[發明專利]一種標記方法及電子設備

在審

• 申請號: 202111153604.6
• 申請日: 2021-09-29
• 公開（公告）號: CN113901785A
• 公開（公告）日: 2022-01-07
• 發明（設計）人: 楊奇川;張楊;張柳新
• 申請（專利權）人: 聯想（北京）有限公司
• 主分類號: G06F40/205
• 分類號: G06F40/205;G06F40/279;G06V10/75;G06V30/19;G06T7/10;G10L15/26
• 代理公司: 北京金信知識產權代理有限公司 11225
• 代理人: 韓岳松

1.一種標記方法，包括：

分別獲取當前播放的第一影像中的音頻和圖像；

對所述音頻進行語音識別，生成相對應的第一文本信息；

確定所述圖像中的實物對象和/或文本對象；

將所述第一文本信息與所述實物對象和/或所述文本對象的內容進行匹配操作，至少基于匹配結果確定所述圖像中的第一目標；

對所述第一目標進行標記。

2.根據權利要求1所述的方法，所述確定所述圖像中的實物對象和/或文本對象，包括：

對所述圖像進行圖像語義分割操作，確定所述圖像中的至少一個實物對象；

對所述實物對象進行標識，形成相應的實物標識；相應的，

所述將所述第一文本信息與所述實物對象和/或所述文本對象的內容進行匹配操作，至少基于匹配結果確定所述圖像中的第一目標，包括：

將所述第一文本信息與所述實物標識進行對比；

在一個或多個所述實物標識中，確定所述第一文本信息所指示的目標為所述第一目標。

3.根據權利要求2所述的方法，所述確定所述圖像中的實物對象和/或文本對象，包括：

對所述圖像進行圖像語義分割操作，確定所述圖像中的至少一個文本對象；

對所述文本對象中的文字進行識別，形成相應的文本塊；相應的，

所述將所述第一文本信息與所述實物對象和/或所述文本對象的內容進行匹配操作，至少基于匹配結果確定所述圖像中的第一目標，包括：

將所述第一文本信息與所述文本塊進行對比；

在一個或多個所述文本塊中，確定所述第一文本信息所指示的目標為所述第一目標。

4.根據權利要求2或3所述的方法，所述對所述圖像進行圖像語義分割操作，包括：

基于所述圖像中的像素點的顯示，確定所述像素點的所屬類別；

基于對所述像素點的所屬類別的劃分，確定所述圖像中的實物對象和/或文本對象。

5.根據權利要求1所述的方法，在所述實物對象包括人物的情況下，所述方法還包括：

獲取所述人物的肢體信息，其中所述肢體信息包括指引動作信息；

確定所述指引動作信息在所述第一圖像中所指引的指引對象；相應的，

所述至少基于匹配結果確定所述圖像中的第一目標，包括：

基于所述匹配操作的匹配結果以及確定的所述指引對象，確定所述第一目標。

6.根據權利要求5所述的方法，所述指引動作信息包括所述人物的眼部指引信息和姿態指引信息，所述的確定所述指引動作信息在所述第一圖像中所指引的指引對象，包括：

基于所述眼部指引信息和所述姿態指引信息，確定相應的所述指引對象。

7.根據權利要求1所述的方法，所述對所述音頻進行語音識別，生成相對應的第一文本信息，包括：

基于所述音頻的頻率特征，確定與所述音頻相對應的語音識別模式；

基于確定的所述語音識別模式，對所述音頻進行語音識別。

8.根據權利要求1所述的方法，所述方法還包括：

將標記了的所述第一目標輸出到客戶端用以顯示。

9.根據權利要求1所述的方法，所述對所述第一目標進行標記，包括：

利用標記線對第一目標進行圈定，以使所述第一目標能夠在與所述第一影像相關的第一文件中被突出顯示。

10.一種電子設備，包括：

獲取模塊，其配置為分別獲取當前播放的第一影像中的音頻和圖像；

識別模塊，其配置為對所述音頻進行語音識別，生成相對應的第一文本信息；確定所述圖像中的實物對象和/或文本對象；

處理模塊，其配置為將所述第一文本信息與所述實物對象和/或所述文本對象的內容進行匹配操作，至少基于匹配結果確定所述圖像中的第一目標；對所述第一目標進行標記。