CN113435328A - 视频片段处理方法、装置、电子设备及可读存储介质 - Google Patents

Abstract

本发明实施例提供了一种视频片段处理方法、装置、电子设备及可读存储介质，方法包括：获取目标视频片段的音频特征向量，确定参考视频片段的音频特征向量与比较视频片段的音频特征向量的相似度，并根据所确定的相似度来确定参考视频片段和比较视频片段是否属于同一场景，若参考视频片段和比较视频片段属于同一场景，则标记参考视频片段和比较视频片段，更新参考视频片段和/或比较视频片段，并确定参考视频片段的音频特征向量与比较视频片段的音频特征向量的相似度，并根据所确定的相似度来判断是否属于同一场景，直到满足处理结束条件时，根据标记生成目标视频的处理结果，从而提高同一场景的视频内容的完整性和画面连续性。

Description

视频片段处理方法、装置、电子设备及可读存储介质

技术领域

本发明涉及计算机技术领域，特别是涉及一种视频片段处理方法、装置、电子设备及可读存储介质。

背景技术

视频拆条是因互联网视频和新媒体短视频内容平台的需要，对长视频节目进行二次加工，将原来完整的一条节目内容，按照某种逻辑思维或特定需要，将其拆分成多条视频。在视频拆条的应用中，希望将相对完整的一个场景段落标记为整体进行拆分。

目前对长视频拆条时，会将包括多个镜头的同一场景的视频画面拆分为多个镜头片段，导致无法得到完整的同一场景的视频片段，无法保证同一场景画面的连续性。因此，如何得到完整的同一场景的视频片段，保证同一场景画面的连续性成为亟待解决的问题。

发明内容

本发明实施例的目的在于提供一种视频片段处理方法、装置、电子设备及可读存储介质，以解决现有技术中无法得到完整的同一场景的视频片段，无法保证同一场景画面的连续性的问题。具体技术方案如下：

在本发明实施的第一方面，首先提供了一种视频片段处理方法，包括：

获取目标视频片段的音频特征向量，其中，所述目标视频片段为对目标视频的镜头剪辑点分割得到的；

确定参考视频片段的音频特征向量与比较视频片段的音频特征向量的相似度，并根据所确定的相似度来确定所述参考视频片段和所述比较视频片段是否属于同一场景，其中，所述参考视频片段位于所述比较视频片段之前，且所述参考视频片段的初始片段为第一个目标视频片段，所述比较视频片段的初始片段为第二个目标视频片段；

若所述参考视频片段和所述比较视频片段属于同一场景，则标记所述参考视频片段和所述比较视频片段；

更新所述参考视频片段和/或所述比较视频片段，并确定所述参考视频片段的音频特征向量与所述比较视频片段的音频特征向量的相似度，并根据所确定的相似度来判断是否属于同一场景，直到满足处理结束条件时，根据所述标记生成目标视频的处理结果；其中，所述处理结束条件为任一所述目标视频片段至少与另一所述目标视频片段判断过是否属于同一场景；

其中，更新所述参考视频片段的步骤包括：将所述参考视频片段的后一个目标视频片段作为更新后的参考视频片段；更新所述比较视频片段的步骤包括：将所述比较视频片段的后一个目标视频片段作为更新后的比较视频片段。

在本发明实施的第二方面，还提供了一种视频片段处理装置，包括：

第一获取模块，用于获取目标视频片段的音频特征向量，其中，所述目标视频片段为对目标视频的镜头剪辑点分割得到的；

第一确定模块，用于确定参考视频片段的音频特征向量与比较视频片段的音频特征向量的相似度，并根据所确定的相似度来确定所述参考视频片段和所述比较视频片段是否属于同一场景，其中，所述参考视频片段位于所述比较视频片段之前，且所述参考视频片段的初始片段为第一个目标视频片段，所述比较视频片段的初始片段为第二个目标视频片段；

标记模块，用于若所述参考视频片段和所述比较视频片段属于同一场景，则标记所述参考视频片段和所述比较视频片段；

更新模块，用于更新所述参考视频片段和/或所述比较视频片段，并确定所述参考视频片段的音频特征向量与所述比较视频片段的音频特征向量的相似度，并根据所确定的相似度来判断是否属于同一场景，直到满足处理结束条件时，根据所述标记生成目标视频的处理结果；其中，所述处理结束条件为任一所述目标视频片段至少与另一所述目标视频片段判断过是否属于同一场景；

其中，更新所述参考视频片段的步骤包括：将所述参考视频片段的后一个目标视频片段作为更新后的参考视频片段；更新所述比较视频片段的步骤包括：将所述比较视频片段的后一个目标视频片段作为更新后的比较视频片段。

在本发明实施的又一方面，还提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；

存储器，用于存放计算机程序；

处理器，用于执行存储器上所存放的程序时，实现上述所述的方法步骤。

在本发明实施的又一方面，还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述所述的方法。

本实施例提供的视频片段处理方法，通过获取目标视频片段的音频特征向量，确定参考视频片段的音频特征向量与比较视频片段的音频特征向量的相似度，并根据所确定的相似度来确定参考视频片段和比较视频片段是否属于同一场景，若参考视频片段和比较视频片段属于同一场景，则标记参考视频片段和比较视频片段，更新参考视频片段和/或比较视频片段，并确定参考视频片段的音频特征向量与比较视频片段的音频特征向量的相似度，并根据所确定的相似度来判断是否属于同一场景，直到满足处理结束条件时，根据标记生成目标视频的处理结果，实现标记同一场景的所有视频片段，从而提高了同一场景的视频内容的完整性和同一场景画面的连续性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。

图1为本发明实施例中提供的一种视频片段处理方法的步骤流程图；

图2为本发明实施例中提供的另一种视频片段处理方法的步骤流程图；

图3为本发明实施例提供的一种视频片段处理装置的结构示意图；

图4为本发明实施例中提供的一种电子设备的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行描述。

目前对长视频拆条时，会将包括多个镜头的同一场景的视频画面拆分为多个镜头片段，导致无法得到完整的同一场景的视频片段，无法保证同一场景画面的连续性。例如目标视频中包括某个同一场景视频内容，该同一个场景视频内容例如为包括两个角色的打电话场景视频，该打电话场景视频包括镜头切换到角色A时角色A的镜头图像1以及镜头切换到角色B时角色B的镜头图像2，则对该同一场景视频内容进行拆条时，会将该同一场景视频内容拆分为两个视频片段，其中一个视频片段包括镜头图像A，另一个视频片段包括镜头图像B，导致无法得到完整的同一场景的视频内容，无法保证同一场景画面的连续性。

为了解决上述技术问题，本发明实施例提供了一种视频片段处理方法。参照图1，图1为本发明实施例中提供的一种视频片段处理方法的步骤流程图。该方法可以由视频片段处理装置执行，视频片段处理装置可以部属于包括计算机、服务器等电子设备。该方法包括如下步骤：

步骤101、获取目标视频片段的音频特征向量，其中，目标视频片段为对目标视频的镜头剪辑点分割得到的。

其中，获取目标视频片段的音频特征向量可以通过如下步骤实现：

提取目标视频片段的音频，并对音频进行分析，获得目标视频片段的音频特征向量。

可选的，在获取目标视频片段的音频特征向量之前，还可以包括如下步骤：

获取目标视频的相邻两帧图像；

若相邻两帧图像的相似度小于预设阈值，则确定相邻两帧图像之间的分割点为镜头剪辑点；

根据镜头剪辑点，对目标视频进行分割，得到目标视频片段。

需要说明的是，在相邻两帧图像的相似度大于等于预设阈值的情况下，更新该相邻两帧图像，并判断更新后的相邻两帧图像的相似度。

例如，先判断目标视频的第1帧图像与第2帧图像的相似度1，在相似度1大于预设阈值的情况下，将第2帧图像作为相邻两帧图像中的一帧图像，将第3帧图像作为相邻两帧图像中的另一帧图像，若第2帧图像与第3帧图像的相似度小于预设阈值，则第2帧图像与第3帧图像之间的分割点为确定的第1个镜头剪辑点，然后再将第3帧图像作为两帧相邻图像中的一帧图像，将第4帧图像作为相邻两帧图像中的另一帧图像，并接着判断该两帧图像的相似度，以确定之后的镜头剪辑点。将包括第1个镜头剪辑点之前的所有帧图像作为一个目标视频片段，将第m个镜头剪辑点至第m+1个镜头剪辑点之间的所有帧图像作为一个目标视频片段，直至当第m+1个镜头剪辑点为最后一个镜头剪辑点时，将最后一个镜头剪辑点之后的所有的帧图像作为一个目标视频片段，其中，m为大于等于1的整数。

步骤102、确定参考视频片段的音频特征向量与比较视频片段的音频特征向量的相似度，并根据所确定的相似度来确定参考视频片段和比较视频片段是否属于同一场景。

其中，参考视频片段位于比较视频片段之前，且参考视频片段的初始片段为第一个目标视频片段，比较视频片段的初始片段为第二个目标视频片段。

为了更清楚的介绍本发明实施例，为每个目标视频片段设置一个片段序号，在此将确定的包括第1个镜头剪辑点之前的所有帧图像的目标视频片段的片段序号用1表示，将包括第1个镜头剪辑点至第2个镜头剪辑点之间的所有帧图像的目标视频片段的片段序号用2表示，依此类推，即每个目标视频片段均有一个片段序号来标识该片段。

本发明实施例中，将参考视频片段用第i个目标视频片段表示，将比较视频片段用第j个目标视频片段表示，i的初始值为1，j的初始值为2，在确定参考视频片段的音频特征向量与比较视频片段的音频特征向量的相似度时，则先确定第1个目标视频片段的音频特征向量与第2个目标视频片段的音频特征向量的相似度，在该相似度大于预设相似度阈值的情况下，确定第1个目标视频片段和第2个目标视频片段属于同一场景。

步骤103、若参考视频片段和比较视频片段属于同一场景，则标记参考视频片段和比较视频片段。

可选的，标记参考视频片段和比较视频片段的步骤，包括：

将从参考视频片段到比较视频片段之间的所有目标视频片段，均标记为同一场景。

例如，若第1个目标视频片段的音频特征向量与第2个目标视频片段的音频特征向量的相似度大于预设相似度阈值，则确定第1个目标视频片段和第2个目标视频片段属于同一场景，则标记第1个目标视频片段和第2个目标视频片段，即将第1个目标视频片段和第2个目标视频片段均标记为同一场景的片段。

再例如，若第1个目标视频片段和第2个目标视频片段不属于同一场景，第1个目标视频片段和第3个目标视频片段属于同一场景，则将从第1个目标视频片段到第3个目标视频片段之间的所有目标视频片段，均标记为同一场景，即将第1个目标视频片段、第2个目标视频片段和第3个目标视频片段，均标记为同一场景。

需要说明的是，若参考视频片段和比较视频片段属于同一场景，则确定参考视频片段到比较视频片段的所有目标视频片段属于同一场景；若当前确定的同一场景的所有目标视频片段，与前一次标记为同一场景的所有目标视频片段存在相同的目标视频片段，则将当前确定的同一场景的所有目标视频片段，标记为与前一次标记为同一场景的所有目标视频片段的场景相同。

例如，若第1个目标视频片段与第2个目标视频片段不属于同一场景，接着确定第1个目标视频片段与第3个目标视频片段属于同一场景，则标记第1个目标视频片段到第3个目标视频片段均为同一场景。接着确定第2个目标视频片段与第4个目标视频片段是否属于同一场景，若第2个目标视频片段与第4个目标视频片段属于同一场景，则确定第2个目标视频片段到第4个目标视频片段属于同一场景。由于当前确定的同一场景的所有目标视频片段包括第2个目标视频片段到第4个目标视频片段，前一次标记为同一场景的所有目标视频片段包括第1个目标视频片段到第3个目标视频片段，因此当前确定的同一场景的第2个目标视频片段到第4个目标视频片段，与前一次标记为同一场景的第1个目标视频片段到第3个目标视频片段，存在相同的目标视频片段，则将当前确定的同一场景的第2个目标视频片段到第4个目标视频片段，标记为与前一次标记为同一场景的第1个目标视频片段到第3个目标视频片段的场景相同。其中，该相同的目标视频片段包括第2个目标视频片段和第3个目标视频片段。

步骤104、更新参考视频片段和/或比较视频片段，并确定参考视频片段的音频特征向量与比较视频片段的音频特征向量的相似度，并根据所确定的相似度来判断是否属于同一场景，直到满足处理结束条件时，根据标记生成目标视频的处理结果；其中，处理结束条件为任一目标视频片段至少与另一目标视频片段判断过是否属于同一场景。

其中，更新参考视频片段的步骤包括：将参考视频片段的后一个目标视频片段作为更新后的参考视频片段，更新比较视频片段的步骤包括：将比较视频片段的后一个目标视频片段作为更新后的比较视频片段。

可选的，更新比较视频片段的步骤，包括：

若参考视频片段和比较视频片段不属于同一场景，且参考视频片段和比较视频片段之间间隔的片段数小于预设间隔阈值，则更新比较视频片段。

例如，用于k表示预设间隔阈值，即k表示允许位于第i个目标视频片段与第j个目标视频片段之间的视频片段的最大个数。可以根据经验值设置预设间隔阈值，经验值的取值与同一场景中打电话的人物角色的个数、目标视频的噪声中的至少一项相关。由于同一场景中打电话的人物角色的个数通常为两个角色人物，通常将k取值为1；对于同一场景中打电话的人物角色的个数为3个角色人物，将k值取值为2。通过设置有预设间隔阈值，可避免由于参考视频片段或比较视频片段的噪声问题，影响计算的参考视频片段的音频特征向量和比较视频片段的音频特征向量的相似度的准确性，以及避免多人打电话场景中由于镜头切换，导致将属于同一场景的视频片段判断为不同场景的视频片段，从而影响根据相似度确定的参考视频片段和比较视频片段是否属于同一场景的准确性。因此，若不设置预设间隔阈值，可能会将实际上属于同一场景的参考视频片段和比较视频片段，由于受到相似度的准确性的影响，导致将参考视频片段和比较视频片段确定为不属于同一场景的情况。

例如，k值等于1，结合上述举例介绍，若第1个目标视频片段的音频特征向量与第2个目标视频片段的音频特征向量的相似度小于等于预设相似度阈值，则可以判断第1个目标视频片段与第2个目标视频片段之间间隔的片段数是否小于k，由于第1个目标视频片段与第2个目标视频片段之间间隔的片段数为0，该间隔的片段数0小于1，因此，更新比较视频片段，可以将比较视频片段的后一个目标视频片段作为更新后的比较视频片段，即更新比较视频片段后，更新后的比较视频片段为第3个目标视频片段，并接着确定参考视频片段的音频特征向量与比较视频片段的音频特征向量的相似度，并根据所确定的相似度来确定参考视频片段和比较视频片段是否属于同一场景，也即确定第1个目标视频片段的音频特征向量与第3个目标视频片段的音频特征向量的相似度，并根据所确定的相似度来确定第1个目标视频片段和第3个目标视频片段是否属于同一场景。

本实施例中，若参考视频片段和比较视频片段不属于同一场景，且参考视频片段和比较视频片段之间间隔的片段数小于预设间隔阈值，则更新比较视频片段，从而提高了同一场景的视频内容的完整性和同一场景画面的连续性。例如，同一个场景视频内容包括两个角色的打电话场景视频，该打电话场景包括镜头切换到角色A时角色A的视频片段1、镜头切换到角色B时角色B的视频片段2、以及镜头再次切换到角色A时角色A的视频片段3，则现有技术中对该同一场景视频内容进行拆条时，会将该同一场景视频内容拆分为3个视频片段，该3个视频片段依次包括视频片段1、视频片段2和视频片段3，即拆分为3个镜头片段。而采用本发明实施例提供的方法，则可以通过判断视频片段1与视频片段2是否属于同一场景，若视频片段1和视频片段2不属于同一场景，则判断视频片段1和视频片段3是否属于同一场景，由于视频片段1和视频片段3均为角色A的视频片段，该两个视频片段的音频特征向量的相似度就会比较大，会将视频片段1到视频片段3标记为同一场景，从而提高了同一场景的视频内容的完整性和同一场景画面的连续性。

可选的，更新参考视频片段的步骤，包括：

若参考视频片段和比较视频片段不属于同一场景，且参考视频片段和比较视频片段之间间隔的片段数不小于预设间隔阈值，则确定是否存在位于参考视频片段之后的已标记的目标视频片段，若存在，则更新参考视频片段。

需要说明的是，若参考视频片段和比较视频片段属于同一场景，则将参考视频片段到比较视频片段之间的所有目标视频片段，均标记为同一场景，并更新参考视频片段和比较视频片段。其中，更新参考视频片段和比较视频片段，包括：将参考视频片段的后一个目标视频片段作为更新后的参考视频片段，将比较视频片段的后一个目标视频片段作为更新后的。例如，若第1个目标视频片段和第2个目标视频片段属于同一场景，则将第1个目标视频片段和第2个目标视频片段均标记为同一场景，并将第2个目标视频片段作为更新后的参考视频片段，将第3个目标视频片段作为更新后的比较视频片段。

结合上述举例介绍，若第1个目标视频片段和第2个目标视频片段不属于同一场景，接着确定第1个目标视频片段和第3个目标视频片段属于同一场景，则将参考视频片段到比较视频片段之间的所有目标视频片段，均标记为同一场景，并更新参考视频片段和比较视频片段，也即第1个目标视频片段、第2个目标视频片段和第3个目标视频片段均标记为同一场景，并将第2个目标视频片段作为参考视频片段，将第4个目标视频片段作为比较视频片段，并继续确定参考视频片段的音频特征向量与比较视频片段的音频特征向量的相似度，并根据所确定的相似度来确定参考视频片段和比较视频片段是否属于同一场景。若第2个目标视频片段和第4个目标视频片段不属于同一场景，此时由于第2个目标视频片段和第4个目标视频片段之间间隔的片段数1等于k，则确定是否存在位于参考视频片段之后的已标记的目标视频片段，由于此时参考视频片段为第2个目标视频片段，已标记的目标视频片段为第3个目标视频片段，因此此时存在位于参考视频片段之后的已标记的目标视频片段，则更新参考视频片段，也即将第3个目标视频片段作为参考视频片段。从而在此种情况下，实现将已标记的最后一个目标视频片段作为参考视频片段，并接着确定参考视频片段的音频特征向量与比较视频片段的音频特征向量的相似度，并根据该相似度继续判断参考视频片段和比较视频片段是否属于同一场景。

可选的，更新参考视频片段和比较视频片段的步骤，包括：

若参考视频片段和比较视频片段不属于同一场景，且参考视频片段和比较视频片段之间间隔的片段数不小于预设间隔阈值，则判断是否存在已标记的目标视频片段、或者是否存在位于参考视频片段之后的已标记的目标视频片段；

若不存在已标记的目标视频片段、或者不存在位于参考视频片段之后的已标记的目标视频片段，则更新参考视频片段和比较视频片段。

例如，若第1个目标视频片段和第2个目标视频片段不属于同一场景，接着确定第1个目标视频片段和第3个目标视频片段是否属于同一场景，若第1个目标视频片段和第3个目标视频片段不属于同一场景，且此时第1个目标视频片段和第3个目标视频片段之间间隔的片段数1等于k，并且不存在位于参考视频片段之后的已标记的目标视频片段，也即不存在位于第1个目标视频片段之后的已标记的目标视频片段，此种情况下，更新参考视频片段和比较视频片段，即将第2个目标视频片段作为更新后的参考视频片段，将第3个目标视频片段作为更新后的比较视频片段。

需要说明的是，若第1个目标视频片段和第2个目标视频片段不属于同一场景，第1个目标视频片段和第3个目标视频片段不属于同一场景，由于此时未将任何目标视频片段进行标记，也即此时不存在已标记的目标视频片段，此种情况下，也需更新参考视频片段和比较视频片段。

例如，若第1个目标视频片段和第2个目标视频片段不属于同一场景，接着判断第1个目标视频片段和第3个目标视频片段是否属于同一场景，若第1个目标视频片段和第3个目标视频片段不属于同一场景，则继续判断第2个目标视频片段和第3个目标视频片段是否属于同一场景，若第2个目标视频片段和第3个目标视频片段属于同一场景，则标记第2个目标视频片段和第3个目标视频片段为同一场景，之后继续确定第3个目标视频片段和第4个目标视频片段是否属于同一场景，若第3个目标视频片段和第4个目标视频片段不属于同一场景，则继续确定第3个目标视频片段和第5个目标视频片段是否属于同一场景，若第3个目标视频片段和第5个目标视频片段不属于同一场景，此时参考视频片段为第3个目标视频片段，由于当前已标记最后一个目标视频片段为第3个目标视频片段，因此，此时不存在位于位于第3个目标视频片段之后的已标记的目标视频片段，需更新参考视频片段和比较视频片段。

本实施例提供的视频片段处理方法，通过获取目标视频片段的音频特征向量，确定参考视频片段的音频特征向量与比较视频片段的音频特征向量的相似度，并根据所确定的相似度来确定参考视频片段和比较视频片段是否属于同一场景，若参考视频片段和比较视频片段属于同一场景，则标记参考视频片段和比较视频片段，更新参考视频片段和/或比较视频片段，并确定参考视频片段的音频特征向量与比较视频片段的音频特征向量的相似度，并根据所确定的相似度来判断是否属于同一场景，直到满足处理结束条件时，根据标记生成目标视频的处理结果，实现标记同一场景的所有视频片段，从而提高了同一场景的视频内容的完整性和同一场景画面的连续性。

可选的，该方法还可以包括如下步骤：

当无法更新比较视频片段时，根据标记生成目标视频的处理结果；其中，无法更新比较视频片段的情况为比较视频片段为最后一个目标视频片段。

例如目标视频共包括5个目标视频片段，若第1个目标视频片段与第2个目标视频片段不属于同一场景，接着确定第1个目标视频片段与第3个目标视频片段属于同一场景，则标记第1个目标视频片段到第3个目标视频片段均为同一场景，接着确定第2个目标视频片段与第4个目标视频片段是否属于同一场景，若第2个目标视频片段与第4个目标视频片段属于同一场景，则标记第2个目标视频片段到第4个目标视频片段均为同一场景，即第1个目标视频片段到第4个目标视频片段均属于同一场景。接着确定第3个目标视频片段与第5个目标视频片段是否属于同一场景，若第3个目标视频片段和第5个目标视频片段不属于同一场景，由于此时比较视频片段为第5个目标视频片段，此时第5个目标视频片段为最后一个目标视频片段，此种情况下，无法更新比较视频片段，此时所有目标视频的处理过程结束，根据标记生成目标视频的处理结果，此时属于同一场景1的视频片段包括第1个目标视频片段到第4个目标视频片段，属于同一场景2的视频片段包括第5个目标视频片段。

参照图2，图2为本发明实施例中提供的另一种视频片段处理方法的步骤流程图。该方法包括如下步骤：

步骤201、获取目标视频片段的音频特征向量。

步骤202、将当前L值与1的和赋值给j。

本步骤中将当前L值与1的和赋值给j，也即j＝L+1。执行本步骤后，可以执行判断当前j值是否大于N的步骤，在当前j值大于N的情况下，结束整个处理流程。在当前j值小于等于N的情况下，执行步骤203。其中，N表示对目标视频的镜头剪辑点分割得到的目标视频片段的总个数，L值表示已标记的目标视频片段中的最后一个目标视频片段，L的初始值等于1，j的初始值等于2，

例如，若已经将第1个目标视频片段、第2个目标视频片段以及第3个目标视频片段均标记为同一个场景，则当前L值等于3。或者，若已将第1个目标视频片段和第2个目标视频片段标记为同一个场景A，并且已将第3个目标视频片段标记为同一个场景B，此种情况下，当前L值仍然等于3。

步骤203、确定第i个目标视频片段的音频特征向量与第j个目标视频片段的音频特征向量的相似度，并根据所确定的相似度来确定第i个目标视频片段和第j个目标视频片段是否属于同一场景。

第i个目标视频片段表示参考视频片段，i的初始值等于1。第j个目标视频片段表示比较视频片段。若步骤202中当前L值等于1，本步骤中，i值等于1，j值等于2，则确定第1个目标视频片段的音频特征向量与第2个目标视频片段的音频特征向量的相似度。

若参考视频片段和比较视频片段不属于同一场景，执行步骤204；若参考视频片段和比较视频片段属于同一场景，执行步骤205。

步骤204、判断第i个目标视频片段和第j个目标视频片段之间间隔的片段数是否小于预设间隔阈值。

若参考视频片段和比较视频片段之间间隔的片段数不小于预设间隔阈值，执行步骤207。若参考视频片段和比较视频片段之间间隔的片段数小于预设间隔阈值，则执行步骤206。

步骤205、标记第i个目标视频片段和第j个目标视频片段。

步骤205执行完成后，执行步骤209，步骤209执行完成后，接着执行步骤202。

步骤206、将当前值j值累加1。

例如，若第1个目标视频片段和第2个目标视频片段不属于同一场景，则执行步骤204，即判断参考视频片段和比较视频片段之间间隔的片段数是否不小于预设间隔阈值，由于第1个目标视频片段和第2个目标视频片段之间间隔片段数0小于k，则执行步骤206，也即将当前值j值累加1，当前值j值累加1后，当前j值等于3，并接着执行步骤203，即确定第1个目标视频片段的音频特征向量与第3个目标视频片段的音频特征向量的相似度，并根据该相似度来确定第1个目标视频片段和第3个目标视频片段是否属于同一场景。

执行步骤203后，若第1个目标视频片段和第3个目标视频片段属于同一场景，则执行步骤205，即将第1个目标视频片段和第3个目标视频片段标记为同一个场景，例如将第1个目标视频片段至第3个目标视频片段标记为同一个场景。若第1个目标视频片段与第2个目标视频片段属于同一场景，则执行步骤205，即标记第1个目标视频片段和第2个目标视频片段。步骤205执行完成后，并接着执行步骤208，即将当前i值累加1，并将当前j值赋值给L，将当前i值累加1后，当前i值等于2，由于当前j值等于2，因此，将当前j值赋值给L后，当前L值等于2。步骤209执行完成后，接着执行步骤202，即将当前L值与1的和赋值给j，由于当前L值等于2，因此将当前L值与1的和赋值给j后，当前j值等于3，接着可继续确定第1个目标视频片段的音频特征向量与第3个目标视频片段的音频特征向量的相似度，并根据该相似度判断第1个目标视频片段和第3个目标视频片段是否属于同一场景。

步骤207、确定是否存在位于第i个目标视频片段之后的已标记的目标视频片段。

可以通过判断在当前i值与1的和是否小于等于当前L值，来判断是否存在位于第i个目标视频片段之后的已标记的目标视频片段。若当前i值与1的和小于等于当前L值，则确定存在位于第i个目标视频片段之后的已标记的目标视频片段，执行步骤209；若当前i值与1的和小于大于当前L值，则确定不存在位于第i个目标视频片段之后的已标记的目标视频片段，执行步骤210。

例如，若第1个目标视频片段和第2个目标视频片段不属于同一场景，接着确定第1个目标视频片段和第3个目标视频片段属于同一场景，则将第1个目标视频片段、第2个目标视频片段和第3个目标视频片段均标记为同一场景，并继续确定第2个目标视频片段和第4个目标视频片段是否属于同一场景，若不属于同一场景，此时由于第2个目标视频片段和第4个目标视频片段之间间隔的片段数1等于k，则执行步骤207，即确定是否存在位于第2个目标视频片段之后的已标记的目标视频片段，由于此时已标记的目标视频片段为第3个目标视频片段，因此此时存在位于第2个目标视频片段之后的已标记的目标视频片段，则执行步骤209，更新参考视频片段，也即将第3个目标视频片段作为参考视频片段。

例如，若第1个目标视频片段和第2个目标视频片段不属于同一场景，接着判断第1个目标视频片段和第3个目标视频片段是否属于同一场景，若第1个目标视频片段和第3个目标视频片段不属于同一场景，则继续判断第2个目标视频片段和第3个目标视频片段是否属于同一场景，若第2个目标视频片段和第3个目标视频片段属于同一场景，则标记第2个目标视频片段和第3个目标视频片段为同一场景，之后继续确定第3个目标视频片段和第4个目标视频片段是否属于同一场景，若第3个目标视频片段和第4个目标视频片段不属于同一场景，则继续确定第3个目标视频片段和第5个目标视频片段是否属于同一场景，若第3个目标视频片段和第5个目标视频片段不属于同一场景，此时第i个目标视频片段为第3个目标视频片段，即此时i等于3，当前已标记最后一个目标视频片段为第3个目标视频片段，即L等于3，此时不存在位于第3个目标视频片段之后的已标记的目标视频片段，则执行步骤210，更新参考视频片段和比较视频片段，即将第4个目标视频片段作为更新后的参考视频片段，将第6个目标视频片段作为更新后的比较视频片段。

步骤208、将当前i值累加1，并将当前j值赋值给L。

步骤208执行完成后，接着执行步骤202。

步骤209、将当前i值累加1。

步骤210执行完成后，接着执行步骤202。执行步骤210时，意味着在第三相似度小于等于预设相似度阈值、当前j值与当前i值的差值大于k、且当前i值与1的和小于等于当前L值的情况下，将当前i值累加1，并确定片段序号为当前j值的视频片段的音频特征向量与片段序号为当前i值的视频片段的音频特征向量的第四相似度。

步骤210、将当前i值累加1，并将当前L值累加1。

步骤210执行完成后，接着执行步骤202。

参照图3，图3为本发明实施例提供的一种视频片段处理装置的结构示意图，该装置300设置于电子设备，包括：

第一获取模块310，用于获取目标视频片段的音频特征向量，其中，所述目标视频片段为对目标视频的镜头剪辑点分割得到的；

第一确定模块320，用于确定参考视频片段的音频特征向量与比较视频片段的音频特征向量的相似度，并根据所确定的相似度来确定所述参考视频片段和所述比较视频片段是否属于同一场景，其中，所述参考视频片段位于所述比较视频片段之前，且所述参考视频片段的初始片段为第一个目标视频片段，所述比较视频片段的初始片段为第二个目标视频片段；

标记模块330，用于若所述参考视频片段和所述比较视频片段属于同一场景，则标记所述参考视频片段和所述比较视频片段；

更新模块340，用于更新所述参考视频片段和/或所述比较视频片段，并确定所述参考视频片段的音频特征向量与所述比较视频片段的音频特征向量的相似度，并根据所确定的相似度来判断是否属于同一场景，直到满足处理结束条件时，根据所述标记生成目标视频的处理结果；其中，所述处理结束条件为任一所述目标视频片段至少与另一所述目标视频片段判断过是否属于同一场景；

其中，更新所述参考视频片段的步骤包括：将所述参考视频片段的后一个目标视频片段作为更新后的参考视频片段；更新所述比较视频片段的步骤包括：将所述比较视频片段的后一个目标视频片段作为更新后的比较视频片段。

可选的，更新模块340，具体用于若所述参考视频片段和所述比较视频片段不属于同一场景，且所述参考视频片段和所述比较视频片段之间间隔的片段数小于预设间隔阈值，则更新所述比较视频片段。

可选的，更新模块340，具体用于若所述参考视频片段和所述比较视频片段不属于同一场景，且所述参考视频片段和所述比较视频片段之间间隔的片段数不小于预设间隔阈值，则确定是否存在位于所述参考视频片段之后的已标记的目标视频片段，若存在，则更新所述参考视频片段。

可选的，更新模块340，具体用于若所述参考视频片段和所述比较视频片段不属于同一场景，且所述参考视频片段和所述比较视频片段之间间隔的片段数不小于预设间隔阈值，则判断是否存在已标记的目标视频片段、或者是否存在位于所述参考视频片段之后的已标记的目标视频片段；

若不存在已标记的目标视频片段、或者不存在位于所述参考视频片段之后的已标记的目标视频片段，则更新所述参考视频片段和所述比较视频片段。

可选的，装置还包括：

生成模块，用于当无法更新所述比较视频片段时，根据所述标记生成目标视频的处理结果；其中，所述无法更新所述比较视频片段的情况为所述比较视频片段为最后一个目标视频片段。

可选的，标记模块，具体用于将从所述参考视频片段到所述比较视频片段之间的所有目标视频片段，均标记为同一场景。

可选的，还包括：

第二获取模块，用于获取所述目标视频的相邻两帧图像；

第二确定模块，用于若所述相邻两帧图像的相似度小于预设阈值，则确定所述相邻两帧图像之间的分割点为所述镜头剪辑点；

获得模块，用于根据所述镜头剪辑点，对所述目标视频进行分割，得到所述目标视频片段。

本发明实施例还提供了一种电子设备，如图4所示，图4为本发明实施例中提供的一种电子设备的结构示意图。包括处理器401、通信接口402、存储器403和通信总线404，其中，处理器401，通信接口402，存储器403通过通信总线404完成相互间的通信，

存储器403，用于存放计算机程序；

处理器401，用于执行存储器403上所存放的程序时，实现如下步骤：

获取目标视频片段的音频特征向量，其中，所述目标视频片段为对目标视频的镜头剪辑点分割得到的；

确定参考视频片段的音频特征向量与比较视频片段的音频特征向量的相似度，并根据所确定的相似度来确定所述参考视频片段和所述比较视频片段是否属于同一场景，其中，所述参考视频片段位于所述比较视频片段之前，且所述参考视频片段的初始片段为第一个目标视频片段，所述比较视频片段的初始片段为第二个目标视频片段；

若所述参考视频片段和所述比较视频片段属于同一场景，则标记所述参考视频片段和所述比较视频片段；

更新所述参考视频片段和/或所述比较视频片段，并确定所述参考视频片段的音频特征向量与所述比较视频片段的音频特征向量的相似度，并根据所确定的相似度来判断是否属于同一场景，直到满足处理结束条件时，根据所述标记生成目标视频的处理结果；其中，所述处理结束条件为任一所述目标视频片段至少与另一所述目标视频片段判断过是否属于同一场景；

其中，更新所述参考视频片段的步骤包括：将所述参考视频片段的后一个目标视频片段作为更新后的参考视频片段；更新所述比较视频片段的步骤包括：将所述比较视频片段的后一个目标视频片段作为更新后的比较视频片段。

上述终端提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，简称EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

通信接口用于上述终端与其他设备之间的通信。

存储器可以包括随机存取存储器(Random Access Memory，简称RAM)，也可以包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。

上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field－Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述实施例中任一所述的视频片段处理方法。

在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一所述的视频片段处理方法。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于***实施例而言，由于其基本相似于方法实施例，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。

以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (10)

1.一种视频片段处理方法，其特征在于，包括

获取目标视频片段的音频特征向量，其中，所述目标视频片段为对目标视频的镜头剪辑点分割得到的；

确定参考视频片段的音频特征向量与比较视频片段的音频特征向量的相似度，并根据所确定的相似度来确定所述参考视频片段和所述比较视频片段是否属于同一场景，其中，所述参考视频片段位于所述比较视频片段之前，且所述参考视频片段的初始片段为第一个目标视频片段，所述比较视频片段的初始片段为第二个目标视频片段；

若所述参考视频片段和所述比较视频片段属于同一场景，则标记所述参考视频片段和所述比较视频片段；

更新所述参考视频片段和/或所述比较视频片段，并确定所述参考视频片段的音频特征向量与所述比较视频片段的音频特征向量的相似度，并根据所确定的相似度来判断是否属于同一场景，直到满足处理结束条件时，根据所述标记生成目标视频的处理结果；其中，所述处理结束条件为任一所述目标视频片段至少与另一所述目标视频片段判断过是否属于同一场景；

其中，更新所述参考视频片段的步骤包括：将所述参考视频片段的后一个目标视频片段作为更新后的参考视频片段；更新所述比较视频片段的步骤包括：将所述比较视频片段的后一个目标视频片段作为更新后的比较视频片段。

2.根据权利要求1所述的方法，其特征在于，所述更新所述比较视频片段的步骤，包括：

若所述参考视频片段和所述比较视频片段不属于同一场景，且所述参考视频片段和所述比较视频片段之间间隔的片段数小于预设间隔阈值，则更新所述比较视频片段。

3.根据权利要求1所述的方法，其特征在于，所述更新所述参考视频片段的步骤，包括：

若所述参考视频片段和所述比较视频片段不属于同一场景，且所述参考视频片段和所述比较视频片段之间间隔的片段数不小于预设间隔阈值，则确定是否存在位于所述参考视频片段之后的已标记的目标视频片段，若存在，则更新所述参考视频片段。

4.根据权利要求1所述的方法，其特征在于，所述更新所述参考视频片段和所述比较视频片段的步骤，包括：

若所述参考视频片段和所述比较视频片段不属于同一场景，且所述参考视频片段和所述比较视频片段之间间隔的片段数不小于预设间隔阈值，则判断是否存在已标记的目标视频片段、或者是否存在位于所述参考视频片段之后的已标记的目标视频片段；

若不存在已标记的目标视频片段、或者不存在位于所述参考视频片段之后的已标记的目标视频片段，则更新所述参考视频片段和所述比较视频片段。

5.根据权利要求2或4所述的方法，其特征在于，该方法还包括：

当无法更新所述比较视频片段时，根据所述标记生成目标视频的处理结果；其中，所述无法更新所述比较视频片段的情况为所述比较视频片段为最后一个目标视频片段。

6.根据权利要求1所述的方法，其特征在于，所述标记所述参考视频片段和所述比较视频片段的步骤，包括：

将从所述参考视频片段到所述比较视频片段之间的所有目标视频片段，均标记为同一场景。

7.根据权利要求1所述的方法，其特征在于，在所述获取目标视频片段的音频特征向量之前，还包括：

获取所述目标视频的相邻两帧图像；

若所述相邻两帧图像的相似度小于预设阈值，则确定所述相邻两帧图像之间的分割点为所述镜头剪辑点；

根据所述镜头剪辑点，对所述目标视频进行分割，得到所述目标视频片段。

8.一种视频片段处理装置，其特征在于，包括：

第一获取模块，用于获取目标视频片段的音频特征向量，其中，所述目标视频片段为对目标视频的镜头剪辑点分割得到的；

第一确定模块，用于确定参考视频片段的音频特征向量与比较视频片段的音频特征向量的相似度，并根据所确定的相似度来确定所述参考视频片段和所述比较视频片段是否属于同一场景，其中，所述参考视频片段位于所述比较视频片段之前，且所述参考视频片段的初始片段为第一个目标视频片段，所述比较视频片段的初始片段为第二个目标视频片段；

标记模块，用于若所述参考视频片段和所述比较视频片段属于同一场景，则标记所述参考视频片段和所述比较视频片段；

更新模块，用于更新所述参考视频片段和/或所述比较视频片段，并确定所述参考视频片段的音频特征向量与所述比较视频片段的音频特征向量的相似度，并根据所确定的相似度来判断是否属于同一场景，直到满足处理结束条件时，根据所述标记生成目标视频的处理结果；其中，所述处理结束条件为任一所述目标视频片段至少与另一所述目标视频片段判断过是否属于同一场景；

其中，更新所述参考视频片段的步骤包括：将所述参考视频片段的后一个目标视频片段作为更新后的参考视频片段；更新所述比较视频片段的步骤包括：将所述比较视频片段的后一个目标视频片段作为更新后的比较视频片段。

9.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；

存储器，用于存放计算机程序；

处理器，用于执行存储器上所存放的程序时，实现权利要求1-7任一所述的方法步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的方法。

Images