[發明專利]一種基于深度學習的視頻剪輯方法和裝置

在審

• 申請號: 201710112722.X
• 申請日: 2017-02-28
• 公開（公告）號: CN106899809A
• 公開（公告）日: 2017-06-27
• 發明（設計）人: 邵山;唐云峰;白云龍;唐昊
• 申請（專利權）人: 廣州市誠毅科技軟件開發有限公司
• 主分類號: H04N5/262
• 分類號: H04N5/262;G06K9/00;G06K9/62
• 代理公司: 北京集佳知識產權代理有限公司11227
• 代理人: 張春水,唐京橋

1.一種基于深度學習的視頻剪輯方法，其特征在于，包括：

通過深度學習算法將預置第一視頻中的語音轉化成文本數據；

通過深度學習算法對所述文本數據進行文字特征訓練并對將批量采集到的視頻進行視頻圖像特征訓練；

根據文字特征訓練結果和視頻圖像特征訓練的結果建立視頻剪輯模型，并通過所述視頻剪輯模型對批量采集到的第二視頻進行剪輯。

2.根據權利要求1所述的基于深度學習的視頻剪輯方法，其特征在于，在根據文字特征訓練結果和視頻圖像特征訓練的結果建立視頻剪輯模型，并通過所述視頻剪輯模型對批量采集到的第二視頻進行剪輯之后還包括：

將所述第二視頻的剪輯視頻的觀看熱度和評價作為深度學習算法的優化輸入因子對所述視頻剪輯模型進行優化。

3.根據權利要求2所述的基于深度學習的視頻剪輯方法，其特征在于，在將所述第二視頻的剪輯視頻的觀看熱度和評價作為深度學習算法的優化輸入因子對所述視頻剪輯模型進行優化之后，還包括：

通過優化后的視頻剪輯模型對對批量采集到的第三視頻進行剪輯。

4.根據權利要求1所述的基于深度學習的視頻剪輯方法，其特征在于，通過深度學習算法對所述文本數據進行文字特征訓練并對將批量采集到的視頻進行視頻圖像特征訓練具體包括：

將第一因子作為深度學習算法的輸入因子，通過深度學習算法對所述文本數據進行文字特征訓練并對將批量采集到的視頻進行視頻圖像特征訓練，所述第一因子包括視頻的音量、慢動作回放、視頻回放。

5.根據權利要求1所述的基于深度學習的視頻剪輯方法，其特征在于，在根據文字特征訓練結果和視頻圖像特征訓練的結果建立視頻剪輯模型，并根據所述視頻剪輯模型對批量采集到的第二視頻進行剪輯之前還包括：

批量采集第二視頻。

6.一種基于深度學習的視頻剪輯裝置，其特征在于，包括：

語音轉化單元，用于通過深度學習算法將預置第一視頻中的語音轉化成文本數據；

特征訓練單元，用于通過深度學習算法對所述文本數據進行文字特征訓練并對將批量采集到的視頻進行視頻圖像特征訓練；

初級剪輯單元，用于根據文字特征訓練結果和視頻圖像特征訓練的結果建立視頻剪輯模型，并通過所述視頻剪輯模型對批量采集到的第二視頻進行剪輯。

7.根據權利要求6所述的基于深度學習的視頻剪輯裝置，其特征在于，還包括：

優化單元，用于將所述第二視頻的剪輯視頻的觀看熱度和評價作為深度學習算法的優化輸入因子對所述視頻剪輯模型進行優化。

8.根據權利要求7所述的基于深度學習的視頻剪輯裝置，其特征在于，還包括：

優化剪輯單元，用于通過優化后的視頻剪輯模型對對批量采集到的第三視頻進行剪輯。

9.根據權利要求6所述的基于深度學習的視頻剪輯裝置，其特征在于，所述特征訓練單元，具體用于將第一因子作為深度學習算法的輸入因子，通過深度學習算法對所述文本數據進行文字特征訓練并對將批量采集到的視頻進行視頻圖像特征訓練，所述第一因子包括視頻的音量、慢動作回放、視頻回放。

10.根據權利要求6所述的基于深度學習的視頻剪輯裝置，其特征在于，還包括：

采集單元，用于批量采集第二視頻。