CN104572716A - 影音文件播放的系统及其方法 - Google Patents

Abstract

本发明公开一种影音文件播放的系统及其方法，其通过对影音文件中的信息显示区域的文字信息进行文字辨识，并对影音文件中的声音信号进行语音辨识后，比对文字辨识产生的影像文字数据与语音辨识所产生的声音文字数据以建立提供查找的索引数据，并使用索引数据所对应的段落时间输出影音文件的技术手段，可以达成提供搜寻影音文件的内容的技术功效。

Description

影音文件播放的系统及其方法

技术领域

本发明涉及一种影音文件播放系统及其方法，特别是指一种建立索引数据以提供查找并播放的系统及其方法。

背景技术

随着科技的进步以及网络的发展，许多的行为突破了空间的限制，例如，传统的教学模式需要在预定时间于预定的地点进行，但若有学习者无法在预定的时间抵达预定的地点，则可以在预定的时间通过网络在其他的地点进行，学习者也可以在事后通过教学时所录制的教学影片进行学习。

在学习者进行传统的教学模式后，或学习者跟随教学影片学习后，若觉得教学过程中的某个部分尚未理解，则学习者可以观看教学影片再次学习。但由于学习者并不清楚欲观看的部分在教学影片中的时间，因此，学习者必须要自行在教学影片中搜寻，这明显造成学习者的不便。

另外，一旦教学影片有多个，且学习者不清楚欲学习的部分包含在哪一个教学影片中，则学习者更是需要在多个教学影片中不断的寻找，除了不便的外更浪费时间。

综上所述，可知现有技术中长期以来一直存在无法在影音文件中搜寻特定目标的问题，因此有必要提出改进的技术手段，来解决此一问题。

发明内容

有鉴于现有技术存在无法在影音文件中搜寻特定目标的问题，本发明遂揭露一种影音文件播放的系统及其方法，其中：

本发明所揭露的影音文件播放的系统，至少包含：目标判断模块，用以判断影音文件中的信息展示区域；段落判断模块，用以依据信息展示区域中的文字信息及/或影音文件中的声音信号，将影音文件分割为至少一影音段落；文字辨识模块，用以转换各影音段落中被显示于信息展示区域中的文字信息为相对应的影像文字数据；语音辨识模块，用以转换各影音段落中的声音信号为相对应的声音文字数据；索引建立模块，用以比对影像文字数据与声音文字数据，并将重复的文字数据建立为索引数据，其中，索引数据对应影音段落于影音文件中的段落时间；索引查找模块，用以提供查找索引数据；影像输出模块，用以使用与索引数据对应的段落时间输出影音文件。

本发明所揭露的影音文件播放的方法，其步骤至少包括：判断影音文件中的信息展示区域；依据信息展示区域中的文字信息及/或影音文件中的声音信号将影音文件分割为至少一影音段落；转换影音段落中被显示于信息展示区域中的文字信息为相对应的影像文字数据；转换影音段落中的声音信号为相对应的声音文字数据；比对影像文字数据与声音文字数据，并将重复的文字数据建立为索引数据，其中，索引数据对应影音段落于影音文件中的段落时间；查找索引数据，并使用与索引数据对应的段落时间输出影音文件。

本发明所揭露的系统与方法如上，与现有技术之间的差异在于本发明通过对影音文件中的信息显示区域的文字信息进行文字辨识，并对影音文件中的声音信号进行语音辨识后，比对文字辨识产生的影像文字数据与语音辨识所产生的声音文字数据以建立提供查找的索引数据，并使用索引数据所对应的段落时间输出影音文件，藉以解决现有技术所存在的问题，并可以达成提供搜寻影音文件的内容的技术功效。

附图说明

图1为本发明所提的影音文件播放的系统架构图。

图2为本发明所提的影音文件播放的方法流程图。

【符号说明】

101   储存媒体

110   档案存取模块

120   目标判断模块

130   段落判断模块

150   文字辨识模块

160   语音辨识模块

170   索引建立模块

180   索引查找模块

190   影像输出模块

具体实施方式

以下将配合图式及实施例来详细说明本发明的特征与实施方式，内容足以使任何本领域技术人员能够轻易地充分理解本发明解决技术问题所应用的技术手段并据以实施，藉此实现本发明可达成的功效。

本发明可以将影音文件分割为多个影音段落，并对各个影音段落中被展示于信息展示区域中的文字进行文字辨识，同时对各个影音段落中的语音信息进行声音辨识，并比对文字辨识所产生的影像文字数据以及声音辨识所产生的声音文字数据，藉以建立与影音段落在影音文件中的时间对应的索引数据，如此，便可以提供使用者对索引数据进行查找，并依据与使用者查找到的索引数据对应的影音段落的时间开始播放影音文件。

本发明所提的信息展示区域为影音文件中可以展示文字或文字与图像的信息的区域。例如，当影音文件的内容是某个老师的上课内容时，信息展示区域可以是老师撰写板书的黑板/白板、或是显示老师上课所使用的投影片的投影布幕/墙壁等，但本发明所提的信息展示区域并不以上述为限，例如，也可以是影音文件中显示字幕的区域等。

以下先以「图1」本发明所提的影音文件播放的系统架构图来说明本发明的系统运作。如「图1」所示，本发明的系统含有目标判断模块120、段落判断模块130、文字辨识模块150、语音辨识模块160、索引建立模块170、索引查找模块180、以及影像输出模块190。

目标判断模块120负责判断影音文件中的信息展示区域。一般而言，目标判断模块120所判断的影音文件是由档案存取模块110所开启，其中，档案存取模块110可以开启执行本发明的装置中的储存媒体101预先储存的影音文件，也可以先由执行本发明的装置外部的储存装置中下载影音文件后，再开启被下载影音文件。

目标判断模块120可以依据影音文件所包含的一个或多个影格判断信息展示区域，例如，对一个影格进行影像分析，藉以判断出黑板/白板的范围，或是比对多个影格，并将被比对的影格中有所差异的范围判断为信息展示区域等，但目标判断模块120判断影音文件中的信息展示区域的方式并不以上述为限。

段落判断模块130负责依据影音文件中的信息展示区域中的文字信息及/或影音文件中的声音信号，将影音文件分割为一个或多个段落，在本发明中，被段落判断模块130所分割出的段落被称为影音段落。

段落判断模块130可以在信息展示区域中的文字信息包含特定字符时，判断一个新的影音段落由此开始；也可以在信息展示区域中包含多个展示文字的部分，且其中一个部分尚有可展示文字的空间，但新的被展示的文字从其他部分被展示时，判断为新的影音段落的开始；也可以在影音文件中的所有声音或特定频率的声音停止达到一定时间时，判断为新的影音段落的开始。段落判断模块130更可以在两种或更多的条件都被满足时，才判断新影音段落的开始，但段落判断模块130分割影音文件为一个或多个影音段落的方式并不以上述为限。

值得一提的是，一般而言，段落判断模块130通常不会将影音段落由影音文件中抽取出来，也就是说，影音段落不是一个独立的影音文件，而是包含在完整影音文件中的一个片段。段落判断模块130可以记录每一个影音段落在影音文件中开始被播放的时间或开始被播放的时间以及播放结束的时间，藉以由影音档案中取得对应的影音段落。

文字辨识模块150负责将段落判断模块130所分割出的影音段落中被显示于信息展示区域中的文字信息转换为相对应的影像文字数据。文字辨识模块150可以对影音段落中完整展示信息展示区域中的文字信息的影格中的信息展示区域进行文字辨识，并在辨识后产生影像文字数据。

语音辨识模块160负责将段落判断模块130所分割出的影音段落中的声音信号转换为相对应的声音文字数据。一般而言，语音辨识模块160可以使用语音辨识技术将声音信号转换为声音文字数据。

索引建立模块170负责比对文字辨识模块150所产生的影像文字数据与语音辨识模块160所产生的声音文字数据，并在比对后将重复的一组或多组文字数据建立为一个或多个索引数据。一般而言，索引建立模块170会由产生自同一影音段落的影像文字数据与声音文字数据中的相同文字作为索引数据。

索引建立模块170所建立的索引数据会对应到档案存取模块110所载入的影音文件中的一个时间，在本发明中，索引数据所对应的时间也就是产生索引数据的影像文字数据与声音文字数据的影音段落在影音文件中开始播放的时间，在本发明中，被称为「段落时间」。

索引建立模块170在建立索引数据后，会将所建立的索引数据与相对应的段落时间作为一笔数据，储存到执行本发明的装置的储存媒体101中。

索引查找模块180负责提供查找索引数据。索引查找模块180可以提供输入目标数据，并比对被输入的目标数据与储存于储存媒体101中的索引数据，当被比对的索引数据与目标数据相同时，索引查找模块180可以读取出与目标数据相同的索引数据相对应的段落时间。

影像输出模块190负责使用与索引查找模块180所读取出的索引数据对应的段落时间输出影音文件。影像输出模块190可以使用多媒体串流的方式，由与索引数据对应的段落时间开始输出储存于储存媒体101中的影音文件，也可以在开启储存于储存媒体101中的影音文件后，搜寻影音文件中与索引数据对应的段落时间对应的位置，并由所搜寻到的位置开始播放影音文件。但影像输出模块190输出影音文件的方式并不以上述为限。

接着以一个实施例来解说本发明的运作系统与方法，并请参照「图2」本发明所提的影音文件播放的方法流程图。在本实施例中，假设本发明执行于服务器上，但本发明并不以此为限，例如本发明也可以于单一装置中独立运作。

在影音文件被上传到服务器后，服务器可以主动执行本发明，如此，档案存取模块110可以开启被上传的影音文件（步骤202）。在本实施例中，假设影音文件为教学影片，在影片中，教学者会在黑板上撰写课程重点。

在档案存取模块110开启影音文件（步骤202）后，目标判断模块120可以判断被开启的影音文件中的信息展示区域（步骤210）。在本实施例中，假设目标判断模块120会读取影音文件中的多个影格，并比对被读取的影格，藉以判断被读取的影格中的相同部份与相异部分，其中，相异部分即为信息展示区域。

在目标判断模块120判断出影音文件中的信息展示区域（步骤210）后，段落判断模块130可以依据信息展示区域中的文字及/或影音文件中的声音信号分割影音文件为一个或多个影音段落（步骤230）。在本实施例中，假设教学者将黑板分为左中右三个部分，其中，当教学者并未将课程重点写满中间的部分，例如只写到一半的位置后，便重新由右方的部分继续写下课程重点，且教学者继续写下的课程重点包含如「§」等特定符号，此时，段落判断模块130可以判断原本的影音段落已经结束，新的影音段落已经由教学者写下特定符号「§」时开始，如此，段落判断模块130便可以由影音文件中分割出一个影音段落。

在段落判断模块130将影音文件分割为一个或多个影音段落后，文字辨识模块150可以转换影音段落中被显示于信息展示区域中的文字信息为相对应的影像文字数据（步骤250）。在本实施例中，假设影音文件被段落判断模块130区分为第一影音段落与第二影音段落两个影音段落，开始播放的时间分别为影音文件中的0分0秒以及13分4秒，且文字辨识模块150对第一影音段落的信息展示区域中的文字信息所辨识出的影像文字数据包含「处理器」等，文字辨识模块150对第二影音段落的信息展示区域中的文字信息所辨识出的影像文字数据包含「处理器」以及「组合语言」等。

同样在段落判断模块130将影音文件分割为一个或多个影音段落后，语音辨识模块160可以转换各个影音段落中的声音信号为相对应的声音文字数据（步骤260）。在本实施例中，假设语音辨识模块160对第一影音段落中的声音信号所辨识出的声音文字数据包含「内存」、「处理器」等，对第二影音段落中的声音信号所辨识出的声音文字数据包含「处理器」以及「组合语言」。

在文字辨识模块150产生影像文字数据，且语音辨识模块160产生声音文字数据后，索引建立模块170可以比对文字辨识模块150所产生的影像文字数据与语音辨识模块160所产生的声音文字数据，并将重复的文字数据建立为索引数据（步骤270）。在本实施例中，由于由第一影音段落所辨识出的影像文字数据与声音文字数据都包含「处理器」，但若由第一影音段落所辨识出的影像文字数据并未包含「内存」，则索引建立模块170在比对影像文字数据与声音文字数据后，将只会将重复的文字数据「处理器」建立为索引数据，并获取第一影音段落在影音文件中开始被播放的时间作为索引数据「内存」所对应的段落时间，也就是0分0秒；而由第二影音段落所辨识出的影像文字数据与声音文字数据都包含「处理器」以及「组合语言」，因此，索引建立模块170会分别将两组重复的文字数据「处理器」与「组合语言」建立为不同的两笔索引数据，且此两笔索引数据所对应的段落时间为第二影音段落在影音文件中开始被播放的时间，也就是13分4秒，如此，在本实施例中，与索引数据「组合语言」对应的段落时间为13分4秒，而与索引数据「处理器」对应的段落时间则为0分0秒以及13分4秒。

在索引建立模块170建立索引数据后，若使用者操作客户端执行网页浏览器或与本发明相容的应用程式与服务器连接，并希望使用本发明搜寻影音文件中有关于「组合语言」的影音段落，则索引查找模块180可以提供使用者在索引建立模块170所建立的索引数据进行查找（步骤280）。在本实施例中，假设使用者输入「组合语言」作为目标数据，则索引查找模块180将可以搜寻出一笔关于「组合语言」的索引数据，且与被搜寻出的索引数据对应的段落时间为13分4秒。

在索引查找模块180查找到使用者所查询的索引数据后，若使用者欲观看对应的影音段落，则影像输出模块190可以使用与索引数据对应的段落时间输出影音文件（步骤290）。也就是说，在本实施例中，影像输出模块190会由影音文件的13分4秒处开始播放影音文件。

如此，使用者便可以通过本发明搜寻影音文件中的特定内容，并直接观看包含使用者所搜寻的特定内容的影音段落，而不需要完整的浏览整个影音档案。

上述实施例，说明在影音文件被上传到服务器后，服务器主动执行本发明，藉以将影音文件分割为多个影音段落，并建立与影音段落在影音文件中的时间对应的索引数据，使得使用者可以依据索引数据对影音文件进行查询，但本发明也可以在使用者操作客户端与服务器连接后，欲搜寻影音文件时，才将影音文件分割为多个影音段落，并建立与影音段落在影音文件中的时间对应的索引数据。

也就是说，本发明也可以在使用者输入目标数据后，才执行建立与影音段落在影音文件中的时间对应的索引数据的流程（步骤202至步骤270），之后，索引查找模块180便可以在索引建立模块170所建立的索引数据中进行查找（步骤280），并可以由影像输出模块190使用与索引数据对应的段落时间输出影音文件（步骤290）。

综上所述，可知本发明与现有技术之间的差异在于具有对影音文件中的信息显示区域的文字信息进行文字辨识，并对影音文件中的声音信号进行语音辨识后，比对文字辨识产生的影像文字数据与语音辨识所产生的声音文字数据以建立提供查找的索引数据，并使用索引数据所对应的段落时间输出影音文件的技术手段，藉由此一技术手段可以解决现有技术所存在的无法在影音文件中搜寻特定目标的问题，进而达成提供搜寻影音文件的内容的技术功效。

再者，本发明的影音文件播放的方法，可实现于硬件、软件或硬件与软件的组合中，亦可在计算机系统中以集中方式实现或以不同元件散布于若干互连的计算机系统的分散方式实现。

虽然本发明所揭露的实施方式如上，惟所述的内容并非用以直接限定本发明的专利保护范围。任何本发明所属技术领域中的技术人员，在不脱离本发明所揭露的精神和范围的前提下，对本发明的实施的形式上及细节上作些许的更动润饰，均属于本发明的专利保护范围。本发明的专利保护范围，仍须以所附的权利要求书所界定者为准。

Claims (10)

1.一种影音文件播放的方法，其特征在于，该方法至少包含下列步骤：

判断一影音文件中的一信息展示区域；

依据该信息展示区域中的文字信息及/或该影音文件中的声音信号将该影音文件分割为至少一影音段落；

转换各该影音段落中被显示于该信息展示区域中的文字信息为相对应的各影像文字数据；

转换各该影音段落中的一声音信号为相对应的各声音文字数据；

比对该些影像文字数据与该些声音文字数据，并将重复的文字数据建立为一索引数据，其中，各该索引数据分别对应一该影音段落于该影音文件中的段落时间；及

查找该索引数据，并使用与该索引数据对应的段落时间输出该影音文件。

2.如权利要求1所述的影音文件播放的方法，其特征在于，判断该影音文件中的该信息展示区域的步骤为依据该影音文件所包含的至少一影格判断该信息展示区域。

3.如权利要求1所述的影音文件播放的方法，其特征在于，依据该信息展示区域中的文字信息及/或该影音文件中的声音信号将该影音文件分割为各该影音段落的步骤是依据该信息展示区域中的文字信息是否包含特定字符、该信息展示区域中是否尚有可包含文字的空间及/或该影音文件中的声音信号中的声音是否停止达到一定时间分割该影音文件为各该影音段落。

4.如权利要求1所述的影音文件播放的方法，其特征在于，转换各该影音段落中被显示于该信息展示区域中的文字信息为相对应的各该影像文字数据的步骤为对该影音段落中完整包含该信息展示区域中的文字信息的一影格进行文字辨识，并在辨识后产生一该影像文字数据。

5.如权利要求1所述的影音文件播放的方法，其特征在于，比对该些影像文字数据与该些声音文字数据，并将重复的文字数据建立为该些索引数据的步骤是以对应同一段落的一该影像文字数据与一该声音文字数据中的相同的文字数据作为一该索引数据。

6.一种影音文件播放的系统，其特征在于，该系统至少包含：

一目标判断模块，用以判断一影音文件中的一信息展示区域；

一段落判断模块，用以依据该信息展示区域中的文字信息及/或该影音文件中的声音信号，将该影音文件分割为至少一影音段落；

一文字辨识模块，用以转换各该影音段落中被显示于该信息展示区域中的文字信息为相对应的各影像文字数据；

一语音辨识模块，用以转换各该影音段落中的一声音信号为相对应的各声音文字数据；

一索引建立模块，用以比对该些影像文字数据与该些声音文字数据，并将重复的文字数据建立为至少一索引数据，其中，各该索引数据分别对应一该影音段落于该影音文件中的段落时间；

一索引查找模块，用以提供查找该索引数据；及

一影像输出模块，用以使用与该索引数据对应的段落时间输出该影音文件。

7.如权利要求6所述的影音文件播放的系统，其特征在于，该目标判断模块是依据该影音文件所包含的至少一影格判断该信息展示区域。

8.如权利要求6所述的影音文件播放的系统，其特征在于，该段落判断模块是依据该信息展示区域中的文字信息是否包含特定字符、该信息展示区域中是否尚有可包含文字的空间及/或该影音文件中的声音信号中的声音是否停止达到一定时间分割该影音文件为各该影音段落。

9.如权利要求6所述的影音文件播放的系统，其特征在于，该文字辨识模块是对该影音段落中完整包含该信息展示区域中的文字信息的一影格进行文字辨识，并在辨识后产生一该影像文字数据。

10.如权利要求6所述的影音文件播放的系统，其特征在于，该索引建立模块是以对应同一段落的一该影像文字数据与一该声音文字数据中的相同的文字数据作为一该索引数据。