一种自动视频展示方法及系统

本发明涉及户外视频自动处理领域，具体涉及一种自动视频展示方法及系统。

背景技术：

1、随着生态养殖和稻田景观旅游度假区的快速发展，当前全国生态养殖和稻田景观旅游场所大幅增加，在生态养殖和稻田景观旅游场所的多维度展示方面相对欠缺，游客的新鲜感较为平等，随着科技的发展，视频技术在生态养殖和稻田景观旅游场所得到了广泛的应用，尤其是在户外旅游景区，视频展示已经成为一种重要的宣传和吸引游客的手段。然而，传统的视频展示方法往往需要人工进行视频的拍摄、剪辑和播放，这不仅消耗大量的人力物力，而且难以实时反映景区的实际情况，不能满足游客对实时、真实的体验需求。

2、为了解决上述问题，一些技术提供了自动视频拍摄和播放的方法，但这些方法往往忽略了视频内容的质量和实时性。例如，简单地使用摄像头实时捕捉景区的视频并直接播放，虽然能够实现实时性，但视频的内容可能并不吸引人，而且可能会受到各种环境因素的影响，如光线、天气等，导致视频的质量不高。此外，这种方法也不能实现对特定内容，如游客、特色景点等的特定展示，不能满足游客的个性化需求。例如政府视察、学生参观、家庭游客等不同群体需要匹配不同的环境，有些需要严肃的场景、有些需要欢乐的场景等。

3、另一方面，一些技术提供了使用预先录制的视频片段进行播放的方法，这种方法可以确保视频的质量，但缺乏实时性，不能反映景区的实时情况。而且，这种方法也不能实现对特定内容的特定展示，同样不能满足游客的个性化需求。且如果在旅游场所，自动生成一段带有游客的视频片段加上本地的一些元素，会大大增加游客的体验感，但需要快速的生成且需要快速的匹配当地元素的视频以形成完成的视频。

4、为了克服上述问题，需要一种新的视频展示方法，既能够实现视频的实时性，又能够确保视频的质量，而且能够实现对特定内容的特定展示，满足游客的个性化需求。此外，考虑到户外景区的特点，如光线、天气等环境因素的变化，以及游客的动态变化，这种方法还需要能够动态地调整视频的内容和属性，如色彩、亮度、对比度等，以确保视频的质量和吸引力。

技术实现思路

1、针对现有技术中提到的上述问题，为解决上述技术问题，本发明提供了一种自动视频展示方法及系统，该方法通过采用计算相似度找到最优的匹配解决方案，采用加入时间权重因子w(t)对采用cnn卷积神经网络对提取的视频图像中道路部分进行特征提取后并分别计算与数据库中的每个视频片段进行计算相似u的找到最优匹配片段，并根据δt＝tin-tdb的值对数据库中相似度s最大的视频片段进行色彩和/或亮度和/或对比度调整，然后再进行拼接，实现了视频的快速拼接展示自动化处理。

2、一种自动视频展示方法，包括步骤：

3、s1：实时捕捉稻田景观游览区的视频图像；

4、s2：当有游客时，对视频图像中道路部分进行提取，对视频图像中的非道路部分每隔时间t1进行一次提取；

5、s3：采用cnn卷积神经网络对提取的视频图像中道路部分进行特征提取，并分别计算与数据库中的每个视频片段的相似度s：

6、

7、a为采用cnn卷积神经网络对提取的视频图像进行特征提取的特征向量，b表示当前选择的数据库中的视频片段的特征向量；

8、w(t)为时间权重因子,

9、其中，e为自然对数，α为设定的常量用于控制时间差异的影响程度，tin为对视频图像中道路部分进行提取的时间，tdb为数据库中的视频片段提取时间；

10、s4：提取的视频图像与数据库中相似度s最大的视频片段进行拼接形成新的视频片段；

11、s5：将生成的视频片段自动展示在稻田景观游览区大屏幕上。

12、优选地，所述实时捕捉稻田景观游览区的视频图像，还包括采用直方图均衡化对视频图像进行去噪处理。

13、优选地，所述当有游客时，对视频图像中道路部分进行提取，包括采用帧差法判断是否有游客进入，当有游客进入后则提取时间间隔为t2的视频段。

14、优选地，所述采用cnn卷积神经网络对提取的视频图像中道路部分进行特征提取，其中cnn卷积神经网络采用relu非线性激活函数。

15、优选地，所述提取的视频图像与数据库中相似度s最大的视频片段进行拼接形成新的视频片段，还包括根据δt＝tin-tdb的值对数据库中相似度s最大的视频片段进行色彩和/或亮度和/或对比度调整，然后再进行拼接，调整过程如下：

16、c(t)＝c0+β*sin(ρ*δt)

17、其中，c(t)是色彩调整值，c0是基线色彩值，β是设定的色彩调整系数，ρ是设定的色彩δt调整系数；

18、l(t)＝l0+γ*cos(∈*δt)

19、l(t)是亮度调整值，l0是基线亮度值，γ是设定的亮度调整系数，∈是设定的亮度δt调整系数；

20、

21、p(t)是对比度调整值，p0是基线对比度值，θ是设定的对比度调整系数，是设定的对比度δt调整系数。

22、本技术还提供一种自动视频展示系统，包括：

23、ccd相机实时捕捉稻田景观游览区的视频图像；

24、视频提取模块，当有游客时，对视频图像中道路部分进行提取，对视频图像中的非道路部分每隔时间t1进行一次提取；

25、相似度计算模块，采用cnn卷积神经网络对提取的视频图像中道路部分进行特征提取，并分别计算与数据库中的每个视频片段的相似度s：

26、

27、a为采用cnn卷积神经网络对提取的视频图像进行特征提取的特征向量，b表示当前选择的数据库中的视频片段的特征向量；

28、w(t)为时间权重因子，

29、其中，e为自然对数，α为设定的常量用于控制时间差异的影响程度，tin为对视频图像中道路部分进行提取的时间，tdb为数据库中的视频片段提取时间；

30、视频拼接模块，提取的视频图像与数据库中相似度s最大的视频片段进行拼接形成新的视频片段；

31、视频展示模块，将生成的视频片段自动展示在稻田景观游览区大屏幕上。

32、优选地，所述实时捕捉稻田景观游览区的视频图像，还包括采用直方图均衡化对视频图像进行去噪处理。

33、优选地，所述当有游客时，对视频图像中道路部分进行提取，包括采用帧差法判断是否有游客进入，当有游客进入后则提取时间间隔为t2的视频段。

34、优选地，所述采用cnn卷积神经网络对提取的视频图像中道路部分进行特征提取，其中cnn卷积神经网络采用relu非线性激活函数。

35、优选地，所述提取的视频图像与数据库中相似度s最大的视频片段进行拼接形成新的视频片段，还包括根据δt＝tin-tdb的值对数据库中相似度s最大的视频片段进行色彩和/或亮度和/或对比度调整，然后再进行拼接，调整过程如下：

36、c(t)＝c0+β*sim(ρ*δt)

37、其中，c(t)是色彩调整值，c0是基线色彩值，β是设定的色彩调整系数，ρ是设定的色彩δt调整系数；

38、l(t)＝l0+γ*cos(∈*δt)

39、l(t)是亮度调整值，l0是基线亮度值，γ是设定的亮度调整系数，∈是设定的亮度δt调整系数；

40、

41、p(t)是对比度调整值，p0是基线对比度值，θ是设定的对比度调整系数，是设定的对比度δt调整系数。

42、本发明提供了一种自动视频展示方法及系统，所能实现的有益技术效果如下：

43、1、本技术通过采用采用cnn卷积神经网络对提取的视频图像中道路部分进行特征提取，并分别计算与数据库中的每个视频片段的相似度s：

44、

45、a为采用cnn卷积神经网络对提取的视频图像进行特征提取的特征向量，b表示当前选择的数据库中的视频片段的特征向量；

46、w(t)为时间权重因子，

47、其中，e为自然对数，α为设定的常量用于控制时间差异的影响程度，tin为对视频图像中道路部分进行提取的时间，tdb为数据库中的视频片段提取时间，本技术通过加入w(t)为时间权重因子，实现了匹配的精准性，例如政府群体、学生群体、家庭等通过穿戴校服或西装或自由穿戴等颜色不同，实现了数据库片段的竞争匹配，大大增强了视频匹配准确和展示处理效率。

48、2、本发明根据提取的视频图像与数据库中相似度s最大的视频片段进行拼接形成新的视频片段，还包括根据δt＝tin-tdb的值对数据库中相似度s最大的视频片段进行色彩和/或亮度和/或对比度调整，然后再进行拼接，大大增强了视频的匹配度，例如时间间隔较久则差异较大，则对对比度、色彩、亮度进行适应性的设置，大大提高了匹配程度。

49、3、本发明通过当有游客时，对视频图像中道路部分进行提取，对视频图像中的非道路部分每隔时间t1进行一次提取，大大提高了视频图像处理效率，因为在户外只有道路上的人变动较大，景物农田等色彩等基本不变，只针对性的处理有变化部分，大大增强了处理效率。