[发明专利]基于多芯片处理的滤镜分类系统及方法在审
申请号: | 202210699998.3 | 申请日: | 2022-06-20 |
公开(公告)号: | CN114998808A | 公开(公告)日: | 2022-09-02 |
发明(设计)人: | 蔡戴朋 | 申请(专利权)人: | 蔡戴朋 |
主分类号: | G06V20/40 | 分类号: | G06V20/40;G06V10/42;G06V10/764 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 100043 北京市*** | 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: | 基于 芯片 处理 滤镜 分类 系统 方法 | ||
1.一种基于多芯片处理的滤镜分类系统,其特征在于,所述系统包括:
信息收发接口,用于截取当前直播视频流以获得设定数目的多帧直播图像,所述设定数目的取值大于等于最低数量阈值,其中,直播画面的分辨率越高,设定数目的取值越大;
第一从控芯片,与所述信息捕获部件连接,用于检测所述多帧直播图像色相成分的冗余均值,并在所述冗余均值大于等于设定冗余度阈值时,发出第一判断指令;
第二从控芯片,与所述第一从控芯片连接,用于在接收到所述第一判断指令时,提取每一帧直播画面中每一像素点的亮度成分值、色相成分值和饱和度成分值以获得该帧直播画面对应的亮度成分矩阵、色相成分矩阵和饱和度成分矩阵,将该帧直播画面对应的亮度成分矩阵、色相成分矩阵和饱和度成分矩阵作为该帧对应的输入数据;
主控芯片,与所述第二从控芯片连接,用于将所述多帧直播图像分别对应的多个输入数据同时并行输入到智能评估模型并运行所述智能评估模型以获得所述多帧直播图像组成的视频数据的滤镜类型编码;
其中,所述主控芯片还用于在使用智能评估模型之前,采用多个已确知滤镜类型的视频数据分别对智能评估模型执行多次学习操作;
其中,所述主控芯片还用于在使用智能评估模型之前,采用多个已确知滤镜类型的视频数据分别对智能评估模型执行多次学习操作包括:所述滤镜类型的总数越多,选择的学习操作的次数越多;
其中,提取每一帧直播画面中每一像素点的亮度成分值、色相成分值和饱和度成分值以获得该帧直播画面对应的亮度成分矩阵、色相成分矩阵和饱和度成分矩阵,将该帧直播画面对应的亮度成分矩阵、色相成分矩阵和饱和度成分矩阵作为该帧对应的输入数据包括:将该帧直播画面的各个像素点分别对应的各个亮度成分值基于各个像素点分别在该帧直播画面中的位置布局获取该帧直播画面对应的亮度成分矩阵。
2.如权利要求1所述的基于多芯片处理的滤镜分类系统,其特征在于:
滤镜类型包括白亮、粉嫩、清新、冷色、暖色以及无滤镜,分别对应的滤镜类型编码为A、B、C、D、E以及O;
其中,提取每一帧直播画面中每一像素点的亮度成分值、色相成分值和饱和度成分值以获得该帧直播画面对应的亮度成分矩阵、色相成分矩阵和饱和度成分矩阵,将该帧直播画面对应的亮度成分矩阵、色相成分矩阵和饱和度成分矩阵作为该帧对应的输入数据包括:将该帧直播画面的各个像素点分别对应的各个色相成分值基于各个像素点分别在该帧直播画面中的位置布局获取该帧直播画面对应的色相成分矩阵;
其中,提取每一帧直播画面中每一像素点的亮度成分值、色相成分值和饱和度成分值以获得该帧直播画面对应的亮度成分矩阵、色相成分矩阵和饱和度成分矩阵,将该帧直播画面对应的亮度成分矩阵、色相成分矩阵和饱和度成分矩阵作为该帧对应的输入数据包括:将该帧直播画面的各个像素点分别对应的各个饱和度成分值基于各个像素点分别在该帧直播画面中的位置布局获取该帧直播画面对应的饱和度成分矩阵。
3.如权利要求1所述的基于多芯片处理的滤镜分类系统,其特征在于:
所述第一从控芯片还用于在所述冗余均值小于所述设定冗余度阈值时,发出第二判断指令;
其中,所述第二从控芯片还用于在接收到所述第二判断指令时,进入休眠模式。
4.如权利要求1所述的基于多芯片处理的滤镜分类系统,其特征在于:
检测所述多帧直播图像色相成分的冗余均值,并在所述冗余均值大于等于设定冗余度阈值时,发出第一判断指令包括:针对每一帧直播图像,提取其各个像素点的色相成分值和饱和度成分值,计算每一帧直播图像各个像素点分别对应的各个色相成分值的冗余度以获得该帧直播图像对应的参考冗余度。
5.如权利要求4所述的基于多芯片处理的滤镜分类系统,其特征在于:
检测所述多帧直播图像色相成分的冗余均值,并在所述冗余均值大于等于设定冗余度阈值时,发出第一判断指令包括:将所述多帧直播图像分别对应的多个参考冗余度执行均值处理以获得所述多帧直播图像色相成分的冗余均值,并在所述冗余均值大于等于设定冗余度阈值时,发出第一判断指令。
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蔡戴朋,未经蔡戴朋许可,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/202210699998.3/1.html,转载请声明来源钻瓜专利网。