基于人工智能的3D显示屏的显示方法、系统及计算机设备与流程

基于人工智能的3d显示屏的显示方法、系统及计算机设备
技术领域
1.本技术涉及3d显示技术领域，尤其是涉及基于人工智能的3d显示屏的显示方法、系统及计算机设备。


背景技术：

2.裸眼3d显示屏被广泛应用于广告、传媒以及影视等各个不同领域，裸眼3d显示屏不需要观众佩戴眼镜或头盔便可观赏3d效果，其逼真的景深及立体感，极大提高了观众在观看体验时的视觉冲击力和沉浸感，成为产品推广、公众宣传及影像播放的最佳显示产品。
3.目前，3d视频的数量仍然非常有限，主流的3d视频制作分为两种：一种是主动式拍摄获取方法，一种是被动式计算机视觉计算方法。但是主动式方法对双目摄像镜头的要求很高，要保证镜头、光圈、色度一致，两路信号要同步，这使得立体拍摄的设备成本极高；另一种是被动式，被动式方法是通过后期的2d转制3d技术来完成，即对单目2d视频通过计算机视觉、计算机图形学的方法估算出双目3d视频，这样两路视频输入显示设备，可以获得良好的3d视觉体验效果。
4.针对上述中的相关技术，发明人认为存在有以下缺陷：每部影片或者视频的画面的画质参数有所不同，而在显示屏进行观看时，对于用户，所有的影片或视频都是相同的画质参数，容易影响观影的效果。


技术实现要素：

5.为了提高观影的效果，本技术提供基于人工智能的3d显示屏的显示方法、系统及计算机设备。
6.第一方面，本技术提供基于人工智能的3d显示屏的显示方法，采用如下的技术方案：基于人工智能的3d显示屏的显示方法，包括以下步骤：获取2d视频每一帧的原始图片；对原始图片进行分析，提取原始图片的深度信息，并根据深度信息生成相应的深度图；将深度图与原始图片结合生成新的视图，并将新的视图与原始图片相结合生成双目视图，连续帧的双目视图经过视频合成与压缩得到3d视频；获取2d视频的属性信息；根据所述属性信息对3d视频的画质进行调整。
7.通过采用上述技术方案，获取2d视频每一帧的原始图片，对原始图片进行处理，并相应生成原始图片的深度图，然后根据深度图和原始图片生成双目视图，连续帧的双目视图经过视频合成与压缩生成3d视频。最后通过对2d视频的属性信息进行分析，并根据属性信息对3d视频的画质进行调整，使画质更合适，进而可有效提高观影的效果。
8.优选的，所述获取2d视频的属性信息，包括：
根据2d视频的时长将2d视频分成若干时间段视频；获取时间段视频内的原始图片，并对该原始图片的色调进行分析，根据分析结果确定2d视频的属性信息。
9.通过采用上述技术方案，将2d视频分成若干时间段视频，并根据原始图片确定相应时间段的属性信息，使属性信息的判断更合理。
10.优选的，所述属性信息包括冷色调，中性色调和暖色调。
11.通过采用上述技术方案，对属性信息进行分类，方便后续根据不同的属性信息对画质进行调整，方便实用。
12.优选的，所述获取时间段视频内的原始图片，并对该原始图片的色调进行分析，根据分析结果确定2d视频的属性信息，包括：获取时间段视频内不同时间点的原始图片；对原始图片的色彩属性进行分析，并计算各色彩属性的数量占比，数量占比最大的色彩属性为该2d视频的属性信息。
13.通过采用上述技术方案，选取时间段视频内不同时间点的原始图片，并通过计算色彩属性的数量占比，进而确定2d视频的属性信息，使属性信息的确定更合理、更精准。
14.优选的，所述根据所述属性信息对3d视频的画质进行调整，包括：通过查表的方式获取属性信息对应的画质参数；根据画质参数对3d视频的画质进行调整。
15.通过采用上述技术方案，不同的属性信息对应的不同的画质参数，使画质的调整更加便捷。
16.优选的，所述根据所述属性信息对3d视频的画质进行调整之后，还包括：获取开始播放时用户的第一人像；定时获取用户的第二人像；将第二人像与第一人像进行对比，并判断用户是否处于疲劳状态，若是，则降低当前的亮度与音量。
17.通过采用上述技术方案，对用户的状态进行判断，当用户处于疲劳状态时，通过降低当前的亮度与音量，有利于用户休息。
18.第二方面，本技术提供基于人工智能的3d显示屏的显示系统，采用如下的技术方案：基于人工智能的3d显示屏的显示系统，包括：第一获取模块：用于获取2d视频每一帧的原始图片；ai模块：用于对原始图片进行分析，提取原始图片的深度信息，并根据深度信息生成相应的深度图；生成模块：将深度图与原始图片结合生成新的视图，并将新的视图与原始图片相结合生成双目视图，连续帧的双目视图经过视频合成与压缩得到3d视频；第二获取模块：用于获取2d视频的属性信息；画质调整模块：用于根据所述属性信息对3d视频的画质进行调整。
19.通过采用上述技术方案，获取2d视频每一帧的原始图片，对原始图片进行处理，并相应生成原始图片的深度图，然后根据深度图和原始图片生成双目视图，连续帧的双目视
图经过视频合成与压缩生成3d视频。最后通过对2d视频的属性信息进行分析，并根据属性信息对3d视频的画质进行调整，使画质更合适，进而可有效提高观影的效果。
20.第三方面，本技术提供一种计算机设备，采用如下的技术方案：一种计算机设备，包括存储器和处理器，所述存储器上存储有能够被处理器加载并执行上述任一项方法的计算机程序。
21.第四方面，本技术提供一种计算机可读存储介质，采用如下的技术方案：一种计算机可读存储介质，存储有能够被处理器加载并执行上述任一项方法的计算机程序。
22.综上所述，本技术包括以下至少一种有益技术效果：1.根据深度图和原始图片生成双目视图，连续帧的双目视图经过视频合成与压缩生成3d视频，然后通过对2d视频的属性信息进行分析，并根据属性信息对3d视频的画质进行调整，使画质更合适，进而可有效提高观影的效果。
23.2.选取时间段视频内不同时间点的原始图片，并通过计算色彩属性的数量占比，进而确定2d视频的属性信息，使属性信息的确定更合理、更精准；3.对用户的状态进行判断，当用户处于疲劳状态时，通过降低当前的亮度与音量，有利于用户休息。
附图说明
24.图1是本技术一实施例中基于人工智能的3d显示屏的显示方法的流程图；图2是本技术另一实施例中基于人工智能的3d显示屏的显示方法的流程图；图3是画质参数设置的示意图；图4是本技术实施例中基于人工智能的3d显示屏的显示系统的结构框图。
具体实施方式
25.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图1-4及实施例，对本技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本技术，并不用于限定本技术。
26.本技术实施例公开基于人工智能的3d显示屏的显示方法，参考图1，显示方法包括以下步骤：s1：获取2d视频每一帧的原始图片。
27.具体的，需要说明的是，由于视频由多帧图片依次反复显现，在视觉暂留原理下所形成，因此，要将2d视频转3d视频，需要对每一帧的图片进行立体处理。
28.s2：对原始图片进行分析，提取原始图片的深度信息，并根据深度信息生成相应的深度图。
29.具体的，利用ai模块对原始图片进行分析，ai模块为一个神经网络模块，神经网络模块由预先加载训练好的人工智能模型进行配置。
30.图片的深度图是一个给出每个图片坐标的深度信息的二维函数,每个像素点的值即为该像素点的深度，通常情况下表示为灰度图。深度图的每一个像素值的范围为[0,255]，像素值代表了原始图片中对应像素的深度，例如，若深度值为0则表示该像素对应的
物体距离摄像机最远，若深度值为255表示该像素对应的物体距离摄像机最近。通过原始图片获得深度图片是较成熟技术，在此不再赘述。
[0031]
s3：将深度图与原始图片结合生成新的视图，并将新的视图与原始图片相结合生成双目视图，连续帧的双目视图经过视频合成与压缩得到3d视频。
[0032]
具体的，在本实施例中，可以将原始图片作为左视图，而生成的新的视图作为右视图，由于新的视图是由深度图和原图像合成的，所以新的视图与原始图片之间存在视差，结合后的双目视图就能给人以立体感。将连续帧的双目视图经过视频合成与压缩可得到3d视频。
[0033]
s4：获取2d视频的属性信息。
[0034]
具体的，属性信息包括冷色调、中性色调和暖色调，通过对2d视频的原始图片的色调进行识别，可得到属性信息。
[0035]
s5：根据所述属性信息对3d视频的画质进行调整。
[0036]
具体的，通过画质参数对3d视频的画质进行调整，其中，画质参数包括亮度和红色增益。
[0037]
参考图2，可选的，在本实施例中，在步骤s4中，即获取2d视频的属性信息，包括以下子步骤：s41：根据2d视频的时长将2d视频分成若干时间段视频。
[0038]
s42：获取时间段视频内的原始图片，并对该原始图片的色调进行分析，根据分析结果确定2d视频的属性信息。
[0039]
具体的，可以将2d视频平均分成若干时间段视频，也可以按照预定的时间长度将2d视频分成若干时间段视频，例如，2d视频的时长为2小时，可平均将2d视频分成4段，每个时间段视频的长度为0.5小时；还可以以0.2小时的长度将2d视频分成10段。原始图片的色调包括冷色调、中心色调和暖色调，可以通过将原始图片输入训练好的神经网络模型，神经网络模型对原始图片的色调进行识别，并输出色调的结果。
[0040]
可选的，在本实施例中，在步骤s42中，即获取时间段视频内的原始图片，并对该原始图片的色调进行分析，根据分析结果确定2d视频的属性信息，包括以下子步骤：s421：获取时间段视频内不同时间点的原始图片。
[0041]
s422：对原始图片的色彩属性进行分析，并计算各色彩属性的数量占比，数量占比最大的色彩属性为该2d视频的属性信息。
[0042]
具体的，色彩属性包括冷色、中性色和暖色，例如，冷色为蓝色、绿色和紫色；而中性色为黑色和白色；而暖色为红色、黄色和橙色。将2d视频分成若干时间段视频，然后随机获取时间段视频内不同时间点的原始图片，每个时间段视频原始图片的数量可以为两张，也可以为多张。对原始图片的色调进行识别，色调占比最大的为该2d视频的属性信息。
[0043]
参考图3，例如，将2d视频分成a、b、c、d四段时间段视频，从a视频中分别在a1、a2两个时间点获取两张原始图片a1和a2；从b视频中分别在b1、b2两个时间点获取两张原始图片b1和b2；从c视频中分别在c1、c2两个时间点获取两张原始图片c1和c2；从d视频中分别在d1、d2两个时间点获取两张原始图片d1和d2。其中，a1和a2的色彩属性为冷色，b1的色彩属性为冷色，b2的色彩属性为中性色，d1的色彩属性为中性色，d2的色彩属性为暖色，冷色的占比为0.5，中性色的占比为1/3，冷色的占比为1/6，则，该2d视频的属性信息为冷色调。
[0044]
可选的，在本实施例中，在步骤s5中，即根据所述属性信息对3d视频的画质进行调整，包括以下子步骤：s51：通过查表的方式获取属性信息对应的画质参数。
[0045]
s52：根据画质参数对3d视频的画质进行调整。
[0046]
具体的，画质参数包括亮度和红色增益，在本实施例中，画质参数设置有三套，三套画质参数分别和属性信息一一对应，例如，当属性信息为冷色调时，根据画质参数1的参数对3d视频的画质进行调整；当属性信息为中性色调时，根据画质参数2的参数对3d视频的画质进行调整；当属性信息为暖色调时，根据画质参数3的参数对3d视频的画质进行调整。
[0047]
可选的，在本实施例中，在步骤s5之后，即根据所述属性信息对3d视频的画质进行调整之后，还包括：s6：获取开始播放时用户的第一人像。
[0048]
s7：定时获取用户的第二人像。
[0049]
s8：将第二人像与第一人像进行对比，并判断用户是否处于疲劳状态，若是，则降低当前的亮度与音量。
[0050]
具体的，显示屏的种类可以是oled 屏，显示屏可以为平板显示屏，通过平板上的摄像头对用户的人像进行获取。在视频开始播放时，也可以在视频开始播放一定时间内，通过摄像头拍摄用户的人像，并对人像进行保存，该人像为第一人像。在视频播放过程中，在预定的时间间隔获取用户的人像，该人像为第二人像，例如，预定的时间间隔可以为20分钟。将第二人像和第一人像进行对比，对人脸进行识别，若第二人像和第一人像对比，眼睛部分处于闭合状态，则判断用户处于疲劳状态。人脸识别属于较成熟技术，在此不再赘述。为了提高准确性，也可以将相邻的两张第二人像的第一人像对比，若，两次眼睛部分均处于闭合状态，则，判断用户处于疲劳状态。用户可通过再次点击屏幕，使亮度和声音恢复正常。
[0051]
参考图4，本技术实施例还公开了基于人工智能的3d显示屏的显示系统，包括：第一获取模块：用于获取2d视频每一帧的原始图片。
[0052]
ai模块：用于对原始图片进行分析，提取原始图片的深度信息，并根据深度信息生成相应的深度图。
[0053]
生成模块：将深度图与原始图片结合生成新的视图，并将新的视图与原始图片相结合生成双目视图，连续帧的双目视图经过视频合成与压缩得到3d视频。
[0054]
第二获取模块：用于获取2d视频的属性信息。
[0055]
画质调整模块：用于根据所述属性信息对3d视频的画质进行调整。
[0056]
关于基于人工智能的3d显示屏的显示系统的具体限定可以参见上文中对于基于人工智能的3d显示屏的显示方法的限定，在此不再赘述。上述基于人工智能的3d显示屏的显示系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0057]
本技术实施例还公开了一种计算机设备，包括存储器和处理器，所述存储器上存储有能够被处理器加载并执行上述基于人工智能的3d显示屏的显示方法的计算机程序。
[0058]
本技术实施例还公开了计算机可读存储介质，存储有能够被处理器加载并执行上述基于人工智能的3d显示屏的显示方法的计算机程序。
[0059]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（rom）、可编程rom（prom）、电可编程rom（eprom）、电可擦除可编程rom（eeprom）或闪存。易失性存储器可包括随机存取存储器（ram）或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram（sram）、动态ram（dram）、同步dram（sdram）、双数据率sdram（ddrsdram）、增强型sdram（esdram）、同步链路（synchlink）、dram（sldram）、存储器总线（rambus）直接ram（rdram）、直接存储器总线动态ram（drdram）、以及存储器总线动态ram（rdram）等。
[0060]
本技术中的处理器可以包括一个或者多个处理核心。处理器通过运行或执行存储在存储器内的指令、程序、代码集或指令集，调用存储在存储器内的数据，执行本技术的各种功能和处理数据。处理器可以为特定用途集成电路(application specific integrated circuit，asic)、数字信号处理器(digital signal processor，dsp)、数字信号处理装置(digital signal processing device，dspd)、可编程逻辑装置(programmable logic device，pld)、现场可编程门阵列(field programmable gate array，fpga)、中央处理器(central processing unit，cpu)、控制器、微控制器和微处理器中的至少一种。可以理解地，对于不同的设备，用于实现上述处理器功能的电子器件还可以为其它，本技术实施例不作具体限定。
[0061]
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。