[发明专利]多媒体数据分割方法和装置

说明书

技术领域

本发明涉及多媒体技术领域，特别是涉及一种多媒体数据分割方法及装置。

背景技术

多媒体技术对信息传递起着至关重要的作用。相对于文本数据，多媒体数据由于能够同时包括音频数据和视频数据，所以能够生动形象地传递大量的信息，比如，一期新闻节目或一集电视剧节目等。但由于多媒体数据的数据量通常较大，且一个多媒体数据中可能是包括多个不同主题的信息，比如一期新闻节目中可能包括多个主题的新闻片段，不利于信息的传递，所以，为了便于信息传递，需要一种多媒体数据分割方法。

现有技术中，可以提取多媒体数据中的视频数据，通过镜头检测、主持人画面检测、字幕检测等方式，将该视频数据划分为视频片段，相邻视频片段之间的临界时刻即为视频分割点，然后按照该视频分割点，对该多媒体数据进行分割，从而将一个数据量较大的多媒体数据分割为多个较小的多媒体数据，或者，将一个包括多个主题的多媒体数据分割为多个包括单个主题的多媒体数据。

但由于视频分割点是仅根据视频数据确定的分割点，而多媒体数据中还包括音频数据，所以根据该视频分割点对该多媒体数据进行分割，可能导致音频数据所表示的语义不连贯，比如将一段完整的乐曲分割开来，或者将一段完整的对话分割开来等。因此，根据该视频分割点对该媒体数据进行分割的准确性较低。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的多媒体数据分割方法及装置。

依据本发明的一个方面，提供了多媒体数据分割方法，包括：

从待分割的多媒体数据中提取音频数据和视频数据；

将所述音频数据划分为静音片段和非静音片段，将相邻的所述静音片段与所述非静音片段之间的临界时刻确定为音频分割点；

将所述视频数据划分为视频片段，将相邻的所述视频片段之间的临界时刻确定为视频分割点；

根据所述音频分割点和所述视频分割点，对所述多媒体数据进行分割，得到多媒体数据段。

可选的，所述将所述音频数据划分为静音片段和非静音片段包括：

将所述音频数据划分为音频处理单元；

检测所述音频处理单元的音频类型，所述音频类型包括静音类型和非静音类型；

根据所述音频类型，对划分的音频处理单元进行合并，得到所述静音片段和所述非静音片段。

可选的，所述检测所述音频处理单元的音频类型包括：

确定所述音频处理单元的均方根值；

如果所述均方根值小于绝对静音阈值，确定所述音频处理单元的音频类型为静音类型；

如果所述均方根值大于或等于所述绝对静音阈值，确定所述音频处理单元的音频类型为非静音类型。

可选的，所述检测所述音频处理单元的音频类型包括：

确定所述音频处理单元的均方根值；

如果所述均方根值小于相对静音阈值与特定值之差，确定所述音频处理单元的音频类型为静音类型；

如果所述均方根值大于或等于所述相对静音阈值与所述特定值之差，确定所述音频处理单元的音频类型为非静音类型；

其中，所述相对静音阈值为均方根值队列中包括的均方根值的平均值，所述均方根值队列中包括的均方根值为在所述音频处理单元之前连续的音频处理单元的均方根值。

可选的，在所述确定所述音频处理单元的均方根值之后，还包括：

判定所述均方根值队列中包括的均方根值的数目大于或等于第一预设数目；

将所述均方根值队列中头部的均方根值删除；

将所述音频处理单元的均方根值添加至所述均方根值队列的尾部。

可选的，所述根据所述音频类型，对划分的音频处理单元进行合并包括：

判定连续的音频处理单元的音频类型相同；

将连续的音频处理单元顺次合并。

可选的，在所述将连续的音频处理单元顺次合并之后，还包括：

判定所述静音片段的音频时长小于第一预设时长；

将所述静音片段重置为所述非静音片段。

可选的，所述根据所述音频分割点和所述视频分割点，对所述多媒体数据进行分割包括：

根据所述音频分割点判断所述视频分割点是否可用；

如果所述视频分割点可用，根据所述视频分割点对所述多媒体数据进行分割。

可选的，所述根据所述音频分割点判断所述视频分割点是否可用包括：