阅读说明：本技术 视频的插帧方法、装置、电子设备和存储介质 (Video frame insertion method and device, electronic equipment and storage medium ) 是由 李超 丁予康 何栋梁 李甫 孙昊 文石磊 章宏武 丁二锐 于 2020-05-15 设计创作，主要内容包括：本申请公开了视频的插帧方法、装置、电子设备和存储介质,涉及视频插帧技术领域。具体实现方案为：获取视频；获取视频之中的第i-1帧图像和第i帧图像,其中,i为正整数；分别获取第i-1帧图像和第i帧图像的视觉语义特征图和深度信息图；根据第i-1帧图像和第i帧图像的视觉语义特征图和深度信息图生成插帧信息；以及根据插帧信息和第i-1帧图像生成第i-1帧图像和第i帧图像之间的插帧,并插入第i-1帧图像和第i帧图像之间。该方法根据视频之中帧图像的视觉语义特征图和深度信息图对视频进行插帧,计算效率较高,且可以处理遮挡及画面变化较大的情况,从而有效的提高了插帧效果。(The application discloses a video frame interpolation method and device, electronic equipment and a storage medium, and relates to the technical field of video frame interpolation. The specific implementation scheme is as follows: acquiring a video; acquiring an i-1 frame image and an ith frame image in a video, wherein i is a positive integer; respectively acquiring a visual semantic feature map and a depth information map of the i-1 frame image and the i frame image; generating frame interpolation information according to the visual semantic feature map and the depth information map of the i-1 frame image and the i-th frame image; and generating an interpolation frame between the i-1 frame image and the ith frame image according to the interpolation frame information and the i-1 frame image, and inserting the interpolation frame between the i-1 frame image and the ith frame image. The method carries out frame interpolation on the video according to the visual semantic feature map and the depth information map of the frame image in the video, has high calculation efficiency, and can process the conditions of shielding and large picture change, thereby effectively improving the frame interpolation effect.)

视频的插帧方法、装置、电子设备和存储介质

技术领域

本申请涉及视频处理技术领域，具体涉及视频插帧技术领域，尤其涉及一种视频的插帧方法、装置、电子设备和存储介质。

背景技术

随着移动互联网的兴起，用户存储和转发信息的方式逐渐从文字、图片过渡到视频。如今视频已经成为用户生成内容的主要载体。然而，受到拍摄设备的制约，绝大部分用户只能拍摄帧率为(24-30fps)的视频，与高帧率(60，120fps)视频观感体验差距很大。

目前视频插帧技术可以在视频帧之间***中间帧，增加视频帧率，使视频观看起来更加顺畅，减少跳跃，抖动等现象，极大提升用户体验。相关技术中，通常是利用光流、动作补偿等技术实现视频插帧，但是该方式存在计算效率低下，且无法处理遮挡的情况，另外，在画面变化较大的情况下，该方式视频插帧的效果也不好。

发明内容

提供了一种视频的插帧方法、装置、电子设备和存储介质，用于解决相关技术中通过光流、动作补偿等技术实现视频插帧，计算效率低下，无法处理遮挡的情况，以及在画面变化较大的情况下，导致插帧效果不好的技术问题。

根据第一方面，提供了一种视频的插帧方法，包括：

获取视频；

获取所述视频之中的第i-1帧图像和第i帧图像，其中，i为正整数；

分别获取所述第i-1帧图像和所述第i帧图像的视觉语义特征图和深度信息图；

根据所述第i-1帧图像和所述第i帧图像的视觉语义特征图和深度信息图生成插帧信息；以及

根据所述插帧信息和所述第i-1帧图像生成所述第i-1帧图像和所述第i帧图像之间的插帧，并***所述第i-1帧图像和所述第i帧图像之间。

本申请实施例的视频的插帧方法，首先获取视频，并获取视频之中的第i-1帧图像和第i帧图像，以及分别获取第i-1帧图像和第i帧图像的视觉语义特征图和深度信息图，然后根据第i-1帧图像和第i帧图像的视觉语义特征图和深度信息图生成插帧信息，最后根据插帧信息和第i-1帧图像生成第i-1帧图像和第i帧图像之间的插帧，并***第i-1帧图像和第i帧图像之间。由此，根据视频之中帧图像的视觉语义特征图和深度信息图对视频进行插帧，计算效率较高，且可以处理遮挡及画面变化较大的情况，从而有效的提高了插帧效果。

根据第二方面，提供了一种视频的插帧装置，包括：

第一获取模块，用于获取视频；

第二获取模块，用于获取所述视频之中的第i-1帧图像和第i帧图像，其中，i为正整数；

第三获取模块，用于分别获取所述第i-1帧图像和所述第i帧图像的视觉语义特征图和深度信息图；

第一生成模块，用于根据所述第i-1帧图像和所述第i帧图像的视觉语义特征图和深度信息图生成插帧信息；以及

插帧模块，用于根据所述插帧信息和所述第i-1帧图像生成所述第i-1帧图像和所述第i帧图像之间的插帧，并***所述第i-1帧图像和所述第i帧图像之间。

本申请实施例的视频的插帧装置，通过第一获取模块获取视频，通过第二获取模块获取视频之中的第i-1帧图像和第i帧图像，通过第三获取模块分别获取第i-1帧图像和第i帧图像的视觉语义特征图和深度信息图；第一生成模块根据第i-1帧图像和第i帧图像的视觉语义特征图和深度信息图生成插帧信息；插帧模块根据插帧信息和第i-1帧图像生成第i-1帧图像和第i帧图像之间的插帧，并***第i-1帧图像和第i帧图像之间。由此，根据视频之中帧图像的视觉语义特征图和深度信息图对视频进行插帧，计算效率较高，且可以处理遮挡及画面变化较大的情况，从而有效的提高了插帧效果。

根据第三方面，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，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述一方面实施例所述的视频的插帧方法。

根据第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其上存储有计算机程序，所述计算机指令用于使所述计算机执行上述一方面实施例所述的视频的插帧方法。

根据本申请的技术解决了相关技术中通过光流、动作补偿等技术实现视频插帧，计算效率低下，无法处理遮挡的情况，以及在画面变化较大的情况下，导致插帧效果不好的技术问题，同时提高了视频的播放流畅度。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1是本申请实施例所涉及的一种实施环境的示意图；

图2是本申请实施例提供的一种视频的插帧方法的流程示意图；

图3是本申请实施例提供的视觉语义特征示意图；

图4是本申请实施例提供的深度信息示意图；

图5是本申请实施例提供的另一种视频的插帧方法的流程示意图；

图6是本申请实施例提供的插帧模型训练方法的流程示意图；

图7是本申请实施例提供的插帧模型训练的示意图；

图8是本申请实施例提供的一种视频的插帧装置的方框示意图；

图9是本申请实施例提供的另一种视频的插帧装置的方框示意图；

图10是本申请实施例提供的又一种视频的插帧装置的方框示意图；

图11是本申请实施例提供的还一种视频的插帧装置的方框示意图；

图12是本申请实施例提供的再一种视频的插帧装置的方框示意图；以及

图13是根据本申请实施例的视频的插帧方法的电子设备的框图。

具体实施方式

以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

下面参考附图描述本申请实施例的视频的插帧方法、装置、电子设备和存储介质。

本申请实施例，针对相关技术中，实现视频插帧的方法存在计算效率低下，无法处理遮挡的情况，以及在画面变化较大的情况下，导致插帧效果不好的问题，提出一种视频的插帧方法。

本申请实施例的视频的插帧方法，根据从视频中获取的第i-1帧图像和第i帧图像的视觉语义特征图和深度信息图生成插帧信息，并根据插帧信息和第i-1帧图像生成第i-1帧图像和第i帧图像之间的插帧，将其***第i-1帧图像和第i帧图像之间，解决了上述相关技术中的问题，同时提高了视频的播放流畅度。

参见图1，图1是本申请实施例所涉及的一种实施环境的示意图，该实施环境包括：视频提供设备10和显示设备20，视频提供设备10可以为数字通用光盘播放机、影音光盘播放机、服务器、U盘或智能硬盘等，显示设备20可以为手机、平板电脑、台式电脑或者电视机等具有显示功能的视频处理设备。视频提供设备10和显示设备20之间建立有通信连接，该通信连接可以是无线网络连接和有线网络连接的至少一种。其中，无线网络连接例如可以为采用移动通信网络、蓝牙、紫峰(Zigbee)或者无线保真(Wireless Fidelity，WIFI)等方式进行的通信连接。有线网络连接例如可以为采用双绞线、同轴电缆、光纤、网线或者数据线(如USB、IEEE1394、串口或并口等)等方式进行的通信连接。

需要说明的是，当该实施例中所描述的显示设备20为手机、平板电脑等内置摄像头的电子设备时，显示设备20还可通过内置的摄像头拍摄视频并保存。其中，显示设备20可将拍摄的视频保存在自身的存储空间中，其中，该存储空间不仅限于基于实体的存储空间，例如，硬盘，上述存储空间还可以是连接显示设备20的网络硬盘的存储空间(云存储空间)。

本申请实施例提供的视频的插帧方法，可以由电子设备来执行，该电子设备可为一种视频处理设备，该视频处理设备可以是图1所示的实施环境中的视频提供设备10或显示设备20。当视频处理设备为图1所示的实施环境中的视频提供设备10时，视频处理设备可以获取视频，并对该视频进行插帧处理得到处理后的视频，以及将处理后的视频发送至显示设备20，以由显示设备20对该处理后的视频进行播放。当视频处理设备为图1所示的实施环境中的显示设备20时，在一种可实现方式中，视频处理设备可以从视频提供设备10中获取视频，并对该视频进行插帧处理得到处理后的视频，以及对该处理后的视频进行播放；在另一种可实现方式中，视频处理设备通过内置的摄像头获取视频，并对该视频进行插帧处理得到处理后的视频，以及将处理后的视频通过自身的显示屏视频进行播放。

在本申请实施例中，电子设备中可以设置有处理组件、存储组件和驱动组件。可选的，该驱动组件和处理组件可以集成设置，该存储组件可以存储操作系统、应用程序或其他程序模块，该处理组件通过执行存储组件中存储的应用程序来实现本申请实施例提供的视频的插帧方法。

图2是本申请实施例提供的一种视频的插帧方法的流程示意图。

本申请实施例的视频的插帧方法，还可由本申请实施例提供的视频的插帧装置执行，该装置可配置于电子设备中，以实现根据从视频中获取的第i-1帧图像和第i帧图像的视觉语义特征图和深度信息图生成插帧信息，并根据插帧信息和第i-1帧图像生成第i-1帧图像和第i帧图像之间的插帧，将其***第i-1帧图像和第i帧图像之间。

如图2所示，该视频的插帧方法可以包括以下步骤：

步骤201，获取视频。应说明的是，该视频可为用户想要进行视频插帧以提升其播放流畅度的目标视频。

在本申请实施例中，电子设备可以获取目标视频。可选的，当电子设备为视频提供设备时，电子设备可以从自身存储的视频中获取目标视频；当电子设备为显示设备时，在一种可实现方式中，电子设备可以从视频提供设备中获取目标视频，例如，电子设备可以通过目标视频对应的统一资源定位符(Uniform ResourceLocator，URL)从视频提供设备下载目标视频；在另一种可实现方式中，电子设备存储有目标视频，电子设备可以从自身存储的视频中获取该目标视频；在另一种可实现方式中，电子设备可以通过内置的摄像头拍摄视频以获取目标视频。

步骤202，获取视频之中的第i-1帧图像和第i帧图像，其中，i为正整数。可以理解的是，第i-1帧图像和第i帧图像是视频中任意相邻的帧图像。

具体地,目标视频可包括多个帧图像，即多个单帧图像，电子设备在获取到目标视频后，可通过执行预设的应用程序获取目标视频中任意相邻的两个帧图像，即第i-1帧图像和第i帧图像。

步骤203，分别获取第i-1帧图像和第i帧图像的视觉语义特征图和深度信息图。

在本申请实施例中，可通过预设的语义分割网络分别获取第i-1帧图像和第i帧图像的视觉语义特征图，其中，预设的语义分割网络可根据实际情况进行标定，例如，该预设的语义分割网络可以是利用语义分割的标注数据专门训练设计的语义分割网络，此处不做任何限定。应说明的是，语义分割就是根据每个像素的语义信息进行分割，同一语义的像素被赋予相同的颜色，既能够分割成不同区域，又能识别出其中的内容。

具体地，可将获取到的第i-1帧图像和第i帧图像输入预设的语义分割网络，预设的语义分割网络分别抽取第i-1帧图像和第i帧图像中各个物体、场景的语义分割信息，以分别输出形式为与原帧图像(第i-1帧图像和第i帧图像)同样尺寸的视觉语义特征图。视觉语义特征图中元素为对应位置原帧图像中像素所属的语义标签。例如，参见图3，原帧图像中的汽车都涂成了蓝色，人都是黄色，树木都是绿色，建筑物都是红色。

需要说明的是，该实施例中所描述的输出与原帧图像同样尺寸的视觉语义特征图，是为了使视觉语义特征图中的分割信息(结果)与原帧图像像素位置保持对应，例如，参见图3，原帧图像中的建筑物对应视觉语义特征图中红色建筑物的像素位置。

在本申请实施例中，可通过预设的深度信息网络分别获取第i-1帧图像和第i帧图像的深度信息图，其中，预设的深度信息网络可根据实际情况进行标定，例如，该预设的深度信息网络可以是利用深度信息的标注数据专门训练设计的深度信息网络，此处不做任何限定。

具体地，可将获取到的第i-1帧图像和第i帧图像输入预设的深度信息网络，预设的语义分割网络分别抽取第i-1帧图像和第i帧图像中各个物体的深度信息，分别输出形式为与原帧图像(第i-1帧图像和第i帧图像)同样尺寸的深度信息图，深度信息图中元素为对应位置原帧图像中像素的深度信息(物体到镜头的距离)。例如，参见图4，不同的颜色对应的是深度信息。

需要说明的是，上述实施例中所描述的输出与原帧图像同样尺寸的深度信息图，是为了使深度信息图中各个物体的像素位置与原帧图像中各个物体的像素位置保持对应。

步骤204，根据第i-1帧图像和第i帧图像的视觉语义特征图和深度信息图生成插帧信息。

步骤205，根据插帧信息和第i-1帧图像生成第i-1帧图像和第i帧图像之间的插帧，并***第i-1帧图像和第i帧图像之间。

在本申请实施例中，可将第i-1帧图像和第i帧图像的视觉语义特征图和深度信息图拼接整合到一起，输入到预设的插帧网络以生成插帧信息，其中，预设的插帧网络可根据实际情况进行标定，例如，该预设的插帧网络可由深度卷积网络构成，此处不做任何限定。

具体地，电子设备在分别获取到第i-1帧图像和第i帧图像的视觉语义特征图和深度信息图后，将第i-1帧图像和第i帧图像的视觉语义特征图和深度信息图拼接整合到一起，输入到预设的插帧网络以通过预设的插帧网络生成插帧信息，并根据插帧信息和第i-1帧图像生成第i-1帧图像和第i帧图像之间的插帧，将其***第i-1帧图像和第i帧图像之间。

需要说明的是，该实施例中利用预设的插帧网络生成插帧信息至少具有如下几个优点：

①，由于预设的插帧网络本身是由深度卷积网络构成的，所以不含有传统的光流估计，运动补偿等复杂计算，计算效率很高；

②，预设的插帧网络还能够根据视觉语义特征图和深度信息图，捕捉到视频中物体的前后遮挡关系，可以有效的处理遮挡的情况；

③，由于预设的插帧网络本身是由深度卷积网络构成的，感受野较大，再加上视觉语义和深度信息，能适应运动变化较大的情况；

④，视觉语义特征图还能帮助预设的插帧网络处理场景变换的情况，比如镜头切换，从室内切换到了室外。

本申请实施例中，首先获取视频，并获取视频之中的第i-1帧图像和第i帧图像，以及分别获取第i-1帧图像和第i帧图像的视觉语义特征图和深度信息图，然后根据第i-1帧图像和第i帧图像的视觉语义特征图和深度信息图生成插帧信息，最后根据插帧信息和第i-1帧图像生成第i-1帧图像和第i帧图像之间的插帧，并***第i-1帧图像和第i帧图像之间。由此，根据视频之中帧图像的视觉语义特征图和深度信息图对视频进行插帧，计算效率较高，且可以处理遮挡及画面变化较大的情况，从而有效的提高了插帧效果。

为了清楚说明上一实施例，在本申请的一个实施例中，根据第i-1帧图像和第i帧图像的视觉语义特征图和深度信息图生成插帧信息，可包括根据第i-1帧图像和第i帧图像的视觉语义特征图生成插帧的视觉语义特征图，并根据第i-1帧图像和第i帧图像的深度信息图生成插帧的深度信息图，以及根据插帧的视觉语义特征图和深度信息图生成插帧信息。

具体地，电子设备在分别获取到第i-1帧图像和第i帧图像的视觉语义特征图和深度信息图后，将第i-1帧图像和第i帧图像的视觉语义特征图和深度信息图拼接整合到一起，输入到预设的插帧网络。插帧网络分别抽取第i-1帧图像和第i帧图像的视觉语义特征图，以及第i-1帧图像和第i帧图像的深度信息图，而后根据第i-1帧图像和第i帧图像的视觉语义特征图生成插帧的视觉语义特征图，即待***第i-1帧图像和第i帧图像之间的视觉语义特征图，并根据第i-1帧图像和第i帧图像的深度信息图生成插帧的深度信息图，即待***第i-1帧图像和第i帧图像之间的深度信息图，以及根据插帧的视觉语义特征图和深度信息图生成插帧信息。由此，通过预设的插帧网络分别计算待***第i-1帧图像和第i帧图像之间的视觉语义特征图和待***第i-1帧图像和第i帧图像之间的深度信息图，不仅能够进一步提高计算的效率，而且由于插帧的视觉语义特征图是单独计算的更有利于处理场景变换的情况。

为了进一步提高视频插帧的效果使插帧后的视频播放更加的流畅，在本申请的一个实施例中，上述视频的插帧方法还包括分别获取第i-1帧图像和第i帧图像的深层特征图，并根据第i-1帧图像和第i帧图像的深层特征图生成插帧的深层特征图，其中，插帧信息还可包括插帧的深层特征图。其中，深层特征图既可包含对应帧图像中的整体信息、又可包含细节信息的深层特征。

在本申请实施例中，可通过预设的深度神经网络分别获取第i-1帧图像和第i帧图像的深层特征图，其中，预设的深度神经网络可根据实际情况进行标定，例如，该预设的深度神经网络可以是利用深层信息的标注数据专门训练设计的深度神经网络，此处不做任何限定。

具体地，可将获取到的第i-1帧图像和第i帧图像输入预设的深度神经网络，预设的深度神经网络分别抽取第i-1帧图像和第i帧图像中各个物体、场景的的深层特征，以分别输出形式为与原帧图像(第i-1帧图像和第i帧图像)同样尺寸的深层特征图，并根据第i-1帧图像和第i帧图像的深层特征图生成插帧的深层特征图。由于深层特征图既可包含对应帧图像中的整体信息、又可包含细节信息的深层特征，故而可进一步提高视频插帧的效果，使插帧后的视频播放更加的流畅的同时，提升了画面的质感。

为了清楚说明上一实施例，本实施例提供了另一种视频的插帧方法，图5是本申请实施例提供的另一种视频的插帧方法的流程示意图。

如图5所示，该视频的插帧方法可以包括以下步骤：

步骤501，获取视频。其中，该视频可为用户想要进行视频插帧以提升其播放流畅度的目标视频。

步骤502，获取视频之中的第i-1帧图像和第i帧图像，其中，i为正整数。可以理解的是，第i-1帧图像和第i帧图像是视频中任意相邻的帧图像。

具体地,目标视频可包括多个帧图像，即多个单帧图像，电子设备在获取到目标视频后，可通过执行预设的应用程序获取目标视频中任意相邻的两个帧图像，即第i-1帧图像和第i帧图像。

步骤503，分别获取第i-1帧图像和第i帧图像的视觉语义特征图、深度信息图和深层特征图。

具体地，在电子设备中，可将获取到的第i-1帧图像和第i帧图像输入预设的语义分割网络，预设的语义分割网络分别抽取第i-1帧图像和第i帧图像中各个物体、场景的语义分割信息，以分别输出形式为与原帧图像(第i-1帧图像和第i帧图像)同样尺寸的视觉语义特征图；可将获取到的第i-1帧图像和第i帧图像输入预设的深度信息网络，预设的语义分割网络分别抽取第i-1帧图像和第i帧图像中各个物体的深度信息，分别输出形式为与原帧图像(第i-1帧图像和第i帧图像)同样尺寸的深度信息图，深度信息图中元素为对应位置原帧图像中像素的深度信息(物体到镜头的距离)；可将获取到的第i-1帧图像和第i帧图像输入预设的深度神经网络，预设的深度神经网络分别抽取第i-1帧图像和第i帧图像中各个物体、场景的的深层特征，以分别输出形式为与原帧图像(第i-1帧图像和第i帧图像)同样尺寸的深层特征图。

步骤504，根据第i-1帧图像和第i帧图像的视觉语义特征图生成插帧的视觉语义特征图。

具体地，可将第i-1帧图像和第i帧图像的视觉语义特征图，单独输入到预设的插帧网络以生成插帧的视觉语义特征图，即待***第i-1帧图像和第i帧图像之间的视觉语义特征图，由于插帧的视觉语义特征图是单独计算的更有利于处理场景变换的情况。

步骤505，根据第i-1帧图像和第i帧图像的深度信息图生成插帧的深度信息图。

具体地，可将第i-1帧图像和第i帧图像的深度信息图，单独输入到预设的插帧网络以生成插帧的深度信息图，即待***第i-1帧图像和第i帧图像之间的深度信息图。

步骤506，根据第i-1帧图像和第i帧图像的深层特征图生成插帧的深层特征图。

具体地，可将第i-1帧图像和第i帧图像的深层特征图，单独输入到预设的插帧网络以生成插帧的深层特征图，即待***第i-1帧图像和第i帧图像之间的深层特征图，由于插帧的深层特征图是单独计算的，更有利于弄清帧图像中各个物体和场景的整体信息和细节信息，从而提升视频插帧的效果。

步骤507，根据插帧的视觉语义特征图、深度信息图和深层特征图生成插帧信息。

为了提高视频插帧的效率，在本申请其它实施例中，可将第i-1帧图像和第i帧图像的视觉语义特征图、深度信息图和深层特征图拼接整合到一起，输入到预设的插帧网络以生成插帧信息。

步骤508，根据插帧信息和第i-1帧图像生成第i-1帧图像和第i帧图像之间的插帧，并***第i-1帧图像和第i帧图像之间。

本申请实施例中，首先获取视频，并获取视频之中的第i-1帧图像和第i帧图像，以及分别获取第i-1帧图像和第i帧图像的视觉语义特征图、深度信息图和深层特征图，然后根据第i-1帧图像和第i帧图像的视觉语义特征图、深度信息图和深层特征图生成插帧信息，最后根据插帧信息和第i-1帧图像生成第i-1帧图像和第i帧图像之间的插帧，并***第i-1帧图像和第i帧图像之间。由此，根据视频之中帧图像的视觉语义特征图和深度信息图对视频进行插帧，计算效率较高，且可以处理遮挡及画面变化较大的情况，从而有效的提高了插帧效果，进而提高了视频的播放流畅度及画面的质感。

为了提高视频插帧的精确度，同时进一步提高视频插帧的效果使插帧后的视频中的帧图像更加的连贯，在本申请的一个实施例中，可通过插帧模型生成插帧的插帧信息，其中，该插帧模型可通过训练得到，此处不做任何限定。

在本申请实施例中，插帧模型的训练与生成可由相关的服务器进行，该服务器可以是云端服务器，也可以是一台电脑的主机，该服务器与可执行申请实施例提供的视频的插帧方法的电子设备之间，建立有通信连接，该通信连接可以是无线网络连接和有线网络连接的至少一种。服务器可将训练完成的插帧模型发送给电子设备，以便电子设备在需要时调用，从而大大减少电子设备的计算压力。另外，通过插帧模型辅助视频插帧任务，还可提高视频插帧的精确度。

具体地，如图6所示，上述插帧模型可通过以下方式生成：

步骤601，获取样本视频。

在本申请实施例中，服务器可以获取样本视频。可选的，该样本视频可由工程师提供的专业训练视频，也可以是针对本次需要进行插帧的目标视频的训练视频，以使训练完成后的插帧模型能够更好的辅助本次视频插帧任务。

步骤602，获取样本视频的第t-1帧图像、第t帧图像和第t+1帧图像。其中，t可为正整数。

步骤603，分别获取第t-1帧图像、第t帧图像和第t+1帧图像的视觉语义特征图和深度信息图。

步骤604，将第t-1帧图像和第t+1帧图像的视觉语义特征图和深度信息图输入插帧模型，并将第t帧图像作为目标插帧对插帧模型进行训练。

下面结合图7来详细说明插帧模型的训练过程：

参见图7，服务器获取样本视频，并获取目标视频中任意相邻的三个帧图像，即第t-1帧图像、第t帧图像和第t+1帧图像。然后服务器通过训练用的视觉语义网络和深度信息网络分别获取第t-1帧图像、第t帧图像和第t+1帧图像的视觉语义特征图和深度信息图。同时服务器中安装有视觉语义监督程序和深度信息监督程序，对第t-1帧图像和第t+1帧图像的视觉语义特征图和深度信息图进行监督，以保证第t-1帧图像和第t+1帧图像的视觉语义特征图和深度信息图的精确度。最后服务器将第t-1帧图像和第t+1帧图像的视觉语义特征图和深度信息图输入插帧模型，并将第t帧图像作为目标插帧对插帧模型进行训练，比如，将第t-1帧图像和第t+1帧图像的视觉语义特征图和深度信息图与第t帧图像的视觉语义特征图和深度信息图进行对比，以确定第t帧图像中前一帧和后一帧各个物体的位移变化、场景的变化等，并将其作为训练的数据对对插帧模型进行训练，从而提高训练的效果。

参见图7，为了进一步提高对插帧模型进行训练的效果，服务器还可通过训练用的深层特征网络分别获取第t-1帧图像、第t帧图像和第t+1帧图像的深层特征图，并将第t-1帧图像和第t+1帧图像的视觉语义特征图、深度信息图和深层特征图输入插帧模型，并将第t帧图像作为目标插帧对插帧模型进行训练，比如，将第t-1帧图像和第t+1帧图像的深层特征图与第t帧图像的深层特征图进行对比，以确定第t帧图像中前一帧和后一帧各个物体和场景的整体信息和细节信息，并将其作为训练的数据对对插帧模型进行训练，从而进一步提高训练的效果。

在本申请实施例中，样本视频可为第一帧率，视频可为第二帧率，其中，第一帧率大于第二帧率，且视频插帧之后为第一帧率。

举例而言，假设第一帧率为60帧率，第二帧率为30帧率，其中，30帧率的视频在通过本申请实施例的视频的插帧方法进行视频插帧之后，将变成60帧率的视频，从而提高视频播放的流畅度。

图8是本申请实施例提供的一种视频的插帧装置的方框示意图。

本申请实施例的视频的插帧装置，可配置于电子设备中，以实现根据从视频中获取的第i-1帧图像和第i帧图像的视觉语义特征图和深度信息图生成插帧信息，并根据插帧信息和第i-1帧图像生成第i-1帧图像和第i帧图像之间的插帧，将其***第i-1帧图像和第i帧图像之间。

如图8所示，该视频的插帧装置1000可以包括：第一获取模块100、第二获取模块200、第三获取模块300、第一生成模块400和插帧模块500。

其中，第一获取模块100用于获取视频。应说明的是，该视频可为用户想要进行视频插帧以提升其播放流畅度的目标视频。

在本申请实施例中，电子设备可以通过内置的第一获取模块100获取目标视频。可选的，当电子设备为视频提供设备时，电子设备通过内置的第一获取模块100可以从自身存储的视频中获取目标视频；当电子设备为显示设备时，在一种可实现方式中，电子设备通过内置的第一获取模块100可以从视频提供设备中获取目标视频，例如，电子设备通过内置的第一获取模块100可以通过目标视频对应的统一资源定位符(Uniform ResourceLocator，URL)从视频提供设备下载目标视频；在另一种可实现方式中，电子设备存储有目标视频，电子设备通过内置的第一获取模块100可以从自身存储的视频中获取该目标视频；在另一种可实现方式中，电子设备通过内置的第一获取模块100可以通过内置的摄像头拍摄视频以获取目标视频。

第二获取模块200用于获取视频之中的第i-1帧图像和第i帧图像，其中，i为正整数。可以理解的是，第i-1帧图像和第i帧图像是视频中任意相邻的帧图像。

具体地,目标视频可包括多个帧图像，即多个单帧图像，在第一获取模块100获取到目标视频后，第二获取模块200可通过执行预设的应用程序获取目标视频中任意相邻的两个帧图像，即第i-1帧图像和第i帧图像。

第三获取模块300用于分别获取第i-1帧图像和第i帧图像的视觉语义特征图和深度信息图。

在本申请实施例中，第三获取模块300可通过预设的语义分割网络分别获取第i-1帧图像和第i帧图像的视觉语义特征图，其中，预设的语义分割网络可根据实际情况进行标定，例如，该预设的语义分割网络可以是利用语义分割的标注数据专门训练设计的语义分割网络，此处不做任何限定。应说明的是，语义分割就是根据每个像素的语义信息进行分割，同一语义的像素被赋予相同的颜色，既能够分割成不同区域，又能识别出其中的内容。

具体地，第三获取模块300可将获取到的第i-1帧图像和第i帧图像输入预设的语义分割网络，预设的语义分割网络分别抽取第i-1帧图像和第i帧图像中各个物体、场景的语义分割信息，以分别输出形式为与原帧图像(第i-1帧图像和第i帧图像)同样尺寸的视觉语义特征图。视觉语义特征图中元素为对应位置原帧图像中像素所属的语义标签。例如，参见图3，原帧图像中的汽车都涂成了蓝色，人都是黄色，树木都是绿色，建筑物都是红色。

需要说明的是，该实施例中所描述的输出与原帧图像同样尺寸的视觉语义特征图，是为了使视觉语义特征图中的分割信息(结果)与原帧图像像素位置保持对应，例如，参见图3，原帧图像中的建筑物对应视觉语义特征图中红色建筑物的像素位置。

在本申请实施例中，第三获取模块300可通过预设的深度信息网络分别获取第i-1帧图像和第i帧图像的深度信息图，其中，预设的深度信息网络可根据实际情况进行标定，例如，该预设的深度信息网络可以是利用深度信息的标注数据专门训练设计的深度信息网络，此处不做任何限定。

具体地，第三获取模块300可将获取到的第i-1帧图像和第i帧图像输入预设的深度信息网络，预设的语义分割网络分别抽取第i-1帧图像和第i帧图像中各个物体的深度信息，分别输出形式为与原帧图像(第i-1帧图像和第i帧图像)同样尺寸的深度信息图，深度信息图中元素为对应位置原帧图像中像素的深度信息(物体到镜头的距离)。例如，参见图4，不同的颜色对应的是深度信息。

需要说明的是，上述实施例中所描述的输出与原帧图像同样尺寸的深度信息图，是为了使深度信息图中各个物体的像素位置与原帧图像中各个物体的像素位置保持对应。

第一生成模块400用于根据第i-1帧图像和第i帧图像的视觉语义特征图和深度信息图生成插帧信息。

插帧模块500用于根据插帧信息和第i-1帧图像生成第i-1帧图像和第i帧图像之间的插帧，并***第i-1帧图像和第i帧图像之间。

在本申请实施例中，第一生成模块400可将第i-1帧图像和第i帧图像的视觉语义特征图和深度信息图拼接整合到一起，输入到预设的插帧网络以生成插帧信息，其中，预设的插帧网络可根据实际情况进行标定，例如，该预设的插帧网络可由深度卷积网络构成，此处不做任何限定。

具体地，在第三获取模块300分别获取到第i-1帧图像和第i帧图像的视觉语义特征图和深度信息图后，第一生成模块400将第i-1帧图像和第i帧图像的视觉语义特征图和深度信息图拼接整合到一起，输入到预设的插帧网络以通过预设的插帧网络生成插帧信息，而后插帧模块500根据插帧信息和第i-1帧图像生成第i-1帧图像和第i帧图像之间的插帧，将其***第i-1帧图像和第i帧图像之间。

需要说明的是，该实施例中利用预设的插帧网络生成插帧信息至少具有如下几个优点：

①，由于预设的插帧网络本身是由深度卷积网络构成的，所以不含有传统的光流估计，运动补偿等复杂计算，计算效率很高；

②，预设的插帧网络还能够根据视觉语义特征图和深度信息图，捕捉到视频中物体的前后遮挡关系，可以有效的处理遮挡的情况；

③，由于预设的插帧网络本身是由深度卷积网络构成的，感受野较大，再加上视觉语义和深度信息，能适应运动变化较大的情况；

④，视觉语义特征图还能帮助预设的插帧网络处理场景变换的情况，比如镜头切换，从室内切换到了室外。

本申请实施例中，通过第一获取模块获取视频，通过第二获取模块获取视频之中的第i-1帧图像和第i帧图像，通过第三获取模块分别获取第i-1帧图像和第i帧图像的视觉语义特征图和深度信息图；第一生成模块根据第i-1帧图像和第i帧图像的视觉语义特征图和深度信息图生成插帧信息；插帧模块根据插帧信息和第i-1帧图像生成第i-1帧图像和第i帧图像之间的插帧，并***第i-1帧图像和第i帧图像之间。由此，根据视频之中帧图像的视觉语义特征图和深度信息图对视频进行插帧，计算效率较高，且可以处理遮挡及画面变化较大的情况，从而有效的提高了插帧效果。

在本申请的一个实施例中，如图9所示，第一生成模块400可包括第一生成单元410、第二生成单元420和第三生成单元430。

其中，第一生成单元410用于根据第i-1帧图像和第i帧图像的视觉语义特征图生成插帧的视觉语义特征图。

第二生成单元420用于根据第i-1帧图像和第i帧图像的深度信息图生成插帧的深度信息图。

第三生成单元430用于根据插帧的视觉语义特征图和深度信息图生成插帧信息。

在本申请的一个实施例中，如图10所示，视频的插帧装置1000还可包括第四获取模块600和第二生成模块700。

其中，第四获取模块600用于分别获取第i-1帧图像和第i帧图像的深层特征图；

第二生成模块700用于根据第i-1帧图像和第i帧图像的深层特征图生成插帧的深层特征图，其中，插帧信息还包括插帧的深层特征图。

在本申请的一个实施例中，如图11所示，插帧模块500可包括插帧模型510，其中，通过插帧模型510生成插帧的插帧信息。

在本申请的一个实施例中，如图12所示，上述视频的插帧装置还可包括插帧模型训练模块800，其中，插帧模型训练模块800用于获取样本视频，并获取样本视频的第t-1帧图像、第t帧图像和第t+1帧图像，以及分别获取第t-1帧图像、第t帧图像和第t+1帧图像的视觉语义特征图和深度信息图，并将第t-1帧图像和第t+1帧图像的视觉语义特征图和深度信息图输入插帧模型，以及将第t帧图像作为目标插帧对插帧模型进行训练。

在本申请的一个实施例中，样本视频为第一帧率，视频为第二帧率，第一帧率大于第二帧率，且视频插帧之后为第一帧率。

需要说明的是，前述对视频的插帧方法实施例的解释说明也适用于该实施例的视频的插帧装置，此处不再赘述。

本申请实施例的视频的插帧装置，通过第一获取模块获取视频，通过第二获取模块获取视频之中的第i-1帧图像和第i帧图像，通过第三获取模块分别获取第i-1帧图像和第i帧图像的视觉语义特征图和深度信息图；第一生成模块根据第i-1帧图像和第i帧图像的视觉语义特征图和深度信息图生成插帧信息；插帧模块根据插帧信息和第i-1帧图像生成第i-1帧图像和第i帧图像之间的插帧，并***第i-1帧图像和第i帧图像之间。由此，根据视频之中帧图像的视觉语义特征图和深度信息图对视频进行插帧，计算效率较高，且可以处理遮挡及画面变化较大的情况，从而有效的提高了插帧效果。

根据本申请实施例，本申请还提供了一种电子设备和一种可读存储介质。

如图11所示，是根据本申请实施例的视频的插帧方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。

如图11所示，该电子设备包括：一个或多个处理器801、存储器802，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图11中以一个处理器801为例。

存储器802即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的视频的插帧方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的视频的插帧方法。

存储器802作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的视频的插帧方法对应的程序指令/模块(例如，附图8所示的视频的插帧装置包括：第一获取模块100、第二获取模块200、第三获取模块300、第一生成模块400和插帧模块500)。处理器801通过运行存储在存储器802中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的视频的插帧方法。

存储器802可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据视频的插帧方法的电子设备的使用所创建的数据等。此外，存储器802可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器802可选包括相对于处理器801远程设置的存储器，这些远程存储器可以通过网络连接至视频的插帧方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

视频的插帧方法的电子设备还可以包括：输入装置803和输出装置804。处理器801、存储器802、输入装置803和输出装置804可以通过总线或者其他方式连接，图11中以通过总线连接为例。

输入装置803可接收输入的数字或字符信息，以及产生与视频的插帧方法的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置804可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。

此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。

根据本申请实施例的技术方案，根据视频之中帧图像的视觉语义特征图和深度信息图对视频进行插帧，计算效率较高，且可以处理遮挡及画面变化较大的情况，从而有效的提高了插帧效果，进而提高视频的播放流畅度。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。