[发明专利]一种基于视频内容的分类聚合方法及装置

说明书

本发明属于视频内容分类技术领域，具体涉及一种基于视频内容的分类聚合方法及装置，其中方法包括：S1：逐帧处理视频流，得到视频字幕；S2：对视频字幕中每个句子进行分词和词性标注，并保留指定词性的单词构成候选关键词；S3：构建关键词图模型，并将S2中的候选关键词添加至图模型中构成图模型的节点；S4：计算关键词图模型中各节点的权重，并获取若干节点以构成候选标签；若候选标签形成相邻词组，则组合多词标签；S5：选取步骤S4中的候选标签或多词标签作为视频流的标签。通过上述步骤，能够有效对视频流进行分类，大大提高了视频搜索的灵活性及个性化，优化搜索的结果，增强搜索结果的精确度。

技术领域

本发明属于视频内容分类技术领域，具体涉及一种基于视频内容的分类聚合方法及装置。

背景技术

视频在视觉上是一系列连续图像的集合，是一种没有结构的图像流。由于视频缺乏索引信息，人们无法对它进行高效浏览和检索。为了辅助人们快速寻找感兴趣的视频片段，除了采取“快进”和“快倒”这种耗时的方式进行线性浏览，很多的视频还标注有标签。而标签则需要根据视频的内容(即字幕)而定，即需要通过对饰品字幕进行检测和提取。

视频字幕检测和提取一般包括视频字幕定位、提取和识别，现有的视频字幕定位方法中通常会默认字幕处于屏幕的下四分之一，即宽为M，高为3N/4至N的区域为字幕区域，但是当某些非常规视频出现时，如视频字幕出现在屏幕上方或两侧时，依旧采用固有的字幕提取范围可能会导致字幕定位不准确而无法提取或提取到不完整字幕等情况的出现。现有的视频字幕提取方法则面临三大问题：第一，视频图像的复杂背景使字幕提取和分割极其困难。第二，为避免遮挡图像的主体部分，许多视频字符的尺寸都相当小，分辨率低。第三，数字视频采用有损压缩方式的格式存贮，再次降低了其分辨率。对于上述问题以及字幕字体、大小和对齐排列方式多变，成像存在噪音、模糊、透视、字体格式种类繁多等情况，本发明所提出的视频字幕提取算法要比其它边缘检测定位算法准确率高。

此外，目前现有的视频分类方法大多是通过特征提取并训练序列模型来实现对视频的粗分类。面对海量的视频信息，传统的人工分类方法已经远远不能满足现在的需求，一是耗费大量的时间，人力和物力。二是不同的人员语言素质也不同，分类出来的效果无法达到一致性，不够规范。

因此，针对以上不足，本发明急需提供一种视频字幕的处理方法及处理装置。

发明内容

本发明的目的在于提供一种视频字幕的处理方法及处理装置，以解决现有技术中视频字幕的提取方法费时费力且正确率低的问题。

一方面，本发明提供的基于视频内容的分类聚合方法，包括：S1：逐帧处理视频流，按照每帧图像的时序依次排列获取的图像文本，得到视频字幕；S2：对视频字幕中每个句子进行分词和词性标注，并保留具有指定词性的单词以构成候选关键词；S3：构建关键词图模型，并将S2中的候选关键词添加至图模型中构成图模型的节点；S4：计算关键词图模型中各节点的权重，并按照权重大小的顺序获取若干节点以构成候选标签；若候选标签形成相邻词组，则组合多词标签；S5：选取步骤S4中的候选标签或多词标签作为视频流的标签。

如上所述的基于视频内容的分类聚合方法，进一步优选为，S4包括：S41：采用共现关系构造任意两个节点之间的边，并将存在边的两个节点添加至图模型中以构成一个无向无权边图；S42：确认无向无权边图中任意节点的词语位置、词性和领域特征的权重分配，通过多特征融合得出综合权重。

如上所述的基于视频内容的分类聚合方法，进一步优选为，S42中，各节点的综合权重采用下列公式进行计算：

式中，WS(V_i)表示节点V_i的权重，WS(V_j)表示节点V_j的权重；

d为阻尼因子，表示图中任意一个节点跳转到其他节点的概率值；