[發(fā)明專利]帶字幕視頻人聲分離方法、裝置、存儲介質(zhì)及電子設(shè)備

在審

• 申請?zhí)枺?/td>: 202010879617.0
• 申請日: 2020-08-27
• 公開（公告）號: CN112218142A
• 公開（公告）日: 2021-01-12
• 發(fā)明（設(shè)計(jì)）人: 葉志堅(jiān);李稀敏;蔡渠棠
• 申請（專利權(quán)）人: 廈門快商通科技股份有限公司
• 主分類號: H04N21/431
• 分類號: H04N21/431;H04N21/44;H04N21/488;G06K9/00;G06K9/32
• 代理公司: 廈門仕誠聯(lián)合知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 35227
• 代理人: 吳圳添

1.一種帶字幕視頻人聲分離方法，其特征在于，包括步驟：

S1、獲取帶字幕視頻對應(yīng)的視頻幀圖像，確定所述視頻幀圖像的字幕區(qū)域；

S2、識別所述字幕區(qū)域的字幕內(nèi)容；

S3、獲取出現(xiàn)所述字幕內(nèi)容開始幀和結(jié)束幀的時(shí)間確定所述字幕內(nèi)容在所述帶字幕視頻的起始時(shí)間和結(jié)束時(shí)間；

S4、根據(jù)所述字幕內(nèi)容在所述帶字幕視頻的起始時(shí)間和結(jié)束時(shí)間獲取與所述帶字幕視頻中同步的音頻。

2.根據(jù)權(quán)利要求1所述的帶字幕視頻人聲分離方法，其特征在于，所述步驟S1中確定所述視頻幀圖像的字幕區(qū)域還進(jìn)一步對所述字幕區(qū)域的背景進(jìn)行黑化處理，同時(shí)使字幕變成白色。

3.根據(jù)權(quán)利要求1所述的帶字幕視頻人聲分離方法，其特征在于，所述步驟S2通過ocr字符識別技術(shù)識別所述字幕內(nèi)容。

4.根據(jù)權(quán)利要求1所述的帶字幕視頻人聲分離方法，其特征在于，所述步驟S1中對所述視頻幀圖像按照時(shí)間順序進(jìn)行標(biāo)注，并記錄出現(xiàn)所述視頻幀圖像的時(shí)間。

5.根據(jù)權(quán)利要求1所述的帶字幕視頻人聲分離方法，其特征在于，所述步驟S3中根據(jù)出現(xiàn)所述字幕內(nèi)容開始幀和結(jié)束幀的時(shí)間是通過按照時(shí)間順序依次比較前后幀的視頻幀圖像的字幕內(nèi)容，出現(xiàn)連續(xù)相同的字幕內(nèi)容則記錄所述字幕內(nèi)容開始幀和結(jié)束幀的時(shí)間。

6.根據(jù)權(quán)利要求1所述的帶字幕視頻人聲分離方法，其特征在于，所述步驟S3中，所述字幕內(nèi)容開始幀和結(jié)束幀，是指所述字幕內(nèi)容對應(yīng)的句子或段落的開始幀和結(jié)束幀；所述步驟S4中的獲取的音頻，是指所述句子或所述段落對應(yīng)的音頻。

7.根據(jù)權(quán)利要求1所述的帶字幕視頻人聲分離方法，其特征在于，當(dāng)所述步驟S1中無字幕區(qū)域出現(xiàn)時(shí)，則停止步驟S2、S3和S4的進(jìn)行。

8.一種帶字幕視頻人聲分離裝置，其特征在于，包括：

圖像獲取模塊，用于獲取帶字幕視頻對應(yīng)的視頻幀圖像；

字幕獲取模塊，用于獲取所述視頻幀圖像的字幕區(qū)域；

字幕識別模塊，用于識別所述字幕區(qū)域的字幕內(nèi)容；

時(shí)間確定模塊，用以獲取相同字幕內(nèi)容開始幀和結(jié)束幀的時(shí)間；

音頻獲取模塊，用于獲取與所述字幕內(nèi)容同步的音頻。

9.一種計(jì)算機(jī)可讀存儲介質(zhì)，其特征在于，所述計(jì)算機(jī)可讀存儲介質(zhì)存儲有計(jì)算機(jī)可執(zhí)行指令，所述計(jì)算機(jī)可執(zhí)行指令在由處理器執(zhí)行時(shí)，執(zhí)行權(quán)利要求1-6中任意一項(xiàng)所述帶字幕視頻人聲分離方法。

10.一種電子設(shè)備，其特征在于，所述電子設(shè)備包括：

存儲器，用于存儲指令；以及

處理器，用于調(diào)用所述存儲器存儲的指令執(zhí)行權(quán)利要求1-6中任意一項(xiàng)所述帶字幕視頻人聲分離方法。