[發(fā)明專利]一種針對影視視頻的時間軸自動產生方法

有效

• 申請?zhí)枺?/td>: 201410423608.5
• 申請日: 2014-08-26
• 公開（公告）號: CN104159152B
• 公開（公告）日: 2017-10-13
• 發(fā)明（設計）人: 程國艮;袁翔宇;王宇晨
• 申請（專利權）人: 中譯語通科技（北京）有限公司
• 主分類號: H04N21/44
• 分類號: H04N21/44;H04N21/439;H04N21/845;H04N21/81
• 代理公司: 北京知本村知識產權代理事務所11039
• 代理人: 周自清

技術領域

本發(fā)明涉及計算機軟件技術領域， 尤指一種針對影視視頻的時間軸自動產生方法。

背景技術

影視類視頻的特點是：說話人眾多；環(huán)境噪音干擾大；存在片首曲、片尾曲和配音的干擾。現(xiàn)有技術對影視類視頻的處理方法中，通常，影視類視頻長度為0.5-2小時。以1小時的視頻為例，切分出時間軸，需要1-2小時的人工，需要投入比較大的人力，并且效率工作效率較低。現(xiàn)有技術中，通過視頻鏡頭分析，分析出子場景的方法很多，郭小川的2011年復旦大學碩士論文《基于內容的視頻場景分析方法研究》中也介紹了關于視頻場景分析方法的研究。所以在這樣的一個現(xiàn)有技術的基礎上，結合其他時間軸的切分技術，來實現(xiàn)自動產生時間軸的方法顯得可行并且迫切。

發(fā)明內容

為了解決上述問題，本發(fā)明提供一種針對影視視頻的時間軸自動產生方法，可以自動提取出語音片段，產生字幕時間軸。

本發(fā)明通過視頻分析得到子場景，再通過噪音特征聚類得到大場景；并且對大場景進行語音端點檢測得到時間軸，再進行合并成整體時間軸。

本發(fā)明是一種針對影視視頻的時間軸自動產生方法，包括以下步驟：

（1）視頻場景分析，視頻場景分析分為兩個部分：

i. 通過視頻鏡頭分析，分析出子場景；

ii.通過語音特征分析，對子場景聚類，聚類為大場景；對于連續(xù)出現(xiàn)的子場景，通過過零率和短時能量，區(qū)分出噪音和語音，然后，比較連續(xù)子場景的平均過零率和短時能量，當差異在預先設定的閾值內，則這兩個子場景屬于一個大場景，對子場景進行聚類，聚類為大場景；

（2）場景里的語音時間軸切分；

（3）整體視頻時間軸的切分；將不同場景所檢測得到的時間軸數(shù)據(jù)合并，即可得到整體的視頻時間軸。

本發(fā)明的有益技術效果在于：本發(fā)明通過語音分析的方式，自動得到影視視頻的時間軸，主要用于給影視視頻加配字幕時的預處理，省去了人工調制的過程。

具體實施方式

下面結合實施例，對本發(fā)明的具體實施方式作進一步詳細描述。

本發(fā)明是一種針對影視視頻的時間軸自動產生方法，本實施例做以下假設：（1） 視頻由多個場景構成的；（2） 每個場景的環(huán)境噪音和配音是穩(wěn)定的。在此假設下，針對影視視頻的時間軸自動產生方法包括以下步驟：

（1）視頻場景分析，視頻場景分析分為兩個部分：

i. 通過視頻鏡頭分析，分析出子場景；通過視頻分析，將視頻分割為一個個的場景有很多種方法。ii.通過語音特征分析，對子場景聚類，聚類為大場景。比如說，一副室內劇，劇里有幾個演員，鏡頭在幾個演員之間切換。通過分析鏡頭，可以將這樣的場景切分出來。但是，這樣的場景過于細，而我們需要的是“室內”這個大場景，這個大場景的語音背景、配音背景是一致的，所以，需要同歸語音特征分析，對這樣的場景進行聚類。對于連續(xù)出現(xiàn)的子場景，通過過零率和短時能量，區(qū)分出噪音和語音，然后，比較連續(xù)子場景的平均過零率和短時能量，當差異在預先設定的閾值內，則這兩個子場景屬于一個大場景，對子場景進行聚類，聚類為大場景。

（2）場景里的語音時間軸切分；對一個場景內，由于背景音和環(huán)境音比較單一，可以使用傳統(tǒng)的方法進行語音端點檢測，得到語音時間軸。比如，根據(jù)過零率和短時能量的雙閾值端點檢測。

（3）整體視頻時間軸的切分；將不同場景所檢測得到的時間軸數(shù)據(jù)合并，即可得到整體的視頻時間軸。