[发明专利]基于视频的内容生成方法、装置、电子设备及存储介质

权利要求书

1.一种基于视频的内容生成方法，包括：

将视频进行切帧处理，以获取所述视频中包含的图片序列；

对所述图片序列中的每个所述图片进行文字识别，以确定每个所述图片中包含的文本信息及所述文本信息在所述图片中的位置；

根据每个所述图片中包含的文本信息和/或所述文本信息在所述图片中的位置，确定所述视频中包含的关键图片；

根据所述图片序列中包含的图片的顺序，将各个所述图片中包含的文本信息进行融合，以生成文本内容；

根据所述关键图片中包含的文本信息在所述文本内容中的位置，将所述关键图片插入所述文本内容中，以生成与所述视频对应的目标内容；

所述将各个所述图片中包含的文本信息进行融合，以生成文本内容，包括：

确定每相邻的两个文本信息间的语义关联度；

根据所述语义关联度及所述两个文本信息对应的两个图片间的时间间隔，确定每相邻的两个文本信息间的标点符号的类型；

当所述两个文本之间同时存在根据语义关联度确定的标点符号和根据两个图片的时间间隔确定的标点符号时，将所述根据两个图片的时间间隔确定的标点符号确定为所述两个文本之间的标点符号；

基于每相邻的两个文本信息间的标点符号的类型，将各个所述图片中包含的文本信息进行融合，以生成所述文本内容。

2.如权利要求1所述的方法，其中，所述根据每个所述图片中包含的文本信息和/或所述文本信息在所述图片中的位置，确定所述视频中包含的关键图片，包括：

在多个相邻的图片中包含的文本信息相同的情况下，确定所述多个相邻的图片中的任一图片为关键图片；

或者，在任一图片中包含的文本信息在所述图片中的预设位置的情况下，确定所述任一图片为关键图片。

3.如权利要求2所述的方法，其中，在所述确定所述视频中包含的关键图片之后，还包括：

对所述关键图片进行人脸识别，以确定所述关键图片中是否存在人脸区域及所述人脸区域的清晰度；

在所述关键图片中未包含人脸区域的情况下，保留所述关键图片；

在所述关键图片中包含人脸区域、且所述人脸区域的清晰度大于或等于阈值的情况下，保留所述关键图片；

在所述关键图片中包含人脸区域、且所述人脸区域的清晰度小于所述阈值的情况下，丢弃所述关键图片。

4.如权利要求1所述的方法，其中，在所述将各个所述图片中包含的文本信息进行融合，以生成文本内容之前，还包括：

将每个所述图片中包含的文本信息进行去重处理，以获取待融合的文本信息。

5.如权利要求1-4任一所述的方法，其中，所述将各个所述图片中包含的文本信息进行融合，以生成文本内容，包括：

将每相邻的两个文本信息输入预设的网络模型，以根据所述网络模型的输出，确定所述两个文本信息间的标点符号的类型；

基于每相邻的两个文本信息间的标点符号的类型，将各个所述图片中包含的文本信息进行融合，以生成所述文本内容。