视频处理方法、装置、电子设备及存储介质与流程

1.本公开实施例涉及图像处理技术领域，尤其涉及一种视频处理方法、装置、电子设备及存储介质。


背景技术：

2.当前，在视频直播、视频会议等视频通讯类应用(application，app)中，会为用户提供实时的图像磨皮功能，即“美颜”功能，来满足用户皮肤遮瑕的需求。
3.现有技术中，实时的图像磨皮处理需要消耗相应的计算资源，终端设备通常是调用更擅长处理图像数据的图像处理器(graphics processing unit，gpu)来执行，从而实现更好的图像磨皮效果。
4.然而，对于没有配置专用的图像处理器的终端设备，只能通过中央处理器(central processing unit，cpu)来进行图像磨皮处理，导致了运行开销大，计算速度慢，进而影响图像磨皮的实时性，造成设备卡顿等问题。


技术实现要素：

5.本公开实施例提供一种视频处理方法、装置、电子设备及存储介质，以克服通过cpu进行图像磨皮处理时的运行开销大、计算速度慢的问题。
6.第一方面，本公开实施例提供一种视频处理方法，包括：
7.获取待处理图像中皮肤区域对应的目标像素数据，所述目标像素数据表征位于所述皮肤区域内的目标像素点的亮度值；基于所述目标像素数据，得到亮度差异数据，所述亮度差异数据表征所述目标像素点的亮度值与对应的周围像素点的亮度值的差异量；通过预设的权重映射信息，获得所述亮度差异数据对应的权重数据，并基于所述权重数据对所述目标像素数据进行导向均值滤波，得到目标图像，其中，所述权重数据表征对各所述目标像素点进行均值滤波的强度；基于所述目标图像生成视频数据流。
8.第二方面，本公开实施例提供一种视频处理装置，包括：
9.获取模块，用于获取待处理图像中皮肤区域对应的目标像素数据，所述目标像素数据表征位于所述皮肤区域内的目标像素点的亮度值；
10.对比模块，用于基于所述目标像素数据，得到亮度差异数据，所述亮度差异数据表征所述目标像素点的亮度值与对应的周围像素点的亮度值的差异量；
11.滤波模块，用于通过预设的权重映射信息，获得所述亮度差异数据对应的权重数据，并基于所述权重数据对所述目标像素数据进行导向均值滤波，得到目标图像，其中，所述权重数据表征对各所述目标像素点进行均值滤波的强度；
12.通讯模块，用于基于所述目标图像生成视频数据流。
13.第三方面，本公开实施例提供一种电子设备，包括：
14.处理器，以及与所述处理器通信连接的存储器；
15.所述存储器存储计算机执行指令；
16.所述处理器执行所述存储器存储的计算机执行指令，以实现如上第一方面以及第一方面各种可能的设计所述的视频处理方法。
17.第四方面，本公开实施例提供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，实现如上第一方面以及第一方面各种可能的设计所述的视频处理方法。
18.第五方面，本公开实施例提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现如上第一方面以及第一方面各种可能的设计所述的视频处理方法。
19.本实施例提供的视频处理方法、装置、电子设备及存储介质，通过获取待处理图像中皮肤区域对应的目标像素数据，所述目标像素数据表征位于所述皮肤区域内的目标像素点的亮度值；基于所述目标像素数据，得到亮度差异数据，所述亮度差异数据表征所述目标像素点的亮度值与对应的周围像素点的亮度值的差异量；通过预设的权重映射信息，获得所述亮度差异数据对应的权重数据，并基于所述权重数据对所述目标像素数据进行导向均值滤波，得到目标图像，其中，所述权重数据表征对各所述目标像素点进行均值滤波的强度；基于所述目标图像生成视频数据流。由于计在通过算亮度差异数据进行导向均值滤波时，基于预设的权重映射信息，以查表的方式获得对应的权重数据来进行导向均值滤波，避免了中央处理器所不擅长浮点运算，因此可以提高在图像磨皮过程中中央处理器的运行效率，解决中央处理器在进行图像磨皮处理过程中运行开销大、计算速度慢的问题，提高图像磨皮过程的运行速度、缩短运行时间，提高设备流畅性。
附图说明
20.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。
21.图1为本公开实施例提供的视频处理方法的一种应用场景图；
22.图2为本公开实施例提供的视频处理方法的流程示意图一；
23.图3为图2所示实施例中步骤s102的具体实现方式流程图；
24.图4为本公开实施例提供的一种获得亮度差异数据的过程示意图；
25.图5为图3所示实施例中步骤s1022的具体实现方式流程图；
26.图6为本公开实施例提供的视频处理方法的流程示意图二；
27.图7为图6所示实施例中步骤s203的具体实现方式流程图；
28.图8为本公开实施例提供的一种待处理图像中的子区域的示意图；
29.图9为本公开实施例提供的一种肤色二值图的示意图；
30.图10为本公开实施例提供的一种确定皮肤区域的过程示意图；
31.图11为本公开实施例提供的视频处理装置的结构框图；
32.图12为本公开实施例提供的一种电子设备的结构示意图；
33.图13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
34.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。
35.下面对本公开实施例的应用场景进行解释：
36.图1为本公开实施例提供的视频处理方法的一种应用场景图，本公开实施例提供的视频处理方法，可以应用于视频会议、视频直播等视频通讯场景。更具体地，例如可以应用于使用无专用图像处理器(gpu)的个人电脑(pc)进行视频会议、视频聊天的视频通讯场景下。本公开实施例提供的方法，可以应用于终端设备，例如个人电脑、智能手机等。如图1所示，本实施例中，以个人电脑(图中示为目标终端设备)作为本方法实施例的执行主体进行介绍，其中，个人电脑通过运行视频通讯客户端，利用摄像单元(例如终端设备内置或外接的摄像头)采集用户视频，并与视频通讯服务端(图中示为服务器)进行数据交互，将实时采集的用户视频发送至服务端进行分发，从而实现与运行该视频通讯客户端的其他终端设备的视频通讯。
37.现有技术中，视频通讯类应用会为用户提供实时的图像磨皮功能，即“美颜”功能，来满足用户皮肤遮瑕的需求。实时的图像磨皮处理需要消耗相应的计算资源，终端设备(例如图1中的笔记本电脑)通常是调用更擅长处理图像数据的图像处理器(gpu)来执行，从而实现更好的图像磨皮效果。然而，在一些情况下，对于没有配置专用的图像处理器的终端设备，只能通过中央处理器(cpu)来进行图像磨皮处理。由于图像处理器和中央处理器在结构特点和设计目的上的差异性，使中央处理器更加擅长逻辑控制，而图像处理器更加擅长大规模并发计算。而在进行图像磨皮处理的过程中，现有技术的方案中，由于需要大量处理加、减、乘、除的浮点运算，因此使用图像处理器可以达到较好的处理效率，实现视频通话过程中的实时图像磨皮；而在不具备图像处理器的终端设备上，使用中央处理器进行处理，则导致了运行开销大，计算速度慢，进而影响图像磨皮的实时性，造成设备卡顿等问题。
38.因此，当前亟需一种方法，能够在使用中央处理器的情况下，实现对图像磨皮的高效处理。本公开实施例提供一种视频处理方法以解决上述问题。
39.参考图2，图2为本公开实施例提供的视频处理方法的流程示意图一。本实施例的方法可以应用在终端设备中，该视频处理方法包括：
40.步骤s101：获取待处理图像中皮肤区域对应的目标像素数据，目标像素数据表征位于皮肤区域内的目标像素点的亮度值。
41.示例性地，参考图1所示的应用场景示意图，在视频通过过程中，终端设备通过摄像单元实时采集的图像，其中，该待处理图像既可以为通过摄像单元采集的原始图像，也可以是对原始图像进行滤波、降采样、格式转换等预处理步骤后的预处理图像，具体实现方法可根据需要设置，此处不限定。在获得待处理图像后，对待处理图像进行图像识别，确定待处理图像中表现用户皮肤的图像区域，即皮肤区域，其中，对图像中的特定目标进行识别的方法为本领域技术人员知晓的现有技术，此处不再赘述。确定皮肤区域后，位于皮肤区域内的像素点为目标像素点，进一步地，获取待处理图像中皮肤区内的目标像素点对应的亮度值，即目标像素数据。在一种可能的实现方式中，待处理图像为yuv图像。yuv是一种颜色编
码方法，其中，“y”表示明亮度(luminance或luma)，也就是灰阶值，“u”和“v”表示的则是色度(chrominance或chroma)，作用是描述影像色彩及饱和度，用于指定像素的颜色。在确定皮肤区域(即皮肤区域的目标像素点坐标)后，提取皮肤区域对应的目标像素点的“y”通道数据，得到表征皮肤区域内的目标像素点的亮度值，即目标像素数据。可选地，目标像素数据可以为待处理图像的灰度图。
42.步骤s102：基于目标像素数据，得到亮度差异数据，亮度差异数据表征目标像素点的亮度值与对应的周围像素点的亮度值的差异量。
43.示例性地，图像磨皮的目标，是将拍摄的视频中用户皮肤上的瑕疵(例如与周围皮肤明显不一致的黑斑、皱纹等)进行淡化，从而实现遮瑕的目的。在此过程中，需要首先定位皮肤上的瑕疵，本实施例中，在获得目标像素数据后，基于目标像素数据所表现的示例性地，在获得目标像素数据后，通过目标像素数据所表征的目标像素点对应的亮度值，对各目标像素点的亮度值与目标像素点的周围像素点的亮度值进行比较，得到各目标像素点对应的差异量，其中，若差异量大于预设阈值，说明该目标像素点与周围像素点的差异较大，可能为皮肤上的瑕疵点；反之，若差异量小于预设阈值，说明该目标像素点与周围像素点的差异较小，可能为正常的皮肤。之后，基于各目标像素点对应的差异量的集合，生成亮度差异数据。
44.一种可能的实现方式中，亮度差异数据为字符型数据(char)，更具体地，例如无标字符型数据(unsigned char)。示例性地，字符型数据是用于c或c++中定义字符型变量，只占一个字节，其中，字符型数据的取值范围为-128至127，无标字符型数据的取值范围为0至255。字符型数据不能直接进行运算，但是可以通过查表的方式进行映射，实现基于亮度差异数据的快速导向均值滤波，从而实现图像的磨皮处理，由于不需要进行浮点数计算，此种方式更加适合中央处理器，因此可以提高整体处理效率，具体过程在后续实施例步骤中详细介绍。示例性地，待处理图像中的各像素点的y通道数据，是基于字符型数据实现的，例如，将通过摄像单元采集的yuv图像，以字符型数据保存，从而使待处理图像中各像素点对应的表征像素点的亮度值的y通道数据，为字符型数据。相应地，待处理图像中的目标像素数据也字符型数据，进而，根据目标像素数据得到的亮度差异数据，也为字符型数据。
45.在一种可能的实现方式中，如图3，步骤s102的具体实现步骤包括：
46.步骤s1021：对目标像素数据进行均值滤波，得到亮度均值数据。
47.步骤s1022：根据目标像素数据和亮度均值数据的差异量，得到亮度差异数据。
48.示例性地，在图像处理技术领域，均值滤波是一种典型的线性滤波算法，通获取目标像素点周围的多个相邻或临近像素点的亮度值进行平均计算，使用平均计算结果作为该目标像素点对应的平均亮度值(各目标像素点对应的亮度值的集合，即亮度均值数据)，之后计算各目标像素点的亮度值与对应的平均亮度值的差值的绝对值，得到亮度值的差异量的集合，即亮度差异数据。图4为本公开实施例提供的一种获得亮度差异数据的过程示意图，如图，以其中一个目标像素点为例，首先获取该目标像素点周围的8个相邻像素点，之后提取该8个相邻像素点的y通道数据，即相邻像素点的亮度值。之后进行平均计算，得到亮度均值数据，再基于亮度均值数据和目标像素数据的差异量，得到亮度差异数据。
49.进一步地，在目标像素数据为字符型数据的情况下，示例性地，目标像素数据包括各目标像素点对应的无符号字符型的第一亮度值，亮度均值数据包括各目标像素点对应的
无符号字符型的第二亮度值，如图5所示，步骤s1022的具体实现步骤包括：
50.步骤s1022a：针对各目标像素点，计算第一亮度值与第二亮度值的差，得到无符号字符型的第一差值。
51.步骤s1022b：针对各目标像素点，计算第二亮度值与第一亮度值的差，得到无符号字符型的第二差值，其中，第一差值或第二差值至少一个为0。
52.步骤s1022c：计算各目标像素点对应的第一差值和第二差值的和，得到亮度差异数据。
53.计算亮度差异数据的方式如式(1)和式(2)所示：
54.v＝charcal(y，m)+charcal(m，y)
ꢀꢀꢀ
(1)
[0055][0056]
其中，v为亮度差异数据，y为目标像素数据中的无符号字符型的第一亮度值；m为亮度均值数据中的无符号字符型的第二亮度值；charcal(x1,x2)是计算无符号字符型数据x1与无符号字符型数据x2的差的函数。具体地，由于目标像素点的亮度值与对应的周围像素点的亮度值的差异量，可能是大于零，也可能小于零，为了提高中央处理器的运行效率，而采用基于无符号字符型数据(取值范围为0至255)进行计算时，若得到的差异量小于零，则会导致结果溢出，因此，本实施例中，通过分别计算第一差值和第二差值，并利用无符号字符型数据的截断特性，来快速计算差异量。具体地，例如，针对一个目标像素点，对应的y(第一亮度值)＝100，对应的m(第二亮度值)＝85；此种情况下，y大于m，即该目标像素点的亮度值大于平均亮度值，在视觉上该目标像素点为一个“亮点”，计算对应的第一差值charcal(y，m)＝15，第一差值charcal(m，y)＝0，进而，得到亮度差异数据v＝15；而再例如，针对另一个目标像素点，对应的y(第一亮度值)＝40，对应的m(第二亮度值)＝85；此种情况下，y小于m，即该目标像素点的亮度值小于平均亮度值，在视觉上该目标像素点为一个“暗点”，计算对应的第一差值charcal(y，m)＝0，第一差值charcal(m，y)＝45，进而，得到亮度差异数据v＝45。
[0057]
通过上述介绍可知，由于目标像素数据和亮度均值数据均为无符号字符型，由此计算得到的亮度差异数据也是无符号字符型，本实施例中，通过对计算亮度差异数据的过程进行优化，实现了利用基于无符号字符型数据得到亮度差异数据的过程，从而在后续步骤中，使中央处理器可以基于字符型数据的亮度差异数据确定权重数据并进行导向均值滤波，提高中央处理器的数据处理效率。
[0058]
步骤s103：通过预设的权重映射信息，获得亮度差异数据对应的权重数据，并基于权重数据对目标像素数据进行导向均值滤波，得到目标图像，其中，权重数据表征对各目标像素点进行均值滤波的强度。
[0059]
示例性地，导向均值滤波是一种通过为不同像素点设置不同的权重系数来实现定向滤波的技术，本实施例场景中，即在图像磨皮过程中，对皮肤上较为明显的瑕疵(像素点)使用较大的强度(权重)来磨皮，来提高去除瑕疵的效果；而对应皮肤上不明显的瑕疵或正常皮肤区域(像素点)，则使用较小的强度(权重)来磨皮，还原图像中的皮肤细节，提高图像质量。
[0060]
具体地，本实施例中，在得到亮度差异数据后，通过亮度差异数据所表征的目标像
素点的亮度值与对应的周围像素点的亮度值的差异量，结合预设的权重映射信息，以查表的方式获得各目标像素点对应的权重值，即权重数据，之后，在权重数据的基础上，对待处理图像中皮肤区域对应的目标像素数据进行处理，来加权调整每一目标像素点的亮度，实现对偏离平均亮度值(即正常皮肤对应的亮度值)的像素点的亮度值的修正，最终实现磨皮的效果。该过程中，权重映射信息是预先设置的，中央处理器在获得亮度差异数据后，可以根据权重映射信息，利用中央处理器所擅长的逻辑运算优势，直接获得对应的权重数据，并基于权重数据进行加权计算，实现导向均值滤波，而无需进行浮点数加减乘除运算，大幅提高了cpu的运算效率，降低运算时间。
[0061]
示例性地，在步骤s103之后，还可以包括：
[0062]
步骤s104：基于目标图像生成视频数据流，并将视频数据流发送至视频通讯服务器。
[0063]
示例性地，在获得目标图像后，对目标图像进行编码并生成视频数据流，实时的发送至视频通讯服务器，在视频通讯服务器一侧，基于需要对视频数据流进行处理后，分发至与其连接的其他终端设备(具体通信连接关系可参见图1所示应用场景示意图)，使其他终端设备可以实时获得并展示进行了磨皮处理的目标图像，实现视频通讯过程中的美颜效果。基于上述介绍，由于目标图像的生成过程不需要使用中央处理器进行复杂的加减乘除运算，因此可以大幅提高目标图像的生成速度，从而保证视频数据流的实时性，在视频会议、视频直播等应用场景下，能够在实现美颜效果的同时，提高视频通讯两侧所展示的图像的同步性，提高视频会议、视频直播的展示效果。
[0064]
在本实施例中，通过获取待处理图像中皮肤区域对应的目标像素数据，目标像素数据表征位于皮肤区域内的目标像素点的亮度值；基于目标像素数据，得到亮度差异数据，亮度差异数据表征目标像素点的亮度值与对应的周围像素点的亮度值的差异量；通过预设的权重映射信息，获得亮度差异数据对应的权重数据，并基于权重数据对目标像素数据进行导向均值滤波，得到目标图像，其中，权重数据表征对各目标像素点进行均值滤波的强度；基于目标图像生成视频数据流，并将视频数据流发送至视频通讯服务器。由于计在通过算亮度差异数据进行导向均值滤波时，基于预设的权重映射信息，以查表的方式获得对应的权重数据来进行导向均值滤波，避免了中央处理器所不擅长浮点运算，因此可以提高在图像磨皮过程中中央处理器的运行效率，解决中央处理器在进行图像磨皮处理过程中运行开销大、计算速度慢的问题，提高图像磨皮过程的运行速度、缩短运行时间，提高设备流畅性。
[0065]
参考图6，图6为本公开实施例提供的视频处理方法的流程示意图二。本实施例在图2所示实施例的基础上，进一步对步骤s102-s103细化，并增加了确定皮肤区域的步骤，该视频处理方法包括：
[0066]
步骤s201：对待处理图像进行下采样，得到下采样图像。
[0067]
步骤s202：对下采样图像进行转换，得到rgb图像。
[0068]
示例性地，在获得待处理图像后，为进一步提高图像处理速度，可以首先对待处理图像进行下采样，得到分辨率更低的下采样图像，具体地，例如，待处理图像为分辨率为1024x1024的图像，对其下采样16倍，得到分辨率为64x64的下采样图像。由于本实施例步骤中得到的下采样图像，是用于定位皮肤区域，而在之后的步骤中，结合导向均值滤波并不会
影响最终生成的目标图像的质量，但可以大幅降低重要处理器的计算量，提高图像磨皮的处理效率。
[0069]
之后，对降采样后的下采样图像进行转换，可以得到对应的rgb图像。其中，示例性地，待处理图像为yuv格式的图像，对应降采样后的下采样图像，也是yuv格式的图像。将yuv图像转换为rgb图像的具体实现方式为现有技术，此处不再赘述。
[0070]
步骤s203：针对rgb图像进行肤色检测，确定待处理图像中的皮肤区域。
[0071]
rgb图像是通过r(红色)、g(绿色)、b(蓝色)三个通道的颜色的组合来表征图像中各像素点颜色的技术，其中，肤色区域对应的像素点的颜色具有一定的颜色特征，通过检测rgb图像中各像素点的像素值，并与预设的颜色特征进行对比，即可得到待处理图像中的皮肤区域。其中，一种可能的实现方式中，可以通过二值图的方式，来表示待处理图像中的皮肤区域。
[0072]
示例性地，如图7所示，步骤s203的具体实现步骤包括：
[0073]
步骤s2031：基于预设的分割参数，将待处理图像分割为多个大小相同的子区域，分割参数表征子区域的个数或大小。
[0074]
步骤s2032：根据rgb图像中的各像素点的rgb像素值进行肤色检测，得到目标像素点，目标像素点为rgb像素值具有皮肤特征的像素点。
[0075]
示例性地，图8为本公开实施例提供的一种待处理图像中的子区域的示意图，如图8所示，基于预设的分割参数，将待处理图像分割成固定大小的方形区域，即子区域，一个子区域内包括至少一个rgb图像中的像素点(图中示为rgb像素点)，可选地，rgb图像的尺寸是子区域的尺寸的整数倍；例如，rgb图像是基于对待处理图像下采样16倍后得到的下采样图像生成，因此一个rgb像素点，对应16个待处理图像中的像素点，rgb图像的分辨率为64x64，而一个子区域例如对应4个rgb图像中的像素点。如图8中所示，示例性地，在待处理图像的子区域a中，包括4个rgb像素点，对各像素点的rgb像素值进行肤色检测后，确定其中的各像素点的rgb像素值均具有皮肤特征，说明该子区域对应皮肤区域；在待处理图像的子区域b中，对其中的各像素点的rgb像素值进行肤色检测后，四个像素点的rgb像素值均不具有皮肤特征，因此四个像素点均不是目标像素点，说明该子区域对应非皮肤区域；在待处理图像的子区域c中，对其中的各像素点的rgb像素值进行肤色检测后，像素点p1、p2的rgb像素值具有皮肤特征；因此，像素点p1、p2为目标像素点，说明该子区域对应非皮肤区域和皮肤区域的边缘。
[0076]
示例性地，步骤s2032的具体实现方法包括：
[0077]
对rgb图像中的各像素点对应的rgb像素值进行检测，得到肤色像素点，肤色像素点的rgb像素值位于预设的rgb阈值区间；对各肤色像素点进行开运算，得到有效肤色像素点；基于有效肤色像素点，生成肤色二值图，肤色二值图用于表征目标像素点在rgb图像中的位置。
[0078]
示例性地，检测各像素点的rgb像素值后，基于预设的皮肤颜色对应的rgb阈值区域，对各像素点的rgb像素值进行判断，可以得到其中符合皮肤特征的像素点，即肤色像素点。之后，对各肤色像素点进行开运算，去除其中的异常点，之后得到用于表征目标像素点在rgb图像中的位置的肤色二值图。本实施例步骤中，通过对肤色像素点进行开运算，去除远离肤色像素点集群的异常点，从而提高皮肤区域的检测精度，提高最终生成的目标图像
的图像质量。
[0079]
步骤s2033：根据目标像素点，确定多个目标子区域，并将目标子区域的集合确定为皮肤区域，其中，目标子区域为包含目标像素点的子区域。
[0080]
示例性地，结合图8所示实施例，对于子区域a、子区域b和子区域c，将其中包含目标像素点的子区域a和子区域c，确定为目标子区域。示例性地，上述步骤可以通依次遍历各子区域来确定目标子区域，其中，由于不需要对子区域中的所有像素点进行检测，只需要子区间中包括一个目标像素点，即可将该子区域确定为目标子区域，因此，可以实现对各子区域的快速遍历，更具体地，例如每个子区域对应4个rgb像素点，依次遍历各子区域，第一个子区域在遍历至第一个rgb像素点时，确定该rgb像素点为目标像素点，则不再继续检测，直接将该第一个子区域确定为目标子区域，之后继续遍历第二个子区域，直至遍历完所有子区域。由于可见，由于不需要遍历子区域中的所有rgb像素点，因此提高了遍历各子区域的速度。
[0081]
示例性地，根据目标像素点，确定多个目标子区域的步骤包括：对齐肤色二值图和待处理图像，并基于肤色二值图中的肤色标识对各子区域进行标记，确定目标子区域。图9为本公开实施例提供的一种肤色二值图的示意图，如图9所示，肤色二值图是用于表征肤色区域的位置坐标的信息，示例性地，肤色二值图是基于rgb图像生成的，因此肤色二值图的尺寸与rgb图像的尺寸一致，可以通过插值的方式对肤色二值图进行处理，从而得到与待处理图像尺寸一致的肤色二值图，实现肤色二值图与待处理图像的对齐。之后，示例性地，肤色二值图中包括肤色标识，例如图中的二进制数“1”(非皮肤区域表示为二进制数“0”)，具有肤色标识的区域，表示皮肤区域。根据肤色二值图中的肤色标识(即“1”)对子区域进行标记，从而确定目标子区域。
[0082]
示例性地，步骤s2033中，将目标子区域的集合确定为皮肤区域的步骤包括：检测各目标子区域的相邻距离；将相邻距离小于预设距离的目标子区间，融合为相邻区域；基于分割参数，若目标子区域的尺寸小于预设的尺寸阈值，则将相邻区域确定为皮肤区域。
[0083]
示例性地，在确定目标子区域后，通过组合各目标子区域，来确定最终的皮肤区域，具体地，即检测各目标子区域的相邻距离，将相邻的目标子区域，融合为相邻区域，在一种可能的实现方式中，子区域对应的分割参数用于确定子区域的分割精度，对于待处理图像而言，子区域尺寸越大，说明分割精度越低，而子区域尺寸越小，则分割精度越高。基于分割参数，当子区域尺寸小于预设的尺寸阈值时，示为子区域的精度达到要求，此时，由于人体皮肤(例如面部、四肢等裸露的皮肤)通常在图像中是连续区域，因此，通过分割参数的控制，将进行融合的相邻区域，确定为皮肤区域，而未进行融合的单独的目标子区域，则视为检测错误的匹配区域，从而实现皮肤区域的检测结果优化，提高皮肤区域的检测精度和正确率。图10为本公开实施例提供的一种确定皮肤区域的过程示意图，如图10所示，在确定目标子区域a至e后，根据目标子区域a至e之间的距离，将目标子区域a至d融合为一个整体，即相邻区域，而目标子区域e没有进行融合，为一个独立的区域。最终，将目标子区域a至e对应的融合后得到的融合区域，确定为皮肤区域，而未进行融合的目标子区域e，则不确定为皮肤区域。
[0084]
本实施例步骤中，通过提取待处理图像的rgb图像进行肤色识别，并结合分割待处理图像的方式，实现了对肤色区域快速、准确的定位，
[0085]
步骤s204：获取待处理图像中皮肤区域对应的目标像素数据，目标像素数据表征位于皮肤区域内的目标像素点的亮度值。
[0086]
步骤s205：基于目标像素数据，得到亮度差异数据。
[0087]
步骤s206：通过预设的权重映射信息，获得亮度差异数据对应的权重数据。
[0088]
示例性地，步骤s204至步骤s206为获取皮肤区域对应的目标像素数据，并基于目标像素数据计算得到权重数据的步骤，上述步骤在图2所示实施例中已进行详细介绍，具体可参见图2所示实施例中相关介绍，此处不再赘述。
[0089]
步骤s207：根据权重数据，得到权重图，权重图包括各目标像素点对应的权重系数，权重系数表征目标像素点的亮度通道的目标像素值与对应的平均亮度值的融合比例，平均亮度值为针对目标像素值进行均值滤波的结果。
[0090]
示例性地，在得到权重数据后，需要将权重数据的权重系数映射至各目标像素点，该过程可以通过生成权重图实现。示例性地，步骤s207的具体实现步骤包括：
[0091]
步骤s2071：获取皮肤区域对应的肤色二值图。
[0092]
步骤s2072：根据肤色二值图和权重数据，得到权重图。
[0093]
示例性地，其中，肤色二值图是检测待处理图像中的皮肤区域过程中生成的，用于表征服务区域对应的像素点的坐标的图像，该肤色二值图可以基于待处理图像对应的rgb图像生成，具体获得皮肤区域对应的肤色二值图的过程可参见步骤s203中的相关说明，此处不再赘述。之后，融合肤色二值图和权重数据，进行数据尺寸对齐，从而为肤色二值图所指示的各目标像素点赋值对应的权重系数，从而得到表征各目标像素点的权重系数的权重图。其中，权重系数表征目标像素点的亮度通道的目标像素值与对应的平均亮度值的融合比例，示例性地，权重系数越大，则目标像素点的亮度通道的目标像素值的融合权重越大，最终基于该权重系数进行融合后，得到的结果受目标像素点的亮度通道的目标像素值的影响越大(即磨皮效果越弱)；反正，权重系数越小，则目标像素点的亮度通道的目标像素值的融合权重越小，最终基于该权重系数进行融合后，得到的结果受目标像素点对应的平均亮度值的影响越大(即磨皮效果越强)。
[0094]
步骤s208：基于权重图，融合目标像素数据和对应的亮度均值数据，得到目标图像，其中，亮度均值数据是各目标像素点对应的平均亮度值的集合。
[0095]
示例性地，之后，基于该权重图所表征的各目标像素点的亮度通道的目标像素值与对应的平均亮度值的融合比例，将二者融合，得到各目标像素点对应的融合亮度，即磨皮处理的结构。其中，平均亮度值的具体获取方法，在图2所示实施例的步骤s102中已进行介绍，此处不再赘述。
[0096]
步骤s209：基于目标图像生成视频数据流，并将视频数据流发送至视频通讯服务器。
[0097]
本实施例中步骤s209的具体实现方式与图2所示实施例中步骤s104的具体实现方式相同，此处不再赘述。
[0098]
下面以一个更加详细的实施例对本公开实施例提供的视频处理方法进行介绍，本实施例的执行主体为终端设备或终端设备的中央处理器：
[0099]
step01：通过摄像头，获得原图i
yuv
(yuv格式，大小为720*1280)，类型是3通道，unsigned char类型。
[0100]
step02：获得分割参数wn和hn将原图划分为固定大小的网格集合，记为g，包含(wn+1)*(hn+1)个小网格。
[0101]
step03：对原图i
yuv
进行大幅度下采样(例如16倍下采样)，然后再转换成rgb图像，得到下采样后的rgb图片i
ds
；
[0102]
step04：对i
ds
使用肤色检测算法：
[0103]
(r》95&&g》40&&b》20&&r》g&&r》b&&max(r,g,b)-min(r,g,b)》15&&abs(r-g)》15)进行肤色区域判断，并且执行一次开运算降噪，得到降采样空间中的肤色图二值图
[0104]
step05：遍历中的每一个像素，并且计算每个像素能映射到g中的哪些小网格中，并对有肤色信息的小网格做标记。
[0105]
step06：对g中标记过的小网格，按照相邻关系进行融合，得到一个或多个不相交的矩形区域rect
roi
。
[0106]
step07：获得原图y通道信息iy(大小为720*1280)。
[0107]
step08：在iy上取每一个包含肤色信息矩形roi区域的rect
roi
的图像信息，记为的数据类型和iy一致，均为单通道，unsigned char类型。
[0108]
step09：对进行小幅度下采样(例如4倍)，得到的数据类型和iy一致，均为单通道，unsigned char类型。
[0109]
step10：在上取每一个包含肤色信息矩形roi区域rect
roi
对应的肤色信息，并且将尺寸调整至与相同，记为
[0110]
step11：对进行一次均值滤波，得到的数据类型和iy一致，均为单通道，unsigned char类型。
[0111]
step12：通过计算得到差异图数据类型和iy一致，均为单通道，unsigned char类型。
[0112]
step13：对差异图中的每一个值，通过查表m(预计算，表征差异值与权重值的映射关系)，得到用于后续混合原图和均值图的权重图映射关系)，得到用于后续混合原图和均值图的权重图的数据类型和iy一致，均为单通道，unsigned char类型。
[0113]
step14：利用libyuv的加权算法，混合和得到最终用于混合的权重图的数据类型和iy一致，均为单通道，unsigned char类型。
[0114]
step15：和升采样，尺寸调整为与相同，记为m
roi
和ws
roi
，均为单通道，unsigned char类型。
[0115]
step16：利用libyuv的加权算法，以ws
roi
为权重，混合和m
roi
，得到目标图像，即磨皮结果。
[0116]
step17：基于目标图像生成视频数据流，并将视频数据流发送至视频通讯服务器。
[0117]
对应于上文实施例的视频处理方法，图11为本公开实施例提供的视频处理装置的
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。
[0118]
参照图11，视频处理装置3包括：
[0119]
获取模块31，用于获取待处理图像中皮肤区域对应的目标像素数据，目标像素数据表征位于皮肤区域内的目标像素点的亮度值；
[0120]
对比模块32，用于基于目标像素数据，得到亮度差异数据，亮度差异数据表征目标像素点的亮度值与对应的周围像素点的亮度值的差异量；
[0121]
滤波模块33，用于通过预设的权重映射信息，获得亮度差异数据对应的权重数据，并基于权重数据对目标像素数据进行导向均值滤波，得到目标图像，其中，权重数据表征对各目标像素点进行均值滤波的强度；
[0122]
通讯模块34，用于基于目标图像生成视频数据流。
[0123]
在一种可能的实现方式中，对比模块32，具体用于：对目标像素数据进行均值滤波，得到亮度均值数据；根据目标像素数据和亮度均值数据的差异量，得到亮度差异数据，其中，亮度差异数据为字符型数据。
[0124]
在一种可能的实现方式中，目标像素数据包括各目标像素点对应的无符号字符型的第一亮度值，亮度均值数据包括各目标像素点对应的无符号字符型的第二亮度值；对比模块32在根据目标像素数据和亮度均值数据的差异量，得到亮度差异数据时，具体用于：针对各目标像素点，计算第一亮度值与第二亮度值的差，得到无符号字符型的第一差值；针对各目标像素点，计算第二亮度值与第一亮度值的差，得到无符号字符型的第二差值，其中，第一差值或第二差值至少一个为0；计算各目标像素点对应的第一差值和第二差值的和，得到亮度差异数据。
[0125]
在一种可能的实现方式中，滤波模块33在基于权重数据对目标像素数据进行导向均值滤波，得到目标图像时，具体用于：根据权重数据，得到权重图，权重图包括各目标像素点对应的权重系数，权重系数表征目标像素点的亮度通道的目标像素值与对应的平均亮度值的融合比例，平均亮度值为针对目标像素值进行均值滤波的结果；基于权重图，融合目标像素数据和对应的亮度均值数据，得到目标图像，其中，亮度均值数据是各目标像素点对应的平均亮度值的集合。
[0126]
在一种可能的实现方式中，滤波模块33在根据权重数据，得到权重图时，具体用于：获取皮肤区域对应的肤色二值图；根据肤色二值图和权重数据，得到权重图。
[0127]
在一种可能的实现方式中，在获取待处理图像中的皮肤区域对应的目标像素数据之前，获取模块31，还用于：获取待处理图像对应的rgb图像；针对rgb图像进行肤色检测，确定待处理图像中的皮肤区域。
[0128]
在一种可能的实现方式中，在获取待处理图像对应的rgb图像之前，获取模块31，还用于：对待处理图像进行下采样，得到下采样图像；获取模块31在获取待处理图像对应的rgb图像时，具体用于：对下采样图像进行转换，得到rgb图像。
[0129]
在一种可能的实现方式中，获取模块31在针对rgb图像进行肤色检测，确定待处理图像中的皮肤区域时，具体用于：基于预设的分割参数，将待处理图像分割为多个大小相同的子区域，分割参数表征子区域的个数或大小；根据rgb图像中的各像素点的rgb像素值进行肤色检测，得到目标像素点，目标像素点为rgb像素值具有皮肤特征的像素点；根据目标像素点，确定多个目标子区域，并将目标子区域的集合确定为皮肤区域，其中，目标子区域
display，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13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。
[0143]
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。
[0144]
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。
[0145]
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。
[0146]
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。
[0147]
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服务器上执行。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(local area network，简称lan)或广域网(wide area network，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)。
[0148]
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。
[0149]
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”。
[0150]
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。
[0151]
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。
[0152]
第一方面，根据本公开的一个或多个实施例，提供了一种视频处理方法，包括：
[0153]
获取待处理图像中皮肤区域对应的目标像素数据，目标像素数据表征位于皮肤区域内的目标像素点的亮度值；基于目标像素数据，得到亮度差异数据，亮度差异数据表征目标像素点的亮度值与对应的周围像素点的亮度值的差异量；通过预设的权重映射信息，获得亮度差异数据对应的权重数据，并基于权重数据对目标像素数据进行导向均值滤波，得到目标图像，其中，权重数据表征对各目标像素点进行均值滤波的强度；基于目标图像生成视频数据流。
[0154]
根据本公开的一个或多个实施例，基于目标像素数据，得到亮度差异数据，包括：对目标像素数据进行均值滤波，得到亮度均值数据；根据目标像素数据和亮度均值数据的差异量，得到亮度差异数据，其中，亮度差异数据为字符型数据。
[0155]
根据本公开的一个或多个实施例，目标像素数据包括各目标像素点对应的无符号字符型的第一亮度值，亮度均值数据包括各目标像素点对应的无符号字符型的第二亮度值；根据目标像素数据和亮度均值数据的差异量，得到亮度差异数据，包括：针对各目标像素点，计算第一亮度值与第二亮度值的差，得到无符号字符型的第一差值；针对各目标像素点，计算第二亮度值与第一亮度值的差，得到无符号字符型的第二差值，其中，第一差值或第二差值至少一个为0；计算各目标像素点对应的第一差值和第二差值的和，得到亮度差异数据。
[0156]
根据本公开的一个或多个实施例，基于权重数据对目标像素数据进行导向均值滤波，得到目标图像，包括：根据权重数据，得到权重图，权重图包括各目标像素点对应的权重系数，权重系数表征目标像素点的亮度通道的目标像素值与对应的平均亮度值的融合比例，平均亮度值为针对目标像素值进行均值滤波的结果；基于权重图，融合目标像素数据和对应的亮度均值数据，得到目标图像，其中，亮度均值数据是各目标像素点对应的平均亮度值的集合。
[0157]
根据本公开的一个或多个实施例，根据权重数据，得到权重图，包括：获取皮肤区域对应的肤色二值图；根据肤色二值图和权重数据，得到权重图。
[0158]
根据本公开的一个或多个实施例，在获取待处理图像中的皮肤区域对应的目标像素数据之前，还包括：获取待处理图像对应的rgb图像；针对rgb图像进行肤色检测，确定待处理图像中的皮肤区域。
[0159]
根据本公开的一个或多个实施例，在获取待处理图像对应的rgb图像之前，还包括：对待处理图像进行下采样，得到下采样图像；获取待处理图像对应的rgb图像，包括：对下采样图像进行转换，得到rgb图像。
[0160]
根据本公开的一个或多个实施例，针对rgb图像进行肤色检测，确定待处理图像中的皮肤区域，包括：基于预设的分割参数，将待处理图像分割为多个大小相同的子区域，分割参数表征子区域的个数或大小；根据rgb图像中的各像素点的rgb像素值进行肤色检测，得到目标像素点，目标像素点为rgb像素值具有皮肤特征的像素点；根据目标像素点，确定多个目标子区域，并将目标子区域的集合确定为皮肤区域，其中，目标子区域为包含目标像素点的子区域。
[0161]
根据本公开的一个或多个实施例，根据rgb图像中的各像素点的rgb像素值进行肤色检测，得到目标像素点，包括：对rgb图像中的各像素点对应的rgb像素值进行检测，得到肤色像素点，肤色像素点的rgb像素值位于预设的rgb阈值区间；对各肤色像素点进行开运算，得到有效肤色像素点；基于有效肤色像素点，生成肤色二值图，肤色二值图用于表征目标像素点在rgb图像中的位置；根据目标像素点，确定多个目标子区域，包括：对齐肤色二值图和待处理图像，并基于肤色二值图中的肤色标识对各子区域进行标记，确定目标子区域。
[0162]
根据本公开的一个或多个实施例，将目标子区域的集合确定为皮肤区域，包括：检测各目标子区域的相邻距离；将相邻距离小于预设距离的目标子区间，融合为相邻区域；基于分割参数，若目标子区域的尺寸小于预设的尺寸阈值，则将相邻区域确定为皮肤区域。
[0163]
第二方面，根据本公开的一个或多个实施例，提供了一种视频处理装置，包括：
[0164]
获取模块，用于获取待处理图像中皮肤区域对应的目标像素数据，目标像素数据表征位于皮肤区域内的目标像素点的亮度值；
[0165]
对比模块，用于基于目标像素数据，得到亮度差异数据，亮度差异数据表征目标像素点的亮度值与对应的周围像素点的亮度值的差异量；
[0166]
滤波模块，用于通过预设的权重映射信息，获得亮度差异数据对应的权重数据，并基于权重数据对目标像素数据进行导向均值滤波，得到目标图像，其中，权重数据表征对各目标像素点进行均值滤波的强度；
[0167]
通讯模块，用于基于目标图像生成视频数据流，并将视频数据流发送至视频通讯服务器。
[0168]
根据本公开的一个或多个实施例，对比模块，具体用于：对目标像素数据进行均值滤波，得到亮度均值数据；根据目标像素数据和亮度均值数据的差异量，得到亮度差异数据，其中，亮度差异数据为字符型数据。
[0169]
根据本公开的一个或多个实施例，目标像素数据包括各目标像素点对应的无符号字符型的第一亮度值，亮度均值数据包括各目标像素点对应的无符号字符型的第二亮度值；对比模块在根据目标像素数据和亮度均值数据的差异量，得到亮度差异数据时，具体用于：针对各目标像素点，计算第一亮度值与第二亮度值的差，得到无符号字符型的第一差值；针对各目标像素点，计算第二亮度值与第一亮度值的差，得到无符号字符型的第二差值，其中，第一差值或第二差值至少一个为0；计算各目标像素点对应的第一差值和第二差值的和，得到亮度差异数据。
[0170]
根据本公开的一个或多个实施例，滤波模块在基于权重数据对目标像素数据进行导向均值滤波，得到目标图像时，具体用于：根据权重数据，得到权重图，权重图包括各目标像素点对应的权重系数，权重系数表征目标像素点的亮度通道的目标像素值与对应的平均亮度值的融合比例，平均亮度值为针对目标像素值进行均值滤波的结果；基于权重图，融合目标像素数据和对应的亮度均值数据，得到目标图像，其中，亮度均值数据是各目标像素点对应的平均亮度值的集合。
[0171]
根据本公开的一个或多个实施例，滤波模块在根据权重数据，得到权重图时，具体用于：获取皮肤区域对应的肤色二值图；根据肤色二值图和权重数据，得到权重图。
[0172]
根据本公开的一个或多个实施例，在获取待处理图像中的皮肤区域对应的目标像素数据之前，获取模块，还用于：获取待处理图像对应的rgb图像；针对rgb图像进行肤色检测，确定待处理图像中的皮肤区域。
[0173]
根据本公开的一个或多个实施例，在获取待处理图像对应的rgb图像之前，获取模块，还用于：对待处理图像进行下采样，得到下采样图像；获取模块在获取待处理图像对应的rgb图像时，具体用于：对下采样图像进行转换，得到rgb图像。
[0174]
根据本公开的一个或多个实施例，获取模块在针对rgb图像进行肤色检测，确定待处理图像中的皮肤区域时，具体用于：基于预设的分割参数，将待处理图像分割为多个大小相同的子区域，分割参数表征子区域的个数或大小；根据rgb图像中的各像素点的rgb像素值进行肤色检测，得到目标像素点，目标像素点为rgb像素值具有皮肤特征的像素点；根据目标像素点，确定多个目标子区域，并将目标子区域的集合确定为皮肤区域，其中，目标子区域为包含目标像素点的子区域。
[0175]
根据本公开的一个或多个实施例，获取模块在根据rgb图像中的各像素点的rgb像素值进行肤色检测，得到目标像素点时，具体用于：对rgb图像中的各像素点对应的rgb像素值进行检测，得到肤色像素点，肤色像素点的rgb像素值位于预设的rgb阈值区间；对各肤色像素点进行开运算，得到有效肤色像素点；基于有效肤色像素点，生成肤色二值图，肤色二值图用于表征目标像素点在rgb图像中的位置；获取模块31在根据目标像素点，确定多个目标子区域时，具体用于：对齐肤色二值图和待处理图像，并基于肤色二值图中的肤色标识对各子区域进行标记，确定目标子区域。
[0176]
根据本公开的一个或多个实施例，获取模块在将目标子区域的集合确定为皮肤区域时，具体用于：检测各目标子区域的相邻距离；将相邻距离小于预设距离的目标子区间，
融合为相邻区域；基于分割参数，若目标子区域的尺寸小于预设的尺寸阈值，则将相邻区域确定为皮肤区域。
[0177]
第三方面，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：处理器，以及与处理器通信连接的存储器；
[0178]
存储器存储计算机执行指令；
[0179]
处理器执行存储器存储的计算机执行指令，以实现如上第一方面以及第一方面各种可能的设计的视频处理方法。
[0180]
第四方面，根据本公开的一个或多个实施例，提供了一种计算机可读存储介质，计算机可读存储介质中存储有计算机执行指令，当处理器执行计算机执行指令时，实现如上第一方面以及第一方面各种可能的设计的视频处理方法。
[0181]
第五方面，本公开实施例提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现如上第一方面以及第一方面各种可能的设计的视频处理方法。
[0182]
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。
[0183]
此外，虽然采用特定次序描绘了各操作，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各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。
[0184]
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。