本技術涉及人工智能及機器視覺，尤其涉及一種基于人工智能的視頻處理方法和裝置、設備及介質。

背景技術：

1、目前，大量攝像設備已經廣泛地部署在城市、家居環(huán)境，為記錄事件提供了極大地便利。雖然攝像設備采用視頻編碼標準可以大幅度壓縮視頻數據量，但是龐大的視頻數據量仍然給現有的存儲系統(tǒng)帶來了巨大的壓力。

技術實現思路

1、本技術實施例的主要目的在于提出一種基于人工智能的視頻處理方法和裝置、設備及介質，能夠對大量視頻數據進行處理并保存，提高處理效率同時降低視頻數據的存儲量。

2、為實現上述目的，本技術實施例的一方面提出了一種基于人工智能的視頻處理方法，所述方法包括：

3、獲取每個視頻獲取設備發(fā)送的視頻數據，當根據所述視頻數據檢測視頻內容發(fā)生變化，調用預設識別算法對所述視頻數據進行特征提取處理，以得到所述視頻數據對應的視頻特征信息；

4、獲取每個所述視頻獲取設備在預設時間段內獲取的影像，以得到每個所述視頻獲取設備對應的待處理視頻；

5、基于視頻特征信息與待處理視頻之間的映射關系，對每個所述待處理視頻進行視頻截取處理，以得到每個所述待處理視頻對應的視頻片段集；

6、對每個所述視頻片段集內的視頻片段進行視頻合成處理，以得到每個所述視頻片段集對應的合成視頻，并將每個所述合成視頻進行保存。

7、在一些實施例中，所述獲取每個視頻獲取設備發(fā)送的視頻數據，當根據所述視頻數據檢測視頻內容發(fā)生變化，調用預設識別算法對所述視頻數據進行特征提取處理，以得到所述視頻數據對應的視頻特征信息；包括：

8、對所述視頻獲取設備獲取到的待識別視頻進行提取處理，以得到多個視頻幀；

9、通過將每個所述視頻幀的圖像進行對比，判斷所述待識別視頻的內容是否發(fā)生變化，若是，則調用預設識別算法以對所述待識別視頻進行識別，并得到所述視頻獲取設備對應的視頻特征信息，若否，則停止對所述待識別視頻進行識別。

10、在一些實施例中，所述通過將每個所述視頻幀的圖像進行對比，判斷所述待識別視頻的內容是否發(fā)生變化，若是，則調用所述預設識別算法以對所述待識別視頻進行識別，并得到所述視頻獲取設備對應的視頻特征信息，若否，則停止對所述待識別視頻進行識別，包括：

11、通過將第一視頻幀的圖像與第二視頻幀的圖像進行對比，確定所述第二視頻幀的動檢率；

12、當所述第二視頻幀的動檢率大于或等于預設動檢率時，將所述第二視頻幀確定為關鍵視頻幀，并判定所述待識別視頻的內容發(fā)生變化；

13、基于所述預設識別算法，對所述關鍵視頻幀的圖像進行識別，以得到所述視頻獲取設備對應的視頻特征信息。

14、在一些實施例中，所述通過將第一視頻幀的圖像與第二視頻幀的圖像進行對比，確定所述第二視頻幀的動檢率，包括：

15、計算所述第一視頻幀的圖像與所述第二視頻幀的圖像之間每個像素的像素差值；

16、根據每個所述像素差值進行統(tǒng)計，以得到像素差總值；

17、根據所述像素差總值與所述第二視頻幀的圖像的總像素值，確定所述第二視頻幀的動檢率。

18、在一些實施例中，所述獲取每個所述視頻獲取設備在預設時間段內獲取的影像，以得到每個所述視頻獲取設備對應的待處理視頻，包括：

19、當在所述預設時間段內獲取到用戶發(fā)送的請求時，基于所述請求中用戶指定的時間點，確定目標時間段；

20、基于用戶指定的視頻獲取設備信息，獲取目標視頻獲取設備在所述目標時間段內獲取到的影像，以得到指定待處理視頻；

21、生成包括所述指定待處理視頻以及所述待處理視頻的視頻隊列，其中，按照預設順序對所述視頻隊列中的視頻進行處理，且在所述視頻隊列中，所述指定待處理視頻的優(yōu)先級高于所述待處理視頻的優(yōu)先級。

22、在一些實施例中，所述基于視頻特征信息與待處理視頻之間的映射關系，對每個所述待處理視頻進行視頻截取處理，以得到每個所述待處理視頻對應的視頻片段集，包括：

23、獲取所述待處理視頻對應的設備信息以及時間信息；

24、基于所述設備信息，確定目標視頻獲取設備對應的視頻特征信息；

25、基于所述時間信息，對所述視頻特征信息進行解析，以得到在目標時間范圍內的目標對象；

26、將所述待處理視頻劃分成多個視頻片段，并基于所述目標對象，確定目標視頻片段；

27、將所述目標視頻片段歸類到所述待處理視頻對應的視頻片段集。

28、在一些實施例中，所述將所述待處理視頻劃分成多個視頻片段，并基于所述目標對象，確定目標視頻片段，包括：

29、當檢測到所述待處理視頻中多個視頻幀的圖像中存在所述目標對象時，確定多個目標視頻幀，其中，每個所述目標視頻幀的圖像中均存在所述目標對象；

30、根據每個所述目標視頻幀的時間點及預設視頻片段時長，確定多個所述目標視頻片段。

31、為實現上述目的，本技術實施例的另一方面提出了一種基于人工智能的視頻處理裝置，所述裝置包括：

32、識別模塊，用于獲取每個視頻獲取設備發(fā)送的視頻數據，當根據所述視頻數據檢測視頻內容發(fā)生變化，調用預設識別算法對所述視頻數據進行特征提取處理，以得到所述視頻數據對應的視頻特征信息；

33、獲取模塊，用于獲取每個所述視頻獲取設備在預設時間段內獲取的影像，以得到每個所述視頻獲取設備對應的待處理視頻；

34、截取模塊，用于基于視頻特征信息與待處理視頻之間的映射關系，對每個所述待處理視頻進行視頻截取處理，以得到每個所述待處理視頻對應的視頻片段集；

35、合成模塊，用于對每個所述視頻片段集內的視頻片段進行視頻合成處理，以得到每個所述視頻片段集對應的合成視頻，并將每個所述合成視頻進行保存。

36、為實現上述目的，本技術實施例的另一方面提出了一種電子設備，所述電子設備包括存儲器和處理器，所述存儲器存儲有計算機程序，所述處理器執(zhí)行所述計算機程序時實現上述的基于人工智能的視頻處理方法。

37、為實現上述目的，本技術實施例的另一方面提出了一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現上述的基于人工智能的視頻處理方法。

38、本技術實施例至少包括以下有益效果：本技術提供一種基于人工智能的視頻處理方法和裝置、設備及介質,該方案通過對每個視頻獲取設備發(fā)送的視頻數據進行特征提取處理，實現對視頻中的圖像進行分析和處理，并提取出每個視頻獲取設備對應的視頻特征信息，得到所需的特征信息，相比起人工識別特征信息，提高了工作效率，而且節(jié)省人力成本。本實施例在檢測到視頻內容發(fā)生變化才調用算法進行特征提取處理，從而更有針對性地、更靈活地進行特征提取處理。通過獲取大量不同的視頻獲取設備在預設時間段內拍攝到的待處理視頻，實現對視頻數據進行拆解得到數據量更小的待處理視頻，有利于在處理數據量更小的待處理視頻時提高效率。對于每個視頻獲取設備對應的視頻特征信息和待處理視頻，根據視頻特征信息，從待處理視頻中進一步提取出更有存儲價值的視頻片段，并將這些視頻片段合成為合成視頻再進行保存，從而相比起待處理視頻，大大減少了需要保存的視頻數據量，節(jié)省存儲系統(tǒng)的存儲空間。