[发明专利]一种利用人工神经网络进行电视新闻拆条的方法

权利要求书

1.一种利用人工神经网络进行电视新闻拆条的方法，其特征在于，包括：

步骤1：改进人工神经网络；

步骤2：利用电视节目素材，人工标注出主持人场景、片头片花、广告和普通节目四种类型，对改进后的人工神经网络进行训练，得到四种分类模型；

步骤3：利用训练后的人工神经网络，对收录的信号进行分类，分离出主持人场景、片头片花、广告和普通节目；

步骤4：主持人场景、片头片花和广告直接作为拆条结果输出，继续对普通节目进行拆条；

步骤5：利用训练后的人工神经网络，对电视台的待播节目进行特征分析计算，得到待播节目的所有关键特征和普通特征，将其存入节目特征库中待用；

步骤6：再次利用训练后的人工神经网络，对分离出来的普通节目进行特征分析计算，计算出普通节目的关键特征和普通特征，利用其关键特征，在节目特征库中搜索相似度匹配的关键特征，找到对应的待播节目；再根据找到的待播节目的普通特征去匹配普通节目的普通特征，找到一条待分离节目在普通节目中的入出点位置，实现节目拆条；

步骤7：输出拆条后的节目；

所述步骤1中对人工神经网络的改造包括两个部分，第一个改造部分是使其最后一个输出变为4类；第二个改造部分是从全连接之前的最后一个pool层输出图像特征，每个图像特征为25088个维度的浮点数值；

所述步骤5具体包括：

步骤51：利用训练后的人工神经网络，分析待播节目中的每个视频特征及转场信息，每帧视频都生成一个特征值；

步骤52：计算两个连续帧的特征值的相似度，若相似度低于设定的阈值，则将其判定为关键特征，若相似度高于设定的阈值，则将其判定为普通特征，将关键特征和普通特征放入节目特征库；

其中，所述关键特征用于搜索节目，所述普通特征用于对齐节目的入出点。

2.根据权利要求1所述的一种利用人工神经网络进行电视新闻拆条的方法，其特征在于，所述步骤6具体包括：

步骤61：利用训练后的人工神经网络，计算分离出来的普通节目中视频的两个连续帧的特征相似度，若相似度低于设定的阈值，该判定该特征为用于搜索的关键特征；

步骤62：对节目特征库里所有关键特征进行搜索，找出节目特征库中与该关键特征相似度最高的关键特征和其所属的节目以及该节目的所有普通特征；

步骤63：若从节目特征库中找出的关键特征与用于搜索的关键特征之间的相似度低于设定的阈值，则判定搜索失败，则返回步骤61寻找下一个用于搜索的关键特征；若相似度高于设定的阈值，则判定找到一个可分离的节目，进入下一步；

步骤64：以搜索用的关键特征所在普通节目的位置和找到的关键特征所在待播节目的位置，这两个位置对齐为基准，分别向前和向后计算其对应位置的特征相似度，直至待播节目计算完；

步骤65：从待播节目的头一帧开始往后查找，找到第一个相似度满足设定阈值的那一帧，其对应的普通节目位置处为分切的入点帧；从待播节目的最后一帧开始往前查找，找到第一个相似度满足设定阈值的那一帧，其对应的普通节目位置处为分切的出点帧，完成节目拆条。

3.根据权利要求1所述的一种利用人工神经网络进行电视新闻拆条的方法，其特征在于，所述人工神经网络选用VGG19网络。