1.本公开实施例涉及视频处理领域，尤其涉及一种视频特效处理方法、装置、电子设备及程序产品。
背景技术：
：：2.随着经济水平的提升，越来越多的人喜欢自驾出行，而对出行风景进行旅拍成为可能。3.现有技术中，旅拍一般是基于移动终端或拍摄设备实现的，当完成拍摄之后，视频将被上传至服务端以进行包括特效等在内的处理和显示。但是，这样的处理过程滞后性较强，用户体验较差。技术实现要素：4.针对上述问题，本公开实施例拱了一种视频特效处理方法、装置、电子设备及程序产品，通对车辆行驶过程中的景象进行实时采集和实时特效渲染处理和显示，为用户提供更好的观感体验。5.第一方面，本公开实施例提供了一种视频特效处理方法，包括：6.在车辆的行驶过程中，对采集得到的行车视频进行基于至少两种的目标识别处理，并对目标识别处理的结果进行目标跟踪处理，得到所述行车视频的待渲染目标以及相应的图像轨迹；7.根据所述待渲染目标在所述行车视频中的图像轨迹，对所述行车视频进行渲染处理，将特效渲染处理所得到的特效视频进行显示。8.第二方面，本公开实施例提供了一种视频特效处理装置，包括：9.渲染模块，用于在车辆的行驶过程中，对采集得到的行车视频进行基于至少两种的目标识别处理，并对目标识别处理的结果进行目标跟踪处理，得到所述行车视频的待渲染目标以及相应的图像轨迹；以及根据所述待渲染目标在所述行车视频中的图像轨迹，对所述行车视频进行渲染处理；10.显示模块，用于将特效渲染处理所得到的特效视频进行显示。11.第三方面，本公开实施例提供了一种视频特效处理系统，包括：12.车载拍摄设备，安装于所述车辆的驾驶区域，用于采集所述车辆在行驶过程中的行车视频；13.车载显示设备，安装于所述车辆的驾驶区域，和/或，所述车辆的乘坐区域，用于第一方面任一项所述的视频特效处理方法，对所述车载拍摄设备所采集的所述行车视频进行特效渲染处理，并对得到的特效视频进行显示。14.第四方面，本公开实施例提供了一种电子设备，包括：至少一个处理器；以及15.存储器；16.所述存储器存储计算机执行指令；17.所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如第一方面任一项所述方法。18.第五方面，本公开实施例提供了一种计算机可读存储介质，其中，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如第一方面任一项所述方法。19.第六方面，本公开实施例提供了一种计算机程序产品，包括计算机指令，该计算机指令被处理器执行时实现第一方面任一项所述方法。20.本公开实施例提供的视频特效处理方法、装置、电子设备及程序产品，通过在车辆的行驶过程中，对采集得到的行车视频进行基于至少两种的目标识别处理，并对目标识别处理的结果进行目标跟踪处理，以根据得到所述行车视频的待渲染目标以及相应的图像轨迹，对行车视频进行渲染处理，从而实现将可将渲染得到的特效视频进行显示的功能。通过这样的处理方式，使得用户在自驾出行的同时即可观看到旅拍的特效视频，提升用户体验。附图说明21.为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。22.图1为现有技术中的一种视频特效处理的场景应用的示意图；23.图2为本公开所基于的一种网络架构的示意图；24.图3为本公开实施例提供的一种视频特效处理方法的流程示意图；25.图4为本公开实施例提供的一种视频特效处理方法的第一界面示意图；26.图5为本公开实施例提供的一种视频特效处理方法的第二界面示意图；27.图6a为本公开实施例提供的对视频帧进行识别跟踪处理的流程示意图；28.图6b为本公开实施例提供的一种视频特效处理方法的效果示意图；29.图7为本公开实施例提供的视频特效处理装置的结构框图；30.图8为本公开实施例提供的视频特效处理系统的结构框图；31.图9为本公开实施例提供的电子设备的硬件结构示意图。具体实施方式32.为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。33.随着经济水平的提升，越来越多的人喜欢自驾出行，而对出行风景进行旅拍成为可能。34.现有技术中，旅拍一般是基于移动终端或拍摄设备实现的，当完成拍摄之后，视频将被上传至服务端以进行包括特效等在内的处理和显示。35.示例性的，图1为现有技术中的一种视频特效处理的场景应用的示意图。如图1所示的，在该场景中，用户通过手持移动设备对车辆行驶过程中的风景进行拍摄。36.在完成拍摄之后，用户可将移动设备中的行车视频通过网络上传至云端的特效处理服务器中，特效处理服务器会利用特效处理算法对行车视频进行处理，并将处理后的特效视频返回移动设备，以供用户浏览。37.但是显然的，对于如图1所示的场景来说，现有对行车视频的处理方法过程一方面需要对视频数据进行上传下载等多次操作，其特效处理的过程较为繁琐；另一方面，现有的视频拍摄和视频特效处理是分步执行的，对于视频特效的显示来说，其滞后性较强，用户体验不佳。38.针对这样的问题，根据本公开的实施例可在车辆上设置可用于对行车视频进行特效渲染处理的车载显示设备，以使得在车辆的行驶过程中，可对当前采集得到的行车视频进行基于本地的实时特效渲染处理，并实时的将特效渲染处理后的特效视频进行显示。通过这样的方式，一方面能够简化用户浏览特效视频的操作过程，另一方面，能够有效提升对于行车视频的特效渲染处理速度，进而使得用户在车辆行驶过程中实时看到当前行车视频所对应的特效视频，提升用户体验。39.参考图2，图2为本公开所基于的一种网络架构的示意图，该图2所示网络架构具体可包括车辆1、车载拍摄设备2以及车载显示设备3。40.其中，车载拍摄设备2具体可为行车记录仪、视频采集设备、图像采集设备等可用于拍摄和采集车辆行驶过程中沿途风景的硬件设备。41.车载显示设备3具体可为具有运算处理功能和显示功能的硬件设备，通过与车载拍摄设备2的连接，其可用于实时获取车载拍摄设备2所拍摄的行驶视频并实时对其进行特效渲染处理，并利用其显示功能将处理后的特效视频进行实时显示。42.基于前述的网络架构，第一方面，参考图3，图3为本公开实施例提供的一种视频特效处理方法的流程示意图。43.本公开实施例提供的视频特效处理方法，包括：44.步骤301、在车辆的行驶过程中，对采集得到的行车视频进行基于至少两种的目标识别处理，并对目标识别处理的结果进行目标跟踪处理，得到行车视频的待渲染目标以及相应的图像轨迹；45.步骤302、根据待渲染目标在行车视频中的图像轨迹，对行车视频进行渲染处理，将特效渲染处理所得到的特效视频进行显示。46.需要说明的是，本示例的提供的视频特效处理方法的执行主体为安装在车辆上的视频特效处理装置，一般的，该视频特效处理装置将集成在视频特效处理系统中。47.结合图2和图3所示的，在视频特效处理系统中包括有安装在车辆驾驶区域的车载拍摄设备，以用于采集车在行驶过程中的行车视频。例如，该车载拍摄设备具体可为安装在驾驶室内的行车记录仪，用于以车辆作为第一视角对车辆行车过程进行拍摄。在视频特效处理系统中还包括有车载显示设备，该车载显示设备中集成有前述的视频特效处理装置，具体可为安装在车辆的前排驾驶区的中控显示设备或安装在车辆的后排乘坐区的可控显示设备。48.当车载拍摄设备启动并采集了车辆在行驶过程中的行车视频时，可实时的将行车视频发送至车载显示设备，此时，车载显示设备中的视频特效处理装置可基于前述的步骤301和步骤302执行视频特效处理，并将处理结果实时显示在车载显示设备上，以供用户浏览。49.与现有技术相比，视频特效处理的本地化进行以省去了用户上传下载等操作过程，从而简化了用户浏览特效视频的操作过程；此外，视频特效处理的本地化后还能够有效提升对于行车视频的特效渲染处理速度，进而使得用户在车辆行驶过程中实时看到当前行车视频所对应的特效视频，提升用户体验。50.可选的，在本公开实施例中，还可将行驶过程中得到的相关视频数据同步上传至云端中，以便于用户进行后续查看和使用。51.具体的，视频特效处理装置将响应用户触发的第一操作，将行车视频，和/或，特效视频上传至云端进行存储。图4为本公开实施例提供的一种视频特效处理方法的第一界面示意图，如图4所示的，当视频特效处理装置对特效渲染处理的特效视频进行显示的同时，用户可通过点击“同步上传”按钮401，以触发第一操作。此时，视频特效处理装置会将当前采集的行车视频，和/或，当前生成的特效视频同步上传至云端的服务器中，以进行存储。52.示例性的，在服务器中，可存储视频特效处理装置在不同行驶过程中采集得到行车视频进行特效渲染处理而得到的多个特效视频，在对于每个特效视频的视频数据本身进行存储的同时，还可对于特效视频的生成时间、特效视频的生成地点(车辆行驶轨迹)，以及车辆型号等相关信息进行同步存储，以便于用户后续查看和使用。53.通过这样基于“云端”存储的特效视频的存储方式，能够使得视频特效处理装置无需对历史行车过程中所生成的行车视频和特效视频进行存储，从而能够有效节约视频特效处理装置的存储资源，利于视频特效处理系统的轻量化配置。54.可选的，在本公开实施例中，还可将特效视频分享给其他用户，以进一步提升用户体验。55.具体的，视频特效处理装置响应用户触发的第二操作，将所述特效视频发送至其他用户。图5为本公开实施例提供的一种视频特效处理方法的第二界面示意图，如图5所示的，在视频特效处理装置对特效渲染处理后的特效视频进行显示的同时，用户可通过点击“分享”按钮501，以触发第二操作。此时，如图5右图所示的，其他用户将会收到视频特效处理装置发送的分享信息，通过该分享信息，该其他用户可同步浏览特效视频。56.其中，分享信息具体可为多种类型的分享信息，示例性的，分享信息可为地址链接，或者，分享信息还可为图片二维码，其他用户可通过点击该地址链接，或，扫描图片二维码的方式对特效视频进行浏览。57.通过这样的特效视频的分享方式，能够使得用户在行车过程中自己观看特效视频的基础上，还能够邀请其他用户一同观看该特效视频，赋予特效视频功能更多的社交属性，提升用户体验。58.考虑到对行车视频进行实时特效渲染处理时的时效性要求较高，而为了能够对行车视频进行快速的视频特效渲染处理，在上述实施例的基础上，本实施方式中还将采用包括光流预测算法和目标检测算法在内的至少两种目标识别算法来实现对行车视频的目标识别，以保证后续能够进行相应的特效渲染处理。59.在上述特效渲染处理过程中，本公开实施例中将引入光流预测算法和目标检测算法相交替的目标识别处理方式以提升处理速度，并配合基于iou匹配和级联匹配以提升跟踪效率，从而满足对行车视频实时处理的处理需求。60.具体来说，行车视频一般由连续的多个视频帧构成，对对采集得到的行车视频进行基于至少两种的目标识别处理，并对目标识别处理的结果进行目标跟踪处理，得到行车视频的待渲染目标以及相应的图像轨迹，包括：61.步骤4011、根据当前视频帧的帧数，采用与所述帧数相应的目标识别处理算法对所述行车视频的当前视频帧进行目标识别，得到所述当前视频帧中的目标识别框。62.图6a为本公开实施例提供的对视频帧进行识别跟踪处理的流程示意图，结合步骤4011以及图6a，以行车视频中包括m个连续的频帧为例进行说明，与现有的目标识别技术不同的是，本实施例将不再采用单一的算法对视频帧进行处理，而是采用基于r的动态算法来实现每一视频帧的目标识别框的确定。63.对于算法来说，目标检测算法的检测精度更高但效率较低，反之，光流预测算法的检测效率极高但精度较低。考虑到不同算法的特性，本实施例中将采用基于r的间隔调用的方式以针对不同视频帧调用不同算法来执行目标识别框的检测和输出。64.可选方式中，对于采用哪种算法进行目标识别是根据视频帧的帧数而确定的：65.假设当前视频帧为m个连续的视频帧中的第m帧，当m＝1时(即第1帧)，或者，m＝1+nr时(即第1+nr帧)，视频特效处理装置将调用目标检测算法对当前视频帧第m帧进行目标识别处理，以识别出第m帧中的目标识别框；当m≠1时(即第1帧)，并且，m≠1+nr时(即第1+nr帧)，视频特效处理装置将调用光流预测算法对当前视频帧第m帧进行目标识别处理，以识别出第m帧中的目标识别框；其中，n和r均为正整数，r为帧间隔系数。66.可知的是，光流预测算法具体包括对前一视频帧中的目标识别框在当前视频帧中的位置进行稀疏光流预测，以得到当前视频帧中的目标识别框。也就是说，光流预测算法所得到的目标识别框的准确性在一定程度上依赖于前一帧中目标识别框的准确性。基于此，本实施例中将采用每隔r帧调用一次目标检测算法以对视频帧进行一次准确性较高的目标识别框的检测，以在提升目标识别框检测效率的同时保证准确性。67.当然，需要说明的是，在利用至少两种算法进行目标识别处理的过程中，每种算法对视频帧进行处理所获得的目标识别框的数量是不确定的，即目标识别框的数量可为一个，也可为多个，本技术实施方式对其目标识别框的数量不进行限制。68.步骤4012、根据行车视频中待渲染目标的历史图像轨迹，对待渲染目标在当前视频帧的实际位置进行预测，得到待渲染目标在当前视频帧的预测位置。69.步骤4013、对当前视频帧的目标识别框和待渲染目标在当前视频帧的预测位置进行匹配处理，并根据匹配处理结果得到待渲染目标在当前视频帧的实际位置。70.结合步骤4012和步骤4013可知，在完成对第m帧的目标识别框的确定之后，视频特效处理装置会将第m帧中的各目标识别框与各待渲染目标在第m帧的预测位置进行目标识别框和预测位置的匹配处理，以确定出每个待渲染目标在第m帧的实际位置。71.在本实施例中，匹配处理将基于两种匹配算法实现，先对当前视频帧的各目标识别框和各待渲染目标在当前视频帧的预测位置进行基于空间重叠度的第一匹配处理，即iou匹配，再对当前视频帧的各目标识别框和各待渲染目标在当前视频帧的预测位置进行基于特征相似性的第二匹配处理，即cascade匹配。72.具体来说，如图6a所示的，对第m帧的目标识别框和待渲染目标在第m帧的预测位置进行基于空间重叠度的iou匹配；若该匹配处理的处理结果为匹配，则可根据该匹配结果确定出待渲染目标在第m帧的实际位置；若该匹配处理的处理结果为未匹配，则对第m帧的目标识别框和待渲染目标在第m帧的预测位置进行基于特征相似性的cascade匹配处理，然后，基于该cascade匹配处理结果确定出待渲染目标在第m帧的实际位置。73.可知的是，iou匹配的计算量小，其处理效率极高，而cascade匹配处理对于遮挡问题的匹配效果更好，通过先采用iou匹配再进行cascade匹配的级联匹配的处理方式，能够在提升匹配效率的同时保证匹配精度。74.此外，需要说明的是，待渲染目标在第m帧的预测位置是根据待渲染目标在行车视频中的历史图像轨迹进行预测而得到的，一般的，待渲染目标的数量是不固定的，其可能为一个，也可能为多个。75.示例性的，通过利用卡尔曼滤波器可预测每一待渲染目标在行车视频的每一视频帧中的预测位置，并根据视频特效处理装置计算所获得的各视频帧的实际位置，对各视频帧预测位置进行更新，以保证预测位置的可靠性。76.例如，在处理第m帧时，第1帧至第m-1帧中各待渲染目标的实际位置是已经计算可知的，此时，卡尔曼滤波器将根据第1帧至第m-1帧中各待渲染目标的实际位置对第m帧至第m帧中各待渲染目标的位置进行预测，得到各待渲染目标分别在第m帧至第m帧中的预测位置。而当完成对第m帧的处理之后，将得到第m帧中各待渲染目标的实际位置，卡尔曼滤波器将利用第m帧中各待渲染目标的实际位置对之前获取的第m帧中各待渲染目标的预测位置进行更新，并重新对第m+1帧至第m帧中各待渲染目标的位置进行预测。通过这样的迭代预测的方式，以保证每次使用的各待渲染目标的预测位置是具有一定时效性的。77.在上述各实施方式的基础上，可选实施例中，帧间隔系数r可为动态调整值，其中，对当前视频帧的目标识别框和待渲染目标在当前视频帧的预测位置进行匹配处理的匹配处理结果，对帧间隔系数r的取值进行调整。78.结合图6a所示的，当第m个视频帧的各目标识别框与各待渲染目标在各视频帧中的预测位置经过两次匹配均失败时，说明相对于前一视频帧来说，第m个视频帧中可能出现新的待渲染目标，或出现待渲染目标从第m个视频帧中消失的情况。79.此时，一方面为了提升识别稳定性，需要采用准确性更高的目标检测算法来对后续的视频帧进行处理，以尽快提升视频的识别准确性，即可将r的取值调低，如令r＝r-1；另一方面，还需要对待渲染目标在视频帧的预测位置进行更新，以提升对后续视频帧匹配效率。80.在完成上述对当前视频帧的处理之后，视频特效处理装置调用视频特效渲染算法，对所述行车视频中的所述待渲染目标进行处理，得到特效视频。其中，对于视频特效渲染算法来说，视频特效处理装置可根据用户选中的特效组件从算法库中调用相应的视频特效渲染算法。此外，在对各待渲染目标进行处理时，可将特效图像叠加至各待渲染目标图像在行车视频的图像轨迹中的各实际位置，以生成特效视频。81.其中，各待渲染目标图像在行车视频的图像轨迹将由各待渲染目标的在各视频帧中的实际位置构成，示例性的，图像轨迹表示为[目标x、pxm]，其中pxm用于表示目标x在第m个视频帧的实际位置。例如，针对目标a来说，其图像轨迹可表示为[目标a，pa1、pa2]。[0082]基于此，在特效处理过程中，可在第m个视频帧中将目标x的特效图像叠加至目标x在第m个视频帧的实际位置pxm，以生成行车视频中的第m个视频帧的特效帧图像，而将m个视频帧的特效帧图像串联起来以得到特效视频。[0083]图6b为本公开实施例提供的一种视频特效处理方法的效果示意图，如图6b所示的，界面601为行车视频的展示界面，其中602中框选出待渲染车辆的实际位置，经过特效渲染处理，得到如界面603所示的特效视频的展示界面。[0084]本公开实施例提供的视频特效处理方法，通过在车辆的行驶过程中，对采集得到的行车视频进行实时特效渲染处理；将特效渲染处理后的特效视频进行显示，从而使得用户在自驾出行的同时即可观看到旅拍的特效视频，提升用户体验。[0085]第二方面，对应于上文实施例的视频特效处理方法，图7为本公开实施例提供的视频特效处理装置的结构框图。为了便于说明，仅示出了与本公开实施例相关的部分。参照图7，视频特效处理装置，包括：[0086]渲染模块710，用于在车辆的行驶过程中，对采集得到的行车视频进行基于至少两种的目标识别处理，并对目标识别处理的结果进行目标跟踪处理，得到所述行车视频的待渲染目标以及相应的图像轨迹；以及根据所述待渲染目标在所述行车视频中的图像轨迹，对所述行车视频进行渲染处理；[0087]显示模块720，用于将特效渲染处理所得到的特效视频进行显示。[0088]可选实施例中，所述行车视频由连续的多个视频帧构成；[0089]渲染模块710，具体用于：根据当前视频帧的帧数，采用与所述帧数相应的目标识别处理算法对所述行车视频的当前视频帧进行目标识别，得到所述当前视频帧中的目标识别框；根据所述行车视频中待渲染目标的历史图像轨迹，对所述待渲染目标在所述当前视频帧的实际位置进行预测，得到待渲染目标在所述当前视频帧的预测位置；对所述当前视频帧的目标识别框和所述待渲染目标在所述当前视频帧的预测位置进行匹配处理，并根据匹配处理结果得到待渲染目标在所述当前视频帧的实际位置。[0090]可选实施例中，渲染模块710，具体用于：当所述当前视频帧为所述行车视频中的第1帧，或者，所述当前视频帧为所述行车视频中的第1+nr帧时，调用目标检测算法对所述当前视频帧进行目标识别处理，得到所述当前视频帧中的目标识别框；其中，所述n和所述r均为正整数，所述r为帧间隔系数。[0091]可选实施例中，渲染模块710，具体用于当所述当前视频帧不为所述行车视频中的第1帧，且，所述当前视频帧不为所述行车视频中的第1+nr帧时，调用光流预测算法对所述当前视频帧进行目标识别处理，得到所述当前视频帧中的目标识别框；其中，所述n和所述r均为正整数，所述r为帧间隔系数。[0092]可选实施例中，渲染模块710，具体用于对前一视频帧中的目标识别框在所述当前视频帧中的位置进行稀疏光流预测，得到所述当前视频帧中的目标识别框。[0093]可选实施例中，渲染模块710，还用于：对所述当前视频帧的目标识别框和所述待渲染目标在所述当前视频帧的预测位置进行匹配处理的匹配处理结果，对所述帧间隔系数r的取值进行调整。[0094]可选实施例中，渲染模块710，具体用于对所述当前视频帧的目标识别框和所述待渲染目标在所述当前视频帧的预测位置进行基于空间重叠度的第一匹配处理；若所述第一匹配处理的处理结果为匹配，则将所述第一匹配处理的处理结果作为所述匹配处理结果；若所述第一匹配处理的处理结果为未匹配，则对所述当前视频帧的目标识别框和所述待渲染目标在所述当前视频帧的预测位置进行基于特征相似性的第二匹配处理，将所述第二匹配处理的处理结果作为所述匹配处理结果。[0095]可选实施例中，渲染模块710，还用于调用视频特效渲染算法，对所述行车视频中的所述待渲染目标进行处理，得到特效视频。[0096]可选实施例中，视频特效处理装置还包括：交互模块；[0097]所述交互模块，用于响应用户触发的第一操作，将所述行车视频，和/或，所述特效视频上传至云端进行存储。[0098]可选实施例中，视频特效处理装置还包括：交互模块；[0099]所述交互模块，用于响应用户触发的第二操作，将所述特效视频发送至其他用户。[0100]本公开实施例提供的视频特效处理装置，通过在车辆的行驶过程中，对采集得到的行车视频进行实时特效渲染处理；将特效渲染处理后的特效视频进行显示，从而使得用户在自驾出行的同时即可观看到旅拍的特效视频，提升用户体验。[0101]第三方面，对应于上文实施例的视频特效处理方法，图8为本公开实施例提供的视频特效处理系统的结构框图。为了便于说明，仅示出了与本公开实施例相关的部分。参照图8，视频特效处理系统，包括：[0102]车载拍摄设备810，安装于所述车辆的驾驶区域，用于采集所述车辆在行驶过程中的行车视频；[0103]车载显示设备820，安装于所述车辆的驾驶区域，和/或，所述车辆的乘坐区域，用于前述任一项视频特效处理方法，对所述车载拍摄设备所采集的所述行车视频进行特效渲染处理，并对得到的特效视频进行显示。[0104]本实施例提供的电子设备，可用于执行上述方法实施例的技术方案，其实现原理和技术效果类似，本实施例此处不再赘述。[0105]参考图9，其示出了适于用来实现本公开实施例的电子设备900的结构示意图，该电子设备900可以为终端设备或媒体库。其中，终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、个人数字助理(personaldigitalassistant，简称pda)、平板电脑(portableandroiddevice，简称pad)、便携式多媒体播放器(portablemediaplayer，简称pmp)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字tv、台式计算机等等的固定终端。图9示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。[0106]如图9所示，电子设备900可以包括处理装置(例如中央处理器、图形处理器等)901，其可以根据存储在只读存储器(readonlymemory，简称rom)902中的程序或者从存储装置908加载到随机访问存储器(randomaccessmemory，简称ram)903中的程序而执行各种适当的动作和处理。在ram903中，还存储有电子设备900操作所需的各种程序和数据。处理装置901、rom902以及ram903通过总线904彼此相连。输入/输出(i/o)接口905也连接至总线904。[0107]通常，以下装置可以连接至i/o接口905：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置906；包括例如液晶显示器(liquidcrystaldisplay，简称lcd)、扬声器、振动器等的输出装置907；包括例如磁带、硬盘等的存储装置908；以及通信装置909。通信装置909可以允许电子设备900与其他设备进行无线或有线通信以交换数据。虽然图9示出了具有各种装置的电子设备900，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。[0108]特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置909从网络上被下载和安装，或者从存储装置908被安装，或者从rom902被安装。在该计算机程序被处理装置901执行时，执行本公开实施例的方法中限定的上述功能。[0109]需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、rf(射频)等等，或者上述的任意合适的组合。[0110]上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。[0111]上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备执行上述实施例所示的方法。[0112]可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或媒体库上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(localareanetwork，简称lan)或广域网(wideareanetwork，简称wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。[0113]本实施例提供的一种计算机程序产品，包括计算机指令，该计算机指令被处理器执行如前任一项所述的方法，其实现原理和技术效果类似，本实施例此处不再赘述。[0114]附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。[0115]描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。[0116]本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、片上系统(soc)、复杂可编程逻辑设备(cpld)等等。[0117]在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。[0118]以下是本公开的一些实施例。[0119]第一方面，根据本公开的一个或多个实施例，一种视频特效处理方法，包括：[0120]在车辆的行驶过程中，对采集得到的行车视频进行基于至少两种的目标识别处理，并对目标识别处理的结果进行目标跟踪处理，得到所述行车视频的待渲染目标以及相应的图像轨迹；[0121]根据所述待渲染目标在所述行车视频中的图像轨迹，对所述行车视频进行渲染处理，将特效渲染处理所得到的特效视频进行显示。[0122]可选实施例中，所述行车视频由连续的多个视频帧构成；[0123]对所述对采集得到的行车视频进行基于至少两种的目标识别处理，并对目标识别处理的结果进行目标跟踪处理，得到所述行车视频的待渲染目标以及相应的图像轨迹，包括：[0124]根据当前视频帧的帧数，采用与所述帧数相应的目标识别处理算法对所述行车视频的当前视频帧进行目标识别，得到所述当前视频帧中的目标识别框；[0125]根据所述行车视频中待渲染目标的历史图像轨迹，对所述待渲染目标在所述当前视频帧的实际位置进行预测，得到待渲染目标在所述当前视频帧的预测位置；[0126]对所述当前视频帧的目标识别框和所述待渲染目标在所述当前视频帧的预测位置进行匹配处理，并根据匹配处理结果得到待渲染目标在所述当前视频帧的实际位置。[0127]可选实施例中，所述根据当前视频帧的帧数，采用与所述帧数相应的目标识别处理算法对所述行车视频的当前视频帧进行目标识别，得到所述当前视频帧中的目标识别框，包括：[0128]当所述当前视频帧为所述行车视频中的第1帧，或者，所述当前视频帧为所述行车视频中的第1+nr帧时，调用目标检测算法对所述当前视频帧进行目标识别处理，得到所述当前视频帧中的目标识别框；[0129]其中，所述n和所述r均为正整数，所述r为帧间隔系数。[0130]可选实施例中，所述根据当前视频帧的帧数，采用与所述帧数相应的目标识别处理算法对所述行车视频的当前视频帧进行目标识别，得到所述当前视频帧中的目标识别框，包括：[0131]当所述当前视频帧不为所述行车视频中的第1帧，且，所述当前视频帧不为所述行车视频中的第1+nr帧时，调用光流预测算法对所述当前视频帧进行目标识别处理，得到所述当前视频帧中的目标识别框；[0132]其中，所述n和所述r均为正整数，所述r为帧间隔系数。[0133]可选实施例中，调用光流预测算法对所述当前视频帧进行目标识别处理，得到所述当前视频帧中的目标识别框，包括：[0134]对前一视频帧中的目标识别框在所述当前视频帧中的位置进行稀疏光流预测，得到所述当前视频帧中的目标识别框。[0135]可选实施例中，该方法，还包括：[0136]对所述当前视频帧的目标识别框和所述待渲染目标在所述当前视频帧的预测位置进行匹配处理的匹配处理结果，对所述帧间隔系数r的取值进行调整。[0137]可选实施例中，所述对所述当前视频帧的目标识别框和所述待渲染目标在所述当前视频帧的预测位置进行匹配处理，包括：[0138]对所述当前视频帧的目标识别框和所述待渲染目标在所述当前视频帧的预测位置进行基于空间重叠度的第一匹配处理；[0139]若所述第一匹配处理的处理结果为匹配，则将所述第一匹配处理的处理结果作为所述匹配处理结果；[0140]若所述第一匹配处理的处理结果为未匹配，则对所述当前视频帧的目标识别框和所述待渲染目标在所述当前视频帧的预测位置进行基于特征相似性的第二匹配处理，将所述第二匹配处理的处理结果作为所述匹配处理结果。[0141]可选实施例中，所述根据所述待渲染目标在所述行车视频中的图像轨迹，对所述行车视频进行渲染处理，包括：[0142]调用视频特效渲染算法，对所述行车视频中的所述待渲染目标进行处理，得到特效视频。[0143]可选实施例中，该方法，还包括：[0144]响应用户触发的第一操作，将所述行车视频，和/或，所述特效视频上传至云端进行存储。[0145]可选实施例中，该方法还包括：[0146]响应用户触发的第二操作，将所述特效视频发送至其他用户。[0147]第二方面，根据本公开的一个或多个实施例，一种视频特效处理装置，其特征在于，包括：[0148]渲染模块，用于在车辆的行驶过程中，对采集得到的行车视频进行基于至少两种的目标识别处理，并对目标识别处理的结果进行目标跟踪处理，得到所述行车视频的待渲染目标以及相应的图像轨迹；以及根据所述待渲染目标在所述行车视频中的图像轨迹，对所述行车视频进行渲染处理；[0149]显示模块，用于将特效渲染处理所得到的特效视频进行显示。[0150]可选实施例中，所述行车视频由连续的多个视频帧构成；[0151]渲染模块，具体用于：根据当前视频帧的帧数，采用与所述帧数相应的目标识别处理算法对所述行车视频的当前视频帧进行目标识别，得到所述当前视频帧中的目标识别框；根据所述行车视频中待渲染目标的历史图像轨迹，对所述待渲染目标在所述当前视频帧的实际位置进行预测，得到待渲染目标在所述当前视频帧的预测位置；对所述当前视频帧的目标识别框和所述待渲染目标在所述当前视频帧的预测位置进行匹配处理，并根据匹配处理结果得到待渲染目标在所述当前视频帧的实际位置。[0152]可选实施例中，渲染模块，具体用于：当所述当前视频帧为所述行车视频中的第1帧，或者，所述当前视频帧为所述行车视频中的第1+nr帧时，调用目标检测算法对所述当前视频帧进行目标识别处理，得到所述当前视频帧中的目标识别框；其中，所述n和所述r均为正整数，所述r为帧间隔系数。[0153]可选实施例中，渲染模块，具体用于当所述当前视频帧不为所述行车视频中的第1帧，且，所述当前视频帧不为所述行车视频中的第1+nr帧时，调用光流预测算法对所述当前视频帧进行目标识别处理，得到所述当前视频帧中的目标识别框；其中，所述n和所述r均为正整数，所述r为帧间隔系数。[0154]可选实施例中，渲染模块，具体用于对前一视频帧中的目标识别框在所述当前视频帧中的位置进行稀疏光流预测，得到所述当前视频帧中的目标识别框。[0155]可选实施例中，渲染模块，还用于：对所述当前视频帧的目标识别框和所述待渲染目标在所述当前视频帧的预测位置进行匹配处理的匹配处理结果，对所述帧间隔系数r的取值进行调整。[0156]可选实施例中，渲染模块，具体用于对所述当前视频帧的目标识别框和所述待渲染目标在所述当前视频帧的预测位置进行基于空间重叠度的第一匹配处理；若所述第一匹配处理的处理结果为匹配，则将所述第一匹配处理的处理结果作为所述匹配处理结果；若所述第一匹配处理的处理结果为未匹配，则对所述当前视频帧的目标识别框和所述待渲染目标在所述当前视频帧的预测位置进行基于特征相似性的第二匹配处理，将所述第二匹配处理的处理结果作为所述匹配处理结果。[0157]可选实施例中，渲染模块，还用于调用视频特效渲染算法，对所述行车视频中的所述待渲染目标进行处理，得到特效视频。[0158]可选实施例中，视频特效处理装置还包括：交互模块；[0159]所述交互模块，用于响应用户触发的第一操作，将所述行车视频，和/或，所述特效视频上传至云端进行存储。[0160]可选实施例中，视频特效处理装置还包括：交互模块；[0161]所述交互模块，用于响应用户触发的第二操作，将所述特效视频发送至其他用户。[0162]第三方面，根据本公开的一个或多个实施例，提供了一种视频特效处理系统，包括：[0163]车载拍摄设备，安装于所述车辆的驾驶区域，用于采集所述车辆在行驶过程中的行车视频；[0164]车载显示设备，安装于所述车辆的驾驶区域，和/或，所述车辆的乘坐区域，用于利用前述任一项所述的视频特效处理方法，对所述车载拍摄设备所采集的所述行车视频进行特效渲染处理，并对得到的特效视频进行显示。[0165]第四方面，根据本公开的一个或多个实施例，提供了一种电子设备，包括：至少一个处理器和存储器；[0166]所述存储器存储计算机执行指令；[0167]所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如前任一项所述方法。[0168]第五方面，根据本公开的一个或多个实施例，一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如前任一项所述方法。[0169]第六方面，根据本公开的一个或多个实施例，一种计算机程序产品，包括计算机指令，该计算机指令被处理器执行如前任一项所述方法。[0170]以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。[0171]此外，虽然采用特定次序描绘了操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。[0172]尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。当前第1页12当前第1页12