[发明专利]一种图像处理方法及系统

说明书

本发明提供一种图像处理方法及系统，该方法包括：对待处理视频进行间隔抽帧处理，得到N帧画面，N为正整数。将N帧画面作为图像处理模型的输入，得到长度为N并且包含每帧画面属于模糊画面的概率值的模糊度序列，其中，图像处理模型基于图片样本训练卷积神经网络模型得到。将每帧画面的模糊度与预设的模糊度阈值进行比较，获得待处理视频的模糊片段列表。本发明提供的方案中，通过对待处理视频进行抽帧处理得到多帧画面，将多帧画面输入预先训练好的图像处理模型中处理，得到每帧画面属于模糊画面的概率值的模糊度序列。将每帧画面的模糊度与阈值比较，得到待处理视频中的模糊片段列表。能降低视频处理成本、人工成本和提高视频处理效率。

技术领域

本发明涉及图像处理技术领域，具体涉及一种图像处理方法及系统。

背景技术

随着科学技术的发展，电视、电影和综艺等视频节目早已成为人们生活中不可或缺的一部分，而呈现在观众眼前的视频节目是经过处理后的视频素材。这些原始视频素材由于是使用不同机位和不同角度等手段进行录制的视频，这样在录制的过程中原始视频素材会存在大量的瑕疵片段，所以在录制完成后需要对原始视频素材进行多次处理才能呈现在观众眼前，对原始视频素材的处理方式之一就是识别废片并剪去这些无用的视频片段。其中，最为常见的废片形式就是原始视频素材中的模糊片段。

模糊片段，是指由于录制视频的镜头剧烈抖动，或者拍摄目标的快速移动而导致录制画面模糊。目前识别废片的手段通常是先由初级剪辑师去识别模糊片段并标记这些模糊片段，然后再由高级剪辑师对进行初步处理后的原始视频素材进行后面更加精细的剪辑，从而将视频能更好的呈现出来。但是，在节目录制过程中，尤其是近年来的综艺等节目录制，通常同时存在几十个甚至上百个机位在拍摄，最终呈现出来的一个小时的节目可能是从上百小时的原始视频素材剪辑出来的，这样初级剪辑师需要去浏览上百小时时间的原始视频素材去进行识别模糊片段、标记模糊片段等初步准备工作。这样会造成大量时间成本和人员成本的浪费，影响后期制作的工作效率。

发明内容

有鉴于此，本发明实施例提供一种图像处理方法及系统，以解决现有的图像处理方法存在的视频处理时间成本高、人工成本高和工作效率低等问题。

为实现上述目的，本发明实施例提供如下技术方案：

本发明实施例第一方面公开了一种图像处理方法，所述方法包括：

对待处理视频进行间隔抽帧处理，得到N帧画面，N为正整数；

将所述N帧画面作为图像处理模型的输入，得到长度为N的模糊度序列，所述模糊度序列包括每帧画面的模糊度，所述模糊度为每帧画面属于模糊画面的概率值，所述图像处理模型基于图片样本训练卷积神经网络模型得到，所述模糊画面的模糊程度为预先设定；

将所述每帧画面的模糊度与预设的模糊度阈值进行比较，获得所述待处理视频的模糊片段列表。

优选的，所述图像处理模型基于图片样本训练卷积神经网络模型得到，包括：

将所述图片样本输入预先构建好的所述卷积神经网络模型中进行识别，得到所述图片样本的模糊度；

计算所述图片样本的模糊度和所述图片样本的真实模糊度之间的误差；

判断所述误差是否小于误差阈值；

若是，基于所述卷积神经网络计算所述图片样本的模糊度所使用的权重，建立所述图像处理模型；

若否，基于所述误差调整所述卷积神经网络的权重，基于调整权重后的卷积神经网络对所述图片样本再次进行识别得到图片样本的模糊度，计算再次进行识别得到的图片样本的模糊度和所述图片样本的真实模糊度之间的误差，直至所述误差小于所述误差阈值，基于当前卷积神经网络计算图片样本的模糊度所使用的权重，建立所述图像处理模型。

优选的，所述对待处理视频进行间隔抽帧处理，得到N帧画面的过程包括：