[发明专利]视频的音效处理方法及相关产品

权利要求书

1.一种视频的音效处理方法，其特征在于，所述方法包括如下步骤：

获取拍摄的第一视频，提取第一视频中的图像帧数据以及音频帧数据；

获取音频帧数据的音频时间区间，从图像帧数据中提取与该音频时间区间对应的第一组图像帧数据，其中，所述获取音频帧数据的音频时间区间包括：将音频帧数据进行过滤处理得到过滤后的第一音频帧数据，获取第一音频帧数据对应的时间区间，确定该时间区间为音频时间区间；

对第一组图像帧数据进行分析确定音频的声源位置，依据该声源位置对该音频帧数据进行3D音效处理得到处理后的音频帧数据；

确定第一视频为室内时，对所述音频帧数据执行室内3D音效策略播放；

其中，所述确定所述第一视频为室内的方法具体包括：

从图像帧数据中随机抽取n帧图像数据，将n帧图像数据传输至训练好的分类器中执行分类算法处理确定n帧图像数据对应的n个场景，如n个场景均为室内，确定第一视频为室内，否则，确定第一视频为非室内；所述n为大于等于2的整数。

2.根据权利要求1所述的方法，其特征在于，所述依据该声源位置对该音频帧数据进行3D音效处理得到处理后的音频帧数据具体包括：

如该声源位置位于左侧，则提高音频帧数据中左声道的音量或降低音频帧数据中右声道的音量；如该声源位置位于右侧，则提高音频帧数据中右声道的音量或降低音频帧数据中左声道的音量。

3.根据权利要求1所述的方法，其特征在于，所述对第一组图像帧数据进行分析确定音频的声源位置具体包括：

提取第一组图像帧数据连续时间段的m个图像帧，对m个图像帧进行人脸识别处理得到包含人脸的w个图像帧，提取w个图像帧中时间连续的x个图像帧，对x个图像帧的嘴巴区域识别确定x个图像帧具有嘴巴的动作时，确定x个图像帧中嘴巴区域的在x个图像中的位置为该音频的声源位置，所述m≥w≥x，所述m、w、x均为大于等于2的整数。

4.根据权利要求3所述的方法，其特征在于，所述对x个图像帧的嘴巴区域识别确定x个图像帧具有嘴巴的动作具体包括：

确定x个图像帧的x个嘴巴区域，识别x个嘴巴区域所有像素点的RGB值，将所有RGB值中统计非嘴唇RGB值的像素点的个数得到x个数量，计算x个数量中最大值与最小值之间的差值，如该差值大于差值阈值，确定该x个图像具有嘴巴的动作，如该差值小于差值阈值，确定该x个图像不具有嘴巴的动作。

5.根据权利要求3所述的方法，其特征在于，所述对x个图像帧的嘴巴区域识别确定x个图像帧具有嘴巴的动作具体包括：

确定x个图像帧的x个嘴巴区域，识别x个嘴巴区域所有像素点的RGB值，将所有RGB值中统计牙齿RGB值的像素点的个数得到x个数量，计算x个数量中大于数量阈值的次数y，如y/x大于比值阈值，确定x个图像帧具有嘴巴动作。

6.一种电影音效处理装置，其特征在于，所述电影音效处理装置包括：

获取单元，用于获取拍摄的第一视频，提取第一视频中的图像帧数据以及音频帧数据；

处理单元，用于获取音频帧数据的音频时间区间，从图像帧数据中提取与该音频时间区间对应的第一组图像帧数据；对第一组图像帧数据进行分析确定音频的声源位置；依据该声源位置对该音频帧数据进行3D音效处理得到处理后的音频帧数据，其中，所述处理单元将音频帧数据进行过滤处理得到过滤后的第一音频帧数据，获取第一音频帧数据对应的时间区间，确定该时间区间为音频时间区间；

所述处理单元还用于在确定第一视频为室内时，对所述音频帧数据执行室内3D音效策略播放，其中，所述处理单元从图像帧数据中随机抽取n帧图像数据，将n帧图像数据传输至训练好的分类器中执行分类算法处理确定n帧图像数据对应的n个场景，如n个场景均为室内，确定第一视频为室内，否则，确定第一视频为非室内；所述n为大于等于2的整数。

7.一种电子设备，其特征在于，包括处理器、存储器、通信接口，以及一个或多个程序，所述一个或多个程序被存储在所述存储器中，并且被配置由所述处理器执行，所述程序包括用于执行如权利要求1-5任一项所述的方法中的步骤的指令。

8.一种计算机可读存储介质，其特征在于，存储用于电子数据交换的计算机程序，其中，所述计算机程序使得计算机执行如权利要求1-5任一项所述的方法。