[发明专利]图片的筛查方法、装置和设备有效

专利信息
申请号: 202110427216.6 申请日: 2021-04-21
公开(公告)号: CN112989113B 公开(公告)日: 2021-08-31
发明(设计)人: 栾润峰;李飞;平康;李跃海;程洪彬 申请(专利权)人: 北京金和网络股份有限公司
主分类号: G06F16/732 分类号: G06F16/732;G06F16/783;G06T7/00
代理公司: 北京细软智谷知识产权代理有限责任公司 11471 代理人: 赵洋洋
地址: 100089 北京市海淀区*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图片 方法 装置 设备
【说明书】:

发明涉及视频处理技术领域,具体涉及一种图片的筛查方法、装置和设备,方法包括采集视频信息中目标帧对应的目标图片;确定目标图片的清晰度值,将清晰度值存储于预设清晰度数组中;判断视频信息是否遍历结束;若视频信息未遍历结束,根据目标图片的清晰度值,确定需要跳过的步长值;将跳过步长值后对应的视频帧作为目标帧;若视频信息遍历结束,将预设清晰度数组中清晰度值最高的目标图片作为清晰图片。本申请根据视频帧图片连续性的特点,即模糊视频帧图片相邻图片大概率也是模糊的,通过设计步长规则,跳过这些相邻的模糊图片,这样只需计算部分视频帧图片的清晰度,就能找到视频中较清晰的视频帧图片,提高计算效率。

技术领域

本发明涉及视频处理技术领域,具体涉及一种图片的筛查方法、装置和设备。

背景技术

随着信息技术的发展,人脸识别、物体识别、光学字符识别等图像识别技术得到了广泛的应用。在识别验证过程中,除了图像识别的算法外,图片的质量,如清晰度、亮暗程度等,对图像识别的效率、准确率有着巨大的影响。

现在技术中,一般是通过计算视频中所有视频帧图片的清晰度,从而找到最清晰的视频帧图片,对该清晰的视频帧图片进行识别验证。但是,视频是由多张连续的图像构成,常见的网络视频,2秒网络视频可看作由60张图片构成,目前若要获取视频中最清晰的视频帧图片,需要处理大量的图片,处理过程复杂,处理速度慢。

发明内容

有鉴于此,本发明的目的在于提供一种图片的筛查方法、装置和设备,以克服目前若要获取视频中最清晰的视频帧图片,需要处理大量的图片,处理过程复杂,处理速度慢的问题。

为实现以上目的,本发明采用如下技术方案:

一种图片的筛查方法,包括:

获取视频信息;

采集所述视频信息中目标帧对应的目标图片;

确定所述目标图片的清晰度值,将所述清晰度值存储于预设清晰度数组中;

判断所述视频信息是否遍历结束;

若所述视频信息未遍历结束,根据所述目标图片的清晰度值,确定需要跳过的步长值;

将跳过所述步长值后对应的视频帧作为所述目标帧;

若所述视频信息遍历结束,将所述预设清晰度数组中清晰度值最高的目标图片作为清晰图片。

进一步地,以上所述图片的筛查方法,所述确定所述目标图片的清晰度值,包括:

对所述目标图片进行预处理,得到预处理后的处理图片;

将所述处理图片转换为图像梯度矩阵;

对所述图像梯度矩阵进行归一化处理,得到归一化梯度矩阵;

计算所述归一化梯度矩阵的矩阵均值,将所述矩阵均值作为所述清晰度值。

进一步地,以上所述图片的筛查方法,所述对所述目标图片进行预处理,得到预处理后的处理图片,包括:

按照原图尺寸对所述目标图片进行等比缩放;

以等比缩放后的目标图片中短边为宽高尺寸进行裁剪,得到预处理后的处理图片。

进一步地,以上所述图片的筛查方法,所述将所述处理图片转换为图像梯度矩阵,包括:

将所述处理图片转换为图像矩阵;

将所述图像矩阵转换为灰度图像矩阵;

读取所述灰度图像矩阵,基于拉普拉斯速算法计算所述图像梯度矩阵。

进一步地,以上所述图片的筛查方法,所述对所述图像梯度矩阵进行归一化处理,得到归一化梯度矩阵,包括:

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北京金和网络股份有限公司,未经北京金和网络股份有限公司许可,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/202110427216.6/2.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