[发明专利]视频索引数据的生成方法和系统

摘要

一种视频索引数据生成方法和装置，其首先获取视频内容和与视频内容相关的文本内容；然后对文本内容进行分类并根据分类结果选择恰当的拼音语言模型和词语言模型；然后将视频内容中的音频数据进行分段并进行说话人分类，根据说话人分类结果选择恰当的声学模型；根据所选择的声学模型以及根据文本内容选择的拼音语言模型和第一发音字典，生成拼音网格；再根据拼音网格和文本内容对应的词语言模型以及第二发音字典得到词网格，再然后根据拼音网格和词网格重新计算词网格置信度后得到新的词网格，最后将新的词网格和原始的视频内容结合，得到视频索引数据。通过所述视频索引数据，用户便可以方便且准确地通过文本关键字检索到相关的视频内容。

主权项

一种视频索引数据生成方法，其特征在于，包括如下步骤：步骤S101，获取视频内容和与视频内容相关的文本内容；步骤S102，通过预设的关键词，提取所述文本的特征参数，并对所述文本内容进行文本分类，得到所述文本内的分类信息；步骤S103，根据所述文本内的分类信息，从预设的语言模型库中选择对应的拼音语言模型和词语言模型；步骤S104，从所述视频内容中提取音频数据，并将所述音频数据分割为多个音频片段；步骤S105，提取得到每个所述音频片段的特征矢量；步骤S106，根据所述音频片段的特征矢量，以及预设的说话人模型库中的说话人模型，得到每个所述音频片段的说话人分类结果；步骤S107，根据所述音频片段对应的说话人分类结果从声学模型库中选择对应的声学模型；步骤S108，利用拼音识别器，根据每个所述音频片段的特征矢量和其对应的所述声学模型以及所述拼音语言模型和第一发音字典，生成拼音网格；步骤S109，通过词解码器，根据所述拼音网格以及所述词语言模型和第二发音字典，生成词网格；步骤S110，根据所述拼音网格以及所述词网格计算所述词网格中各个词的置信度，得到一个新的词网格；步骤S111，根据所述新的词网格，并结合所述视频内容，生成视频索引数据。