[发明专利]一种短视频音乐推荐方法

说明书

本发明是短视频音乐推荐方法，包括：一：训练视频分类模型；二：转换音乐为同一个格式，并选择音乐特征组合提取音乐特征，得到音乐库特征集；三：获取音乐的V‑A真值，并根据视频集内容标签为音乐贴标签；四：输入多标签分类算法和情感回归算法进行训练，将待分析音频预处理并提取特征之后，输入上面两个模型中，预测出内容标签和V‑A值；五：模型、内容标签和V‑A值成为短视频音乐推荐系统的后台数据。本发明的优点：集合了待配乐视频类别及用户对音乐的情感需求等多方位功能，可满足多方需求；适用范围广，适用于不同视频和音乐类型，可自行添加音乐库，满足不同用户的性化使用；后台数据和模型可实时训练更新，满足不同时期的流行需求。

技术领域

本发明涉及的是一种短视频音乐推荐方法，属于电子信息技术领域。

背景技术

随着通信技术的不断升级，智能设备的不断更新换代，当今世界是短视频横行的世界，人们随处可拍，即时编辑制作，快速上传传播。面对这一现象，也会有更多新的视频制作需求涌现，在视频制作过程中，为视频选择合适的配乐对视频最终的效果以及传播范围影响很大，因此，音乐的选择和推荐是不可缺少的一环。

由于现在的音乐种类繁多，类型也多样，现有技术中的短视频app、短视频制作个人或工作室，在视频配乐方面基本都是依赖于制作者本身的音乐素养和视频制作经验。配乐对于短视频最终的效果影响很大，但专业方面的人才往往很少，且对于大众而言，难度很大，门槛比较高。

发明内容

本发明提出的是一种短视频音乐推荐方法，其目的旨在克服现有技术存在的上述不足，实现有效且简单的根据短视频的内容推荐不同类型的音乐，并且可让用户自由选择不同情绪的音乐。

本发明的技术解决方案：一种短视频音乐推荐方法，该方法包括以下步骤：

第一步：用带内容标签的视频集，训练视频分类模型；

第二步：转换用以训练模型的音乐库中的音乐文件格式为同一个所需要的格式，并选择合适的音乐特征组合，提取出音乐的特征，得到音乐库中每首音乐的特征集；

第三步：获取音乐的V-A真值，并根据第一步中视频集的内容标签为音乐贴标签，得到贴好内容标签的音乐集；

第四步：根据第二步中得到的音乐库特征集和第三步中得到的V-A真值输入情感回归算法训练得到音乐情感预测模型，将第三步中贴好内容标签的音乐集和V-A真值输入多标签分类算法训练得到基于V-A预测内容的模型，保存这两个模型；将待分析音频库按照第二步预处理并提取特征之后，将待分析音频库中每一个音乐文件的特征依次输入上面训练出来的两个模型中，预测出内容标签和V-A值，结果表示为(songid、label、Valence、Arousal)。

第五步：由第一～四步所计算出来的模型和第四步预测出的内容标签和V-A值，成为短视频音乐推荐系统的后台和数据，以便用户根据视频内容推荐合适的配乐。

优选的，所述的第一步中带内容标签的视频集由志愿者打分或从网上下载。

优选的，所述的第二步中转换音乐库中的音乐文件格式为22050Hz,16bits,andmono channel PCM WAV，利用Marsyas、MIRToolbox for Matlab、PsySound或openSMILE方法选择合适的音乐特征组合，音乐的特征包括：音乐的音色特征，即MFCC梅尔频率倒谱系数、DWCHs小波系数直方图、SC光谱对比度和SSDs统计频谱描述特征；韵律特征，即节拍、旋律和频率；强度特征，即音高、响度和子带能量。

优选的，所述的第三步中音乐的V-A真值由MTurk网站或者个人组织志愿者进行打分得到，V、A值域为(-1,1)。

优选的，所述的第五步中，短视频音乐推荐系统根据视频内容推荐合适的配乐的方法，包括以下步骤：