[發明專利]一種多媒體資源的截取方法和裝置

在審

• 申請號: 202010172939.1
• 申請日: 2020-03-12
• 公開（公告）號: CN111400511A
• 公開（公告）日: 2020-07-10
• 發明（設計）人: 王發發
• 申請（專利權）人: 北京奇藝世紀科技有限公司
• 主分類號: G06F16/432
• 分類號: G06F16/432;G06F16/44;G06F16/45
• 代理公司: 北京華夏泰和知識產權代理有限公司 11662
• 代理人: 劉曉燕;劉蔓莉

1.一種多媒體資源的截取方法，其特征在于，包括：

從多媒體資源中獲取音頻資源，并將所述多媒體資源中的視頻資源劃分為多個鏡頭資源，其中，所述多個鏡頭資源中的每個鏡頭資源包括在同一鏡頭下拍攝的資源；

從所述音頻資源中提取目標音頻點位信息，其中，所述目標音頻點位信息用于指示屬于目標音頻類型的音頻資源在所述音頻資源中的位置信息；

從所述多個鏡頭資源中確定所述目標音頻點位信息中每個目標音頻點位信息所落入的鏡頭資源，得到一個或者多個目標鏡頭資源；

從所述多媒體資源中截取所述一個或者多個目標鏡頭資源中每個目標鏡頭資源對應的多媒體資源片段，得到目標多媒體資源片段。

2.根據權利要求1所述的方法，其特征在于，從所述音頻資源中提取所述目標音頻點位信息包括：

以第一時長為時間間隔，第二時長為步長從音頻資源中獲取音頻片段；

檢測所述音頻片段的音頻類型，得到檢測結果；

根據所述檢測結果從所述音頻資源中提取屬于目標音頻類型的所述目標音頻點位信息。

3.根據權利要求2所述的方法，其特征在于，檢測所述音頻片段的音頻類型，得到檢測結果包括：

將所述音頻片段輸入特征提取模型對所述音頻片段進行特征提取，得到所述特征提取模型輸出的所述音頻片段對應的音頻特征；

將所述音頻特征輸入注意力模型對所述音頻特征進行分類，得到所述注意力模型輸出的所述檢測結果，其中，所述檢測結果用于指示所述音頻特征屬于所述目標音頻類型的概率。

4.根據權利要求3所述的方法，其特征在于，根據所述檢測結果從所述音頻資源中提取屬于目標音頻類型的所述目標音頻點位信息包括：

根據所述音頻片段中每個音頻片段對應的檢測結果確定所述音頻資源中每個單位資源所對應的目標結果，其中，所述單位資源的時長為所述第二時長，所述目標結果用于指示所述每個單位資源屬于所述目標音頻類型的概率；

從所述音頻資源所包括的單位資源中獲取目標單位資源，其中，所述目標單位資源所對應的所述目標結果高于目標概率，且所述目標單位資源所對應的目標結果高于所述目標單位資源的前一個目標單位資源對應的目標結果和所述目標單位資源的后一個目標單位資源對應的目標結果；

將落入目標時間范圍內的所述目標單位資源進行合并，得到所述目標音頻點位信息。

5.根據權利要求1所述的方法，其特征在于，從所述多媒體資源中截取所述一個或者多個目標鏡頭資源中每個目標鏡頭資源對應的多媒體資源片段，得到目標多媒體資源片段包括：

根據鏡頭總時長和所述一個或者多個目標鏡頭資源的位置確定所述每個目標鏡頭資源所對應的待截取鏡頭資源，其中，所述待截取鏡頭資源包括所述每個目標鏡頭資源和所述每個目標鏡頭資源的前一個或者多個鏡頭資源，所述鏡頭總時長為所述待截取鏡頭資源的鏡頭時長，所述鏡頭總時長落入目標時長范圍之間；

從所述多媒體資源中截取所述待截取鏡頭資源，得到所述每個目標鏡頭資源所對應的多媒體資源片段。

6.根據權利要求5所述的方法，其特征在于，根據鏡頭總時長和所述一個或者多個目標鏡頭資源的位置確定所述每個目標鏡頭資源所對應的待截取鏡頭資源包括：

確定所述每個目標鏡頭資源的前一個鏡頭資源是否為所述目標鏡頭資源，以及所述每個目標鏡頭資源與所述前一個鏡頭資源的時長之和是否落入所述目標時長范圍之間；

在所述前一個鏡頭資源為所述目標鏡頭資源且所述每個目標鏡頭資源與所述前一個鏡頭資源的時長之和落入所述目標時長范圍之間的情況下，將所述每個目標鏡頭資源和所述前一個鏡頭資源確定為所述待截取鏡頭資源；

在所述前一個鏡頭資源不為所述目標鏡頭資源，或者，所述每個目標鏡頭資源與所述前一個鏡頭資源的時長之和未落入所述目標時長范圍之間的情況下，確定所述每個目標鏡頭資源的前前一個鏡頭資源是否為所述目標鏡頭資源，以及所述每個目標鏡頭資源到所述前前一個鏡頭資源的時長是否落入所述目標時長范圍之間。