视频合成方法、装置及系统与流程

1.本技术涉及视频处理技术领域，特别涉及一种视频合成方法、装置及系统。


背景技术：

2.在运动员的训练过程和比赛过程中通常都会录制视频，以便教练员分析运动员的运动数据，进而能够针对性地制定单个运动员的训练计划。但是由于运动场地通常较大，一个固定机位的相机无法清晰地拍摄到一个运动员的全程运动画面，因此在通过一个固定机位的相机采集的视频流中，无法保证单个运动员的全程运动画面的清晰度。


技术实现要素：

3.本技术提供了一种视频合成方法、装置及系统，针对单个活动对象合成的视频流能够提供该活动对象在场景中全程活动的清晰画面。
4.第一方面，提供了一种视频合成方法，该方法应用于管理设备。管理设备获取部署在目标场景中的n个相机在多个采集时刻中的每个采集时刻分别采集得到的n帧视频图像，n≥2。管理设备从每个采集时刻对应的n帧视频图像中获取一帧目标视频图像，该目标视频图像包括目标对象的成像。管理设备根据多个采集时刻对应的多帧目标视频图像，合成目标对象对应的视频流，该视频流用于反映目标对象在目标场景中的活动信息。
5.本技术通过在目标场景中固定部署多个相机，这些相机的拍摄区域不同，这些相机分别能够针对目标场景中的不同区域拍摄到清晰的视频图像。管理设备从多个相机在同一采集时刻分别采集得到的多帧视频图像中，选取一帧包含目标对象的成像的视频图像进行视频合成，由于这些相机分别能拍摄到目标场景中对应区域的清晰的视频图像，因此目标对象在不同相机的拍摄区域内活动时，总有相机能够采集到目标对象清晰的活动画面，进而使得合成的视频流能够提供目标对象在目标场景中全程活动的清晰画面，即保证了合成的视频流中目标对象的活动画面的清晰度。另外，由于相机是固定部署的，可以根据其所需的拍摄区域预先设置相机参数，在拍摄过程中无需调整相机参数，实现方式简单。
6.可选地，管理设备从每个采集时刻对应的n帧视频图像中获取一帧目标视频图像的实现方式，包括：管理设备获取每个采集时刻对应的n帧视频图像中包括目标对象的成像的所有待选视频图像，然后从所有待选视频图像中获取目标视频图像。
7.可选地，n个相机包括第一相机和第二相机，第一相机和第二相机具有共视区域。管理设备获取每个采集时刻对应的n帧视频图像中包括目标对象的成像的所有待选视频图像的实现方式，包括：当目标对象在第一采集时刻位于第一相机和第二相机的共视区域时，管理设备将第一相机在第一采集时刻采集得到的第一视频图像和第二相机在第一采集时刻采集得到的第二视频图像均作为第一采集时刻对应的待选视频图像。
8.相应地，管理设备从所有待选视频图像中获取目标视频图像的实现方式，可以包括：管理设备获取目标对象在第一视频图像中的第一成像和目标对象在第二视频图像中的第二成像。响应于第一成像的成像效果优于第二成像的成像效果，管理设备将第一视频图
像作为第一采集时刻对应的目标视频图像。
9.本技术中，管理设备可以将同一采集时刻获取的n帧视频图像中包括目标对象的成像且目标对象的成像效果最优的视频图像作为目标视频图像，以用于合成目标对象对应的视频流。可以进一步提高合成的视频流中目标对象的活动画面的清晰度，使合成的视频流更好地反映目标对象的活动特征，有利于分析目标对象的活动特性。
10.可选地，第一成像的成像效果优于第二成像的成像效果，满足以下一种或多种条件：第一成像的成像面积大于第二成像的成像面积。第一成像包括的骨骼点的数量大于第二成像包括的骨骼点的数量。第一成像的骨骼数据的置信度大于第二成像的骨骼数据的置信度。
11.由于成像面积越大，则通常能够体现的细节越多，成像包括的骨骼点数量越多或骨骼数据的置信度越高，则能够更好的反映目标对象的活动特征，因此成像面积越大，成像包括的骨骼点数量越多，成像的骨骼数据的置信度越高，可以判定该成像的成像效果越优。
12.可选地，管理设备获取目标对象在第二视频图像中的第二成像的实现方式，包括：管理设备在获取目标对象在第一视频图像中的第一成像之后，获取目标对象的第一关键点在第一视频图像中的第一成像位置。管理设备基于第一相机与第二相机之间的像素坐标映射关系，根据第一成像位置确定第一关键点在第二视频图像中的第二成像位置。管理设备根据第二成像位置确定目标对象在第二视频图像中的第二成像。
13.本技术中，通过预先确定相邻两个相机之间的像素坐标映射关系，当目标对象活动至相邻两个相机的共视区域时，管理设备可以根据目标对象在这相邻两个相机采集的视频图像中的成像几何位置的相关性，实现对目标对象的跨相机跟踪识别。本技术方案不依赖于目标对象的唯一性特征，通过对相机的灵活部署和标定，可以适用于各种场景。
14.可选地，目标场景中部署有m个相机。m个相机中的任意相邻两个相机具有共视区域。m≥n，n个相机属于m个相机。管理设备中存储有多个单应矩阵，每个单应矩阵用于反映m个相机中的一组相邻两个相机之间的像素坐标映射关系。
15.本技术中，可以通过在目标场景中部署较多的相机以提高对目标对象的跨相机跟踪识别的精确度，并且通过选取其中较少的相机采集的视频图像用于合成视频流以提高合成的视频流的流畅性。即m》n，这样可以同时保证合成的视频流的准确性和流畅性。
16.可选地，管理设备在获取目标视频图像之后，可以对目标视频图像进行裁剪处理，使目标对象的成像位于经过裁剪处理的视频图像的中心区域。然后管理设备基于多个采集时刻，按照时间先后顺序对多帧分别经过裁剪处理的视频图像进行排列，以得到目标对象对应的视频流。
17.本技术中，管理设备可以对获取的每帧目标视频图像分别进行裁剪处理，使最终合成的视频流的所有视频图像中，目标对象的成像都在中心区域。这样既能实现对目标对象的跟焦效果，又能使合成的视频流的显示效果较好，视频流的播放画面更加流畅和平滑，从而提高用户观看体验。
18.可选地，管理设备还可以根据目标对象的第二关键点在目标视频图像中的成像位置，确定第二关键点在世界坐标系下的水平位置，并根据第二关键点分别在多个采集时刻在世界坐标系下的水平位置，生成目标对象的运动轨迹。
19.本技术中，管理设备在获取目标对象的骨骼数据之后，还可以基于骨骼数据对目
标对象进行运动分析，包括但不限于确定目标对象的运动轨迹、计算目标对象的步数、计算目标对象的位移或计算目标对象的运动速度等。
20.可选地，管理设备在获取目标视频图像之后，还可以获取目标对象的骨骼点在目标视频图像中的成像位置，并在播放界面上显示视频流的播放画面，该播放画面中的目标对象的成像上显示有目标对象的骨骼点。
21.本技术中，管理设备在合成目标对象对应的视频流时，可以将目标对象的骨骼点的成像位置与对应的视频图像编码封装在一起，进而可以在显示目标对象对应的视频流的播放画面时，在该播放画面中的目标对象的成像上显示该目标对象的骨骼点，这样有助于分析目标对象的活动情况。
22.第二方面，提供了一种管理设备。所述管理设备包括多个功能模块，所述多个功能模块相互作用，实现上述第一方面及其各实施方式中的方法。所述多个功能模块可以基于软件、硬件或软件和硬件的结合实现，且所述多个功能模块可以基于具体实现进行任意组合或分割。
23.第三方面，提供了一种管理设备，包括：处理器和存储器；
24.所述存储器，用于存储计算机程序，所述计算机程序包括程序指令；
25.所述处理器，用于调用所述计算机程序，实现上述第一方面及其各实施方式中的方法。
26.第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，当所述指令被处理器执行时，实现上述第一方面及其各实施方式中的方法。
27.第五方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时，实现上述第一方面及其各实施方式中的方法。
28.第六方面，提供了一种芯片，芯片包括可编程逻辑电路和/或程序指令，当芯片运行时，实现上述第一方面及其各实施方式中的方法。
附图说明
29.图1是本技术实施例提供的一种视频合成系统的结构示意图；
30.图2是本技术实施例提供的一种相邻两个相机的相对位置示意图；
31.图3是本技术实施例提供的一种相机分布位置示意图；
32.图4是本技术实施例提供的一种视频合成方法的流程示意图；
33.图5是本技术实施例提供的一种人体骨骼点的分布示意图；
34.图6是本技术实施例提供的一种两个相机之间的像素坐标映射示意图；
35.图7是本技术实施例提供的一种视频图像的裁剪前后对比示意图；
36.图8是本技术实施例提供的一种播放界面示意图；
37.图9是本技术实施例提供的一种目标对象的运动轨迹示意图；
38.图10是本技术实施例提供的一种管理设备的结构示意图；
39.图11是本技术实施例提供的一种管理设备的结构示意图；
40.图12是本技术实施例提供的一种管理设备的结构示意图；
41.图13是本技术实施例提供的一种管理设备的结构示意图；
42.图14是本技术实施例提供的一种管理设备的框图。
具体实施方式
43.为使本技术的目的、技术方案和优点更加清楚，下面将结合附图对本技术实施方式作进一步地详细描述。
44.图1是本技术实施例提供的一种视频合成系统的结构示意图。如图1所示，该视频合成系统包括：媒体源101和管理设备102。
45.媒体源101用于提供多路视频流。参见图1，媒体源101包括多个相机1011。每个相机1011用于采集一路视频流。该多个相机1011采集图像的时刻和频率相同。可选地，可以采用相机同步技术实现多个相机1011的同步拍摄。图1中相机的数量仅用作示例性说明，不作为对本技术实施例提供的视频合成系统的限制。
46.可选地，多个相机1011中的任意相邻两个相机具有共视区域。其中，两个相机具有共视区域，是指该两个相机的拍摄区域具有重合区域。例如，图2是本技术实施例提供的一种相邻两个相机的相对位置示意图。如图2所示，相机a的拍摄区域为区域a，相机b的拍摄区域为区域b。区域a和区域b具有重合区域c，该重合区域c为相机a和相机b的共视区域。
47.可选地，多个相机1011可以采用环形排布方式、扇形排布方式、直线排布方式或其它不规则排布方式等，可根据实际部署场景设计相应的相机排布方式。例如，多个相机用于采集运动员在环形的速滑赛道中的运动视频，则可以采用环形排布方式围绕速滑赛道部署多个相机。图3是本技术实施例提供的一种相机分布位置示意图。如图3所示，速滑赛道附近部署有20个相机，分别记为相机1-20。该20个相机采用环形排布方式，且该20个相机的拍摄方向均朝向速滑赛道。可选地，该20个相机的拍摄区域的全集可完整地覆盖整个速滑赛道，也即是，当某个运动员在该速滑赛道中运动时，每个采集时刻该20个相机中始终存在至少一个相机能够采集到包含该运动员的成像的视频图像。
48.管理设备102用于对来自媒体源101中多个相机1011的多路视频流进行分析处理，以提取多路视频流中包含目标对象的成像的视频图像，进而合成该目标对象对应的视频流。该视频流中的每帧视频图像都包括目标对象的成像，该视频流也可称为目标对象对应的合成视频流。可选地，管理设备102合成的视频流的帧率与相机1011采集图像的频率相同。由于目标对象在多个相机1011部署的场景中运动时，每个采集时刻始终存在至少一个相机能够采集到包含该目标对象的成像的视频图像，因此管理设备102可以从多路视频流中获取每个采集时刻包含该目标对象的成像的一帧视频图像，最终合成帧率与相机采集图像的频率相同的视频流。可选地，管理设备102可以是一台设备或多台设备。例如管理设备102可以是一台服务器，或者由若干台服务器组成的服务器集群，或者是一个云计算服务中心。
49.可选地，管理设备102可以采用目标检测算法在单个相机采集的视频图像中识别出目标对象，并采用目标跟踪算法确定该目标对象在该相机后续采集的视频图像中的成像。当目标对象从该相机的拍摄区域移动至该相机与该相机的相邻相机的共视区域时，管理设备102可以根据目标对象在这相邻两个相机采集的视频图像中的成像几何位置的相关性，确定目标对象在该相邻相机采集的视频图像中的成像，进而实现对目标对象的跨相机跟踪识别。
50.本技术实施例中，媒体源101中的多个相机1011都是固定部署的，且每个相机的相机参数都是预先设置好的。在拍摄过程中，每个相机的拍摄区域和拍摄焦点都是固定不变
的，因此每个相机的图像坐标系都是固定不变的，进而相邻两个相机的共视区域在该相邻两个相机中的成像的像素坐标是具有固定的映射关系的。管理设备102中可以存储有多个单应矩阵，每个单应矩阵用于反映一组相邻两个相机之间的像素坐标映射关系。这里的单应矩阵可理解为相邻两个相机的图像坐标系之间的变换矩阵。
51.在完成多个相机的部署和标定之后，管理设备102可以基于相邻两个相机的共视区域中的多个像素点分别在该相邻两个相机的图像坐标系中的像素坐标，生成反映该相邻两个相机之间的像素坐标映射关系的单应矩阵。例如参考图3示出的例子，相机1到相机2的单应矩阵为h12，相机1和相机2中的共视区域内存在标记点m，标记点m在相机1采集到的视频图像中的像素坐标为(x
1m
，y
1m
)，标记点m在相机2采集到的视频图像中的像素坐标为(x
2m
，y
2m
)，则满足：(x
2m
，y
2m
)＝h12*(x
1m
，y
1m
)。相机2到相机3的单应矩阵为h23，相机2和相机3中的共视区域内存在标记点n，标记点n在相机2采集到的视频图像中的像素坐标为(x
2n
，y
2n
)，标记点n在相机3采集到的视频图像中的像素坐标为(x
3n
，y
3n
)，则满足：(x
3n
，y
3n
)＝h23*(x
2n
，y
2n
)。其中，图像坐标系是以相机采集到的图像的左上顶点为坐标原点的坐标系。图像坐标系的x轴和y轴分别为采集到的图像的长宽方向。
52.可选地，管理设备102还可以选定m个相机中的任一相机，生成该相机的图像坐标系到二维世界坐标系的变换矩阵，该变换矩阵即相机的图像坐标系到二维世界坐标系的单应矩阵。例如可以在该相机的拍摄区域中摆放多个标志物，并标识这些标志物在世界坐标系下的水平位置，管理设备根据这些标志物在世界坐标系下的水平位置以及在图像坐标系下的像素坐标，计算得到该变换矩阵。然后，管理设备可以基于该相机的图像坐标系到二维世界坐标系的变换矩阵以及上述分别反映相邻两个相机之间的像素坐标映射关系的多个单应矩阵，计算每个相机的图像坐标系到二维世界坐标系的变换矩阵。例如参考图3示出的例子，相机1到相机2的单应矩阵为h12，相机2到相机3的单应矩阵为h23，已知相机2的图像坐标系到二维世界坐标系的变换矩阵为h2w，则相机1的图像坐标系到二维世界坐标系的变换矩阵h1w满足：h1w＝h12*h2w，相机3的图像坐标系到二维世界坐标系的变换矩阵h3w满足：h3w＝h32*h2w，h32为h23的逆矩阵。即，已知相机i的图像坐标系到二维世界坐标系的变换矩阵为hiw，则相机j的图像坐标系到二维世界坐标系的变换矩阵hjw满足：hjw＝hji*hiw，若i》j，则hji＝hj*hj+1*
…
*hi，若i《j，则hji＝hj*hj-1*
…
*hi。i和j均为正整数，相机i表示m个相机中的第i个相机，相机j表示m个相机中的第j个相机。其中，世界坐标系能够描述相机在现实世界中的位置，同样还能够描述相机采集到的图像中的物体在现实世界中的位置。世界坐标系的x轴和y轴位于水平面上，z轴垂直于水平面。本技术实施例中的二维世界坐标系指的是x轴和y轴组成的水平坐标系。世界坐标系下的水平位置可以采用二维水平坐标(x，y)表示。
53.图4是本技术实施例提供的一种视频合成方法的流程示意图。该方法可以应用于如图1所示的视频合成系统中的管理设备102。如图4所示，该方法包括：
54.步骤401、管理设备获取部署在目标场景中的n个相机在多个采集时刻中的每个采集时刻分别采集得到的n帧视频图像。
55.其中，n≥2。可选地，目标场景中部署有m个相机，m个相机中的任意相邻两个相机具有共视区域，m≥n。管理设备中存储有多个单应矩阵，每个单应矩阵用于反映m个相机中的一组相邻两个相机之间的像素坐标映射关系。该n个相机属于该m个相机。若m＝n，则表示
该n个相机包括部署在目标场景中的所有相机。若m》n，则表示该n个相机包括部署在目标场景中的部分相机。在m》n的情况下，n个相机中的相邻两个相机可以具有共视区域，或者也可以不具有共视区域。所选取的n个相机均匀部署在目标场景中，以使该n个相机的拍摄区域的全集尽可能地覆盖整个目标场景。
56.例如参考图3示出的例子，目标场景为速滑场地，速滑赛道附近部署有20个相机(即m＝20)，可以选取其中8个相机采集的视频图像用于合成视频流(即n＝8)，该8个相机例如可以包括相机2、相机4、相机6、相机9、相机12、相机14、相机16和相机19。假设该速滑赛道的长度为400米，则可以每50米选取1个相机。
57.由于相邻两个相机的共视区域越大，通常计算得到的用于反映相邻两个相机之间的像素坐标映射关系的单应矩阵的准确性越高，因此可以在目标场景中部署较多的相机，通过提高相机部署密度来提高计算得到的单应矩阵的准确性，进而提高对目标对象的跨相机跟踪识别的精确度。而管理设备在合成视频流时，如果选用视频图像时机位切换频率过高会导致视角切换过快，进而导致视频流畅性较差，影响用户观看体验，因此通过选取较少的相机采集的视频图像用于合成视频流，可以提高合成的视频流的流畅性，从而提高用户观看体验。
58.本技术实施例中，可以通过在目标场景中部署较多的相机以提高对目标对象的跨相机跟踪识别的精确度，并且通过选取其中较少的相机采集的视频图像用于合成视频流以提高合成的视频流的流畅性。这样可以同时提高合成的视频流的准确性和流畅性。
59.步骤402、管理设备从每个采集时刻对应的n帧视频图像中获取一帧目标视频图像，该目标视频图像包括目标对象的成像。
60.其中，每个采集时刻对应的n帧视频图像分别来自n个相机。可选地，目标对象在每个采集时刻位于n个相机中至少一个相机的拍摄区域内。
61.可选地，步骤402的实现过程包括以下步骤4021至步骤4022。
62.在步骤4021中，管理设备获取每个采集时刻对应的n帧视频图像中包括目标对象的成像的所有待选视频图像。
63.可选地，当目标对象在某个采集时刻仅位于一个相机的拍摄区域内时，该采集时刻对应的n帧视频图像中包括一帧待选视频图像。当目标对象在某个采集时刻位于两个或两个以上相机的拍摄区域内时，该采集时刻对应的n帧视频图像中包括两帧或两帧以上待选视频图像。
64.可选地，上述n个相机包括第一相机和第二相机。第一相机和第二相机具有共视区域。当目标对象在第一采集时刻位于第一相机和第二相机的共视区域时，管理设备将第一相机在第一采集时刻采集得到的第一视频图像和第二相机在第一采集时刻采集得到的第二视频图像均作为第一采集时刻对应的待选视频图像。
65.在步骤4022中，管理设备从所有待选视频图像中获取一帧目标视频图像。
66.可选地，管理设备获取的某个采集时刻对应的待选视频图像的数量大于1，则管理设备可以将该采集时刻对应的所有待选视频图像中，目标对象的成像效果最优的待选视频图像作为目标视频图像。或者，管理设备也可以将该采集时刻对应的所有待选视频图像中的任一待选视频图像作为目标视频图像。
67.可选地，结合参考步骤4021的相关描述，管理设备在获取第一视频图像和第二视
频图像之后，可以获取目标对象在第一视频图像中的第一成像和目标对象在第二视频图像中的第二成像。响应于第一成像的成像效果优于第二成像的成像效果，管理设备将第一视频图像作为第一采集时刻对应的目标视频图像。
68.可选地，第一成像的成像效果优于第二成像的成像效果，满足以下一种或多种条件：第一成像的成像面积大于第二成像的成像面积。第一成像包括的骨骼点的数量大于第二成像包括的骨骼点的数量。第一成像的骨骼数据的置信度大于第二成像的骨骼数据的置信度。其中，第一成像的成像面积指目标对象在第一视频图像中的成像面积，第二成像的成像面积指目标对象在第二视频图像中的成像面积。第一成像和第二成像包括的骨骼点均指成像上直接体现的骨骼点，并不包括推断得到的骨骼点。骨骼数据的置信度指所有骨骼点的整体置信度，该所有骨骼点包括成像上直接体现的骨骼点以及成像上无法体现的骨骼点，成像上无法体现的骨骼点可以由相关算法推断得到相应位置，通过推断得到位置的骨骼点的置信度一般较低。
69.由于成像面积越大，则通常能够体现的细节越多，成像包括的骨骼点数量越多或骨骼数据的置信度越高，则能够更好的反映目标对象的活动特征，因此成像面积越大，成像包括的骨骼点数量越多，成像的骨骼数据的置信度越高，可以判定该成像的成像效果越优。
70.可选地，目标对象为人体。人体的骨骼点包括但不限于鼻子、眼睛、耳朵、肩膀、手肘、手腕、髋部、膝盖和脚踝等。例如，图5是本技术实施例提供的一种人体骨骼点的分布示意图。如图5所示，人体可以包括17个骨骼点，分别为鼻子0、左眼1、右眼2、左耳3、右耳4、左肩5、右肩6、左胳膊肘7、右胳膊肘8、左手腕9、右手腕10、左髋11、右髋12、左膝13、右膝14、左脚踝15、右脚踝16。本技术以下实施例以目标对象为人为例进行说明。
71.本技术实施例中，管理设备可以将同一采集时刻获取的n帧视频图像中包括目标对象的成像且目标对象的成像效果最优的视频图像作为目标视频图像，以用于合成目标对象对应的视频流。可以提高合成的视频流中目标对象的活动画面的清晰度，使合成的视频流较好地反映目标对象的活动特征，有利于分析目标对象的活动特性。
72.可选地，本技术实施例以目标对象先到达第一相机的拍摄区域，后到达第二相机的拍摄区域为例，对管理设备获取目标对象在第一视频图像中的第一成像和目标对象在第二视频图像中的第二成像的实现过程进行说明，该实现过程包括以下步骤s11至步骤s14。
73.在步骤s11中，管理设备获取目标对象在第一视频图像中的第一成像。
74.可选地，第一相机为跟踪识别目标对象的第一个相机，则管理设备可以采用目标检测算法在采集的视频图像中识别出目标对象。管理设备在识别出目标对象之后，还可以为目标对象分配一个全局唯一的标识，并采用该标识来区分目标对象在各个相机的视频图像中的成像。最终可以基于目标对象的标识，通过并查集算法思想统一全局的任务映射关系，实现对目标对象的多相机跟踪识别。或者，第一相机不为跟踪识别目标对象的第一个相机，即目标对象是从其它相机的拍摄区域活动至第一相机的拍摄区域的，则管理设备首次获取目标对象在第一相机采集的视频图像中的成像的实现过程可参考以下所述管理设备获取目标对象在第二相机采集的第二视频图像中的第二成像的实现过程。
75.在目标对象到达第一相机的拍摄区域，且管理设备获取了目标对象在第一相机采集的视频图像中的成像之后，目标对象在第一相机的拍摄区域内活动的过程中，管理设备可以采用目标跟踪算法确定该目标对象在第一相机后续采集的视频图像中的成像。
76.本技术实施例中，管理设备在获取目标对象在视频图像中的成像之后，还可以确定目标对象的各个骨骼点的成像位置，并将骨骼点的成像位置与对应的视频图像编码封装在一起，以便后续分析使用。其中，骨骼点的成像位置可以采用像素坐标表示。
77.在步骤s12中，管理设备获取目标对象的第一关键点在第一视频图像中的第一成像位置。
78.可选地，目标对象的第一关键点可以基于目标对象的一个或多个骨骼点得到。例如以人体髋部所在高度作为标定高度，可以将人体左右髋部的中点(即人体中心点)作为第一关键点。第一关键点可以泛指一个或多个关键点。
79.在步骤s13中，管理设备基于第一相机与第二相机之间的像素坐标映射关系，根据第一成像位置确定第一关键点在第二视频图像中的第二成像位置。
80.可选地，第一相机和第二相机是m个相机中的相邻两个相机。管理设备可以基于第一相机到第二相机的单应矩阵，根据第一成像位置确定第一关键点在第二视频图像中的第二成像位置。例如参考图3示出的例子，第一相机为相机1，第二相机为相机2，相机1到相机2的单应矩阵为h12，第一成像位置为(x
1p
，y
1p
)，则第二成像位置(x
2p
，y
2p
)满足：(x
2p
，y
2p
)＝h12*(x
1p
，y
1p
)。
81.或者，第一相机和第二相机不是m个相机中的相邻两个相机。假设第一相机和第二相机之间还存在第三相机，管理设备可以基于第一相机到第三相机的单应矩阵以及第三相机到第二相机的单应矩阵，根据第一成像位置确定第一关键点在第二视频图像中的第二成像位置。例如参考图3示出的例子，第一相机为相机1，第二相机为相机3，相机1到相机2的单应矩阵为h12，相机2到相机3的单应矩阵为h23，第一成像位置为(x’1p
，y’1p
)，则第二成像位置(x’2p
，y’2p
)满足：(x’2p
，y’2p
)＝h12*h23*(x’1p
，y’1p
)。
82.在步骤s14中，管理设备根据第二成像位置确定目标对象在第二视频图像中的第二成像。
83.可选地，管理设备可以根据第二成像位置确定人体检测框，并将第二视频图像中位于该人体检测框内的人体成像作为第二成像。或者，管理设备可以检测出第二视频图像中的所有人体成像，并将这些人体成像中第一关键点的成像位置与第二成像位置距离最近的人体成像作为第二成像。如果管理设备检测出第二视频图像中只有一个人体成像，那么可以直接将该人体成像作为目标对象在第二视频图像中的第二成像，无需再执行上述步骤s12至步骤s14。
84.例如，图6是本技术实施例提供的一种两个相机之间的像素坐标映射示意图。如图6所示，左图为第一视频图像，右图为第二视频图像。第一视频图像包括目标对象的第一成像。第一关键点p在第一视频图像中的第一成像位置为p1，基于第一相机与第二相机之间的像素坐标映射关系得到的第一关键点p在第二视频图像中的第二成像位置为p2。参见图6，基于第二成像位置p2可以确定目标对象在第二视频图像中的第二成像。
85.可选地，目标场景为运动员的训练场地或比赛场地。目标场景中通常有多个运动员在活动，因此单个相机采集的视频图像中可能包括多个人体成像。而受限于场地规模和拍摄角度，很多情况下相机是无法采集到人脸的，因此很难通过人脸识别的方式实现对单个目标的跟踪识别。本技术实施例中，通过预先确定相邻两个相机之间的像素坐标映射关系，当目标对象活动至相邻两个相机的共视区域时，管理设备可以根据目标对象在这相邻
两个相机采集的视频图像中的成像几何位置的相关性，实现对目标对象的跨相机跟踪识别。本技术方案不依赖于目标对象的唯一性特征，通过对相机的灵活部署和标定，可以适用于各种场景。
86.步骤403、管理设备根据多个采集时刻对应的多帧目标视频图像，合成目标对象对应的视频流。
87.目标对象的视频流用于反映该目标对象在目标场景中的活动信息。目标对象对应的视频流中的视频图像是按照时间先后顺序排列的。
88.可选地，管理设备在获取目标视频图像之后，可以对目标视频图像进行裁剪处理，使目标对象的成像位于经过裁剪处理的视频图像的中心区域。相应地，步骤403的实现过程包括：管理设备基于多个采集时刻，按照时间先后顺序对多帧分别经过裁剪处理的视频图像进行排列，以得到目标对象对应的视频流。可选地，可以预先设置裁剪窗口的大小，管理设备将目标对象的人体中心点的成像作为裁剪窗口的中心，对原始视频图像进行裁剪处理。例如，图7是本技术实施例提供的一种视频图像的裁剪前后对比示意图。如图7所示，裁剪后的视频图像中目标对象的成像位于视频图像的中心区域，相较于裁剪前的视频图像，裁剪后的视频图像可以更好地突出目标对象的成像。管理设备可以对获取的每帧目标视频图像分别进行裁剪处理，使最终合成的视频流的所有视频图像中，目标对象的成像都在中心区域。既能实现对目标对象的跟焦效果，又能使合成的视频流的显示效果较好，视频流的播放画面更加流畅和平滑，从而提高用户观看体验。另外，管理设备还可以对经过裁剪处理的视频图像进行平滑滤波处理等。
89.本技术实施例中，通过在目标场景中固定部署多个相机，这些相机的拍摄区域不同，这些相机分别能够针对目标场景中的不同区域拍摄到清晰的视频图像。管理设备从多个相机在同一采集时刻分别采集得到的多帧视频图像中，选取一帧包含目标对象的成像的视频图像进行视频合成，由于这些相机分别能拍摄到目标场景中对应区域的清晰的视频图像，因此目标对象在不同相机的拍摄区域内活动时，总有相机能够采集到目标对象清晰的活动画面，进而使得合成的视频流能够提供目标对象在目标场景中全程活动的清晰画面，即保证了合成的视频流中目标对象的活动画面的清晰度。另外，由于相机是固定部署的，可以根据其所需的拍摄区域预先设置相机参数，在拍摄过程中无需调整相机参数，实现方式简单。
90.可选地，管理设备合成目标对象的视频流之后，还可以执行以下步骤404。
91.步骤404、管理设备输出目标对象对应的视频流。
92.可选地，管理设备具有显示功能。则管理设备输出目标对象对应的视频流，可以是管理设备在播放界面上显示目标对象对应的视频流的播放画面。可选地，管理设备还可以获取目标对象的骨骼点在目标视频图像中的成像位置，则管理设备在播放界面上显示目标对象对应的视频流的播放画面时，该播放画面中的目标对象的成像上可以显示有该目标对象的骨骼点。
93.可选地，管理设备输出目标对象对应的视频流，还可以是管理设备向终端发送该目标对象对应的视频流，以供终端在播放界面上显示目标对象对应的视频流的播放画面。例如，响应于接收到来自终端的播放请求，管理设备向终端发送目标对象对应的视频流。该播放请求中可以携带目标对象的标识。
94.例如，图8是本技术实施例提供的一种播放界面示意图。如图8所示，该播放界面z上显示有目标对象对应的视频流的播放画面。其中，目标对象的成像上显示有多个骨骼点(图中仅示出9个骨骼点用作示意图说明)。
95.本技术实施例中，管理设备在合成目标对象对应的视频流时，可以将目标对象的骨骼点的成像位置与对应的视频图像编码封装在一起，进而可以在显示目标对象对应的视频流的播放画面时，在该播放画面中的目标对象的成像上显示该目标对象的骨骼点，这样有助于分析目标对象的活动情况。
96.可选地，管理设备在获取目标对象的骨骼数据之后，还可以基于骨骼数据对目标对象进行运动分析，包括但不限于确定目标对象的运动轨迹、计算目标对象的步数、计算目标对象的位移或计算目标对象的运动速度等。管理设备或终端在显示目标对象对应的视频流的播放画面时，还可以在播放画面上叠加显示对目标对象的实时运动分析结果，例如在播放画面上叠加显示目标对象的实时运动轨迹、实时步数、实时位移和实时速度等，以进一步助于对目标对象的运动分析。或者，管理设备在获取目标对象的骨骼数据之后，还可以将目标对象的骨骼数据发送给分析设备，由分析设备对目标对象进行运动分析。也即是，视频流的合成以及对目标对象的运动分析可以由一台设备完成，或者也可以多台设备分工完成，本技术实施例对此不做限定。
97.可选地，管理设备确定目标对象的运动轨迹的实现过程包括：管理设备根据目标对象的第二关键点在目标视频图像中的成像位置，确定第二关键点在世界坐标系下的水平位置。管理设备根据第二关键点分别在多个采集时刻在世界坐标系下的水平位置，生成目标对象的运动轨迹。
98.可选地，目标对象的第二关键点可以基于目标对象的一个或多个骨骼点得到。例如以地面作为标定高度，将人体左右脚踝的中点作为第二关键点。第二关键点可以泛指一个或多个关键点。管理设备可以基于采集得到目标视频图像的相机的图像坐标系到二维世界坐标系的变换矩阵，根据目标对象的第二关键点在该目标视频图像中的成像位置，确定第二关键点在世界坐标系下的水平位置。
99.例如，图9是本技术实施例提供的一种目标对象的运动轨迹示意图。如图9所示，目标对象在速滑赛道上运动，目标对象的第二关键点在采集时刻t1的二维水平坐标为(x
t1
，y
t1
)，在采集时刻t2的二维水平坐标为(x
t2
，y
t2
)，在采集时刻t3的二维水平坐标为(x
t3
，y
t3
)，在采集时刻t4的二维水平坐标为(x
t4
，y
t4
)，在采集时刻t5的二维水平坐标为(x
t5
，y
t5
)，最终得到一条位于水平面上的运动轨迹。其中，二维水平坐标反映世界坐标系下的水平位置。
100.可选地，管理设备在计算目标对象的步数时，可以基于合成的目标对象的视频流，将左右脚踝每交叉一次判定成一步，以此实现步数的计算。
101.本技术实施例提供的视频合成方法的步骤的先后顺序能够进行适当调整，步骤也能够根据情况进行相应增减。任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到变化的方法，都应涵盖在本技术的保护范围之内。例如，本技术方案除了可以应用于运动员的训练场景或比赛场景中合成运动员的全程运动视频以外，还可以应用于应急逃生指挥场景中，通过合成每个人员的实时视频，有助于针对个体实际情况制定逃生路线，以提高逃生几率。还可以应用于旅游景点，用于合成游客在景点的全程旅游视频。上
述目标对象除了是人以外，也可以是动物，本技术方案还可以应用于动物保护场景，等等。本技术实施例对上述方法的应用场景不做限定，在此不再一一赘述。另外，目标场景中部署的相机也可以由远程操控无人机等方式实现。
102.综上所述，在本技术实施例提供的视频合成方法中，通过在目标场景中固定部署多个相机，这些相机的拍摄区域不同，这些相机分别能够针对目标场景中的不同区域拍摄到清晰的视频图像。管理设备从多个相机在同一采集时刻分别采集得到的多帧视频图像中，选取一帧包含目标对象的成像的视频图像进行视频合成，由于这些相机分别能拍摄到目标场景中对应区域的清晰的视频图像，因此目标对象在不同相机的拍摄区域内活动时，总有相机能够采集到目标对象清晰的活动画面，进而使得合成的视频流能够提供目标对象在目标场景中全程活动的清晰画面，即保证了合成的视频流中目标对象的活动画面的清晰度。另外，由于相机是固定部署的，可以根据其所需的拍摄区域预先设置相机参数，在拍摄过程中无需调整相机参数，实现方式简单。管理设备通过预先确定部署的相邻两个相机之间的像素坐标映射关系，当目标对象活动至相邻两个相机的共视区域时，管理设备可以根据目标对象在这相邻两个相机采集的视频图像中的成像几何位置的相关性，实现对目标对象的跨相机跟踪识别。本技术方案不依赖于目标对象的唯一性特征，通过对相机的灵活部署和标定，可以适用于各种场景。
103.图10是本技术实施例提供的一种管理设备的结构示意图。该管理设备可以是如图1所示的视频合成系统中的管理设备102。如图10所示，管理设备1000包括：
104.第一获取模块1001，用于获取部署在目标场景中的n个相机在多个采集时刻中的每个采集时刻分别采集得到的n帧视频图像，n≥2。
105.第二获取模块1002，用于从每个采集时刻对应的n帧视频图像中获取一帧目标视频图像，目标视频图像包括目标对象的成像。
106.视频合成模块1003，用于根据多个采集时刻对应的多帧目标视频图像，合成目标对象对应的视频流，视频流用于反映目标对象在目标场景中的活动信息。
107.可选地，第二获取模块1002，用于：获取每个采集时刻对应的n帧视频图像中包括目标对象的成像的所有待选视频图像。从所有待选视频图像中获取目标视频图像。
108.可选地，n个相机包括第一相机和第二相机，第一相机和第二相机具有共视区域。第二获取模块1002，用于：当目标对象在第一采集时刻位于第一相机和第二相机的共视区域时，将第一相机在第一采集时刻采集得到的第一视频图像和第二相机在第一采集时刻采集得到的第二视频图像均作为第一采集时刻对应的待选视频图像。
109.可选地，第二获取模块1002，用于：获取目标对象在第一视频图像中的第一成像和目标对象在第二视频图像中的第二成像。响应于第一成像的成像效果优于第二成像的成像效果，将第一视频图像作为第一采集时刻对应的目标视频图像。
110.可选地，第一成像的成像效果优于第二成像的成像效果，满足以下一种或多种条件：第一成像的成像面积大于第二成像的成像面积。第一成像包括的骨骼点的数量大于第二成像包括的骨骼点的数量。第一成像的骨骼数据的置信度大于第二成像的骨骼数据的置信度。
111.可选地，第二获取模块1002，用于：在获取目标对象在第一视频图像中的第一成像之后，获取目标对象的第一关键点在第一视频图像中的第一成像位置。基于第一相机与第
二相机之间的像素坐标映射关系，根据第一成像位置确定第一关键点在第二视频图像中的第二成像位置。根据第二成像位置确定目标对象在第二视频图像中的第二成像。
112.可选地，目标场景中部署有m个相机，m个相机中的任意相邻两个相机具有共视区域，m≥n，n个相机属于m个相机，管理设备中存储有多个单应矩阵，每个单应矩阵用于反映m个相机中的一组相邻两个相机之间的像素坐标映射关系。
113.可选地，如图11所示，管理设备1000还包括：图像处理模块1004，用于对目标视频图像进行裁剪处理，使目标对象的成像位于经过裁剪处理的视频图像的中心区域。视频合成模块1003，用于基于多个采集时刻，按照时间先后顺序对多帧分别经过裁剪处理的视频图像进行排列，以得到视频流。
114.可选地，如图12所示，管理设备1000还包括：确定模块1005，用于根据目标对象的第二关键点在目标视频图像中的成像位置，确定第二关键点在世界坐标系下的水平位置。轨迹生成模块1006，用于根据第二关键点分别在多个采集时刻在世界坐标系下的水平位置，生成目标对象的运动轨迹。
115.可选地，如图13所示，管理设备1000还包括：第三获取模块1007，用于获取目标对象的骨骼点在目标视频图像中的成像位置。显示模块1008，用于在播放界面上显示视频流的播放画面，播放画面中的目标对象的成像上显示有目标对象的骨骼点。
116.关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
117.本技术实施例还提供了一种视频合成系统，包括：管理设备和多个相机。相机用于采集视频图像，管理设备用于执行如图4所示的方法步骤。
118.图14是本技术实施例提供的一种管理设备的框图。如图14所示，管理设备1400包括：处理器1401和存储器1402。
119.存储器1402，用于存储计算机程序，所述计算机程序包括程序指令；
120.处理器1401，用于调用所述计算机程序，实现如上述方法实施例中图4示出的方法步骤。
121.可选地，该管理设备1400还包括通信总线1403和通信接口1404。
122.其中，处理器1401包括一个或者一个以上处理核心，处理器1401通过运行计算机程序，执行各种功能应用以及数据处理。
123.存储器1402可用于存储计算机程序。可选地，存储器可存储操作系统和至少一个功能所需的应用程序单元。操作系统可以是实时操作系统(real time executive，rtx)、linux、unix、windows或os x之类的操作系统。
124.通信接口1404可以为多个，通信接口1404用于与其它设备进行通信。例如在本技术实施例中，管理设备1400的通信接口可以用于终端发送视频流。
125.存储器1402与通信接口1404分别通过通信总线1403与处理器1401连接。
126.本技术实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，当所述指令被处理器执行时，实现如图4所示的方法步骤。
127.本技术实施例还提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时，实现如图4所示的方法步骤。
128.本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件
来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
129.在本技术实施例中，术语“第一”、“第二”和“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
130.本技术中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
131.以上所述仅为本技术的可选实施例，并不用以限制本技术，凡在本技术的构思和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。

技术特征：
1.一种视频合成方法，其特征在于，应用于管理设备，所述方法包括：获取部署在目标场景中的n个相机在多个采集时刻中的每个采集时刻分别采集得到的n帧视频图像，n≥2；从所述每个采集时刻对应的n帧视频图像中获取一帧目标视频图像，所述目标视频图像包括目标对象的成像；根据所述多个采集时刻对应的多帧所述目标视频图像，合成所述目标对象对应的视频流，所述视频流用于反映所述目标对象在所述目标场景中的活动信息。2.根据权利要求1所述的方法，其特征在于，所述从所述每个采集时刻对应的n帧视频图像中获取一帧目标视频图像，包括：获取所述每个采集时刻对应的n帧视频图像中包括所述目标对象的成像的所有待选视频图像；从所述所有待选视频图像中获取所述目标视频图像。3.根据权利要求2所述的方法，其特征在于，所述n个相机包括第一相机和第二相机，所述第一相机和所述第二相机具有共视区域，所述获取所述每个采集时刻对应的n帧视频图像中包括所述目标对象的成像的所有待选视频图像，包括：当所述目标对象在第一采集时刻位于所述第一相机和所述第二相机的共视区域时，将所述第一相机在所述第一采集时刻采集得到的第一视频图像和所述第二相机在所述第一采集时刻采集得到的第二视频图像均作为所述第一采集时刻对应的待选视频图像。4.根据权利要求3所述的方法，其特征在于，所述从所述所有待选视频图像中获取所述目标视频图像，包括：获取所述目标对象在所述第一视频图像中的第一成像和所述目标对象在所述第二视频图像中的第二成像；响应于所述第一成像的成像效果优于所述第二成像的成像效果，将所述第一视频图像作为所述第一采集时刻对应的目标视频图像。5.根据权利要求4所述的方法，其特征在于，所述第一成像的成像效果优于所述第二成像的成像效果，满足以下一种或多种条件：所述第一成像的成像面积大于所述第二成像的成像面积；所述第一成像包括的骨骼点的数量大于所述第二成像包括的骨骼点的数量；所述第一成像的骨骼数据的置信度大于所述第二成像的骨骼数据的置信度。6.根据权利要求4或5所述的方法，其特征在于，获取所述目标对象在所述第二视频图像中的第二成像，包括：在获取所述目标对象在所述第一视频图像中的第一成像之后，获取所述目标对象的第一关键点在所述第一视频图像中的第一成像位置；基于所述第一相机与所述第二相机之间的像素坐标映射关系，根据所述第一成像位置确定所述第一关键点在所述第二视频图像中的第二成像位置；根据所述第二成像位置确定所述目标对象在所述第二视频图像中的所述第二成像。7.根据权利要求6所述的方法，其特征在于，所述目标场景中部署有m个相机，所述m个相机中的任意相邻两个相机具有共视区域，m≥n，所述n个相机属于所述m个相机，所述管理设备中存储有多个单应矩阵，每个所述单应矩阵用于反映所述m个相机中的一组相邻两个
相机之间的像素坐标映射关系。8.根据权利要求1至7任一所述的方法，其特征在于，在获取所述目标视频图像之后，所述方法还包括：对所述目标视频图像进行裁剪处理，使所述目标对象的成像位于经过裁剪处理的视频图像的中心区域；所述根据所述多个采集时刻对应的多帧所述目标视频图像，合成所述目标对象对应的视频流，包括：基于所述多个采集时刻，按照时间先后顺序对多帧分别经过裁剪处理的视频图像进行排列，以得到所述视频流。9.根据权利要求1至8任一所述的方法，其特征在于，所述方法还包括：根据所述目标对象的第二关键点在所述目标视频图像中的成像位置，确定所述第二关键点在世界坐标系下的水平位置；根据所述第二关键点分别在所述多个采集时刻在所述世界坐标系下的水平位置，生成所述目标对象的运动轨迹。10.根据权利要求1至9任一所述的方法，其特征在于，在获取所述目标视频图像之后，所述方法还包括：获取所述目标对象的骨骼点在所述目标视频图像中的成像位置；在播放界面上显示所述视频流的播放画面，所述播放画面中的所述目标对象的成像上显示有所述目标对象的骨骼点。11.一种管理设备，其特征在于，所述管理设备包括：第一获取模块，用于获取部署在目标场景中的n个相机在多个采集时刻中的每个采集时刻分别采集得到的n帧视频图像，n≥2；第二获取模块，用于从所述每个采集时刻对应的n帧视频图像中获取一帧目标视频图像，所述目标视频图像包括目标对象的成像；视频合成模块，用于根据所述多个采集时刻对应的多帧所述目标视频图像，合成所述目标对象对应的视频流，所述视频流用于反映所述目标对象在所述目标场景中的活动信息。12.根据权利要求11所述的管理设备，其特征在于，所述第二获取模块，用于：获取所述每个采集时刻对应的n帧视频图像中包括所述目标对象的成像的所有待选视频图像；从所述所有待选视频图像中获取所述目标视频图像。13.根据权利要求12所述的管理设备，其特征在于，所述n个相机包括第一相机和第二相机，所述第一相机和所述第二相机具有共视区域，所述第二获取模块，用于：当所述目标对象在第一采集时刻位于所述第一相机和所述第二相机的共视区域时，将所述第一相机在所述第一采集时刻采集得到的第一视频图像和所述第二相机在所述第一采集时刻采集得到的第二视频图像均作为所述第一采集时刻对应的待选视频图像。14.根据权利要求13所述的管理设备，其特征在于，所述第二获取模块，用于：获取所述目标对象在所述第一视频图像中的第一成像和所述目标对象在所述第二视频图像中的第二成像；
响应于所述第一成像的成像效果优于所述第二成像的成像效果，将所述第一视频图像作为所述第一采集时刻对应的目标视频图像。15.根据权利要求14所述的管理设备，其特征在于，所述第一成像的成像效果优于所述第二成像的成像效果，满足以下一种或多种条件：所述第一成像的成像面积大于所述第二成像的成像面积；所述第一成像包括的骨骼点的数量大于所述第二成像包括的骨骼点的数量；所述第一成像的骨骼数据的置信度大于所述第二成像的骨骼数据的置信度。16.根据权利要求14或15所述的管理设备，其特征在于，所述第二获取模块，用于：在获取所述目标对象在所述第一视频图像中的第一成像之后，获取所述目标对象的第一关键点在所述第一视频图像中的第一成像位置；基于所述第一相机与所述第二相机之间的像素坐标映射关系，根据所述第一成像位置确定所述第一关键点在所述第二视频图像中的第二成像位置；根据所述第二成像位置确定所述目标对象在所述第二视频图像中的所述第二成像。17.根据权利要求16所述的管理设备，其特征在于，所述目标场景中部署有m个相机，所述m个相机中的任意相邻两个相机具有共视区域，m≥n，所述n个相机属于所述m个相机，所述管理设备中存储有多个单应矩阵，每个所述单应矩阵用于反映所述m个相机中的一组相邻两个相机之间的像素坐标映射关系。18.根据权利要求11至17任一所述的管理设备，其特征在于，所述管理设备还包括：图像处理模块，用于对所述目标视频图像进行裁剪处理，使所述目标对象的成像位于经过裁剪处理的视频图像的中心区域；所述视频合成模块，用于基于所述多个采集时刻，按照时间先后顺序对多帧分别经过裁剪处理的视频图像进行排列，以得到所述视频流。19.根据权利要求11至18任一所述的管理设备，其特征在于，所述管理设备还包括：确定模块，用于根据所述目标对象的第二关键点在所述目标视频图像中的成像位置，确定所述第二关键点在世界坐标系下的水平位置；轨迹生成模块，用于根据所述第二关键点分别在所述多个采集时刻在所述世界坐标系下的水平位置，生成所述目标对象的运动轨迹。20.根据权利要求11至19任一所述的管理设备，其特征在于，所述管理设备还包括：第三获取模块，用于获取所述目标对象的骨骼点在所述目标视频图像中的成像位置；显示模块，用于在播放界面上显示所述视频流的播放画面，所述播放画面中的所述目标对象的成像上显示有所述目标对象的骨骼点。21.一种视频合成系统，其特征在于，包括：管理设备和多个相机，所述相机用于采集视频图像，所述管理设备用于执行如权利要求1至10任一所述的视频合成方法。22.一种管理设备，其特征在于，包括：处理器和存储器；所述存储器，用于存储计算机程序，所述计算机程序包括程序指令；所述处理器，用于调用所述计算机程序，实现如权利要求1至10任一所述的视频合成方法。23.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有指令，当所述指令被处理器执行时，实现如权利要求1至10任一所述的视频合成方法。
24.一种计算机程序产品，其特征在于，包括计算机程序，所述计算机程序被处理器执行时，实现如权利要求1至10任一所述的视频合成方法。

技术总结
本申请公开了一种视频合成方法、装置及系统，属于视频处理技术领域。管理设备获取部署在目标场景中的N个相机在多个采集时刻中的每个采集时刻分别采集得到的N帧视频图像。管理设备从每个采集时刻对应的N帧视频图像中获取一帧包括目标对象的成像的目标视频图像，然后根据多个采集时刻对应的多帧目标视频图像合成目标对象对应的视频流。通过多个相机分别针对目标场景中的不同区域采集清晰的视频图像。管理设备选取每个采集时刻对应的包含目标对象的成像的一帧视频图像进行视频合成，由于目标对象在不同相机的拍摄区域内活动时，总有相机能够采集到目标对象清晰的活动画面，因此合成的视频流能够提供目标对象在目标场景中全程活动的清晰画面。程活动的清晰画面。程活动的清晰画面。


技术研发人员：张莉娜 张明 屈小刚
受保护的技术使用者：华为技术有限公司
技术研发日：2022.01.10
技术公布日：2023/7/22