[發(fā)明專(zhuān)利]一種場(chǎng)景切換點(diǎn)的檢測(cè)方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201410845412.5
• 申請(qǐng)日: 2014-12-31
• 公開(kāi)（公告）號(hào): CN104469487B
• 公開(kāi)（公告）日: 2019-02-12
• 發(fā)明（設(shè)計(jì)）人: 吳凱凱;盧學(xué)裕;付鵬;白雪;吳鑫;姚鍵;潘柏宇;盧述奇
• 申請(qǐng)（專(zhuān)利權(quán)）人: 優(yōu)酷網(wǎng)絡(luò)技術(shù)（北京）有限公司
• 主分類(lèi)號(hào): H04N21/44
• 分類(lèi)號(hào): H04N21/44;H04N21/439;H04N21/234;H04N21/233
• 代理公司: 北京林達(dá)劉知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11277
• 代理人: 劉新宇

本發(fā)明提供一種場(chǎng)景切換點(diǎn)的檢測(cè)方法及裝置，包括：獲取第一視頻；提取所述第一視頻中音頻數(shù)據(jù)作為第一音頻數(shù)據(jù)；根據(jù)所述第一音頻數(shù)據(jù)確定場(chǎng)景的切換位置。通過(guò)使用以上方法，可以根據(jù)視頻中的具體音頻信息來(lái)判斷視頻中場(chǎng)景的切換，避免了現(xiàn)有技術(shù)中依賴(lài)人工進(jìn)行標(biāo)注的復(fù)雜工作，提高了視頻處理的工作效率。

技術(shù)領(lǐng)域

本發(fā)明涉及數(shù)字多媒體技術(shù)領(lǐng)域，特別是一種場(chǎng)景切換點(diǎn)的檢測(cè)方法及裝置。

背景技術(shù)

隨著數(shù)字多媒體技術(shù)的快速發(fā)展，越來(lái)越多的多媒體技術(shù)應(yīng)用到人們的工作和生活中。

在視頻編輯領(lǐng)域，經(jīng)常會(huì)接觸到“關(guān)鍵幀”的概念，我們可以使用相關(guān)算法或工具處理得到某一視頻中存在的所有關(guān)鍵幀。例如，在某個(gè)電視劇中，從5分30秒開(kāi)始至10分15秒是一個(gè)在咖啡廳會(huì)談的場(chǎng)景；而在10分16秒至12分30秒時(shí)是在汽車(chē)中對(duì)話的場(chǎng)景。因此，在10分16秒里包含一個(gè)關(guān)鍵幀，而此處正好是一個(gè)場(chǎng)景開(kāi)始的位置。并且在該時(shí)間點(diǎn)后續(xù)的對(duì)話中，可能會(huì)頻繁的切換鏡頭角度，導(dǎo)致相關(guān)的算法或工具判斷出很多的關(guān)鍵幀，但這些關(guān)鍵幀都不是場(chǎng)景正確的結(jié)束位置。

由于在實(shí)際中一個(gè)場(chǎng)景會(huì)有很多個(gè)鏡頭切換，因此僅通過(guò)關(guān)鍵幀數(shù)據(jù)是無(wú)法比較準(zhǔn)確的定位一個(gè)較完整的場(chǎng)景的開(kāi)始或結(jié)束位置。現(xiàn)有的視頻場(chǎng)景的標(biāo)注方法是由人工瀏覽影片的方式確定不同場(chǎng)景的開(kāi)始或結(jié)束位置。這對(duì)編輯人員的經(jīng)驗(yàn)以及工作強(qiáng)度要求較高，且處理效率很低。

因此，如何提供一種可以對(duì)場(chǎng)景切換點(diǎn)進(jìn)行自動(dòng)檢測(cè)的方法和裝置是本發(fā)明需要解決的問(wèn)題。

發(fā)明內(nèi)容

針對(duì)現(xiàn)有技術(shù)的缺陷，本發(fā)明提供了一種場(chǎng)景切換點(diǎn)的檢測(cè)方法及裝置，解決了現(xiàn)有技術(shù)中依賴(lài)人工操作的問(wèn)題，同時(shí)可以更加精確的判斷出場(chǎng)景切換的位置點(diǎn)。

一種場(chǎng)景切換點(diǎn)的檢測(cè)方法，包括：

獲取第一視頻；

提取所述第一視頻中音頻數(shù)據(jù)作為第一音頻數(shù)據(jù)；

根據(jù)所述第一音頻數(shù)據(jù)確定場(chǎng)景的切換位置。

優(yōu)選地，所述提取所述第一視頻中音頻數(shù)據(jù)作為第一音頻數(shù)據(jù)，具體為：

提取所述第一視頻中的人聲音頻作為所述第一音頻數(shù)據(jù)。

優(yōu)選地，所述提取所述第一視頻中音頻數(shù)據(jù)作為第一音頻數(shù)據(jù)，具體為：

提取所述第一視頻中的背景音頻作為所述第一音頻數(shù)據(jù)。

優(yōu)選地，所述根據(jù)所述第一音頻數(shù)據(jù)確定場(chǎng)景的切換位置，具體為：

檢測(cè)第一音頻數(shù)據(jù)中的聲波變化特征；

根據(jù)所述聲波變化特征確定場(chǎng)景的切換位置。

在根據(jù)所述第一音頻數(shù)據(jù)確定場(chǎng)景的切換位置之后，還包括：

獲取預(yù)判位置信息；

根據(jù)所述預(yù)判位置信息修正所述場(chǎng)景的切換位置。

一種場(chǎng)景切換點(diǎn)的檢測(cè)裝置，包括：視頻獲取單元、第一音頻提取單元和切換位置確定單元；

所述視頻獲取單元，用于獲取第一視頻；

所述第一音頻提取單元，用于提取所述第一視頻中音頻數(shù)據(jù)作為第一音頻數(shù)據(jù)；

所述切換位置確定單元，用于根據(jù)所述第一音頻數(shù)據(jù)確定場(chǎng)景的切換位置。

優(yōu)選地，所述第一音頻提取單元，包括：人聲音頻提取子單元；

所述人聲音頻提取子單元，用于提取所述第一視頻中的人聲音頻作為所述第一音頻數(shù)據(jù)。

優(yōu)選地，所述第一音頻提取單元，包括：背景音頻提取子單元；