[发明专利]视频处理方法、装置、电子设备及计算机存储介质

权利要求书

1.一种视频处理方法，包括：

获取待拆分视频中的多个镜头视频片段单位；

按照预设的多个拆分层级，和，各个拆分层级对应的镜头视频片段单位的相似度，将所述待拆分视频拆分为与多个拆分层级分别对应的不同粒度的场景视频片段，其中，所述拆分层级用于指示将所述待拆分视频进行不同场景粒度拆分的层数；

所述按照预设的多个拆分层级，和，各个拆分层级对应的镜头视频片段单位的相似度，将所述待拆分视频拆分为与多个拆分层级分别对应的不同粒度的场景视频片段，包括：

在各个所述拆分层级上，根据多个镜头视频片段单位之间的时序关系，将相似度满足各个所述拆分层级对应的预设相似度阈值的镜头视频片段单位进行聚合；

根据聚合结果，获得各个所述拆分层级对应的场景视频片段。

2.根据权利要求1所述的方法，其中，所述在各个所述拆分层级上，根据多个镜头视频片段单位之间的时序关系，将相似度满足各个所述拆分层级对应的预设相似度阈值的镜头视频片段单位进行聚合，包括：

针对各个拆分层级，按照对应的多个镜头视频片段单位之间的时序关系，获得片段间隔数量在预设数量范围内、且相似度满足当前拆分层级对应的所述预设相似度阈值的至少一个镜头视频片段集合；

对各个镜头视频片段集合中包含的镜头视频片段单位分别进行聚合。

3.根据权利要求2所述的方法，其中，所述获得片段间隔数量在预设数量范围内、且相似度满足当前拆分层级对应的所述预设相似度阈值的至少一个镜头视频片段集合，包括：

判断在与基准镜头视频片段单位相邻的预设数量的镜头视频片段单位中，是否存在与所述基准镜头视频片段单位的相似度满足当前拆分层级对应的所述预设相似度阈值的镜头视频片段单位；

若存在，则以所述镜头视频片段单位为新的基准镜头视频片段单位，并返回所述判断在与基准镜头视频片段单位相邻的预设数量的镜头视频片段单位中，是否存在与所述基准镜头视频片段单位的相似度满足当前拆分层级对应的所述预设相似度阈值的镜头视频片段单位的操作继续执行，直至判断结果为不存在满足所述预设相似度阈值的镜头视频片段单位；

将满足所述预设相似度阈值的多个基准镜头视频片段单位之间的镜头视频片段单位，划分为一个镜头视频片段集合。

4.根据权利要求3所述的方法，其中，所述方法还包括：

若不存在，则根据当前基准镜头视频片段单位生成一个镜头视频片段集合。

5.根据权利要求2所述的方法，其中，所述在各个所述拆分层级上，根据多个镜头视频片段单位之间的时序关系，将相似度满足各个所述拆分层级对应的预设相似度阈值的镜头视频片段单位进行聚合，包括：

针对每个拆分层级，按照多个镜头视频片段单位之间的时序关系，将相似度满足当前拆分层级对应的预设相似度阈值的镜头视频片段单位进行聚合，获得当前拆分层级对应的多个场景视频片段；

计算所述多个场景视频片段之间的相似度，并将当前拆分层级对应的多个场景视频片段确定为下一拆分层级的多个镜头视频片段单位；

根据计算的所述相似度和确定的所述多个镜头视频片段单位，对下一拆分层级进行镜头视频片段单位的聚合处理。

6.根据权利要求1-5任一项所述的方法，其中，所述镜头视频片段单位的相似度通过以下方式获得：

获取各个镜头视频片段单位的多模态特征；

根据各个镜头视频片段单位的多模态特征，获取各个镜头视频片段单位之间的相似度。

7.根据权利要求6所述的方法，其中，所述获取各个镜头视频片段单位的多模态特征，包括：

获取各个镜头视频片段单位的视觉特征、语音特征和文本特征；

对所述视觉特征、语音特征和文本特征进行组合，获得各个镜头视频片段单位的多模态特征。