[發明專利]視頻索引數據的生成方法和系統

有效

• 申請號: 201110406386.2
• 申請日: 2011-12-08
• 公開（公告）號: CN103164403A
• 公開（公告）日: 2013-06-19
• 發明（設計）人: 黃石磊;劉軼;程剛;曹文曉
• 申請（專利權）人: 深圳市北科瑞聲科技有限公司;深港產學研基地產業發展中心;北京大學香港科技大學深圳研修院
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 何平

1.一種視頻索引數據生成方法，其特征在于，包括如下步驟：

步驟S101，獲取視頻內容和與視頻內容相關的文本內容；

步驟S102，通過預設的關鍵詞，提取所述文本的特征參數，并對所述文本內容進行文本分類，得到所述文本內的分類信息；

步驟S103，根據所述文本內的分類信息，從預設的語言模型庫中選擇對應的拼音語言模型和詞語言模型；

步驟S104，從所述視頻內容中提取音頻數據，并將所述音頻數據分割為多個音頻片段；

步驟S105，提取得到每個所述音頻片段的特征矢量；

步驟S106，根據所述音頻片段的特征矢量，以及預設的說話人模型庫中的說話人模型，得到每個所述音頻片段的說話人分類結果；

步驟S107，根據所述音頻片段對應的說話人分類結果從聲學模型庫中選擇對應的聲學模型；

步驟S108，利用拼音識別器，根據每個所述音頻片段的特征矢量和其對應的所述聲學模型以及所述拼音語言模型和第一發音字典，生成拼音網格；

步驟S109，通過詞解碼器，根據所述拼音網格以及所述詞語言模型和第二發音字典，生成詞網格；

步驟S110，根據所述拼音網格以及所述詞網格計算所述詞網格中各個詞的置信度，得到一個新的詞網格；

步驟S111，根據所述新的詞網格，并結合所述視頻內容，生成視頻索引數據。

2.根據權利要求1所述的視頻索引數據生成方法，其特征在于，所述步驟S101是利用網絡爬蟲抓取帶所述視頻內容的網頁信息，并將所述網頁中的所述視頻內容和與所述視頻內容相關的文本內容分別提取出來。

3.根據權利要求2所述的視頻索引數據生成方法，其特征在于，所述步驟S101中獲取文本內容是先獲取所述網頁的HTML文檔，并把所述HTML文檔轉換為樹形結構；再把所述樹形結構的HTML文檔中正文和預設模板中正文對應部分提取出來，作為所述文本內容；或者以所述HTML文檔中段落為單位考查HTML頁面內容，找到段落標記，將目標語言字符串最長的一段作為正文首選段落；再然后往上下文查找，直到字符串長度小于首選段落長度預設倍數時，停止搜索；將滿足要求的段落匯總為所述文本內容。

4.根據權利要求1所述的視頻索引數據生成方法，其特征在于，所述步驟S111包括如下步驟：把所述音頻片段對應的所述拼音網格中的標記的時間信息和所述視頻內容中的時間信息同步。

5.根據權利要求1所述的視頻索引數據生成方法，其特征在于，所述視頻索引數據生成方法進一步包括如下步驟：

所述聲學模型自適應；對于屬于同一個說話人類的所有所述音頻片段對應的所述拼音網絡，將所述拼音網格中的概率最大的候選結果作為對應所述音頻片段的最佳識別結果，利用這個候選結果以及對應所述音頻片段的特征矢量序列，作為相應的所述聲學模型的更新的輸入，實現所述聲學模型的參數調整。