一种视频的高清化处理方法、系统、设备及介质与流程

本申请涉及图像处理，尤其涉及一种视频的高清化处理方法、系统、设备及介质。

背景技术：

1、相关技术中，视频质量的优化主要是通过提高分辨率、改进编码方式等手段实现的。然而，视频中的模糊帧，尤其是人脸部分的模糊，仍然是一个难以解决的问题。相关的图像锐化、滤波等技术往往无法有效地恢复模糊的人脸，甚至可能导致人脸部分的细节丢失。此外，用户在处理视频时，往往需要对每一帧图像进行单独的编辑，这极大地增加了用户的操作负担，导致处理结果难以满足用户需求，影响了对视频人脸高清化的效率。

2、综上，相关技术中存在的技术问题有待得到改善。

技术实现思路

1、本申请实施例的主要目的在于提出一种视频的高清化处理方法、系统、设备及介质，能够提高视频人脸的高清化处理效率。

2、为实现上述目的，本申请实施例的一方面提出了一种视频的高清化处理方法，所述方法包括：

3、获取待处理视频；

4、对所述待处理视频的人脸图像进行图像清晰度识别处理，得到模糊图像和清晰图像；

5、通过深度学习模型对所述模糊图像和所述清晰图像进行人脸特征提取处理，得到模糊人脸特征和清晰人脸特征；

6、根据所述模糊人脸特征和所述清晰人脸特征对所述模糊图像进行高清化处理，得到高清化图像；

7、根据所述高清化图像对所述待处理视频中的模糊图像进行替换处理，得到高清视频。

8、在一些实施例中，所述对所述待处理视频的人脸图像进行图像清晰度识别处理，得到模糊图像和清晰图像，包括以下步骤：

9、对所述待处理视频中的每一张人脸图像进行清晰度计算处理，得到图像清晰度集合；

10、根据预设的清晰度阈值对所述图像清晰度集合进行判断处理，得到模糊图像和清晰图像。

11、在一些实施例中，所述对所述待处理视频中的每一张人脸图像进行清晰度计算处理，得到图像清晰度集合，包括对人脸图像进行清晰度计算处理，得到图像清晰度，具体包括以下步骤：

12、根据清晰度评价函数对所述人脸图像进行全局清晰度识别处理，得到第一清晰度结果；

13、将所述人脸图像输入神经网络模型进行边缘细节清晰度识别处理，输出得到第二清晰度结果；

14、对所述第一清晰度结果和所述第二清晰度结果进行加权求和处理，得到图像清晰度。

15、在一些实施例中，所述根据所述模糊人脸特征和所述清晰人脸特征对所述模糊图像进行高清化处理，得到高清化图像，包括以下步骤：

16、获取高清人脸特征数据库；

17、根据所述模糊人脸特征从所述高清人脸特征数据库中选取得到替换样本；

18、将所述清晰人脸特征和所述替换样本输入生成式网络进行人脸语义特征对齐处理，输出得到高清化人脸图像；

19、对所述高清化人脸图像和所述模糊图像进行图像融合处理，得到高清化图像。

20、在一些实施例中，所述根据所述模糊人脸特征从所述高清人脸特征数据库中选取得到替换样本，包括以下步骤：

21、根据所述模糊人脸特征对所述高清人脸特征数据库中的每一个高清人脸特征进行相似度计算处理，得到相似度值集合；

22、根据相似度值集合从所述高清人脸特征数据库中选取得到相似度值最高的高清人脸特征作为替换样本。

23、在一些实施例中，所述将所述清晰人脸特征和所述替换样本输入生成式网络进行人脸语义特征对齐处理，输出得到高清化人脸图像，包括以下步骤：

24、将所述替换样本输入所述生成式网络的编码器进行特征编码处理，输出得到编码特征；

25、根据所述清晰人脸特征对所述编码特征进行特征嵌入处理，得到嵌入结果；

26、将所述嵌入结果输入所述生成式网络的解码器进行特征解码处理，输出得到高清化人脸图像。

27、在一些实施例中，所述对所述高清化人脸图像和所述模糊图像进行图像融合处理，得到高清化图像，具体包括以下步骤：

28、从所述高清化人脸图像中选取人脸区域作为融合区域；

29、根据泊松方程在所述融合区域对所述高清化人脸图像和所述模糊图像进行梯度信息求解处理，得到求解结果；

30、根据所述求解结果将所述高清化人脸图像融合到所述模糊图像中，得到高清化图像。

31、为实现上述目的，本申请实施例的另一方面提出了一种视频的高清化处理系统，所述系统包括：

32、第一模块，用于获取待处理视频；

33、第二模块，用于对所述待处理视频的人脸图像进行图像清晰度识别处理，得到模糊图像和清晰图像；

34、第三模块，用于通过深度学习模型对所述模糊图像和所述清晰图像进行人脸特征提取处理，得到模糊人脸特征和清晰人脸特征；

35、第四模块，用于根据所述模糊人脸特征和所述清晰人脸特征对所述模糊图像进行高清化处理，得到高清化图像；

36、第五模块，用于根据所述高清化图像对所述待处理视频中的模糊图像进行替换处理，得到高清视频。

37、为实现上述目的，本申请实施例的另一方面提出了一种电子设备，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现前面所述的方法。

38、为实现上述目的，本申请实施例的另一方面提出了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现前面所述的方法。

39、本申请实施例至少包括以下有益效果：本申请提供一种视频的高清化处理方法、系统、设备及介质,该方案通过获取待处理视频；对待处理视频的人脸图像进行图像清晰度识别处理，得到模糊图像和清晰图像，能够识别得到待处理视频中的模糊图像，提高了对视频的高清化处理效率。另外，本方案通过深度学习模型对模糊图像和清晰图像进行人脸特征提取处理，得到模糊人脸特征和清晰人脸特征；根据模糊人脸特征和清晰人脸特征对模糊图像进行高清化处理，得到高清化图像；根据高清化图像对待处理视频中的模糊图像进行替换处理，得到高清视频，能够采用人脸生成方法获得高清图像，对原来的模糊图像进行替换处理得到高清视频，从而提高了视频质量，提升用户体验。

技术特征：

1.一种视频的高清化处理方法，其特征在于，所述方法包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，所述对所述待处理视频的人脸图像进行图像清晰度识别处理，得到模糊图像和清晰图像，包括以下步骤：

3.根据权利要求2所述的方法，其特征在于，所述对所述待处理视频中的每一张人脸图像进行清晰度计算处理，得到图像清晰度集合，包括对人脸图像进行清晰度计算处理，得到图像清晰度，具体包括以下步骤：

4.根据权利要求1所述的方法，其特征在于，所述根据所述模糊人脸特征和所述清晰人脸特征对所述模糊图像进行高清化处理，得到高清化图像，包括以下步骤：

5.根据权利要求4所述的方法，其特征在于，所述根据所述模糊人脸特征从所述高清人脸特征数据库中选取得到替换样本，包括以下步骤：

6.根据权利要求4所述的方法，其特征在于，所述将所述清晰人脸特征和所述替换样本输入生成式网络进行人脸语义特征对齐处理，输出得到高清化人脸图像，包括以下步骤：

7.根据权利要求4所述的方法，其特征在于，所述对所述高清化人脸图像和所述模糊图像进行图像融合处理，得到高清化图像，具体包括以下步骤：

8.一种视频的高清化处理系统，其特征在于，所述系统包括：

9.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的方法。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法。

技术总结本申请公开了一种视频的高清化处理方法、系统、设备及介质，方法包括：获取待处理视频；对待处理视频的人脸图像进行图像清晰度识别处理，得到模糊图像和清晰图像；通过深度学习模型对模糊图像和清晰图像进行人脸特征提取处理，得到模糊人脸特征和清晰人脸特征；根据模糊人脸特征和清晰人脸特征对模糊图像进行高清化处理，得到高清化图像；根据高清化图像对待处理视频中的模糊图像进行替换处理，得到高清视频。本申请实施例能够采用人脸生成方法获得高清图像，对原来的模糊图像进行替换处理得到高清视频，从而提高了视频质量，提升用户体验，可以广泛应用于人工智能技术领域。技术研发人员：钟耿君受保护的技术使用者：天翼爱音乐文化科技有限公司技术研发日：技术公布日：2024/9/2