一种降采样方法、装置、设备及存储介质与流程

1.本公开涉及计算机视觉技术领域，尤其涉及一种降采样方法、装置、设备及存储介质。


背景技术：

2.基于卷积神经网络的人工智能方法在视觉领域得到了广泛的应用。此类方法是具有监督性的学习方法，即需要先对目标数据进行标注，再进行学习得到模型。而数据标注的人工成本，成为了人工智能模型研发的主要成本之一。为了对数据进行有效的标注，需要对采集的原始视频数据进行降采样，将冗余、重复的图像帧删除，而目前降采样的方法比较简单粗略，间隔固定帧进行保存或随机采样。因为机器学习对样本的需求是尽量多的、不同场景的图像帧，而目前的方法没有根据图像内容的差异性进行降采样，存在的问题是可能把视频中出现的新场景帧删除，保留的是冗余的图像帧。


技术实现要素：

3.为了解决上述提出的至少一个技术问题，本公开提出了一种降采样方法、装置、存储介质和电子设备。
4.根据本公开的一方面，提供了一种降采样方法，其包括：对原始视频数据进行编码压缩处理，得到至少一个图像内容帧数据和每一所述图像内容帧数据之后的至少一个的参考帧数据；基于各所述图像内容帧数据和至少一个目标参考帧数据，对所述原始视频数据进行降采样处理，得到目标视频数据，所述目标参考帧数据为对应的数据量大于预设值的参考帧数据，所述数据量用于指示所述目标参考帧数据对应的帧图像相对于相邻帧图像的内容差异；其中，所述图像内容帧数据包含对应的帧图像的完整信息的编码数据，所述参考帧数据表征对应的帧图像与相邻的帧图像的内容差异程度。
5.在一些可能的实施方式中，所述基于各所述图像内容帧数据和至少一个目标参考帧数据，对所述原始视频数据进行降采样处理，得到目标视频数据，包括：根据每一所述参考帧数据对应的多维度编码数据量，确定所述参考帧数据对应的数据量；基于各所述参考帧数据对应的数据量确定所述至少一个目标参考帧数据；基于所述图像内容帧数据和目标参考帧数据，对所述原始视频数据进行降采样处理，得到所述目标视频数据。
6.在一些可能的实施方式中，所述多维度编码数据量包括所述参考帧数据的运动向量的编码数据量以及所述参考帧数据的残差的编码数据量，所述运动向量的编码数据量表征所述参考帧数据对应的帧图像相对于相邻的前一个帧图像的位移，所述残差的编码数据量表征所述参考帧数据对应的帧图像经过运动补偿后，与相邻的前一个帧图像的像素信息差异；所述根据每一所述参考帧数据对应的多维度编码数据量，确定所述参考帧数据对应的数据量，包括：确定所述参考帧数据的运动向量的编码数据量以及所述参考帧数据的残差的编码数据量；基于所述运动向量的编码数据量和所述残差的编码数据量确定所述参考帧数据对应的数据量。
7.在一些可能的实施方式中，所述基于各所述图像内容帧数据和至少一个目标参考帧数据，对所述原始视频数据进行降采样处理，得到目标视频数据之前，所述方法还包括：保存所述原始视频数据的每一个帧图像，得到初始视频数据。
8.在一些可能的实施方式中，所述基于各所述图像内容帧数据和至少一个目标参考帧数据，对所述原始视频数据进行降采样处理，得到目标视频数据，还包括：针对每一所述参考帧数据，在所述参考帧数据不是目标参考帧数据的情况下，删除所述初始视频数据中参考帧数据对应的帧图像；将删除结果作为所述目标视频数据。
9.在一些可能的实施方式中，所述方法还包括:根据所述目标视频数据，得到训练样本，所述训练样本包括所述目标视频数据对应的分类信息；将所述训练样本输入神经网络，得到视频数据分类结果；根据所述视频数据分类结果与所述分类信息之间的差异，调整所述神经网络的参数，得到视频分类模型。
10.根据本公开的第二方面，提供一种降采样装置，所述装置包括：压缩模块，用于对原始视频数据进行编码压缩处理，得到至少一个图像内容帧数据和每一所述图像内容帧数据之后的至少一个的参考帧数据；目标视频数据生成模块，用于基于各所述图像内容帧数据和至少一个目标参考帧数据，对所述原始视频数据进行降采样处理，得到目标视频数据，所述目标参考帧数据为对应的数据量大于预设值的参考帧数据，所述数据量用于指示所述目标参考帧数据对应的帧图像相对于相邻帧图像的内容差异；其中，所述图像内容帧数据包含对应的帧图像的完整信息的编码数据，所述参考帧数据表征对应的帧图像与相邻的帧图像的内容差异程度。
11.在一些可能的实施方式中，上述目标视频数据生成模块还包括：数据量生成单元，用于确定每一所述参考帧数据对应的数据量。
12.根据本公开的第三方面，提供了一种电子设备，包括至少一个处理器，以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述至少一个处理器通过执行所述存储器存储的指令实现如第一方面中任意一项所述的降采样方法。
13.根据本公开的第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一条指令或至少一段程序，所述至少一条指令或至少一段程序由处理器加载并执行以实现如第一方面中任意一项所述的降采样方法。
14.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。
15.实施本公开，具有以下有益效果：通过对原始视频数据进行编码压缩处理，得到至少一个图像内容帧数据和每一上述图像内容帧数据之后的至少一个的参考帧数据；基于各上述图像内容帧数据和至少一个目标参考帧数据，对上述原始视频数据进行降采样处理，得到目标视频数据，上述目标参考帧数据对应的数据量大于预设值，上述数据量用于指示上述目标参考帧数据对应的帧图像相对于相邻帧图像的内容差异。通过实施本公开的降采样方法，能够实现对视频数据的有效处理，避免了在采集图像帧时保留过多的相同场景的帧，能够保证图像帧之间的差异性，有效提升了机器学习训练数据的多样性、有效性。
16.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
17.为了更清楚地说明本说明书实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本说明书的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
18.图1示出根据本公开实施例的一种降采样方法的流程示意图；
19.图2示出根据本公开实施例的一种对原始视频数据进行降采样处理的流程示意图；
20.图3示出本公开实施例中一种参考帧数据对应的数据量的获取方法的流程示意图；
21.图4示出根据本公开的一种降采样方法具体实施例的流程示意图；
22.图5示出根据本公开实施例的一种视频分类模型训练方法的流程示意图；
23.图6示出根据本公开实施例的降采样装置框图；
24.图7示出根据本公开实施例的一种训练数据采集装置的框图；
25.图8示出根据本公开实施例的一种电子设备的框图；
26.图9示出根据本公开实施例的另一种电子设备的框图。
具体实施方式
27.下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
28.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
29.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。
30.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。
31.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。
32.另外，为了更好地说明本公开，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。
33.有鉴于此，本公开实施例提供一种降采样方法，可以实现对视频数据的高效标注。本公开实施例提供的技术方案可以应用于图像处理、目标检测等应用场景及其扩展，本公开实施例对此不做限定。
34.图1示出根据本公开实施例的一种降采样方法的流程示意图，如图1所示，上述方法包括：
35.s10:对原始视频数据进行编码压缩处理，得到至少一个图像内容帧数据和每一上述图像内容帧数据之后的至少一个的参考帧数据。
36.本公开实施例中，可以通过电子设备获取上述原始视频数据。或者，电子设备可以从其他设备处获取上述原始视频数据，例如，电子设备可以从摄像设备、监控设备等设备处获取上述原始视频数据。
37.本公开实施例中，上述图像内容帧数据为包含帧图像的完整信息的编码数据，上述参考帧数据表征对应的帧图像与前一帧的帧图像的内容差异程度。
38.本公开实施例中，上述对视频数据的编码压缩处理可以采用包括但不限于h.264编码算法、h.265编码算法和mpeg2编码算法。
39.一具体实施例中，对原始视频数据的编码压缩处理采用h.264编码算法，压缩后得到三种帧，分别是i帧、p帧、b帧，其中，i帧是采用帧内压缩产生的，p帧和b帧是帧间压缩产生的，i帧为包含帧图像的完整信息的编码数据，p帧表征对应的帧图像与相邻的帧图像的内容差异程度，因此，此时的i帧对应本公开技术方案中的图像内容帧数据，p帧对应本公开技术方案的参考帧数据，其中，i帧和p帧的排列顺序为i、p、p、p
……
i、p、p
……
i、p
……
，也即i帧与p帧间隔排列，每个i帧后面排列有至少一个p帧。
40.s20:基于各上述图像内容帧数据和至少一个目标参考帧数据，对上述原始视频数据进行降采样处理，得到目标视频数据，上述目标参考帧数据对应的数据量大于预设值，上述数据量用于指示上述目标参考帧数据对应的帧图像相对于相邻帧图像的内容差异。
41.在本公开实施例中，上述基于各所述图像内容帧数据和至少一个目标参考帧数据，对上述原始视频数据进行降采样处理，得到目标视频数据，包括如图2所示的步骤：
42.s201：根据每一上述参考帧数据对应的多维度编码数据量，确定上述参考帧数据对应的数据量。
43.在本公开实施例中，上述多维度编码数据量包括上述参考帧数据的运动向量的编码数据量以及上述参考帧数据的残差的编码数据量，上述运动向量的编码数据量表征上述参考帧数据对应的帧图像相对于相邻的前一个帧图像的位移，上述残差的编码数据量表征上述参考帧数据对应的帧图像经过运动补偿后，与相邻的前一个帧图像的像素信息差异。
44.图3示出本公开实施例中一种参考帧数据对应的数据量的获取方法的流程示意图。
45.s2011：确定上述参考帧数据的运动向量的编码数据量以及上述参考帧数据的残差的编码数据量。
46.在本公开实施例中，基于上述提供的h.264编码算法、h.265编码算法和mpeg2编码算法等，对原始视频数据进行编码压缩处理，可以得到上述参考帧数据的运动向量的编码
数据量以及上述参考帧数据的残差的编码数据量。
47.s2012:基于上述运动向量的编码数据量和上述残差的编码数据量确定上述参考帧数据对应的数据量，上述数据量为上述运动向量的编码数据量以及上述残差的编码数据量的加权和。
48.在一具体实施例中，对原始视频数据的编码压缩处理采用h.264编码算法，压缩后得到n个i帧和p帧(其中n是大于零的整数)，因此，i帧为包含帧图像的完整信息的编码数据，p帧表征对应的帧图像与相邻的帧图像的内容差异程度，因此，此时的i帧对应本公开技术方案中的图像内容帧数据，p帧对应本公开技术方案的参考帧数据。其中，第n个p帧(n是1到n之间的整数)的运动向量的编码数据量mvn和残差的编码数据量ren，计算第n个p帧对应的数据量mpn＝k
·
mvn+f
·
ren，其中k,f为加权系数，可以由实验获得。
49.基于上述配置，上述运动向量的编码数据量以及残差的编码数据量的权重系数的设置使得上述参考帧数据更加能够体现其对应的帧图像与其相邻的前一帧图像的内容差异性，通过计算上述参考帧数据对应的数据量可以获得上述原视频图像帧之间的差异性信息，便于接下来对图像帧的有效性进行筛选。
50.s202：基于各上述参考帧数据对应的数据量确定上述至少一个目标参考帧数据。
51.在本公开实施例中，在得到了上述参考帧数据对应的数据量之后，判断上述每一参考帧数据对应的数据量与预设值的大小关系，对于参考帧数据对应的数据量大于预设值的，标记其为目标参考帧数据。
52.本公开的实施例中的预设值可以根据实际需求进行设置，也可通过实验调整预设值来获得，通过改变预设值可以调节降采样筛选有效帧的强度，当预设值较低时，帧间差异性较小，当预设值较高时，帧间差异性较大。
53.s203：基于上述图像内容帧数据和目标参考帧数据，对上述原始视频数据进行降采样处理，得到所述目标视频数据。
54.在一些实施例中，上述基于各上述图像内容帧数据和至少一个目标参考帧数据，对所述原始视频数据进行降采样处理，得到目标视频数据，包括：针对每一上述参考帧数据，在上述参考帧数据不是目标参考帧数据的情况下，删除所述初始视频数据中参考帧数据对应的帧图像；将删除结果作为所述目标视频数据。基于上述配置，删除了与相邻帧图像差异不大的帧图像，实现了冗余帧的去除。
55.基于上述配置，能够基于上述原始视频的图像帧数据之间的差异性信息对其进行降采样，通过此降采样方法获得的数据有效性得到了大大提升，同时也省去了人工降采样的成本。
56.在本公开实施例中，在上述基于各上述图像内容帧数据和至少一个目标参考帧数据，对上述原始视频数据进行降采样处理，得到目标视频数据之前，上述方法还包括：保存上述原始视频数据的每一个帧图像，得到初始视频数据，对原始视频数据进行编码压缩处理之后，从原始的视频流数据得到至少一个帧图像数据，保留压缩得到的所有帧图像数据，得到初始视频数据。
57.基于上述配置，保存了原始视频数据经过编码压缩处理之后得到的各个帧图像，以便接下来对这些帧图像进行筛选得到上述目标视频数据。
58.图4示出根据本公开的一种降采样方法具体实施例的流程示意图，如图4所示，在
一具体的实施例中：
59.s01:使用摄像设备获取原始视频数据。
60.s02:对上述原始视频数据采用h.264编码压缩算法进行编码压缩处理得到i帧和p帧。
61.s03:将所有i帧对应的帧图像保存到数据存储模块。
62.s04:判断每一p帧对应的数据量是否大于预设值，若是，则保留该p帧对应的帧图像到数据存储模块，若不是，删除该p帧对应的帧图像。
63.s05：重复s04直到完成对所有p帧对应的帧图像的处理，得到降采样后的目标视频数据。
64.基于上述五个步骤，能够得到高质量的视频图像数据，对这些数据进行标注并用于后续的机器学习，能够提高相关学习模型的学习效率和学习质量。
65.图5示出根据本公开实施例的一种视频分类模型训练方法的流程示意图，如图5所示，上述方法包括：
66.s30:根据上述目标视频数据，得到训练样本，上述训练样本包括上述目标视频数据对应的分类信息。
67.本公开实施例中，目标视频数据是基于上述降采样方法获得，因此上述目标视频数据的帧图像之间保证了图像内容的差异性，可以认为目标视频数据包含不同的场景。
68.s40:将上述训练样本输入神经网络，得到视频数据分类结果。
69.本公开实施例中，神经网络可以是卷积神经网络、深度学习神经网络、强化学习神经网络以及深度强化学习神经网络等，本公开对于神经网络的类型不做限制。
70.s50:根据上述视频数据分类结果与上述分类信息之间的差异，调整上述神经网络的参数，得到视频分类模型。
71.本公开实施例中，调整上述神经网络的参数，可以预设训练次数，在达到预设的训练次数时，停止对上述神经网络参数的更新以获得所需的分类模型，也可以基于视频数据分类结果与上述分类信息之间的差异程度，在差异程度小于预设值时，取此时的分类模型作为所需的分类模型，对于神经网络参数更新停止的条件，本公开不做限制。
72.基于上述配置，可以获得视频分类模型，此视频分类模型可以根据实际需求调节其参数，同时，本公开实施例的视频分类模型实现了对上述降采样后获得的目标视频数据的有效利用，通过此视频分类模型，可以获得视频数据之间的差异性信息，其在实际应用过程中产生的相关经验数据也有助于上述降采样方法的改进。
73.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地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。
74.可以理解，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。
75.图6示出根据本公开实施例的一种降采样装置的框图；如图6所示，上述装置包括：
76.压缩模块101，用于对原始视频数据进行编码压缩处理，得到至少一个图像内容帧数据和每一上述图像内容帧数据之后的至少一个的参考帧数据；
77.目标视频数据生成模块102，用于基于各上述图像内容帧数据和至少一个目标参
考帧数据，对上述原始视频数据进行降采样处理，得到目标视频数据，上述目标参考帧数据为对应的数据量大于预设值的参考帧数据，上述数据量用于指示上述目标参考帧数据对应的帧图像相对于相邻帧图像的内容差异；
78.其中，上述图像内容帧数据包含对应的帧图像的完整信息的编码数据，上述参考帧数据表征对应的帧图像与相邻的帧图像的内容差异程度。
79.在一些可能的实施方式中，上述目标视频数据生成模块102还包括：数据量生成单元，用于确定每一上述参考帧数据对应的数据量。
80.在一些可能的实施方式中，上述目标视频数据生成模块用于基于各所述图像内容帧数据和至少一个目标参考帧数据，对上述原始视频数据进行降采样处理，得到目标视频数据，包括：根据每一上述参考帧数据对应的多维度编码数据量，确定上述参考帧数据对应的数据量；基于各上述参考帧数据对应的数据量确定上述至少一个目标参考帧数据；基于上述图像内容帧数据和目标参考帧数据，对上述原始视频数据进行降采样处理，得到上述目标视频数据。
81.在一些可能的实施方式中，上述多维度编码数据量包括上述参考帧数据的运动向量的编码数据量以及上述参考帧数据的残差的编码数据量，上述运动向量的编码数据量表征上述参考帧数据对应的帧图像相对于相邻的前一个帧图像的位移，上述残差的编码数据量表征上述参考帧数据对应的帧图像经过运动补偿后，与相邻的前一个帧图像的像素信息差异；上述根据每一所述参考帧数据对应的多维度编码数据量，确定上述参考帧数据对应的数据量，包括：确定上述参考帧数据的运动向量的编码数据量以及上述参考帧数据的残差的编码数据量；基于上述运动向量的编码数据量和上述残差的编码数据量确定上述参考帧数据对应的数据量。
82.在一些可能的实施方式中，上述基于各上述图像内容帧数据和至少一个目标参考帧数据，对上述原始视频数据进行降采样处理，得到目标视频数据之前，上述方法还包括：保存上述原始视频数据的每一个帧图像，得到初始视频数据。
83.在一些可能的实施方式中，上述所述基于各所述图像内容帧数据和至少一个目标参考帧数据，对上述原始视频数据进行降采样处理，得到目标视频数据，还包括：针对每一上述参考帧数据，在上述参考帧数据不是目标参考帧数据的情况下，删除上述初始视频数据中参考帧数据对应的帧图像；将删除结果作为所述目标视频数据。
84.在一些可能的实施方式中，上述装置还包括训练模块，上述训练模块还用于根据上述目标视频数据，得到训练样本，上述训练样本包括上述目标视频数据对应的分类信息；将上述训练样本输入神经网络，得到视频数据分类结果；根据上述视频数据分类结果与上述分类信息之间的差异，调整上述神经网络的参数，得到视频分类模型。
85.图7示出根据本公开实施例的一种训练数据采集装置的框图；如图7所示，上述装置包括：
86.视频采集模块201，用于获取原始视频数据；
87.视频数据降采样模块202，用于基于上述降采样方法对上述原始视频数据进行降采样处理得到目标视频数据；
88.数据存储模块203，用于存储上述目标视频数据。
89.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
行上述实施例描述的降采样方法，其具体实现可以参照上述实施例的描述，为了简洁，这里不再赘述。
90.本公开实施例还提出一种计算机可读存储介质，上述计算机可读存储介质中存储有至少一条指令或至少一段程序，上述至少一条指令或至少一段程序由处理器加载并执行时实现上述降采样方法。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。
91.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，上述处理器被配置为上述降采样方法。
92.电子设备可以被提供为终端、服务器或其它形态的设备。
93.图8示出根据本公开实施例的一种电子设备的框图。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。
94.参照图8，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。
95.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。
96.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。
97.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。
98.多媒体组件808包括在上述电子设备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。上述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与上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。
99.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(mi c)，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。
100.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。
101.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，例如上述组件为电子设备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。
102.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、3g、4g、5g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，上述通信组件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。
103.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，用于执行上述降采样方法。
104.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执行以完成上述降采样方法。
105.图9示出根据本公开实施例的另一种电子设备的框图。例如，电子设备1900可以被提供为一服务器。参照图9，电子设备1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932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1922被配置为执行指令，以执行上述降采样方法。
106.电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理，一个有线或无线网络接口1950被配置为将电子设备1900连接到网络，和一个输入输出(i/o)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统，例如windows server tm，mac os xtm，unixtm,linuxtm，freebsdtm或类似。
107.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1932，上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述降采样方法。
108.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。
109.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。
110.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。
111.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，上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。
112.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。
113.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。
114.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。
115.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，上述模块、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，方框中所标准的功能也可以以不同于附图中所标准的顺序发生。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。
116.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。