[發明專利]一種字幕位置調整的方法、裝置、存儲介質及電子設備

有效

• 申請號: 201810102767.3
• 申請日: 2018-02-01
• 公開（公告）號: CN108419141B
• 公開（公告）日: 2020-12-22
• 發明（設計）人: 李碩
• 申請（專利權）人: 廣州視源電子科技股份有限公司
• 主分類號: H04N21/488
• 分類號: H04N21/488;H04N21/431;H04N21/44;H04N21/4415;G06K9/00
• 代理公司: 北京博思佳知識產權代理有限公司 11415
• 代理人: 林祥

本發明提供一種字幕位置調整的方法、裝置、存儲介質及電子設備，該方法包括步驟：獲取視頻流數據及字幕數據；對所述視頻流數據的圖像幀進行圖像識別，若識別到發聲物信息，則獲取圖像幀中發聲物的位置信息；將所述圖像幀對應字幕數據渲染至與所述位置信息關聯的位置。該方法使得觀看者容易辨別字幕與發聲物的對應關系，以此提升觀看者的用戶體驗。

技術領域

本發明涉及計算機領域，尤其涉及一種字幕位置調整的方法、裝置、存儲介質及電子設備。

背景技術

字幕(subtitles of motion picture)是指以文字形式顯示電視、電影、舞臺作品中的對話等非視頻內容。目前的字幕一般顯示在視頻圖像的特定位置，如圖像的頂部或圖像的底部，而當圖像中人物較多時，觀看者難以辨別字幕與發聲物之間的關系，如該字幕為圖像中一發聲者的說話內容，觀看者可能會誤以為該字幕為該圖像中其他人物的說話內容，如此導致觀看者的用戶體驗不佳。尤其對于屏幕尺寸較大的顯示設備，以及無法獲得音頻信息的聽力障礙人士，字幕與發聲物的對應關系的對觀看體驗的影響顯得尤為突出。

發明內容

有鑒于此，本發明提供一種字幕位置調整的方法，使得觀看者容易辨別字幕與發聲物的對應關系，以此提升觀看者的用戶體驗。

在一個實施例中，本發明是通過以下方式實現的：

一種字幕位置調整的方法，該方法包括步驟：

獲取視頻流數據及字幕數據；

對所述視頻流數據的圖像幀進行圖像識別，若識別到發聲物信息，則獲取圖像幀中發聲物的位置信息；

將所述圖像幀對應字幕數據渲染至與所述位置信息關聯的位置。

在某些例子中，對所述視頻流數據的圖像幀進行圖像識別之前，該方法包括步驟：

響應用戶指令，獲取對所述視頻流的圖像幀進行圖像識別的頻率。

在某些例子中，對所述視頻流數據的圖像幀進行圖像識別，包括步驟：

根據字幕數據的時間戳信息，獲取所述時間戳信息對應的圖像幀進行圖像識別。

在某些例子中，該方法還包括步驟：獲取發聲物的尺寸信息，根據發聲物的尺寸信息確定字幕數據的字體尺寸。

在某些例子中，將所述圖像幀對應字幕數據渲染至與所述位置信息關聯的位置之后，該方法還包括步驟：將所述圖像幀與對應字幕數據合成目標圖像幀。

在某些例子中，所述圖像識別包括步驟：

對所述視頻流的圖像幀進行面部識別，獲取圖像幀中面部的數量；

若面部的數量大于1，對所述視頻流的圖像幀進行嘴巴識別，獲取圖像幀中嘴巴的數量；

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

在某些例子中，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、身體的位置信息；

所述字幕數據的位置包括：位置信息的周圍、位置信息的正下方、位置信息的正上方。

在某些例子中，所述字幕數據包括文字及背景，所述文字與所述背景的顏色不同。

一種字幕位置調整裝置，包括：

處理模塊：用于獲取視頻流數據及字幕數據；對所述視頻流數據的圖像幀進行圖像識別，若檢測到發聲物信息，則獲取圖像幀中發聲物的位置信息；

渲染模塊：將所述圖像幀對應字幕數據渲染至所述位置信息關聯的位置。