[发明专利]视频索引数据的生成方法和系统

权利要求书

1.一种视频索引数据生成方法，其特征在于，包括如下步骤：

步骤S101，获取视频内容和与视频内容相关的文本内容；

步骤S102，通过预设的关键词，提取所述文本的特征参数，并对所述文本内容进行文本分类，得到所述文本内的分类信息；

步骤S103，根据所述文本内的分类信息，从预设的语言模型库中选择对应的拼音语言模型和词语言模型；

步骤S104，从所述视频内容中提取音频数据，并将所述音频数据分割为多个音频片段；

步骤S105，提取得到每个所述音频片段的特征矢量；

步骤S106，根据所述音频片段的特征矢量，以及预设的说话人模型库中的说话人模型，得到每个所述音频片段的说话人分类结果；

步骤S107，根据所述音频片段对应的说话人分类结果从声学模型库中选择对应的声学模型；

步骤S108，利用拼音识别器，根据每个所述音频片段的特征矢量和其对应的所述声学模型以及所述拼音语言模型和第一发音字典，生成拼音网格；

步骤S109，通过词解码器，根据所述拼音网格以及所述词语言模型和第二发音字典，生成词网格；

步骤S110，根据所述拼音网格以及所述词网格计算所述词网格中各个词的置信度，得到一个新的词网格；

步骤S111，根据所述新的词网格，并结合所述视频内容，生成视频索引数据。

2.根据权利要求1所述的视频索引数据生成方法，其特征在于，所述步骤S101是利用网络爬虫抓取带所述视频内容的网页信息，并将所述网页中的所述视频内容和与所述视频内容相关的文本内容分别提取出来。

3.根据权利要求2所述的视频索引数据生成方法，其特征在于，所述步骤S101中获取文本内容是先获取所述网页的HTML文档，并把所述HTML文档转换为树形结构；再把所述树形结构的HTML文档中正文和预设模板中正文对应部分提取出来，作为所述文本内容；或者以所述HTML文档中段落为单位考查HTML页面内容，找到段落标记，将目标语言字符串最长的一段作为正文首选段落；再然后往上下文查找，直到字符串长度小于首选段落长度预设倍数时，停止搜索；将满足要求的段落汇总为所述文本内容。

4.根据权利要求1所述的视频索引数据生成方法，其特征在于，所述步骤S111包括如下步骤：把所述音频片段对应的所述拼音网格中的标记的时间信息和所述视频内容中的时间信息同步。

5.根据权利要求1所述的视频索引数据生成方法，其特征在于，所述视频索引数据生成方法进一步包括如下步骤：

所述声学模型自适应；对于属于同一个说话人类的所有所述音频片段对应的所述拼音网络，将所述拼音网格中的概率最大的候选结果作为对应所述音频片段的最佳识别结果，利用这个候选结果以及对应所述音频片段的特征矢量序列，作为相应的所述声学模型的更新的输入，实现所述声学模型的参数调整。