如，假设视频服务器 中存储的视频videol所对应的用户访问热度信息最高，则在步骤Sl中，黑边确定设备1可 通过该视频服务器所提供的应用程序接口（API)，获取视频videol，以作为所述待处理的 视频；然后，在步骤Sl中，黑边确定设备1通过FFmpeg视频截图工具从视频videol中截取 至少一个原始视频图像，如从视频videol中截取30个与视频videol的原始视频画面大小 相一致的原始视频图像vml至vm30。
[0073] 本领域技术人员应能理解上述从待处理的视频中截取至少一个原始视频图像的 方式仅为举例，其他现有的或今后可能出现的从待处理的视频中截取至少一个原始视频图 像的方式如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于 此。
[0074] 在步骤S2中，黑边确定设备1对所述原始视频图像进行边界采样处理，以获得所 述视频所对应的一个或多个边界采样图像。在此，所述边界采样处理包括但不限于以下至 少任一项：1)以等采样间隔方式分别抽取所述原始视频图像的各边界位置图像；2)以采样 间隔随机方式分别抽取所述原始视频图像的各边界位置图像；3)以不等采样间隔方式分 别抽取所述原始视频图像的各边界位置图像。在此，抽取所述原始视频图像的各边界位置 图像的方式包括但不限于如对于所述原始视频图像的上下边界，抽取距离所述原始视频图 像的边界为所述原始视频图像的高度1/3的位置处图像；对于所述原始视频图像的左右边 界，抽取距离边界为所述原始视频图像的宽度1/5的位置处图像。本领域技术人员应能理 解上述边界采样处理仅为举例，其他现有的或今后可能出现的边界采用处理如可适用于本 发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。
[0075] 例如，接上例，在步骤Sl中，黑边确定设备1从视频videol中截取的原始视频图 像为30个与视频videol的原始视频画面大小相一致的原始视频图像vml至vm30,则在步 骤S2中，黑边确定设备1可对原始视频图像vml至vm30进行边界采样处理，以获得所述 视频所对应的一个或多个边界采样图像，对于原始视频图像vml，假设原始视频图像vml的 图像宽度为w，图像高度为h，则在步骤S2中，黑边确定设备1可按照采样间隔随机方式分 别抽取原始视频图像vml的上、下、左、右边界位置处图像，如按照如图2所示的采样间隔随 机方式分别抽取原始视频图像vml的上、下、左、右边界位置处图像，每个边界的采样数为 3,如对于原始视频图像vml的上下边界，抽取距离所述原始视频图像vml的边界为h/3的 位置处图像；对于原始视频图像vml的左右边界，抽取距离所述原始视频图像vml的边界为 w/5的位置处图像，分别得到边界采样图像A至H，其中，A、B、C为上边界采样图像，F、G、H 为下边界采样图像，A、D、F为左边界采用图像，C、E、H为右边界采样图像，在此，对原始视 频图像vml的同一边界进行边界采样处理时所得到的边界采样图像的大小并不必须相同， 边界采样图像相对于其在所述原始视频图像中的图像没有放缩，是1:1的；以此类推，在步 骤S2中，黑边确定设备1可对原始视频图像m2至vm30分别进行边界采样处理，得到对应 的边界采样图像，因在步骤Sl中，黑边确定设备1从视频videol中截取的原始视频图像为 30个与视频videol的原始视频画面大小相一致的原始视频图像vml至vm30,而在步骤S2 中，黑边确定设备1对原始视频图像vml至vm30进行边界采样时，每个边界的采样数为3， 则对于视频videol的每个边界，在步骤S2中，黑边确定设备1可得到相应的90个边界采 样图像，且各边界的采样是不相关的。
[0076] 在步骤S3中，黑边确定设备1确定所述一个或多个边界采样图像所对应的第一黑 边位置信息。在此，所述第一黑边位置信息表明了所述边界采样图像中的黑边所处的位置 信息，其可用所述边界采样图像中的黑边所处的行/列与相应的图像边界之间的垂直/水 平距离来表示，或者，也可用所述边界采样图像中黑边所处的行/列与相应的图像边界之 间的垂直/水平像素点数量来表示。在此，在步骤S3中，黑边确定设备1确定所述第一黑 边位置信息的方式包括但不限于以下至少任一项：
[0077] 1)首先根据所述边界采样图像的图像点所对应的第一灰度值，从一个或多个灰度 类别中确定所述图像点所属的灰度类别及对应的第二灰度值；然后，以所述边界采样图像 的边界行/列起始，依次检测所述边界采样图像的行/列是否满足该行/列所对应的所有 图像点的第二灰度值均满足预定阈值且该行/列的相邻下一行/列中至少一个图像点与该 行/列属于不同灰度类别的触发条件；接着，当满足所述触发条件时，将所述边界采样图像 中该行/列作为所述边界采样图像所对应的第一黑边位置信息。
[0078] 具体地，在步骤S3中，黑边确定设备1首先根据所述边界采样图像的图像点所对 应的第一灰度值，从一个或多个灰度类别中确定所述图像点所属的灰度类别及对应的第二 灰度值。在此，所述第一灰度值是指图像中点的颜色黑白深度，范围一般从〇到255共256 级灰度，白色为255,黑色为0 ;对于彩色图像，可根据图像点所对应的RGB (R，G，B)，确定该 图像点所对应的第一灰度值，如按加权的方法转换，R，G，B的比一般为3 :6 :1，或者，采用浮 点算法Gray=R*0. 3+G*0. 59+B*0. 11等方法得到。在此，所述灰度类别反映了对现有灰度等 级(如256级灰度、1024级灰度等）的重新划分得到的灰度类别，其可以通过非监督学习方 法(如k-means、ISODATA、链状方法等)或监督学习方法(如fisher分类器、决策树、回归、朴 素贝叶斯、SVM等）等方式得到，每一灰度类别具有表征所述灰度类别的灰度值/灰度值区 间范围；在此，假设用于聚类的像素点聚类样本中，像素点的第一灰度值均小于123,通过 非监督学习方法得到该聚类样本所对应的灰度类别，如下表3所示，其中表征所述灰度类 别的灰度值由属于该灰度类别的第一灰度值范围中的最小第一灰度值表不：
[0079]
[0080] 表 3
[0081] 在此，所述第二灰度值表示对所述第一灰度值的重新量化，其与所述灰度类别相 对应，每一灰度类别具有其唯一对应的第二灰度值，每一灰度类别所对应的第二灰度值既 可由表征所述灰度类别的灰度值来表示，也可对表征所述灰度类别的灰度值进行重新量化 得到，如对于上述表3,假设对表征所述灰度类别的灰度值进行重新量化，如将0仍以0表 示，将23用1表示，112用2表示，121用3表示，得到如以下表4所示的灰度类别及对应的 第二灰度值：
[0083]表 4
[0084] 本领域技术人员应能理解上述量化得到第二灰度值的方式仅为举例，其他现有的 或今后可能出现的量化得到第二灰度值的方式如可适用于本发明，也应包含在本发明保护 范围以内，并在此以引用方式包含于此。
[0085] 例如，假设对于原始视频图像vml，在步骤S2中，黑边确定设备1以如图2所示方 式对其进行边界采样处理时，假设原始视频图像vml为黑白图像，且其上边界的图像如图3 中的3 (a)所示，则对于在步骤S2中，黑边确定设备1对原始视频图像vml的上边界采样（图 3中的3 (a)中的灰色线框表示采样)得到的其中一个边界采样图像svml，如图3中的3 (b)， 在步骤S3中，黑边确定设备1首先根据该边界采样图像的图像点所对应的第一灰度值，从 一个或多个灰度类别中确定所述图像点所属的灰度类别及对应的第二灰度值，如假设边界 采样图像svml中一个图像点的第一灰度值为0,则在步骤S3中，黑边确定设备1可根据上 述表2所示的灰度类别，得到该图像点所属的灰度类别为灰度类别I，以及该图像点对应 的第二灰度值为0。
[0086] 然后，在步骤S3中，黑边确定设备1以所述边界采样图像的边界行/列起始，依次 检测所述边界采样图像的行/列是否满足该行/列所对应的所有图像点的第二灰度值均满 足预定阈值且该行/列的相邻下一行/列中至少一个图像点与该行/列属于不同灰度类别 的触发条件。在此，行/列灰度类别可根据该行/列所对应的图像点的灰度类别确定，如当 行/列中所有图像点均属于同一灰度类别时，该灰度类别即是该行/列的灰度类别。例如， 接上例，对于边界采样图像svml，因其是对原始视频图像vml的上边界采样得到的，则在步 骤S3中，黑边确定设备1以边界采样图像svml的上边界行起始，依次检测边界采样图像 svml的行是否满足该行所对应的所有图像点的第二灰度值均满足预定阈值且该行的相邻 下一行中至少一个图像点与该行属于不同灰度类别的触发条件，如假设边界采样图像svml 的上边界所对应的行(记为第1行）中所有图像点的第二灰度值均等于0,小于预定阈值如 0,则在步骤S3中，黑边确定设备1再判定下一行(记为第2行)中的所有图像点的第二灰度 值是否均满足所述预定阈值，若第二行中所有图像点的第二灰度值均为〇,均满足预定阈值 0,在步骤S3中，黑边确定设备1再继续判定下一行，以此类推，若边界采样图像svml从第 1行开始至第100行，每行中的所有图像点的第二灰度值均满足所述预定阈值〇,即边界采 样图像svml从第1行开始至第100行，每行均属于灰度类别I，而第101行中有1个图像 点的第二灰度值为2,根据上述表1所示的灰度类别，该行中该图像点属于灰度类别III，即 边界采样图像svml从上边界行起始的第101行中存在一个图像点与相邻上一行属于不同 灰度类别，则在步骤S3中，黑边确定设备1可确定边界采样图像svml从上边界行起始的第 100行满足所述触发条件。
[0087] 接着，当满足所述触发条件时，在步骤S3中，黑边确定设备1将所述边界采样图像 中该行/列作为所述边界采样图像所对应的第一黑边位置信息。例如，还接上例，在步骤S3 中，黑边确定设备1确定边界采样图像sml从上边界行起始的第100行为边界采样图像 svml所对应的第一黑边位置信息，如假设边界采样图像svml共η行，则所述第一黑边位置 信息可表示为dl=100/n，如图3中的3(c)所示。
[0088] 2)首先根据所述边界采样图像的行/列所对应的行/列第一灰度值，从一个或多 个灰度类别中确定所述边界采样图像的行/列所属的灰度类别及对应的行/列第二灰度 值；然后，以所述边界采样图像的边界行/列起始，将所述边界采样图像的相邻两行/列中 灰度类别不同且其中一行/列的行/列第二灰度值满足预定阈值的行/列作为所述第一黑 边位置信息。
[0089] 具体地，在步骤S3中，黑边确定设备1首先根据所述边界采样图像的行/列所对 应的图像点的第一灰度值，确定所述边界采样图像的行/列所对应的行/列第一灰度值，如 将所述边界采样图像的行/列所对应的多个图像点的第一灰度值中，出现次数最多的图像 点的第一灰度值，作为该行/列所对应的行/列第一灰度值，以从一个或多个灰度类别中确 定所述边界采样图像的行/列所属的灰度类别及对应的行/列第二灰度值。
[0090] 例如，对于边界采样图像svml，因其是对原始视频图像vml的上边界采样得到的， 则在步骤S3中，黑边确定设备1以边界采样图像svml的上边界行起始，依次确定边界采样 图像sml的行所对应的行第一灰度值，如假设边界采样图像svml的上边界所对应的行即 第1行中所有图像点的第一灰度值均等于〇,则说明该行所对应的行第一灰度值为〇 ;再如， 假设边界采样图像sml的上边界所对应的行即第1行共有1000个像素点，其中有800个 图像点的第一灰度值为1，其余200个图像点的第一灰度值为2,则在步骤S3中，黑边确定 设备1可将该1000个像素点的第一灰度值中，出现次数最多的像素点的第一灰度值1作为 该行的行第一灰度值，以此类推，在步骤S3中，黑边确定设备1可确定边界采样图像svml 的所有行/列所对应的行/列第一灰度值；然后，在步骤S3中，黑边确定设备1根据边界采 样图像svml的行/列所对应的行/列第一灰度值，从一个或多个灰度类别中确定边界采样 图像sml的行/列所属的灰度类别及对应的行/列第二灰度值，在此，在步骤S3中，黑边 确定设备1确定边界采样图像svml的行/列所属的灰度类别及对应的行/列第二灰度值 与前述在步骤S3中，黑边确定设备1确定所述图像点所属的灰度类别及对应的第二灰度值 的方式相同或基本相同，为简明起见，故在此不再赘述，并以引用的方式包含与此。
[0091] 接着，在步骤S3中，黑边确定设备1以所述边界采样图像的边界行/列起始，将所 述边界采样图像的相邻两行/列中灰度类别不同且其中一行/列的行/列第二灰度值满足 预定阈值的行/列作为所述第一黑边位置信息。例如，接上例，对于边界采样图像svml，若 边界采样图像svml从第1行开始至第100行，每行的行/列灰度类别均属于上述表4中 的灰度类别I，且对应的行第二灰度值为〇,满足预定阈值如〇,而与第100行相邻的第101 行的灰度类别属于上述表4中的灰度类别III，则在步骤S3中，黑边确定设备1可确定边