视频风格迁移算法是神经风格迁移算法的重要方向之一,由于该类算法对于设备计算能力要求很高,因此很难部署在移动终端上。本文研究了现有的神经风格迁移算法,提出了面向移动终端的实时视频风格化解决方案。该方案从速度、灵活性和质量三方面对现有方法进行改进。同时设计并实现了面向移动终端的视频风格迁移系统。本文的主要研究成果如下:首先,针对现有风格化算法网络运算量大、移动终端计算能力不足的问题,论文从模型层面进行改进,提出了基于超分辨率架构的图像风格迁移算法。该算法从模型规模、输入数据量和模型结构三方面着手,解决了算力要求的瓶颈问题。其次,针对快速风格迁移算法灵活性差的问题,论文通过元网络、双金字塔分支以及色彩迁移技术实现了任意风格迁移、风格化过程控制以及原图色彩保留功能,使用户能够根据自己的个性化需求调整风格化结果。最后,针对视频风格化质量问题,论文对现有的基于时序一致性约束的视频风格化方案进行改进,引入了基于多级特征图的时序一致性约束,有效提升了视频风格化结果的质量。论文对所提出的算法及模型进行了大量实验工作,并基于开源数据集与其他算法进行了实验对比,实验结果表明,本文提出的算法及模型具有更好的性能。基于以上模型与算法改进,论文实现了服务器端生成模型、iOS端部署运行的实时视频风格迁移系统,系统中风格转换过程在移动终端进行,减少了服务器端及网络传输的压力。论文介绍了系统的需求分析、概要设计、功能模块设计,对系统的视频流获取及展示模块、风格化处理模块、风格化过程控制模块、风格选择及信息展示模块、移动端模型文件生成模块进行了详细设计和实现,对开发完成后的系统进行了功能测试和性能测试。测试结果表明,本系统能够满足移动终端上实时视频风格迁移的运行要求,实际运行效果良好。