[发明专利]直播数据的处理方法、装置及电子设备在审

专利信息
申请号: 202210966988.1 申请日: 2022-08-11
公开(公告)号: CN115665427A 公开(公告)日: 2023-01-31
发明(设计)人: 于和新;李秋实;徐懿;巢娅;宋怡君 申请(专利权)人: 广州博冠信息科技有限公司
主分类号: H04N21/2187 分类号: H04N21/2187;G06V10/82;G06V10/40;G06T7/90;G06T5/00;G06N3/08;G06N3/04
代理公司: 北京市京大律师事务所 11321 代理人: 胡安
地址: 510000 广东省广州市天*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 直播 数据 处理 方法 装置 电子设备
【权利要求书】:

1.一种直播数据的处理方法,其特征在于,所述方法包括:

接收第一终端设备发送的直播数据;所述直播数据包括多帧初始图像;

将所述初始图像输入至预先训练的图像增强模型,通过所述图像增强模型对所述初始图像进行特征提取处理,得到所述初始图像的浅层图像特征及深层图像特征;基于所述浅层图像特征及所述深层图像特征,生成所述初始图像对应的增强图像;所述增强图像的分辨率与所述初始图像的分辨率相匹配;

基于所述增强图像,确定处理后的直播数据,将处理后的直播数据发送至目标终端设备。

2.根据权利要求1所述的方法,其特征在于,所述图像增强模型包括第一特征提取模块及第二特征提取模块;

通过所述图像增强模型对所述初始图像进行特征提取处理,得到所述初始图像的浅层图像特征及深层图像特征的步骤,包括:

通过所述第一特征提取模块对所述初始图像进行第一特征提取处理,得到所述初始图像的浅层图像特征;

通过所述第二特征提取模块对所述浅层图像特征进行第二特征提取处理,得到所述初始图像的深层图像特征。

3.根据权利要求2所述的方法,其特征在于,所述第一特征提取模块包括第一卷积层及第二卷积层;所述浅层图像特征包括所述初始图像对应的低分辨率图像;

通过所述第一特征提取模块对初始图像进行第一特征提取处理,得到所述初始图像的浅层图像特征的步骤,包括:

通过第一卷积层及第二卷积层对所述初始图像进行下采样处理,得到所述初始图像对应的低分辨率图像。

4.根据权利要求2所述的方法,其特征在于,所述浅层图像特征包括所述初始图像对应的低分辨率图像;所述第二特征提取模块包括依次连接的第三卷积层、第一通道分离层、第四卷积层、第二通道分离层、第五卷积层及通道连接层;所述第一通道分离层及所述第二通道分离层与所述通道连接层连接;

通过所述第二特征提取模块对所述浅层图像特征进行第二特征提取处理,得到所述初始图像的深层图像特征的步骤,包括:

将所述初始图像对应的低分辨率图像输入至第三卷积层,通过所述第三卷积层对低分辨率图像进行卷积处理,得到第一图像特征;所述第一图像特征包括多个第一特征通道;

通过第一通道分离层对所述多个第一特征通道进行通道分离处理,将设定比例的第一特征通道确定为第一深层特征通道;

将除所述第一深层特征通道的第一特征通道输入至第四卷积层,通过所述第四卷积层对输入的所述第一特征通道进行卷积处理,得到第二图像特征;所述第二图像特征包括多个第二特征通道;

通过第二通道分离层对所述多个第二特征通道进行通道分离处理,将设定比例的第二特征通道确定为第二深层特征通道;

将除所述第二深层特征通道的第二特征通道输入至第五卷积层,通过所述第五卷积层对输入的所述第二特征通道进行卷积处理,得到第三深层特征通道;

通过通道连接层对所述第一深层特征通道、所述第二深层特征通道及所述第三深层特征通道进行通道连接处理,得到所述初始图像的深层图像特征。

5.根据权利要求1所述的方法,其特征在于,所述图像增强模型包括特征融合模块及上采样模块;

基于所述浅层图像特征及所述深层图像特征,生成所述初始图像对应的增强图像的步骤,包括:

通过特征融合模块对所述浅层图像特征及所述深层图像特征进行特征融合处理,得到融合图像;

通过上采样模块对所述融合图像进行上采样处理,得到与所述初始图像的分辨率相匹配的增强图像。

6.根据权利要求1所述的方法,其特征在于,所述图像增强模型包括高反差滤波模块;

所述方法还包括:

通过高反差滤波模块对所述初始图像对应的增强图像进行滤波处理,得到滤波后的增强图像。

7.根据权利要求1所述的方法,其特征在于,所述图像增强模型包括色彩映射模块;

所述方法还包括:

通过色彩映射模块基于预设的颜色查找表对所述初始图像对应的增强图像进行色彩增强处理,得到色彩增强后的增强图像。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广州博冠信息科技有限公司,未经广州博冠信息科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210966988.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top