一种视频处理方法及装置、电子设备和存储介质与流程

本公开涉及计算机视觉技术领域，尤其涉及一种视频处理方法及装置、电子设备和存储介质。

背景技术：

在目标对象监控的应用场景中，可以通过采集设备(如摄像头)对目标对象进行采集，将采集结果汇聚成视频流后予以对目标对象的分析及跟踪定位等监控处理。目标在视频画面中从出现到消失一般会持续5-10秒，在视频帧率为25的情况下，会产生上百个的目标抓拍，这些抓拍包含了很多的冗余信息，在计算资源有限的情况下，没必要全部用来做特征提取等，否则会导致监控处理的运算量过大，资源占有过多的问题，至少影响到监控的实时性。达不到实时监控的需求。然而，对此，相关技术中未存在有效的解决方案。

技术实现要素：

本公开提出了一种视频处理的技术方案。

根据本公开的一方面，提供了一种视频处理方法，所述方法包括：

对视频流解码得到多个视频帧，所述视频流中包含所实时采集的目标对象；

根据选帧策略从所述多个视频帧中选取部分待处理视频帧，所述待处理视频帧用于表征包含所述目标对象的多个视频帧中图像质量符合实时监控需求的视频帧；

从所述待处理视频帧中提取出对应所述目标对象的结构化信息，将所述结构化信息发送给终端。

采用本公开，由于可以通过选帧策略来提取部分待处理视频帧，并不是对所有视频帧进行处理，且待处理视频帧用于表征包含所述目标对象的多个视频帧中图像质量符合实时监控需求的视频帧，因此，可以在符合实时监控需求情况下降低运算量，相应的降低了资源占有率。

可能的实现方式中，所述对视频流解码得到多个视频帧之前，所述方法还包括：

接收视频流播放请求，以根据所述视频流播放请求提取所述视频流；

将所述结构化信息发送给终端，包括：

将所述结构化信息发送给发出所述视频流播放请求的终端。

采用本公开，可以针对终端发出的视频流播放请求进行选帧及结构化信息提取处理，是自适应的触发机制，而不是在终端空闲状态(未发起视频播放请求的状态)也一直执行该选帧和结构化信息提取处理，因此，降低了对实时采集目标对象的监控运算量，可以满足监控场景中实时监控的需求。

可能的实现方式中，所述根据选帧策略从所述多个视频帧中选取部分待处理视频帧，包括：

提取所述选帧策略，根据所述选帧策略对所述多个视频帧中包含同一目标对象的至少两个视频帧分别进行图像质量评估，得到至少两个评估结果；

将所述至少两个评估结果进行融合运算，得到所述融合计算结果；

根据所述融合计算结果从所述多个视频帧中筛选出所述待处理视频帧。

采用本公开，根据图像质量评估得到至少两个评估结果后，可以根据至少两个评估结果得到融合计算结果。根据所述融合计算结果从所述多个视频帧中筛选出所述待处理视频帧，得到的该待处理视频帧为次优帧。由于次优帧图像质量低于原始视频帧，因此，采用次优帧进行结构化信息提取，可以降低运算量，相应的降低资源占有率。

可能的实现方式中，所述根据所述融合计算结果从所述多个视频帧中筛选出所述待处理视频帧，包括：

根据所述融合计算结果得到融合图像；

所述融合计算结果大于所述选帧策略中配置的目标分值的情况下，将大于所述目标分值的融合图像作为所述待处理视频帧。

采用本公开，对于融合图像而言，在融合计算结果大于所述选帧策略中配置的目标分值的情况下，将大于所述目标分值的融合图像作为所述待处理视频帧，即通过融合确保所需提取的结构化信息有效，且可以降低运算量，相应的降低资源占有率。

可能的实现方式中，所述对视频流解码得到多个视频帧之后，所述方法还包括：

对所述多个视频帧中的目标对象进行识别，提取出所述目标对象；

对所述目标对象进行分类，得到至少一个分类结果。

采用本公开，可以对目标对象进行分类，以更好的进行归类统计。

可能的实现方式中，所述对所述多个视频帧中包含同一目标对象的至少两个视频帧进行图像质量评估，得到至少两个评估结果之前，所述方法还包括：

根据所述至少一个分类结果，对所述多个视频帧中的目标对象进行归类，将包含同一目标对象的至少两个视频帧置于同一个归类结果中。

采用本公开，根据至少一个分类结果进行归类统计中，可以将包含同一目标对象的至少两个视频帧置于同一个归类结果中，方便归类整理。

可能的实现方式中，所述对视频流解码得到多个视频帧之后，所述方法还包括：

对所述多个视频帧中的目标对象进行位置检测，得到所述目标对象的至少一个目标位置信息。

采用本公开，可以对目标对象进行位置检测，以便将该目标位置信息用于最终视频流的合成中。

可能的实现方式中，从所述待处理视频帧中提取出对应所述目标对象的结构化信息，将所述结构化信息发送给终端，包括：

对所述待处理视频帧中的目标对象进行特征提取和/或属性提取，得到由特征信息和/或属性信息构成的结构化信息；

将对应同一目标对象的结构化信息和目标位置信息发送给所述终端，以由所述终端进行结构化信息渲染后，将得到的渲染信息和所述目标位置信息添加到所述视频流中并一起播放。

采用本公开，通过归类统计、归类整理，对同一归类的结构化信息提取之后，将检测到的目标位置信息和提取的结构化信息合成到视频流中，播放该视频流，就可以实现对目标对象的实时监控。

根据本公开的一方面，提供了一种视频处理装置，所述装置包括：

解码单元，用于对视频流解码得到多个视频帧，所述视频流中包含所实时采集的目标对象；

选帧单元，用于根据选帧策略从所述多个视频帧中选取部分待处理视频帧，所述待处理视频帧用于表征包含所述目标对象的多个视频帧中图像质量符合实时监控需求的视频帧；

信息发送单元，用于从所述待处理视频帧中提取出对应所述目标对象的结构化信息，将所述结构化信息发送给终端。

可能的实现方式中，所述装置还包括：

接收单元，用于接收视频流播放请求，以根据所述视频流播放请求提取所述视频流；

所述信息发送单元，用于将所述结构化信息发送给发出所述视频流播放请求的终端。

可能的实现方式中，所述选帧单元，用于：

提取所述选帧策略，根据所述选帧策略对所述多个视频帧中包含同一目标对象的至少两个视频帧分别进行图像质量评估，得到至少两个评估结果；

将所述至少两个评估结果进行融合运算，得到所述融合计算结果；

根据所述融合计算结果从所述多个视频帧中筛选出所述待处理视频帧。

可能的实现方式中，所述选帧单元，用于：

根据所述融合计算结果得到融合图像；

所述融合计算结果大于所述选帧策略中配置的目标分值的情况下，将大于所述目标分值的融合图像作为所述待处理视频帧。

可能的实现方式中，所述装置还包括分类单元，用于：

对所述多个视频帧中的目标对象进行识别，提取出所述目标对象；

对所述目标对象进行分类，得到至少一个分类结果。

可能的实现方式中，所述装置还包括归类单元，用于：

根据所述至少一个分类结果，对所述多个视频帧中的目标对象进行归类，将包含同一目标对象的至少两个视频帧置于同一个归类结果中。

可能的实现方式中，所述装置还包括检测单元，用于：

对所述多个视频帧中的目标对象进行位置检测，得到所述目标对象的至少一个目标位置信息。

可能的实现方式中，所述信息发送单元，用于：

对所述待处理视频帧中的目标对象进行特征提取和/或属性提取，得到由特征信息和/或属性信息构成的结构化信息；

将对应同一目标对象的结构化信息和目标位置信息发送给所述终端，以由所述终端进行结构化信息渲染后，将得到的渲染信息和所述目标位置信息添加到所述视频流中并一起播放。

根据本公开的一方面，提供了一种电子设备，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：执行上述视频处理方法。

根据本公开的一方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述视频处理方法。

在本公开实施例中，对视频流解码得到多个视频帧，所述视频流中包含所实时采集的目标对象；根据选帧策略从所述多个视频帧中选取部分待处理视频帧，所述待处理视频帧用于表征包含所述目标对象的多个视频帧中图像质量符合实时监控需求的视频帧；从所述待处理视频帧中提取出对应所述目标对象的结构化信息，将所述结构化信息发送给终端。采用本公开，由于不是对所有帧进行处理，而是根据选帧策略来选取部分待处理视频帧，因此，降低了运算量，相应的降低了资源占有率，从而满足了监控场景中实时监控的需求。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开。

根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。

图1示出根据本公开实施例的视频处理方法的流程图。

图2示出根据本公开实施例的视频处理方法的流程图。

图3示出根据本发明实施例的通过融合计算结果得到融合图像的示意图。

图4示出根据本公开实施例的应用示例中视频处理系统示意图。

图5示出根据本公开实施例的应用示例中视频处理方法的示意图。

图6示出根据本公开实施例的应用示例中具有结构化信息展示的视频流的示意图。

图7示出根据本公开实施例的应用示例中具备选帧逻辑的系统对视频流处理效果的数据对比示意图。

图8示出根据本公开实施例的视频处理装置的框图。

图9示出根据本公开实施例的电子设备的框图。

图10示出根据本公开实施例的电子设备的框图。

具体实施方式

以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。

在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。

本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括a、b、c中的至少一种，可以表示包括从a、b和c构成的集合中选择的任意一个或多个元素。

另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。

视频结构化分析，可以应用于目标对象检测、目标对象识别、目标对象分类、目标对象监控等场景中，可以通过深度学习等人工智能分析手段提取所采集视频图像中的目标对象，对目标对象进行分类，分类结果可以为行人、车辆等不同类别。分类之后还可以进一步提取目标对象的结构化信息(如属性信息)包括颜色特征，年龄特征，分类特征，模型特征，速度特征等。结构化信息除了属性信息，还可以包括特征信息，比如衣服，头发，男人还是女人等等，并把用于表征目标对象位置的轨迹信息和该结构化信息一起进行终端侧的展示，或者在轨迹信息和该结构化信息两者间建立映射以方便对结构化信息的检索。其中，将对视频进行结构化分析得到的该结构化信息予以实时展示，除了能够实时的检测并展示目标对象对应的结构化信息，还对提高视频结构化分析的实时检测和处理效率提出了更高的需求，以目标对象监控场景为例，只有提高视频结构化分析的实时检测和处理效率，才可以满足实时监控的需求。

对于视频进行结构化分析而言，可以对视频流中的每帧图像进行结构化分析，实时给出相应的显示，然而，虽然保证了实时性，但是结构化信息的准确度会随着对象的清晰度而变化，且资源占用高。还可以延迟展示结构化信息，然而，无法保证实时性，需要等目标对象完全离开采集设备(如摄像头)才能展示结构化分析的结果，无法提供实时的结构化信息显示。可见：这两种方法对视频进行结构化分析来说，呈现的结构化分析结果都不够完善。

采用本公开，通过选取部分待处理视频帧，而不是对所有帧进行结构化信息分析，降低了对实时采集目标对象的监控运算量，而且降低了资源占有率，提高了视频流结构化信息实时显示的处理性能；只有当用户预览视频并发出视频播放请求时才自适应的触发结构化信息分析，将分析结果发送给发起视频播放请求的终端，可以减少对图形处理器(gpu，graphicprocessingunit)等计算资源的使用。

图1示出根据本公开实施例的视频处理方法的流程图，该方法应用于视频处理装置，例如，该装置可以由终端设备或服务器或其它处理设备执行，其中，终端设备可以为用户设备(ue，userequipment)、移动设备、蜂窝电话、无绳电话、个人数字处理(pda，personaldigitalassistant)、手持设备、计算设备、车载设备、可穿戴设备等。在一些可能的实现方式中，该方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。如图1所示，该流程包括：

步骤s101、对视频流解码得到多个视频帧，所述视频流中包含所实时采集的目标对象。

一示例中，后台服务器收到视频流播放请求后，后台服务器对所请求的视频流进行解码，得到多个视频帧。在视频流中包含所实时采集的目标对象，如对道路上行驶的车辆进行监控的场景中，目标对象至少包括车辆，所采集的除了车辆，还有周边的环境信息，比如周边的建筑物、车道标志、红绿灯设施等等。采集设备(如摄像头)在采集时，除了针对车辆，还可以对路边、十字路口等红绿灯的行人等进行采集，以收集各类目标对象。

步骤s102、根据选帧策略从所述多个视频帧中选取部分待处理视频帧，所述待处理视频帧用于表征包含所述目标对象的多个视频帧中图像质量符合实时监控需求的视频帧。

一示例中，可以根据选帧策略得到的融合计算结果，从所述多个视频帧中选取部分待处理视频帧。需要指出的是，该融合计算结果，可以为根据选帧策略得到的综合选帧逻辑结果，本公开的智能选帧不是针对所有帧，也不是无差别的选取视频帧，而是根据该综合选帧逻辑结果从所述多个视频帧中选取的部分待处理视频帧，其所包含所述目标对象的图像质量更符合实时监控需求。

一示例中，后台服务器提取出选帧策略，选帧策略包括如何进行智能选帧的处理逻辑，根据该选帧策略可以对多个视频帧中包含同一目标对象(如车辆)的至少两个视频帧分别进行图像质量评估，得到至少两个评估结果，将至少两个评估结果进行融合运算，得到融合计算结果。根据该融合计算结果从多个视频帧中筛选出待处理视频帧。比如，有100个视频帧，包含车辆的视频帧有50个，对应同一个车牌标识的同一车辆视频帧有30个，然后对这30个视频帧进行图像质量评估并信息融合得到融合计算结果，根据融合计算结果从30个视频帧中筛选出待处理视频帧，如10个。通过这样的一系列处理，大量降低了要处理的视频帧数据量，因此，对实时采集的目标对象而言，数据量降低，则运算量降低，从而有助于后续更高效地进行结构化信息的分析。

步骤s103、从所述待处理视频帧中提取出对应所述目标对象的结构化信息，将所述结构化信息发送给终端。

一示例中，所述对视频流解码得到多个视频帧之前，所述方法还包括：后台服务器接收视频流播放请求，以根据所述视频流播放请求提取所述视频流。在提取出所述视频流后，可以对所述视频流解码得到多个视频帧，所述视频流中包含所实时采集的目标对象，根据选帧策略从所述多个视频帧中选取部分待处理视频帧，所述待处理视频帧用于表征包含所述目标对象的多个视频帧中图像质量符合实时监控需求的视频帧。后台服务器还可以通过基于深度学习的神经网络(图卷积神经网络)对待处理视频帧中进行结构化信息分析，得到对应目标对象的结构化信息，然后该后台服务器将得到的结构化信息发送给发出上述视频流播放请求的终端。

采用本公开，一方面可以实现智能选帧：对包含实时采集目标对象的多个视频帧从中选取部分视频帧，是对部分视频帧中的目标对象进行结构化信息分析，而不是对所有帧都进行结构化信息分析，从而可以降低读取所有帧导致的资源占有率，由于处理效率更高可以得到更高清晰度的实时结构化信息分析结果。另一方面可以实现结构化信息的自适应展示：对发出视频流播放请求的终端进行结构化信息分析，而不是在无请求的状态下也一直进行结构化信息分析，只有在用户有预览需求时才开始做结构化信息分析及展示，而不是一直展示该信息。也就是说，本公开中，由于不是对所有帧进行处理，而是根据选帧策略来选取部分待处理视频帧，而且，将对该部分待处理视频帧处理得到的结构化信息发送给终端(终端为发出视频流播放请求的终端)，根据视频播放请求触发该选帧和结构化信息处理，而不是在终端空闲状态(未发起视频播放请求的状态)也一直执行该选帧和结构化信息提取处理，因此，不仅降低了对实时采集目标对象的监控运算量，而且降低了资源占有率，可以满足监控场景中实时监控的需求。

图2示出根据本公开实施例的视频处理方法的流程图，该方法应用于视频处理装置，例如，该装置可以由终端设备或服务器或其它处理设备执行，其中，终端设备可以为用户设备(ue，userequipment)、移动设备、蜂窝电话、无绳电话、个人数字处理(pda，personaldigitalassistant)、手持设备、计算设备、车载设备、可穿戴设备等。在一些可能的实现方式中，该方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。如图2所示，该流程包括：

步骤s201、对视频流解码得到多个视频帧，所述视频流中包含所实时采集的目标对象。

一示例中，后台服务器收到视频流播放请求后，后台服务器对所请求的视频流进行解码，得到多个视频帧。在视频流中包含所实时采集的目标对象，如对道路上行驶的车辆进行监控的场景中，目标对象至少包括车辆，所采集的除了车辆，还有周边的环境信息，比如周边的建筑物、车道标志、红绿灯设施等等。采集设备(如摄像头)在采集时，除了针对车辆，还可以对路边、十字路口等红绿灯的行人等进行采集，以收集各类目标对象。

步骤s202、对多个视频帧中的目标对象进行识别，提取出目标对象，对目标对象进行分类，得到至少一个分类结果。

一示例中，视频流中包含所实时采集的目标对象，可以包括：车辆、行人等，除此之外，还可以采集周边的环境信息(如周边的建筑物、车道标志、红绿灯设施等等)。可以通过基于深度学习的分类网络从所述视频流中提取出实时采集的目标对象并对其进行分类，得到至少一个分类结果。可以根据至少一个分类结果，对所述多个视频帧中的目标对象进行归类，将包含同一目标对象的至少两个视频帧置于同一个归类结果中，以根据选帧策略得到的融合计算结果和归类结果后，从所述多个视频帧中选取部分待处理视频帧，所述待处理视频帧用于表征包含所述目标对象的多个视频帧中图像质量符合实时监控需求的视频帧。从待处理视频帧中提取出对应目标对象的结构化信息，将结构化信息发送给终端，终端为发出所述视频流播放请求的终端。

步骤s203、自适应触发选帧策略，对识别出的同一目标的所有帧进行综合选帧逻辑判断，包括图像质量打分，选取图像质量分数超过配置的阈值的视频帧，根据该选帧策略得到的综合选帧逻辑结果和分类结果，从所述多个视频帧中选取部分待处理视频帧，所述待处理视频帧用于表征包含所述目标对象的多个视频帧中图像质量符合实时监控需求的视频帧。

一示例中，对归类结果分别处理后，比如，对车辆、行人等分别归类后，对包含人的图像进行图像质量评估，对包含车的图像进行图像质量评估等等。

上述步骤s202-步骤s203可以在步骤s204选帧之前执行，也可以在步骤s204选帧之后执行。也就是说，本公开不限于先分类、归类，再对特定归类中的目标对象进行处理，也可以先对目标对象进行综合处理后再将所选取待处理视频帧中目标对象进行分类和归类，能从所有帧中选取部分帧的技术方案都在本公开的保护范围之内。

步骤s204、从所述待处理视频帧中提取出对应目标对象的结构化信息，将该结构化信息发送给视频缓存预处理模块。

一示例中，后台服务器提取出选帧策略，选帧策略包括如何进行智能选帧的处理逻辑，提取同一个归类结果中包含同一目标对象的至少两个视频帧，进行处理，比如，在至少两个视频帧中包含的同一目标对象为行人，则根据该选帧策略可以对多个视频帧中包含行人的该至少两个视频帧分别进行图像质量评估，得到至少两个评估结果，将至少两个评估结果进行融合运算，得到融合计算结果。根据该融合计算结果从多个视频帧中筛选出待处理视频帧。比如，有150个视频帧，包含行人的视频帧有70个，对应同一个行人的视频帧有50个，然后对这50个视频帧进行图像质量评估并信息融合得到融合计算结果，根据融合计算结果从50个视频帧中筛选出待处理视频帧，如20个。通过这样的一系列处理，大量降低了要处理的视频帧数据量，因此，对实时采集的目标对象而言，数据量降低，则运算量降低，从而有助于后续更高效地进行结构化信息的分析。

步骤s205、视频预处理模块把目标对象的位置信息、目标对象的结构化信息和原始视频流融合在一起，和原始视频帧一起发送给终端，所述终端为发出所述视频流播放请求的终端。

一示例中，后台服务器可以通过基于深度学习的神经网络(图卷积神经网络)对待处理视频帧中进行结构化信息分析，得到对应目标对象的结构化信息，然后该后台服务器将得到的结构化信息发送给发出上述视频流播放请求的终端。

采用本公开，一方面可以实现智能选帧：对包含实时采集目标对象的多个视频帧从中选取部分视频帧，是对部分视频帧中的目标对象进行结构化信息分析，且通过分类和归类，对同一类目标对象进行结构化信息分析，除了能提高对同一类目标对象的识别精度，还能优化结构化信息分析的处理效率，由于是针对同一类目标对象且不是对所有帧都进行结构化信息分析，从而可以降低读取所有帧导致的资源占有率，由于处理效率更高可以得到更高清晰度的实时结构化信息分析结果。另一方面可以实现结构化信息的自适应展示：对发出视频流播放请求的终端进行结构化信息分析，而不是在无请求的状态下也一直进行结构化信息分析，只有在用户有预览需求时才开始做结构化信息分析及展示，而不是一直展示该信息。

一示例中，将上述步骤s201-步骤s205的处理逻辑可以集成于一个独立的硬件设备中，也可以采用软硬一体的设备或者多组件协同合作的设备，只要在设备任一个处理器中包含上述处理逻辑就在本公开的保护范围之内。首先，后台服务器接入终端所请求的视频流进行解码，得到多个视频帧，对多个视频帧中的目标对象(如行人、车辆、非机动车等)进行目标检测和跟踪定位，以针对同一个目标对象为例，可以随着时间推移得到针对该同一个目标对象的多个位置信息。然后，对所跟踪的目标对象抓拍图根据选帧策略进行逻辑选帧，挑选出部分视频帧，即得到图像质量符合结构化信息分析需求的抓拍图。对目标对象如行人、车辆、非机动车等进行结构化信息的分析，将目标检测跟踪信息(如针对该同一个目标对象的多个位置信息)与所得到结构化分析信息进行融合，最后，将目标对象的结构化信息发送给接入终端，在发起视频播放请求的接入终端进行实时渲染并动态展示包含结构化信息的视频流。通过选择部分视频帧的智能选帧策略，可以实时计算目标图像质量，仅对图像质量优选的部分帧(或称次优帧)进行分析，以降低计算需求，提高系统吞吐，提高精度。且该智能选帧策略采用基于深度学习的神经网络实现的情况下，可以根据深度学习的结果训练并动态调整网络参数，使用训练后的该神经网络进行智能选帧，可以提高结构化信息的实时精度，在实时的视频流上实时渲染该结构化信息，从而满足了监控场景中的实时性需求。其中，深度学习技术，对实时视频中的行人、车量等进行检测、跟踪和分析，提取结构化信息并给予实时显示。行人的结构化属性包括但不限于性别、年龄、服饰等，车辆的结构化属性包括但不限于车辆类型、车辆型号、车身颜色、车牌号码等；非机动车的属性包括但不限于类型、颜色等。通过深度学习技术和智能选帧算法，提高视频流结构化信息实时显示的处理性能，提高系统的吞吐能力。利用深度学习技术和智能选帧算法，给出若干次优帧，提高结构化信息实时精度。只有当用户预览视频时才自适应的触发视频结构化分析，减少系统对gpu等计算资源的使用，保证系统可靠性、可维护性、可用性。

可能的实现方式中，在智能选帧的过程中，可以根据上述融合计算结果得到的图像质量分数大于选帧策略中配置的目标分值的情况下，将图像质量分数大于目标分值的视频帧作为待处理视频帧。从待处理视频帧中提取出对应目标对象的结构化信息，将结构化信息发送给终端，终端为发出视频流播放请求的终端。一个示例中，根据上述融合计算结果得到融合图像后，在融合计算结果大于所述选帧策略中配置的目标分值的情况下，将大于所述目标分值的融合图像作为所述待处理视频帧。所述待处理视频帧可以为图像质量相比原始视频帧次优的次优帧，由于是对次优帧的结构化信息处理，图像质量较低，因此，可以降低运算量，节约资源。

图3示出根据本发明实施例的通过融合计算结果得到融合图像的示意图，根据上述融合计算结果得到融合图像的一个示例中，以包含目标对象a的多帧输入图像为例，包含目前对象a的两个视频帧，分别记为视频帧100和视频帧101，视频帧100和视频帧101可以为：自适应触发本公开选帧策略后，对识别出的同一目标的所有帧进行综合选帧逻辑判断过程中图像质量评估打分符合预期的两个视频帧，比如，对于图像质量评估打分，可以是在图像质量分辨率略低于其他视频帧但是仍然可以应用于视频帧结构化信息的提取，且不影响结构化信息提取的准确率的情况；还可以是两个视频帧中图像具备相关性的情况等等，不影响结构化信息提取的准确率的情况，都在本公开的保护范围之内。将针对两个视频帧的图像质量评估打分结果、两个视频帧针对目标对象a的特征输入图卷积神经网络进行融合运算，根据融合计算结果得到融合图像，融合图像记为视频帧201，在视频帧201中也包含同一目标对象a。融合图像的图像质量为符合实时监控需求的次优帧，通过对次优帧的结构化信息处理，由于图像质量低于从视频流中所提取的原始视频帧，因此，可以降低运算量，节约资源，且该次优帧图像质量分辨率低于该原始视频情况下不影响结构化信息的提取，从而不影响结构化信息提取的准确率。

可能的实现方式中，从待处理视频帧中提取出对应所述目标对象的结构化信息的过程中，对所述待处理视频帧中的目标对象进行特征提取(如头发)和/或属性提取(对应的头发颜色)，得到由特征信息和/或属性信息构成的结构化信息。其中，提取的属性特征还可以包括颜色特征、年龄特征、分类特征、模型特征和速度特征等。可以在对视频流解码得到多个视频帧之后，对多个视频帧中的目标对象进行位置检测，得到目标对象的至少一个目标位置信息。然后，将对应同一目标对象的结构化信息和目标位置信息发送给终端，以由终端进行结构化信息渲染后，将得到的渲染信息和对应目标位置信息添加到视频流中并一起在终端予以播放。

应用示例：

图4示出根据本公开实施例的视频处理系统示意图，基于图4中采集设备(如摄像头)、具有上述实施例视频处理的视频结构化服务器、视频播放请求终端构成实现本公开实施例的一整体软硬件系统方案。通过摄像头12采集视频流，视频流中的某一帧图像如视频帧11所示，包括道路上车辆构成的车流，人行道上的行人、限速标识、停车标识等目标对象，摄像头12将视频流输出到视频结构化服务器13，通过视频结构化服务器13进行车辆、行人等的目标对象检测(如目标对象的位置变化检测)，识别出目标对象(如车辆和/或行人)后进行结构化信息分析，将检测得到的目标对象的目标位置信息、目标对象对应的视频结构化信息和原视频流融合在一起，得到融合计算结果，将融合计算结果发送给发出播放请求的终端14，并输出到终端14的展示界面进行展示，实现本处理流程的各个模块如图4所示，显示于终端14的展示界面且针对各个目标对象的各个结构化信息如图5所示。

图5示出根据本公开实施例的应用示例中视频处理方法的示意图，可以通过实现本处理流程的各个模块(视频解码模块、目标检测模块、选择逻辑模块、自适应模块、结构化分析模块、视频预览模考和视频播放模块)来执行视频结构化信息的处理，采用包括目标检测、选帧逻辑、结构化分析、结构化信息视频展示等处理逻辑。视频解码模块负责将摄像头的视频流进行解码。其中，视频解码模块用于接收发出播放请求的终端所请求的视频流，对视频流进行解码，得到包含目标对象的多个视频帧，目标检测模块用于进行跟踪定位，以检测出每个视频帧中的目标对象(如车辆、行人等)目标位置信息，可以在复杂背景环境中精确识别出车辆、行人等的实时位置。选帧逻辑模块用于根据选帧策略从所有视频帧中选择出部分待处理的视频帧，将待处理的视频帧输出到结构化分析模块，结构化分析模块用于对包含目标对象的待处理视频帧进行针对目标对象的结构化信息的分析，在视频分析中，目标对象在视频画面中会产生上百个的目标抓拍图，如果对这些目标抓拍图全部进行结构化信息的分析(如特征属性分析)，需要占用系统大量的计算资源。在计算资源有限的情况下，可以仅选择若干张次优的目标抓拍图进行结构化信息的分析(如特征属性分析)及结构化信息的提取。选帧逻辑模块可以基于深度学习的神经网络如目标跟踪、分类网络等对输入的包含目标对象的多个视频帧进行图像质量打分，对图像质量分数超过配置的分值(比如0.7，0.8，0.9，0.95等各个阈值)的视频帧各提取一次结构化信息(如特征属性)。为了进一步减少对计算资源的使用，还可以引入自适应模式，即：针对每一路视频流，只有终端通过视频播放模块和/或视频预览模块请求该视频流时才启用选帧逻辑模块。需要指出的是，可以如图4所示分别设置选帧逻辑模块和自适应触发模块，也可以设置具备自适应触发接口的选帧逻辑模块(即将自适应触发和选帧集成在一个选帧逻辑模块中)，在采用自适应触发接口的情况下，针对每一路视频流，接收到视频播放模块或视频预览模块请求视频流时，才会激活该路视频流的选帧提取功能，把选好的部分待处理帧输出到结构化分析模块并进行结构化信息的分析(如特征属性分析)及结构化信息的提取处理。结构化分析模块可以采用基于深度学习的神经网络如特征提取和/或属性提取网络，以分析出每个目标对象的结构化信息，比如，车辆的结构化属性包括车辆类型、车辆型号、车身颜色、车牌号码等；非机动车的结构化属性包括类型、颜色等；行人的结构化属性包括性别、年龄、服饰、头发颜色等。视频预览模块用于把目标检测模块检测的目标位置信息、结构化分析模块识别的结构化信息和原始视频流融合在一起，可以把位置信息、结构化信息放在补充增强信息(sei，supplementalenhancementinformation)报文中，和原始视频帧一起输出到视频播放模块予以展示。视频播放模块可以为基于超文本标记语言(h5，hypertextmarkuplanguage)java脚本(js，javascript)的播放器，可以根据js(js是一个javascript库，可检测出网页上的内嵌视频并使他们能够变成响应式元素)判断终端类型后再去控制界面标签走h5界面播放，用于播放带有结构化信息的视频，在播放之前，视频播放模块可以解析视频帧中的sei报文，将目标的结构化信息进行实时渲染，实时动态展示该结构化信息。

图6示出根据本公开实施例的应用示例中具有结构化信息展示的视频流的示意图。在实际应用中，在相对目标对象而言背景复杂的场景下，也可以实时展示目标对象的结构化信息，实现结构化信息展示与视频播放的实时同步，实时动态展示目标对象的结构化信息。而采用自适应的触发接口，会更多的降低对系统计算资源的占用，有效的保证目标对象监控及对应结构化信息动态展示的实时性，比如，一张p4的gpu卡可以同时处理12路分辨率为1920x1080的视频流。如图5所示，当前视频帧中有多个目标对象(车辆和行人)，其中，目标对象为骑车的行人，其对应的结构化信息为信息21，所展示的信息内容包括：外衣颜色：黄色；头发颜色：黄色；发型：长发；性别：男子；年纪：成人；鞋颜色：黑色等。目标对象为人行道上的行人，其对应的结构化信息为信息22，所展示的信息内容包括：外衣颜色：蓝色；头发颜色：黑色；发型：短发；年纪：成人；鞋颜色：黑色等。目标对象为车流中的东风牌轿车，其对应的结构化信息为信息23，所展示的信息内容包括：品牌：东风；车型：东风-小康v22；车身颜色：白色；车牌：津xxx…等。目标对象为车流中的唐骏牌轿车，其对应的结构化信息为信息24，所展示的信息内容包括：品牌：唐骏；车型：唐骏-赛菱微卡；车身颜色：白色等。目标对象为车流中的江淮牌轿车，其对应的结构化信息为信息25，所展示的信息内容包括：品牌：江淮；车型：江淮-瑞风；车身颜色：红色等。

图7示出根据本公开实施例的应用示例中具备选帧逻辑的系统对视频流处理效果的数据对比示意图。在实际应用的测试中，对系统是否具备选帧逻辑做了对比试验。一张p4的gpu卡同时处理分辨率为1920x1080的视频流的情况下，如图6所示，对应系统方案1，系统具备选帧逻辑，则可处理的视频流路数为12路，而对应系统方案2，系统不具备选帧逻辑，则可处理的视频流路数为2路，可见在同样的计算资源下，带自适应触发的选帧逻辑的系统能处理更多路数的视频流。

本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。

本公开提及的上述各个方法实施例，在不违背原理逻辑的情况下，均可以彼此相互结合形成结合后的实施例，限于篇幅，本公开不再赘述。

此外，本公开还提供了视频处理装置、电子设备、计算机可读存储介质、程序，上述均可用来实现本公开提供的任一种视频处理方法，相应技术方案和描述和参见方法部分的相应记载，不再赘述。

图8示出根据本公开实施例的视频处理装置的框图，如图8所示，本公开实施例的视频处理装置，包括：解码单元31，用于对视频流解码得到多个视频帧，所述视频流中包含所实时采集的目标对象；选帧单元32，用于根据选帧策略从所述多个视频帧中选取部分待处理视频帧，所述待处理视频帧用于表征包含所述目标对象的多个视频帧中图像质量符合实时监控需求的视频帧；信息发送单元33，用于从所述待处理视频帧中提取出对应所述目标对象的结构化信息，将所述结构化信息发送给终端。

可能的实现方式中，所述装置还包括：接收单元，用于接收视频流播放请求，以根据所述视频流播放请求提取所述视频流；所述信息发送单元，用于将所述结构化信息发送给发出所述视频流播放请求的终端。

可能的实现方式中，所述选帧单元，用于：提取所述选帧策略，根据所述选帧策略对所述多个视频帧中包含同一目标对象的至少两个视频帧分别进行图像质量评估，得到至少两个评估结果；将所述至少两个评估结果进行融合运算，得到所述融合计算结果；根据所述融合计算结果从所述多个视频帧中筛选出所述待处理视频帧。

可能的实现方式中，所述选帧单元，用于：根据所述融合计算结果得到融合图像；所述融合计算结果大于所述选帧策略中配置的目标分值的情况下，将大于所述目标分值的融合图像作为所述待处理视频帧。

可能的实现方式中，所述装置还包括分类单元，用于：对所述多个视频帧中的目标对象进行识别，提取出所述目标对象；对所述目标对象进行分类，得到至少一个分类结果。

可能的实现方式中，所述装置还包括归类单元，用于：根据所述至少一个分类结果，对所述多个视频帧中的目标对象进行归类，将包含同一目标对象的至少两个视频帧置于同一个归类结果中。

可能的实现方式中，所述装置还包括检测单元，用于：对所述多个视频帧中的目标对象进行位置检测，得到所述目标对象的至少一个目标位置信息。

可能的实现方式中，所述信息发送单元，用于：对所述待处理视频帧中的目标对象进行特征提取和/或属性提取，得到由特征信息和/或属性信息构成的结构化信息；将对应同一目标对象的结构化信息和目标位置信息发送给终端，以由所述终端进行结构化信息渲染后，将得到的渲染信息和所述目标位置信息添加到所述视频流中并一起播放。

在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。

本公开实施例还提出一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是非易失性计算机可读存储介质。

本公开实施例还提出一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为上述方法。

电子设备可以被提供为终端、服务器或其它形态的设备。

图9是根据一示例性实施例示出的一种电子设备800的框图。例如，电子设备800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等终端。

参照图9，电子设备800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(i/o)的接口812，传感器组件814，以及通信组件816。

处理组件802通常控制电子设备800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。

存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。

电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为电子设备800生成、管理和分配电力相关联的组件。

多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(lcd)和触摸面板(tp)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(mic)，当电子设备800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。

i/o接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件814包括一个或多个传感器，用于为电子设备800提供各个方面的状态评估。例如，传感器组件814可以检测到电子设备800的打开/关闭状态，组件的相对定位，例如所述组件为电子设备800的显示器和小键盘，传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变，用户与电子设备800接触的存在或不存在，电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如cmos或ccd图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络，如wifi，2g或3g，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(nfc)模块，以促进短程通信。例如，在nfc模块可基于射频识别(rfid)技术，红外数据协会(irda)技术，超宽带(uwb)技术，蓝牙(bt)技术和其他技术来实现。

在示例性实施例中，电子设备800可以被一个或多个应用专用集成电路(asic)、数字信号处理器(dsp)、数字信号处理设备(dspd)、可编程逻辑器件(pld)、现场可编程门阵列(fpga)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。

图10是根据一示例性实施例示出的一种电子设备900的框图。例如，电子设备900可以被提供为一服务器。参照图10，电子设备900包括处理组件922，其进一步包括一个或多个处理器，以及由存储器932所代表的存储器资源，用于存储可由处理组件922的执行的指令，例如应用程序。存储器932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件922被配置为执行指令，以执行上述方法。

电子设备900还可以包括一个电源组件926被配置为执行电子设备900的电源管理，一个有线或无线网络接口950被配置为将电子设备900连接到网络，和一个输入输出(i/o)接口958。电子设备900可以操作基于存储在存储器932的操作系统，例如windowsservertm，macosxtm，unixtm,linuxtm，freebsdtm或类似。

在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器932，上述计算机程序指令可由电子设备900的处理组件922执行以完成上述方法。

本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、静态随机存取存储器(sram)、便携式压缩盘只读存储器(cd-rom)、数字多功能盘(dvd)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(isa)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如smalltalk、c++等，以及常规的过程式编程语言—诸如“c”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(fpga)或可编程逻辑阵列(pla)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。

这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。