[发明专利]一种基于内容的视频分段方法

权利要求书

1.一种基于内容的视频分段方法，其特征在于包括以下步骤：

S01：由字幕文件提取出视频中的对话流S＝{s₁，s₂，s₃，...，s_n}，对话流S中的每一段对话s₁，s₂，s₃，...，s_n的开始时间B＝{b₁，b₂，b₃，...，b_n}，对话流S中的每一段对话s₁，s₂，s₃，...，s_n的结束时间E＝{e₁，e₂，e₃，...，e_n}；

S02：对于所有的相邻对话s_i，s_i-1，设定一个阈值λ，当b_i-e_i-1＜λ时，则令s_i，s_i-1归为同一段，从而将对话流S划分为m段，其中第i段由从第k句话开始，一共由l段连续的对话组成，即S_i＝{s_k，s_k+1，s_k+2，...s_k+l-1}；

S03：使用分词工具对每一句话s_k进行分词，去除非实词后得到s_k的词列表C_k＝{c_kl，c_k2，c_k3，...，c_kh}；

S04：通过以下公式求得任何两个句子s_x和s_y之间的相似度：

其中f(c_xi)为单词c_xi词向量，f(c_yi)为单词c_yi词向量，由两个单词c_xi，c_yi的词向量的点积f(c_xi)f(c_yi)可以求得两个单词的相似度；

S05：对于所有的S_i，利用S04求得S_i中所有句子之间的相似度矩阵M_i，对M_i进行分割，得到对应对话的分割方案；

所述步骤S05中对M_i进行分割的方法为：

1)对M_i进行变换，首先，对M_i中任何一个值x都做以下变换：

其中g(x)是：

然后对变换后的M_i中任意一个值m_x，y都对其1*11的窗口作一个统计，即对{m_x，y-5，m_x，y-4，...，m_x，y+4，m_x，y+5}统计出小于m_x，y的值的个数，以小于m_x，y的值的个数替换掉m_x，y；

2)对替换后的M_i进行分割，分割方法如下：

首先，定义一个分割方案的准确性：令a_x，y＝(y-x+1)²，假设对S_i进行划分后得到分割方法BF＝{bf₁，bf₂，...，bf_p}，然后依照分割方法BF，可以计算方法BF的准确性：

其中，t_k和a_k分别表示分割方法BF中第k个分割的t_x，y值和a_x，y值；分割是一个迭代的过程，其中第k步的分割的方法如下：计算所有在上一次分割BF_k-1的情况下，再对其中任意可以分割的地方进行划分形成的分割方法BF′_k＝{BF′_k1，BF′_k2，BF′_k3，...BF′_kw}，计算出准确性D，取出BF′_k中D为最大的值的BF′_ku作为最优化分割方案BF_k；

3)由第2)步可以得到一系列的分割步骤BF₁，BF₂，BF₃...BF_g，对应的效率为D₁，D₂，D₃...D_g取出分割的提升δD_i＝D_i+1-D_i，在每一次分割后计算δD_i集合的均值μ和方差v，当时停止；

S06：对整个视频利用视频的图像特征提取边缘镜头；

S07：在步骤S01中字幕文件的对话流S找到的分段处附近找寻最适合的分割镜头：如果文本在视频中的分段处为一段时间，则在该段时间中寻找变化最大的镜头作为分割镜头；如果该段时间中不存在边缘镜头，则选取离该段时间最近的镜头作为分割镜头；如果文本在视频中的分段处为一帧，则选取距离该帧最接近的镜头作为分割镜头。