[发明专利]一种视频数据的处理方法和装置

说明书

本申请提供一种视频数据的处理方法和装置。方法包括：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，对视频元数据进行转码处理，获得视频转换信息；根据预设的提取参数，对目标视频文件进行图像采样获得采样图像集合信息、进行音频数据提取、切分，获得音频片段集合信息；对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；对音频片段集合信息进行处理，获得语音文本信息；对采样图像集合信息进行聚类分组，获得多个视频场景；根据多个视频场景、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。本申请可以自动且高效而精准地对海量视频数据进行场景切分和语义关联，提高了用户触达视频数据的精准度和效率。

技术领域

本申请涉及多媒体视频信息处理技术领域，尤其涉及一种视频数据的处理方法和装置。

背景技术

随着网络通讯技术和互联网技术的飞速发展，越来越多的多媒体视频数据应运而生，这些海量的视频数据以丰富的内容给人们的生活带来了巨大的便利。其中有较大部分的视频数据用于在线教育和在线培训，这部分视频数据本身就包含非常丰富的信息量，如视频中存在培训教师演讲的PPT投影内容、用于演示的实验器材、培训教师演讲的语音描述等，这些内容的信息量包含用户所关心的焦点，但是却以复杂编码的方式存在于视频站点之中，目前并没有很精确有效的方法和应用，能让用户快速触达到其所关心的视频内容焦点上。

目前而言，对于多媒体视频的描述信息，主要还是由人工定义的标题、标签、以及视频文件格式、播放时长、分辨率、音频视频码率等视频元数据组成，拥有语义的部分仅限于人工定义的标题、标签、内容简介等。这些描述信息是无法满足用户更精准触达内容的需求。而且，当面对海量视频文件时，人工定义标题、标签等会有标准较为主观和处理效率低下的缺点。

因此，目前急需一种视频数据的处理方法，能够快速和精准地提取海量视频数据，并能够对海量的视频数据进行场景切分和语义化定义，从而提高在各种视频应用场景中用户触达的精准度和效率。

发明内容

有鉴于此，本申请提供一种视频数据的处理方法和装置，能够快速和精准地提取海量视频数据，并能够对海量的视频数据进行场景切分和语义化定义，从而提高在各种视频应用场景中用户触达的精准度和效率。技术方案如下：

基于本申请的一方面，本申请提供一种视频数据的处理方法，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。

优选地，所述视频元数据包括：视频名称、用户标签和源文件。

优选地，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。

优选地，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。

优选地，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、采样图片对应的视频播放时间；