[发明专利]视频插帧方法、存储介质以及终端

说明书

本发明提供一种视频插帧方法、存储介质以及终端，以解决现有技术中存在的视频插帧效果较差的问题。所述的方法包括步骤：依序确定待插帧视频的当前帧、当前帧的前一帧以及当前帧的后一帧；将待插帧视频的当前帧、当前帧的前一帧以及当前帧的后一帧输入预先生成的视频插帧模型中，其中，所述视频插帧模型由训练集的当前帧、当前帧的前一帧以及当前帧的后一帧训练预设卷积神经网络模型生成；由所述视频插帧模型对所述待插帧视频进行插帧，获得插帧后的视频。本发明实施例可以实现较好的视频插帧效果。

技术领域

本发明涉及图像处理技术领域，具体而言，本发明涉及一种视频插帧方法、存储介质以及终端。

背景技术

在网络状况不理想的情况下，用户为保证视频画面质量往往需要对视频进行主动降帧，视频数据以较低码率进行传输，使得视频高分辨率与高帧率不能同时满足，影响视频的观看效果，因此需要对视频进行插帧，以保证视频清晰流畅播放。现有技术中视频插帧技术通常需要对场景中的物体进行运动估计，并利用运动补偿算法将物体插入生成帧的正确位置，因此插帧效果很大程度依赖于运动估计与补偿的好坏，视频插帧效果较差。

发明内容

本发明针对现有方式的缺点，提出一种视频插帧方法、存储介质以及终端，用以解决现有技术中存在的视频插帧效果较差的问题，以实现较好的视频插帧的效果。

本发明的实施例根据第一个方面，提供了一种视频插帧方法，包括步骤：

依序确定待插帧视频的当前帧、当前帧的前一帧以及当前帧的后一帧；

将待插帧视频的当前帧、当前帧的前一帧以及当前帧的后一帧输入预先生成的视频插帧模型中，其中，所述视频插帧模型由训练集的当前帧、当前帧的前一帧以及当前帧的后一帧训练预设卷积神经网络模型生成；

由所述视频插帧模型对所述待插帧视频进行插帧，获得插帧后的视频。

在一个实施例中，所述预设卷积神经网络模型包括第一卷积层、第二卷积层和第三卷积层，所述第一卷积层和所述第二卷积层用于输入训练集，所述第三卷积层用于根据所述第一卷积层的输出帧和所述第二卷积层的输出帧生成插入帧。

在一个实施例中，所述第一卷积层用于输入训练集的当前帧的前一帧或者当前帧的后一帧，所述第二卷积层用于输入训练集的当前帧、当前帧的前一帧以及当前帧的后一帧。

在一个实施例中，所述训练集包括标准数据集和应用场景数据集；

所述将待插帧视频的当前帧、当前帧的前一帧以及当前帧的后一帧输入预先生成的视频插帧模型中之前，还包括：

依序确定标准数据集的当前帧、当前帧的前一帧以及当前帧的后一帧；

将标准数据集的当前帧、当前帧的前一帧以及当前帧的后一帧输入预设卷积神经网络模型进行训练，获得初始模型；

依序确定应用场景数据集的当前帧、当前帧的前一帧以及当前帧的后一帧；

将应用场景数据集的当前帧、当前帧的前一帧以及当前帧的后一帧输入所述初始模型进行训练，生成视频插帧模型。

在一个实施例中，所述应用场景数据集包括直播视频数据集或者短视频数据集。

在一个实施例中，所述生成视频插帧模型之后，还包括：

对所述视频插帧模型进行压缩。

在一个实施例中，所述对所述视频插帧模型进行压缩包括：

对所述视频插帧模型进行裁剪。

在一个实施例中，所述视频插帧模型部署在服务器或者客户端上。