[发明专利]基于视频图像分割优化电视画质方法、装置、终端及介质

权利要求书

1.一种基于视频图像分割优化电视画质方法，其特征在于，所述方法包括：

获取待播放视频流，其中，所述待播放视频流为视频播放前预加载的视频流；

将所述预加载的视频流中按不同物体场景进行分割，分割出视频流中同一画面的不同物体，得到同一画面分割出不同物体坐标的视频流；

对分割后的视频流中不同物体坐标区域设置对应的画质优化属性，进行画质优化；

输出优化后的视频流并播放显示。

2.根据权利要求1所述的基于视频图像分割优化电视画质方法，其特征在于，所述获取待播放视频流的步骤包括：

实时采集并获取待播放视频流；

将所述待播放视频流进行播放前的预加载，为预加载的视频流。

3.根据权利要求1所述的基于视频图像分割优化电视画质方法，其特征在于，所述将所述预加载的视频流中按不同物体场景进行分割，分割出视频流中同一画面的不同物体，得到同一画面分割出不同物体坐标的视频流的步骤包括：

读取所述预加载的视频流；

将所述预加载的视频流输入至预先训练的视频分割模型中按不同物体场景进行分割，实时分割出视频流中同一画面的不同物体，得到同一画面分割出不同物体坐标的视频流；

其中，所述视频分割模型为基于同一画面不同物体特征对应的不同场景物体类别训练得到的。

4.根据权利要求3所述的基于视频图像分割优化电视画质方法，其特征在于，所述预先训练的视频分割模型通过以下步骤生成：

预先定义需要优化的场景物体类别，根据类别下载视频训练素材；

根据下载的视频素材、通过标注工具对视频中的物体类别进行分类标注，分类标注出不同的标签；

将分类标注的视频数据进行输出为模型输入的数据源、进行训练：分类标注的视频数据转换为模型的训练数据进行训练；

模型训练完成，转换为智能设备系统支持的tflite模型，并进行tflite模型转换输出，提供给设备加载识别。

5.根据权利要求1所述的基于视频图像分割优化电视画质方法，其特征在于，所述将所述预加载的视频流中按不同物体场景进行分割，分割出视频流中同一画面的不同物体，得到同一画面分割出不同物体坐标的视频流的步骤包括：

通过视频分割的深度学习模型，通过视频分割AI技术，训练不同视频中不同的物体场景，生成预先训练的视频分割模型，用于实时识别分割出当前设备播放的视频画面中的物体坐标。

6.根据权利要求1所述的基于视频图像分割优化电视画质方法，其特征在于，所述对分割后的视频流中不同物体坐标区域设置对应的画质优化属性，进行画质优化的步骤包括：

视频播放时实时的分析出视频中的物体场景，对分割后的视频流中不同物体坐标区域设置对应的画质优化属性，根据不同的分割物体场景进行局部分割针对性的画质调优。

7.根据权利要求1所述的基于视频图像分割优化电视画质方法，其特征在于，所述对分割后的视频流中不同物体坐标区域设置对应的画质优化属性，进行画质优化的步骤还包括：

加载读取视频分割tflite模型转型转换后的模型，等待需要识别的视频流；

如果当前正在播放视频，则获取当前播放的视频流实时的转换为模型的输入数据传输到视频分割tflite模型中识别，根据当前传入的视频流数据，实时分析出当前视频中训练过的物体的分类坐标；

获得到当前的视频经过模型分析的结果后，把结果传输给视频优化模块，对分割后的视频流中不同物体坐标区域设置对应的画质优化属性，进行画质优化。