[发明专利]一种从视频自动生成gif的方法

权利要求书

1.一种从视频自动生成gif的方法，其流程如下：

S1、获取视频数据，获取的来源包括离线视频或者直播流；

S2、对视频进行转码；

S3、将转码后的视频分解为图像帧，并对图像帧进行检测；

S4、提供可人机交互的界面，对GIF生成规则进行配置；

S5、通过读取GIF生成规则，将镜头内的所有画面的分数进行加权计算，并归一化，算出一个公平的价值分；

S6、对高价值的镜头高于某个阈值，规则配置时可以设置，按照GIF生成任务的配置规则，自动截取所需的时长+画面+帧率，生成指定文件大小以内的GIF。

2.根据权利要求1所述的从视频自动生成gif的方法，其特征在于：S3中，图像帧检测包括调用人脸识别算法、调用画面美学算法和调用物体检测算法。

3.根据权利要求2所述的从视频自动生成gif的方法，其特征在于：人脸检测算法通过比对检测图像中的人脸特征点和人脸库中已注册人脸的特征点位置的几何距离，从而算出两张人脸的相似度，其流程如下：

①、通过人脸检测算法来判断当前画面中是否包含人脸，人脸检测算法使用MTCNN模型，即多任务卷积神经网络，用于图像中是否出现了人脸，并对图像中的人脸特征点进行标定；

②、对有人脸的画面，进一步计算人脸在当前画面中的占比，取人脸高占画面高度大于0.25的图像，截取人脸照片；

③、注册通过上一步骤②中的人脸照片进入人脸临时库；

④、通过人脸识别算法Facenet，识别当前画面中出现的人，是否能命中名人人脸库和临时人脸库里面的人脸，如果能命中，则给画面打上标签，标签为人名及注册时用的人物ID。

4.根据权利要求2所述的从视频自动生成gif的方法，其特征在于：画面美学算法采用NIMA模型，通过对图像的元数据进行分析对画面的质量打上美学分。

5.根据权利要求2所述的从视频自动生成gif的方法，其特征在于：物体检测算法，基于yolo v3模型通过对图像中出现的重要物体进行检测，并给画面打上标签。

6.根据权利要求1所述的从视频自动生成gif的方法，其特征在于：S4中，GIF生成规则进行配置，配置项包括如下参数：

参数一：GIF的基础参数：GIF的基础参数包括时长范围、文件大小范围、画面裁剪区域范围、帧率；

参数二：GIF的内容参数：GIF的内容参数包括必须包含哪些标签、每种标签+美学分的权重、人脸占画面的比例；

参数三：素材生成参数：素材生成参数包括素材的选取范围、每个素材需要生成几个GIF、GIF之间的组合规则等、触发规则、镜头价值分阈值。