[发明专利]一种从视频自动生成gif的方法

说明书

本发明涉及视频处理技术领域，具体地说，涉及一种从视频自动生成gif的方法。其流程如下：获取的来源包括离线视频或者直播流；对视频进行转码；将转码后的视频分解为图像帧，并对图像帧进行检测；对GIF生成规则进行配置；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；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。该从视频自动生成gif的方法中，能够快速实现视频内容检测和评估，并根据按照GIF生成任务的配置规则，自动截取所需的时长+画面+帧率，实现GIF生成，节省人力成本。

技术领域

本发明涉及视频处理技术领域，具体地说，涉及一种从视频自动生成gif的方法。

背景技术

目前从视频里面生成方式主要靠人工截取：用户看到视频中的精彩片段，手动选取时间范围，截取封面，配置各种生成参数，并生成为GIF，该种方法需要人看完这一段视频，才能生成GIF，无法在第一时间生成，同时需要较高的人力成本。

发明内容

本发明的目的在于提供一种从视频自动生成gif的方法，以解决上述背景技术中提出的某种或某些缺陷。

为实现上述目的，本发明提供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。

作为优选，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。

作为优选，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。

作为优选，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。

作为优选，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。

作为优选，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；