[发明专利]视频特效配置方法、装置、电子设备和存储介质

权利要求书

1.一种视频特效配置方法，其特征在于，包括：

对从视频中截取的基准图像进行分割，得到若干目标区域图像；其中，所述基准图像包含完整的建筑物，所述目标区域图像至少包括屋顶区域图像、墙体区域图像和门窗区域图像；

提取所述目标区域图像的特征，将各所述目标区域图像的特征输入至预训练的建筑分类模型，确定所述建筑物的类型；其中，所述特征至少包括屋顶特征、墙体特征和门窗特征，所述建筑物的类型至少包括古代建筑、乡村建筑和现代城市建筑；

根据所述建筑物的类型、所述建筑物对应的地理位置和预设的特效素材库，生成与所述视频对应的特效推荐列表。

2.根据权利要求1所述的视频特效配置方法，其特征在于，若所述目标区域图像为所述屋顶区域图像，则所述提取所述目标区域图像的特征，包括：

根据所述屋顶区域图像中屋脊的数量、屋脊的弧度和各所述屋脊之间的位置关系，确定所述屋顶区域图像的屋脊特征；

根据所述屋顶区域图像中屋檐的装饰物，确定所述屋顶区域图像的屋檐特征；

根据所述屋顶区域图像中坡面瓦的颜色，确定所述屋顶区域图像的屋顶颜色特征；

对所述屋脊特征、所述屋檐特征和所述屋顶颜色特征进行聚合，得到所述屋顶特征。

3.根据权利要求1所述的视频特效配置方法，其特征在于，若所述目标区域图像为所述墙体区域图像，则所述提取所述目标区域图像的特征，包括：

根据所述墙体区域图像中墙体的颜色、墙体的材质和墙体中子区域的划分方式，确定所述墙体特征；其中，所述墙体的材质包括木质墙体、砖混墙体、混凝土墙体和玻璃墙体。

4.根据权利要求1所述的视频特效配置方法，其特征在于，若所述目标区域图像为所述门窗区域图像，则所述提取所述目标区域图像的特征，包括：

根据所述门窗区域图像中门的数量、门的形状和门上的装饰物，确定所述门窗区域图像的门的特征；

根据所述门窗区域图像中窗户的数量、窗户的形状、窗户的材质和各窗户之间的位置关系，确定所述门窗区域图像的窗户的特征；其中，所述窗户的材质包括玻璃窗户和窗户纸；

根据所述门的特征、所述窗户的特征和所述门与各所述窗户之间的位置关系，确定所述门窗特征。

5.根据权利要求1至权利要求4中任一项所述的视频特效配置方法，其特征在于，所述建筑物对应的地理位置，通过以下方式确定：

在对从视频中截取的基准图像进行分割之前，获取拍摄所述视频的设备在拍摄所述视频时的拍摄位置坐标，将所述拍摄位置坐标作为所述建筑物对应的地理位置；

或者，在所述提取所述目标区域图像的特征之后，所述根据所述建筑物的类型、所述建筑物对应的地理位置和预设的特效素材库，生成与所述视频对应的特效推荐列表之前，将各所述目标区域图像的特征输入至预训练的地理位置估计模型，确定所述建筑物对应的地理位置。

6.根据权利要求1至权利要求4中任一项所述的视频特效配置方法，其特征在于，所述建筑分类模型通过以下步骤训练：

获取若干个标注有建筑物的类型标签的包含完整建筑物的样本图像，分别对若干个所述样本图像进行分割，得到各所述样本图像对应的样本目标区域图像；其中，所述样本目标区域图像包括样本屋顶区域图像、样本墙体区域图像和样本门窗区域图像，所述样本图像包括古代建筑样本图像、乡村建筑样本图像和现代城市建筑样本图像；

遍历各所述样本图像，提取当前样本图像的对应的各样本目标区域图像的特征；

根据各所述样本图像对应的各样本目标区域图像的特征、各所述样本图像标注的所述建筑物的类型标签和预设的损失函数，训练预设的深度学习网络至收敛，得到所述建筑分类模型。