[發明專利]一種主持人鏡頭檢測方法及裝置

有效

• 申請號: 201710202164.6
• 申請日: 2017-03-30
• 公開（公告）號: CN107087211B
• 公開（公告）日: 2020-12-11
• 發明（設計）人: 劉楠
• 申請（專利權）人: 北京奇藝世紀科技有限公司
• 主分類號: H04N21/234
• 分類號: H04N21/234;H04N21/44;G06K9/62
• 代理公司: 北京柏杉松知識產權代理事務所(普通合伙) 11413
• 代理人: 馬敬;項京

1.一種主持人鏡頭檢測方法，其特征在于，包括：

獲取包括多個視頻幀的視頻；

按照所述視頻幀之間的相似度，將所有視頻幀劃分為多個鏡頭，并分別抽取所有鏡頭的關鍵幀；其中，鏡頭的關鍵幀為能夠描述鏡頭主要內容的視頻幀；

分別將每一個鏡頭的所述關鍵幀，作為主持人分類器的輸入，得到每一個關鍵幀的圖像人物姿態類別，以確定主持人鏡頭；其中，所述主持人分類器包括根據多個訓練樣本，通過深度學習和神經網絡模型得到的分類器，所述圖像人物姿態類別表示主持人是否在關鍵幀中出現、以及主持人在關鍵幀中出現的姿態；

所述分別將每一個鏡頭的所述關鍵幀，作為主持人分類器的輸入，得到每一個關鍵幀的圖像人物姿態類別，以確定主持人鏡頭，包括：

統計每一個鏡頭的所有關鍵幀的圖像人物姿態類別，確定每一個鏡頭的所有關鍵幀的圖像人物姿態類別中、出現次數最多的圖像人物姿態類別為所述鏡頭的圖像人物姿態類別；

在所述鏡頭的圖像人物姿態類別為主持人姿態類時，確定所述鏡頭為主持人鏡頭，其中，所述主持人姿態類包括:雙人主持人坐姿類、單人主持人坐姿類、單人主持人站姿類；

其中，所述主持人分類器的訓練過程，包括：

收集人工標記完成的多個訓練樣本，其中，所述訓練樣本包括已標記圖像人物姿態類別的視頻幀；

將多個訓練樣本，作為所述神經網絡模型的輸入，通過深度學習方法，訓練得到所述主持人分類器，所述主持人分類器用于得到關鍵幀的圖像人物姿態類別。

2.根據權利要求1所述的主持人鏡頭檢測方法，其特征在于，所述確定每一個鏡頭的所有關鍵幀的圖像人物姿態類別中、出現次數最多的圖像人物姿態類別為所述鏡頭的圖像人物姿態類別，包括：

將每一個鏡頭的所述關鍵幀，作為訓練完成的主持人分類器的輸入，分別得到每一個關鍵幀是每一種圖像人物姿態類別時的置信度，其中，所述圖像人物姿態類別包括：雙人主持人坐姿類、單人主持人坐姿類、單人主持人站姿類以及非主持人類；

確定所述置信度最大時、對應的圖像人物姿態類別是所述關鍵幀的圖像人物姿態類別。

3.根據權利要求1所述的主持人鏡頭檢測方法，其特征在于，所述按照所述視頻幀之間的相似度，將所有視頻幀劃分為多個鏡頭，并分別抽取所有鏡頭的關鍵幀，包括：

計算每一個視頻幀的顏色直方圖特征；

根據相鄰視頻幀的顏色直方圖特征之間的歐氏距離，將所有視頻幀劃分為多個鏡頭，并記錄所有鏡頭的開始位置和結束位置；

根據抽取關鍵幀間隔，分別抽取多個鏡頭的預設個數的關鍵幀，其中，所述抽取關鍵幀間隔，根據所述鏡頭的開始位置、結束位置以及所述預設個數得到。

4.根據權利要求3所述的主持人鏡頭檢測方法，其特征在于，所述根據相鄰視頻幀的顏色直方圖特征之間的歐氏距離，將所有視頻幀劃分為多個鏡頭，包括：

在相鄰視頻幀的顏色直方圖特征之間的歐氏距離大于第一距離閾值時，在所述相鄰視頻幀之間進行鏡頭分割；

將所述相鄰視頻幀中、時域序列在前的視頻幀作為當前視頻幀，在所述當前視頻幀與第一視頻幀之間的歐氏距離，大于第二距離閾值時，在所述當前視頻幀與所述第一視頻幀之間進行鏡頭分割，其中，第一視頻幀包括時域序列在所述當前視頻幀之前的視頻幀。