[发明专利]数据收集方法、装置、存储介质及电子设备

权利要求书

1.一种数据收集方法，其特征在于，所述方法包括：

从目标视频中获取多个目标视频帧图像；

对所述多个目标视频帧图像进行OCR识别，以确定各个所述目标视频帧图像包含的第一文本和所述第一文本的文本位置信息，所述第一文本的文本位置信息用于指示所述第一文本在目标视频帧图像中出现的位置，每一所述第一文本对应有在所述目标视频中的第一出现时刻；

根据各个所述文本位置信息，确定所述目标视频的字幕区域；

根据所述字幕区域、所述第一文本和所述第一文本的文本位置信息，确定第二文本，所述第二文本取自文本位置信息所指示的位置处于所述字幕区域内的第一文本；

将所述第二文本确定为所述目标视频的文本语料；

所述根据所述字幕区域、所述第一文本和所述第一文本的文本位置信息，确定第二文本，包括：将文本位置信息所指示的位置处于所述字幕区域内的第一文本确定为所述第二文本；或者，

所述根据所述字幕区域、所述第一文本和所述第一文本的文本位置信息，确定第二文本，包括：将文本位置信息所指示的位置处于所述字幕区域内的第一文本确定为第三文本；若存在第一出现时刻相邻、且文本相似度大于预设相似度阈值的多个第三文本，将其中文本长度最长的第三文本确定为所述第二文本；若第三文本中存在预设字符，则将所述第三文本中的所述预设字符删除，并将删除所述预设字符后所得到的文本确定为所述第二文本。

2.根据权利要求1所述的方法，其特征在于，所述从目标视频中获取多个目标视频帧图像，包括：

按照预设时间间隔对所述目标视频进行抽帧处理，以获得所述多个目标视频帧图像。

3.根据权利要求1所述的方法，其特征在于，所述根据各个所述文本位置信息，确定所述目标视频的字幕区域，包括：

根据各个所述文本位置信息，确定字幕位置，其中，所述字幕位置为各个所述文本位置信息所指示的位置中、出现次数最多的位置，或者，所述字幕位置为各个所述文本位置信息所指示的位置中、出现次数占所有位置的比例超过预设比例阈值的位置；

根据所述字幕位置，确定所述目标视频的字幕区域。

4.根据权利要求3所述的方法，其特征在于，所述根据所述字幕位置，确定所述目标视频的字幕区域，包括：

将所述字幕位置周边预设范围所对应的区域确定为所述字幕区域。

5.根据权利要求1所述的方法，其特征在于，所述文本语料由多个所述第二文本构成，且每一所述第二文本对应有在所述目标视频中的第二出现时刻；

所述方法还包括：

对所述文本语料进行划分，得到目标语料片段；

根据目标语料片段中包含的第二文本在所述目标视频中的第二出现时刻，确定所述目标语料片段在所述目标视频中对应的初始起始时刻和初始结束时刻；

以所述初始起始时刻为时间起点、并以所述初始结束时刻为时间终点，从所述目标视频中获取目标音频片段；

利用预设的时间对齐工具，对所述目标语料片段和所述目标音频片段进行时间对齐，以获得所述目标语料片段在所述目标视频中对应的目标起始时刻和目标结束时刻。

6.根据权利要求5所述的方法，其特征在于，所述预设的时间对齐工具为alignment工具；

所述利用预设的时间对齐工具，对所述目标语料片段和所述目标音频片段进行时间对齐，以获得所述目标语料片段在所述目标视频中对应的目标起始时刻和目标结束时刻，包括：

将所述alignment工具的beam参数设置为第一数值，对所述目标语料片段和所述目标音频片段进行第一次对齐，之后，将所述alignment工具的beam参数设置为第二数值，对所述目标语料片段和所述目标音频片段进行第二次对齐，以获得所述目标语料片段在所述目标视频中对应的目标起始时刻和目标结束时刻，其中，所述第一数值小于所述第二数值。