[發(fā)明專利]一種字幕位置調(diào)整的方法、裝置、存儲(chǔ)介質(zhì)及電子設(shè)備

有效

• 申請(qǐng)?zhí)枺?/td>: 201810102767.3
• 申請(qǐng)日: 2018-02-01
• 公開（公告）號(hào): CN108419141B
• 公開（公告）日: 2020-12-22
• 發(fā)明（設(shè)計(jì)）人: 李碩
• 申請(qǐng)（專利權(quán)）人: 廣州視源電子科技股份有限公司
• 主分類號(hào): H04N21/488
• 分類號(hào): H04N21/488;H04N21/431;H04N21/44;H04N21/4415;G06K9/00
• 代理公司: 北京博思佳知識(shí)產(chǎn)權(quán)代理有限公司 11415
• 代理人: 林祥

1.一種字幕位置調(diào)整的方法，其特征在于，該方法包括步驟：

獲取視頻流數(shù)據(jù)及字幕數(shù)據(jù)；

對(duì)所述視頻流數(shù)據(jù)的圖像幀進(jìn)行圖像識(shí)別，若識(shí)別到發(fā)聲物信息，則獲取圖像幀中發(fā)聲物的位置信息；

將所述圖像幀對(duì)應(yīng)字幕數(shù)據(jù)渲染至與所述位置信息關(guān)聯(lián)的位置；

其中，所述圖像識(shí)別包括步驟：

對(duì)所述視頻流的圖像幀進(jìn)行面部識(shí)別，獲取圖像幀中面部的數(shù)量；

若面部的數(shù)量大于1，對(duì)所述視頻流的圖像幀進(jìn)行嘴巴識(shí)別，獲取圖像幀中嘴巴的數(shù)量；

若嘴巴的數(shù)量大于或等于1，則獲取所述圖像幀的相鄰幾幀圖像幀，通過對(duì)比相鄰至少兩幀圖像幀中嘴巴的變化，判斷是否存在發(fā)聲物信息；

若面部的數(shù)量不大于1，或者嘴巴的數(shù)量小于1，或者不存在發(fā)聲物信息，則不對(duì)字幕數(shù)據(jù)進(jìn)行調(diào)整。

2.根據(jù)權(quán)利要求1所述的字幕位置調(diào)整的方法，其特征在于，對(duì)所述視頻流數(shù)據(jù)的圖像幀進(jìn)行圖像識(shí)別之前，該方法包括步驟：

響應(yīng)用戶指令，獲取對(duì)所述視頻流的圖像幀進(jìn)行圖像識(shí)別的頻率。

3.根據(jù)權(quán)利要求1所述的字幕位置調(diào)整的方法，其特征在于，對(duì)所述視頻流數(shù)據(jù)的圖像幀進(jìn)行圖像識(shí)別，包括步驟：

根據(jù)字幕數(shù)據(jù)的時(shí)間戳信息，獲取所述時(shí)間戳信息對(duì)應(yīng)的圖像幀進(jìn)行圖像識(shí)別。

4.根據(jù)權(quán)利要求1所述的字幕位置調(diào)整的方法，其特征在于，該方法還包括步驟：獲取發(fā)聲物的尺寸信息，根據(jù)發(fā)聲物的尺寸信息確定字幕數(shù)據(jù)的字體尺寸。

5.根據(jù)權(quán)利要求1所述的字幕位置調(diào)整的方法，其特征在于，將所述圖像幀對(duì)應(yīng)字幕數(shù)據(jù)渲染至與所述位置信息關(guān)聯(lián)的位置之后，該方法還包括步驟：將所述圖像幀與對(duì)應(yīng)字幕數(shù)據(jù)合成目標(biāo)圖像幀。

6.根據(jù)權(quán)利要求1所述的字幕位置調(diào)整的方法，其特征在于，所述位置信息包括以下任一：面部的位置信息、嘴巴的位置信息及身體的位置信息；

所述字幕數(shù)據(jù)的位置包括：位置信息的周圍、位置信息的正下方、位置信息的正上方。

7.根據(jù)權(quán)利要求1所述的字幕位置調(diào)整的方法，其特征在于，所述字幕數(shù)據(jù)包括文字及背景，所述文字與所述背景的顏色不同。

8.一種字幕位置調(diào)整裝置，其特征在于，包括：

處理模塊：用于獲取視頻流數(shù)據(jù)及字幕數(shù)據(jù)；對(duì)所述視頻流數(shù)據(jù)的圖像幀進(jìn)行圖像識(shí)別，若檢測(cè)到發(fā)聲物信息，則獲取圖像幀中發(fā)聲物的位置信息；

渲染模塊：將所述圖像幀對(duì)應(yīng)字幕數(shù)據(jù)渲染至所述位置信息關(guān)聯(lián)的位置；

其中，所述圖像識(shí)別包括步驟：

對(duì)所述視頻流的圖像幀進(jìn)行面部識(shí)別，獲取圖像幀中面部的數(shù)量；

若面部的數(shù)量大于1，對(duì)所述視頻流的圖像幀進(jìn)行嘴巴識(shí)別，獲取圖像幀中嘴巴的數(shù)量；

若嘴巴的數(shù)量大于或等于1，則獲取所述圖像幀的相鄰幾幀圖像幀，通過對(duì)比相鄰至少兩幀圖像幀中嘴巴的變化，判斷是否存在發(fā)聲物信息；

若面部的數(shù)量不大于1，或者嘴巴的數(shù)量小于1，或者不存在發(fā)聲物信息，則不對(duì)字幕數(shù)據(jù)進(jìn)行調(diào)整。

9.根據(jù)權(quán)利要求8所述的裝置，其特征在于，包括：

所述裝置裝載于播放器中或字幕調(diào)整的應(yīng)用程序中。