[发明专利]一种视频裁剪方法、图像处理方法及装置

说明书

本申请涉及一种视频裁剪方法、装置、电子设备及存储介质，该方法包括：确定待裁剪的第一视频，所述第一视频中包括连续运动的至少一个目标物；确定所述目标物的预设部位在所述第一视频中的位置，并基于所述位置添加预设标记；按照所述预设标记对所述第一视频进行裁剪，得到至少一个视频片段。该技术方案公开的视频裁剪方法速度快，可以实现对特定的目标物的识别，受光线等外界的影响较小。且对于连续出现的多个目标物，或者多个目标物间存在一定重叠部分的情况，本实施例公开的方法仍能够准确分割各个目标物的边界，有效进行视频片段的裁剪。

技术领域

本申请涉及视频处理领域，尤其涉及一种视频裁剪方法、图像处理方法及装置。

背景技术

随着信息技术的高速发展，智能视频分析技术越来越多的应用在人们的日常生活中。视频数据的优势在于获取方式较简单，且包含信息丰富、连贯。但对于某些视频文件，比如常见的监控视频，其往往录制时间较长，内容单调，并且可能长时间没有特定目标出现，或短时间内多个目标连续从画面中经过。

具体来说，对于个体目标视频进行智能分析的应用领域，我们首先需要解决的一个问题是对原始长时视频文件进行裁剪，即达到一个视频片段对应一个目标的目的，同时滤除无效的数据，如画面中不存在目标的情况。受限于视频的连续性，人们往往需要通过观看视频的方式来找出目标出现的片段，这样不仅浪费了大量时间和人力，还可能因人为因素不能准确裁剪视频片段，并且当大量目标连续经过画面时，人们可能更加难以准确区分各个相邻目标。

在实现本发明的过程中，发明人发现传统的基于运动检测的方法主要通过帧差法、背景建模法等方式获取当前画面中的运动区域，该方法尽管运算速度较快，但其较容易受光线等的干扰，并难以识别画面中的运动部分是否为特定的目标物。而且当画面中出现连续的或有一定重叠部分的多个目标时，视频裁剪的端点选择会更加不稳定。

基于目标检测的方法主要通过人工计算几何特征结合机器学习算法，或通过YOLO、Faster R-CNN等深度学习目标检测模型来对目标物整体或局部特定部位，如人身、动物头部等进行检测，以达到判断画面中是否出现目标的目的。但该方法一个主要的问题是计算速度较慢，并且可能会因为遮挡问题而出现漏检目标物的情况。

发明内容

为了解决上述技术问题或者至少部分地解决上述技术问题，本申请提供了一种视频裁剪方法、图像处理方法及装置。

第一方面，本申请实施例提供了一种视频裁剪方法，该方法包括：

确定待裁剪的第一视频，所述第一视频中包括连续运动的至少一个目标物；

确定所述目标物的预设部位在所述第一视频中的位置，并基于所述位置添加预设标记；

按照所述预设标记对所述第一视频进行裁剪，得到至少一个视频片段。

可选的，所述确定所述目标物的预设部位在所述第一视频中的位置，并基于所述位置添加预设标记，包括：

获取预先训练的检测模型；

将所述第一视频输入所述检测模型，由所述检测模型确定所述第一视频中是否存在所述目标物的预设部位；

当所述第一视频中存在所述目标物的预设部位时，确定出现所述预设部位的第一图像；

为所述第一图像中所述预设部位所处的位置添加第一预设标记。

可选的，在所述按照所述预设预设标记对所述第一视频进行裁剪，得到至少一个视频片段之前，所述方法还包括：

确定所述第一视频的当前状态；

当根据所述当前状态确定所述第一视频正在写入所述检测模型时，按照所述第一预设标记对所述第一视频进行裁剪，得到至少一个视频片段。