[发明专利]视频分析方法及装置

权利要求书

1.一种视频分析方法，其特征在于，包括：

对视频进行镜头分割，得到所述视频的各个分镜片段；

对于任意一个分镜片段，对所述分镜片段的音频进行语音识别，得到所述音频的文字内容；

根据所述音频的文字内容，确定所述分镜片段的第一组标签；

对所述分镜片段的视频帧进行目标识别，得到所述分镜片段的目标识别结果；

根据所述目标识别结果，确定所述分镜片段的第二组标签；

根据所述第一组标签和所述第二组标签，确定所述分镜片段的标签。

2.根据权利要求1所述的方法，其特征在于，在确定所述分镜片段的标签之后，所述方法还包括：

在多个连续的分镜片段的标签相匹配的情况下，将所述多个连续的分镜片段合并为组合分镜片段；

根据所述多个连续的分镜片段的标签，确定所述组合分镜片段的标签。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

在多个连续的分镜片段具有N个以上相同的标签的情况下，确定所述多个连续的分镜片段的标签相匹配，其中，N为正整数。

4.根据权利要求1所述的方法，其特征在于，对所述分镜片段的视频帧进行目标识别，得到所述分镜片段的目标识别结果，包括：

对所述分镜片段的关键帧进行目标识别，得到所述分镜片段的目标识别结果。

5.根据权利要求1所述的方法，其特征在于，所述目标识别包括物体识别和人脸识别中的一种或两种。

6.根据权利要求1所述的方法，其特征在于，根据所述音频的文字内容，确定所述分镜片段的第一组标签，包括：

对所述音频的文字内容进行分词处理，得到分词结果；

将所述分词结果中的关键词作为所述分镜片段的第一组标签。

7.一种视频分析装置，其特征在于，包括：

镜头分割模块，用于对视频进行镜头分割，得到所述视频的各个分镜片段；

语音识别模块，用于对于任意一个分镜片段，对所述分镜片段的音频进行语音识别，得到所述音频的文字内容；

第一确定模块，用于根据所述音频的文字内容，确定所述分镜片段的第一组标签；

目标识别模块，用于对所述分镜片段的视频帧进行目标识别，得到所述分镜片段的目标识别结果；

第二确定模块，用于根据所述目标识别结果，确定所述分镜片段的第二组标签；

第三确定模块，用于根据所述第一组标签和所述第二组标签，确定所述分镜片段的标签。

8.根据权利要求7所述的装置，其特征在于，所述装置还包括：

合并模块，用于在多个连续的分镜片段的标签相匹配的情况下，将所述多个连续的分镜片段合并为组合分镜片段；

第四确定模块，用于根据所述多个连续的分镜片段的标签，确定所述组合分镜片段的标签。

9.根据权利要求8所述的装置，其特征在于，所述装置还包括：

第五确定模块，用于在多个连续的分镜片段具有N个以上相同的标签的情况下，确定所述多个连续的分镜片段的标签相匹配，其中，N为正整数。

10.根据权利要求7所述的装置，其特征在于，所述目标识别模块用于：

对所述分镜片段的关键帧进行目标识别，得到所述分镜片段的目标识别结果。

11.根据权利要求7所述的装置，其特征在于，所述目标识别包括物体识别和人脸识别中的一种或两种。

12.根据权利要求7所述的装置，其特征在于，所述第一确定模块包括：

分词处理子模块，用于对所述音频的文字内容进行分词处理，得到分词结果；

确定子模块，用于将所述分词结果中的关键词作为所述分镜片段的第一组标签。