[发明专利]一种子弹特效短视频智能生成方法

说明书

本发明提供了一种子弹特效短视频智能生成方法，包括如下步骤：S1：通过阵列相机拍摄出视频或图片材料；S2：根据视频或图片材料将要进行子弹特效制作的帧选取出来；S3：将由于相机摆放产生的误差进行修正；S4：对图片中要切割的目标分割出来；S5：结合目标的深度信息将其融合到另一视频中；S6：最后将融合帧连接生成子弹特效短视频。

技术领域

本发明属于图像融合技术领域，尤其涉及一种子弹特效短视频智能生成方法。

背景技术

视频充斥的我们的日常生活，我们有着很多获取视频的方式，多视点采集视频再电影制作中很常见，然后通过剪辑来生成一些特效来产生有趣吸引人的视频，而通过人手动的去剪辑来生成特效，太过于耗费时间，希望通过算法代替手动剪辑来生成这些特效。采集多视点视频需要使用到阵列式相机，就是用多个小镜头来代替一个大镜头的拍摄效果，其原理和阵列式天文望远镜及昆虫的复眼类似。和传统的相机来对比的话，阵列式相机能够有更加好的视野，得到更多的信息。多相机阵列图像处理系统由多个子相机组成,建立在单相机的图像处理技术基础上。例如在图像融合,视频融合技术是虚拟现实技术的一个分支，也可以说是虚拟现实的一个发展阶段。视频融合技术指将一个或多个由视频采集设备采集的关于某场景或模型的图像序列视频与一个与之相关的虚拟场景加以融合，以生成一个新的关于此场景的虚拟场景或模型。多相机系统需要对单个相机结果进行综合处理,完成目标在多相机之间的深度信息然后来判断物体之间的遮挡关系。项目从实际应用角度出发,研究并实现多相机阵列的视频融合。根据应用场景需求,完成将阵列相机拍摄的视频信息在计算机上处理，进行视频融合。将视频图像传输到计算机。计算机完成多相机之间的信息处理并将目标融合进视频当中。

对于阵列相机拍摄的信息进行处理主要是通过阵列相机获取的视频然后进行合成处理，本文介绍的时通过抠图与深度估计得到其中的信息来进行视频的融合，视频融合是基于两个或多个视频图像信息的过程。由于图像采集的场景，融合的目的和使用的算法不同，需要对融合进行分类。根据融合过程中算法的空间域范围，图像融合可以分为两类：空间域和变换域。空间域图像融合是一种图像融合算法，可对图像像素执行简单快速的操作。通过源图像的多尺度分解来进行变换域的融合，再通过分解获得的系数来获得融合系数，最后进行算法重构。

一般按照融合过程中信息处理的复杂程度，一般将融合分为三类像素级的融合，特征级的像素融合以及决策级的特征融合。基于像素层面的融合是指，直接对图像的像素进行操作得到的融合图像的过程。特征级的像素融合。基于特征层面图像融合是指，首先从源图像中提取图像的特征信息，即代表图像轮廓、纹理的信息，然后再对提取到的特征信息进行处理的过程。基于决策层面的图像融合是对图像进行判断与推理的过程。基于决策层面的融合过程首先模拟人的判断与分析，对图像进行初步判定，然后对判定的结果进行相关处理，最后进行图像融合。

金字塔变换由Burt P.J.和Adelson E.H.等在1983年提出。金字塔变换的优点是能较为突出的表征图像的特征信息；存在的不足是图像信息丢失较多，分解过程不具备方向性。

小波变换可以将原始图像分解为不同的频域子图像，并能反映原始图像细节。随着小波技术的进步，小波逐渐应用到图像处理领域。小波变换不仅可以获得低频信息，还可以获得高频部分的水平、垂直和对角线三个方向信息。与传统的基于塔分解的方法相比，小波变换的融合效果更好。

由于小波变换获取的方向信息比较局限，无法有效捕获图像的轮廓纹理特征，其中M.Choi提出的Curvelet变换和Contourlet变换因各向异性等特点表现出比小波变换更加适合于刻画二维图像中的曲线或直线的能力,被迅速引入到可见光图像融合以及多光谱与全色卫星图像融合技术。

非采样Contourlet变换是由A.L.Cunha等提出的，克服了Contourlet变换没有平移不变性的缺点。张强等人将非采样Contourlet变换运用到遥感图像的融合中，通过对每个波段进行双插值运算得到低频系数，对高频子带系数采用物理的注入模型进行调整，得到融合后的高频系数，最终获得的融合图像空间分辨率明显提高。