[发明专利]一种视频数据的处理方法和装置

权利要求书

1.一种视频数据的处理方法，其特征在于，包括：

获取待处理的视频元数据；

根据预设的视频转码规则和视频转码参数，对所述视频元数据进行转码处理，获得视频转换信息；所述视频转换信息包括转码后的目标视频文件；

根据预设的提取参数，对所述目标视频文件进行图像采样获得采样图像集合信息，对所述目标视频文件进行音频数据提取、切分，获得音频片段集合信息；

对所述采样图像集合信息进行处理，获得图像文本信息和物品信息；

对所述音频片段集合信息进行处理，获得语音文本信息；

依据所述采样图像集合信息和所述图像文本信息，按照图像相似度计算方法，对所述采样图像集合信息进行聚类分组，获得多个视频场景；

根据所述多个视频场景、物品信息和语音文本信息，生成语义标签和上下文特征信息。

2.根据权利要求1所述的视频数据的处理方法，其特征在于，所述视频元数据包括：视频名称、用户标签和源文件。

3.根据权利要求1所述的视频数据的处理方法，其特征在于，预设的视频转码参数包括：视频解码和编码参数、音频解码和编码参数、转码分辨率参数、存储路径以及文件系统相关参数。

4.根据权利要求1所述的视频数据的处理方法，其特征在于，预设的提取参数包括：图像采样率参数、图像采样分辨率参数、音频提取参数、音频切分率参数、存储路径以及文件系统相关参数。

5.根据权利要求4所述的视频数据的处理方法，其特征在于，

所述采样图像集合信息包括：采样图片文件、采样图片对应的视频帧目以及采样图片对应的视频播放时间；

所述音频片段集合信息包括：切分音频文件、切分音频对应的视频起始帧目以及切分音频对应的视频播放起始时间。

6.根据权利要求1-5任一项所述的视频数据的处理方法，其特征在于，所述对所述采样图像集合信息进行处理，获得图像文本信息和物品信息包括：

使用光学识别技术逐一对所述采样图像集合信息中，图像所包含的文本信息进行识别、提取，获得图像文本信息；

使用深度学习图像识别技术逐一对所述采样图像集合信息中，图像所包含的特型物品进行识别、提取，获得物品信息。

7.根据权利要求1-5任一项所述的视频数据的处理方法，其特征在于，所述对所述音频片段集合信息进行处理，获得语音文本信息包括：

使用语音识别技术逐一对所述音频片段集合信息中的人类语音信息进行识别、提取，获得语音文本信息。

8.根据权利要求1-5任一项所述的视频数据的处理方法，其特征在于，所述依据所述采样图像集合信息和所述图像文本信息，按照图像相似度计算方法，对所述采样图像集合信息进行聚类分组，获得多个视频场景包括：

对所述采样图像集合信息中的图像按固定比率进行缩放，并计算相邻两张图片的汉明距离，获得所述采样图像集合信息进行聚类分组的第一信息参数；

对所述图像文本信息统一编码，并计算相邻图像文本信息的编辑距离，获得所述采样图像集合信息进行聚类分组的第二信息参数；

对所述第一信息参数、所述第二信息参数进行加权合并，并采用线性函数进行拟合，按照斜率的变化规律进行分段，获得多个视频场景。

9.根据权利要求6所述的视频数据的处理方法，其特征在于，所述物品信息包括：特型物品名称和特型物品标签。