[发明专利]一种视频字幕识别方法及系统

说明书

技术领域

本发明涉及视频技术领域，尤其涉及视频字幕识别方法及系统。

背景技术

伴随信息技术和通讯技术的不断发展，大量广播视频信息不断涌现，比如各类新闻报道、电视剧目、网络视频等，使得广播电视视频逐渐成为人们获取日常信息的一种重要媒介。根据2014年国家统计局发布的数据显示，截至2014年，我国广播电视节目综合人口覆盖率已达到98.60％，成为世界上覆盖人口最多、公众信息传送量最大，有线、无线、卫星等多种现代技术手段并用的广播电视网络。可以看出，面向三网融合的广播电视新媒体的内容管理与分发，具有巨大的社会效益和商业价值。

广播视频中的字幕字符是一种高级语义信息，能够为媒体内容管理与分发提供重要的辅助信息，若能将广播电视新媒体的视频字符准确识别出来，这将对分析视频字幕了解视频属性具有重大意义。

目前在视频字幕识别领域，通常是直接从视频流里面解码得到字幕信息，然后将得到的字幕直接与预设的字幕进行比对测试，测试对象单一；对提取出来的文本信息大都通过人眼比对的形式进行测试，采用人工方式进行识别率的计算，效率低下，且准确性得不到认可；对于不同字体大小、不同字体种类的识别效果的测试程序也非常麻烦；同时由于视频字幕背景复杂，识别引擎难以全部有效识别，识别率很难提升。

发明内容

为了解决上述技术问题，本发明提出了视频字幕识别方法及系统。

本发明是以如下技术方案实现的：

一种视频字幕识别方法，包括：

将原始字幕文本中的字符渲染生成字幕图片，将所述字幕图片叠加至无字幕源视频中，编码生成字幕视频；

从所述字幕视频中提取出新的字幕文本，所述新的字幕文本为测试字幕文本；

比对所述字幕视频中的字符与所述原始字幕文本，并输出对应的识别率；

其中，所述字幕图片为一种样式或多种样式，所述多种样式为不同字号和/或不同字体的样式，相同的样式保存在相同的测试字幕文本中。

一种视频字幕识别系统，包括：

视频生成模块，用于将原始字幕文本中的字符渲染生成字幕图片，将所述字幕图片叠加至无字幕源视频中，编码生成字幕视频；

字幕提取模块，用于从所述字幕视频中提取出新的字幕文本，所述新的字幕文本为测试字幕文本；

文本对比模块，用于比对所述测试字幕文本与原始字幕文本，并输出对应的识别率；

其中，所述字幕图片为一种样式或多种样式，所述多种样式为不同字号和/或不同字体的样式，相同的样式保存在相同的测试字幕文本中。

本发明提供的视频字幕识别方法及系统，有益效果是：能够对原始字幕文本进行渲染，提取出一种或多种不同样式字幕作为测试对象，测试范围广；通过算法自动比对测试字幕文本与原始字幕文本，识别效率明显得到提升。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是实施例一提供的视频字幕识别方法的流程图；

图2是实施例一中的字号为28、字体为黑体的字幕视频图像；

图3是实施例一中的字号为32、字体为黑体的字幕视频图像；

图4是实施例一中的字号为28、字体为简准圆的字幕视频图像；

图5是实施例一中的字号为32、字体为简准圆的字幕视频图像；

图6是实施例二提供的视频字幕识别方法的流程图；

图7是实施例二提供的对错误字符进行判断的流程图；

图8是实施例三提供的视频字幕识别方法的流程图；

图9是实施例四提供的视频字幕识别系统的结构框图；

图10是实施例五提供的视频字幕识别系统的结构框图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。