CN110493637B - 视频拆分方法及装置 - Google Patents

Abstract

本公开涉及一种视频拆分方法及装置。所述方法包括：获取待处理视频的视频内容特征，以及视频内容特征对应的时间信息；根据视频内容特征以及视频内容特征对应的时间信息，确定待处理视频的剧情转场点；根据所述剧情转场点对所述待处理视频进行拆分。通过获取待处理视频的视频内容特征和视频内容特征对应的时间信息，并根据视频内容特征以及视频内容特征对应的时间信息，确定待处理视频的剧情转场点，根据确定的待处理视频的剧情转场点能够根据剧情内容对待处理视频自动进行拆分。根据本公开的视频拆分方法及装置，提高了视频运营的生产效率。

Description

视频拆分方法及装置

技术领域

本公开涉及多媒体技术领域，尤其涉及一种视频拆分方法及装置。

背景技术

随着移动终端普及和网络的提速，短平快的大流量传播内容逐渐获得各大平台、粉丝和资本的青睐，短视频作为一种新的互联网内容传播方式，还可以促进相关的剧集视频资源的传播。

发明内容

有鉴于此，本公开提出了一种视频拆分方法及装置，能够根据待处理视频的剧情内容自动对待处理视频进行拆分，提高了视频运营的生产效率。

根据本公开的一方面，提供了一种视频拆分方法，所述方法包括：

获取待处理视频的视频内容特征，以及视频内容特征对应的时间信息；

根据视频内容特征以及视频内容特征对应的时间信息，确定待处理视频的剧情转场点；

根据所述剧情转场点对所述待处理视频进行拆分。

根据本公开的另一方面，提供了一种视频拆分装置，所述装置包括：

获取模块，用于获取待处理视频的视频内容特征，以及视频内容特征对应的时间信息；

确定模块，用于根据视频内容特征以及视频内容特征对应的时间信息，确定待处理视频的剧情转场点；

拆分模块，用于根据所述剧情转场点对所述待处理视频进行拆分。

根据本公开的另一方面，提供了一种视频拆分装置，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为执行上述方法。

根据本公开的另一方面，提供了一种非易失性计算机可读存储介质，其上存储有计算机程序指令，其中，所述计算机程序指令被处理器执行时实现上述方法。

通过获取待处理视频的视频内容特征和视频内容特征对应的时间信息，并根据视频内容特征以及视频内容特征对应的时间信息，确定待处理视频的剧情转场点，根据确定的待处理视频的剧情转场点能够根据剧情内容对待处理视频自动进行拆分。根据本公开实施例的视频拆分方法及装置，提高了视频运营的生产效率。

根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。

附图说明

包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面，并且用于解释本公开的原理。

图1示出根据本公开一实施例的视频拆分方法的流程图。

图2示出根据本公开一实施例的步骤S12的一个示例的流程图。

图3示出根据本公开一实施例的步骤S122的一个示例的流程图。

图4示出根据本公开一实施例的步骤S122的另一个示例的流程图。

图5示出根据本公开一实施例的视频拆分方法的应用示例图。

图6示出根据本公开一实施例的视频拆分装置的框图。

图7示出根据本公开一实施例的视频拆分装置的框图。

图8示出根据本公开一实施例的视频拆分装置的框图。

图9示出根据本公开一实施例的视频拆分装置的框图。

具体实施方式

以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。

在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。

另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。

图1示出根据本公开一实施例的视频拆分方法的流程图。该方法可以应用于终端或者服务器，其中，终端可以是移动终端、PC(Personal Computer，个人计算机)或者平板电脑等等。如图1所示，该方法可以包括：

步骤S11，获取待处理视频的视频内容特征，以及视频内容特征对应的时间信息。

其中，待处理视频可以是指任何待拆分的视频，例如，电视剧剧集、电影等，本公开对视频的内容、格式等不作限定。视频内容特征可以是指视频中出现的与剧情内容相关的特征，例如人物特征、物品特征、场所特征、动作特征等。视频内容特征对应的时间信息可以是指视频内容特征在视频中出现的时间点，例如，在视频的XX分XX秒出现了餐厅的场所，那么视频内容特征可以为“餐厅”、对应的时间信息可以为XX分XX秒。

在一种可能的实现方式中，可以通过AI(Artificial Intelligence，人工智能)视频分析系统对待处理视频进行识别，以获取待处理视频的视频内容特征以及视频内容特征对应的时间信息。

其中，AI视频分析系统可以是一种以人工智能科学中机器学习及视觉图像处理方向的研究成果为基础形成的，通过样本训练和视频编/解码算法对各类视频内容特征进行训练、识别可以形成AI视频分析系统，AI视频分析系统可以对视频进行识别以提供识别结果。

针对不同类型的视频内容特征，可以分别进行训练形成与视频内容特征对应的AI视频分析系统。举例来说，以人物特征为例，基于人脸识别技术和丰富全面的公众人物库，可以进行训练形成能够识别明星、名人的AI视频分析系统；基于运动目标检测、姿态识别等技术，结合动作库可以进行训练形成能够识别动作的AI视频分析系统，等等。AI视频分析系统的类型、形成方式本公开不一一列举。

在一种可能的实现方式中，可以通过多种不同类型的AI视频分析系统对待处理视频进行识别，以获取待处理视频的视频内容特征以及视频内容特征对应的时间信息。AI视频分析系统的类型越多，获取的待处理视频的视频内容特征越丰富，越能反映视频的剧情内容，在步骤S12中确定的剧情转场点越准确。

图5是本公开一实施例的视频拆分方法的应用示例图。其中包括视频内容特征获取的过程，如图5所示，将待处理视频接入多种不同类型的AI视频分析系统，多种不同类型的AI视频分析系统分别对待处理视频进行识别，获取待处理视频的视频内容特征识别结果，视频内容特征识别结果可以包括如上所述的视频内容特征以及与视频内容特征对应的时间信息，例如，可以获得待处理视频的明星特征、明星特征对应的时间信息，场所特征、场所特征对应的时间信息，物品特征、物品特征对应的时间信息，以及动作特征、动作特征对应的时间信息等。以明星特征为例，AI视频分析系统会计算出待处理视频中各个明星脸、以及各个明星脸在待处理视频中出现的时间点。

在一个示例中，AI视频分析系统可以集成在终端或者服务器中，AI视频分析系统对待处理视频进行识别，以使终端或服务器获取待处理视频的视频内容特征以及视频内容特征对应的时间信息。

在另一个示例中，AI视频分析系统对待处理视频进行识别获得识别结果，识别结果可以包括视频内容特征以及与视频内容特征对应的时间信息，AI视频分析系统可以将识别结果输出给终端或服务器，终端或服务器可以获取待处理视频的视频内容特征以及视频内容特征对应的时间信息。步骤S12，根据视频内容特征以及视频内容特征对应的时间信息，确定待处理视频的剧情转场点。

其中，剧情转场点可以表示场景发生变化的时间点，一段视频可以由一个或多个场景构成，每个场景可以具有相对完整的意思、是视频中一个完整的叙事层次，场景与场景之间的过渡或转换，叫做转场。

在一个示例中，可以根据视频内容特征的变化确定待处理视频的剧情转场点，比如说，若场所特征发生变化，以场所特征发生变化的时间点作为待处理视频的剧情转场点，场所特征发生变化的时间点可以是相邻两个不同场所对应的时间点中间的某个时间点。例如，待处理视频的第20s-30s中都出现了写字楼的场所特征，32s-35s中都出现了餐厅的场所特征，那么可以将第31s确定为待处理视频的剧情转场点。

在另一个示例中，以获得了多种不同类型的视频内容特征为例，可以根据不同时间段包括的不同类型的视频内容特征的内容是否相同确定待处理视频的剧情转场点。举例来说，在待处理视频的10s-19s中都出现了写字楼的场所特征、打斗和对视的动作特征，在待处理视频的20s-29s都出现了写字楼的场所特征、打斗的动作特征，场所特征相同、动作特征相似，那么可以确定10s-19s和20s-29s是相同的场景，10s-29s不存在剧情转场点；在待处理视频的30s-39s都出现了餐厅的场所特征、吃的动作特征，场所特征和动作特征都不相同，那么可以确定20s-29s和30s-39s是不同的场景，可以将第30s确定为待处理视频的剧情转场点。

以上确定待处理视频的剧情转场点的方式仅仅是本公开的一些示例，本公开不限于此，还可以通过其他方式确定待处理视频的剧情转场点，不一一列举。

步骤S13，根据所述剧情转场点对所述待处理视频进行拆分。

其中，对待处理视频进行拆分的具体拆分方式可以根据相关技术实现，例如利用视频拆分软件等。

通过获取待处理视频的视频内容特征和视频内容特征对应的时间信息，并根据视频内容特征以及视频内容特征对应的时间信息，确定待处理视频的剧情转场点，根据确定的待处理视频的剧情转场点能够根据剧情内容对待处理视频自动进行拆分。根据本公开实施例的视频拆分方法，提高了视频运营的生产效率。

在线视频网站在日常运营中的重要工作之一，是将完整视频按其剧情内容及含义拆解成短视频片段，从而达到将相关剧集的短视频片段推送到终端用户，并将用户引流到完整的剧集视频进行观影的目的。

其中的重点和难点问题在于，网站运营人员只能通过预先看完整个视频剧情，人工理解了剧集发展起止点之后，才能确定出合理的拆分起止点并提交到技术工具进行拆分。在这种方式下，网站运营人员需要逐一的人工浏览并理解大量的剧集视频才能完成拆分起止点的确定工作，效率非常低下。

相关技术中，使用视频帧分析技术，通过逐帧分析待处理视频，获取到待处理视频原始的镜头转换点，提供给视频运营用作为拆分视频的拆分起止点。这是一种单纯基于视频编解码技术的解决方案，使用传统的视频分析技术分析出的镜头转换点，是和视频文件本身属性相关的，和视频的剧情内容无关，无法做到对视频剧情内容本身的“理解”，也就无法获取到基于剧情变化的剧情转场点，还需要网站运营人员进一步根据分析获得的镜头转换点确定拆分起止点，从而不能从根本上解决实际需求。

而根据本公开的视频拆分方法，根据剧情内容自动将待处理视频拆分成短视频片段，提高了视频运营的生产效率，将相关剧集的短视频片段推送给用户，可以将用户引流到完整的剧集视频进行观影，提高视频流量。

在示例性的应用场景中，利用本公开实施例，可将剧集视频拆分为短视频片段，从而将相关剧集的短视频片段推送给用户，可以将用户引流到完整的剧集视频进行观影，提高视频流量。

图2示出根据本公开一实施例的步骤S12的一个示例的流程图。如图2所示，在步骤S12中，根据视频内容特征以及视频内容特征对应的时间信息，确定待处理视频的剧情转场点，可以包括：

步骤S121，根据视频内容特征对应的时间信息确定所述视频内容特征所属的时间段。

在一种可能的实现方式中，可以将所述待处理视频划分为多个时间段。

在一个示例中，划分的方式可以是将待处理视频均匀划分为多个时间段，每个时间段的长度可以根据不同精度的需求确定，举例来说，如果要获取更加精确的剧情转场点，那么对于同一长度的视频可以划分更多的时间段，从而缩小每个时间段的长度以获取更加精确的剧情转场点。

在另一个示例中，可以基于对待处理视频进行视频帧分析获取的镜头转换点，将所述待处理视频划分为多个时间段。例如，可以通过上文所述的方式逐帧分析待处理视频，获取到待处理视频的镜头转换点，举例来说，采用视频处理工具(ffmpeg、魏歆算法工具、IDST工具等)生成基础镜头点序列作为镜头转换点分析的基础来源，其中字幕点、高潮点不可作为镜头转换点，黑场点可直接作为镜头转换点。通过排除字幕点和高潮点的基础镜头进行修正获得镜头转换点，然后基于镜头转换点将待处理视频划分为多个时间段，这样可以提高拆分的效率。

根据视频内容特征对应的时间信息，可以确定视频内容特征在待处理视频中出现的时间点，从而确定视频内容特征所属的时间段。

举例来说，如图5所示，可以将待处理视频按照10秒的间隔将t1-t2之间的视频剧集划分为多个时间段，其中，t1为10s、t2为50s，例如待处理视频可以被划分为：时间段a[10s，20s)、时间段b[20s，30s)、时间段c[30s，40s)、时间段d[40s，50s)。

举例来说，在步骤S11中获取了明星1以及明星1出现的时间点10s、11s、15s、18s，那么可以确定明星1所属的时间段为时间段a[10s，20s)。在步骤S11中获取了场所特征写字楼以及写字楼出现的时间点12s、13s、14s、19s、22s、25s，那么可以确定写字楼所属的时间段为时间段a[10s，20s)和时间段b[20s，30s)。

需要说明的是，以上关于时间段的划分、以及时间点的数据仅仅是本公开的一个示例，不以任何方式限制本公开。

步骤S122，根据相邻两个时间段内的视频内容特征，确定相邻两个时间段的视频的相似度。

其中，所述视频的相似度可以是指相邻两个时间段的视频的剧情内容的相似程度，相邻两个时间段的视频的相似度越小，说明相邻两个时间段的视频差异越大，换言之，相邻两个时间段的视频的相似度越小，相邻两个时间段的视频属于同一个场景的可能性越小，相邻两个时间段邻接的时间点为待处理视频的剧情转场点的可能性越大。

在一个示例中，可以根据相邻两个时间段内的某一类型视频内容特征所含特征内容的相似程度确定相邻两个时间段的视频的相似度，比如说，若明星特征发生变化，在待处理视频的时间段a[10s～20s)中出现了明星1、明星2、明星3的明星特征，在时间段b[20s～30s)中出现了明星1、明星2的明星特征，明星特征在时间段a、时间段b相邻两个时间段的相似程度为2/3，视频在时间段a、时间段b相邻两个时间段的视频的相似度也可以为2/3，时间段a和时间段b可能属于同一个场景；再比如，在时间段c[30s，40s)中出现了明星4和明星5的明星特征，明星特征在时间段b和时间段c相邻两个时间段的相似程度为0，那么视频在时间段b和时间段c相邻两个时间段的视频的相似度也可以为0，时间段b和时间段c可能属于不同的场景，时间点30s处可能为剧情转场点。

在另一示例中，可以根据相邻两个时间段中多种不同类型的视频内容特征所含特征内容的相似程度确定相邻两个时间段的视频的相似度，比如说，在待处理视频的相邻时间段a和时间段b中，明星特征相似程度为2/3，动作特征相似程度为1/2，明星特征(人物特征)和动作特征在剧情视频中的重要程度分别为0.7和0.3，则待处理视频在时间段a和时间段b的视频的相似度可以为(2/3)×0.7+(1/2)×0.3＝37/60。

需要说明的是，以上确定相邻两个时间段的视频的相似度的方式仅仅是本公开的一些示例，不以任何方式限制本公开。可以理解的是，根据不同的场景和应用需求，可以设定确定相邻两个时间段的视频的相似度的具体方式。

步骤S123，若所述视频的相似度满足转场条件，则相邻两个时间段邻接的时间点为待处理视频的剧情转场点。

其中，转场条件可以是视频的相似度小于相似度阈值，相似度阈值可以是预先设定的，也可以根据不同的场景获取对应的相似度阈值，本公开对此不作限定。举例来说，相似度阈值可以为67％，转场条件可以为视频的相似度小于67％。

在一示例中，如上所述，相似度阈值为67％，当待处理视频在时间段a[10s,20s)和时间段b[20s,30s)的视频的相似度≥67％时，则可以认为时间段a[10s,20s)和时间段b[20s,30s)属于同一个场景；当待处理视频在时间段a[10s,20s)和时间段b[20s,30s)的视频的相似度<67％时，则可以认为时间段a[10s,20s)和时间段b[20s,30s)属于不同的场景，时间点第20s可以为待处理视频在相邻的时间段a和时间段b的剧情转场点。

通过将待处理视频分为多个时间段，根据相邻两个时间段内的视频内容特征，确定相邻两个时间段的视频的相似度，并根据相邻两个时间段的视频的相似度确定剧情转场点。根据本公开的视频拆分方法可以通过对视频内容特征确定准确的剧情转场点，使得拆分的效果更好，更符合视频的实际场景转换情况。

另外，AI视频分析系统的类型越多，获取的待处理视频的视频内容特征越丰富，根据相邻两个时间段内的视频内容特征，确定相邻两个时间段的视频的相似度越精确，确定的剧情转场点越准确。

图3示出根据本公开一实施例的步骤S122的一个示例的流程图。如图3所示，在步骤S122中，根据相邻两个时间段内的视频内容特征，确定相邻两个时间段的视频的相似度，可以包括：

步骤S1221，计算相邻两个时间段内的同一类型的视频内容特征之间的相似度作为该类型的视频内容特征的特征相似度。

其中，所述特征相似度为相邻两个时间段内同一类型的视频内容特征所含的特征内容的相似程度。

在一示例中，针对同一类型的视频内容特征，可以根据相邻两个时间段内该类型的视频内容特征中相同的视频内容特征的数量与相邻两个时间段内该类型的视频内容特征的总数的比例，确定相邻两个时间段内该类型的视频内容特征的特征相似度。

例如，特征相似度可以为在相邻两个时间段的视频中，某一类型的视频内容特征在该相邻两个时间段中出现的相同的视频内容特征的数量与该类型的视频内容特征的总数的比例。举例来说，如图5所示，以明星特征为例，在时间段a[10s，20s)出现的明星：明星1、明星2、明星3，在时间段b[20s,30s)出现的明星：明星1、明星2，那么，相同的明星特征为明星1和明星2，相同的明星特征的数量为2，在时间段a[10s，20s)和时间段b[20s,30s)中包含的不同明星特征的总数为3，明星特征的特征相似度为2/3。同理，可以计算出相邻两个时间段内各类型的视频内容特征的特征相似度。

步骤S1222，根据相邻连个时间段内的各类型的视频内容特征的特征相似度，确定相邻两个时间段的视频的相似度。

其中，视频内容特征的特征相似度可以为步骤S1221中计算出的相邻两个时间段内的同一类型的视频内容特征的特征相似度。

在一示例中，相邻两个时间段的视频的相似度可以为各类型的视频内容特征的特征相似度的均值，例如：视频的相似度＝(明星特征的特征相似度+场所特征的特征相似度+场景特征的特征相似度+动作特征的特征相似度+…)÷视频内容特征的类型数。其中，视频内容特征的类型数可以是相邻两个时间段的视频中出现的视频内容特征的种类的个数。

在另一个示例中，相邻两个时间段的视频的相似度还可以为特征相似度大于预设特征相似度阈值的视频内容特征的类型数，例如，预设特征相似度阈值可以为60％，在相邻两个时间段a[10s,20s)和时间段b[20s,30s)中，明星特征的特征相似度为70％、场所特征的特征相似度为30％，动作特征的特征相似度为65％，大于60％的视频内容特征为明星特征和动作特征2种类型，则视频的相似度可以为2。与此相应的转场条件可以为视频的相似度小于预设数值，如果视频的相似度小于预设数值，则相邻两个时间段邻接的时间点为待处理视频的剧情转场点。例如，预设数值可以为2，转场条件可以为视频的相似度小于2。在本示例中，视频的相似度为2，不小于2，所以相邻两个时间段a[10s,20s)和时间段b[20s,30s)可能属于同一个场景，如果视频的相似度为1，小于2，那么相邻两个时间段可能属于不同的场景，则相邻两个时间段邻接的时间点可以为待处理视频的剧情转场点。

需要说明的是，以上确定视频的相似度的方式仅仅是本公开的一些示例，不以任何方式限制本公开。

通过相邻两个时间段内的视频内容特征的特征相似度确定相邻两个时间段的视频的相似度，可以提高确定的剧情转场点的准确度，使得拆分的效果更好，更符合视频的实际场景转换情况。

图4示出根据本公开一实施例的步骤S122的另一个示例的流程图。如图4所示，在步骤S122中，根据相邻两个时间段内的视频内容特征，确定相邻两个时间段的视频的相似度，可以包括：

步骤S1221，计算相邻两个时间段内的同一类型的视频内容特征之间的相似度作为该类型的视频内容特征的特征相似度。参见图3部分步骤S1221的描述，不再赘述。

步骤S1223，确定各类型的视频内容特征对应的权重。

其中，权重可以是衡量获得的视频内容特征准确度和/或者重要程度的系数。

在一示例中，不同类型的AI视频分析系统可以采用不同的算法和数据库训练获得，不同的算法和数据库训练获得的AI视频分析系统的准确度是不同的，因此，可以根据各类AI视频分析系统的准确度，预先设置该类型AI视频分析系统对视频进行分析获取的视频内容特征对应的权重。

在另一示例中，还可以根据各个类型的视频内容特征在视频剧情中的相对重要程度，确定各个类型的视频内容特征对应的权重，例如：明星特征权重为0.4，物品特征权重为0.1，场所特征权重为0.4，动作特征权重为0.1等。

在另一示例中，还可以根据各类AI视频分析系统的准确度、以及各个类型的视频内容特征的重要程度，确定各个类型的视频内容特征对应的权重，本公开对具体确定权重的方式不作限定，可以根据实际应用场景设置。

步骤S1224，根据相邻两个时间段的各类型的视频内容特征的特征相似度以及各类型的视频内容特征对应的权重，确定相邻两个时间段的视频的相似度。

其中，视频内容特征的特征相似度可以为步骤S1221中计算出的相邻两个时间段内的同一类型的视频内容特征的特征相似度。

在一示例中，相邻两个时间段的视频的相似度可以为相邻两个时间段内的各类型的视频内容特征的特征相似度与各个类型的视频内容特征相对应的权重的乘积之和，比如，针对相邻两个时间段内的每个类型的视频内容特征，可以先计算该类型的视频内容特征的特征相似度与该类型的视频内容特征对应的权重的乘积；在计算出相邻两个时间段内所有类型的视频内容特征的特征相似度与对应的权重的乘积之后，将各乘积相加求和作为相邻两个时间段的视频的相似度。

举例来说，相邻两个时间段的视频的相似度＝明星特征的特征相似度*明星特征对应的权重+场所特征的特征相似度*场所特征对应的权重+物品特征的特征相似度*物品特征对应的权重+动作特征的特征相似度*动作特征对应权重+....。

通过权重值调整不同视频内容特征的特征相似度，获得相邻两个时间段的视频的相似度，可以避免视频分析系统或者其他因素对拆分结果准确度的影响，可以提高确定的剧情转场点的准确度，使得拆分的效果更好，更符合视频的实际场景转换情况。

应用示例

图5示出根据本公开一实施例的视频拆分方法的应用场景示意图。以下结合示例性应用场景，给出根据本公开实施例的应用示例，以便于理解本公开所述方法的流程。本领域技术人员应理解，以下应用示例仅仅是出于便于理解本公开实施例的目的，不应视为对本公开实施例的限制。

如图5所示，以时间段(t1，t2)长度的视频为例进行说明。

获取待处理视频的视频内容特征，以及视频内容特征对应的时间信息。

例如：通过将各种不同类型的AI视频分析系统分别对接入的待处理视频进行识别，获取待处理视频在时间段(t1，t2)的视频内容特征结果，视频内容特征识别结果可以包括视频内容特征以及与视频内容特征对应的时间信息，视频内容特征可以包括：明星特征、场所特征、物品特征、动作特征等。

AI视频分析系统可以将识别结果输出给终端或服务器，终端或服务器可以获取待处理视频的视频内容特征以及视频内容特征对应的时间信息。

根据视频内容特征以及视频内容特征对应的时间信息，确定待处理视频的剧情转场点。

根据视频内容特征对应的时间信息确定所述视频内容特征所属的时间段。例如，将时间段(t1，t2)可以按照间隔10秒的方式依次划分为时间段a[10s，20s)、时间段b[20s，30s)、时间段c[30s，40s)、时间段d[40s，50s)等多个时间段。以明星特征为例，明星1出现的时间点10s、11s、15s、18s、23s、25s，那么可以确定明星1所属的时间段为时间段a[10s，20s)、时间段b[20s，30s)；明星2出现的时间点12s、13s、14s、19s、23s、25s，那么可以确定明星2所属的时间段为时间段a[10s，20s)、时间段b[20s，30s)；明星3出现的时间点10s、11s、15s、18s，那么可以确定明星3所属的时间段为时间段a[10s，20s)；明星4出现的时间点30s、31s、35s、37s、43s、45s，那么可以确定明星3所属的时间段为时间段c[30s，40s)、时间段d[40s，50s)……；通过同样的方式可以确定所有视频内容特征所属的时间段。

基于以上过程可以确定，时间段a[10s，20s)，明星特征为：明星1、明星2、明星3；场所特征为：写字楼；物品特征为：书籍、椅子；动作特征为：打斗，对视；时间段b[20s，30s)，明星特征为：明星1、明星2；场所特征为：写字楼；物品特征为：桌子、椅子；动作特征为：打斗。

根据相邻两个时间段内的视频内容特征，计算相邻两个时间段内的同一类型的视频内容特征之间的相似度作为该类型的视频内容特征的特征相似度。以明星特征为例，在时间段a[10s，20s)出现的明星：明星1、明星2、明星3；在时间段b[20s，30s)出现的明星有：明星1、明星2；在时间段c[30s，40s)出现的明星有：明星4、明星5；那么，在相邻的时间段a[10s，20s)和时间段b[20s，30s)内，明星特征内容的总数为3，相同的明星特征为明星1、明星2，相同的明星特征内容总数为2，因此，明星特征的特征相似度为2/3；在相邻的时间段b[20s，30s)和时间段c[30s，40s)内，时间段c[30s，40s)出现的明星有：明星4和明星5，明星特征内容的总数为4，相同的明星特征内容总数为0，因此，明星特征的特征相似度为0。依次类推，可以计算出各相邻两个时间段内所有类型的视频内容特征的特征相似度，比如场所特征的特征相似度、物品特征的特征相似度、动作特征的特征相似度等。

在一个示例中，可以根据相邻两个时间段的各类型的视频内容特征的特征相似度确定相邻两个时间段的视频的相似度，根据视频的相似度确定待处理视频的剧情转场点。

例如，视频的相似度可以为各类型的视频内容特征的特征相似度的均值；视频的相似度＝(明星特征的特征相似度+场所特征的特征相似度+场景特征的特征相似度+动作特征的特征相似度+…)÷视频内容特征的类型数。其中，视频内容特征的类型数可以是相邻两个时间段的视频中出现的视频内容特征的种类的个数。

在另一个示例中，还可以确定各类型的视频内容特征对应的权重，其中，权重可以是衡量获得的视频内容特征准确度和/或者重要程度的系数。例如，可以根据各类AI视频分析系统的准确度，确定各个类型的视频内容特征对应的权重，例如：明星特征权重为0.4，物品特征权重为0.1，场所特征权重为0.4，动作特征权重为0.1等。

视频的相似度可以相邻两个时间段内的各个类型的视频内容特征的特征相似度与各个类型的视频内容特征相对应的权重的乘积之和。视频的相似度＝明星特征的特征相似度*明星特征对应的权重+场所特征的特征相似度*场所特征对应的权重+物品特征的特征相似度*物品特征对应的权重+动作特征的特征相似度*动作特征对应的权重+…，其中，各个视频内容特征对应的权重之和为1。

根据以上两个示例中的任意一个，可以计算出待处理视频在各个相邻两个时间段的视频的相似度。

设定转场条件是视频的相似度小于相似度阈值，若视频的相似度小于相似度阈值，则待处理视频在该相邻的两个时间段不属于同一场景，该相邻两个时间段的邻接时间点为待处理视频的剧情转场点。通过判断各相邻两个时间段的视频的相似度是否满足转场条件，根据判断结果可以确定出待处理视频的所有剧情转场点。

根据剧情转场点对所述待处理视频进行拆分。

例如：根据待处理视频的所有剧情转场点，采用相关的视频拆分技术对待处理视频进行拆分，如可使用视频拆分软件等。

图6示出根据本公开一实施例的视频拆分装置的框图。如图6所示，该视频拆分装置40可以包括：

获取模块41，用于获取待处理视频的视频内容特征，以及视频内容特征对应的时间信息；

确定模块42，用于根据视频内容特征以及视频内容特征对应的时间信息，确定待处理视频的剧情转场点；

拆分模块43，用于根据所述剧情转场点对所述待处理视频进行拆分。

在一种可能的实现方式中，所述视频内容特征可以为人物特征、物品特征、场所特征、动作特征等。

通过获取待处理视频的视频内容特征和视频内容特征对应的时间信息，并根据视频内容特征以及视频内容特征对应的时间信息，确定待处理视频的剧情转场点，根据确定的待处理视频的剧情转场点能够根据剧情内容对待处理视频自动进行拆分。根据本公开实施例的视频拆分装置，提高了视频运营的生产效率。

图7示出根据本公开一实施例的视频拆分装置的框图。如图7所示，在一种可能的实现方式中，所述确定模块42包括：

第一确定子模块421，用于根据视频内容特征对应的时间信息确定所述视频内容特征所属的时间段；

第二确定子模块422，用于根据相邻两个时间段内的视频内容特征，确定相邻两个时间段的视频的相似度；

判定子模块423，若所述视频的相似度满足转场条件，则相邻两个时间段邻接的时间点为待处理视频的剧情转场点。

在一种可能的实现方式中，所述装置40还可以包括：

划分模块44，用于将所述待处理视频划分为多个时间段。

在一种可能的实现方式中，所述划分模块44可以包括以下中的一者或多者：

第一划分子模块441，用于将所述待处理视频均匀划分为多个时间段；

第二划分子模块442，用于基于对待处理视频进行视频帧分析获取的镜头转换点，将所述待处理视频划分为多个时间段。

在一种可能的实现方式中，所述第二确定子模块422可以包括：

第一计算子模块4221，用于计算相邻两个时间段内的同一类型的视频内容特征之间的相似度作为该类型的视频内容特征的特征相似度；

第二计算子模块4222，用于根据相邻两个时间段内的各类型的视频内容特征的特征相似度，确定相邻两个时间段的视频的相似度。

在一种可能的实现方式中，所述第二确定子模块422还可以包括：

第三确定子模块4223，用于确定各类型的视频内容特征对应的权重；

第三计算子模块4224，用于根据相邻两个时间段的各类型的视频内容特征的特征相似度以及所述各类型的视频内容特征对应的权重，确定相邻两个时间段的视频的相似度。

在一种可能的实现方式中，所述第一计算子模块4221可以包括：

计算单元42211，用于针对同一类型的视频内容特征，根据相邻两个时间段内该类型的视频内容特征中相同的视频内容特征的数量与该类型的视频内容特征在相邻两个时间段内的总数的比例，确定相邻两个时间段内该类型的视频内容特征的特征相似度。

图8是根据一示例性实施例示出的一种用于视频拆分的装置800的框图。例如，装置800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。

参照图8，装置800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。

处理组件802通常控制装置800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。

存储器804被配置为存储各种类型的数据以支持在装置800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电源组件806为装置800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为装置800生成、管理和分配电力相关联的组件。

多媒体组件808包括在所述装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当装置800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当装置800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。

I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件814包括一个或多个传感器，用于为装置800提供各个方面的状态评估。例如，传感器组件814可以检测到装置800的打开/关闭状态，组件的相对定位，例如所述组件为装置800的显示器和小键盘，传感器组件814还可以检测装置800或装置800一个组件的位置改变，用户与装置800接触的存在或不存在，装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，装置800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由装置800的处理器820执行以完成上述方法。

图9是根据一示例性实施例示出的一种用于视频拆分的装置1900的框图。例如，装置1900可以被提供为一服务器。参照图9，装置1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。

装置1900还可以包括一个电源组件1926被配置为执行装置1900的电源管理，一个有线或无线网络接口1950被配置为将装置1900连接到网络，和一个输入输出(I/O)接口1958。装置1900可以操作基于存储在存储器1932的操作系统，例如Windows ServerTM，MacOS XTM，UnixTM,LinuxTM，FreeBSDTM或类似。

在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由装置1900的处理组件1922执行以完成上述方法。

本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。

这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (12)

1.一种视频拆分方法，其特征在于，所述方法包括：

将待处理视频均匀划分为多个时间段；

获取所述待处理视频的视频内容特征，以及视频内容特征对应的时间信息；

根据视频内容特征对应的时间信息确定所述视频内容特征所属的时间段；

根据相邻两个时间段内的视频内容特征，确定相邻两个时间段的视频的相似度；

若所述视频的相似度满足转场条件，则相邻两个时间段邻接的时间点为待处理视频的剧情转场点；

根据所述剧情转场点对所述待处理视频进行拆分。

2.根据权利要求1所述的方法，其特征在于，根据相邻两个时间段内的视频内容特征，确定相邻两个时间段的视频的相似度，包括：

计算相邻两个时间段内的同一类型的视频内容特征之间的相似度作为该类型的视频内容特征的特征相似度；

根据相邻两个时间段内的各类型的视频内容特征的特征相似度，确定相邻两个时间段的视频的相似度。

3.根据权利要求1所述的方法，其特征在于，根据相邻两个时间段内的视频内容特征，确定相邻两个时间段的视频的相似度，包括：

计算相邻两个时间段内的同一类型的视频内容特征之间的相似度作为该类型的视频内容特征的特征相似度；

确定各类型的视频内容特征对应的权重；

根据相邻两个时间段的各类型的视频内容特征的特征相似度以及所述各类型的视频内容特征对应的权重，确定相邻两个时间段的视频的相似度。

4.根据权利要求2或3所述的方法，其特征在于，计算相邻两个时间段内的同一类型的视频内容特征之间的相似度作为该类型的视频内容特征的特征相似度，包括：

针对同一类型的视频内容特征，根据相邻两个时间段内该类型的视频内容特征中相同的视频内容特征的数量与相邻两个时间段内该类型的视频内容特征的总数的比例，确定相邻两个时间段内该类型的视频内容特征的特征相似度。

5.根据权利要求1所述的方法，其特征在于，所述视频内容特征包括：人物特征、物品特征、场所特征、动作特征中的至少一种。

6.一种视频拆分装置，其特征在于，所述装置包括：

划分模块，用于将待处理视频均匀划分为多个时间段；

获取模块，用于获取所述待处理视频的视频内容特征，以及视频内容特征对应的时间信息；

确定模块，用于根据视频内容特征对应的时间信息确定所述视频内容特征所属的时间段；根据相邻两个时间段内的视频内容特征，确定相邻两个时间段的视频的相似度；若所述视频的相似度满足转场条件，则相邻两个时间段邻接的时间点为待处理视频的剧情转场点；

拆分模块，用于根据所述剧情转场点对所述待处理视频进行拆分。

7.根据权利要求6所述的装置，其特征在于，所述确定模块包括：

第一计算子模块，用于计算相邻两个时间段内的同一类型的视频内容特征之间的相似度作为该类型的视频内容特征的特征相似度；

第二计算子模块，用于根据相邻两个时间段内的各类型的视频内容特征的特征相似度，确定相邻两个时间段的视频的相似度。

8.根据权利要求6所述的装置，其特征在于，所述确定模块包括：

第一计算子模块，用于计算相邻两个时间段内的同一类型的视频内容特征之间的相似度作为该类型的视频内容特征的特征相似度；

第三确定子模块，用于确定各类型的视频内容特征对应的权重；

第三计算子模块，用于根据相邻两个时间段的各类型的视频内容特征的特征相似度以及所述各类型的视频内容特征对应的权重，确定相邻两个时间段的视频的相似度。

9.根据权利要求7或8所述的装置，其特征在于，所述第一计算子模块包括：

计算单元，用于针对同一类型的视频内容特征，根据相邻两个时间段内该类型的视频内容特征中相同的视频内容特征的数量与该类型的视频内容特征在相邻两个时间段内的总数的比例，确定相邻两个时间段内该类型的视频内容特征的特征相似度。

10.根据权利要求6所述的装置，其特征在于，所述视频内容特征包括：人物特征、物品特征、场所特征、动作特征中的至少一种。

11.一种视频拆分装置，其特征在于，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为执行所述指令时实现权利要求1-5任意一项所述的方法。

12.一种非易失性计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至5中任意一项所述的方法。

Images