音视频数据生成方法、装置、设备和计算机可读介质与流程

1.本公开的实施例涉及计算机技术领域，具体涉及音视频数据生成方法、装置、设备和计算机可读介质。


背景技术：

2.随着无线网络建设的开展以及视频技术的发展，利用无线网络获取车载监控的音视频数据的操作成为了一种非常便利的行业应用。相关的车载监控音视频数据获取方法需要搭建真实车辆环境，利用多种硬件设备采集车载监控音视频数据流，然后，再从该车载监控视频数据流中进行抓包，截取所需音视频流。最后，再将得到的音视频流进行保存或使用。
3.然而，当采用上述方式进行音视频数据的获取时，经常会存在如下技术问题：
4.第一，获取音视频数据需要使用多种设备搭建真实的车载监控环境会出现设备故障等问题；
5.第二，需要对音视频数据流中的音视频数据所包括的图像进行检测再进行获取，所以生成音视频数据会消耗大量的时间。


技术实现要素：

6.本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
7.本公开的一些实施例提出了音视频数据生成方法、装置、设备和计算机可读介质，来解决以上背景技术部分提到的技术问题中的一项或多项。
8.第一方面，本公开的一些实施例提供了一种音视频数据生成方法，该方法包括：获取音频和预设图像；将上述预设图像进行变换以生成变换后的图像；基于上述变换后的图像，生成视频；将上述音频与上述视频进行合成，生成音视频数据。
9.第二方面，本公开的一些实施例提供了一种音视频数据生成装置，装置包括：获取单元，被配置成获取音频和预设图像；第一生成单元，被配置成将上述预设图像进行变换以生成变换后的图像；第二生成单元，被配置成基于上述变换后的图像，生成视频；合成单元，被配置成将上述音频与上述视频进行合成，生成音视频数据。
10.第三方面，本公开的一些实施例提供了一种设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行，使得一个或多个处理器实现如第一方面中所描述的方法。
11.第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现如第一方面中所描述的方法。
12.本公开的上述各个实施例具有如下有益效果：首先，获取音频和预设图像。因为获取的仅仅是任意音频和一个预设图像，所以可以简单地得到用来生成音视频数据的音频和
预设图像。然后，将上述预设图像进行变换以生成变换后的图像。对图像进行变换可以是将预设图像变换为所需图像，使得变换后的图像为后续生成视频做准备。再然后，就可以利用上述变换后的图像，生成视频。由于变换后的图像是通过变换处理过的所需图像，所以根据变换处理后的图像所生成的视频也可以是继承于变换后的所需图像特点的，所以生成的视频不需要根据所需要的视频特点再次加工处理，可以直接使用。由此，节省了对整个视频进行加工处理的步骤，从而，不需要对视频进行加工处理的设备。最后，将上述音频与上述视频进行合成，生成音视频数据。由于音视频数据可以是通过一个预设图像与音频快速生成的，所以不需要再从真实的车载环境所产生的大量的视频流中截取所需音视频数据。进而，可以不需要搭建真实的车载监控环境以及搭建真实环境所需要的多种设备。从而，避免了使用多种设备搭建真实的车载监控环境所带来的设备故障等问题。
附图说明
13.结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。
14.图1是根据本公开的一些实施例的音视频数据生成方法的一个应用场景示意图；
15.图2是根据本公开的音视频数据生成方法的一些实施例的流程图；
16.图3是根据本公开的音视频数据生成装置的一些实施例的结构示意图；
17.图4是根据本公开的音视频数据生成方法的电子设备的结构示意图。
具体实施方式
18.下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
19.另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
20.需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
21.需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
22.本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
23.下面将参考附图并结合实施例来详细说明本公开。
24.图1是根据本公开一些实施例的音视频数据生成方法的一个应用场景的示意图。
25.在图1的应用场景中，首先计算设备101可以获取音频102和预设图像103。然后，计算设备101可以将上述预设图像103进行变换，生成变换后的图像104。另外，基于上述变换后的图像104，生成视频105。最后，将上述音频102与上述视频105进行合成，生成音视频数据106。可选的，计算设备101可以将上述音视频数据106进行存储以及发送至服务终端107。
26.需要说明的是，上述计算设备101可以是硬件，也可以是软件。当计算设备为硬件时，可以实现成多个服务器或终端设备组成的分布式集群，也可以实现成单个服务器或单个终端设备。当计算设备体现为软件时，可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。
27.应该理解，图1中的计算设备的数目仅仅是示意性的。根据实现需要，可以具有任意数目的计算设备。
28.继续参考图2，示出了根据本公开的音视频数据生成方法的一些实施例的流程200。该音视频数据生成方法，包括以下步骤：
29.步骤201，获取音频和预设图像。
30.在一些实施例中，音视频数据生成方法的执行主体(例如图1所示的计算设备101)可以通过有线连接方式或者无线连接方式获取音频和预设图像。其中，上述音频可以是任意内容的音频。上述预设图像可以是预先设定的车载监控拍摄的车辆周围环境的图像。
31.步骤202，将上述预设图像进行变换以生成变换后的图像。
32.在一些实施例中，基于步骤201中得到的预设图像，上述执行主体可以将上述预设图像以各种方式进行变换，生成变换后的图像。
33.作为示例，图像变换可以是将预设图像进行旋转操作，得到旋转变换后的图像。例如：旋转角度可以是90度。那么，旋转变换后的图像就变成顺时针旋转90度的图像。
34.在一些实施例的一些可选的实现方式中，上述执行主体将上述预设图像进行变换以生成变换后的图像，可以包括以下步骤：
35.第一步，确定预定时间戳。
36.作为示例，该预定时间戳可以是预先设定的时间点。例如：“2020.02.20”。
37.第二步，将上述预定时间戳与上述预设图像进行叠加变换，生成变换后的图像。例如，可以将上述预定时间戳叠加到上述预设图像中，生成变换后的图像。
38.在一些实施例的一些可选的实现方式中，上述执行主体将上述预定时间戳与上述预设图像进行叠加变换，生成变换后的图像，可以包括以下步骤：
39.第一步，确定上述预设图像中预定变换位置的坐标值。其中，该坐标值可以是从预设图像中选出的预先确定的位置坐标值。
40.作为示例，预定变换位置的坐标值可以是：(10，20)。
41.第二步，利用上述位置坐标值，将上述预定时间戳叠加到上述预设图像中，生成变换后的图像。具体的，将预定的时间戳图像最左端，按照预设的变换位置，叠加到预设图像中，生成变换后的图像。
42.步骤203，基于上述变换后的图像，生成视频。
43.在一些实施例中，音视频数据生成方法的执行主体可以对变换后的图像进行二次变换，生成多个二次变换图像。然后，将上述多个二次变换图像进行融合生成视频。
44.在一些实施例的一些可选的实现方式中，上述执行主体基于上述变换后的图像，生成视频。可以包括以下步骤：
45.第一步，基于上述变换后的图像，生成预测图像序列。
46.作为示例，可以将变换后的图像进行平面顺时针旋转。每旋转一个角度保存一次
图像。然后，可以得到多个旋转后的图像。作为预测图像序列。
47.第二步，将上述变换后的图像与上述预测图像序列中的各个预测图像进行融合生成视频。
48.作为示例，将上述变换后的图像与上述预测图像序列中的各个预测图像按照预测图像序列中各个预测图像生成的顺序融合在一起，可以生成一种可以连续播放图像的视频格式，从而得到视频。
49.在一些实施例的一些可选的实现方式中，上述执行主体基于上述变换后的图像，生成预测图像序列，可以包括以下步骤：
50.第一步，将上述变换后的图像进行分割以生成分割后图像序列。具体的，将变换后的图像进行分割可以是将图像分成大小相同的多个子图像。
51.作为示例，每个子图像可以有多个像素块。分割后的图像按照分割顺序生成分割后图像序列。
52.第二步，将上述分割后图像序列中的每个分割后图像进行编码以生成编码后图像，得到编码后图像序列。
53.作为示例，对每个分割后的图像进行编码可以是对每个分割后的图像中的各个像素块进行有序编码。最后，得到编码后图像序列。
54.第三步，基于所述编码后图像序列，生成预测图像序列。
55.作为示例，可以根据每个编码后图像的各个像素块进行像素预测，改变像素值大小，生成对应的预测像素点集合。然后利用预测的像素点集合生成预测图像。
56.在一些实施例的一些可选的实现方式中，上述执行主体基于所述编码后图像序列，生成预测图像序列，可以包括以下步骤：
57.第一，确定所述编码后图像中的各个像素点的数量以及各个像素点对应的像素值。例如，编码后图像中的像素点的数量可以是：100。编码后图像中的第一个像素点的像素值可以是：55。
58.第二步，利用以下公式，对所述编码后图像序列中的每个编码后图像中的各个像素点对应的像素值进行预测变换以生成预测后的像素值序列，得到预测后的像素值序列集：
[0059][0060]
其中，a表示预测后的像素值序列。
[0061]
d表示预测后的像素值序列中的预测后的像素值。
[0062]
n表示预测后的像素值序列中的像素值的序号。
[0063]dn
表示预测后的像素值序列中的第n个像素值。
[0064]
p表示所述编码后图像中像素点的像素值。
[0065]
l表示所述编码后图像中的第l个像素点。
[0066]
p
l
表示所述编码后图像中第l个像素点的像素值。
[0067]
m表示所述编码后图像中的各个像素点的数量。
[0068]
p
min
表示所述编码后图像中各个像素点对应的最小像素值。
[0069]
表示预测后的像素值序列中的第n个像素值的预测变量。具体的，上述预测后的像素值序列中的像素值的预测变量的取值范围可以是：1～4。
[0070]
第三步，对所述预测后的像素值序列集中的每个预测后的像素值序列中的各个预测后的像素值进行组合以生成预测图像，得到预测图像序列。
[0071]
作为示例，可以按照每个预测像素点集合中的各个预测像素点对应的生成顺序，将预测后的像素值序列中的各个预测后的像素值从左到右从上到下的顺序依次进行排列组合，生成预测图像。
[0072]
上述公式作为本公开的实施例的一个发明点，由此解决了背景技术提及的技术问题二，即需要对音视频数据流中的音视频数据所包括的图像进行检测再进行获取，所以生成音视频数据会消耗大量的时间。
[0073]
首先，由于像素值的最大值可以是255，所以上述公式中的预测的像素值序列中的各个像素值的预测变量的取值范围可以是：1～4。然后，预测的像素值集合中的各个像素值的预测变量会随着该像素值的取值范围大小而变化。所以，可以对像素值生成的范围进行限制。那么，由对预测的像素值的生成范围进行了限制，所以生成的预测图像与编码后图像之间的总体变化也可以在可控范围内。所以生成的预测图像可以不需要进行检测。减少了图像检测的步骤。由于预测图像是对编码后图像中的各个像素点的像素值加上一个预测变量而生成的，且预测变量可以是在可控范围内根据像素值快速的生成。所以可以快速的得到所需预测图像。从而，可以减少生成音视频所消耗的大量时间。
[0074]
步骤204，将上述音频与上述视频进行合成，生成音视频数据。
[0075]
在一些实施例中，上述执行主体可以将上述音频与上述视频进行融合，生成音视频数据。具体的，可以将音频按照帧率融合到上述视频中，生成音视频数据。
[0076]
在一些实施例的一些可选的实现方式中，上述执行主体将上述音频与上述视频进行合成，生成音视频数据，可以包括以下几个步骤：
[0077]
第一步，确定上述视频的帧数以及帧率。
[0078]
作为示例，帧数可以是视频每秒钟播放的图像数量，帧率可以是上述视频在显示器上的播放频率。
[0079]
第二步，基于上述视频的帧数以及帧率，对上述音频进行分割以生成待合成音频。
[0080]
作为示例，可以将视频的帧数除以帧率得到视频的时长，然后将音频进行分割出相同时长的待合成音频。
[0081]
第三步，将上述待合成音频与上述视频进行合并，生成音视频数据。
[0082]
作为示例，将相同时长的待合成音频合并到视频中得到可以同时播放的数据，从而，生成了音视频数据。其中，音视频数据可以是满足jt1078(交通部标准1078协议)格式要求的数据。
[0083]
可选的，将上述音视频数据进行存储以及发送至服务终端。
[0084]
在一些实施例中，上述执行主体可以将音视频数据进行存储，然后发送至服务器。其中，音视频数据储存的格式可以是多种格式。
[0085]
作为示例，音视频数据储存的格式可以是文本格式，二进制格式以及字符串格式等。
[0086]
本公开的上述各个实施例具有如下有益效果：首先，获取音频和预设图像。因为获取的仅仅是任意音频和一个预设图像，所以可以简单地得到用来生成音视频数据的音频和预设图像。然后，将上述预设图像进行变换以生成变换后的图像。对图像进行变换可以是将预设图像变换为所需图像，使得变换后的图像为后续生成视频做准备。再然后，就可以利用上述变换后的图像，生成视频。由于变换后的图像是通过变换处理过的所需图像，所以根据变换处理后的图像所生成的视频也可以是继承于变换后的所需图像特点的，所以生成的视频不需要根据所需要的视频特点再次加工处理，可以直接使用。由此，节省了对整个视频进行加工处理的步骤，从而，不需要对视频进行加工处理的设备。最后，将上述音频与上述视频进行合成，生成音视频数据。由于音视频数据可以是通过一个预设图像与音频快速生成的，所以不需要再从真实的车载环境所产生的大量的视频流中截取所需音视频数据。进而，可以不需要搭建真实的车载监控环境以及搭建环境所需要的多种设备。从而，避免了使用多种设备搭建真实的车载监控环境所带来的设备故障等问题。
[0087]
进一步参考图3，作为对上述各图上述方法的实现，本公开提供了一种音视频数据生成装置的一些实施例，这些装置实施例与图2上述的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。
[0088]
如图3所示，一些实施例的音视频数据生成装置300包括：获取单元301、第一生成单元302、第二生成单元303、合成单元304。其中，获取单元301，被配置成获取音频和预设图像；第一生成单元302，被配置成将上述预设图像进行变换以生成变换后的图像；第二生成单元303，被配置成基于上述变换后的图像，生成视频；合成单元304，被配置成将上述音频与上述视频进行合成，生成音视频数据。
[0089]
下面参考图4，其示出了适于用来实现本公开的一些实施例的电子设备(例如图1中的计算设备101)400的结构示意图。图4示出的服务器仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
[0090]
如图4所示，电子设备400可以包括处理装置(例如中央处理器、图形处理器等)401，其可以根据存储在只读存储器(rom)402中的程序或者从存储装置408加载到随机访问存储器(ram)403中的程序而执行各种适当的动作和处理。在ram 403中，还存储有电子设备400操作所需的各种程序和数据。处理装置401、rom 402以及ram403通过总线404彼此相连。输入/输出(i/o)接口404也连接至总线404。
[0091]
通常，以下装置可以连接至i/o接口404：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406；包括例如液晶显示器(lcd)、扬声器、振动器等的输出装置407；包括例如磁带、硬盘等的存储装置408；以及通信装置409。通信装置409可以允许电子设备400与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子设备400，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。图4中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
[0092]
特别地，根据本公开的一些实施例，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，本公开的一些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。在这样的一些实施例中，该计算机程序可以通过通信装置409从网络上被下载和安装，或者从存储装置408被安装，或者从rom 402被安装。在该计算机程序被处理装置401执行时，执行本公开的一些实施例的方法中限定的上述功能。
[0093]
需要说明的是，本公开的一些实施例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。在本公开的一些实施例中，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。而在本公开的一些实施例中，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。
[0094]
在一些实施方式中，客户端、服务器可以利用诸如http(hypertext transfer protocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“lan”)，广域网(“wan”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
[0095]
上述计算机可读介质可以是上述装置中所包含的；也可以是单独存在，而未装配入该电子设备中。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：获取音频和预设图像；将上述预设图像进行变换以生成变换后的图像；基于上述变换后的图像，生成视频；将上述音频与上述视频进行合成，生成音视频数据。
[0096]
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些实施例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(lan)或广域网(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)。
[0097]
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。
[0098]
描述于本公开的一些实施例中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。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、第一生成单元、第二生成单元、第三生成单元。其中，这些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，获取单元还可以被描述为“获取获取音频和预设图像的单元”。
[0099]
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。
[0100]
以上描述仅为本公开的一些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，本公开的实施例中所涉及的发明范围，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发明构思的情况下，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的实施例中公开的(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法。