图像、视频处理方法、装置、设备和存储介质与流程

1.本技术涉及计算机技术领域，特别是涉及一种图像处理方法和装置、一种视频处理方法和装置、一种电子设备和一种存储介质。


背景技术：

2.在图像处理领域中，有时需要对图像进行分割，因此就需要区分图像中需要分割的部分。
3.目前在进行图像分割时，通常需要给定原图以及特殊标记图，特殊标记图标注有前景、背景以及未知区域等部分，再采用原图和特殊标记图来确定该原图的掩膜图像，以便基于掩膜图像进行精细化分割。
4.但是，特殊标记图往往需要手动进行标记，效率很低。


技术实现要素：

5.本技术实施例提供了一种视频处理方法，以快速确定图像的精细掩膜图像。
6.相应的，本技术实施例还提供了一种图像处理装置、一种视频处理方法、一种基于图像的服务处理方法和装置、一种电子设备和一种存储介质，用以保证上述方法的实现及应用。
7.为了解决上述问题，本技术实施例公开了一种图像处理方法，所述方法包括：获取目标图像和所述目标图像的第一掩膜图像；将所述目标图像和第一掩膜图像输入到掩膜分析器中，得到所述目标图像的第二掩膜图像，所述第二掩膜图像的精度高于所述第一掩膜图像的精度，所述掩膜分析器基于神经网络训练得到。
8.本技术实施例还公开了一种图像处理方法，所述方法包括：获取原始图像；确定所述原始图像的第一掩膜图像；将所述原始图像和第一掩膜图像输入到掩膜分析器中，得到所述原始图像的第二掩膜图像，所述第二掩膜图像的精度高于所述第一掩膜图像的精度，所述掩膜分析器基于神经网络训练得到；依据所述第二掩膜图像对所述原始图像执行编辑处理，得到对应的目标图像。
9.本技术实施例还公开了一种视频处理方法，所述方法包括：获取原始视频数据；分别确定所述原始视频数据中帧图像的第一掩膜图像；将所述帧图像和第一掩膜图像输入到掩膜分析器中，得到所述帧图像的第二掩膜图像，所述第二掩膜图像的精度高于所述第一掩膜图像的精度，所述掩膜分析器基于神经网络训练得到；依据所述第二掩膜图像对所述帧图像执行编辑处理，得到对应的目标图像；采用所述目标图像重构成目标视频数据。
10.本技术实施例还公开了一种基于图像的服务处理方法，所述方法包括：提供掩膜服务接口；通过所述掩膜服务接口接收目标图像，并确定所述目标图像的第一掩膜图像；将所述目标图像和第一掩膜图像输入到掩膜分析器中，得到所述目标图像的第二掩膜图像，所述第二掩膜图像的精度高于所述第一掩膜图像的精度，所述掩膜分析器基于神经网络训练得到；反馈所述第二掩膜图像。
11.本技术实施例还公开了一种图像处理方法，所述方法包括：获取商品对象的商品图像和所述商品图像的第一掩膜图像；将所述商品图像和第一掩膜图像输入到掩膜分析器中，得到所述商品图像的第二掩膜图像，所述第二掩膜图像的精度高于所述第一掩膜图像的精度，所述掩膜分析器基于神经网络训练得到；依据所述商品图像和第二掩膜图像，提取对应的商品对象。
12.本技术实施例还公开了一种图像处理方法，所述方法包括：获取物流对象的物流图像和所述物流图像的第一掩膜图像；将所述物流图像和第一掩膜图像输入到掩膜分析器中，得到所述物流图像的第二掩膜图像，所述第二掩膜图像的精度高于所述第一掩膜图像的精度，所述掩膜分析器基于神经网络训练得到；依据所述物流图像和第二掩膜图像，提取对应的物流对象。
13.本技术实施例还公开了一种图像处理方法，所述方法包括：提供编辑页面，所述编辑页面包括编辑控件；依据所述编辑控件接收目标图像，并上传所述目标图像；接收所述目标图像的第二掩膜图像，并在所述编辑页面中展示；所述第二掩膜图像依据目标图像及其第一掩膜图像确定，所述第二掩膜图像的精度高于所述第一掩膜图像的精度；在所述编辑页面中，将所述第二掩膜图像移动到所述目标图像之上，提取所述目标图像中的目标对象；在所述编辑页面中展示提取的目标对象。
14.本技术实施例还公开了一种视频处理装置，所述装置包括：获取模块，用于获取目标图像和所述目标图像的第一掩膜图像；掩膜分析模块，用于将所述目标图像和第一掩膜图像输入到掩膜分析器中，得到所述目标图像的第二掩膜图像，所述第二掩膜图像的精度高于所述第一掩膜图像的精度，所述掩膜分析器基于神经网络训练得到。
15.本技术实施例还公开了一种基于图像的服务处理装置，所述装置包括：接口提供模块，用于提供掩膜服务接口；数据接口模块，用于通过所述掩膜服务接口接收目标图像，并确定所述目标图像的第一掩膜图像；服务处理模块，用于将所述目标图像和第一掩膜图像输入到掩膜分析器中，得到所述目标图像的第二掩膜图像，所述第二掩膜图像的精度高于所述第一掩膜图像的精度，所述掩膜分析器基于神经网络训练得到；反馈模块，用于反馈所述第二掩膜图像。
16.本技术实施例还公开了一种图像处理装置，所述方法包括：页面提供模块，用于提供编辑页面，所述编辑页面包括编辑控件；上传模块，用于依据所述编辑控件接收目标图像，并上传所述目标图像；掩膜展示模块，用于接收所述目标图像的第二掩膜图像，并在所述编辑页面中展示；所述第二掩膜图像依据目标图像及其第一掩膜图像确定，所述第二掩膜图像的精度高于所述第一掩膜图像的精度；提取模块，用于在所述编辑页面中，将所述第二掩膜图像移动到所述目标图像之上，提取所述目标图像中的目标对象；在所述编辑页面中展示提取的目标对象。
17.本技术实施例还公开了一种电子设备，包括：处理器；和
18.存储器，其上存储有可执行代码，当所述可执行代码被执行时，使得所述处理器执行如本技术实施例中一个或多个所述的方法。
19.本技术实施例还公开了一个或多个机器可读介质，其上存储有可执行代码，当所述可执行代码被执行时，使得处理器执行如本技术实施例中一个或多个所述的方法。
20.与现有技术相比，本技术实施例包括以下优点：
21.在本技术实施例中，可预先基于神经网络训练掩膜分析器，从而可获取目标图像及其第一掩膜图像，然后输入到训练好的掩膜分析器中，得到目标图像的第二掩膜图像，所述第二掩膜图像的精度高于所述第一掩膜图像的精度，从而快速确定精细化的掩膜图像，提高处理效率。
附图说明
22.图1a是本技术实施例的一种图像处理示意图；
23.图1b是本技术的一种图像处理方法实施例的步骤流程图；
24.图2是本技术实施例的一种掩膜分析器的训练示意图；
25.图3a是本技术实施例的一种两级掩膜分析器示例的处理示意图；
26.图3b是本技术的一种图像处理方法实施例的步骤流程图；
27.图4是本技术实施例的一种多级掩膜分析器的训练示意图；
28.图5是本技术实施例的一种多级掩膜分析器的处理示意图；
29.图6是本技术的另一种图像处理方法实施例的步骤流程图；
30.图7是本技术的一种视频处理方法实施例的步骤流程图；
31.图8是本技术的再一种图像处理方法实施例的步骤流程图；
32.图9是本技术的一种基于图像的服务处理方法实施例的步骤流程图；
33.图10是本技术的再一种图像处理方法实施例的步骤流程图；
34.图11是本技术的再一种图像处理方法实施例的步骤流程图；
35.图12是本技术的一种图像处理装置实施例的结构框图；
36.图13是本技术一实施例提供的装置的结构示意图。
具体实施方式
37.为使本技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本技术作进一步详细的说明。
38.本技术实施例中可应用于图像处理领域，可应用于各种基于掩膜进行图像处理的场景中，如基于掩膜区分图像的前景、背景以及未知区域等，从而可针对前景、背景等进行相应的编辑处理，如分割出前景和背景，进行背景虚化，对前景添加特效等。本技术实施例可针对图像粗糙的掩膜，可通过神经网络的处理得到精细化的掩膜，从而基于掩膜进行所需的图像处理操作。其中，掩膜图像可以理解为由0和1组成的一个二进制图像。
39.参照图1，示出了本技术实施例的一种图像处理示意图。
40.步骤102，获取目标图像和所述目标图像的第一掩膜图像。
41.将需要精细化掩膜的图像确定为目标图像，可获取该目标图像的第一掩膜图像。在一些示例中，该第一掩膜图像可直接获取，如由需要精细化掩膜的处理方提供；在另外一些示例中，第一掩膜图像也可通过各种掩膜处理方法获取。该第一掩膜图像为精度低于精度阈值的掩膜图像，即第一掩膜图像的精度比较低，是一种粗糙的掩膜图像，精度低会使得第一掩膜图像丢失掉图像的一些细节，比如人像中会导致发丝等精细的部位缺失，又如图1中第一掩膜图像中狮子的胡须、皮毛边缘的细节部分缺失。
42.目标图像的第一掩膜图像可基于各种掩膜算法获取，例如预先设置掩膜模板，将
目标图像和掩膜模型进行匹配，确定到的第一掩膜图像等。
43.步骤104，将所述目标图像和第一掩膜图像输入到掩膜分析器中，得到所述目标图像的第二掩膜图像，所述第二掩膜图像的精度高于所述第一掩膜图像的精度，所述掩膜分析器基于神经网络训练得到。
44.本技术实施例中，可预先训练精细化掩膜图像的掩膜分析器，可预先基于卷积神经网络构建掩膜分析器，初始化的掩膜分析器。其中，对于卷积神经网络不限制其层数和结构，可基于需求设置，例如对于卷积神经网络的隐含层不进行限制，其隐含层中卷积层、池化层、全连接层等处理层的数量、结构等均不作限制。
45.可预先准备好训练数据，其中，训练数据包括训练图像、训练图像的第一掩膜图像以及训练图像的标注掩膜图像，该标注掩膜图像为高精度的掩膜图像，精度依据掩膜分析器所需的精度确定，以便在掩膜分析器输出第二掩膜图像后，可基于该标注掩膜图像与第二掩膜图像计算损失，从而调整掩膜分析器的参数，直到掩膜分析器输出的第二掩膜图像的精度达到要求。
46.如图2所示的一种训练示例，可对初始化的掩膜分析器执行以下处理：
47.步骤202，将训练图像和所述训练图像的第一掩膜图像输入到掩膜分析器。
48.步骤204，确定所述训练图像的第二掩膜图像。
49.可以将训练图像及其第一掩膜图像输入到掩膜分析器，经过掩膜分析器的处理可得到第二掩膜图像。然后可获取所述训练图像的标注掩膜图像，依据所述标注掩膜图像对所述掩膜分析器的参数进行调整。
50.例如可计算标注掩膜图像和第二掩膜图像的差值，然后基于该差值反向传播，调整掩膜分析器的参数。又如可基于标注掩膜图像和第二掩膜图像确定损失韩式，然后基于损失函数调整掩膜分析器的参数。如下为一种损失函数调整的示例：
51.步骤206，依据所述标注掩膜图像与所述第二掩膜图像，确定损失函数。
52.步骤208，依据所述损失函数对所述掩膜分析器的参数进行调整。
53.可以基于标注掩膜图像和第二掩膜图像，确定损失函数，然后依据该损失函数对所述掩膜分析器的参数进行调整。
54.通过训练数据执行上述训练过程，直到掩膜分析器输出的第二掩膜图像满足精度要求。
55.本技术实施例中，该掩膜分析器还可由多级分析器构成，每级分析器的精度逐渐提高，一级分析器的输出可作为其下一级分析器的输入数据之一，从而得到的掩膜图像精度逐渐提高，后续使用过程中也可基于需要选择掩膜分析器的处理级数，得到所需精度的掩膜图像数据。其中，掩膜分析器的每一级分析器中，输入数据为原始图像和掩膜图像，输出数据为精度高于输入掩膜图像的输出掩膜图像。因此，原始图像和当前分析器输出的掩膜图像，可作为其下一级分析器的输入数据，从而得到精度更高的掩膜图像。
56.相应的训练数据中，也可设置各级分析器所对应的标注掩膜图像，从而逐级进行训练以及反馈，使得各级分析器满足精度要求，训练得到掩膜分析器。
57.以两级为例，假设掩膜分析器包括第一分析器和第二分析器。可将所述目标图像和第一掩膜图像输入第一分析器中，得到第三掩膜图像；将所述目标图像和第三掩膜图像输入第二分析器中，得到第二掩膜图像。该过程中，各级分析器也对应输出的训练掩膜图
像，从而每级分析器均可进行训练，且原始图像和训练掩膜图像还可作为下一级分析器的输出数据，进行下一级分析器的训练。上述示例为逐级训练的过程，实际处理中，包含多级分析器的掩膜分析器也可整体进行训练，训练过程获取每一级的输出数据，从而对每一级分别计算损失和调整。
58.在完成掩膜分析器的训练后，可基于该掩膜分析器确定图像的精细化掩膜。
59.可以将目标图像和第一掩膜图像输入到掩膜分析器，通过掩膜分析器的处理可得到目标图像的第二掩膜图像，所述第二掩膜图像的精度高于所述第一掩膜图像的精度。
60.其中，所述掩膜分析器包括多级分析器；下一级分析器的精度高于其前一级分析器的精度，目标图像和前一级分析器输出的掩膜图像，可作为其下一级分析器的输入数据。
61.因此还可选择掩膜分析器的级数，基于目标图像所需的精度要求选择相应级数的分析器，得到所需的掩膜图像。可选的，可确定目标图像的掩膜精度信息；依据所述掩膜精度信息确定所述掩膜分析器的级数。掩膜精度信息为目标图像所需掩膜的精度要求，其精度要求可基于图像的类型、图像所需的后续编辑操作的确定，例如对于人像类型、动物类型等图像类型，其对象边缘通常具有精细化边缘部分，如人的发丝、动物的皮毛、胡须、羽毛等，则可设置较高的精度，又如对于图像分割等场景，往往需要比较高的精度，相应掩膜分析器的级数也可比较高。又如对于背景虚化等特效处理，掩膜精度需求较低，可选择较低的技术，又如某些特效处理，可能要求的多级的掩膜，也可基于需求选择多级分析器并针对每级分析器分别获取输出的掩膜图像。
62.以两级分析器为例，所述掩膜分析器包括第一分析器和第二分析器；所述将所述目标图像和第一掩膜图像输入到掩膜分析器中，得到所述目标图像的第二掩膜图像，包括：将所述目标图像和第一掩膜图像输入第一分析器中，得到第三掩膜图像；将所述目标图像和第三掩膜图像输入第二分析器中，得到第二掩膜图像。可以将所述目标图像和第一掩膜图像输入第一分析器中，得到第三掩膜图像，然后将目标图像和第三掩膜数据作为第二分析器的输入数据，输入到第二分析器中，得到输出的第二掩膜图像。其中，第一掩膜图像的精度《第三掩膜图像的精度《第二掩膜图像的精度。
63.为了减少多级掩膜图像的计算量，在目标图像和掩膜图像输入到分析器之前，还可缩小图像的尺寸，其中，对于缩小的尺寸不做限定，但输入数据中，目标图像和掩膜图像的尺寸相同。
64.因此，在一个可选实施例中，所述将所述目标图像和第一掩膜图像输入第一分析器中，得到第三掩膜图像，包括：分别所述目标图像和第一掩膜图像缩小到预定尺寸；将预定尺寸的目标图像和预定尺寸的第一掩膜图像输入第一分析器中，得到预定尺寸的第三掩膜图像；将所述第三掩膜图像放大到原始尺寸，所述原始尺寸为目标图像的尺寸。可确定图像要缩小的预定尺寸，然后将目标图像缩小到预定尺寸，并将第一掩膜图像缩小到预定尺寸，然后将预定尺寸的目标图像和预定尺寸的第一掩膜图像输入第一分析器中，得到预定尺寸的第三掩膜图像，在第三掩膜数据输入到第二分析器之前，可获取目标图像的原始尺寸，将第三掩膜图像放大到原始尺寸，然后采用原始尺寸的第三掩膜图像和原始尺寸的目标图像作为输入数据，经过第二分析器处理后，可得到原始尺寸的第二掩膜数据。
65.本技术实施例中，为了减少计算量，针对多级的掩膜分析器，可在第一级分析器处理之前，将目标图像和第一掩膜图像缩小到预定尺寸，而后采用预定尺寸的目标图像和第
一掩膜图像作为输入数据，相应的每一级分析器的输入数据中，图像均可为预定尺寸，输入图像的尺寸和输出图像的尺寸是相同的，因此最后一级分析器的各输入图像若位预定尺寸，则输出的第二掩膜图可为预定尺寸，然后可将第二掩膜图像放大为原始尺寸。也可在输入到最后一级分析器之前，将各输入图像的尺寸放大为原始尺寸，再输入最后一级分析器，从而输出的第二掩膜图像的尺寸与目标图像的原始尺寸相同。上述缩放与否、缩放的时机，以及缩放的尺寸等均可依据需求设置，本技术实施例对此不做限定。
66.在得到所需的第二掩膜图像后，可基于该第二掩膜图像对目标图像进行所需的处理。
67.一个可选实施例中，依据所述第二掩膜图像对所述目标图像进行分割，提取所述目标图像的目标对象。可基于该第二掩膜图像对目标图像进行分割，可提取目标图像中用户感兴趣的部分，如将目标图像中的目标对象作为感兴趣的部分，则可基于第二掩膜图像从目标图像中分割出目标对象，如图1中的狮子，然后基于该目标对象进行后续处理，如与其他图像进行合成等。
68.另外一些可选实施例中，依据所述第二掩膜图像对所述目标图像进行虚化处理，得到对应的处理图像。通过第二掩膜图像可确定出目标图像中的前景和背景，例如将前景作为感兴趣的部分，则可通过掩膜图像区分前景和背景，从而可基于第二掩膜图像确定目标图像的背景区域，然后进行背景虚化处理，得到对应的处理图像。
69.在另外一些可选实施例中，还可基于第二掩膜图像从目标图像中提取前景部分，如目标对象等，然后基于该前景部分进行特效处理，特效处理可基于需求确定。如进行前景部分的放大处理，则可将提取的前景部分进行放大，并与前景部分叠加，出现多层放大的效果。其中，如果多层放大需要不同的精度来体现虚化的效果，还可获取多级的掩膜分析器中每一级处理所输出的掩膜图像，从而基于不同的掩膜图像分别提取前景部分，并放大相应的倍数，如技术越低放大的尺寸越大等，再叠加为相应的效果。
70.上述基于掩膜的处理可应用于图像、视频等具有图像的各种处理场景中，例如短视频的特效添加等。
71.后续的处理过程中，所分析得到掩膜图像以及目标图像也可作为训练数据，对掩膜分析器进行训练，提高掩膜分析器的精度。
72.综上，可预先基于神经网络训练掩膜分析器，从而可获取目标图像及其第一掩膜图像，然后输入到训练好的掩膜分析器中，得到目标图像的第二掩膜图像，所述第二掩膜图像的精度高于所述第一掩膜图像的精度，从而快速确定精细化的掩膜图像，提高处理效率。
73.在上述实施例的基础上，本技术实施例以两级分析器为例，所述掩膜分析器包括第一分析器和第二分析器，从而基于多级分析器确定图像的精细化掩膜图像。
74.参照图3a，示出了本技术实施例的一种两级掩膜分析器示例的处理示意图。
75.参照图3b，示出了本技术的一种图像处理方法实施例的步骤流程图。
76.步骤302，获取目标图像和所述目标图像的第一掩膜图像。
77.步骤304，分别将所述目标图像和第一掩膜图像缩小到预定尺寸。
78.其中，步骤304a，将所述目标图像缩小到预定尺寸，得到预定尺寸的目标图像；步骤304b，将第一掩膜图像缩小到预定尺寸，得到预定尺寸的第一掩膜图像。
79.步骤306，将预定尺寸的目标图像和预定尺寸的第一掩膜图像输入第一分析器中，
得到预定尺寸的第三掩膜图像。
80.步骤308，将所述第三掩膜图像放大到原始尺寸，所述原始尺寸为目标图像的尺寸。
81.步骤310，将所述目标图像和第三掩膜图像输入第二分析器中，得到第二掩膜图像。
82.在上述实施例的基础上，提供一种多级掩膜分析器的训练方法，其中，为了减少训练过程中的计算量，可将图像缩小后输入到各级分析器中。
83.如图4所示的一种多级掩膜分析器的训练示例，该附图仅用于示例性的展示训练过程，其中掩膜图像的精度随着分析器的级数增高而提高，但在图中未示出。
84.获取训练图像和训练图像的第一掩膜图像，然后将训练图像的尺寸缩小到的预定尺寸，并将第一掩膜图像的尺寸缩小到的预定尺寸。本步骤也可在训练数据准备过程执行，从而直接获取预定尺寸的训练图像和预定尺寸的第一掩膜图像。相应的，标注掩膜图像也可缩小为预定尺寸。其中，每一级分析器可对应该级的标注掩膜图像。
85.然后将预定尺寸的训练图像和预定尺寸的第一掩膜图像输入到第一级分析器中，得到第一级掩膜图像。再可基于第一级标注掩膜图像和第一级掩膜图像计算损失，然后对第一级分析器的参数进行调整，实现对第一级分析器的训练，最终训练的第一级分析器满足第一级精度要求。其中，第一级标注掩膜图像依据第一级精度要求确定。
86.然后可将第一级掩膜图像(或第一级标注掩膜图像)和预定尺寸的训练图像作为输入数据，输入到第二级分析器中，得到第二级掩膜图像，其训练过程与上述第一级分析器的训练过程类似，将第二级标注掩膜图像和第二级掩膜图像计算损失，然后对第二级分析器的参数进行调整，实现对第二级分析器的训练，最终训练的第二级分析器满足第二级精度要求。第二级标注掩膜图像依据第二级精度要求确定。
87.以此类推，将上一级掩膜图像(或上一级标注掩膜图像)和预定尺寸的训练图像作为输入数据，输入到其下一级分析器中，得到对应级的掩膜图像，并对对应级的标注掩膜图像计算损失后调整该级分析器，直到训练达到该级的精度要求。
88.直到获取到第n-1级掩膜图像后，可将第n-1级掩膜图像(或第n-1级标注掩膜图像)放大到训练图像的原始尺寸，然后和原始尺寸的训练图像输入到第n级分析器中，得到第n级掩膜图像，然后采用第n级掩膜图像和第n级掩膜图像计算损失，然后对第n级分析器的参数进行调整，实现对第n级分析器的训练，最终训练的第n级分析器满足第n级精度要求。第n级标注掩膜图像依据第n级精度要求确定。当然在其他示例中，第n级分析器的输入数据中各输入图像也可采用预定尺寸，在输出后再放大为原始尺寸，或者在整个训练过程均采用预定尺寸的图像进行训练以及计算损失，具体可基于需求设置，本技术实施例对此不做限制。
89.与上述训练过程类似，本实施例还提供一种多级掩膜分析器的训练方法，其中，为了减少处理过程中的计算量，可将图像缩小后输入到各级分析器中。
90.如图5所示的一种多级掩膜分析器的处理示例，该附图仅用于示例性的展示处理过程，其中掩膜图像的精度随着分析器的级数增高而提高，但在图中未示出。
91.获取目标图像和目标图像的第一掩膜图像，然后将目标图像的尺寸缩小到的预定尺寸，并将第一掩膜图像的尺寸缩小到的预定尺寸。
92.然后将预定尺寸的目标图像和预定尺寸的第一掩膜图像输入到第一级分析器中，得到第一级掩膜图像，该第一级掩膜图像为预定尺寸。再将第一级掩膜图像和预定尺寸的目标图像作为输入数据，输入到第二级分析器中，得到第二级掩膜图像，该第二级掩膜图像为预定尺寸。
93.以此类推，将上一级掩膜图像和预定尺寸的目标图像作为输入数据，输入到其下一级分析器中，得到对应级的掩膜图像。
94.直到获取到第n-1级掩膜图像后，可将第n-1级掩膜图像放大到目标图像的原始尺寸，然后和原始尺寸的目标图像输入到第n级分析器中，得到第二掩膜图像。
95.当然在另外一些示例中，第n级分析器的输入数据中各输入图像也可采用预定尺寸，在输出后再放大为原始尺寸，得到原始尺寸的第二掩膜图，具体可基于需求设置，本技术实施例对此不做限制。
96.在上述实施例的基础上，本技术实施例还提供了一种图像处理方法，能够确定符合图像处理需求的掩膜图像，并执行所需的编辑处理。
97.参照图6，示出了本技术的另一种图像处理方法实施例的步骤流程图。
98.步骤602，获取原始图像。
99.步骤604，确定所述原始图像的第一掩膜图像。
100.步骤606，将所述原始图像和第一掩膜图像输入到掩膜分析器中，得到所述原始图像的第二掩膜图像，所述第二掩膜图像的精度高于所述第一掩膜图像的精度，所述掩膜分析器基于神经网络训练得到。
101.步骤608，依据所述第二掩膜图像对所述原始图像执行编辑处理，得到对应的目标图像。
102.其中，所述编辑处理包括以下至少一种：分割处理、背景虚化处理、前景特效处理。
103.本技术各实施例的步骤与上述实施例中对应步骤类似，具体可参照上述实施例。
104.在上述实施例的基础上，本技术实施例还提供了一种视频处理方法，能够提取视频中的各帧图像，然后确定符合视频处理需求的掩膜图像，并执行所需的处理。
105.参照图7，示出了本技术的一种视频处理方法实施例的步骤流程图。
106.步骤702，获取原始视频数据。
107.步骤704，分别确定所述原始视频数据中帧图像的第一掩膜图像。
108.步骤706，将所述帧图像和第一掩膜图像输入到掩膜分析器中，得到所述帧图像的第二掩膜图像，所述第二掩膜图像的精度高于所述第一掩膜图像的精度，所述掩膜分析器基于神经网络训练得到。
109.步骤708，依据所述第二掩膜图像对所述帧图像执行编辑处理，得到对应的目标图像。
110.步骤710，采用所述目标图像重构成目标视频数据。
111.可以从原始视频数据中提取全部或部分帧图像，如提取需要处理的片段的帧图像，或者提取所有帧图像等。然后将帧图像作为目标图像，获取第一掩膜图像后，基于掩膜分析器确定第二掩膜图像，该过程与上述实施例类似，因此不再赘述。
112.在确定各帧图像的第二掩膜图像后，可采用第二掩膜图像对对应帧图像执行编辑处理，如分割处理、背景虚化处理、前景特效处理等，得到对应的目标图像。然后可基于帧图
像的时间戳等信息，将目标图像重构成目标视频数据，完成对视频数据的处理。
113.本技术实施例的精细化掩膜确定方式可以适用于图像的精细化掩膜的确定场景中，针对各类型的图像，可基于其粗糙掩膜估计精确掩膜，处理效率高。且在掩膜分析器训练完成后即可用于各类型图像的处理，复用性高，能够快速将其他粗分割算法转化成精确分割算法，大大提高了算法研发效率，降低了数据标注成本。
114.在上述实施例的基础上，本技术实施例还提供了一种编辑页面，能够对图像进行编辑，该编辑页面可提供编辑接口，通过编辑接口连接服务端或后台的处理端，从而获取目标图像的精细化掩膜图像，进而能够基于该掩膜图像从目标图像中提取目标对象，执行所需的各种编辑处理。例如在电商领域中，卖家(或商家)或买家可以从各种商品对象的图像中提取商品对象进行搭配、组合、试穿戴等，从而直观的了解商品对象的搭配效果，给购买提供建议。又如在物流领域，可以提取到发货、收货等各个阶段的物流对象的图像，然后进行核验，如发货时是否在包裹中查看到物品，收货是包裹是否完整等。还可应用到针对视频的编辑处理中，上传视频数据后，可得到各帧图像的掩膜图像，从而基于各帧图像的掩膜图像提取相应图像帧中的目标对象，构成目标对象的视频数据，从而能够便捷的添加到其他视频中，进行视频的合成，从而无论有蓝幕或者绿幕的场景下均能够便捷的提取目标对象，可以添加到其他视频，或者添加cg(computer graphics，计算机动画)特效等。
115.参照图8，示出了本技术的再一种图像处理方法实施例的步骤流程图。
116.步骤802，提供编辑页面，所述编辑页面包括编辑控件。
117.可以提供针对图像、视频的编辑页面，该编辑页面包括编辑控件，编辑控件用于对图像、视频进行编辑，可以包括多种不同的控件，如掩膜确定控件、提取控件(也可称为抠图)，特效控件等。
118.步骤804，依据所述编辑控件接收目标图像，并上传所述目标图像。
119.步骤806，接收所述目标图像的第二掩膜图像，并在所述编辑页面中展示；所述第二掩膜图像依据目标图像及其第一掩膜图像确定，所述第二掩膜图像的精度高于所述第一掩膜图像的精度。
120.基于掩膜确定控件可以获取目标图像，如拍摄、从指定存储地址获取等，然后上传该目标图像，可以上传到服务端来获取掩膜图像，也可具有一后台处理进程，该后台处理进程可处理得到掩膜图像。确定目标图像的精细化的第二掩膜图像的过程与上述各实施例类似，因此不在赘述。
121.其中，对于目标图像的第一掩膜图像可基于编辑页面生成，在另外一些场景中，该第一掩膜图像也可在服务端或后台服务进程自动生成，具体可依据需求设置，本技术实施例对此不做限制。例如在编辑页面中，用户可通过掩膜确定工具，划线工具等沿着目标对象的边缘移动，从而基于移动的轨迹自动生成第一掩膜图像。
122.步骤808，在所述编辑页面中，将所述第二掩膜图像移动到所述目标图像之上，提取所述目标图像中的目标对象。
123.步骤810，在所述编辑页面中展示提取的目标对象。
124.在获取到目标图像的精细化的第二掩膜图像后，可以进行图像的提取，或称为抠图，基于所使用的设备，用户可基于各种方式将第二掩膜图像移动到目标图像之上，可以理解为目标图像位于底层的图层，第二掩膜图像位于顶层的图层，从而在目标图像上覆盖一
层掩膜，然后可提取出目标图像中的目标图像，如商品图像中的商品对象，物流图像中的物流对象如包裹、包裹内的物品等，从而能够在编辑页面中展示提取的目标图像。
125.在各种不同的场景中，提取出目标对象后可执行所需的处理，例如在电子商务领域，可以将多个提取的目标对象进行组合，构成相应的搭配方案，或者进行试穿戴等。又如在物流领域，可以验视发货时包裹内是否有邮寄的物品，在收货时物流对象即包裹是否完成等。在视频处理领域，可以提取目标对象添加cg特效，或者进行其他编辑操作等。
126.可以将确定图像的掩膜图像方案集成为一种提供掩膜的服务，从而相应需要该项服务的场景下，处理方可订阅该服务并使用。
127.以在软件即服务(software-as-a-service，saas)场景为例，可以将确定图像的精细化掩膜的方案集成为一种掩膜服务，需要使用该服务的用户可订阅该服务，从而提供服务接口给订阅的用户使用。
128.参照图9，示出了本技术的一种基于图像的服务处理方法实施例的步骤流程图。
129.步骤902，提供掩膜服务接口。
130.订阅该掩膜服务的用户可使用该掩膜服务接口，或者在调用掩膜服务接口时检测用户是否具有权限，为具有权限的用户提供掩膜服务，针对不具有权限的用户可反馈提示信息，提示其进行订阅。
131.步骤904，通过所述掩膜服务接口接收目标图像，并确定所述目标图像的第一掩膜图像。
132.该掩膜服务接口可为第一接口，通过第一接口接收目标图像。在一些场景中，对于目标图像的第一掩膜图像可由订阅的用户提供，在另外一些场景中，该第一掩膜图像也可由掩膜服务自动生成，具体可依据需求设置，本技术实施例对此不做限制。
133.例如上述编辑页面中，用户可通过掩膜确定工具，划线工具等沿着目标对象的边缘移动，从而基于移动的轨迹自动生成第一掩膜图像。相应的可通过第一接口传输该第一掩膜图像。
134.步骤906，将所述目标图像和第一掩膜图像输入到掩膜分析器中，得到所述目标图像的第二掩膜图像，所述第二掩膜图像的精度高于所述第一掩膜图像的精度，所述掩膜分析器基于神经网络训练得到。
135.确定目标图像的第二掩膜图像的步骤与上述实施例类似，因此不在赘述。
136.步骤908，反馈所述第二掩膜图像。
137.在获取到目标图像的第二掩膜图像可以反馈该第二掩膜图像，例如通过第二接口反馈，该第二接口也为掩膜服务接口，可与第一接口为同一接口，也可为不同接口，本技术实施例对此不做限制。
138.在获取到第二掩膜图像后可执行用户所需的各种编辑操作。
139.例如在一些电商服务场景中，商家或卖家可订阅该项掩膜服务，从而通过使用该掩膜服务能够便捷的从商品对象的图像中提取商品对象，而后将自己所销售的各种商品对象进行搭配，从而无需每个单品、搭配组合都分别拍照，能够提高商品对象的发布效率。商家或卖家还可将该项服务提供给用户，作为店铺的一项搭配服务，用户可以在店铺中选择多个商品对象，然后通过提取选项提取商品对象，该提取选项可对应调用掩膜服务获取商品对象的第二掩膜图像并提取图像中的商品对象来反馈，从而用户可自行对店铺的多个商
品对象进行搭配，而后一键购买多个商品对象。
140.在另外一些场景中，电子商务网站的页面也可提供搭配选项，用户可在不同的店铺选择商品对象，然后基于对搭配选项的触发，将多个商品对象添加到一个搭配页面中，而后基于提取选项提取商品对象，将不同商品对象进行组合来实现搭配，还可上传自己的图像以及身形数据来进行试穿戴。另外用户也可上传自己已有服饰等商品对象的图像，与网站上销售的商品对象进行组合穿搭，方便购买自己合适的商品对象。上述搭配页面可提供给用户个人使用，从而还可能保护用户的隐私。针对用户满意的商品对象组合，可以提供购买选项，从而一键购买该组合中的多个商品对象。
141.又如在物流场景中，物流服务提供方可订阅该掩膜服务，将掩膜服务接口开放给各个物流节点，如配送站、转运中心等，相应物流节点的检验用户可使用该掩膜服务快速的从监控视频中提取目标物流对象，然后进行核验等。
142.在上述实施例的基础上，本技术实施例还可提供了一种图像处理方法，能够应用于电子商务领域，便捷的确定商品对象的商品图像的精细化掩膜，从而便于提取图像中的商品对象，进行搭配、试穿戴等。
143.参照图10，示出了本技术的再一种图像处理方法实施例的步骤流程图。
144.步骤1002，获取商品对象的商品图像和所述商品图像的第一掩膜图像。
145.步骤1004，将所述商品图像和第一掩膜图像输入到掩膜分析器中，得到所述商品图像的第二掩膜图像，所述第二掩膜图像的精度高于所述第一掩膜图像的精度，所述掩膜分析器基于神经网络训练得到。
146.步骤1006，依据所述商品图像和第二掩膜图像，提取对应的商品对象。
147.针对商品对象的商品对象，可确定其第一掩膜图像，然后将所述商品图像和第一掩膜图像输入到掩膜分析器中，得到所述商品图像的第二掩膜图像，该处理过程与上述实施例中对应过程类似，因此不再赘述。
148.在获取商品图像的第二掩膜图像后，可基于该第二掩膜图像从商品图像中提取出商品对象，实现对于商品对象的便捷提取。
149.可基于上述过程生成商品对象提取服务，或者提供生成掩膜的服务。可在店铺的页面、商品对象的详情页面、用户的购物车页面等各种页面设置选项，基于该选项可提取选中商品图像中的商品对象，还可将多个提取的商品对象进行商品对象进行组合，构成至少一种搭配方案。从而在购物的过程中能够便捷的对商品对象进行搭配，用户还可上传自己的服饰等图像来提取相应的服饰进行搭配，也可提供自己的图像、身形数据等对搭配方案进行试穿戴。
150.在上述实施例的基础上，本技术实施例还可提供了一种图像处理方法，能够应用于物流领域，便捷的确定物流对象的物流图像的精细化掩膜，从而便于提取图像中的物流对象，进行查验等。
151.参照图11，示出了本技术的再一种图像处理方法实施例的步骤流程图。
152.步骤1102，获取物流对象的物流图像和所述物流图像的第一掩膜图像。
153.步骤1104，将所述物流图像和第一掩膜图像输入到掩膜分析器中，得到所述物流图像的第二掩膜图像，所述第二掩膜图像的精度高于所述第一掩膜图像的精度，所述掩膜分析器基于神经网络训练得到。
154.步骤1106，依据所述物流图像和第二掩膜图像，提取对应的物流对象。
155.针对物流对象的物流对象，可确定其第一掩膜图像，然后将所述物流图像和第一掩膜图像输入到掩膜分析器中，得到所述物流图像的第二掩膜图像，该处理过程与上述实施例中对应过程类似，因此不再赘述。
156.在获取物流图像的第二掩膜图像后，可基于该第二掩膜图像从物流图像中提取出物流对象，实现对于物流对象的便捷提取。还采用提取的物流对象进行查验，确定对应的查验结果。物流服务提供方可订阅该掩膜服务，将掩膜服务接口开放给各个物流节点，如配送站、转运中心等，相应物流节点的检验用户可使用该掩膜服务快速的从监控视频中提取目标物流对象，然后进行核验等。
157.需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本技术实施例并不受所描述的动作顺序的限制，因为依据本技术实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本技术实施例所必须的。
158.在上述实施例的基础上，本实施例还提供了一种图像处理装置，应用于终端设备、服务器等电子设备中。
159.参照图12，示出了本技术的一种视频处理装置实施例的结构框图，具体可以包括如下模块：
160.获取模块1202，用于获取目标图像和所述目标图像的第一掩膜图像。
161.掩膜分析模块1204，用于将所述目标图像和第一掩膜图像输入到掩膜分析器中，得到所述目标图像的第二掩膜图像，所述第二掩膜图像的精度高于所述第一掩膜图像的精度，所述掩膜分析器基于神经网络训练得到。
162.综上，可预先基于神经网络训练掩膜分析器，从而可获取目标图像及其第一掩膜图像，然后输入到训练好的掩膜分析器中，得到目标图像的第二掩膜图像，所述第二掩膜图像的精度高于所述第一掩膜图像的精度，从而快速确定精细化的掩膜图像，提高处理效率。
163.其中，所述掩膜分析器包括多级分析器；下一级分析器的精度高于其前一级分析器的精度，目标图像和前一级分析器输出的掩膜图像，可作为其下一级分析器的输入数据。
164.可选的，所述掩膜分析器包括第一分析器和第二分析器；所述掩膜分析模块1204，用于将所述目标图像和第一掩膜图像输入第一分析器中，得到第三掩膜图像；将所述目标图像和第三掩膜图像输入第二分析器中，得到第二掩膜图像。
165.所述掩膜分析模块1204，用于分别将所述目标图像和第一掩膜图像缩小到预定尺寸；将预定尺寸的目标图像和预定尺寸的第一掩膜图像输入第一分析器中，得到预定尺寸的第三掩膜图像；将所述第三掩膜图像放大到原始尺寸，所述原始尺寸为目标图像的尺寸。
166.还包括：编辑模块，用于基于第二掩膜图像对所述目标图像进行编辑处理。
167.一个示例中，所述编辑模块，用于依据所述第二掩膜图像对所述目标图像进行分割，提取所述目标图像的目标对象。
168.另一个示例中，编辑模块，用于依据所述第二掩膜图像对所述目标图像进行虚化处理，得到对应的处理图像。
169.还包括：训练模块，用于训练掩膜分析器。
170.所述训练模块，用于依据卷积神经网络构建掩膜分析器；将训练图像和所述训练图像的第一掩膜图像输入到掩膜分析器，得到所述训练图像的第二掩膜图像；获取所述训练图像的标注掩膜图像，依据所述标注掩膜图像对所述掩膜分析器的参数进行调整。
171.可选的，所述训练模块，用于依据所述标注掩膜图像与所述第二掩膜图像，确定损失函数；依据所述损失函数对所述掩膜分析器的参数进行调整。
172.所述掩膜分析模块1204，用于确定目标图像的掩膜精度信息；依据所述掩膜精度信息确定所述掩膜分析器的级数。
173.在上述实施例的基础上：
174.所述获取模块1202，用于获取原始图像；确定所述原始图像的第一掩膜图像。
175.所述掩膜分析模块1204，用于将所述原始图像和第一掩膜图像输入到掩膜分析器中，得到所述原始图像的第二掩膜图像，所述第二掩膜图像的精度高于所述第一掩膜图像的精度，所述掩膜分析器基于神经网络训练得到。
176.所述编辑模块，用于依据所述第二掩膜图像对所述原始图像执行编辑处理，得到对应的目标图像。
177.其中，所述编辑处理包括以下至少一种：分割处理、背景虚化处理、前景特效处理。
178.在上述实施例的基础上，以视频处理为例：
179.所述获取模块1202，用于获取原始视频数据；分别确定所述原始视频数据中帧图像的第一掩膜图像；
180.所述掩膜分析模块1204，用于将所述帧图像和第一掩膜图像输入到掩膜分析器中，得到所述帧图像的第二掩膜图像，所述第二掩膜图像的精度高于所述第一掩膜图像的精度，所述掩膜分析器基于神经网络训练得到；
181.所述编辑模块，用于依据所述第二掩膜图像对所述帧图像执行编辑处理，得到对应的目标图像；采用所述目标图像重构成目标视频数据。
182.以应用于电子商务场景为例：
183.所述获取模块1202，用于获取商品对象的商品图像和所述商品图像的第一掩膜图像。
184.所述掩膜分析模块1204，用于将所述商品图像和第一掩膜图像输入到掩膜分析器中，得到所述商品图像的第二掩膜图像，所述第二掩膜图像的精度高于所述第一掩膜图像的精度，所述掩膜分析器基于神经网络训练得到。
185.所述编辑模块，用于依据所述商品图像和第二掩膜图像，提取对应的商品对象。
186.所述编辑模块，还用于将多个提取的商品对象进行商品对象进行组合，构成至少一种搭配方案。
187.以应用于电子商务场景为例：
188.所述获取模块1202，用于获取物流对象的物流图像和所述物流图像的第一掩膜图像；
189.所述掩膜分析模块1204，用于将所述物流图像和第一掩膜图像输入到掩膜分析器中，得到所述物流图像的第二掩膜图像，所述第二掩膜图像的精度高于所述第一掩膜图像的精度，所述掩膜分析器基于神经网络训练得到；
190.所述编辑模块，用于依据所述物流图像和第二掩膜图像，提取对应的物流对象。
191.所述编辑模块，还用于采用提取的物流对象进行查验，确定对应的查验结果。
192.本技术实施例的精细化掩膜确定方式可以适用于图像的精细化掩膜的确定场景中，针对各类型的图像，可基于其粗糙掩膜估计精确掩膜，处理效率高。且在掩膜分析器训练完成后即可用于各类型图像的处理，复用性高，能够快速将其他粗分割算法转化成精确分割算法，大大提高了算法研发效率，降低了数据标注成本。
193.在上述实施例的基础上，本实施例还提供了一种图像处理装置，应用于终端设备等电子设备中。
194.页面提供模块，用于提供编辑页面，所述编辑页面包括编辑控件。
195.上传模块，用于依据所述编辑控件接收目标图像，并上传所述目标图像。
196.掩膜展示模块，用于接收所述目标图像的第二掩膜图像，并在所述编辑页面中展示；所述第二掩膜图像依据目标图像及其第一掩膜图像确定，所述第二掩膜图像的精度高于所述第一掩膜图像的精度。
197.提取模块，用于在所述编辑页面中，将所述第二掩膜图像移动到所述目标图像之上，提取所述目标图像中的目标对象；在所述编辑页面中展示提取的目标对象。
198.本实施例中各模块与上述实施例中对应的模块类似，具体可参照上述实施例中的描述。
199.在上述实施例的基础上，本实施例还提供了一种图像处理装置，应用于终端设备、服务器等电子设备中。
200.接口提供模块，用于提供掩膜服务接口。
201.数据接口模块，用于通过所述掩膜服务接口接收目标图像，并确定所述目标图像的第一掩膜图像。
202.服务处理模块，用于将所述目标图像和第一掩膜图像输入到掩膜分析器中，得到所述目标图像的第二掩膜图像，所述第二掩膜图像的精度高于所述第一掩膜图像的精度，所述掩膜分析器基于神经网络训练得到。
203.反馈模块，用于反馈所述第二掩膜图像。
204.本实施例中各模块与上述实施例中对应的模块类似，具体可参照上述实施例中的描述。
205.本技术实施例还提供了一种非易失性可读存储介质，该存储介质中存储有一个或多个模块(programs)，该一个或多个模块被应用在设备时，可以使得该设备执行本技术实施例中各方法步骤的指令(instructions)。
206.本技术实施例提供了一个或多个机器可读介质，其上存储有指令，当由一个或多个处理器执行时，使得电子设备执行如上述实施例中一个或多个所述的方法。本技术实施例中，所述电子设备包括终端设备、服务器(集群)等各类型的设备。
207.本公开的实施例可被实现为使用任意适当的硬件，固件，软件，或及其任意组合进行想要的配置的装置，该装置可包括终端设备、服务器(集群)等电子设备。图13示意性地示出了可被用于实现本技术中所述的各个实施例的示例性装置1300。
208.对于一个实施例，图13示出了示例性装置1300，该装置具有一个或多个处理器1302、被耦合到(一个或多个)处理器1302中的至少一个的控制模块(芯片组)1304、被耦合到控制模块1304的存储器1306、被耦合到控制模块1304的非易失性存储器(nvm)/存储设备
1308、被耦合到控制模块1304的一个或多个输入/输出设备1310，以及被耦合到控制模块1304的网络接口1312。
209.处理器1302可包括一个或多个单核或多核处理器，处理器1302可包括通用处理器或专用处理器(例如图形处理器、应用处理器、基频处理器等)的任意组合。在一些实施例中，装置1300能够作为本技术实施例中所述终端设备、服务器(集群)等设备。
210.在一些实施例中，装置1300可包括具有指令1314的一个或多个计算机可读介质(例如，存储器1306或nvm/存储设备1308)以及与该一个或多个计算机可读介质相合并被配置为执行指令1314以实现模块从而执行本公开中所述的动作的一个或多个处理器1302。
211.对于一个实施例，控制模块1304可包括任意适当的接口控制器，以向(一个或多个)处理器1302中的至少一个和/或与控制模块1304通信的任意适当的设备或组件提供任意适当的接口。
212.控制模块1304可包括存储器控制器模块，以向存储器1306提供接口。存储器控制器模块可以是硬件模块、软件模块和/或固件模块。
213.存储器1306可被用于例如为装置1300加载和存储数据和/或指令1314。对于一个实施例，存储器1306可包括任意适当的易失性存储器，例如，适当的dram。在一些实施例中，存储器1306可包括双倍数据速率类型四同步动态随机存取存储器(ddr4sdram)。
214.对于一个实施例，控制模块1304可包括一个或多个输入/输出控制器，以向nvm/存储设备1308及(一个或多个)输入/输出设备1310提供接口。
215.例如，nvm/存储设备1308可被用于存储数据和/或指令1314。nvm/存储设备1308可包括任意适当的非易失性存储器(例如，闪存)和/或可包括任意适当的(一个或多个)非易失性存储设备(例如，一个或多个硬盘驱动器(hdd)、一个或多个光盘(cd)驱动器和/或一个或多个数字通用光盘(dvd)驱动器)。
216.nvm/存储设备1308可包括在物理上作为装置1300被安装在其上的设备的一部分的存储资源，或者其可被该设备访问可不必作为该设备的一部分。例如，nvm/存储设备1308可通过网络经由(一个或多个)输入/输出设备1310进行访问。
217.(一个或多个)输入/输出设备1310可为装置1300提供接口以与任意其他适当的设备通信，输入/输出设备1310可以包括通信组件、音频组件、传感器组件等。网络接口1312可为装置1300提供接口以通过一个或多个网络通信，装置1300可根据一个或多个无线网络标准和/或协议中的任意标准和/或协议来与无线网络的一个或多个组件进行无线通信，例如接入基于通信标准的无线网络，如wifi、2g、3g、4g、5g等，或它们的组合进行无线通信。
218.对于一个实施例，(一个或多个)处理器1302中的至少一个可与控制模块1304的一个或多个控制器(例如，存储器控制器模块)的逻辑封装在一起。对于一个实施例，(一个或多个)处理器1302中的至少一个可与控制模块1304的一个或多个控制器的逻辑封装在一起以形成系统级封装(sip)。对于一个实施例，(一个或多个)处理器1302中的至少一个可与控制模块1304的一个或多个控制器的逻辑集成在同一模具上。对于一个实施例，(一个或多个)处理器1302中的至少一个可与控制模块1304的一个或多个控制器的逻辑集成在同一模具上以形成片上系统(soc)。
219.在各个实施例中，装置1300可以但不限于是：服务器、台式计算设备或移动计算设备(例如，膝上型计算设备、手持计算设备、平板电脑、上网本等)等终端设备。在各个实施例
中，装置1300可具有更多或更少的组件和/或不同的架构。例如，在一些实施例中，装置1300包括一个或多个摄像机、键盘、液晶显示器(lcd)屏幕(包括触屏显示器)、非易失性存储器端口、多个天线、图形芯片、专用集成电路(asic)和扬声器。
220.其中，检测装置中可采用主控芯片作为处理器或控制模块，传感器数据、位置信息等存储到存储器或nvm/存储设备中，传感器组可作为输入/输出设备，通信接口可包括网络接口。
221.对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
222.本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
223.本技术实施例是参照根据本技术实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
224.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
225.这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
226.尽管已描述了本技术实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本技术实施例范围的所有变更和修改。
227.最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
228.以上对本技术所提供的一种图像处理方法和装置、一种视频处理方法、一种基于图像的服务处理方法和装置、一种电子设备和一种存储介质，进行了详细介绍，本文中应用了具体个例对本技术的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本技术的方法及其核心思想；同时，对于本领域的一般技术人员，依据本技术的思想，在具
体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本技术的限制。