可以获取目标图像帧，其中，目标图像帧为目标视频中周期性抽取的一帧图像，目标视频为待检测的视频。也就是说，该目标视频可以为直播中的视频，也可以为视频软件中的视频，具体不做限定。视频识别装置可以周期性的对目标视频进行抽帧检测，也即固定一定的时间间隔(例如2秒，当然也可以是其他的时间间隔，具体不限定)进行抽帧检测。
202、确定像素点集合。
本实施例中，视频识别装置可以确定像素点集合，该像素点集合包括目标图像帧中具有相同像素值的像素点，具体的：
视频识别装置确定像素点集合包括：
确定目标图像帧的分辨率；
根据目标图像帧的分辨率确定目标图像帧的目标行值以及目标列值；
通过目标行值以及目标列值对目标图像帧的像素点进行遍历，以得到像素点集合。
也就是说，视频识别装置可以对目标图像帧以每r(也即目标行值)行和每c(也即目标列值)列的方式遍历所有的像素点，从中挑选出具有相同像素值的像素点，并记录其个数，例如可以以每1行和每1列的方式对目标图像帧中的像素点进行遍历，找到具有相同像素值的像素点。也即像素点集合中，同一像素值的像素点作为一类像素点，例如目标图像帧中找到A、B、C、D以及E五类像素点，也即A类像素点中所有像素点的像素值相同，B类像素点中所有的像素点的像素值相同，以此类推。其中，r和c的取值与目标图像帧的分辨率相关，只需要确定目标图像帧的分辨率，之后，可以根据目标分辨率确定目标图像帧的目标行值(上述的r)以及目标列值(上述的c)，具体的，可以判断目标图像帧的分辨率是否低于一个预设值，若目标图像帧的分辨率低于一个预设值(也即目标图像帧的分辨率较小)，则r和c的取值分别为1，也即以每一行每一列的方式对目标图像帧的像素点进行遍历，找到具有相同像素值的像素点；若该目标图像帧的分辨率高于该预设值，则r和c的取值分别为3，也即以每3行和每3列的方式对目标图像帧的像素点进行遍历，找到具有相同像素值的像素点，最终得到像素点集合。
需要说明的是，上述r和c的取值仅为举例说明，当然也还可以是其他的数值，具体不做限定。另外根据目标图像帧的分辨率确定目标图像帧的目标行值以及目标列值时，还可以是视频识别装置提前维护一个映射关系，该映射关系为目标行值和目标列值与分辨率之间的映射关系，根据该映射关系来确定r和c的值，当然也还可以是其他的方式确定目标行值以及目标列值，具体不做限定。
203、根据像素点集合确定N类像素点。
本实施例中，视频识别装置可以根据像素点集合确定N类像素点，其中，N类像素点为像素点集合中满足第一预设条件的至少一类像素点。具体的：
视频识别装置根据像素点集合确定N类像素点包括：
确定像素点集合中每类像素点的数量；
按照每类像素点的数量进行排序，得到排序结果；
根据排序结果以及第一预设条件确定N类像素点。
也就是说，视频识别装置可以首先确定像素点集合中各类像素点的数量，例如像素点集合中包括A、B、C、D以及E五类像素点，其中，A类像素点的数量为100(也即A类像素点中包括100个像素点)，B类像素点的数量为121，C类像素点的数量为90，D类像素点的数量为5，E类像素点的数量为112，之后按照每类像素点的数量进行排序，得到排序结果。在排序时，可以是升序排序，也可以是降序排序，具体不限定，此处以降序排序为例进行说明，如上面的例子可以得到B＞E＞A＞C＞D的排序，之后根据排序结果以及第一预设条件确定N类像素点，此处可以将该第一预设条件确定为取排序结果的前3类的像素点(当然也还可以是其他的数值，例如2或4等数值，具体不做限定)，并将其对应的像素值记为：RGB1、RGB2以及RGB3，每类对应的像素点的个数分别为n1、n2以及n3。
需要说明的是，上述第一预设条件与排序方式相关，例如是降序排列，可以取后3类的像素点，当然也还可以取中间的，具体不做限定。
204、判断N类像素点是否满足第二预设条件，若是，则执行步骤205，若否，则执行步骤206。
下面分别从两个方面判断N类像素点是否满足第二预设条件：
一、视频识别装置判断N类像素点是否满足第二预设条件包括：
判断目标像素值是否为第一预设值，目标像素点为N类像素点中的数量最多的目标类像素点对应的像素值；
若是，则确定N类像素点满足第二预设条件；
若否，则确定N类像素点不满足第二预设条件。
本实施例中，视频识别装置可以首先获取到N类像素点中的各类像素点的数量，之后确定各类像素点中数量最多的那一类像素点，例如A类像素点的数量为100，B类像素点的数量为121，C类像素点的数量为90，D类像素点的数量为5，E类像素点的数量为112，即可以得到B类像素点的数量最多，此时可以确定B类像素点的像素值，即为RGB1，并判断该像素值是否为第一预设值，若是，则确定N类像素点满足第二预设条件，若否，则确定N类像素点不满足第二预设条件。
需要说明的是，该第一预设值的取值可以有多种情况，例如在识别视频中是否存在包含绿色图像时，对应的第一预设值的取值为：R＝0，G＝135，B＝0，识别灰色图像时，对应的第一预设值的取值为：R＝127，G＝127，B＝127，当然也还有别的颜色的图像，例如红色的；另外，上述对第一预设值的取值仅为举例说明，当然也还有别的取值，只要能识别出图像帧中包含的像素点对应的RGB值为绿色图像或灰色图像即可，例如绿色图像时可以取值R＝0，G＝134，B＝0，灰色图像时，可以取值R＝126，G＝126，B＝126，具体不做限定。
二、视频识别装置判断N类像素点是否满足第二预设条件包括：
确定目标图像帧的行数以及列数；
根据行数、列数以及N类像素点中每类像素点的数量确定计算结果；
判断计算结果是否大于或等于第二预设值；
若是，则确定N类像素点满足第二预设条件；
若否，则确定N类像素点不满足第二预设条件。
本实施例中，视频识别装置可以首先确定目标图像帧的行数以及列数，可以理解的是，多通道的图像中，每列并列存放通道数量的子列，请参阅图3，图3为本申请实施例提供的RGB三通道示意图，包括：n行和m列，其中301表示B通道，302表示G通道，303表示R通道。视频识别装置在确定行数以及列数之后，可以根据行数、列数以及N类像素点中每个像素点的个数确定计算结果，具体的，可以通过如下公式来计算(此处以N＝3为例进行说明，当然也还可以是其他的数值，例如2或4等，具体不做限定)：
(n1+n2+n3)/(row*col)，其中，n1、n2以及n3分别为3类像素点中各类像素点的数量，row为目标图像帧的行数，col为目标图像帧的列数。
通过上述公式计算可以得到一个计算结果，之后判断该计算结果是否小于等于第二预设值，若该计算结果小于第二预设值，则确定该N类像素点不满足第二预设条件，若该计算结果大于或等于第二预设值，则确定该N类像素点满足第二预设条件。
需要说明的是，该第二预设值的设置与识别图像帧的颜色(识别绿色图像和灰色图像的取值是不相同的，可以根据实际情况进行设置)以及N的取值相关，例如识别图像帧是否为绿色的图像，N取3，则该第二预设值为0.01。该取值仅为举例说明，并不代表对其的限定，例如还可以为0.011等等。
还需要说明的是，上述分别从像素值是否为第一预设值，以及，计算结果是否不小于第二预设值来对N类像素点是否满足第二预设条件进行判断，当然也还可以是两者的结合，例如在像素值为第一预设值，且计算结果大于或等于第二预设值时，才确定该N类像素点满足第二预设条件，当只有一个满足时，如像素值不为第一预设值或计算结果小于第二预设值时，确定N像素点不满足第二预设条件。
205、确定目标视频为问题视频。
本实施例中，当确定该N类像素点满足第二预设条件时，则确定该目标视频为问题视频，例如目标视频为包含绿屏图像的视频或者灰屏图像的视频，并对该目标视频进行相应的处理，例如下架或者屏蔽等等。
206、执行其他操作。
本实施例中，视频识别装置在确定N类像素点不满足第二预设条件时，则不对该目标视频进行处理。
综上所述，可以看出，本申请中，可以通过周期性的抽取视频中的图像帧，并确定图像帧中具有相同像素值的像素点集合，并根据该像素点集合确定N类像素点，并在N类像素点满足第二预设条件时，确定该目标视频为问题视频，通过像素点的识别方式来识别视频是否为问题视频，相对于现有的通过机器学习的方式，可以提高识别问题视频的准确率，及时发现问题视频，并进行替换或者下架处理，提高用户体验。
上面从视频识别方法的方法角度对本申请进行说明，下面从视频识别装置的角度对本申请进行说明。
请参阅图4，图4为本申请实施例提供的一种视频识别装置的虚拟结构示意图，包括：
获取单元401，用于获取目标图像帧，所述目标图像帧为目标视频中周期性抽取的一帧图像，所述目标视频为待检测的视频；
第一确定单元402，用于确定像素点集合，所述像素点集合包括所述目标图像帧中具有相同像素值的像素点；
第二确定单元403，用于根据所述像素点集合确定N类像素点，所述N类像素点为所述像素点集合中满足第一预设条件的至少一类像素点；
第三确定单元404，用于当所述N类像素点满足第二预设条件时，确定所述目标视频为问题视频。
可选地，所述视频识别装置还包括：
判断单元405，所述判断单元405用于：
判断目标像素值是否为第一预设值，所述目标像素值为所述N类像素点中数量最多的目标类像素点对应的像素值；
若是，则确定所述N类像素点满足所述第二预设条件；
若否，则确定所述N类像素点不满足所述第二预设条件。
可选地，所述视频识别装置还包括：
处理单元406，所述处理单元406用于：
确定所述目标图像帧的行数以及列数；
根据所述行数、所述列数以及所述N类像素点中每类像素点的数量确定计算结果；
判断所述计算结果是否大于或等于第二预设值；
若是，则确定所述N类像素点满足所述第二预设条件；
若否，则确定所述N类像素点不满足所述第二预设条件。
可选地，所述第一确定单元402具体用于：
确定所述目标图像帧的分辨率；
根据所述目标图像帧的分辨率确定所述目标图像帧的目标行值以及目标列值；
通过所述目标行值以及所述目标列值对所述目标图像帧的像素点进行遍历，以得到所述像素点集合。
可选地，所述第二确定单元403具体用于：
确定所述像素点集合中每类像素点的数量；
按照所述每类像素点的数量进行排序，得到排序结果；
根据所述排序结果以及所述第一预设条件确定所述N类像素点。
综上所述，可以看出，本申请中，可以通过周期性的抽取视频中的图像帧，并确定图像帧中具有相同像素值的像素点集合，并根据该像素点集合确定N类像素点，并在N类像素点满足第二预设条件时，确定该目标视频为问题视频，通过像素点的识别方式来识别视频是否为问题视频，相对于现有的通过机器学习的方式，可以提高识别问题视频的准确率，及时发现问题视频，并进行替换或者下架处理，提高用户体验。
图5是本申请实施例提供的一种服务器结构示意图，该服务器500可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上中央处理器(central processingunits，CPU)522(例如，一个或一个以上处理器)和存储器532，一个或一个以上存储应用程序542或数据544的存储介质530(例如一个或一个以上海量存储设备)。其中，存储器532和存储介质530可以是短暂存储或持久存储。存储在存储介质530的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对服务器中的一系列指令操作。更进一步地，中央处理器522可以设置为与存储介质530通信，在服务器500上执行存储介质530中的一系列指令操作。
服务器500还可以包括一个或一个以上电源526，一个或一个以上有线或无线网络接口550，一个或一个以上输入输出接口558，和/或，一个或一个以上操作系统541，例如Windows ServerTM，Mac OS XTM，UnixTM，LinuxTM，FreeBSDTM等等。
上述实施例中由视频识别装置所执行的步骤可以基于该图5所示的服务器结构。
本申请实施例还提供了另一种视频识别装置，如图6所示，为了便于说明，仅示出了与本申请实施例相关的部分，具体技术细节未揭示的，请参照本申请实施例方法部分。该视频识别装置可以为包括手机、平板电脑、PDA(Personal Digital Assistant，个人数字助理)、POS(Point of Sales，销售终端)、车载电脑等任意终端设备，以视频识别装置为手机为例：
图6示出的是与本申请实施例提供的视频识别装置相关的手机的部分结构的框图。参考图6，手机包括：射频(Radio Frequency，RF)电路610、存储器620、输入单元630、显示单元640、传感器650、音频电路660、无线保真(wireless fidelity，WiFi)模块670、处理器680、以及电源690等部件。本领域技术人员可以理解，图6中示出的手机结构并不构成对手机的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
下面结合图6对手机的各个构成部件进行具体的介绍：
RF电路610可用于收发信息或通话过程中，信号的接收和发送，特别地，将基站的下行信息接收后，给处理器680处理；另外，将设计上行的数据发送给基站。通常，RF电路610包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器(Low NoiseAmplifier，LNA)、双工器等。此外，RF电路610还可以通过无线通信与网络和其他设备通信。上述无线通信可以使用任一通信标准或协议，包括但不限于全球移动通讯系统(GlobalSystem of Mobile communication，GSM)、通用分组无线服务(General Packet RadioService，GPRS)、码分多址(Code Division Multiple Access，CDMA)、宽带码分多址(Wideband Code Division Multiple Access，WCDMA)、长期演进(Long Term Evolution，LTE)、电子邮件、短消息服务(Short Messaging Service，SMS)等。
存储器620可用于存储软件程序以及模块，处理器680通过运行存储在存储器620的软件程序以及模块，从而执行手机的各种功能应用以及数据处理。存储器620可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器620可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
输入单元630可用于接收输入的数字或字符信息，以及产生与手机的用户设置以及功能控制有关的键信号输入。具体地，输入单元630可包括触控面板631以及其他输入设备632。触控面板631，也称为触摸屏，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板631上或在触控面板631附近的操作)，并根据预先设定的程式驱动相应的连接装置。可选的，触控面板631可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器680，并能接收处理器680发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板631。除了触控面板631，输入单元630还可以包括其他输入设备632。具体地，其他输入设备632可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
显示单元640可用于显示由用户输入的信息或提供给用户的信息以及手机的各种菜单。显示单元640可包括显示面板641，可选的，可以采用液晶显示器(Liquid CrystalDisplay，LCD)、有机发光二极管(Organic Light-Emitting Diode，OLED)等形式来配置显示面板641。进一步的，触控面板631可覆盖显示面板641，当触控面板631检测到在其上或附近的触摸操作后，传送给处理器680以确定触摸事件的类型，随后处理器680根据触摸事件的类型在显示面板641上提供相应的视觉输出。虽然在图6中，触控面板631与显示面板641是作为两个独立的部件来实现手机的输入和输入功能，但是在某些实施例中，可以将触控面板631与显示面板641集成而实现手机的输入和输出功能。
手机还可包括至少一种传感器650，比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示面板641的亮度，接近传感器可在手机移动到耳边时，关闭显示面板641和/或背光。作为运动传感器的一种，加速计传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；至于手机还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。
音频电路660、扬声器661，传声器662可提供用户与手机之间的音频接口。音频电路660可将接收到的音频数据转换后的电信号，传输到扬声器661，由扬声器661转换为声音信号输出；另一方面，传声器662将收集的声音信号转换为电信号，由音频电路660接收后转换为音频数据，再将音频数据输出处理器680处理后，经RF电路610以发送给比如另一手机，或者将音频数据输出至存储器620以便进一步处理。
WiFi属于短距离无线传输技术，手机通过WiFi模块670可以帮助用户收发电子邮件、浏览网页和访问流式媒体等，它为用户提供了无线的宽带互联网访问。虽然图6示出了WiFi模块670，但是可以理解的是，其并不属于手机的必须构成，完全可以根据需要在不改变发明的本质的范围内而省略。
处理器680是手机的控制中心，利用各种接口和线路连接整个手机的各个部分，通过运行或执行存储在存储器620内的软件程序和/或模块，以及调用存储在存储器620内的数据，执行手机的各种功能和处理数据，从而对手机进行整体监控。可选的，处理器680可包括一个或多个处理单元；优选的，处理器680可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器680中。
手机还包括给各个部件供电的电源690(比如电池)，优选的，电源可以通过电源管理系统与处理器680逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。
尽管未示出，手机还可以包括摄像头、蓝牙模块等，在此不再赘述。
在本申请实施例中，该终端所包括的处理器680还用于执行上述由视频识别装置所执行的操作。
本申请实施例还提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现上述所述视频识别方法的步骤。
本申请实施例还提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行上述所述视频识别方法的步骤。
本申请实施例还提供了一种终端设备，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，所述程序代码由所述处理器加载并执行以实现上述所述视频识别方法的步骤。
本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行上述所述视频识别方法的步骤。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种视频识别方法，其特征在于，包括：
获取目标图像帧，所述目标图像帧为目标视频中周期性抽取的一帧图像，所述目标视频为待检测的视频；
确定像素点集合，所述像素点集合包括所述目标图像帧中具有相同像素值的像素点；
根据所述像素点集合确定N类像素点，所述N类像素点为所述像素点集合中满足第一预设条件的至少一类像素点；
当所述N类像素点满足第二预设条件时，确定所述目标视频为问题视频。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
判断目标像素值是否为第一预设值，所述目标像素值为所述N类像素点中数量最多的目标类像素点对应的像素值；
若是，则确定所述N类像素点满足所述第二预设条件；
若否，则确定所述N类像素点不满足所述第二预设条件。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
确定所述目标图像帧的行数以及列数；
根据所述行数、所述列数以及所述N类像素点中每类像素点的数量确定计算结果；
判断所述计算结果是否大于或等于第二预设值；
若是，则确定所述N类像素点满足所述第二预设条件；
若否，则确定所述N类像素点不满足所述第二预设条件。
4.根据权利要求1至3中任一项所述的方法，其特征在于，所述确定像素点集合包括：
确定所述目标图像帧的分辨率；
根据所述目标图像帧的分辨率确定所述目标图像帧的目标行值以及目标列值；
通过所述目标行值以及所述目标列值对所述目标图像帧的像素点进行遍历，以得到所述像素点集合。
5.根据权利要求1至3中任一项所述的方法，其特征在于，所述根据所述像素点集合确定N类像素点包括：
确定所述像素点集合中每类像素点的数量；
按照所述每类像素点的数量进行排序，得到排序结果；
根据所述排序结果以及所述第一预设条件确定所述N类像素点。
6.一种视频识别装置，其特征在于，包括：
获取单元，用于获取目标图像帧，所述目标图像帧为目标视频中周期性抽取的一帧图像，所述目标视频为待检测的视频；
第一确定单元，用于确定像素点集合，所述像素点集合包括所述目标图像帧中具有相同像素值的像素点；
第二确定单元，用于根据所述像素点集合确定N类像素点，所述N类像素点为所述像素点集合中满足第一预设条件的至少一类像素点；
第三确定单元，用于当所述N类像素点满足第二预设条件时，确定所述目标视频为问题视频。
7.根据权利要求6所述的视频识别装置，其特征在于，所述视频识别装置还包括：
判断单元，所述判断单元用于：
判断目标像素值是否为第一预设值，所述目标像素值为所述N类像素点中数量最多的目标类像素点对应的像素值；
若是，则确定所述N类像素点满足所述第二预设条件；
若否，则确定所述N类像素点不满足所述第二预设条件。
8.根据权利要求6所述的视频识别装置，其特征在于，所述视频识别装置还包括：
处理单元，所述处理单元用于：
确定所述目标图像帧的行数以及列数；
根据所述行数、所述列数以及所述N类像素点中每类像素点的数量确定计算结果；
判断所述计算结果是否大于或等于第二预设值；
若是，则确定所述N类像素点满足所述第二预设条件；
若否，则确定所述N类像素点不满足所述第二预设条件。
9.一种计算机装置，其特征在于，包括：
至少一个连接的处理器、存储器和收发器，其中，所述存储器用于存储程序代码，所述程序代码由所述处理器加载并执行以实现上述权利要求1至5中任一项所述的视频识别方法的步骤。
10.一种计算机可读存储介质，其特征在于，其包括指令，当其在计算机上运行时，使得计算机执行如权利要求1至5中任一项所述的视频识别方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010078944.6A CN112752145B (zh) | 2020-02-03 | 2020-02-03 | 一种视频识别方法及相关设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010078944.6A CN112752145B (zh) | 2020-02-03 | 2020-02-03 | 一种视频识别方法及相关设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112752145A true CN112752145A (zh) | 2021-05-04 |
| CN112752145B CN112752145B (zh) | 2022-05-17 |
Family
ID=75645140
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010078944.6A Active CN112752145B (zh) | 2020-02-03 | 2020-02-03 | 一种视频识别方法及相关设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112752145B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115019221A (zh) * | 2022-04-20 | 2022-09-06 | 平安国际智慧城市科技股份有限公司 | 一种遮挡行为的检测方法、装置、设备及存储介质 |
| CN117197706A (zh) * | 2023-04-23 | 2023-12-08 | 青岛尘元科技信息有限公司 | 渐出渐入镜头的分割方法和系统、存储介质及电子设备 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070291121A1 (en) * | 2006-06-19 | 2007-12-20 | Inventec Corporation | Computer executable image quality detection system |
| US20100002954A1 (en) * | 2008-07-03 | 2010-01-07 | Rastislav Lukac | Reducing Signal Overshoots And Undershoots In Demosaicking |
| WO2010017241A2 (en) * | 2008-08-05 | 2010-02-11 | Qualcomm Incorporated | Bad pixel cluster detection |
| CN103530895A (zh) * | 2012-07-06 | 2014-01-22 | 北京大学 | 一种检测马赛克的方法和设备 |
| CN104079929A (zh) * | 2014-06-17 | 2014-10-01 | 深圳市同洲电子股份有限公司 | 一种马赛克检测方法及装置 |
| CN109996063A (zh) * | 2019-04-04 | 2019-07-09 | 广东省安心加科技有限公司 | 视频图像花屏检测方法、装置、计算机设备和存储介质 |
| CN110120039A (zh) * | 2019-05-10 | 2019-08-13 | 苏州科达科技股份有限公司 | 一种花屏检测方法、检测装置、电子设备及可读存储介质 |
| CN110166765A (zh) * | 2019-05-10 | 2019-08-23 | 苏州科达科技股份有限公司 | 一种花屏检测方法、电子设备及可读存储介质 |
-
2020
- 2020-02-03 CN CN202010078944.6A patent/CN112752145B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070291121A1 (en) * | 2006-06-19 | 2007-12-20 | Inventec Corporation | Computer executable image quality detection system |
| US20100002954A1 (en) * | 2008-07-03 | 2010-01-07 | Rastislav Lukac | Reducing Signal Overshoots And Undershoots In Demosaicking |
| WO2010017241A2 (en) * | 2008-08-05 | 2010-02-11 | Qualcomm Incorporated | Bad pixel cluster detection |
| CN103530895A (zh) * | 2012-07-06 | 2014-01-22 | 北京大学 | 一种检测马赛克的方法和设备 |
| CN104079929A (zh) * | 2014-06-17 | 2014-10-01 | 深圳市同洲电子股份有限公司 | 一种马赛克检测方法及装置 |
| CN109996063A (zh) * | 2019-04-04 | 2019-07-09 | 广东省安心加科技有限公司 | 视频图像花屏检测方法、装置、计算机设备和存储介质 |
| CN110120039A (zh) * | 2019-05-10 | 2019-08-13 | 苏州科达科技股份有限公司 | 一种花屏检测方法、检测装置、电子设备及可读存储介质 |
| CN110166765A (zh) * | 2019-05-10 | 2019-08-23 | 苏州科达科技股份有限公司 | 一种花屏检测方法、电子设备及可读存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| QIAN, Z等: "A Novel Real-Time Video Mosaic Block Detection Based On Intensity Order and Shape Feature", 《10TH INTERNATIONAL CONFERENCE ON DIGITAL IMAGE PROCESSING (ICDIP)》 * |
| 胡亦等: "一种视频质量检测系统的实现", 《制造业自动化》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115019221A (zh) * | 2022-04-20 | 2022-09-06 | 平安国际智慧城市科技股份有限公司 | 一种遮挡行为的检测方法、装置、设备及存储介质 |
| CN117197706A (zh) * | 2023-04-23 | 2023-12-08 | 青岛尘元科技信息有限公司 | 渐出渐入镜头的分割方法和系统、存储介质及电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112752145B (zh) | 2022-05-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9697622B2 (en) | Interface adjustment method, apparatus, and terminal | |
| CN106203459B (zh) | 图片处理方法及装置 | |
| CN109005574B (zh) | 小区选择方法、移动终端及计算机可读存储介质 | |
| CN110784672B (zh) | 一种视频数据传输方法、装置、设备及存储介质 | |
| CN110275794B (zh) | 终端的屏幕显示方法、终端以及计算机可读存储介质 | |
| CN108198150B (zh) | 一种图像坏点的消除方法、终端及存储介质 | |
| CN103581762A (zh) | 一种播放网络视频的方法、装置及终端设备 | |
| CN112752145B (zh) | 一种视频识别方法及相关设备 | |
| CN109151216B (zh) | 应用启动方法、移动终端、服务器及计算机可读存储介质 | |
| CN111966804A (zh) | 一种表情处理方法、终端及存储介质 | |
| CN107608727A (zh) | 一种应用程序的显示方法、移动终端及存储介质 | |
| CN107678622B (zh) | 一种应用图标的显示方法、终端及存储介质 | |
| CN110782530B (zh) | 自动驾驶仿真系统中车辆信息的展示方法及装置 | |
| CN109856544B (zh) | 终端电量使用时间分析方法、终端和计算机可读存储介质 | |
| CN109710149B (zh) | 一种交互显示方法、设备及计算机可读存储介质 | |
| CN107609180B (zh) | 一种筛选方法、终端及存储介质 | |
| CN107256108B (zh) | 一种分屏方法、设备和计算机可读存储介质 | |
| CN110647418A (zh) | 异常处理方法、服务器及移动终端 | |
| CN104932871B (zh) | 一种显示多媒体信息的方法及装置 | |
| CN109558049B (zh) | 一种通知消息显示处理方法、移动终端和存储介质 | |
| CN114363318A (zh) | 数据处理方法、智能终端及存储介质 | |
| CN109379719B (zh) | 一种应用程序广播处理方法、设备及计算机可读存储介质 | |
| CN108549648B (zh) | 人物图片处理方法、终端及计算机可读存储介质 | |
| CN113573046A (zh) | 镜头异常处理方法、移动终端及存储介质 | |
| CN113900558A (zh) | 图标区域的管理方法、智能终端及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40049170 Country of ref document: HK |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |