[發(fā)明專(zhuān)利]一種基于語(yǔ)音識(shí)別和圖像處理的視頻截圖方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010330355.2
• 申請(qǐng)日: 2020-04-24
• 公開(kāi)（公告）號(hào): CN111464862A
• 公開(kāi)（公告）日: 2020-07-28
• 發(fā)明（設(shè)計(jì)）人: 張?jiān)?/a>;馮武
• 申請(qǐng)（專(zhuān)利權(quán)）人: 張?jiān)?/a>
• 主分類(lèi)號(hào): H04N21/433
• 分類(lèi)號(hào): H04N21/433;G10L15/22;G06K9/00
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

本發(fā)明涉及一種基于語(yǔ)音識(shí)別和圖像處理的視頻截圖方法，接收視頻截圖語(yǔ)音指令，對(duì)該視頻截圖語(yǔ)音指令進(jìn)行語(yǔ)音識(shí)別，得到截圖指令文本數(shù)據(jù)，若截圖指令文本數(shù)據(jù)為有效文本數(shù)據(jù)，則播放視頻文件并提取各個(gè)視頻圖像幀，進(jìn)而提取視頻圖像幀中的人臉圖像，根據(jù)預(yù)設(shè)的目標(biāo)人臉圖像數(shù)據(jù)庫(kù)確定包含目標(biāo)人臉圖像的視頻圖像幀，然后根據(jù)確定的視頻圖像幀對(duì)視頻文件進(jìn)行截圖，得到目標(biāo)截圖，根據(jù)目標(biāo)截圖建立目標(biāo)截圖數(shù)據(jù)庫(kù)，最后輸出目標(biāo)截圖數(shù)據(jù)庫(kù)。該視頻截圖方法無(wú)需操作人員人工截圖，降低了人員投入成本，降低了操作人員的勞動(dòng)強(qiáng)度。由于自動(dòng)進(jìn)行人臉圖像的比對(duì)，也就不會(huì)出現(xiàn)因人為因素導(dǎo)致的遺漏掉部分圖像的情況，進(jìn)而大幅度提升截圖的準(zhǔn)確性。

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于語(yǔ)音識(shí)別和圖像處理的視頻截圖方法。

背景技術(shù)

目前，視頻處理技術(shù)的應(yīng)用越來(lái)越廣泛。在視頻處理領(lǐng)域，很多情況下需要對(duì)視頻文件進(jìn)行處理以獲取到視頻文件中的相關(guān)數(shù)據(jù)信息。很多場(chǎng)景下，需要將一個(gè)視頻文件中涉及到相關(guān)信息的圖像進(jìn)行截圖，以便于后續(xù)使用。常規(guī)的視頻截圖方法為人工截圖的方式，操作人員觀看該視頻文件，當(dāng)某一幀圖像包含相關(guān)信息時(shí)，人工截圖，這種人工截圖的方式需要操作人員專(zhuān)門(mén)坐在電腦旁對(duì)視頻文件進(jìn)行觀看，而且，需要操作人員高度集中，操作人員需要付出很大的精力，且很容易出現(xiàn)因疏忽而遺漏掉部分圖像的情況，截圖的準(zhǔn)確性較低。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種基于語(yǔ)音識(shí)別和圖像處理的視頻截圖方法，用于解決人工截圖的方式需要操作人員付出很大精力，且很容易出現(xiàn)因疏忽而遺漏掉部分圖像的情況，使得截圖的準(zhǔn)確性較低的問(wèn)題。

為了解決上述問(wèn)題，本發(fā)明采用以下技術(shù)方案：

一種基于語(yǔ)音識(shí)別和圖像處理的視頻截圖方法，包括：

接收視頻截圖語(yǔ)音指令；

對(duì)所述視頻截圖語(yǔ)音指令進(jìn)行語(yǔ)音識(shí)別，得到截圖指令文本數(shù)據(jù)；

將所述截圖指令文本數(shù)據(jù)輸入到預(yù)設(shè)的視頻截圖指令專(zhuān)用詞典進(jìn)行比對(duì)，若所述截圖指令文本數(shù)據(jù)中存在所述視頻截圖指令專(zhuān)用詞典中的至少一個(gè)詞語(yǔ)，則判定所述截圖指令文本數(shù)據(jù)為有效文本數(shù)據(jù)；

將所述有效文本數(shù)據(jù)轉(zhuǎn)換為視頻截圖控制指令；

根據(jù)所述視頻截圖控制指令，對(duì)預(yù)先設(shè)置的視頻文件進(jìn)行播放；

在所述視頻文件播放過(guò)程中，提取所述視頻文件的各個(gè)視頻圖像幀；

根據(jù)各個(gè)所述視頻圖像幀，提取各個(gè)所述視頻圖像幀包含的人臉圖像；

將各個(gè)所述視頻圖像幀包含的人臉圖像輸入到預(yù)設(shè)的目標(biāo)人臉圖像數(shù)據(jù)庫(kù)進(jìn)行比對(duì)，確定包含所述目標(biāo)人臉圖像數(shù)據(jù)庫(kù)中的至少一個(gè)目標(biāo)人臉圖像的視頻圖像幀，得到目標(biāo)視頻圖像幀；其中，所述目標(biāo)人臉圖像數(shù)據(jù)庫(kù)包括至少一個(gè)目標(biāo)人臉圖像；

根據(jù)得到的所述目標(biāo)視頻圖像幀，對(duì)所述視頻文件進(jìn)行截圖，得到與所述目標(biāo)視頻圖像幀相對(duì)應(yīng)的目標(biāo)截圖；

根據(jù)得到的所述目標(biāo)截圖，建立目標(biāo)截圖數(shù)據(jù)庫(kù)；

輸出所述目標(biāo)截圖數(shù)據(jù)庫(kù)。

優(yōu)選地，所述將各個(gè)所述視頻圖像幀包含的人臉圖像輸入到預(yù)設(shè)的目標(biāo)人臉圖像數(shù)據(jù)庫(kù)進(jìn)行比對(duì)，包括：

對(duì)于任意一個(gè)視頻圖像幀中的任意一個(gè)人臉圖像，基于預(yù)設(shè)的人臉關(guān)鍵特征列表，標(biāo)記出該人臉圖像和所述目標(biāo)人臉圖像數(shù)據(jù)庫(kù)中的各目標(biāo)人臉圖像中各個(gè)關(guān)鍵特征的特征坐標(biāo)；