[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

说明书

本发明涉及媒体新闻技术领域，公开了一种利用人工神经网络进行电视新闻拆条的方法，本方法基于图像识别VGG19网络，对收录的视频进行分类处理，分离出普通节目、主持人场景、片头片花和广告这四类视频；然后，继续对普通节目进一步做特征分析，设置节目特征库，收集分析结果，最后通过节目特征库分离出各条节目，实现普通节目的拆条。本发明利用人工神经网络，排除了对普通节目拆条不相干的影响因素，使拆条准确率得到了大大的提高；同时，本发明预先对审片待播节目进行特征分析，在实时收录时，利用这些分析结果，提高分切节目的效率；而且本发明也大大地节省了人力物力。

技术领域

本发明涉及媒体新闻技术领域，尤其涉及一种利用人工神经网络进行电视新闻拆条的方法。

背景技术

在目前这个以快节奏、互联网为特点的时代，人们利用碎片时间快速高效浏览自己感兴趣的新闻，已经是一个潮流。而传统的电视新闻，每档节目少则十多分钟，多则一两个小时。而通过网络看上两小时的新闻，是不可思议的事情。这就迫切要求能把长的电视新闻按条目分切成短小的完整主题的新闻。

目前，有人利用工具手动对每档新闻进行拆条，也有根据规则开发的智能拆条系统。智能拆条系统根据一些规则，比如利用语音识别找到主持人的固定话语，对片头建立模板进行识别，对主持人进行识别等等方式来对电视节目进行分切，但是这些都存在着各方面的不足。

发明内容

本发明所要解决的技术问题是：针对上述存在的问题，提出利用时下比较热门也比较成熟的人工神经网络来对电视新闻节目进行拆条，该方式不仅拆条准确，而且实时性很高。能达到对直播电视新闻进行边收录边拆条，当某一个完整的小新闻播完，基本上能立即把它分切出来并及时推送给观众，满足了观众对短视频及时性的需求。

本发明采用的技术方案如下：一种利用人工神经网络进行电视新闻拆条的方法，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。

进一步的，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。

进一步的，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；