[发明专利]带字幕视频人声分离方法、装置、存储介质及电子设备

权利要求书

1.一种带字幕视频人声分离方法，其特征在于，包括步骤：

S1、获取带字幕视频对应的视频帧图像，确定所述视频帧图像的字幕区域；

S2、识别所述字幕区域的字幕内容；

S3、获取出现所述字幕内容开始帧和结束帧的时间确定所述字幕内容在所述带字幕视频的起始时间和结束时间；

S4、根据所述字幕内容在所述带字幕视频的起始时间和结束时间获取与所述带字幕视频中同步的音频。

2.根据权利要求1所述的带字幕视频人声分离方法，其特征在于，所述步骤S1中确定所述视频帧图像的字幕区域还进一步对所述字幕区域的背景进行黑化处理，同时使字幕变成白色。

3.根据权利要求1所述的带字幕视频人声分离方法，其特征在于，所述步骤S2通过ocr字符识别技术识别所述字幕内容。

4.根据权利要求1所述的带字幕视频人声分离方法，其特征在于，所述步骤S1中对所述视频帧图像按照时间顺序进行标注，并记录出现所述视频帧图像的时间。

5.根据权利要求1所述的带字幕视频人声分离方法，其特征在于，所述步骤S3中根据出现所述字幕内容开始帧和结束帧的时间是通过按照时间顺序依次比较前后帧的视频帧图像的字幕内容，出现连续相同的字幕内容则记录所述字幕内容开始帧和结束帧的时间。

6.根据权利要求1所述的带字幕视频人声分离方法，其特征在于，所述步骤S3中，所述字幕内容开始帧和结束帧，是指所述字幕内容对应的句子或段落的开始帧和结束帧；所述步骤S4中的获取的音频，是指所述句子或所述段落对应的音频。

7.根据权利要求1所述的带字幕视频人声分离方法，其特征在于，当所述步骤S1中无字幕区域出现时，则停止步骤S2、S3和S4的进行。

8.一种带字幕视频人声分离装置，其特征在于，包括：

图像获取模块，用于获取带字幕视频对应的视频帧图像；

字幕获取模块，用于获取所述视频帧图像的字幕区域；

字幕识别模块，用于识别所述字幕区域的字幕内容；

时间确定模块，用以获取相同字幕内容开始帧和结束帧的时间；

音频获取模块，用于获取与所述字幕内容同步的音频。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令在由处理器执行时，执行权利要求1-6中任意一项所述带字幕视频人声分离方法。

10.一种电子设备，其特征在于，所述电子设备包括：

存储器，用于存储指令；以及

处理器，用于调用所述存储器存储的指令执行权利要求1-6中任意一项所述带字幕视频人声分离方法。