[发明专利]视频图像的处理方法、装置和终端设备

说明书

本发明实施例提供了一种视频图像的处理方法、装置和终端设备，涉及人工智能技术领域，其中，所述方法包括：检测视频图像中的背景区域；确定待显示的业务对象；采用计算机绘图方式在确定出的背景区域绘制所述业务对象，以使所述业务对象覆盖所述视频图像中的背景区域的原始内容。通过本发明实施例，使得业务对象与视频播放相结合，节约了网络资源和/或客户端的系统资源，可以有效实现预想的业务对象投放效果。

技术领域

本发明实施例涉及人工智能技术领域，尤其涉及一种视频图像的处理方法、装置和终端设备。

背景技术

随着互联网技术的发展，文字、图片和视频等皆可以视频的形式实现在视频直播平台中直播。视频直播平台中的视频通常以人物为主角(单一人物或少量人物)，在人物的后方是视频的背景区域。

然而，现有的视频直播平台中视频的背景区域是固定不变的，而且固定不变的背景区域无法吸引观众的注意，甚至会对视频直播的内容产生影响。

发明内容

本发明实施例提供了视频图像的处理技术方案。

根据本发明实施例的一个方面，提供了一种视频图像的处理方法，包括：检测视频图像中的背景区域，所述视频图像为直播类视频图像，所述直播类视频图像的背景区域包括直播类视频图像中除了主播图像之外的区域；确定待显示的业务对象，所述业务对象为目标视频、目标图像和目标特效之一；采用计算机绘图方式在确定出的背景区域绘制所述业务对象，以使所述业务对象覆盖所述视频图像中的背景区域的原始内容。

可选地，所述检测视频图像中的背景区域包括：通过预先训练的卷积神经网络模型检测所述视频图像的背景区域。

可选地，所述对所述卷积神经网络模型的预先训练包括：获取待训练的样本图像的特征向量，其中，所述样本图像为包含有前景标注信息和背景标注信息的样本图像；对所述特征向量进行卷积处理，获取特征向量卷积结果；对所述特征向量卷积结果进行放大处理；判断放大后的所述特征向量卷积结果是否满足收敛条件；若满足，则完成对所述卷积神经网络模型的训练；若不满足，则根据放大后的所述特征向量卷积结果调整所述卷积神经网络模型的参数并根据调整后的所述卷积神经网络模型的参数对所述卷积神经网络模型进行迭代训练，直至迭代训练后的特征向量卷积结果满足所述收敛条件。

可选地，所述对所述特征向量卷积结果进行放大处理包括：通过对所述特征向量卷积结果进行双线性插值，放大所述特征向量卷积结果。

可选地，所述对所述特征向量卷积结果进行放大处理包括：将所述特征向量卷积结果放大到放大后的特征向量卷积结果对应的图像的大小与原始图像大小一致。

可选地，所述判断放大后的所述特征向量卷积结果是否满足收敛条件包括：使用设定的损失函数计算放大后的所述特征向量卷积结果和预定的标准输出特征向量的损失值；根据所述损失值判断放大后的所述特征向量卷积结果是否满足收敛条件。

可选地，所述方法还包括：获取测试样本图像，使用训练后的所述卷积神经网络模型对所述测试样本图像进行前背景区域的预测；检验预测的前背景区域是否正确；若不正确，则使用所述测试样本图像对所述卷积神经网络模型进行再次训练。

可选地，所述使用所述测试样本图像对所述卷积神经网络模型进行再次训练包括：从所述测试样本图像中获取前背景区域预测不正确的样本图像；使用预测不正确的样本图像对所述卷积神经网络模型进行再次训练，其中，对所述卷积神经网络模型进行再次训练的所述预测不正确的样本图像包含有前景信息和背景信息。

可选地，所述获取待训练的样本图像的特征向量之前，所述方法还包括：将包括多帧样本图像的视频流输入所述卷积神经网络模型。

可选地，所述将包括多帧样本图像的视频流输入所述卷积神经网络模型之前，所述方法还包括：确定所述视频流的多个关键帧的图像为样本图像，对所述样本图像进行前景区域和背景区域的标注。