CN114708287B 一种镜头边界检测方法、设备及存储介质 （阿里巴巴集团控股有限公司）

2在所述目标视频中，确定第一候选帧的前一帧，所述第一候选若所述第一候选帧与其前一帧之间的局部特征匹配，则确在所述时空切片上，若存在第一视频帧对应的切片特征符合获取所述第一视频帧及其对应的N个在前帧和M个在后帧，组成第计算所述第一视频帧与其相邻的前一帧对应的切片特征之间的差异度以及所述第一若在所述第一视频帧上检测到差异度突变，则确定所述若所述第一视频帧对应的差异度位于所述差异度变化曲线中的若所述第一视频帧之前连续K个视频帧均为非镜头边界帧，则计算所述第一视频帧与若所述第一视频帧与上一镜头边界帧之间的差异度大于预采用基于网格运动统计的特征匹配方案，确定所述第一候选帧与其3若所述第一候选帧与其前一帧之间的局部特征匹配不成功，若所述第一候选帧与其前一帧之间的直方图匹配在所述目标视频中，确定第一候选帧的前一帧，所述第一候选若所述第一候选帧与其前一帧之间的局部特征匹配，则在所述时空切片上，若存在第一视频帧对应的切片特征符合获取所述第一视频帧及其对应的N个在前帧和M个在后帧，组成第计算所述第一视频帧与其相邻的前一帧对应的切片特征之间的差异度以及所述第一若在所述第一视频帧上检测到差异度突变，则确定所述若所述第一视频帧对应的差异度位于所述差异度变化曲线中的4若所述第一视频帧之前连续K个视频帧均为非镜头边界帧，则计算所述第一视频帧与若所述第一视频帧与上一镜头边界帧之间的差异度大于预采用基于网格运动统计的特征匹配方案，确定所述第一候选帧与其若所述第一候选帧与其前一帧之间的局部特征匹配不成功，若所述第一候选帧与其前一帧之间的直方图匹配56[0022]图3为本申请一示例性实施例提供的一种镜头边界检测的一种实现方式的流程示[0023]图4为本申请一示例性实施例提供的镜头边界检测方法的另一种实现方式的逻辑[0026]针对现有深度学习方式进行镜头边界检测存在的计算耗时大、精度低等技术问筛选出疑似镜头边界的视频帧，而通过局部特征匹配可进一步选择出真正的镜头边界帧，7[0041]本实施例中，可将根据时空切片在目标视频中确定出的疑似镜头边界的视频8[0045]在该实现方式中，可基于目标视频中各视频帧与其相邻帧在切片特征上的差异[0047]图3为本申请一示例性实施例提供的一种镜头边界检测的一种实现方式的流程示[0052]本实施例中，局部特征可采用快速定向旋转ORB(OrientedFastandRotatedBrief)特征、加速鲁棒SURF(speeduprobustfeature)特征或尺度不变特征变换SIFT9个特征点。之后，可采用BRIEF作为特征描述方法，产生各特征点的BRIEF描述子，例如，BRIEF描述子可以是一个长度为n的二[0058]值得说明的是，上述ORB局部特征匹配的方案仅是示例性的，本实施例并不限于[0062]图4为本申请一示例性实施例提供的镜头边界检测方法的另一种实现方式的逻辑一镜头边界帧之间的差异度大于预设差异度阈值，则确定第一视频帧为叠化/划变镜头的[0072]需要说明的是，上述实施例所提供方法的各步骤的执行[0074]图5为本申请另一示例性实施例提供的一种计算设备的结平台上的操作。这些数据的示例包括用于在计算平台上操作的任何应用程序或方法的指[0087]计算第一视频帧与其相邻的前一帧对应的切片特征之间的差异度以及第一帧图[0090]在一可选实施例中，处理器51在对第一帧图像序列下的[0094]若第一视频帧之前连续K个视频帧均为非镜头边界帧，则计算第一视频帧与上一算机程序被执行时能够实现上述方法实施例中可由计算[0115]上述图5中的通信组件，被配置为便于通信组件所在设备和其他设备之间有线或现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定[0119]这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一