CN102543136B - 一种视频剪辑的方法及装置 - Google Patents

Abstract

本申请提供了一种视频剪辑的方法及装置，其中，所述方法包括：在指定时间范围的视频片段内，针对视频帧按预设特征计算特征值；提取目标视频帧，所述目标视频帧为特征值满足预设条件的视频帧；在所述目标视频帧对应的时间点处进行视频拼接。本申请能够自动选取最优的时间点完成视频剪辑，避免复杂的人工操作，并保证所选取时间点的有效性。

Description

一种视频剪辑的方法及装置

技术领域

本申请涉及视频处理的技术领域，特别是一种视频剪辑的方法和一种视频剪辑的装置。

背景技术

视频剪辑涉及到将不同时间点的视频进行剪切和拼接的处理，因为在视频剪辑过程中，合适时间点的选取非常重要，但这个时间点的选取目前只能由人工来完成。

例如，在精品课程的录制过程中，若出现错误，就需要通过后期在视频中找到一个适合的时间点来做剪辑。使用人工操作，需要反复通过慢放、单帧播放等操作来寻找最优的剪辑时间点，消耗大量的时间和精力。并且往往由于工作的繁琐和重复，人工操作选取的时间点有时也并非最优的时间点。

因此，目前需要本领域技术人员迫切解决的一个技术问题就是：如何创造性地提出一种视频剪辑方法及装置，用以自动选取最优的时间点完成视频剪辑，避免复杂的人工操作，并保证所选取时间点的有效性。

发明内容

本申请所要解决的技术问题是提供一种视频剪辑的方法，用以自动选取最优的时间点完成视频剪辑，避免复杂的人工操作，并保证所选取时间点的有效性。

本申请还提供了一种视频剪辑的装置，用以保证上述方法在实际中的应用及实现。

为了解决上述问题，本申请公开了一种视频剪辑的方法，具体可以包括：

在指定时间范围的视频片段内，针对视频帧按预设特征计算特征值；

提取目标视频帧，所述目标视频帧为特征值满足预设条件的视频帧；

在所述目标视频帧对应的时间点处进行视频拼接。

优选的是，所述在指定时间范围的视频片段内，针对视频帧按预设特征计算特征值的步骤可以包括：

针对指定时间范围的视频片段中的各视频帧，分别计算第一特征值，第二特征值，第三特征值，第四特征值和第五特征值；

其中，所述第一特征值为根据视频帧连续静音长度的倒数和第一权重阈值计算获得；

所述第二特征值为根据视频帧的背景运动幅度和第二权重阈值计算获得；

所述第三特征值为根据视频帧的背景运动幅度和第三权重阈值计算获得；

所述第四特征值为根据视频帧与待衔接视频第一帧的差值绝对值和第四权重阈值计算获得；

所述第五特征值为根据视频帧的时间点与指定时间范围结束点的差值和第五权重阈值计算获得；

以及，

计算所述视频片段中各视频帧的第一特征值、第二特征值、第三特征值、第四特征值和第五特征值的加权平均值为当前视频帧的特征值。

优选的是，所述在指定时间范围的视频片段内，针对视频帧按预设特征计算特征值的步骤可以包括：

针对指定时间范围的视频片段中的各视频帧计算第一特征值，所述第一特征值为根据视频帧连续静音长度的倒数和第一权重阈值计算获得；

根据所述第一特征值提取特征片段；所述特征片段为一个或多个；

从后向前遍历所述特征片段中的视频帧，计算所述视频帧的第二特征值，第三特征值，第四特征值和第五特征值；

其中，所述第二特征值为根据视频帧的背景运动幅度和第二权重阈值计算获得；

所述第三特征值为根据视频帧的背景运动幅度和第三权重阈值计算获得；

所述第四特征值为根据视频帧与待衔接视频第一帧的差值绝对值和第四权重阈值计算获得；

所述第五特征值为根据视频帧的时间点与指定时间范围结束点的差值和第五权重阈值计算获得；

以及，

计算所述特征片段中各视频帧的第一特征值、第二特征值、第三特征值、第四特征值和第五特征值的加权平均值为当前视频帧的特征值。

优选的是，可以通过以下公式计算第一特征值：

M1＝R1/K1*C1′；

其中，R1为视频帧连续静音长度的倒数，第一权重阈值

${C1}^{\′}=\left\{\begin{array}{cc}C1& (R1\≤K1)\\ +\∞& (R1>K1)\end{array}\right.;$

以及，可以通过以下公式计算第二特征值：

M2＝R2/K2*C2′；

其中，R2为视频帧的背景运动幅度，第二权重阈值 ${C2}^{\′}=\left\{\begin{array}{cc}C2& (R2\≤K2)\\ +\∞& (R2>K2)\end{array}\right.;$

以及，可以通过以下公式计算第三特征值：

M3＝R3/K3*C3′；

其中，R3为视频帧的前景运动幅度，第三权重阈值 ${C3}^{\′}=\left\{\begin{array}{cc}C3& (R3\≤K3)\\ +\∞& (R3>K3)\end{array}\right.;$

以及，可以通过以下公式计算第四特征值：

M4＝R4/K4*C4′；

其中，R4为当前视频帧与待衔接视频第一帧的差值的绝对值，第四权重阈值 ${C4}^{\′}=\left\{\begin{array}{cc}C4& (R4\≤K4)\\ +\∞& (R4>K4)\end{array}\right.;$

以及，可以通过以下公式计算第五特征值：

M5＝R5/K5*C5′；

其中，R5为当前视频帧的时间点与指定时间范围结束点差值的绝对值，第五权重阈值 ${C5}^{\′}=\left\{\begin{array}{cc}C5& (R5\≤K5)\\ +\∞& (R5>K5)\end{array}\right.;$ K5＝T2-T1，(T1，T2)为视频片段的时间范围，T2＞T1；

以及，可以通过以下公式计算视频帧的特征值：

SUM＝(M1+M2+M3+M4+M5)/(C1+C2+C3+C4+C5)。

优选的是，所述提取目标视频帧的步骤可以包括：

选取特征值小于预设阈值的视频帧为候选视频帧；

在所述候选视频帧中确定目标视频帧。

优选的是，所述提取目标视频帧的步骤可以包括：

将各特征片段按其视频帧的最小特征值进行升序排列，确定前N位的特征片段为优选特征片段，所述N为预设数量阈值；

在优选特征片段中分别提取特征值最低的视频帧为目标视频帧。

本申请还公开了一种视频剪辑的装置，具体可以包括：

特征值计算模块，用于在指定时间范围的视频片段内，针对视频帧按预设特征计算特征值；

目标视频帧提取模块，用于提取目标视频帧，所述目标视频帧为特征值满足预设条件的视频帧；

视频拼接模块，用于在所述目标视频帧对应的时间点处进行视频拼接。

优选的是，所述特征值计算模块可以包括：

特征获取子模块，用于针对指定时间范围的视频片段中的各视频帧，分别计算第一特征值，第二特征值，第三特征值，第四特征值和第五特征值；

其中，所述第一特征值为根据视频帧连续静音长度的倒数和第一权重阈值计算获得；

所述第二特征值为根据视频帧的背景运动幅度和第二权重阈值计算获得；

所述第三特征值为根据视频帧的背景运动幅度和第三权重阈值计算获得；

所述第四特征值为根据视频帧与待衔接视频第一帧的差值绝对值和第四权重阈值计算获得；

所述第五特征值为根据视频帧的时间点与指定时间范围结束点的差值和第五权重阈值计算获得；

以及，

特征整合子模块，用于计算所述视频片段中各视频帧的第一特征值、第二特征值、第三特征值、第四特征值和第五特征值的加权平均值为当前视频帧的特征值。

优选的是，所述特征值计算模块可以包括：

第一特征值计算子模块，用于针对指定时间范围的视频片段中的各视频帧计算第一特征值，所述第一特征值为根据视频帧连续静音长度的倒数和第一权重阈值计算获得；

特征片段提取子模块，用于根据所述第一特征值提取特征片段；所述特征片段为一个或多个；

遍历子模块，用于从后向前遍历所述特征片段中的视频帧，计算所述视频帧的第二特征值，第三特征值，第四特征值和第五特征值；

其中，所述第二特征值为根据视频帧的背景运动幅度和第二权重阈值计算获得；

所述第三特征值为根据视频帧的背景运动幅度和第三权重阈值计算获得；

所述第四特征值为根据视频帧与待衔接视频第一帧的差值绝对值和第四权重阈值计算获得；

所述第五特征值为根据视频帧的时间点与指定时间范围结束点的差值和第五权重阈值计算获得；

以及，

特征片段整合子模块，用于计算所述特征片段中各视频帧的第一特征值、第二特征值、第三特征值、第四特征值和第五特征值的加权平均值为当前视频帧的特征值。

优选的是，所述目标视频帧提取模块可以包括：

候选视频帧选取子模块，用于选取特征值小于预设阈值的视频帧为候选视频帧；

目标视频帧确定子模块，用于在所述候选视频帧中确定目标视频帧。

优选的是，所述目标视频帧提取模块可以包括：

特征片段选取子模块，用于将各特征片段按其视频帧的最小特征值进行升序排列，确定前N位的特征片段为优选特征片段，所述N为预设数量阈值；

目标视频帧选取子模块，用于在优选特征片段中分别提取特征值最低的视频帧为目标视频帧。

与现有技术相比，本申请具有以下优点：

本申请实施例通过利用视频出错时间点的共同特征，通过算法自动在时间轴指定范围内提取出最优的视频剪辑时间点，并自动在该时间点衔接视频内容，从而避免了复杂的人工操作，并保证了所选取时间点的有效性。

并且，本申请实施例可以预先针对在指定时间范围的视频片段内搜索音频趋于静音的特征片段，再按时间由后及前遍历这些特征片段以及特征片段中的视频帧，对这些视频帧的图像特征采用算法进一步分析和评价，此种方式不仅能更加节约***资源，提高效率，还能进一步保证所选取时间点的有效性。

附图说明

图1是本申请的一种视频剪辑方法实施例1的步骤流程图；

图2是本申请的一种视频剪辑方法实施例2的步骤流程图；

图3是本申请的一种视频剪辑装置实施例的结构框图。

具体实施方式

为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请作进一步详细的说明。

本专利发明人经过多次统计分析发现，在视频剪辑过程中所需要选取的时间点具有如下共同特征：

1、在该待选取时间点前的一段时间范围内，音频趋于静音；

2、在该待选取时间点前的一段时间范围内，视频的背景是固定的；

3、在该待选取时间点前的一段时间范围内，视频的前景运动幅度不大；

4、与衔接视频的第一帧图像尽可能匹配；

5、该待选取时间点尽可能接近当前搜索范围的末端。

需要说明的是，上述时间点的特征仅仅用作示例而并非穷举，在实际中可能还有更多的共同特征，本申请对此不作限制。

本申请实施例的核心构思之一在于，利用上述时间点的特征，通过算法自动在时间轴指定范围内提取出最优的视频剪辑时间点，并自动在该时间点衔接视频内容。

参考图1，示出了本申请的一种视频剪辑的方法实施例1的步骤流程图，具体可以包括以下步骤：

步骤11、在指定时间范围的视频片段内，针对视频帧按预设特征计算特征值；

在本实施例中，本步骤11具体可以包括如下子步骤：

子步骤111、针对指定时间范围的视频片段中的各视频帧，分别计算第一特征值，第二特征值，第三特征值，第四特征值和第五特征值；

其中，所述第一特征值为根据视频帧连续静音长度的倒数和第一权重阈值计算获得；

所述第二特征值为根据视频帧的背景运动幅度和第二权重阈值计算获得；

所述第三特征值为根据视频帧的背景运动幅度和第三权重阈值计算获得；

所述第四特征值为根据视频帧与待衔接视频第一帧的差值绝对值和第四权重阈值计算获得；

所述第五特征值为根据视频帧的时间点与指定时间范围结束点的差值和第五权重阈值计算获得；

以及，

子步骤112、计算所述视频片段中各视频帧的第一特征值、第二特征值、第三特征值、第四特征值和第五特征值的加权平均值为当前视频帧的特征值。

在本申请的一种优选实施例中，可以通过以下公式计算第一特征值：

M1＝R1/K1*C1′；

其中，R1为视频帧连续静音长度的倒数，第一权重阈值 ${C1}^{\′}=\left\{\begin{array}{cc}C1& (R1\≤K1)\\ +\∞& (R1>K1)\end{array}\right.;$

优选的是，可以通过以下公式计算第二特征值：

M2＝R2/K2*C2′；

其中，R2为视频帧的背景运动幅度，第二权重阈值 ${C2}^{\′}=\left\{\begin{array}{cc}C2& (R2\≤K2)\\ +\∞& (R2>K2)\end{array}\right.;$

优选的是，可以通过以下公式计算第三特征值：

M3＝R3/K3*C3′；

其中，R3为视频帧的前景运动幅度，第三权重阈值 ${C3}^{\′}=\left\{\begin{array}{cc}C3& (R3\≤K3)\\ +\∞& (R3>K3)\end{array}\right.;$

优选的是，可以通过以下公式计算第四特征值：

M4＝R4/K4*C4′；

其中，R4为当前视频帧与待衔接视频第一帧的差值的绝对值，第四权重阈值 ${C4}^{\′}=\left\{\begin{array}{cc}C4& (R4\≤K4)\\ +\∞& (R4>K4)\end{array}\right.;$

优选的是，可以通过以下公式计算第五特征值：

M5＝R5/K5*C5′；

其中，R5为当前视频帧的时间点与指定时间范围结束点差值的绝对值，第五权重阈值 ${C5}^{\′}=\left\{\begin{array}{cc}C5& (R5\≤K5)\\ +\∞& (R5>K5)\end{array}\right.;$ K5＝T2-T1，(T1，T2)为视频片段的时间范围，T2＞T1；

优选的是，可以通过以下公式计算视频帧的特征值：

SUM＝(M1+M2+M3+M4+M5)/(C 1+C2+C3+C4+C5)。

具体而言，根据前述本专利发明人发现的，在视频剪辑过程中所需要选取的时间点的共同特征：

1、在该待选取时间点前的一段时间范围内，音频趋于静音；

2、在该待选取时间点前的一段时间范围内，视频的背景是固定的；

3、在该待选取时间点前的一段时间范围内，视频的前景运动幅度不大；

4、与衔接视频的第一帧图像尽可能匹配；

5、该待选取时间点尽可能接近当前搜索范围的末端。

采用本实施例，在实际中可以按如下方式处理：

1)在指定时间范围的视频片段内，针对各视频帧计算出连续静音长度倒数，将其乘以特征1的权值(第一权重阈值)，得到第一特征值；作为本申请实施例具体应用的一种示例，所述第一权重阈值可以取8，浮动范围±3。

2)遍历视频片段内的视频帧，采用前背景分割算法(不限于某种前后景分割算法，能用于判定背景运动幅度的均可)分割视频帧的前背景图像，提取出背景图像后，将背景运动的幅度乘以特征2的权值(第二权重阈值)，得到第二特征值。

需要说明的是，若第二权重阈值为负无穷，则相当于排除所有非固定背景的部分(可能是整个片段，也可能是原有片段中的一部分)，即排除所有不满足特征2的部分。

作为本申请实施例具体应用的一种示例，所述第二权重阈值可以取5，浮动范围±3。

3)遍历视频片段内的视频帧，使用可以判定图像运动趋势与幅度的算法(如高斯混合模型)判定视频帧的前景运动幅度，将该前景运动幅度乘以特征3的权值(第三权重阈值)，得到第三特征值。作为本申请实施例具体应用的一种示例，所述第三权重阈值可以取4，浮动范围±3。

4)遍历视频片段内的视频帧，使用差分法判定某视频帧(当前处理的视频帧)与待衔接视频的第一帧的匹配度，将该匹配度乘以特征4的权值(第四权重阈值)，得到第四特征值。作为本申请实施例具体应用的一种示例，所述第四权重阈值可以取2，浮动范围±3。

5)遍历视频片段内的视频帧，计算每一帧与搜索范围末端的距离(时间)，该距离乘以特征5权值(第五权重阈值)，得到第五特征值。作为本申请实施例具体应用的一种示例，所述第五权重阈值可以取4，浮动范围±3。

6)遍历视频片段内的视频帧，计算各帧的所有第一、第二、第三、第四和第五特征值的总和为各帧的特征值。

步骤12、提取目标视频帧，所述目标视频帧为特征值满足预设条件的视频帧；

在本实施例中，本步骤12具体可以包括如下子步骤：

子步骤121、选取特征值小于预设阈值的视频帧为候选视频帧；

子步骤122、在所述候选视频帧中确定目标视频帧。

若遍历后得到各帧特征值得分为R[1～n]，此时为了便于人工做最终筛选，需给出最优时间点和若干次优时间点(即目标视频帧对应的时间点)。如果仅通过简单排序，那么最优时间点和次优时间点通常会集中在较短的一段时间内，对于下一步筛选没有意义。对此，本申请实施例提供以下两种在候选视频帧中确定目标视频帧的方法：

方法一：

给定阈值k＝5，单位为秒。

目标视频帧的时间点为W1＝min{R[1]...R[n]}，以W1为中心，删除±K时间内的候选视频帧，在余下的候选视频帧中查找下一个作为目标视频帧的时间点W2＝min{R[1]...R[n]，其中，R不属于W1±k}，以此类推。

方法二：

给定阈值k＝5，单位为帧。

对视频帧按特征值进行升序排序，得到R′[1～n]＝1～n，注：R′的数值为R的下标，即R’是R排序后的指针。

取目标视频帧W1＝R[R′[1]]，若abs{R′[2]-R′[1]}＜k，那么判定abs{R′[3]-R′[1]}＜k，直到满足abs{R′[x]-R′[1]}＜k，则取目标视频帧w2＝R[R′[x]]。

当然，上述方法仅仅用作示例，本领域技术人员根据实际情况采用任一种确定目标视频帧的方法均是可行的，本申请对此无需加以限制。

步骤13、在所述目标视频帧对应的时间点处进行视频拼接。

在具体实现中，可以通过本步骤执行最优时间点处的筛选与视频拼接处理工作，具体可以由人工首先对目标视频帧进一步筛选，然后在筛选出的目标视频帧的时间点(最优时间点)处进行视频拼接，最优时间点的对应视频帧的特征值可以作为一个参考条件，用于判断该时间点的衔接质量，对于衔接质量不高(如特征值较高，会表现为视频画面不太匹配或音频间隔较短)的，可以***视频特效进行处理(例如翻转效果或者百叶窗效果之类)。

参考图2，示出了本申请的一种视频剪辑的方法实施例2的步骤流程图，具体可以包括以下步骤：

步骤21、在指定时间范围的视频片段内，针对视频帧按预设特征计算特征值；

在本实施例中，本步骤21具体可以包括如下子步骤：

子步骤211、针对指定时间范围的视频片段中的各视频帧计算第一特征值，所述第一特征值为根据视频帧连续静音长度的倒数和第一权重阈值计算获得；

子步骤212、根据所述第一特征值提取特征片段；所述特征片段为一个或多个；

子步骤213、从后向前遍历所述特征片段中的视频帧，计算所述视频帧的第二特征值，第三特征值，第四特征值和第五特征值；

其中，所述第二特征值为根据视频帧的背景运动幅度和第二权重阈值计算获得；

所述第三特征值为根据视频帧的背景运动幅度和第三权重阈值计算获得；

所述第四特征值为根据视频帧与待衔接视频第一帧的差值绝对值和第四权重阈值计算获得；

所述第五特征值为根据视频帧的时间点与指定时间范围结束点的差值和第五权重阈值计算获得；

以及，

子步骤214、计算所述特征片段中各视频帧的第一特征值、第二特征值、第三特征值、第四特征值和第五特征值的加权平均值为当前视频帧的特征值。

具体而言，根据前述本专利发明人发现的，在视频剪辑过程中所需要选取的时间点的共同特征：

1、在该待选取时间点前的一段时间范围内，音频趋于静音；

2、在该待选取时间点前的一段时间范围内，视频的背景是固定的；

3、在该待选取时间点前的一段时间范围内，视频的前景运动幅度不大；

4、与衔接视频的第一帧图像尽可能匹配；

5、该待选取时间点尽可能接近当前搜索范围的末端。

采用本实施例，在实际中可以按如下方式处理：

1)输入参数(或者按照默认值直接运行)，包括以下内容：

视频片段的指定时间范围T1，T2(T2＞T1)；

K1，K2，K3，K4，K5各特征阈值；其中K5＝T2-T1；

C1，C2，C3，C4，C5各特征权值。

2)处理指定时间范围的视频片段中的各视频帧的音频，找出所有符合特征1的片段(特征片段)，具体为针对各视频帧计算出连续静音长度倒数，将其乘以特征1的权值(第一权重阈值)，得到第一特征值；

在本申请的一种优选实施例中，可以通过以下公式计算第一特征值：

M1＝R1/K1*C1′；

其中，R1为视频帧连续静音长度的倒数，第一权重阈值 ${C1}^{\′}=\left\{\begin{array}{cc}C1& (R1\≤K1)\\ +\∞& (R1>K1)\end{array}\right..$

作为本申请实施例具体应用的一种示例，所述第一权重阈值可以取8，浮动范围±3。

3)遍历特征片段内的视频帧，采用前背景分割算法(不限于某种前后景分割算法，能用于判定背景运动幅度的均可)分割视频帧的前背景图像，提取出背景图像后，将背景运动的幅度乘以特征2的权值(第二权重阈值)，得到第二特征值。

优选的是，可以通过以下公式计算第二特征值：

M2＝R2/K2*C2′；

其中，R2为视频帧的背景运动幅度，第二权重阈值 ${C2}^{\′}=\left\{\begin{array}{cc}C2& (R2\≤K2)\\ +\∞& (R2>K2)\end{array}\right..$

需要说明的是，若第二权重阈值为负无穷，则相当于排除所有非固定背景的部分(可能是整个片段，也可能是原有片段中的一部分)，即排除所有不满足特征2的部分。

作为本申请实施例具体应用的一种示例，所述第二权重阈值可以取5，浮动范围±3。

4)遍历特征片段内的视频帧，使用可以判定图像运动趋势与幅度的算法(如高斯混合模型)判定视频帧的前景运动幅度，将该前景运动幅度乘以特征3的权值(第三权重阈值)，得到第三特征值。

优选的是，可以通过以下公式计算第三特征值：

M3＝R3/K3*C3′；

其中，R3为视频帧的前景运动幅度，第三权重阈值 ${C3}^{\′}=\left\{\begin{array}{cc}C3& (R3\≤K3)\\ +\∞& (R3>K3)\end{array}\right..$

作为本申请实施例具体应用的一种示例，所述第三权重阈值可以取4，浮动范围±3。

5)遍历特征片段内的视频帧，使用差分法判定某视频帧(当前处理的视频帧)与待衔接视频的第一帧的匹配度，将该匹配度乘以特征4的权值(第四权重阈值)，得到第四特征值。

优选的是，可以通过以下公式计算第四特征值：

M4＝R4/K4*C4′；

其中，R4为当前视频帧与待衔接视频第一帧的差值的绝对值，第四权重阈值 ${C4}^{\′}=\left\{\begin{array}{cc}C4& (R4\≤K4)\\ +\∞& (R4>K4)\end{array}\right..$

作为本申请实施例具体应用的一种示例，所述第四权重阈值可以取2，浮动范围±3。

5)遍历特征片段内的视频帧，计算每一帧与搜索范围末端的距离(时间)，该距离乘以特征5权值(第五权重阈值)，得到第五特征值。

优选的是，可以通过以下公式计算第五特征值：

M5＝R5/K5*C5′；

其中，R5为当前视频帧的时间点与指定时间范围结束点差值的绝对值，第五权重阈值 ${C5}^{\′}=\left\{\begin{array}{cc}C5& (R5\≤K5)\\ +\∞& (R5>K5)\end{array}\right.;$ K5＝T2-T1，(T1，T2)为视频片段的时间范围，T2＞T1。

作为本申请实施例具体应用的一种示例，所述第五权重阈值可以取4，浮动范围±3。

6)遍历特征片段内的视频帧，计算各帧的所有第一、第二、第三、第四和第五特征值的总和为各帧的特征值。

优选的是，可以通过以下公式计算视频帧的特征值：

SUM＝(M1+M2+M3+M4+M5)/(C 1+C2+C3+C4+C5)。

步骤22、提取目标视频帧，所述目标视频帧为特征值满足预设条件的视频帧；

在本实施例中，本步骤22具体可以包括如下子步骤：

子步骤221、将各特征片段按其视频帧的最小特征值进行升序排列，确定前N位的特征片段为优选特征片段，所述N为预设数量阈值；

子步骤222、在优选特征片段中分别提取特征值最低的视频帧为目标视频帧。

例如，可以找出每个特征片段的最小SUM作为当前特征片段的得分，然后排序，得分最低的N个特征片段中的最小特征值对应的视频帧即为目标视频帧。

当然，上述方法仅仅用作示例，本领域技术人员根据实际情况采用任一种提取目标视频帧的方法均是可行的，本申请对此无需加以限制。

步骤13、在所述目标视频帧对应的时间点处进行视频拼接。

在具体实现中，可以通过本步骤执行最优时间点处的筛选与视频拼接处理工作，具体可以由人工首先对目标视频帧进一步筛选，然后在筛选出的目标视频帧的时间点(最优时间点)处进行视频拼接，最优时间点的对应视频帧的特征值可以作为一个参考条件，用于判断该时间点的衔接质量，对于衔接质量不高(如特征值较高，会表现为视频画面不太匹配或音频间隔较短)的，可以***视频特效进行处理(例如翻转效果或者百叶窗效果之类)。

需要说明的是，对于上述方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。

参考图3，示出了本申请的一种视频剪辑的装置实施例的结构框图，具体可以包括如下模块：

特征值计算模块301，用于在指定时间范围的视频片段内，针对视频帧按预设特征计算特征值；

目标视频帧提取模块302，用于提取目标视频帧，所述目标视频帧为特征值满足预设条件的视频帧；

视频拼接模块303，用于在所述目标视频帧对应的时间点处进行视频拼接。

在本申请的一种优选实施例中，所述特征值计算模块301可以包括如下子模块：

特征获取子模块，用于针对指定时间范围的视频片段中的各视频帧，分别计算第一特征值，第二特征值，第三特征值，第四特征值和第五特征值；

其中，所述第一特征值为根据视频帧连续静音长度的倒数和第一权重阈值计算获得；

所述第二特征值为根据视频帧的背景运动幅度和第二权重阈值计算获得；

所述第三特征值为根据视频帧的背景运动幅度和第三权重阈值计算获得；

所述第四特征值为根据视频帧与待衔接视频第一帧的差值绝对值和第四权重阈值计算获得；

所述第五特征值为根据视频帧的时间点与指定时间范围结束点的差值和第五权重阈值计算获得；

以及，

特征整合子模块，用于计算所述视频片段中各视频帧的第一特征值、第二特征值、第三特征值、第四特征值和第五特征值的加权平均值为当前视频帧的特征值。

在本实施例中，所述目标视频帧提取模块302可以包括如下子模块：

候选视频帧选取子模块，用于选取特征值小于预设阈值的视频帧为候选视频帧；

目标视频帧确定子模块，用于在所述候选视频帧中确定目标视频帧。

在本申请的另一种优选实施例中，所述特征值计算模块301可以包括如下子模块：

第一特征值计算子模块，用于针对指定时间范围的视频片段中的各视频帧计算第一特征值，所述第一特征值为根据视频帧连续静音长度的倒数和第一权重阈值计算获得；

特征片段提取子模块，用于根据所述第一特征值提取特征片段；所述特征片段为一个或多个；

遍历子模块，用于从后向前遍历所述特征片段中的视频帧，计算所述视频帧的第二特征值，第三特征值，第四特征值和第五特征值；

其中，所述第二特征值为根据视频帧的背景运动幅度和第二权重阈值计算获得；

所述第三特征值为根据视频帧的背景运动幅度和第三权重阈值计算获得；

所述第四特征值为根据视频帧与待衔接视频第一帧的差值绝对值和第四权重阈值计算获得；

所述第五特征值为根据视频帧的时间点与指定时间范围结束点的差值和第五权重阈值计算获得；

以及，

特征片段整合子模块，用于计算所述特征片段中各视频帧的第一特征值、第二特征值、第三特征值、第四特征值和第五特征值的加权平均值为当前视频帧的特征值。

在本实施例中，所述目标视频帧提取模块302可以包括如下子模块：

特征片段选取子模块，用于将各特征片段按其视频帧的最小特征值进行升序排列，确定前N位的特征片段为优选特征片段，所述N为预设数量阈值；

目标视频帧选取子模块，用于在优选特征片段中分别提取特征值最低的视频帧为目标视频帧。

对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本申请可用于众多通用或专用的计算***环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器***、基于微处理器的***、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何***或设备的分布式计算环境等等。

本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

以上对本申请所提供的一种视频剪辑的方法和一种视频剪辑的装置进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (7)

1.一种视频剪辑的方法，其特征在于，包括：

在指定时间范围的视频片段内，针对视频帧按预设特征计算特征值；

提取目标视频帧，所述目标视频帧为特征值满足预设条件的视频帧；

在所述目标视频帧对应的时间点处，参考所述目标视频帧的特征值进行视频拼接；

其中，所述在指定时间范围的视频片段内，针对视频帧按预设特征计算特征值的步骤包括：

针对指定时间范围的视频片段中的各视频帧计算第一特征值，所述第一特征值为根据视频帧连续静音长度的倒数和第一权重阈值计算获得；

根据所述第一特征值提取特征片段；所述特征片段为一个或多个；

从后向前遍历所述特征片段中的视频帧，计算所述视频帧的第二特征值，第三特征值，第四特征值和第五特征值；

其中，所述第二特征值为根据视频帧的背景运动幅度和第二权重阈值计算获得；

所述第三特征值为根据视频帧的前景运动幅度和第三权重阈值计算获得；

所述第四特征值为根据视频帧与待衔接视频第一帧的差值绝对值和第四权重阈值计算获得；

所述第五特征值为根据视频帧的时间点与指定时间范围结束点的差值和第五权重阈值计算获得；

以及，

计算所述特征片段中各视频帧的第一特征值、第二特征值、第三特征值、第四特征值和第五特征值的加权平均值为当前视频帧的特征值。

2.如权利要求1所述的方法，其特征在于，通过以下公式计算第一特征值：

M1＝R1/K1*C1′；

其中，R1为视频帧连续静音长度的倒数，第一权重阈值 ${C1}^{\′}=\left\{\begin{array}{cc}C1& (R1\≤K1)\\ +\∞& (R1>K1)\end{array}\right.;$

以及，通过以下公式计算第二特征值：

M2＝R2/K2*C2′；

其中，R2为视频帧的背景运动幅度，第二权重阈值 ${C2}^{\′}=\left\{\begin{array}{cc}C2& (R2\≤K2)\\ +\∞& (R2>K2)\end{array}\right.;$

以及，通过以下公式计算第三特征值：

M3＝R3/K3*C3′；

其中，R3为视频帧的前景运动幅度，第三权重阈值 ${C3}^{\′}=\left\{\begin{array}{cc}C3& (R3\≤K3)\\ +\∞& (R3>K3)\end{array}\right.;$

以及，通过以下公式计算第四特征值：

M4＝R4/K4*C4′；

其中，R4为当前视频帧与待衔接视频第一帧的差值的绝对值，第四权重阈值 ${C4}^{\′}=\left\{\begin{array}{cc}C4& (R4\≤K4)\\ +\∞& (R4>K4)\end{array}\right.;$

以及，通过以下公式计算第五特征值：

M5＝R5/K5*C5′；

其中，R5为当前视频帧的时间点与指定时间范围结束点差值的绝对值，第五权重阈值 ${C5}^{\′}=\left\{\begin{array}{cc}C5& (R5\≤K5)\\ +\∞& (R5>K5)\end{array}\right.;$ K5＝T2-T1，(T1，T2)为视频片段的时间范围，T2＞T1；

以及，通过以下公式计算视频帧的特征值：

SUM＝(M1+M2+M3+M4+M5)/(C1+C2+C3+C4+C5)；

K1、K2、K3、K4为各特征阈值。

3.如权利要求1所述的方法，其特征在于，所述提取目标视频帧的步骤包括：

选取特征值小于预设阈值的视频帧为候选视频帧；

在所述候选视频帧中确定目标视频帧。

4.如权利要求1所述的方法，其特征在于，所述提取目标视频帧的步骤包括：

将各特征片段按其视频帧的最小特征值进行升序排列，确定前N位的特征片段为优选特征片段，所述N为预设数量阈值；

在优选特征片段中分别提取特征值最低的视频帧为目标视频帧。

5.一种视频剪辑的装置，其特征在于，包括：

特征值计算模块，用于在指定时间范围的视频片段内，针对视频帧按预设特征计算特征值；

目标视频帧提取模块，用于提取目标视频帧，所述目标视频帧为特征值满足预设条件的视频帧；

视频拼接模块，用于在所述目标视频帧对应的时间点处，参考所述目标视频帧的特征值进行视频拼接；

其中，所述特征值计算模块包括：

第一特征值计算子模块，用于针对指定时间范围的视频片段中的各视频帧计算第一特征值，所述第一特征值为根据视频帧连续静音长度的倒数和第一权重阈值计算获得；

特征片段提取子模块，用于根据所述第一特征值提取特征片段；所述特征片段为一个或多个；

遍历子模块，用于从后向前遍历所述特征片段中的视频帧，计算所述视频帧的第二特征值，第三特征值，第四特征值和第五特征值；

其中，所述第二特征值为根据视频帧的背景运动幅度和第二权重阈值计算获得；

所述第三特征值为根据视频帧的前景运动幅度和第三权重阈值计算获得；

所述第四特征值为根据视频帧与待衔接视频第一帧的差值绝对值和第四权重阈值计算获得；

所述第五特征值为根据视频帧的时间点与指定时间范围结束点的差值和第五权重阈值计算获得；

以及，

特征片段整合子模块，用于计算所述特征片段中各视频帧的第一特征值、第二特征值、第三特征值、第四特征值和第五特征值的加权平均值为当前视频帧的特征值。

6.如权利要求5所述的装置，其特征在于，所述目标视频帧提取模块包括：

候选视频帧选取子模块，用于选取特征值小于预设阈值的视频帧为候选视频帧；

目标视频帧确定子模块，用于在所述候选视频帧中确定目标视频帧。

7.如权利要求5所述的装置，其特征在于，所述目标视频帧提取模块包括：

特征片段选取子模块，用于将各特征片段按其视频帧的最小特征值进行升序排列，确定前N位的特征片段为优选特征片段，所述N为预设数量阈值；

目标视频帧选取子模块，用于在优选特征片段中分别提取特征值最低的视频帧为目标视频帧。