[发明专利]音视频数据处理方法、设备及存储介质

权利要求书

1.一种音视频数据处理方法，其特征在于，包括：

接收来自智能设备的第一用户的音视频数据；

获取所述音视频数据中的所述第一用户的面部图像和所述第一用户的语音数据，以及获取所述语音数据对应的文本数据；

基于所述文本数据对所述第一用户的情绪进行打分，得到第一情绪分数；

基于所述面部图像对所述第一用户的情绪进行打分，得到第二情绪分数；

基于所述语音数据对所述第一用户的情绪进行打分，得到第三情绪分数；

基于所述第一情绪分数的权重、所述第二情绪分数的权重以及所述第三情绪分数的权重，对所述第一情绪分数、所述第二情绪分数以及所述第三情绪分数进行加权求和，得到所述第一用户的总情绪分数，其中，所述第一情绪分数的权重和所述第三情绪分数的权重均大于所述第二情绪分数的权重；

根据所述总情绪分数确定所述智能设备的目标使用场景，以使所述智能设备进入所述目标使用场景用以向所述第一用户推送情绪引导信息；

其中，基于所述语音数据对所述第一用户的情绪进行打分，得到第三情绪分数，包括：根据所述语音数据，确定所述文本数据中的每个句子末尾的标点符号；若所述文本数据中存在末尾是预定标点符号的句子，则根据与所述预定标点符号对应的用户情绪标签，确定所述第三情绪分数；

其中，根据所述语音数据，确定所述文本数据中的每个句子末尾的标点符号，包括：将所述每个句子作为待处理句子，并执行如下的步骤：在所述文本数据中获取所述待处理句子的下一个句子；对于所述待处理句子在所述语音数据中的开始时刻以及所述下一个句子在所述语音数据中的结束时刻，确定所述开始时刻与所述结束时刻之间的时间间隔；在所述语音数据中获取与所述待处理句子对应的语音片段；提取所述语音片段的声音特征；根据所述时间间隔和所述声音特征，确定所述待处理句子末尾的标点符号。

2.根据权利要求1所述的方法，其特征在于，还包括：

若所述总情绪分数在危险情绪分数范围内，则控制所述智能设备发出危险情绪的告警提示信息和/或向与所述第一用户关联的第二用户发送用于表示所述第一用户在危险情绪下的告警提示信息。

3.根据权利要求1所述的方法，其特征在于，基于所述文本数据对所述第一用户的情绪进行打分，得到第一情绪分数，包括：

根据所述文本数据的内容所属的领域，确定所述文本数据的内容主题；

在所述文本数据中获取与所述内容主题相关的至少一个形容词；

在所述文本数据的内容所属的领域对应的形容词语料数据中，查询所述至少一个形容词中的每个形容词的情绪分数；

对所述至少一个形容词的情绪分数进行求和，将所述述至少一个形容词的情绪分数的求和结果作为所述第一情绪分数。

4.根据权利要求1所述的方法，其特征在于，基于所述文本数据对所述第一用户的情绪进行打分，得到第一情绪分数，包括：

根据所述文本数据中的每个句子的内容，确定所述每个句子的情感值；

根据所述每个句子在所述文本数据中的位置，确定所述每个句子的权重；

基于所述每个句子的权重，对所述文本数据的所有句子的情感值进行加权求和，将加权求和的结果作为所述第一情绪分数；

其中，根据所述文本数据中的每个句子的内容，确定所述每个句子的情感值，包括：对于所述每个句子执行如下的步骤：

获取所述句子中的多个形容词；

根据所述多个形容词中的每个形容词的褒贬性，确定所述每个形容词的情感值；

根据所述每个形容词在所述句子中的位置，确定所述每个形容词的权重；

基于所述每个形容词的权重，对所述多个形容词的情感值进行加权求和，得到所述句子的情感值。

5.根据权利要求1所述的方法，其特征在于，基于所述语音数据对所述第一用户的情绪进行打分，得到第三情绪分数，包括：

从所述语音数据中提取所述第一用户的声音特征，其中，所述声音特征包括以下的一项或多项：响度、音调、音色；

对所述声音特征进行分析，得到用户情绪标签；

将与所述用户情绪标签对应的分数作为所述第三情绪分数。