本發(fā)明涉及視頻處理技術(shù)領(lǐng)域，尤其涉及一種全景視頻的識別方法及設(shè)備、播放視頻方法及設(shè)備。

背景技術(shù)：

360度全景圖像是通過對專業(yè)相機(jī)捕捉整個(gè)場景的圖像信息，使用軟件進(jìn)行圖片拼合，并用專門的播放器即全景視頻播放器進(jìn)行播放，即將平面照及計(jì)算機(jī)圖變?yōu)?60度全景景觀。通過360度全景圖像能夠把二維的平面圖模擬成真實(shí)的三維空間，呈現(xiàn)給觀賞者，并給觀賞者提供各種操縱圖像的功能，可以放大縮小，各個(gè)方向移動(dòng)觀看場景，以達(dá)到模擬和再現(xiàn)場景的真實(shí)環(huán)境的效果。

隨著全景圖像廣泛應(yīng)用于人機(jī)交互、地理信息、工程管理、環(huán)境模擬、醫(yī)療診斷、農(nóng)林業(yè)管理等領(lǐng)域，使得全景圖像應(yīng)用領(lǐng)域越來越廣，且由全景圖像制成的視頻即全景視頻需要專用的全景視頻播放器進(jìn)行播放，使得現(xiàn)有技術(shù)在播放視頻時(shí)，需要用戶首先識別出播放視頻是否為全景視頻，在識別出播放視頻為全景視頻之后，還需要用戶手動(dòng)選擇全景視頻播放器來播放全景視頻，由此可知，現(xiàn)有技術(shù)在播放全景視頻時(shí)，需要用戶進(jìn)行識別和手動(dòng)選擇操作，使得從識別到開始播放全景視頻的時(shí)間較長，導(dǎo)致出現(xiàn)播放效率低的問題。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明提供了一種全景視頻的識別方法及設(shè)備、播放視頻方法及設(shè)備，能夠通過機(jī)器自動(dòng)識別出待播放視頻為全景視頻，縮短了識別時(shí)間，使得從識別到開始播放全景視頻的時(shí)間也隨之縮短，從而有效提高了播放效率。

本申請實(shí)施例第一方面提供了一種全景視頻的識別方法，包括：

從待播放視頻中提取N幀圖像，其中，N為不小于2的整數(shù)；

獲取每幀圖像中第一列像素和最后一列像素的灰度值的灰度差分量，得到所述N個(gè)幀圖像對應(yīng)的N個(gè)灰度差分量；

將所述N個(gè)灰度差分量的平均灰度差分量與預(yù)設(shè)差分量進(jìn)行對比；

在所述平均灰度差分量小于所述預(yù)設(shè)差分量時(shí)，確定所述待播放視頻為全景視頻。

可選的，所述獲取每幀圖像中的第一列像素和最后一列像素的灰度值的灰度差分量，具體包括：

獲取每幀圖像中第一列像素和最后一列像素的灰度值的灰度差分均值，其中，所述灰度差分均值為所述灰度差分量。

可選的，所述方法還包括：

獲取每幀圖像中的第一列像素和最后一列像素的灰度值的灰度方差量，獲取所述N幀圖像對應(yīng)的N個(gè)灰度方差量；

將每個(gè)灰度方差量與第一預(yù)設(shè)方差進(jìn)行對比，獲取小于所述第一預(yù)設(shè)方差的灰度方差量在所述N個(gè)灰度方差量中的方差占比；

在所述平均灰度差分量小于所述預(yù)設(shè)差分量且所述方差占比大于預(yù)設(shè)占比時(shí)，確定所述待播放視頻為全景視頻。

可選的，所述方法還包括：

獲取每幀圖像中的第一列像素和最后一列像素的灰度值的灰度方差量，獲取所述N幀圖像對應(yīng)的N個(gè)灰度方差量；

將所述N個(gè)灰度方差量的平均灰度方差量與第二預(yù)設(shè)方差進(jìn)行對比；

在所述平均灰度差分量小于所述預(yù)設(shè)差分量且所述平均灰度方差量小于所述第二預(yù)設(shè)方差時(shí)，確定所述待播放視頻為全景視頻。

可選的，在從待播放視頻中提取N幀圖像之后，所述方法還包括：

提取所述N幀圖像中的每幀圖像的特征點(diǎn)集；

對每幀圖像的特征點(diǎn)集進(jìn)行特征點(diǎn)匹配，獲取每幀圖像的匹配特征點(diǎn)對集；

判斷每幀圖像中匹配特征點(diǎn)對集的距離平均值是在第一預(yù)設(shè)距離范圍內(nèi)還是在第二預(yù)設(shè)距離范圍內(nèi)；

若每幀圖像中匹配特征點(diǎn)對集的距離平均值均在所述第一預(yù)設(shè)距離范圍內(nèi)，則確定所述待播放視頻為上下分屏視頻；

若每幀圖像中匹配特征點(diǎn)對集的距離平均值均在所述第二預(yù)設(shè)距離范圍內(nèi)，則確定所述待播放視頻為左右分屏視頻。

可選的，所述第一預(yù)設(shè)距離范圍是根據(jù)每幀圖像的高度的1/2來設(shè)定的；所述第二預(yù)設(shè)距離范圍是根據(jù)每幀圖像的寬度的1/2來設(shè)定的。

可選的，在所述判斷每幀圖像中匹配特征點(diǎn)對集的距離平均值是在第一預(yù)設(shè)距離范圍內(nèi)還是在第二預(yù)設(shè)距離范圍內(nèi)之前，所述方法還包括：

獲取每幀圖像中匹配特征點(diǎn)對集的距離平均值。

可選的，所述獲取每幀圖像中匹配特征點(diǎn)對集的距離平均值，具體包括：

獲取每幀圖像中每個(gè)匹配特征點(diǎn)對的夾角信息，所述角度信息為匹配特征點(diǎn)對之間的連線與參考線之間的夾角角度；

從每幀圖像中匹配特征點(diǎn)集中去掉夾角信息大于預(yù)設(shè)夾角的所有匹配特征點(diǎn)對，獲取每幀圖像中的剩余匹配特征點(diǎn)對；

獲取每幀圖像中的剩余匹配特征點(diǎn)對的距離平均值作為每幀圖像中匹配特征點(diǎn)對集的距離平均值。

可選的，在從待播放視頻中提取N幀圖像之后，所述方法還包括：

判斷每幀圖像的寬高比是否為預(yù)設(shè)寬高比；

若每幀圖像的寬高比均為所述預(yù)設(shè)寬高比，則確定所述待播放視頻為全景視頻；

若所述N幀圖像中存在寬高比不為所述預(yù)設(shè)寬高比的圖像，則獲取每幀圖像中第一列像素和最后一列像素的灰度值的灰度差分量，得到所述N個(gè)幀圖像對應(yīng)的N個(gè)灰度差分量；將所述N個(gè)灰度差分量的平均灰度差分量與預(yù)設(shè)差分量進(jìn)行對比；在所述平均灰度差分量小于所述預(yù)設(shè)差分量時(shí)，確定所述待播放視頻為全景視頻。

本申請實(shí)施例第二方面提供了一種播放視頻的方法，包括：

從待播放視頻中提取N幀圖像，其中，N為不小于2的整數(shù)；

獲取每幀圖像中第一列像素和最后一列像素的灰度值的灰度差分量，得到所述N個(gè)幀圖像對應(yīng)的N個(gè)灰度差分量；

將所述N個(gè)灰度差分量的平均灰度差分量與預(yù)設(shè)差分量進(jìn)行對比；

在所述平均灰度差分量小于所述預(yù)設(shè)差分量時(shí)，確定所述待播放視頻為全景視頻；

在確定所述待播放視頻為全景視頻之后，利用全景視頻播放器播放所述待播放視頻。

本申請實(shí)施例第三方面提供了一種全景視頻的識別設(shè)備，包括：

圖像提取單元，用于從待播放視頻中提取N幀圖像，其中，N為不小于2的整數(shù)；

灰度差分量獲取單元，用于獲取每幀圖像中第一列像素和最后一列像素的灰度值的灰度差分量，得到所述N幀圖像對應(yīng)的N個(gè)灰度差分量；

對比單元，用于將所述N個(gè)灰度差分量的平均灰度差分量與預(yù)設(shè)差分量進(jìn)行對比；

識別單元，用于在所述平均灰度差分量小于所述預(yù)設(shè)差分量時(shí)，確定所述待播放視頻為全景視頻。

本申請實(shí)施例第四方面提供了一種播放視頻設(shè)備，包括：

圖像提取單元，用于從待播放視頻中提取N幀圖像，其中，N為不小于2的整數(shù)；

灰度差分量獲取單元，用于獲取每幀圖像中第一列像素和最后一列像素的灰度值的灰度差分量，得到所述N幀圖像對應(yīng)的N個(gè)灰度差分量；

對比單元，用于將所述N個(gè)灰度差分量的平均灰度差分量與預(yù)設(shè)差分量進(jìn)行對比；

識別單元，用于在所述平均灰度差分量小于所述預(yù)設(shè)差分量時(shí)，確定所述待播放視頻為全景視頻；

播放單元，用于在所述識別單元確定所述待播放視頻為全景視頻之后，利用全景視頻播放器播放所述待播放視頻。

本發(fā)明的有益效果如下：

本發(fā)明實(shí)施例中，首先從待播放視頻中提取N幀圖像，然后獲取每幀圖像中第一列像素和最后一列像素的灰度值的灰度差分量，得到所述N幀圖像對應(yīng)的N個(gè)灰度差分量；再將N個(gè)灰度差分量的平均灰度差分量與預(yù)設(shè)差分量進(jìn)行對比，在所述平均灰度差分量小于所述預(yù)設(shè)差分量時(shí)，確定所述待播放視頻為全景視頻，使得本申請實(shí)施例是通過機(jī)器自動(dòng)識別出待播放視頻是否為全景視頻，與現(xiàn)有技術(shù)的人工識別待播放視頻是否為全景視頻相比，縮短了識別時(shí)間，使得從識別到開始播放全景視頻的時(shí)間也隨之縮短，從而有效提高了播放效率。

附圖說明

圖1為本發(fā)明實(shí)施例中全景視頻的識別方法的第一種流程圖；

圖2為本發(fā)明實(shí)施例中全景視頻的識別方法的第二種流程圖；

圖3為本發(fā)明實(shí)施例中全景視頻的識別方法的第三種流程圖；

圖4為本發(fā)明實(shí)施例中分屏視頻的識別方法的流程圖；

圖5為本發(fā)明實(shí)施例中一幀圖像中的匹配特征點(diǎn)對集的結(jié)構(gòu)示意圖；

圖6為本發(fā)明實(shí)施例中獲取每幀圖像中匹配特征點(diǎn)對集的距離平均值的流程圖；

圖7為本發(fā)明實(shí)施例中播放視頻的方法的流程圖；

圖8為本發(fā)明實(shí)施例中全景視頻的識別設(shè)備的模塊圖；

圖9為本發(fā)明實(shí)施例中播放視頻設(shè)備的模塊圖。

具體實(shí)施方式

本發(fā)明提供了一種全景視頻的識別方法及設(shè)備、播放視頻方法及設(shè)備，能夠通過機(jī)器自動(dòng)識別出待播放視頻為全景視頻，縮短了識別時(shí)間，使得從識別到開始播放全景視頻的時(shí)間也隨之縮短，從而有效提高了播放效率。。

下面結(jié)合附圖對本發(fā)明優(yōu)選的實(shí)施方式進(jìn)行詳細(xì)說明。

實(shí)施例一：

如圖1所示，本發(fā)明第一方面提供了一種全景視頻的識別方法，包括：

S101、從待播放視頻中提取N幀圖像，其中，N為不小于2的整數(shù)；

S102、獲取每幀圖像中第一列像素和最后一列像素的灰度值的灰度差分量，得到所述N幀圖像對應(yīng)的N個(gè)灰度差分量；

S103、將所述N個(gè)灰度差分量的平均灰度差分量與預(yù)設(shè)差分量進(jìn)行對比；

S104、在所述平均灰度差分量小于所述預(yù)設(shè)差分量時(shí)，確定所述待播放視頻為全景視頻。

其中，在步驟S101中，首先需要獲取所述待播放視頻，然后從所述待播放視頻中提取所述N幀圖像。

具體的，所述待播放視頻的獲取方式可以是通過用戶單擊或雙擊視頻等操作來獲取，例如在顯示器上顯示有A、B和C視頻，當(dāng)通過傳感器檢測到有針對A視頻的雙擊操作時(shí)，則根據(jù)針對A視頻的雙擊操作，可以確定所述待播放視頻為A視頻。

具體的，在獲取所述待播放視頻之后，可以將所述待播放視頻的片頭和片尾去除，再從去除片頭和片尾的所述待播放視頻中提取所述N幀圖像。當(dāng)然，為了使得后續(xù)基于所述N幀圖像識別所述待播放視頻是否為全景視頻的精確度提高，所述N幀圖像為不連續(xù)的視頻幀圖像；當(dāng)然，所述N幀圖像也可以為連續(xù)的視頻幀圖像。

例如，以待播放視頻為A視頻為例，首先將A視頻的片頭和片尾去掉，然后從去掉片頭和片尾的A視頻中提取不連續(xù)的第15、第25、第30和第35幀圖像作為所述N幀圖像；當(dāng)然，也可以取連續(xù)的第3、第4、第5和第6幀圖像作為所述N幀圖像。

接下來執(zhí)行步驟S102，在該步驟中，獲取每幀圖像中第一列像素和最后一列像素的灰度值的灰度差分量，得到所述N幀圖像對應(yīng)的N個(gè)灰度差分量。

具體來講，由于每幀圖像都是由多行多列的像素組成，如此，可以獲取每幀圖像中第一列像素和最后一列像素的灰度值，然后將每幀圖像中第一列像素和最后一列像素的灰度值進(jìn)行差分處理，獲取每幀圖像中第一列像素和最后一列像素的灰度值的灰度差分量，從而得到所述N幀圖像對應(yīng)的N個(gè)灰度差分量，其中，每幀圖像中第一列像素包括多個(gè)像素，且每幀圖像中最后一列像素也包括多個(gè)像素。

具體的，每幀圖像中第一列像素和最后一列像素的灰度值的灰度差分量可以為每幀圖像中第一列像素和最后一列像素的灰度值的灰度差分均值，其中，所述灰度差分均值為所述灰度差分量；當(dāng)然，每幀圖像中第一列像素和最后一列像素的灰度值的灰度差分量也可以為每幀圖像中第一列像素和最后一列像素的灰度值的灰度差分和，其中，所述灰度差分和為所述灰度差分量。

具體的，設(shè)g(i，j)為視頻幀圖像在第i行第j列的灰度值；sumDiff為視頻幀圖像中第一列像素與最后一列像素的灰度值的灰度差分和；則可以確定

其中，公式(1)中row表示視頻幀的總列數(shù)；list表示視頻幀的總行數(shù)，且i依次取0-(list-1)的值。

例如,以A視頻的第15幀圖像為例，若第15幀圖像的分辨率為1920×1080，則row＝1920，list＝1080，如此，可與通過公式(1)獲取第15幀圖像中第0列像素與第1919列像素的灰度值的灰度差分和。

本申請實(shí)施例中，在所述灰度差分和為所述灰度差分量時(shí)，可以通過公式(1)獲取到每幀圖像的灰度差分量，從而獲取到所述N個(gè)灰度差分量。

具體的，在所述灰度差分均值為所述灰度差分量時(shí)，所述灰度差分均值用meanDiff進(jìn)行表示，則可以確定meanDiff＝sumDiff/row 公式(2)。

例如,以A視頻的第15幀圖像為例，若第15幀圖像的分辨率為1920×1080，則row＝1920，list＝1080，如此，可與通過公式(2)獲取第15幀圖像中第0列像素與第1919列像素的灰度值的灰度差分均值。

本申請實(shí)施例中，所述灰度差分均值為所述灰度差分量時(shí)，可以通過公式(2)獲取到每幀圖像的灰度差分均值，從而獲取到所述N個(gè)灰度差分量。

接下來執(zhí)行步驟S103，在該步驟中，將所述N個(gè)灰度差分量的平均灰度差分量與預(yù)設(shè)差分量進(jìn)行對比。

在具體實(shí)施過程中，在通過步驟S102獲取到所述N個(gè)灰度差分量之后，在執(zhí)行步驟S103之前，還需獲取所述N個(gè)灰度差分量的平均灰度差分量，然后將所述平均灰度差分量與所述預(yù)設(shè)差分量進(jìn)行比對，若所述平均灰度差分量小于所述預(yù)設(shè)差分量，則執(zhí)行步驟S104；若所述平均灰度差分量不小于所述預(yù)設(shè)差分量，則判定所述待播放視頻為2D視頻。

具體來講，在獲取所述平均灰度差分量時(shí)，首先可以獲取所述N個(gè)灰度差分量之和，然后將獲取的所述N個(gè)灰度差分量之和除以N，即可獲取所述平均灰度差分量。

具體的，所述預(yù)設(shè)差分量可以根據(jù)采集大量全景圖像進(jìn)行訓(xùn)練來確定，通過大量全景圖像的訓(xùn)練來獲取每副全景圖像的平均灰度差分量，然后對大量的平均灰度差分量進(jìn)行統(tǒng)計(jì)，根據(jù)統(tǒng)計(jì)結(jié)果來設(shè)定所述預(yù)設(shè)差分量，以使得通過所述預(yù)設(shè)差分量來確定所述待播放視頻為全景視頻的準(zhǔn)確度更高。

例如，以A視頻為例，從A視頻中提取的N幀圖像為A視頻中的第15、第25、第30和第35幀圖像，通過公式(1)依次獲取到各幀圖像的灰度差分和為260、980、540和650，然后獲取到平均灰度差分量為(260+980+540+650)/4＝607.5，若所述預(yù)設(shè)差分量為600，由于607.5>600，則判定A視頻為2D視頻。

又例如，同樣以A視頻為例，從A視頻中提取的N幀圖像為A視頻中的第15、第25、第30和第35幀圖像，通過公式(2)依次獲取到各幀圖像的灰度差分均值為50、70、60和20，然后獲取到平均灰度差分量為(50+70+60+20)/4＝50，若所述預(yù)設(shè)差分量為60，由于50<60，即所述平均灰度差分量小于所述預(yù)設(shè)差分量，進(jìn)而執(zhí)行步驟S104。

在所述平均灰度差分量小于所述預(yù)設(shè)差分量時(shí)，執(zhí)行步驟S104，確定所述待播放視頻為全景視頻。

在具體實(shí)施過程中，在通過步驟S103將所述平均灰度差分量與所述預(yù)設(shè)差分量進(jìn)行對，對比得到的結(jié)果表征所述平均灰度差分量小于所述預(yù)設(shè)差分量，則確定所述待播放視頻為全景視頻；若對比得到的結(jié)果表征所述平均灰度差分量不小于所述預(yù)設(shè)差分量，則確定所述待播放視頻為2D視頻。

例如，以A視頻為例，從A視頻中提取的N幀圖像為A視頻中的第15、第25、第30和第35幀圖像，通過公式(1)依次獲取到各幀圖像的灰度差分和為260、980、540和650，然后獲取到平均灰度差分量為(260+980+540+650)/4＝607.5，若所述預(yù)設(shè)差分量為600，由于607.5>600，則判定A視頻為2D視頻。

又例如，同樣以A視頻為例，從A視頻中提取的N幀圖像為A視頻中的第15、第25、第30和第35幀圖像，通過公式(2)依次獲取到各幀圖像的灰度差分均值為50、70、60和20，然后獲取到平均灰度差分量為(50+70+60+20)/4＝50，若所述預(yù)設(shè)差分量為60，由于50<60，即所述平均灰度差分量小于所述預(yù)設(shè)差分量，進(jìn)而判定A視頻為全景視頻。

在本發(fā)明第一方面中，由于全景視頻中的每幀圖像都是全景圖像，而全景圖像中最左邊和最右邊的內(nèi)容是連續(xù)的，由此可知，全景圖像中第一列像素和最后一列像素的灰度值差別較小，基于上述原理，本申請?jiān)讷@取每幀圖像中第一列像素和最后一列像素的灰度值的灰度差分量之后，通過步驟S103～S104識別出所述待播放視頻為全景視頻的準(zhǔn)確度較高，進(jìn)而降低了誤判的概率。

本發(fā)明第一方面是從待播放視頻中提取N幀圖像，然后獲取每幀圖像中第一列像素和最后一列像素的灰度值的灰度差分量，得到所述N幀圖像對應(yīng)的N個(gè)灰度差分量；再將N個(gè)灰度差分量的平均灰度差分量與預(yù)設(shè)差分量進(jìn)行對比，在所述平均灰度差分量小于所述預(yù)設(shè)差分量時(shí)，確定所述待播放視頻為全景視頻，使得本申請實(shí)施例是通過機(jī)器自動(dòng)識別出待播放視頻是否為全景視頻，與現(xiàn)有技術(shù)的人工識別待播放視頻是否為全景視頻相比，縮短了識別時(shí)間，使得從識別到開始播放全景視頻的時(shí)間也隨之縮短，從而有效提高了播放效率。

而且，在通過機(jī)器自動(dòng)識別出待播放視頻為全景視頻之后，可以自動(dòng)啟動(dòng)全景視頻播放器來播放所述待播放視頻，如此，不僅縮短了識別時(shí)間，還能夠縮短打開全景視頻播放器的時(shí)間，從而有效縮短了從識別到開始播放全景視頻的時(shí)間，能夠有效提高播放效率。

實(shí)施例二：

如圖2所示，本發(fā)明第二方面提供了一種全景視頻的識別方法，包括：

S201、從待播放視頻中提取N幀圖像，其中，N為不小于2的整數(shù)；

S202、獲取每幀圖像中第一列像素和最后一列像素的灰度值的灰度差分量，得到所述N幀圖像對應(yīng)的N個(gè)灰度差分量；

S203、將所述N個(gè)灰度差分量的平均灰度差分量與預(yù)設(shè)差分量進(jìn)行對比；

S204、獲取每幀圖像中第一列像素和最后一列像素的灰度值的灰度方差量，獲取所述N幀圖像對應(yīng)的N個(gè)灰度方差量；

S205、將每個(gè)灰度方差量與第一預(yù)設(shè)方差進(jìn)行對比，獲取小于所述第一預(yù)設(shè)方差的灰度方差量在所述N個(gè)灰度方差量中的方差占比；

S206、在所述平均灰度差分量小于所述預(yù)設(shè)差分量且所述方差占比大于預(yù)設(shè)占比時(shí)，確定所述待播放視頻為全景視頻。

其中，步驟S201-S203的具體實(shí)施過程可以參考實(shí)施例一中關(guān)于步驟S101～S103的詳細(xì)介紹，為了說明書的簡潔在此就不再贅述了。

在執(zhí)行步驟S203之后，執(zhí)行步驟S204，獲取每幀圖像中第一列像素和最后一列像素的灰度值的灰度方差量，獲取所述N幀圖像對應(yīng)的N個(gè)灰度方差量。

在本申請第二方面中，步驟S204可以在步驟S201和步驟S202之間執(zhí)行，也可以和步驟S202同時(shí)執(zhí)行，也可以在步驟S202和步驟S203之間執(zhí)行，也可以和步驟S203同時(shí)執(zhí)行，本申請不作具體限制。

具體來講，在獲取每幀圖像中第一列像素和最后一列像素的灰度值的灰度方差量時(shí)，可以首先根據(jù)本申請第一方面的公式(1)獲取每幀圖像中第一列像素與最后一列像素的灰度值的灰度差分和，再根據(jù)公式(2)獲取每幀圖像中第一列像素與最后一列像素的灰度值的灰度差分均值，設(shè)方差用varDiff進(jìn)行表示，則可以確定

具體的，可以通過公式(3)獲取每幀圖像中第一列像素和最后一列像素的灰度值的灰度方差量，從而獲取到所述N個(gè)灰度方差量。

例如,以A視頻的第15幀圖像為例，若第15幀圖像的分辨率為1920×1080，則row＝1920，list＝1080，如此，可與通過公式(1)、公式(2)和公式(3)獲取第15幀圖像中第0列像素與第1919列像素的灰度值的灰度方差量；采用獲取第15幀圖像的灰度方差量相同的方式，獲取A視頻中的第25、第30和第35幀圖像中每幀圖像的灰度方差量，從而獲得所述N個(gè)灰度方差量。

接下來執(zhí)行步驟S205，在該步驟中，將每個(gè)灰度方差量與第一預(yù)設(shè)方差進(jìn)行對比，獲取小于所述第一預(yù)設(shè)方差的灰度方差量在所述N個(gè)灰度方差量中的方差占比。

在具體實(shí)施過程中，在通過步驟S204獲取到所述N個(gè)灰度方差量之后，將每個(gè)灰度差分量分別與所述第一預(yù)設(shè)方差進(jìn)行對比，獲取小于所述第一預(yù)設(shè)方差的灰度方差量的數(shù)量以F進(jìn)行表示，則所述方差占比用K進(jìn)行表示，則可以確定K＝F/N， 公式(4)。

例如，以A視頻為例，從A視頻中提取的N幀圖像為A視頻中的第15、第25、第30和第35幀圖像，通過公式(1)、公式(2)和公式(3)依次獲取到各幀圖像的灰度方差量為15、16、22和34，若所述第一預(yù)設(shè)方差為35，由于小于35的灰度方差量的數(shù)量為4，則通過公式(4)確定K＝4/4＝100％。

具體來講，所述第一預(yù)設(shè)方差可以根據(jù)采集大量全景圖像使用步驟S204進(jìn)行訓(xùn)練來確定，以使得獲取的所述第一預(yù)設(shè)方差與全景圖像更匹配，其中，在一個(gè)實(shí)例中，所述第一預(yù)設(shè)方差可以為10～100中的任意一個(gè)正整數(shù)，例如可以為10、20、30、50和100等。

例如，可以采集300萬幅全景圖像通過步驟S204獲取到的300萬個(gè)灰度差分量，根據(jù)300萬個(gè)灰度差分量的分布參數(shù)，確定所述第一預(yù)設(shè)方差的取值，例如300萬個(gè)灰度差分量中取值在20-40之間的占比為90％，則所述第一預(yù)設(shè)方差可以為41、42和43等大于40的值。

接下來執(zhí)行步驟S206，在該步驟中，在所述平均灰度差分量小于所述預(yù)設(shè)差分量且所述方差占比大于預(yù)設(shè)占比時(shí)，確定所述待播放視頻為全景視頻。

在具體實(shí)施過程中，所述預(yù)設(shè)占比可以根據(jù)采集大量全景圖像使用步驟S204-S205進(jìn)行訓(xùn)練來確定，以使得通過所述預(yù)設(shè)占比來確定所述待播放視頻為全景視頻的準(zhǔn)確度更高，其中，所述預(yù)設(shè)占比可以為75％-100％中的任意一個(gè)值，例如可以為75％、85％、90％和100％等。

例如，可以采集200萬幅全景圖像通過步驟S204-S205獲取到的200萬個(gè)方差占比，若大于80％的方差占比在100萬個(gè)方差占比中所占比例大于第二預(yù)設(shè)閾值，則所述預(yù)設(shè)占比可以取80％；其中，所述第二預(yù)設(shè)閾值的取值范圍為80％～100％；例如在所述第一預(yù)設(shè)閾值為91％時(shí)，若大于85％的方差占比在100萬個(gè)方差占比中所占比例大于92％，由于92％>91％，則所述預(yù)設(shè)占比可以取85％。

具體來講，在獲取所述預(yù)設(shè)差分量和所述預(yù)設(shè)占比之后，將所述預(yù)設(shè)差分量和所述預(yù)設(shè)占比進(jìn)行存儲(chǔ)，在此之后，分別將獲取的所述平均灰度差分量與所述預(yù)設(shè)差分量進(jìn)行對比和將獲取的所述方差占比與所述預(yù)設(shè)占比進(jìn)行比對，若比對出所述平均灰度差分量小于所述預(yù)設(shè)差分量且所述方差占比大于所述預(yù)設(shè)占比，則確定所述待播放視頻為全景視頻；否則，則確定所述待播放視頻為2D視頻。

例如，以A視頻為例，以A視頻為例，從A視頻中提取的N幀圖像為A視頻中的第15、第25、第30和第35幀圖像，通過公式(1)依次獲取到各幀圖像的灰度差分和為260、980、540和650，然后獲取到平均灰度差分量為(260+980+540+650)/4＝607.5，若所述預(yù)設(shè)差分量為600，由于607.5>600，則確定所述平均灰度差分量大于所述預(yù)設(shè)差分量；以及通過公式(1)、公式(2)和公式(3)依次獲取到各幀圖像的灰度方差量為15、16、22和34，若所述第一預(yù)設(shè)方差為35，由于小于35的灰度方差量的數(shù)量為4，則通過公式(4)確定K＝4/4＝100％；若所述預(yù)設(shè)占比為80％，由于80％<100％，則確定所述方差占比大于所述預(yù)設(shè)占比但所述平均灰度差分量大于所述預(yù)設(shè)差分量，如此，可以判定A視頻為2D視頻。

又例如，同樣以A視頻為例，從A視頻中提取的N幀圖像為A視頻中的第15、第25、第30和第35幀圖像，通過公式(2)依次獲取到各幀圖像的灰度差分均值為50、70、60和20，然后獲取到平均灰度差分量為(50+70+60+20)/4＝50，若所述預(yù)設(shè)差分量為60，由于50<60，即所述平均灰度差分量小于所述預(yù)設(shè)差分量；以及通過公式(1)、公式(2)和公式(3)依次獲取到各幀圖像的灰度方差量為15、16、22和34，若所述第一預(yù)設(shè)方差為35，由于小于35的灰度方差量的數(shù)量為4，則通過公式(4)確定K＝4/4＝100％；若所述預(yù)設(shè)占比均為85％，由于85％<100％，則確定所述平均灰度差分量小于所述預(yù)設(shè)差分量且所述方差占比大于所述預(yù)設(shè)占比，如此，可以判定A視頻為全景視頻。

在本發(fā)明第二方面中，由于全景視頻中的每幀圖像都是全景圖像，而全景圖像中最左邊和最右邊的內(nèi)容是連續(xù)的，由此可知，全景圖像中第一列像素和最后一列像素的灰度值差別較小，基于上述原理，通過步驟S201～S206識別出所述待播放視頻為全景視頻的準(zhǔn)確度較高，進(jìn)而降低了誤判的概率。

本發(fā)明第二方面在判斷出所述平均灰度差分量小于所述預(yù)設(shè)差分量之后，還需判斷所述方差占比大于所述預(yù)設(shè)占比，才能判定所述待播放視頻為全景視頻，且所述預(yù)設(shè)差分量和所述預(yù)設(shè)占比均是通過采集大量的全景圖像進(jìn)行訓(xùn)練得到的，在所述預(yù)設(shè)差分量和所述預(yù)設(shè)占比的準(zhǔn)確性確保的基礎(chǔ)上，其通過多個(gè)約束條件判斷出所述待播放視頻是否為全景視頻的準(zhǔn)確度得以進(jìn)一步提高，進(jìn)而降低了出現(xiàn)誤判的概率。

本發(fā)明第二方面是通過機(jī)器自動(dòng)判斷出所述平均灰度差分量小于所述預(yù)設(shè)差分量且所述方差占比大于所述預(yù)設(shè)占比時(shí)，識別出所述待播放視頻為全景視頻，與現(xiàn)有技術(shù)的人工識別待播放視頻是否為全景視頻相比，縮短了識別時(shí)間，使得從識別到開始播放全景視頻的時(shí)間也隨之縮短，從而有效提高了播放效率。

而且在通過機(jī)器自動(dòng)識別出待播放視頻為全景視頻之后，可以自動(dòng)啟動(dòng)全景視頻播放器來播放所述待播放視頻，如此，不僅縮短了識別時(shí)間，還能夠縮短打開全景視頻播放器的時(shí)間，從而有效縮短了從識別到開始播放全景視頻的時(shí)間，能夠有效提高播放效率。

實(shí)施例三：

如圖3所示，本發(fā)明第三方面提供了一種全景視頻的識別方法，包括：

S301、從待播放視頻中提取N幀圖像，其中，N為不小于2的整數(shù)；

S302、獲取每幀圖像中第一列像素和最后一列像素的灰度值的灰度差分量，得到所述N幀圖像對應(yīng)的N個(gè)灰度差分量；

S303、將所述N個(gè)灰度差分量的平均灰度差分量與預(yù)設(shè)差分量進(jìn)行對比；

S304、獲取每幀圖像中第一列像素和最后一列像素的灰度值的灰度方差量，獲取所述N幀圖像對應(yīng)的N個(gè)灰度方差量；

S305、將所述N個(gè)灰度方差量的平均灰度方差量與第二預(yù)設(shè)方差進(jìn)行對比；

S306、在所述平均灰度差分量小于所述預(yù)設(shè)差分量且所述平均灰度方差量小于所述第二預(yù)設(shè)方差時(shí)，確定所述待播放視頻為全景視頻。

其中，步驟S301-S303的具體實(shí)施過程可以參考實(shí)施例一中關(guān)于步驟S101～S103的詳細(xì)介紹，為了說明書的簡潔在此就不再贅述了。

在執(zhí)行步驟S303之后，執(zhí)行步驟S304，獲取每幀圖像中第一列像素和最后一列像素的灰度值的灰度方差量，獲取所述N幀圖像對應(yīng)的N個(gè)灰度方差量。

在本申請第二方面中，步驟S304可以在步驟S301和步驟S302之間執(zhí)行，也可以和步驟S302同時(shí)執(zhí)行，也可以在步驟S302和步驟S303之間執(zhí)行，也可以和步驟S303同時(shí)執(zhí)行，本申請不作具體限制。

其中，步驟S304的具體實(shí)施過程可以參考實(shí)施例二中關(guān)于步驟S204的詳細(xì)介紹，為了說明書的簡潔在此就不再贅述了。

在執(zhí)行步驟S304之后，執(zhí)行步驟S305，在該步驟中，將所述N個(gè)灰度方差量的平均灰度方差量與第二預(yù)設(shè)方差進(jìn)行對比。

在具體實(shí)施過程中，在通過步驟S304獲取到所述N個(gè)灰度方差量之后，獲取所述N個(gè)灰度方差量的平均灰度方差量，即所述平均灰度方差量為所述N個(gè)灰度方差量之和/N，再將所述平均灰度方差量與所述第二預(yù)設(shè)方差進(jìn)行比對。

具體來講，所述第二預(yù)設(shè)方差可以根據(jù)采集大量全景圖像使用步驟S304～S305進(jìn)行訓(xùn)練來確定，以使得獲取的所述第二預(yù)設(shè)方差與全景圖像更匹配，其中，在一個(gè)實(shí)例中，所述第二預(yù)設(shè)方差可以為10～100中的任意一個(gè)正整數(shù)，例如可以為10、20、30、50和100等。

例如，可以采集400萬幅全景圖像通過步驟S304-S305獲取到的400萬個(gè)平均灰度方差量，根據(jù)400萬個(gè)平均灰度差分量的分布參數(shù)，確定所述第二預(yù)設(shè)方差的取值，例如400萬個(gè)平均灰度方差量中取值在20-60之間的占比為98％，則所述第二預(yù)設(shè)方差可以為61、62和63等大于60的值。

接下來執(zhí)行步驟S306，在該步驟中，在所述平均灰度差分量小于所述預(yù)設(shè)差分量且所述平均灰度方差量小于所述第二預(yù)設(shè)方差時(shí)，確定所述待播放視頻為全景視頻。

在具體實(shí)施過程中，在獲取所述預(yù)設(shè)差分量和所述第二預(yù)設(shè)方差之后，將所述預(yù)設(shè)差分量和所述第二預(yù)設(shè)方差進(jìn)行存儲(chǔ)，在此之后，分別將獲取的所述平均灰度差分量與所述預(yù)設(shè)差分量進(jìn)行對比和將獲取的所述平均灰度方差量與所述第二預(yù)設(shè)方差進(jìn)行比對，若比對出所述平均灰度差分量小于所述預(yù)設(shè)差分量且所述平均灰度方差量小于所述第二預(yù)設(shè)方差，則確定所述待播放視頻為全景視頻；否則，則確定所述待播放視頻為2D視頻。

例如，以A視頻為例，從A視頻中提取的N幀圖像為A視頻中的第15、第25、第30和第35幀圖像，通過公式(1)依次獲取到各幀圖像的灰度差分和為260、980、540和650，然后獲取到平均灰度差分量為(260+980+540+650)/4＝607.5，若所述預(yù)設(shè)差分量為600，由于607.5>600，則確定所述平均灰度差分量大于所述預(yù)設(shè)差分量；以及通過公式(1)、公式(2)和公式(3)依次獲取到各幀圖像的灰度方差量為15、16、22和34，然后獲取所述平均灰度方差量為(15+16+22+34)/4＝21.75，若所述第二預(yù)設(shè)方差為25，使得21.75<25，則所述平均灰度方差量小于所述第二預(yù)設(shè)方差但所述平均灰度差分量大于所述預(yù)設(shè)差分量，如此，可以判定A視頻為2D視頻。

又例如，同樣以A視頻為例，從A視頻中提取的N幀圖像為A視頻中的第15、第25、第30和第35幀圖像，通過公式(2)依次獲取到各幀圖像的灰度差分均值為50、70、60和20，然后獲取到平均灰度差分量為(50+70+60+20)/4＝50，若所述預(yù)設(shè)差分量為60，由于50<60，即所述平均灰度差分量小于所述預(yù)設(shè)差分量；以及通過公式(1)、公式(2)和公式(3)依次獲取到各幀圖像的灰度方差量為15、16、22和34，然后獲取所述平均灰度方差量為(15+16+22+34)/4＝21.75，若所述第二預(yù)設(shè)方差為25，使得21.75<25；則確定所述平均灰度差分量小于所述預(yù)設(shè)差分量且所述平均灰度方差量小于所述第二預(yù)設(shè)方差，如此，可以判定A視頻為全景視頻。

在本發(fā)明第三方面中，由于全景視頻中的每幀圖像都是全景圖像，而全景圖像中最左邊和最右邊的內(nèi)容是連續(xù)的，由此可知，全景圖像中第一列像素和最后一列像素的灰度值差別較小，基于上述原理，通過步驟S301～S306識別出所述待播放視頻為全景視頻的準(zhǔn)確度較高，進(jìn)而降低了誤判的概率。

本發(fā)明第三方面在判斷出所述平均灰度差分量小于所述預(yù)設(shè)差分量之后，還需判斷所述平均灰度方差量小于所述第二預(yù)設(shè)方差，才能判定所述待播放視頻為全景視頻，且所述預(yù)設(shè)差分量和所述第二預(yù)設(shè)方差均是通過采集大量的全景圖像進(jìn)行訓(xùn)練得到的，在所述預(yù)設(shè)差分量和所述方差站的準(zhǔn)確性確保的基礎(chǔ)上，其通過多個(gè)約束條件判斷出所述待播放視頻是否為全景視頻的準(zhǔn)確度得以進(jìn)一步提高，進(jìn)而降低了出現(xiàn)誤判的概率。

本發(fā)明第三方面是通過機(jī)器來判斷出所述平均灰度差分量小于所述預(yù)設(shè)差分量且判斷所述平均灰度方差量小于所述第二預(yù)設(shè)方差時(shí)，識別出所述待播放視頻為全景視頻，與現(xiàn)有技術(shù)的人工識別待播放視頻是否為全景視頻相比，縮短了識別時(shí)間，使得從識別到開始播放全景視頻的時(shí)間也隨之縮短，從而有效提高了播放效率。

而且在通過機(jī)器自動(dòng)識別出待播放視頻為全景視頻之后，可以自動(dòng)啟動(dòng)全景視頻播放器來播放所述待播放視頻，如此，不僅縮短了識別時(shí)間，還能夠縮短打開全景視頻播放器的時(shí)間，從而有效縮短了從識別到開始播放全景視頻的時(shí)間，能夠有效提高播放效率。

實(shí)施例四：

參見圖4，本發(fā)明第四方面提供了一種分屏視頻的識別方法，包括：

S401、從待播放視頻中提取N幀圖像，其中，N為不小于2的整數(shù)；

S402、獲取每幀圖像的特征點(diǎn)集；

S403、對每幀圖像的特征點(diǎn)集進(jìn)行特征點(diǎn)匹配，獲取每幀圖像的匹配特征點(diǎn)對集；

S404、判斷每幀圖像中匹配特征點(diǎn)對集的距離平均值是在第一預(yù)設(shè)距離范圍內(nèi)還是在第二預(yù)設(shè)距離范圍內(nèi)；

S405、若每幀圖像中匹配特征點(diǎn)對集的距離平均值均在所述第一預(yù)設(shè)距離范圍內(nèi)，則確定所述待播放視頻為上下分屏視頻；

S406、若每幀圖像中匹配特征點(diǎn)對集的距離平均值均在所述第二預(yù)設(shè)距離范圍內(nèi)，則確定所述待播放視頻為左右分屏視頻。

其中，首先執(zhí)行步驟S401，步驟S401具體可以參考實(shí)施例一中關(guān)于步驟S101的詳細(xì)敘述，為了說明書的簡潔在此就不再贅述了。

在執(zhí)行步驟S401之后，執(zhí)行步驟S402，在該步驟中，獲取每幀圖像的特征點(diǎn)集。

在具體實(shí)施過程中，可以通過特征點(diǎn)提取算法從每幀圖像中提取特征點(diǎn)，從而獲取到每幀圖像的特征點(diǎn)集，例如可以通過ORB，S I FT，SURF等算法對每幀圖像進(jìn)行特征提取，從而提取到每幀圖像的特征點(diǎn)集，其中，每幀圖像的特征點(diǎn)集包括每個(gè)特征點(diǎn)在圖像區(qū)域內(nèi)的位置信息、尺度、方向和特征描述信息，特征描述信息可以為一個(gè)8字節(jié)的內(nèi)容描述，特征點(diǎn)方向例如可以是一個(gè)0-1023的方向信息。

接下來執(zhí)行步驟S403，在該步驟中，對每幀圖像的特征點(diǎn)集進(jìn)行特征點(diǎn)匹配，獲取每幀圖像的匹配特征點(diǎn)對集。

具體來講，通過特征點(diǎn)匹配算法對每幀圖像的特征點(diǎn)集進(jìn)行特征點(diǎn)匹配，獲取每幀圖像的匹配特征點(diǎn)對集，其中，所述特征點(diǎn)匹配算法例如可以是可以采用歸一化互相關(guān)(Normalized Cross Correlation method,簡稱NCC)匹配算法、序貫相似性檢測(sequential similarity detection algorithm,簡稱SSDA)算法和測度因子有像素灰度差的絕對值和(Sum of Absolute Differences，檢測SAD)算法等。

接下來執(zhí)行步驟S404，在該步驟中，判斷每幀圖像中匹配特征點(diǎn)對集的距離平均值是在第一預(yù)設(shè)距離范圍內(nèi)還是在第二預(yù)設(shè)距離范圍內(nèi)。

在具體實(shí)施過程中，在執(zhí)行步驟S404之前，還需先獲取每幀圖像中匹配特征點(diǎn)對集的距離平均值；在獲取每幀圖像對應(yīng)的距離平均值時(shí)，可以獲取每幀圖像中每對匹配特征點(diǎn)對之間的距離，然后將每幀圖像中每對匹配特征點(diǎn)對之間的距離之和除以每幀圖像中匹配特征點(diǎn)對集中匹配特征點(diǎn)對的總數(shù)，從而可以獲取到每幀圖像中匹配特征點(diǎn)對集的距離平均值。

例如，如圖5所示，以A視頻的第15幀圖像為例，通過步驟S403獲取到第15幀圖像的匹配特征點(diǎn)對集包括A A’、B B’、C C’、D D’、E E’和F F’，然后獲取A A’之間的距離A1，B B’之間的距離B1，C C’之間的距離C1、D D’之間的距離D1、E E’之間的距離E1和F F’之間的距離F1；然后獲取第15幀圖像中匹配特征點(diǎn)對集的距離平均值為(A1+B1+C1+E1+F1)/6；然后判斷(A1+B1+C1+E1+F1)/6是否在所述第一預(yù)設(shè)范圍還是在所述第二預(yù)設(shè)范圍內(nèi)，若在所述第一預(yù)設(shè)范圍內(nèi)，則執(zhí)行步驟S405；若在所述第二預(yù)設(shè)范圍內(nèi)，則執(zhí)行步驟S406。

本申請實(shí)施例中，所述第一預(yù)設(shè)距離范圍是根據(jù)每幀圖像的高度的1/2來設(shè)定的；所述第二預(yù)設(shè)距離范圍是根據(jù)每幀圖像的寬度的1/2來設(shè)定的。

由于視頻在上下分屏?xí)r，其每幀圖像的匹配特征點(diǎn)對之間的距離通常在該幀圖像的高度的1/2左右；而視頻在左右分屏?xí)r，其每幀圖像的匹配特征點(diǎn)對之間的距離通常在該幀圖像的寬度的1/2左右；因此，根據(jù)每幀圖像的高度的1/2來設(shè)定所述第一預(yù)設(shè)距離范圍和根據(jù)每幀圖像的寬度的1/2來設(shè)定所述第二預(yù)設(shè)距離范圍，如此，能夠確保所述第一預(yù)設(shè)距離范圍和所述第二預(yù)設(shè)距離范圍的設(shè)定更準(zhǔn)確，使得通過所述第一預(yù)設(shè)距離范圍和所述第二預(yù)設(shè)距離范圍判定出來的結(jié)果也更準(zhǔn)確。

本申請實(shí)施例中，所述第一預(yù)設(shè)距離范圍和所述第二預(yù)設(shè)距離范圍可以通過像素dpi表示，也可以用厘米表示，本申請不作具體限制。

例如，以A視頻的第15幀圖像為例，若第15幀圖像的尺寸的寬度為1600dpi，而高度為1200dpi；則根據(jù)第15幀圖像的尺寸的寬度的1/2即800dpi來設(shè)定所述第一預(yù)設(shè)距離范圍，其中，所述第一預(yù)設(shè)距離范圍例如可以為的范圍即為700～900，也可以為的范圍即為750-850；同理，所述第二預(yù)設(shè)距離范圍可以為的范圍即為500-700；也可以為的范圍即為550-650；可以通過上下分屏的圖片進(jìn)行訓(xùn)練來獲取所述第一預(yù)設(shè)距離范圍的取值，使得所述第一預(yù)設(shè)距離范圍的取值更準(zhǔn)確；同理，也可以通過左右分屏的圖片進(jìn)行訓(xùn)練來獲取所述第二預(yù)設(shè)距離范圍的取值，使得所述第二預(yù)設(shè)距離范圍的取值更準(zhǔn)確；進(jìn)一步使得通過所述第一預(yù)設(shè)距離范圍和所述第二預(yù)設(shè)距離范圍判定出來的結(jié)果也更準(zhǔn)確。

若每幀圖像中匹配特征點(diǎn)對集的距離平均值均在所述第一預(yù)設(shè)距離范圍內(nèi)，則執(zhí)行步驟S405，確定所述待播放視頻為上下分屏視頻；若每幀圖像中匹配特征點(diǎn)對集的距離平均值均在所述第二預(yù)設(shè)距離范圍內(nèi)，則執(zhí)行步驟S406，確定所述待播放視頻為左右分屏視頻；若每幀圖像中匹配特征點(diǎn)對集的距離平均值既不在所述第一預(yù)設(shè)距離范圍內(nèi)，也不在所述第二預(yù)設(shè)距離范圍內(nèi)，在確定所述待播放視頻為非分屏視頻，即為正常視頻。

例如，如圖5所示，同樣以A視頻的第15幀圖像為例，第15幀圖像的寬高比為1600×1200，獲取第15幀圖像中匹配特征點(diǎn)對集的距離平均值為(A1+B1+C1+E1+F1)/6＝620，若所述第二預(yù)設(shè)距離范圍為750-850，所述第一預(yù)設(shè)距離范圍為550-650；由于620在550-650內(nèi)，由此可知，第15幀圖像中匹配特征點(diǎn)對集的距離平均值在所述第一預(yù)設(shè)距離范圍內(nèi)；同理，采用相同的方法依次獲取A視頻中的第25、第30和第35幀圖像中的每幀圖像中匹配特征點(diǎn)對集的距離平均值執(zhí)行步驟S404的步驟，若第25、第30和第35幀圖像中的每幀圖像中匹配特征點(diǎn)對集的距離平均值均在所述第一預(yù)設(shè)距離范圍內(nèi)，則可以確定A視頻為上下分屏視頻。

本申請實(shí)施例中，可以在執(zhí)行完步驟S104之后，再執(zhí)行步驟S402-S406；當(dāng)然也可以和步驟S102～104并行執(zhí)行步驟S402-S406；還可以在步驟S405或步驟S406執(zhí)行完畢之后，再執(zhí)行步驟S102，此時(shí)，若確定A視頻為上下分屏視頻，則可以取N幀圖像中的每幀圖像的上分屏圖像或下分屏圖像來執(zhí)行步驟S102-S104；若確定A視頻為左右分屏視頻，則可以取N幀圖像中的每幀圖像的左分屏圖像或右分屏圖像來執(zhí)行步驟S102-S104；當(dāng)然，也可以直接去N幀圖像中的每幀圖像的整個(gè)圖像來執(zhí)行步驟S102-S104，本申請不作具體限制。

在本申請的另一實(shí)施例中，為了使得獲取的每幀圖像中匹配特征點(diǎn)對集的距離平均值更準(zhǔn)確，在獲取每幀圖像中匹配特征點(diǎn)對集的距離平均值時(shí)，還可以采用另一種方法，如圖6所示，具體包括如下步驟：

S601、獲取每幀圖像中每個(gè)匹配特征點(diǎn)對的夾角信息，所述角度信息為匹配特征點(diǎn)對之間的連線與參考線之間的夾角角度；

S602、從每幀圖像中匹配特征點(diǎn)對集中去掉夾角信息大于預(yù)設(shè)夾角的所有匹配特征點(diǎn)對，獲取每幀圖像中的剩余匹配特征點(diǎn)對；

S603、獲取每幀圖像中的剩余匹配特征點(diǎn)對的距離平均值作為每幀圖像中匹配特征點(diǎn)對集的距離平均值。

其中，步驟S601、S602和S603在步驟S403之后且在步驟S404之前執(zhí)行。

具體的，在執(zhí)行步驟403之后，執(zhí)行步驟S601，獲取每幀圖像中每個(gè)匹配特征點(diǎn)對之間的連線與參考線之間的夾角角度，其中，所述參考線是根據(jù)匹配特征點(diǎn)對之間的連線來確定的。若匹配特征點(diǎn)對之間的連線與水平線之間的夾角小于該連線與垂直線之間的夾角，則確定所述參考線為水平線；反之，連線與水平線之間的夾角不小于該連線與垂直線之間的夾角，則確定所述參考線為垂直線。

例如，參見圖5，A視頻的第15幀圖像中E E’之間的連線10，由于連線10與水平線之間的夾角大于連線10與垂直線20之間的夾角30，則確定參考線為垂直線20，并獲取連線10和垂直線20之間的夾角30為20°。

接下來執(zhí)行步驟S602，在該步驟中，首先將每幀圖像中匹配特征點(diǎn)對的夾角信息用戶所述預(yù)設(shè)夾角進(jìn)行比對，獲取每幀圖中匹配特征點(diǎn)對集中去掉夾角信息大于預(yù)設(shè)夾角的所有匹配特征點(diǎn)對，獲取每幀圖像中的剩余匹配特征點(diǎn)對。

例如，參見圖5，第15幀圖像的匹配特征點(diǎn)對集包括A A’、B B’、C C’、D D’、E E’和F F’，然后通過步驟S601的方式獲取上述6個(gè)特征點(diǎn)對中每個(gè)特征點(diǎn)對的夾角信息，然后將獲取的每個(gè)夾角信息與所述預(yù)設(shè)夾角進(jìn)行對比，若所述預(yù)設(shè)夾角為15°，檢測到E E’的夾角信息為20°大于15°，其它特征點(diǎn)對的夾角信息均小于15°，則確定第15幀圖像的剩余匹配特征點(diǎn)對為A A’、B B’、C C’、D D’和F F’；采用同樣的方式，依次獲取N幀圖像中其它每幀圖像的剩余匹配特征點(diǎn)對。

接下來執(zhí)行步驟S603，在該步驟中，獲取每幀圖像中的剩余匹配特征點(diǎn)對的距離平均值作為每幀圖像中匹配特征點(diǎn)對集的距離平均值。

例如，參見圖5，第15幀圖像的剩余匹配特征點(diǎn)對為A A’、B B’、C C’、D D’和F F’，則獲取A A’、B B’、C C’、D D’和F F’的距離平均值為(A1+B1+C1+F1)/5為第15幀圖像中匹配特征點(diǎn)對集的距離平均值；采用同樣的方式，依次獲取N幀圖像中其它每幀圖像的剩余匹配特征點(diǎn)對的距離平均值。

在通過步驟S603獲取到每幀圖像中匹配特征點(diǎn)對集的距離平均值之后，依次執(zhí)行步驟S404-S406。

具體來講，由于圖像不管是上下分屏還是左右分屏，其相應(yīng)的特征點(diǎn)對之間的連線通常會(huì)近似平行于水平線或垂直線，基于此就可以設(shè)定所述預(yù)設(shè)夾角的值，通過所述預(yù)設(shè)夾角能夠?qū)⒚繋瑘D中匹配特征點(diǎn)對集中去掉匹配度低的特征點(diǎn)對，使得使用每幀圖像中的剩余匹配特征點(diǎn)對的距離平均值能夠與自身圖像更匹配，如此，使得通過每幀圖像中的剩余匹配特征點(diǎn)對的距離平均值作為輸入來執(zhí)行后續(xù)步驟S404-S406，使得判斷出的結(jié)果的準(zhǔn)確度更高。

本申請另一實(shí)施例中，在從待播放視頻中提取N幀圖像之后，所述方法還包括：判斷每幀圖像的寬高比是否為預(yù)設(shè)寬高比；若每幀圖像的寬高比均為所述預(yù)設(shè)寬高比，則確定所述待播放視頻為全景視頻；若所述N幀圖像中存在寬高比不為所述預(yù)設(shè)寬高比的圖像，則執(zhí)行步驟S102-S104。

在具體實(shí)施過程中，由于全景視頻中每幀圖像均是全景圖，而全景圖為水平方向360°和垂直方向180°的圖片，因此，一般的全景視頻的寬是高的兩倍；寬高比為2可以作為判斷待播放視頻是否為全景視頻的一個(gè)充分不必要條件，即所述預(yù)設(shè)寬高比為2，如此，可以在執(zhí)行步驟S102之前，首先判斷每幀圖像的寬高比是否均為取值為2的預(yù)設(shè)寬高比。若每幀圖像的寬高比是均為取值為2的預(yù)設(shè)寬高比，則判定待播放視頻為全景視頻；若存在至少一幀圖像的寬高比不為2，則執(zhí)行步驟S102-S104。當(dāng)然，有些全景圖像的寬高比為3:2，與2D圖像的寬高比4:3和16:9均不同，則可以確定所述預(yù)設(shè)寬高比還可以取與2D圖像的寬高比不同的值例如為3:2。

本發(fā)明的有益效果如下：

本發(fā)明實(shí)施例中是根據(jù)每幀圖像的高度的1/2來設(shè)定所述第一預(yù)設(shè)距離范圍和根據(jù)每幀圖像的寬度的1/2來設(shè)定所述第二預(yù)設(shè)距離范圍，由于視頻在上下分屏?xí)r，其每幀圖像的匹配特征點(diǎn)對之間的距離通常在該幀圖像的高度的1/2左右；而視頻在左右分屏?xí)r，其每幀圖像的匹配特征點(diǎn)對之間的距離通常在該幀圖像的寬度的1/2左右；如此，能夠確保所述第一預(yù)設(shè)距離范圍和所述第二預(yù)設(shè)距離范圍的設(shè)定更準(zhǔn)確，使得通過所述第一預(yù)設(shè)距離范圍和所述第二預(yù)設(shè)距離范圍判定出來的結(jié)果也更準(zhǔn)確，即能夠更準(zhǔn)確的判斷出待播放視頻是上下還是左右分屏的視頻。

實(shí)施例五：

參見圖7，本發(fā)明第五方面提供了一種播放視頻的方法，包括以下步驟：

S701、從待播放視頻中提取N幀圖像，其中，N為不小于2的整數(shù)；

S702、獲取每幀圖像中第一列像素和最后一列像素的灰度值的灰度差分量，得到所述N幀圖像對應(yīng)的N個(gè)灰度差分量；

S703、將所述N個(gè)灰度差分量的平均灰度差分量與預(yù)設(shè)差分量進(jìn)行對比；

S704、在所述平均灰度差分量小于所述預(yù)設(shè)差分量時(shí)，確定所述待播放視頻為全景視頻；

S705、在確定所述待播放視頻為全景視頻之后，利用全景視頻播放器播放所述待播放視頻。

其中，步驟S701-S704具體可以參考S101-S104的實(shí)現(xiàn)過程，為了說明書的簡潔，在此就不再贅述了。

在執(zhí)行完步驟S704之后，執(zhí)行步驟S705，在該步驟中，在確定所述待播放視頻為全景視頻之后，利用全景視頻播放器播放所述待播放視頻。

在具體實(shí)施過程中，在確定所述待播放視頻為全景視頻之后，自動(dòng)啟動(dòng)所述全景視頻播放器，然后將所述待播放視頻加載到所述全景視頻播放器中進(jìn)行播放，如此，使得本申請實(shí)施例是通過機(jī)器自動(dòng)識別出待播放視頻是否為全景視頻，在識別為全景視頻時(shí)，自動(dòng)啟動(dòng)全景視頻播放器來播放所述待播放視頻，使得全景視頻播放器的開啟和加載所述待播放視頻均是機(jī)器自動(dòng)執(zhí)行的，與現(xiàn)有技術(shù)中的全景視頻播放器需要人工開啟和人工加載所述待播放視頻相比，能夠有效縮短開啟全景視頻播放器到加載所述待播放視頻的時(shí)間，如此，能夠進(jìn)一步的從識別到開始播放全景視頻的時(shí)間，進(jìn)一步提高播放效率。

具體來講，在確定所述待播放視頻為全景視頻之后，首先在本地查找所述全景視頻播放器，若查找到，則自動(dòng)啟動(dòng)所述全景視頻播放器然后加載所述待播放視頻進(jìn)行播放；若未查找到，則推薦一款全景視頻播放器給用戶進(jìn)行下載，如此，使得用戶的體驗(yàn)更好，智能化更高。

在執(zhí)行步驟S702的過程中，可以獲取每幀圖像中第一列像素和最后一列像素的灰度值的灰度差分均值，其中，所述灰度差分均值為所述灰度差分量；也可以獲取每幀圖像中第一列像素和最后一列像素的灰度值的灰度差分和，其中，所述灰度差分和為所述灰度差分量。

在本申請的另一實(shí)施例中，所述方法還包括：獲取每幀圖像中第一列像素和最后一列像素的灰度值的灰度方差量，獲取所述N幀圖像對應(yīng)的N個(gè)灰度方差量；將每個(gè)灰度方差量與第一預(yù)設(shè)方差進(jìn)行對比，獲取小于所述第一預(yù)設(shè)方差的灰度方差量在所述N個(gè)灰度方差量中的方差占比；在所述平均灰度差分量小于所述預(yù)設(shè)差分量且所述方差占比大于預(yù)設(shè)占比時(shí)，確定所述待播放視頻為全景視頻。

在本申請的另一實(shí)施例中，所述方法還包括：獲取每幀圖像中第一列像素和最后一列像素的灰度值的灰度方差量，獲取所述N幀圖像對應(yīng)的N個(gè)灰度方差量；將所述N個(gè)灰度方差量的平均灰度方差量與第二預(yù)設(shè)方差進(jìn)行對比；在所述平均灰度差分量小于所述預(yù)設(shè)差分量且所述平均灰度方差量小于所述第二預(yù)設(shè)方差時(shí)，確定所述待播放視頻為全景視頻。

在本申請的另一實(shí)施例中，在從待播放視頻中提取N幀圖像之后，所述方法還包括：獲取每幀圖像的特征點(diǎn)集；對每幀圖像的特征點(diǎn)集進(jìn)行特征點(diǎn)匹配，獲取每幀圖像的匹配特征點(diǎn)對集；判斷每幀圖像中匹配特征點(diǎn)對集的距離平均值是在第一預(yù)設(shè)距離范圍內(nèi)還是在第二預(yù)設(shè)距離范圍內(nèi)；若每幀圖像中匹配特征點(diǎn)對集的距離平均值均在所述第一預(yù)設(shè)距離范圍內(nèi)，則確定所述待播放視頻為上下分屏視頻；若每幀圖像中匹配特征點(diǎn)對集的距離平均值均在所述第二預(yù)設(shè)距離范圍內(nèi)，則確定所述待播放視頻為左右分屏視頻。

其中，所述第一預(yù)設(shè)距離范圍是根據(jù)每幀圖像的高度的1/2來設(shè)定的；所述第二預(yù)設(shè)距離范圍是根據(jù)每幀圖像的寬度的1/2來設(shè)定的。

具體的，在所述判斷每幀圖像中匹配特征點(diǎn)對集的距離平均值是在第一預(yù)設(shè)距離范圍內(nèi)還是在第二預(yù)設(shè)距離范圍內(nèi)之前，所述方法還包括：獲取每幀圖像中匹配特征點(diǎn)對集的距離平均值。

具體的，所述獲取每幀圖像中匹配特征點(diǎn)對集的距離平均值，具體包括：獲取每幀圖像中每個(gè)匹配特征點(diǎn)對的夾角信息，所述角度信息為匹配特征點(diǎn)對之間的連線與參考線之間的夾角角度；從每幀圖像中匹配特征點(diǎn)對集中去掉夾角信息大于預(yù)設(shè)夾角的所有匹配特征點(diǎn)對，獲取每幀圖像中的剩余匹配特征點(diǎn)對；獲取每幀圖像中的剩余匹配特征點(diǎn)對的距離平均值作為每幀圖像中匹配特征點(diǎn)對集的距離平均值。

在本申請的另一實(shí)施例中，在從待播放視頻中提取N幀圖像之后，所述方法還包括：判斷每幀圖像的寬高比是否為預(yù)設(shè)寬高比；若每幀圖像的寬高比均為所述預(yù)設(shè)寬高比，則確定所述待播放視頻為全景視頻；若所述N幀圖像中存在寬高比不為所述預(yù)設(shè)寬高比的圖像，則執(zhí)行步驟S702-S704。

本發(fā)明的有益效果如下：

本發(fā)明實(shí)施例中，本申請實(shí)施例是通過機(jī)器自動(dòng)識別出待播放視頻是否為全景視頻，且在識別為全景視頻時(shí)，自動(dòng)啟動(dòng)全景視頻播放器來播放所述待播放視頻，使得全景視頻播放器的開啟和加載所述待播放視頻均是機(jī)器自動(dòng)執(zhí)行的，與現(xiàn)有技術(shù)中的全景視頻播放器需要人工開啟和人工加載所述待播放視頻相比，能夠有效縮短開啟全景視頻播放器到加載所述待播放視頻的時(shí)間，如此，能夠進(jìn)一步的從識別到開始播放全景視頻的時(shí)間，進(jìn)一步提高播放效率。

實(shí)施例六：

參見圖8，基于與本發(fā)明第一至第三方面相似的技術(shù)構(gòu)思，本發(fā)明第五方面提供了一種全景視頻的識別設(shè)備，包括：

圖像提取單元801，用于從待播放視頻中提取N幀圖像，其中，N為不小于2的整數(shù)；

灰度差分量獲取單元802，用于獲取每幀圖像中第一列像素和最后一列像素的灰度值的灰度差分量，得到所述N幀圖像對應(yīng)的N個(gè)灰度差分量；

差分比對單元803，用于將N個(gè)灰度差分量的平均灰度差分量與預(yù)設(shè)差分量進(jìn)行對比；

識別單元804，用于在所述平均灰度差分量小于所述預(yù)設(shè)差分量時(shí)，確定所述待播放視頻為全景視頻。

較佳的，灰度差分量獲取單元802，具體用于獲取每幀圖像中第一列像素和最后一列像素的灰度值的灰度差分均值，其中，所述灰度差分均值為所述灰度差分量。

較佳的，所述識別設(shè)備還包括：

灰度方差量獲取單元，用于獲取每幀圖像中第一列像素和最后一列像素的灰度值的灰度方差量，獲取所述N幀圖像對應(yīng)的N個(gè)灰度方差量；

方差占比獲取單元，用于將每個(gè)灰度方差量與第一預(yù)設(shè)方差進(jìn)行對比，獲取小于所述第一預(yù)設(shè)方差的灰度方差量在所述N個(gè)灰度方差量中的方差占比；

識別單元804，還用于在所述平均灰度差分量小于所述預(yù)設(shè)差分量且所述方差占比大于預(yù)設(shè)占比時(shí)，確定所述待播放視頻為全景視頻。

較佳的，所述識別設(shè)備還包括：

所述灰度方差量獲取單元，用于獲取每幀圖像中第一列像素和最后一列像素的灰度值的灰度方差量，獲取所述N幀圖像對應(yīng)的N個(gè)灰度方差量；

方差比對單元，用于將所述N個(gè)灰度方差量的平均灰度方差量與第二預(yù)設(shè)方差進(jìn)行對比；

識別單元804，還用于在所述平均灰度差分量小于所述預(yù)設(shè)差分量且所述平均灰度方差量小于所述第二預(yù)設(shè)方差時(shí)，確定所述待播放視頻為全景視頻。

較佳的，所述識別設(shè)備還包括：

特征點(diǎn)集獲取單元，用于獲取每幀圖像的特征點(diǎn)集；

匹配特定點(diǎn)對獲取單元，用于對每幀圖像的特征點(diǎn)集進(jìn)行特征點(diǎn)匹配，獲取每幀圖像的匹配特征點(diǎn)對集；

第一判斷單元，用于判斷每幀圖像中匹配特征點(diǎn)對集的距離平均值是在第一預(yù)設(shè)距離范圍內(nèi)還是在第二預(yù)設(shè)距離范圍內(nèi)；

分屏確定單元，用于在判斷出每幀圖像中匹配特征點(diǎn)對集的距離平均值均在所述第一預(yù)設(shè)距離范圍內(nèi)，確定所述待播放視頻為上下分屏視頻；以及在判斷出每幀圖像中匹配特征點(diǎn)對集的距離平均值均在所述第二預(yù)設(shè)距離范圍內(nèi)，確定所述待播放視頻為左右分屏視頻。

較佳的，所述第一預(yù)設(shè)距離范圍是根據(jù)每幀圖像的高度的1/2來設(shè)定的；所述第二預(yù)設(shè)距離范圍是根據(jù)每幀圖像的寬度的1/2來設(shè)定的。

較佳的，所述識別設(shè)備還包括：

距離平均值獲取單元，用于在所述判斷每幀圖像中匹配特征點(diǎn)對集的距離平均值是在第一預(yù)設(shè)距離范圍內(nèi)還是在第二預(yù)設(shè)距離范圍內(nèi)之前，獲取每幀圖像中匹配特征點(diǎn)對集的距離平均值。

較佳的，所述距離平均值獲取單元具體包括：

夾角獲取子單元，用于獲取每幀圖像中每個(gè)匹配特征點(diǎn)對的夾角信息，所述角度信息為匹配特征點(diǎn)對之間的連線與參考線之間的夾角角度；

剩余特征點(diǎn)對獲取子單元，用于從每幀圖像中匹配特征點(diǎn)對集中去掉夾角信息大于預(yù)設(shè)夾角的所有匹配特征點(diǎn)對，獲取每幀圖像中的剩余匹配特征點(diǎn)對；

距離平均值獲取子單元，用于獲取每幀圖像中的剩余匹配特征點(diǎn)對的距離平均值作為每幀圖像中匹配特征點(diǎn)對集的距離平均值。

較佳的，所述識別設(shè)備還包括：

第二判斷單元，用于在從待播放視頻中提取N幀圖像之后，判斷每幀圖像的寬高比是否為預(yù)設(shè)寬高比；

確定單元，還用于在判斷出每幀圖像的寬高比均為所述預(yù)設(shè)寬高比時(shí)，確定所述待播放視頻為全景視頻；

灰度差分量獲取單元802，還用于在判斷出所述N幀圖像中存在寬高比不為所述預(yù)設(shè)寬高比的圖像，獲取每幀圖像中第一列像素和最后一列像素的灰度值的灰度差分量，得到所述N幀圖像對應(yīng)的N個(gè)灰度差分量；

差分比對單元803，用于將N個(gè)灰度差分量的平均灰度差分量與預(yù)設(shè)差分量進(jìn)行對比；

識別單元804，用于在所述平均灰度差分量小于所述預(yù)設(shè)差分量時(shí)，確定所述待播放視頻為全景視頻。

本發(fā)明的有益效果如下：

本發(fā)明實(shí)施例中，首先從待播放視頻中提取N幀圖像，然后獲取每幀圖像中第一列像素和最后一列像素的灰度值的灰度差分量，得到所述N幀圖像對應(yīng)的N個(gè)灰度差分量；再將N個(gè)灰度差分量的平均灰度差分量與預(yù)設(shè)差分量進(jìn)行對比，在所述平均灰度差分量小于所述預(yù)設(shè)差分量時(shí)，確定所述待播放視頻為全景視頻，使得本申請實(shí)施例是通過機(jī)器自動(dòng)識別出待播放視頻是否為全景視頻，與現(xiàn)有技術(shù)的人工識別待播放視頻是否為全景視頻相比，縮短了識別時(shí)間，使得從識別到開始播放全景視頻的時(shí)間也隨之縮短，從而有效提高了播放效率。

實(shí)施例七：

參見圖9，基于與本發(fā)明第一至第四方面相似的技術(shù)構(gòu)思，本發(fā)明第六方面提供了一種播放視頻設(shè)備，包括：

圖像提取單元901，用于從待播放視頻中提取N幀圖像，其中，N為不小于2的整數(shù)；

灰度差分量獲取單元902，用于獲取每幀圖像中第一列像素和最后一列像素的灰度值的灰度差分量，得到所述N幀圖像對應(yīng)的N個(gè)灰度差分量；

差分比對單元903，用于將N個(gè)灰度差分量的平均灰度差分量與預(yù)設(shè)差分量進(jìn)行對比；

識別單元904，用于在在所述平均灰度差分量小于所述預(yù)設(shè)差分量時(shí)，確定所述待播放視頻為全景視頻；

播放單元905，用于在所述識別單元確定所述待播放視頻為全景視頻之后，利用全景視頻播放器播放所述待播放視頻。

較佳的，灰度差分量獲取單元902，具體用于獲取每幀圖像中第一列像素和最后一列像素的灰度值的灰度差分均值，其中，所述灰度差分均值為所述灰度差分量。

較佳的，所述識別設(shè)備還包括：

灰度方差量獲取單元，用于獲取每幀圖像中第一列像素和最后一列像素的灰度值的灰度方差量，獲取所述N幀圖像對應(yīng)的N個(gè)灰度方差量；

方差占比獲取單元，用于將每個(gè)灰度方差量與第一預(yù)設(shè)方差進(jìn)行對比，獲取小于所述第一預(yù)設(shè)方差的灰度方差量在所述N個(gè)灰度方差量中的方差占比；

識別單元904，還用于在所述平均灰度差分量小于所述預(yù)設(shè)差分量且所述方差占比大于預(yù)設(shè)占比時(shí)，確定所述待播放視頻為全景視頻。

較佳的，所述識別設(shè)備還包括：

所述灰度方差量獲取單元，用于獲取每幀圖像中第一列像素和最后一列像素的灰度值的灰度方差量，獲取所述N幀圖像對應(yīng)的N個(gè)灰度方差量；

方差比對單元，用于將所述N個(gè)灰度方差量的平均灰度方差量與第二預(yù)設(shè)方差進(jìn)行對比；

識別單元904，還用于在所述平均灰度差分量小于所述預(yù)設(shè)差分量且所述平均灰度方差量小于所述第二預(yù)設(shè)方差時(shí)，確定所述待播放視頻為全景視頻。

較佳的，所述播放視頻設(shè)備還包括：

特征點(diǎn)集獲取單元，用于獲取每幀圖像的特征點(diǎn)集；

匹配特定點(diǎn)對獲取單元，用于對每幀圖像的特征點(diǎn)集進(jìn)行特征點(diǎn)匹配，獲取每幀圖像的匹配特征點(diǎn)對集；

第一判斷單元，用于判斷每幀圖像中匹配特征點(diǎn)對集的距離平均值是在第一預(yù)設(shè)距離范圍內(nèi)還是在第二預(yù)設(shè)距離范圍內(nèi)；

分屏確定單元，用于在判斷出每幀圖像中匹配特征點(diǎn)對集的距離平均值均在所述第一預(yù)設(shè)距離范圍內(nèi)，確定所述待播放視頻為上下分屏視頻；以及在判斷出每幀圖像中匹配特征點(diǎn)對集的距離平均值均在所述第二預(yù)設(shè)距離范圍內(nèi)，確定所述待播放視頻為左右分屏視頻。

較佳的，所述第一預(yù)設(shè)距離范圍是根據(jù)每幀圖像的高度的1/2來設(shè)定的；所述第二預(yù)設(shè)距離范圍是根據(jù)每幀圖像的寬度的1/2來設(shè)定的。

較佳的，所述播放視頻設(shè)備還包括：

距離平均值獲取單元，用于在所述判斷每幀圖像中匹配特征點(diǎn)對集的距離平均值是在第一預(yù)設(shè)距離范圍內(nèi)還是在第二預(yù)設(shè)距離范圍內(nèi)之前，獲取每幀圖像中匹配特征點(diǎn)對集的距離平均值。

較佳的，所述距離平均值獲取單元具體包括：

夾角獲取子單元，用于獲取每幀圖像中每個(gè)匹配特征點(diǎn)對的夾角信息，所述角度信息為匹配特征點(diǎn)對之間的連線與參考線之間的夾角角度；

剩余特征點(diǎn)對獲取子單元，用于從每幀圖像中匹配特征點(diǎn)對集中去掉夾角信息大于預(yù)設(shè)夾角的所有匹配特征點(diǎn)對，獲取每幀圖像中的剩余匹配特征點(diǎn)對；

距離平均值獲取子單元，用于獲取每幀圖像中的剩余匹配特征點(diǎn)對的距離平均值作為每幀圖像中匹配特征點(diǎn)對集的距離平均值。

較佳的，所述播放視頻設(shè)備還包括：

第二判斷單元，用于在從待播放視頻中提取N幀圖像之后，判斷每幀圖像的寬高比是否為預(yù)設(shè)寬高比；

確定單元，還用于在判斷出每幀圖像的寬高比均為所述預(yù)設(shè)寬高比時(shí)，確定所述待播放視頻為全景視頻；

灰度差分量獲取單元902，還用于在判斷出所述N幀圖像中存在寬高比不為所述預(yù)設(shè)寬高比的圖像，獲取每幀圖像中第一列像素和最后一列像素的灰度值的灰度差分量，得到所述N幀圖像對應(yīng)的N個(gè)灰度差分量；

差分比對單元903，用于將N個(gè)灰度差分量的平均灰度差分量與預(yù)設(shè)差分量進(jìn)行對比；

識別單元904，用于在所述平均灰度差分量小于所述預(yù)設(shè)差分量時(shí)，確定所述待播放視頻為全景視頻。

本發(fā)明的有益效果如下：

本發(fā)明實(shí)施例中，本申請實(shí)施例是通過機(jī)器自動(dòng)識別出待播放視頻是否為全景視頻，且在識別為全景視頻時(shí)，自動(dòng)啟動(dòng)全景視頻播放器來播放所述待播放視頻，使得全景視頻播放器的開啟和加載所述待播放視頻均是機(jī)器自動(dòng)執(zhí)行的，與現(xiàn)有技術(shù)中的全景視頻播放器需要人工開啟和人工加載所述待播放視頻相比，能夠有效縮短開啟全景視頻播放器到加載所述待播放視頻的時(shí)間，如此，能夠進(jìn)一步的從識別到開始播放全景視頻的時(shí)間，進(jìn)一步提高播放效率。

本發(fā)明實(shí)施例中所述模塊或單元，可以通過通用集成電路，例如CPU(CentralProcessing Unit，中央處理器)，或通過ASIC(Application Specific IntegratedCircuit，專用集成電路)來實(shí)現(xiàn)。

本領(lǐng)域普通技術(shù)人員可以理解實(shí)現(xiàn)上述實(shí)施例方法中的全部或部分流程，是可以通過計(jì)算機(jī)程序來指令相關(guān)的硬件來完成，所述的程序可存儲(chǔ)于一計(jì)算機(jī)可讀取存儲(chǔ)介質(zhì)中，該程序在執(zhí)行時(shí)，可包括如上述各方法的實(shí)施例的流程。其中，所述的存儲(chǔ)介質(zhì)可為磁碟、光盤、只讀存儲(chǔ)記憶體(Read-Only Memory，ROM)或隨機(jī)存儲(chǔ)記憶體(Random Access Memory，RAM)等。

以上所揭露的僅為本發(fā)明較佳實(shí)施例而已，當(dāng)然不能以此來限定本發(fā)明之權(quán)利范圍，本領(lǐng)域普通技術(shù)人員可以理解實(shí)現(xiàn)上述實(shí)施例的全部或部分流程，并依本發(fā)明權(quán)利要求所作的等同變化，仍屬于發(fā)明所涵蓋的范圍。