[发明专利]视频处理方法和系统、云终端、云服务器及芯片系统

权利要求书

1.一种视频处理方法，其特征在于，包括：

接收包含视频超分模型的视频码流；

根据所述视频码流获取所述视频超分模型；以及

根据所述视频超分模型对所述视频码流进行图像处理以生成视频图像，所述视频图像的第一分辨率大于与所述视频码流相对应的第二分辨率。

2.根据权利要求1所述的视频处理方法，其特征在于，根据所述视频超分模型对所述视频码流进行图像处理以生成视频图像包括：

根据所述视频超分模型生成具有第一码率的所述视频图像，所述第一码率大于与所述视频码流相对应的第二码率。

3.根据权利要求1所述的视频处理方法，其特征在于，根据所述视频超分模型对所述视频码流进行图像处理以生成视频图像包括：

提取用于视频超分的目标分辨率；

通过图像加速引擎对所述视频码流的UV分量进行图像处理；以及

通过所述视频超分模型根据所述目标分辨率对所述视频码流的Y分量进行视频超分，以生成所述视频图像。

4.根据权利要求1所述的视频处理方法，其特征在于，根据所述视频码流获取所述视频超分模型包括：

对所述视频超分模型被打包在其中的所述视频码流进行解析，以获取所述视频超分模型。

5.根据权利要求1所述的视频处理方法，其特征在于，所述视频超分模型根据视频类型被训练，并且被打包到所述视频码流中。

6.根据权利要求1所述的视频处理方法，其特征在于，所述视频超分模型为轻量级DNN视频超分模型。

7.根据权利要求6所述的视频处理方法，其特征在于，所述轻量级DNN视频超分模型包括多层神经网络，所述多层神经网络包括呈现串联关系的提取网络层、推理网络层和重建网络层，所述提取网络层被配置为提取与时间相关联的图像特征，所述推理网络层被配置为推理图像细节，并且所述重建网络层被配置为重建超分图像。

8.根据权利要求6所述的视频处理方法，其特征在于，所述轻量级DNN视频超分模型包括超分编码器和超分解码器，所述超分编码器包括用于特征提取和用于推理图像细节的网络层，并且所述超分解码器包括用于超分图像重建的网络层。

9.一种视频处理方法，其特征在于，应用于云服务器，所述视频处理方法包括：

从云终端接收视频超分业务以获取视频类型；

根据所述视频类型从视频超分模型数据库获取视频超分模型；

将所述视频超分模型打包到与所述视频超分业务相对应的视频码流中；以及

将所述视频码流发送到所述云终端，使得所述云终端根据所述视频超分模型对所述视频码流进行图像处理以生成视频图像，所述视频图像的第一分辨率大于与所述视频码流相对应的第二分辨率。

10.根据权利要求9所述的视频处理方法，其特征在于，还包括：

根据所述视频类型训练所述视频超分模型；以及

利用训练后的视频超分模型更新所述视频超分模型数据库。

11.根据权利要求9所述的视频处理方法，其特征在于，所述视频超分模型为轻量级DNN视频超分模型。

12.根据权利要求11所述的视频处理方法，其特征在于，所述轻量级DNN视频超分模型包括多层神经网络，所述多层神经网络包括呈现串联关系的提取网络层、推理网络层和重建网络层，所述提取网络层被配置为提取与时间相关联的图像特征，所述推理网络层被配置为推理图像细节，并且所述重建网络层被配置为重建超分图像。

13.根据权利要求11所述的视频处理方法，其特征在于，所述轻量级DNN视频超分模型包括超分编码器和超分解码器，所述超分编码器包括用于特征提取和用于推理图像细节的网络层，并且所述超分解码器包括用于超分图像重建的网络层。