[發明專利]多媒體數據分割方法和裝置

在審

• 申請號: 201710677389.7
• 申請日: 2017-08-09
• 公開（公告）號: CN107623860A
• 公開（公告）日: 2018-01-23
• 發明（設計）人: 李冠楠
• 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;H04N21/233;H04N21/44;H04N21/439;G11B27/031;G11B27/10
• 代理公司: 北京潤澤恒知識產權代理有限公司11319
• 代理人: 莎日娜

技術領域

本發明涉及多媒體技術領域，特別是涉及一種多媒體數據分割方法及裝置。

背景技術

多媒體技術對信息傳遞起著至關重要的作用。相對于文本數據，多媒體數據由于能夠同時包括音頻數據和視頻數據，所以能夠生動形象地傳遞大量的信息，比如，一期新聞節目或一集電視劇節目等。但由于多媒體數據的數據量通常較大，且一個多媒體數據中可能是包括多個不同主題的信息，比如一期新聞節目中可能包括多個主題的新聞片段，不利于信息的傳遞，所以，為了便于信息傳遞，需要一種多媒體數據分割方法。

現有技術中，可以提取多媒體數據中的視頻數據，通過鏡頭檢測、主持人畫面檢測、字幕檢測等方式，將該視頻數據劃分為視頻片段，相鄰視頻片段之間的臨界時刻即為視頻分割點，然后按照該視頻分割點，對該多媒體數據進行分割，從而將一個數據量較大的多媒體數據分割為多個較小的多媒體數據，或者，將一個包括多個主題的多媒體數據分割為多個包括單個主題的多媒體數據。

但由于視頻分割點是僅根據視頻數據確定的分割點，而多媒體數據中還包括音頻數據，所以根據該視頻分割點對該多媒體數據進行分割，可能導致音頻數據所表示的語義不連貫，比如將一段完整的樂曲分割開來，或者將一段完整的對話分割開來等。因此，根據該視頻分割點對該媒體數據進行分割的準確性較低。

發明內容

鑒于上述問題，提出了本發明以便提供一種克服上述問題或者至少部分地解決上述問題的多媒體數據分割方法及裝置。

依據本發明的一個方面，提供了多媒體數據分割方法，包括：

從待分割的多媒體數據中提取音頻數據和視頻數據；

將所述音頻數據劃分為靜音片段和非靜音片段，將相鄰的所述靜音片段與所述非靜音片段之間的臨界時刻確定為音頻分割點；

將所述視頻數據劃分為視頻片段，將相鄰的所述視頻片段之間的臨界時刻確定為視頻分割點；

根據所述音頻分割點和所述視頻分割點，對所述多媒體數據進行分割，得到多媒體數據段。

可選的，所述將所述音頻數據劃分為靜音片段和非靜音片段包括：

將所述音頻數據劃分為音頻處理單元；

檢測所述音頻處理單元的音頻類型，所述音頻類型包括靜音類型和非靜音類型；

根據所述音頻類型，對劃分的音頻處理單元進行合并，得到所述靜音片段和所述非靜音片段。

可選的，所述檢測所述音頻處理單元的音頻類型包括：

確定所述音頻處理單元的均方根值；

如果所述均方根值小于絕對靜音閾值，確定所述音頻處理單元的音頻類型為靜音類型；

如果所述均方根值大于或等于所述絕對靜音閾值，確定所述音頻處理單元的音頻類型為非靜音類型。

可選的，所述檢測所述音頻處理單元的音頻類型包括：

確定所述音頻處理單元的均方根值；

如果所述均方根值小于相對靜音閾值與特定值之差，確定所述音頻處理單元的音頻類型為靜音類型；

如果所述均方根值大于或等于所述相對靜音閾值與所述特定值之差，確定所述音頻處理單元的音頻類型為非靜音類型；

其中，所述相對靜音閾值為均方根值隊列中包括的均方根值的平均值，所述均方根值隊列中包括的均方根值為在所述音頻處理單元之前連續的音頻處理單元的均方根值。

可選的，在所述確定所述音頻處理單元的均方根值之后，還包括：

判定所述均方根值隊列中包括的均方根值的數目大于或等于第一預設數目；

將所述均方根值隊列中頭部的均方根值刪除；

將所述音頻處理單元的均方根值添加至所述均方根值隊列的尾部。

可選的，所述根據所述音頻類型，對劃分的音頻處理單元進行合并包括：

判定連續的音頻處理單元的音頻類型相同；

將連續的音頻處理單元順次合并。

可選的，在所述將連續的音頻處理單元順次合并之后，還包括：

判定所述靜音片段的音頻時長小于第一預設時長；

將所述靜音片段重置為所述非靜音片段。

可選的，所述根據所述音頻分割點和所述視頻分割點，對所述多媒體數據進行分割包括：

根據所述音頻分割點判斷所述視頻分割點是否可用；

如果所述視頻分割點可用，根據所述視頻分割點對所述多媒體數據進行分割。

可選的，所述根據所述音頻分割點判斷所述視頻分割點是否可用包括：