[发明专利]一种基于深度学习的字幕叠加截图的实现方法

权利要求书

1.一种基于深度学习的字幕叠加截图的实现方法，其特征在于：包括以下步骤：

步骤1：在视频上选择字幕叠加截图的视频区间；

步骤2：在所述视频区间的每一帧图像上定位并剪裁出字幕；

步骤3：对所有字幕进行分段并抽取每段字幕中的关键帧；

步骤4：对所述关键帧进行相似度计算，利用计算结果进行对比去重，得到最终字幕；

步骤5：将视频区间的首帧画面与最终字幕依次进行拼接，得到字幕叠加截图；

所述步骤4具体为：

S41：对相邻关键帧进行相似度计算，得到第一相似度；

S42：利用k-means算法对相邻关键帧进行对比，得到第二相似度；

S43：利用第一相似度和第二相似度判断相邻关键帧是否相似，若相似，则进行去重操作，只保留相邻关键帧中的其中一帧；反之，两帧均保留；

所述步骤S42具体为：

S421：将亮度等级按相邻原则分为k个色组，利用k-means算法对关键帧进行聚类，得到每个关键帧中k个色组的像素点数目，其中关键帧中数目最接近的色组为主色组；

S422：依次提取每个关键帧中主色组的像素点形成集合，该集合即为纯净度较高的字幕；

S423：利用相邻帧的像素点集合进行比对，得到第二相似度。

2.根据权利要求1所述的一种基于深度学习的字幕叠加截图的实现方法，其特征在于：所述步骤1具体为：在视频上选择入点作为所述视频区间的起始帧，选择出点作为所述视频区间的结束帧。

3.根据权利要求1所述的一种基于深度学习的字幕叠加截图的实现方法，其特征在于：所述步骤2具体为：

S21：构建卷积神经网络并利用所述视频区间的每一帧图像进行训练，得到所述视频区间所有帧图像上字幕最顶端和最低端的坐标参数；

S22：利用所述坐标参数得到字幕的最优坐标参数；

S23：利用所述最优坐标参数剪裁出视频区间每一帧图像上的字幕。

4.根据权利要求1所述的一种基于深度学习的字幕叠加截图的实现方法，其特征在于：所述步骤3具体为：

S31：利用转场技术对所有字幕依次进行转场识别，标注转场帧位置；

S32：利用转场帧对字幕进行初分段；

S33：从每一段字幕中抽取一帧字幕作为该段字幕的关键帧。