CN103686340A - 电子播放设备的节目播放方法及电子播放设备 - Google Patents

Abstract

本发明公开一种电子播放设备的节目播放方法，该方法包括：提取节目源数据中的视频数据和音频数据，并按时间轴排列进行存储；将所述视频数据中每一视频帧对应的音频数据分离为人声音频数据和背景声音频数据，并对人声音频数据和背景声音频数据进行取样；根据取样结果识别音频数据的类型，并对所述音频数据及其对应的视频帧进行类型标记；播放该节目源时，根据标记的所述音频数据及其对应的视频帧的类型跳过片头或片尾。本发明还公开一种适用该方法的电子播放设备。本发明可实现自动跳过节目源的片头、片尾，省去了用户为等待正片浪费的时间，给用户带来更好的用户体验，更加智能化，且能节约大量不必要的能源浪费。

Description

电子播放设备的节目播放方法及电子播放设备

技术领域

本发明涉及电子播放设备技术领域，尤其涉及一种电子播放设备的节目播放方法及电子播放设备。

背景技术

随着全球电视数字化的日益推进，电子播放设备如电视上可供播放的电视节目越来越丰富，然而，现在的电视节目中一般均含有片头、片尾，片头、片尾一般主要都是背景音乐，并无实质性的内容，用户往往不希望收看到，因为这会浪费用户一段时间来等待收看正片，且当用户收看电视连续剧时，若该电视连续剧有120集，每集播放5分钟片头，5分钟片尾，则用户将重复收看的片头、片尾时间长达120x10=1200分钟=1200/60=20小时，这无疑会浪费用户大量的时间，极大地降低了用户体验，同时，带来不必要的能源耗费。

发明内容

本发明的主要目的在于提供一种电子播放设备的节目播放方法及电子播放设备，旨在提高用户收看电视节目的体验感。

为了达到上述目的，本发明提出一种电子播放设备的节目播放方法，包括以下步骤：

提取节目源数据中的视频数据和音频数据，并按时间轴排列进行存储；

将所述视频数据中每一视频帧对应的音频数据分离为人声音频数据和背景声音频数据，并对人声音频数据和背景声音频数据进行取样；

根据取样结果识别音频数据的类型，并对所述音频数据及其对应的视频帧进行类型标记；

播放该节目源时，根据标记的所述音频数据及其对应的视频帧的类型跳过片头或片尾。

优选地，所述将所述视频数据中每一视频帧对应的音频数据分离为人声音频数据和背景声音频数据，并对人声音频数据和背景声音频数据进行取样的步骤包括：

将所述视频数据中每一视频帧对应的音频数据经数模转换为模拟音频数据；

分离所述模拟音频数据中的低频段音频数据作为人声音频数据，分离所述模拟音频数据中的高频段音频数据作为背景声音频数据；

获取所述人声音频数据的平均频率值Sl及所述背景声音频数据的平均频率值Sh；

统计符合所述人声音频数据的平均频率值的音频数据在所述人声音频数据中出现的次数作为人声次数，并统计符合所述背景声音频数据的平均频率值的音频数据在所述背景声音频数据中出现的次数作为背景声次数。

优选地，所述低频段音频数据的频率范围为0至700Hz，所述高频段音频数据的频率范围为1000至20000Hz；获取所述人声音频数据的平均频率值Sl及所述背景声音频数据的平均频率值Sh具体为如下公式所示：

$\mathrm{Sl}=\underset{z1=0}{\overset{z1=700}{\mathrm{\&Sigma;}}}\left(\mathrm{low}\left(x\right)\right)/x,z1<700$

$\mathrm{Sh}=\underset{z2=1000}{\overset{z2=20000}{\mathrm{\&Sigma;}}}\left(\mathrm{high}\left(y\right)\right)/y,z2<20000$

其中，x为所述低频段音频数据的所有音频数据的出现次数，low(x)为所述低频段音频数据的所有音频数据的频率值，z1为所述低频段音频数据的频率范围；

y为所述高频段音频数据的所有音频数据的出现次数，high(y)为所述高频段音频数据的所有音频数据的频率值，z2为所述高频段音频数据的频率范围。

优选地，所述根据取样结果识别音频数据的类型，并对所述音频数据及其对应的视频帧进行类型标记的步骤具体为：

当所述人声次数大于所述背景声次数时，则识别该音频数据的类型为正片，并将该音频数据及其对应的视频帧标记为正片；

当所述人声次数小于所述背景声次数时，则结合该音频数据的时间轴，识别该音频数据的类型为片头或片尾，并将该音频数据及其对应的视频帧标记为片头或片尾。

优选地，所述根据标记的所述音频数据及其对应的视频帧的类型跳过片头或片尾的步骤具体为：

播放该节目源时，当读取的当前音频数据及其对应的视频帧的标记类型为片头或片尾时，则跳过当前音频数据及其对应的视频帧，继续读取下一音频数据及其对应的视频帧的标记类型，直至读取的音频数据及其对应的视频帧的标记类型为正片，才播放该标记类型为正片的音频数据及其对应的视频帧；

当读取的当前音频数据及其对应的视频帧的标记类型为正片时，则播放当前音频数据及其对应的视频帧。

本发明还提出一种播放节目的电子播放设备，包括：

存储模块，用于提取节目源数据中的视频数据和音频数据，并按时间轴排列进行存储；

分离取样模块，用于将所述视频数据中每一视频帧对应的音频数据分离为人声音频数据和背景声音频数据，并对人声音频数据和背景声音频数据进行取样；

识别标记模块，用于根据取样结果识别音频数据的类型，并对所述音频数据及其对应的视频帧进行类型标记；

跳过模块，用于播放该节目源时，根据标记的所述音频数据及其对应的视频帧的类型跳过片头或片尾。

优选地，所述分离取样模块包括：

转换单元，用于将所述视频数据中每一视频帧对应的音频数据经数模转换为模拟音频数据；

分离单元，用于分离所述模拟音频数据中的低频段音频数据作为人声音频数据，分离所述模拟音频数据中的高频段音频数据作为背景声音频数据；

获取单元，用于获取所述人声音频数据的平均频率值Sl及所述背景声音频数据的平均频率值Sh；

统计单元，用于统计符合所述人声音频数据的平均频率值的音频数据在所述人声音频数据中出现的次数作为人声次数，并统计符合所述背景声音频数据的平均频率值的音频数据在所述背景声音频数据中出现的次数作为背景声次数。

优选地，所述低频段音频数据的频率范围为0至700Hz，所述高频段音频数据的频率范围为1000至20000Hz；获取所述人声音频数据的平均频率值Sl及所述背景声音频数据的平均频率值Sh具体为如下公式所示：

$\mathrm{Sl}=\underset{z1=0}{\overset{z1=700}{\mathrm{\&Sigma;}}}\left(\mathrm{low}\left(x\right)\right)/x,z1<700$

$\mathrm{Sh}=\underset{z2=1000}{\overset{z2=20000}{\mathrm{\&Sigma;}}}\left(\mathrm{high}\left(y\right)\right)/y,z2<20000$

其中，x为所述低频段音频数据的所有音频数据的出现次数，low(x)为所述低频段音频数据的所有音频数据的频率值，z1为所述低频段音频数据的频率范围；

y为所述高频段音频数据的所有音频数据的出现次数，high(y)为所述高频段音频数据的所有音频数据的频率值，z2为所述高频段音频数据的频率范围。

优选地，所述识别标记模块具体用于：

当所述人声次数大于所述背景声次数时，则识别该音频数据的类型为正片，并将该音频数据及其对应的视频帧标记为正片；

当所述人声次数小于所述背景声次数时，则结合该音频数据的时间轴，识别该音频数据的类型为片头或片尾，并将该音频数据及其对应的视频帧标记为片头或片尾。

优选地，所述跳过模块具体用于：

播放该节目源时，当读取的当前音频数据及其对应的视频帧的标记类型为片头或片尾时，则跳过当前音频数据及其对应的视频帧，继续读取下一音频数据及其对应的视频帧的标记类型，直至读取的音频数据及其对应的视频帧的标记类型为正片，才播放该标记类型为正片的音频数据及其对应的视频帧；

当读取的当前音频数据及其对应的视频帧的标记类型为正片时，则播放当前音频数据及其对应的视频帧。

本发明提出的一种电子播放设备的节目播放方法及电子播放设备，将节目源的音频数据分离为人声音频数据和背景声音频数据，并对每一视频帧所对应的音频数据中人声音频数据和背景声音频数据进行取样比较，根据比较结果判断并标记该音频数据及其对应的视频帧的类型是片头、片尾还是正片，当用户收看该节目源时，根据当前音频数据及其对应的视频帧的标记获知其类型，若当前音频数据及其对应的视频帧为片头或片尾，则直接跳过，读取下一音频数据及其对应的视频帧，直至读取的音频数据及其对应的视频帧标记类型为正片，才播放该标记类型为正片的音频数据及其对应的视频帧；由此，即可实现自动跳过节目源的片头、片尾，省去了用户为等待正片浪费的时间，给用户带来更好的用户体验，更加智能化，且能节约大量不必要的能源浪费。

附图说明

图1是本发明电子播放设备的节目播放方法较佳实施例的流程示意图；

图2是图1中步骤S102的细化流程示意图；

图3是本发明播放节目的电子播放设备较佳实施例的结构示意图；

图4是图3中分离取样模块的结构示意图。

为了使发明的技术方案更加清楚、明了，下面将结合附图作进一步详述。

具体实施方式

本发明实施例的解决方案主要是：将节目源的音频数据分离为人声音频数据和背景声音频数据，并对每一视频帧所对应的音频数据中人声音频数据和背景声音频数据进行取样比较，根据比较结果判断并标记该音频数据及其对应的视频帧的类型是片头、片尾还是正片，当用户收看该节目源时，根据当前音频数据及其对应的视频帧的标记获知其类型，若当前音频数据及其对应的视频帧为片头或片尾，则直接跳过，读取下一音频数据及其对应的视频帧，直至读取的音频数据及其对应的视频帧标记类型为正片，才播放该标记类型为正片的音频数据及其对应的视频帧；由此，即可实现自动跳过节目源的片头、片尾。

具体地，如图1所示，本发明较佳实施例提出一种电子播放设备的节目播放方法，包括：

步骤S101，提取节目源数据中的视频数据和音频数据，并按时间轴排列进行存储；

将节目源数据中的视频数据和音频数据进行分离提取，同时，还可创建一缓存区，将提取的节目源数据中的视频数据和音频数据按时间轴的顺序进行排列存储在创建的缓存区中，其中，节目源数据中的视频数据由一张一张的视频帧组成。如，在时间轴上第1ms的时间基准上，可将第1ms的时间对应的视频帧和音频数据进行缓存，进一步地，还可在时间轴上第1ms的时间基准上在缓存区的上半部分缓存视频帧，在缓存区的下半部分缓存每一张视频帧对应的音频数据也即其对应的音频码流信息。

步骤S102，将所述视频数据中每一视频帧对应的音频数据分离为人声音频数据和背景声音频数据，并对人声音频数据和背景声音频数据进行取样；

具体地，如图2所示，上述步骤S102可以包括：

步骤S1021，将所述视频数据中每一视频帧对应的音频数据经数模转换为模拟音频数据；

读取按时间轴的顺序进行排列存储的视频数据和音频数据，进一步地，还可对所述视频数据中每一张视频帧按时间轴排列进行编号，以确定所述视频数据中每一张视频帧按时间轴排列的位置关系。获取视频数据中每一张视频帧对应的音频数据，则该音频数据也即视频数据中某一编号的视频帧对应的音频数据。将所述视频数据中每一张视频帧对应的音频数据进行数模转换，得到模拟音频数据，便于后续的分离、取样操作；

步骤S1022，分离所述模拟音频数据中的低频段音频数据作为人声音频数据，分离所述模拟音频数据中的高频段音频数据作为背景声音频数据；

对转换得到的模拟音频数据采用陷波算法进行处理，按一定的频率范围对模拟音频数据进行分离，本实施例中，将模拟音频数据分离为低频段音频数据和高频段音频数据，其中，低频段音频数据的频率范围为0至700Hz，高频段音频数据的频率范围为1000至20000Hz；则根据上述频率范围对模拟音频数据进行分离，并将低频段音频数据作为人声音频数据，将高频段音频数据作为背景声音频数据。

步骤S1023，获取所述人声音频数据的平均频率值Sl及所述背景声音频数据的平均频率值Sh；

对模拟音频数据分离后，获取所述人声音频数据的平均频率值Sl及所述背景声音频数据的平均频率值Sh；计算公式如下：

$\mathrm{Sl}=\underset{z1=0}{\overset{z1=700}{\mathrm{\&Sigma;}}}\left(\mathrm{low}\left(x\right)\right)/x,z1<700$

$\mathrm{Sh}=\underset{z2=1000}{\overset{z2=20000}{\mathrm{\&Sigma;}}}\left(\mathrm{high}\left(y\right)\right)/y,z2<20000$

其中，x为所述低频段音频数据的所有音频数据的出现次数，low(x)为所述低频段音频数据的所有音频数据的频率值，z1为所述低频段音频数据的频率范围；y为所述高频段音频数据的所有音频数据的出现次数，high(y)为所述高频段音频数据的所有音频数据的频率值，z2为所述高频段音频数据的频率范围。

步骤S1024，统计符合所述人声音频数据的平均频率值的音频数据在所述人声音频数据中出现的次数作为人声次数，并统计符合所述背景声音频数据的平均频率值的音频数据在所述背景声音频数据中出现的次数作为背景声次数。

本实施例中，将计算得到的所述人声音频数据的平均频率值Sl及所述背景声音频数据的平均频率值Sh作为筛选体现人声在所述人声音频数据中出现次数和背景声在所述背景声音频数据中出现次数的标准，由于不同的音频数据中人声和背景声的频率大小均会有不同，因此，将平均频率值作为筛选的标准能更加准确的反映音频数据中人声和背景声的情况。统计在所述人声音频数据中符合平均频率值Sl的音频数据出现的次数，作为人声在所述人声音频数据中的出现次数即人声次数，统计在所述背景声音频数据中符合平均频率值Sh的音频数据出现的次数，作为背景声在所述背景声音频数据中出现的次数即背景声次数，这样，得到的人声次数和背景声次数能充分准确的体现音频数据中包含的人声和背景声的比例关系。

步骤S103，根据取样结果识别音频数据的类型，并对所述音频数据及其对应的视频帧进行类型标记；

取样获得音频数据中的人声次数和背景声次数后，即可对该音频数据的类型进行识别。由于现在的电视节目中片头或片尾一般主要是背景音乐，人声对话的内容很少，而正片中一般均为人声对话，因此，可通过比较音频数据中人声出现的次数和背景声出现的次数来对音频数据的类型进行识别。当音频数据中的人声次数大于背景声次数时，则识别该音频数据的类型为正片，并将该音频数据及其对应编号的视频帧标记为正片；当音频数据中的人声次数小于背景声次数时，则识别该音频数据的类型为片头或片尾，并将该音频数据及其对应编号的视频帧标记为片头或片尾。从而，对缓存区存储的所述视频数据中每一张视频帧及其对应的音频数据均进行了类型标记，也即通过每一编号的视频帧，均可获知其对应的音频数据的类型。

步骤S104，播放该节目源时，根据标记的所述音频数据及其对应的视频帧的类型跳过片头或片尾。

对该节目源数据中每一张视频帧及其对应的音频数据进行类型标记后，当用户收看该节目源时，首先读取当前音频数据及其对应的视频帧的标记类型，若当前音频数据及其对应的视频帧的标记类型为片头或片尾，则直接跳过当前音频数据及其对应的视频帧，继续读取下一音频数据及其对应的视频帧的标记类型，直至读取的音频数据及其对应的视频帧的标记类型为正片，才播放该标记类型为正片的音频数据及其对应的视频帧；若当前音频数据及其对应的视频帧的标记类型为正片，则根据当前视频帧的编号，并按时间轴排列的顺序依次读取缓存区中存储的视频数据中每一张视频帧及其对应的音频数据，进行播放。由此，即可在播放该节目源时既能跳过片头或片尾，也不影响正片的播放。

本实施例中将节目源的音频数据分离为人声音频数据和背景声音频数据，并对每一张视频帧所对应的音频数据中人声音频数据和背景声音频数据进行取样比较，根据比较结果判断并标记该音频数据及其对应的视频帧的类型是片头、片尾还是正片，当用户收看该节目源时，根据当前音频数据及其对应的视频帧的标记获知其类型，若当前音频数据及其对应的视频帧为片头或片尾，则直接跳过，读取下一音频数据及其对应的视频帧，直至读取的音频数据及其对应的视频帧标记类型为正片，才播放该标记类型为正片的音频数据及其对应的视频帧；由此，即可实现自动跳过节目源的片头、片尾，省去了用户为等待正片浪费的时间，给用户带来更好的用户体验，更加智能化，且能节约大量不必要的能源浪费。

如图3所示，本发明较佳实施例提出一种播放节目的电子播放设备，包括：存储模块201、分离取样模块202、识别标记模块203及跳过模块204，其中：

存储模块201，用于提取节目源数据中的视频数据和音频数据，并按时间轴排列进行存储；

将节目源数据中的视频数据和音频数据进行分离提取，同时，还可创建一缓存区，将提取的节目源数据中的视频数据和音频数据按时间轴的顺序进行排列存储在创建的缓存区中，其中，节目源数据中的视频数据由一张一张的视频帧组成。如，在时间轴上第1ms的时间基准上，可将第1ms的时间对应的视频帧和音频数据进行缓存，进一步地，还可在时间轴上第1ms的时间基准上在缓存区的上半部分缓存视频帧，在缓存区的下半部分缓存每一张视频帧对应的音频数据也即其对应的音频码流信息。

分离取样模块202，用于将所述视频数据中每一张视频帧对应的音频数据分离为人声音频数据和背景声音频数据，并对人声音频数据和背景声音频数据进行取样；具体地，如图4所示，上述分离取样模块202可以包括：

转换单元2021，用于将所述视频数据中每一视频帧对应的音频数据经数模转换为模拟音频数据；

读取按时间轴的顺序进行排列存储的视频数据和音频数据，进一步地，还可对所述视频数据中每一张视频帧按时间轴排列进行编号，以确定所述视频数据中每一张视频帧按时间轴排列的位置关系。获取视频数据中每一张视频帧对应的音频数据，则该音频数据也即视频数据中某一编号的视频帧对应的音频数据。将所述视频数据中每一张视频帧对应的音频数据进行数模转换，得到模拟音频数据，便于后续的分离、取样操作；

分离单元2022，用于分离所述模拟音频数据中的低频段音频数据作为人声音频数据，分离所述模拟音频数据中的高频段音频数据作为背景声音频数据；

对转换得到的模拟音频数据采用陷波算法进行处理，按一定的频率范围对模拟音频数据进行分离，本实施例中，将模拟音频数据分离为低频段音频数据和高频段音频数据，其中，低频段音频数据的频率范围为0至700Hz，高频段音频数据的频率范围为1000至20000Hz；则根据上述频率范围对模拟音频数据进行分离，并将低频段音频数据作为人声音频数据，将高频段音频数据作为背景声音频数据。

获取单元2023，用于获取所述人声音频数据的平均频率值Sl及所述背景声音频数据的平均频率值Sh；

进一步地，对模拟音频数据分离后，获取所述人声音频数据的平均频率值Sl及所述背景声音频数据的平均频率值Sh；计算公式如下：

$\mathrm{Sl}=\underset{z1=0}{\overset{z1=700}{\mathrm{\&Sigma;}}}\left(\mathrm{low}\left(x\right)\right)/x,z1<700$

$\mathrm{Sh}=\underset{z2=1000}{\overset{z2=20000}{\mathrm{\&Sigma;}}}\left(\mathrm{high}\left(y\right)\right)/y,z2<20000$

其中，x为所述低频段音频数据的所有音频数据的出现次数，low(x)为所述低频段音频数据的所有音频数据的频率值，z1为所述低频段音频数据的频率范围；y为所述高频段音频数据的所有音频数据的出现次数，high(y)为所述高频段音频数据的所有音频数据的频率值，z2为所述高频段音频数据的频率范围。

统计单元2024，用于统计符合所述人声音频数据的平均频率值的音频数据在所述人声音频数据中出现的次数作为人声次数，并统计符合所述背景声音频数据的平均频率值的音频数据在所述背景声音频数据中出现的次数作为背景声次数。

本实施例中，将计算得到的所述人声音频数据的平均频率值Sl及所述背景声音频数据的平均频率值Sh作为筛选体现人声在所述人声音频数据中出现次数和背景声在所述背景声音频数据中出现次数的标准，由于不同的音频数据中人声和背景声的频率大小均会有不同，因此，将平均频率值作为筛选的标准能更加准确的反映音频数据中人声和背景声的情况。统计在所述人声音频数据中符合平均频率值Sl的音频数据出现的次数，作为人声在所述人声音频数据中的出现次数即人声次数，统计在所述背景声音频数据中符合平均频率值Sh的音频数据出现的次数，作为背景声在所述背景声音频数据中出现的次数即背景声次数，这样，得到的人声次数和背景声次数能充分准确的体现音频数据中包含的人声和背景声的比例关系。

识别标记模块203，用于根据取样结果识别音频数据的类型，并对所述音频数据及其对应的视频帧进行类型标记；

取样获得音频数据中的人声次数和背景声次数后，即可对该音频数据的类型进行识别。由于现在的电视节目中片头或片尾一般主要是背景音乐，人声对话的内容很少，而正片中一般均为人声对话，因此，可通过比较音频数据中人声出现的次数和背景声出现的次数来对音频数据的类型进行识别。当音频数据中的人声次数大于背景声次数时，则识别该音频数据的类型为正片，并将该音频数据及其对应编号的视频帧标记为正片；当音频数据中的人声次数小于背景声次数时，则识别该音频数据的类型为片头或片尾，并将该音频数据及其对应编号的视频帧标记为片头或片尾。从而，对缓存区存储的所述视频数据中每一张视频帧及其对应的音频数据均进行了类型标记，也即通过每一编号的视频帧，均可获知其对应的音频数据的类型。

跳过模块204，用于播放该节目源时，根据标记的所述音频数据及其对应的视频帧的类型跳过片头或片尾。

对该节目源数据中每一张视频帧及其对应的音频数据进行类型标记后，当用户收看该节目源时，首先读取当前音频数据及其对应的视频帧的标记类型，若当前音频数据及其对应的视频帧的标记类型为片头或片尾，则直接跳过当前音频数据及其对应的视频帧，继续读取下一音频数据及其对应的视频帧的标记类型，直至读取的音频数据及其对应的视频帧的标记类型为正片，才播放该标记类型为正片的音频数据及其对应的视频帧；若当前音频数据及其对应的视频帧的标记类型为正片，则根据当前视频帧的编号，并按时间轴排列的顺序依次读取缓存区中存储的视频数据中每一张视频帧及其对应的音频数据，进行播放。由此，即可在播放该节目源时既能跳过片头或片尾，也不影响正片的播放。

本实施例通过上述方案可实现自动跳过节目源的片头、片尾，省去了用户为等待正片浪费的时间，给用户带来更好的用户体验，更加智能化，且能节约大量不必要的能源浪费。

上述电子播放设备的节目播放方法及电子播放设备，将节目源的音频数据分离为人声音频数据和背景声音频数据，并对每一视频帧所对应的音频数据中人声音频数据和背景声音频数据进行取样比较，根据比较结果判断并标记该音频数据及其对应的视频帧的类型是片头、片尾还是正片，当用户收看该节目源时，根据当前音频数据及其对应的视频帧的标记获知其类型，若当前音频数据及其对应的视频帧为片头或片尾，则直接跳过，读取下一音频数据及其对应的视频帧，直至读取的音频数据及其对应的视频帧标记类型为正片，才播放该标记类型为正片的音频数据及其对应的视频帧；由此，即可实现自动跳过节目源的片头、片尾，省去了用户为等待正片浪费的时间，给用户带来更好的用户体验，更加智能化，且能节约大量不必要的能源浪费。

以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或流程变换，或直接或间接运用在其它相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种电子播放设备的节目播放方法，其特征在于，包括以下步骤：

提取节目源数据中的视频数据和音频数据，并按时间轴排列进行存储；

将所述视频数据中每一视频帧对应的音频数据分离为人声音频数据和背景声音频数据，并对人声音频数据和背景声音频数据进行取样；

根据取样结果识别音频数据的类型，并对所述音频数据及其对应的视频帧进行类型标记；

播放该节目源时，根据标记的所述音频数据及其对应的视频帧的类型跳过片头或片尾。

2.根据权利要求1所述的方法，其特征在于，所述将所述视频数据中每一视频帧对应的音频数据分离为人声音频数据和背景声音频数据，并对人声音频数据和背景声音频数据进行取样的步骤包括：

将所述视频数据中每一视频帧对应的音频数据经数模转换为模拟音频数据；

分离所述模拟音频数据中的低频段音频数据作为人声音频数据，分离所述模拟音频数据中的高频段音频数据作为背景声音频数据；

获取所述人声音频数据的平均频率值Sl及所述背景声音频数据的平均频率值Sh；

统计符合所述人声音频数据的平均频率值的音频数据在所述人声音频数据中出现的次数作为人声次数，并统计符合所述背景声音频数据的平均频率值的音频数据在所述背景声音频数据中出现的次数作为背景声次数。

3.根据权利要求2所述的方法，其特征在于，所述低频段音频数据的频率范围为0至700Hz，所述高频段音频数据的频率范围为1000至20000Hz；获取所述人声音频数据的平均频率值Sl及所述背景声音频数据的平均频率值Sh具体为如下公式所示：

$\mathrm{Sl}=\underset{z1=0}{\overset{z1=700}{\mathrm{\&Sigma;}}}\left(\mathrm{low}\left(x\right)\right)/x,z1<700$

$\mathrm{Sh}=\underset{z2=1000}{\overset{z2=20000}{\mathrm{\&Sigma;}}}\left(\mathrm{high}\left(y\right)\right)/y,z2<20000$

其中，x为所述低频段音频数据的所有音频数据的出现次数，low(x)为所述低频段音频数据的所有音频数据的频率值，z1为所述低频段音频数据的频率范围；

y为所述高频段音频数据的所有音频数据的出现次数，high(y)为所述高频段音频数据的所有音频数据的频率值，z2为所述高频段音频数据的频率范围。

4.根据权利要求2或3所述的方法，其特征在于，所述根据取样结果识别音频数据的类型，并对所述音频数据及其对应的视频帧进行类型标记的步骤具体为：

当所述人声次数大于所述背景声次数时，则识别该音频数据的类型为正片，并将该音频数据及其对应的视频帧标记为正片；

当所述人声次数小于所述背景声次数时，则结合该音频数据的时间轴，识别该音频数据的类型为片头或片尾，并将该音频数据及其对应的视频帧标记为片头或片尾。

5.根据权利要求4所述的方法，其特征在于，所述根据标记的所述音频数据及其对应的视频帧的类型跳过片头或片尾的步骤具体为：

播放该节目源时，当读取的当前音频数据及其对应的视频帧的标记类型为片头或片尾时，则跳过当前音频数据及其对应的视频帧，继续读取下一音频数据及其对应的视频帧的标记类型，直至读取的音频数据及其对应的视频帧的标记类型为正片，才播放该标记类型为正片的音频数据及其对应的视频帧；

当读取的当前音频数据及其对应的视频帧的标记类型为正片时，则播放当前音频数据及其对应的视频帧。

6.一种播放节目的电子播放设备，其特征在于，包括：

存储模块，用于提取节目源数据中的视频数据和音频数据，并按时间轴排列进行存储；

分离取样模块，用于将所述视频数据中每一视频帧对应的音频数据分离为人声音频数据和背景声音频数据，并对人声音频数据和背景声音频数据进行取样；

识别标记模块，用于根据取样结果识别音频数据的类型，并对所述音频数据及其对应的视频帧进行类型标记；

跳过模块，用于播放该节目源时，根据标记的所述音频数据及其对应的视频帧的类型跳过片头或片尾。

7.根据权利要求6所述的电子播放设备，其特征在于，所述分离取样模块包括：

转换单元，用于将所述视频数据中每一视频帧对应的音频数据经数模转换为模拟音频数据；

分离单元，用于分离所述模拟音频数据中的低频段音频数据作为人声音频数据，分离所述模拟音频数据中的高频段音频数据作为背景声音频数据；

获取单元，用于获取所述人声音频数据的平均频率值Sl及所述背景声音频数据的平均频率值Sh；

统计单元，用于统计符合所述人声音频数据的平均频率值的音频数据在所述人声音频数据中出现的次数作为人声次数，并统计符合所述背景声音频数据的平均频率值的音频数据在所述背景声音频数据中出现的次数作为背景声次数。

8.根据权利要求7所述的电子播放设备，其特征在于，所述低频段音频数据的频率范围为0至700Hz，所述高频段音频数据的频率范围为1000至20000Hz；获取所述人声音频数据的平均频率值Sl及所述背景声音频数据的平均频率值Sh具体为如下公式所示：

$\mathrm{Sl}=\underset{z1=0}{\overset{z1=700}{\mathrm{\&Sigma;}}}\left(\mathrm{low}\left(x\right)\right)/x,z1<700$

$\mathrm{Sh}=\underset{z2=1000}{\overset{z2=20000}{\mathrm{\&Sigma;}}}\left(\mathrm{high}\left(y\right)\right)/y,z2<20000$

其中，x为所述低频段音频数据的所有音频数据的出现次数，low(x)为所述低频段音频数据的所有音频数据的频率值，z1为所述低频段音频数据的频率范围；

y为所述高频段音频数据的所有音频数据的出现次数，high(y)为所述高频段音频数据的所有音频数据的频率值，z2为所述高频段音频数据的频率范围。

9.根据权利要求7或8所述的电子播放设备，其特征在于，所述识别标记模块具体用于：

当所述人声次数大于所述背景声次数时，则识别该音频数据的类型为正片，并将该音频数据及其对应的视频帧标记为正片；

当所述人声次数小于所述背景声次数时，则结合该音频数据的时间轴，识别该音频数据的类型为片头或片尾，并将该音频数据及其对应的视频帧标记为片头或片尾。

10.根据权利要求9所述的电子播放设备，其特征在于，所述跳过模块具体用于：

播放该节目源时，当读取的当前音频数据及其对应的视频帧的标记类型为片头或片尾时，则跳过当前音频数据及其对应的视频帧，继续读取下一音频数据及其对应的视频帧的标记类型，直至读取的音频数据及其对应的视频帧的标记类型为正片，才播放该标记类型为正片的音频数据及其对应的视频帧；

当读取的当前音频数据及其对应的视频帧的标记类型为正片时，则播放当前音频数据及其对应的视频帧。

Images