一种视频片头片尾识别方法、装置、设备及可读存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115035453A(43)申请公布日2022.09.09(21)申请号202210692408.4G06V10/56(2022.01)(22)申请日2022.06.17G06V10/62(2022.01)G06V10/75(2022.01)(71)申请人北京视达科技有限公司地址102600北京市大兴区经济开发区金苑路2号1幢八层809室(72)发明人张楠冯海洋李征张晓迪孙方明张春江(74)专利代理机构北京银龙知识产权代理有限公司11243专利代理师丁文蕴(51)Int.Cl.G06V20/40(2022.01)G06V10/22(2022.01)G06V10/26(2022.01)G06V10/422(2022.01)权利要求书2页说明书10页附图3页(54)发明名称一种视频片头片尾识别方法、装置、设备及可读存储介质(57)摘要本发明提供一种视频片头片尾识别方法、装置、设备及可读存储介质，涉及视频识别技术领域。该方法包括：根据目标视频的识别信息，获取目标视频发生场景切换的第一时间范围；其中，识别信息包括声音、图像以及文字识别信息中的至少一项；对第一时间范围中第一时刻之前的第一时长内的多帧第一图像与第一时刻之后的第一时长内的多帧第二图像进行匹配，获取第一匹配结果；对第一时间范围中第一时刻之前的第一时长内的第一声音数据与第一时刻之后的第一时长内的第二声音数据进行匹配，获取第二匹配结果；根据第一匹配结果和第二匹配结果，获取目标视频的片头结束时刻或片尾开始时刻。本发明的方案能够高效、准确识别视频片头片尾。CN115035453ACN115035453A权利要求书1/2页1.一种视频片头片尾识别方法，其特征在于，包括：根据目标视频的识别信息，获取所述目标视频发生场景切换的第一时间范围；其中，所述识别信息包括声音、图像以及文字识别信息中的至少一项；对所述第一时间范围中第一时刻之前的第一时长内的多帧第一图像与所述第一时刻之后的第一时长内的多帧第二图像进行匹配，获取第一匹配结果；对所述第一时间范围中第一时刻之前的第一时长内的第一声音数据与所述第一时刻之后的第一时长内的第二声音数据进行匹配，获取第二匹配结果；根据所述第一匹配结果和所述第二匹配结果，获取所述目标视频的片头结束时刻或片尾开始时刻。2.根据权利要求1所述的方法，其特征在于，所述根据目标视频的识别信息，获取所述目标视频发生场景切换的第一时间范围，包括：将所述目标视频前第二时长内的第三声音数据划分为多个子声音数据，或者，将所述目标视频后第二时长内的第三声音数据划分为多个子声音数据；按照预设间隔帧数，获取所述目标视频前第二时长内的视频片段中的多帧图像，或者，获取所述目标视频后第二时长内的视频片段中的多帧图像；基于以下至少一项，获取所述目标视频发生场景切换的第一时间范围：所述多个子声音数据的声音识别信息之间的场景匹配度；所述多帧图像的图像识别信息之间的场景匹配度；所述多帧图像的文字识别信息之间的场景匹配度。3.根据权利要求1所述的方法，其特征在于，所述对所述第一时间范围中第一时刻之前的第一时长内的多帧第一图像与所述第一时刻之后的第一时长内的多帧第二图像进行匹配，获取第一匹配结果，包括：对于所述多帧第一图像，进行目标分割，并获取分割后的第一目标的定位信息和图像特征信息；根据所述多帧第一图像中所述第一目标的定位信息和图像特征信息，建立所述第一目标的运动轨迹模型；根据所述运动轨迹模型，获取所述第一目标在所述多帧第二图像中的预测位置；将所述多帧第二图像中所述第一目标的所在位置与所述预测位置进行匹配，获取所述第一匹配结果。4.根据权利要求3所述的方法，其特征在于，在所述对于所述多帧第一图像，进行目标分割之后，所述方法还包括：采用预设形状特征信息，在所述多帧第一图像中，获取颜色与背景相差小于预设阈值的目标。5.根据权利要求1所述的方法，其特征在于，所述对所述第一时间范围中第一时刻之前的第一时长内的第一声音数据与所述第一时刻之后的第一时长内的第二声音数据进行匹配，获取第二匹配结果，包括：通过识别所述第一声音数据和所述第二声音数据中的声学信息和语义信息，获取所述第一声音数据对应的第一场景，以及所述第二声音数据对应的第二场景；对所述第一场景与所述第二场景进行匹配，获取所述第二匹配结果。2CN115035453A权利要求书2/2页6.根据权利要求1所述的方法，其特征在于，所述根据所述第一匹配结果和所述第二匹配结果，获取所述目标视频的片头结束时刻或片尾开始时刻，包括：获取所述第一匹配结果小于第一匹配阈值的至少一帧第二图像所对应的第二时间范围；获取所述第二匹配结果小于第二匹配阈值的至少一个第二声音数据所对应的第三时间范围；基于所述第二时间范围和所述第