视频存储方法、装置、电子设备和计算机可读介质与流程

本公开的实施例涉及计算机，具体涉及视频存储方法、装置、电子设备和计算机可读介质。

背景技术：

1、目前，利用摄像装置来实现目标区域的有效监控的技术已广泛应用于人们的日常生活中。对于摄像视频中如何提取对象对应的视频片段，通常采用的方式为：通过相关技术人员，利用视频剪辑软件，来实现对象对应视频片段的剪取。

2、然而，当采用上述方式来生成对象对应的视频片段，经常会存在如下技术问题：

3、需要相关技术人员一帧一帧去检测是否存在于对象相关的视频内容，常出现少裁剪情况的发生，导致裁剪效率低下，且浪费了大量的人力资源和计算机设备资源。

4、该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解，并因此，其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。

技术实现思路

1、本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

2、本公开的一些实施例提出了视频存储方法、装置、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题中的一项或多项。

3、第一方面，本公开的一些实施例提供了一种视频存储方法，包括：获取针对摄像空间的摄像视频集和至少一个视频片段对象信息，其中，上述摄像视频集包括：第一方位摄像装置对应的第一摄像视频、第二方位摄像装置对应的第二摄像视频、第三方位摄像装置对应的第三摄像视频；对上述第一摄像视频、上述第二摄像视频和第三摄像视频进行同频抽帧处理，以生成第一帧图像序列、第二帧图像序列和第三帧图像序列；对上述第一帧图像序列、上述第二帧图像序列和上述第三帧图像序列按图像同时间顺序进行拼接，以生成拼接图像序列；将上述拼接图像序列中的每个拼接图像输入至预先训练的对象识别信息生成模型，以生成对象识别信息，得到对象识别信息序列，其中，对象识别信息是与上述至少一个视频片段对象信息相关联的识别信息；根据上述对象识别信息序列，设置针对上述拼接图像序列中的每个拼接图像对应的图像权重，得到图像权重序列；根据上述图像权重序列和拼接图像序列，利用聚类簇中心信息生成模型，生成至少一个簇中心信息；根据上述至少一个簇中心信息，执行针对上述拼接图像序列的聚类处理，以生成图像标识簇集；将上述图像标识簇集、上述拼接图像序列和上述拼接图像序列对应的图像时间序列进行打包处理，以生成打包文件；将上述打包文件和上述摄像视频集存储于摄像视频存储端，以用于后续视频片段对象信息对应视频片段的获取。

4、第二方面，本公开的一些实施例提供了一种视频存储装置，包括：获取单元，被配置成获取针对摄像空间的摄像视频集和至少一个视频片段对象信息，其中，上述摄像视频集包括：第一方位摄像装置对应的第一摄像视频、第二方位摄像装置对应的第二摄像视频、第三方位摄像装置对应的第三摄像视频；抽帧单元，被配置成对上述第一摄像视频、上述第二摄像视频和第三摄像视频进行同频抽帧处理，以生成第一帧图像序列、第二帧图像序列和第三帧图像序列；拼接单元，被配置成对上述第一帧图像序列、上述第二帧图像序列和上述第三帧图像序列按图像同时间顺序进行拼接，以生成拼接图像序列；输入单元，被配置成将上述拼接图像序列中的每个拼接图像输入至预先训练的对象识别信息生成模型，以生成对象识别信息，得到对象识别信息序列，其中，对象识别信息是与上述至少一个视频片段对象信息相关联的识别信息；设置单元，被配置成根据上述对象识别信息序列，设置针对上述拼接图像序列中的每个拼接图像对应的图像权重，得到图像权重序列；生成单元，被配置成根据上述图像权重序列和拼接图像序列，利用聚类簇中心信息生成模型，生成至少一个簇中心信息；执行单元，被配置成根据上述至少一个簇中心信息，执行针对上述拼接图像序列的聚类处理，以生成图像标识簇集；打包单元，被配置成将上述图像标识簇集、上述拼接图像序列和上述拼接图像序列对应的图像时间序列进行打包处理，以生成打包文件；存储单元，被配置成将上述打包文件和上述摄像视频集存储于摄像视频存储端，以用于后续视频片段对象信息对应视频片段的获取。

5、第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。

6、第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现如第一方面中任一实现方式描述的方法。

7、本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的视频存储方法，可以准确、高效地针对摄像视频集来实现至少一个视频片段对象信息对应的视频段生成。具体来说，造成相关的对象对应的视频片段生成不够精确、高效的原因在于：需要相关技术人员一帧一帧去检测是否存在于对象相关的视频内容，常出现少裁剪情况的发生，导致裁剪效率低下，且浪费了大量的人力资源和计算机设备资源。基于此，本公开的一些实施例的视频存储方法，首先，获取针对摄像空间的摄像视频集和至少一个视频片段对象信息。其中，上述摄像视频集包括：第一方位摄像装置对应的第一摄像视频、第二方位摄像装置对应的第二摄像视频、第三方位摄像装置对应的第三摄像视频。在这里，通过摄像空间对应的多方位摄像视频，可以全方位无死角的后续确定每个视频片段对象信息对应的视频片段，实现了视频片段对象的视频内容的全方位获取。然后，对上述第一摄像视频、上述第二摄像视频和第三摄像视频进行同频抽帧处理，以生成第一帧图像序列、第二帧图像序列和第三帧图像序列，以便于后续视频片段的获取。接着，对上述第一帧图像序列、上述第二帧图像序列和上述第三帧图像序列按图像同时间顺序进行拼接，以生成拼接图像序列，以便于将各个方位的同一时间下的图像内容的汇集，便于后续视频片段可以更精准地进行确定。再接着，将上述拼接图像序列中的每个拼接图像输入至预先训练的对象识别信息生成模型，以准确地生成对象识别信息，得到对象识别信息序列。其中，对象识别信息是与上述至少一个视频片段对象信息相关联的识别信息。在这里，所得到的对象识别信息用于后续每个拼接图像的图像内容权重大小，可以保障后续针对图像内容权重大小，更精准地实现视频片段的获取。进而，根据上述对象识别信息序列，可以准确地设置针对上述拼接图像序列中的每个拼接图像对应的图像权重，得到图像权重序列，以确定每个拼接图像对应图像内容的重要程度。其次，根据上述图像权重序列和拼接图像序列，利用聚类簇中心信息生成模型，可以准确地生成至少一个簇中心信息。在这里，通过聚类簇中心信息生成模型，可以实现聚类前的簇中心的初步确定，避免因聚类因输入数据集对应数量较大且数据计算复杂的问题的发生。除此之外，聚类的簇中心的高效确定，可以大大缩短聚类消耗时间，提高聚类效率，缩短聚类周期。其中，聚类簇中心信息生成模型是低量级的神经网络模型。进一步，根据上述至少一个簇中心信息，执行针对上述拼接图像序列的聚类处理，以高效地生成图像标识簇集。接下来，将上述图像标识簇集、上述拼接图像序列和上述拼接图像序列对应的图像时间序列进行打包处理，以生成打包文件，以便于后续调取对象对应视频片段。最后，将上述打包文件和上述摄像视频集存储于摄像视频存储端，以用于后续视频片段对象信息对应视频片段的获取。总上，先通过聚类簇中心信息生成模型来实现至少一个簇中心信息的初步确定，可以大大缩短后续聚类周期，提高聚类效率和精准性。除此之外，还考虑了图像权重该因素，进一步保障了后续待获取的对象对应视频片段的精准性。