CN113778595A - 文档生成方法、装置和电子设备 - Google Patents

Abstract

本申请公开了一种文档生成方法、装置和电子设备，属于通信技术领域。该方法包括：识别N帧视频画面，得到M页文档页面；根据该M页文档页面，生成目标文档；其中，上述N帧视频画面为目标视频中的视频画面，一页文档页面对应至少一帧视频画面，N为正整数，M为小于或等于N的正整数。

Description

文档生成方法、装置和电子设备

技术领域

本申请属于通信技术领域，具体涉及一种文档生成方法、装置和电子设备。

背景技术

随着电子设备的发展，电子设备的视频播放功能越来越强大，例如，用户可以通过视频播放功能观看教学视频。

目前，当用户想要将视频中的知识点整理成文档时，通常需要用户通过电子设备创建一个空白文档，再手动在空白文档中输入知识点，从而整理出一个文档。

然而，当用户想要整理大量视频时，需要不断重复通过电子设备创建空白文档，再手动在空白文档中输入知识点的步骤，如此，使得将视频整理成文档的过程步骤繁琐、效率低。

发明内容

本申请实施例的目的是提供一种文档生成方法、装置和电子设备，能够解决将视频整理成文档的过程步骤繁琐、效率低的问题。

第一方面，本申请实施例提供了一种文档生成方法，该方法包括：识别N帧视频画面，得到M页文档页面；根据该M页文档页面，生成目标文档；其中，上述N帧视频画面为目标视频中的视频画面，一页文档页面对应至少一帧视频画面，N为正整数，M为小于或等于N的正整数。

第二方面，本申请实施例提供了一种文档生成装置，该装置包括：执行模块和生成模块；执行模块，用于识别N帧视频画面，得到M页文档页面；生成模块，用于根据执行模块得到的M页文档页面，生成目标文档；其中，上述N帧视频画面为目标视频中的视频画面，一页文档页面对应至少一帧视频画面，N为正整数，M为小于或等于N的正整数。

第三方面，本申请实施例提供了一种电子设备，该电子设备包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如第一方面所述的方法的步骤。

第四方面，本申请实施例提供了一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如第一方面所述的方法的步骤。

第五方面，本申请实施例提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现如第一方面所述的方法。

在本申请实施例中，文档生成装置可以识别N帧视频画面，得到M页文档页面。然后，文档生成装置可以根据该M页文档页面，生成目标文档。其中，该N帧视频画面为目标视频中的视频画面，一页文档页面对应至少一帧视频画面，N为正整数，M为小于或等于N的正整数。通过上述方案，在用户观看视频的过程中，当用户想要整理视频中的知识点时，相比于相关技术中需要用户先通过电子设备创建一个空白文档，再手动在空白文档中输入知识点，从而整理出一个文档的方案，本申请中的文档生成装置可以直接识别目标视频中的N帧视频画面，得到M页文档页面，然后直接根据该M页文档页面快速生成目标文档，无需用户手动通过电子设备创建一个空白文档，再手动在空白文档中输入文档内容，从而可以简化将视频整理成文档的步骤，提高了文档生成的效率。

附图说明

图1为本申请实施例提供的一种文档生成方法流程示意图；

图2为本申请实施例提供的一种文档生成方法应用的界面示意图之一；

图3为本申请实施例提供的一种文档生成方法应用的界面示意图之二；

图4为本申请实施例提供的一种文档生成方法应用的界面示意图之三；

图5为本申请实施例提供的一种文档生成方法应用的界面示意图之四；

图6为本申请实施例提供的一种文档生成装置的结构示意图；

图7为本申请实施例提供的一种电子设备的结构示意图之一；

图8为本申请实施例提供的一种电子设备的结构示意图之二。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员获得的所有其他实施例，都属于本申请保护的范围。

本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。且“第一”、“第二”等所区分的对象通常为一类，并不限定对象的个数，例如第一对象可以是一个，也可以是多个。此外，说明书以及权利要求中“和/或”表示所连接对象的至少其中之一，字符“/”，一般表示前后关联对象是一种“或”的关系。

下面结合附图，通过具体的实施例及其应用场景对本申请实施例提供的文档生成方法进行详细地说明。

图1为本申请实施例提供的一种文档生成方法流程示意图，包括步骤201和步骤202：

步骤201：文档生成装置识别N帧视频画面，得到M页文档页面。

其中，上述N帧视频画面为目标视频中的视频画面，一页文档页面对应至少一帧视频画面，N为正整数，M为小于或等于N的正整数。

在本申请实施例中，上述的目标视频可以为任意类型的视频，例如，该目标视频可以为教学视频，也可以为演讲视频，本申请实施例对此不作限定。需要说明的是，本申请中的视频可以理解为视频文件或视频流。

在本申请实施例中，上述的识别N帧视频画面可以理解为识别N帧视频画面中的每帧视频画面的全部区域或部分区域。

需要说明的是，文档生成装置可以调用视频解码器来对目标视频进行解码，获取目标视频中的每帧画面。

在一种示例中，上述的目标视频除了可以包括上述N帧视频画面，也可以包括除上述N帧视频画面以外的至少一帧其他视频画面。

在一种示例中，文档生成装置可以在播放上述目标视频的情况下，识别N帧视频画面，得到M页文档页面。

可选地，本申请实施例中，针对上述N帧视频画面中的任一帧视频画面，上述的步骤201具体可以包括如下步骤201a：

步骤201a：文档生成装置在显示有第一视频画面的情况下，识别该第一视频画面，得到第一文档页面。

其中，上述第一视频画面为上述N帧视频画面中的任一帧视频画面。

在一种示例中，文档生成装置可以在显示有第一视频画面的情况下，直接识别该第一视频画面，得到第一文档页面。

在另一种示例中，文档生成装置可以在显示有第一视频画面的情况下，在接收到用户的第三输入之后，识别该第一视频画面，得到第一文档页面。

示例性的，上述的第三输入可以为：用户对屏幕的点击输入，或者为用户输入的语音指令，或者为用户输入的特定手势，具体的可以根据实际使用需求确定，本申请实施例对此不作限定。

本申请实施例中的特定手势可以为单击手势、滑动手势、拖动手势、压力识别手势、长按手势、面积变化手势、双按手势、双击手势中的任意一种；本申请实施例中的点击输入可以为单击输入、双击输入或任意次数的点击输入等，还可以为长按输入或短按输入。

示例性的，文档生成装置可以识别第一视频画面之后，直接生成第一文档页面，也可以间接得到第一文档页面，本申请实施例对此不作限定。

示例性的，文档生成装置识别第一视频画面可以理解为识别第一视频画面中的第一待识别区域，第一待识别区域为第一视频画面的全部或部分区域。

示例性的，上述第一待识别区域可以为系统默认设置的，也可以为用户设置的，本申请实施例对此不作限定。

示例性的，在识别第一视频画面中的第一待识别区域之前，该方法还可以包括如下步骤A1和步骤A2：

步骤A1：文档生成装置在显示有第一视频画面的情况下，接收用户的第四输入。

示例性的，上述的第四输入可以为：用户在第一视频画面上的点击输入，或者为用户在第一视频画面上的滑动输入，或者为用户对特定控件的输入，或者为用户输入的语音指令，或者为用户输入的特定手势，具体的可以根据实际使用需求确定，本申请实施例对此不作限定。

步骤A2：响应于上述第四输入，文档生成装置确定第一待识别区域。

示例性的，上述的第一待识别区域可以通过以下至少两种可能实现的方式来确定。

在第一种可能实现的方式中，上述第四输入为用户在上述第一视频画面上的滑动输入，上述第一待识别区域为：该滑动输入的输入轨迹所形成的区域。

示例1，上述的第四输入为用户在第一视频画面上画圈的输入，此时，终端设备可以将圆圈圈定的区域作为第一待识别区域。

示例2，上述的第四输入可以为用户拖动悬浮控件(即上述的特定控件)在第一视频画面上滑动的输入，上述第一待识别区域为：该悬浮控件在上述第一视频画面上的滑动轨迹所形成的区域。

需要说明的是，当用户手指在上述第一视频画面上的滑动轨迹所框出的区域终端设备无法识别，可以指示用户重新输入。此外，当用户手指沿着屏幕边缘进行画圈时，可以选择整个第一视频画面作为第一待识别区域。

在第二种可能实现的方式中：上述的步骤A1之前，该方法还可以包括如下步骤A3和步骤A4：

步骤A3：文档生成装置在显示有第一视频画面的情况下，接收用户的第五输入，文档生成装置显示区域选择框。

步骤A4：响应于上述第四输入，文档生成装置确定第一待识别区域。

其中，第一待识别区域为该区域选择框框住的区域。

其中，上述第四输入包括：用于移动区域选择框的输入，和/或，用于调整该区域选择框尺寸的输入。

在一种示例中，以区域选择框为矩形框为例，该区域矩形框为可以根据用户手势沿着矩形边框对角线进行放大或者缩小，如，矩形框的尺寸缩小时，该矩形框可以沿着对角线向内挤缩。

示例性的，上述的区域选择框的形状可以为圆形、矩形、三角形、菱形、圆环或者多边形等任意可能的形状，具体可以根据实际使用需求确定，本申请实施例对此不作限定。

示例性的，上述的区域选择框的尺寸可以是默认尺寸，也可以随着用户的操作灵活调整。应注意的是，矩形框的尺寸放大到最大，即将矩形框放大至与屏幕等大，此时代表第一待识别区域为整个第一视频画面。

示例性的，上述的区域选择框可以悬浮显示在第一视频画面上。示例性的，当用户在第一视频画面上拖动区域选择框时，该区域选择框可以随着用户的拖动操作在第一视频画面上移动。

示例性的，上述的区域选择框可以以预设透明度叠加显示在该第一视频画面中，例如，如果预设透明度记为T1，那么T1的取值范围可以为0％<T1<100％。此外，该区域选择框还可以高亮度或低亮度显示在第一视频画面上，本申请实施例对此不做限定。

在一种示例中，在上述的步骤A1中的接收用户的第四输入之前，该方法还没可以包括如下步骤：文档生成装置在显示有第一视频画面的情况下，显示第一提示信息，该第一提示信息用于提示用户可以标记第一视频画面的待识别区域。

举例说明，如图2中的(a)所示，手机显示有视频1的视频画面31(即上述的第一视频画面)，其中，该视频画面31包括字符1，图片1和演讲者。当用户想要识别视频画面31得到文档页面时，用户可以触发手机暂停视频1，此时，手机可以显示文字“请长按屏幕选择待识别区域”，然后，用户可以长按屏幕空白处(即上述第五输入)。此时，手机可以在视频画面31上悬浮显示一个矩形框32。当用户只想要识别字符1和图片1时，用户可以将双指沿矩形框32的对角线相向滑动，从而缩小该矩形框32的尺寸，如图2中的(b)所示，缩小后的矩形框32框住字符1和图片1所在区域，从而手机可以识别字符1和图片1所在区域。

在一种示例中，文档生成装置识别第一视频画面的过程具体可以如下：

在第一视频画面包括字符和图片的情况下，文档生成装置可以识别第一视频画面中字符所在区域，得到第一字符，并识别第一视频画面中图片所在区域，得到第一图片，然后，文档生成装置可以根据上述第一字符和上述第一图片，生成第一文档页面。

步骤202：文档生成装置根据上述M页文档页面，生成目标文档。

在本申请实施例中，上述的目标文档可以为一个，也可以为多个，本申请实施例对此不作限定。

在一种示例中，文档生成装置可以根据上述M页文档页面中的每帧文档页面，生成该每帧文档页面对应的文档。即M个文档。

在另一种示例中，文档生成装置可以合并上述M页文档页面，生成一个文档。

示例性的，上述的目标文档可以为文本文档，也可以为文字处理器应用程序文档(如word文档)，还可以为图形演示文稿软件文档(如PPT文档)，还可以为可携带文档格式文档(如PDF文档)等，本申请实施例对此不作限定。需要说明的是，上述的目标文档包括但不限于上述的3种文档，具体的可以根据实际需求设定，本申请实施例对此不作限定。

在一种示例中，文档生成装置可以遍历目标视频中的每帧视频画面，在遍历目标视频的最后一帧视频画面之后直接生成目标文档。示例性的，最后一帧视频画面可以根据目标视频的播放时间确定。

在另一种示例中，文档生成装置可以在接收到用户的停止指令之后，根据已得到的M也文档页面生成目标文档。

本申请实施例提供的文档生成方法，文档生成装置可以识别N帧视频画面，得到M页文档页面。然后，文档生成装置可以根据该M页文档页面，生成目标文档。其中，该N帧视频画面为目标视频中的视频画面，一页文档页面对应至少一帧视频画面，N为正整数，M为小于或等于N的正整数。通过上述方案，在用户观看视频的过程中，当用户想要整理视频中的知识点时，相比于相关技术中需要用户先通过电子设备创建一个空白文档，再手动在空白文档中输入知识点，从而整理出一个文档的方案，本申请中的文档生成装置可以直接识别目标视频中的N帧视频画面，得到M页文档页面，然后直接根据该M页文档页面快速生成目标文档，无需用户手动通过电子设备创建一个空白文档，再手动在空白文档中输入文档内容，从而可以简化将视频整理成文档的步骤，提高了文档生成的效率。

可选地，在本申请实施例中，为了提高文档生成装置的识别准确性并减少文档生成装置的工作负担，在上述的步骤201a中的在识别该第一视频画面，得到第一文档页面之前，该方法还可以包括如下步骤201b和步骤201c：

步骤201b：文档生成装置确定第一视频画面是否包括目标对象。

示例性的，上述的目标对象可以包括以下至少一项：人物，物品，背景。需要说明的是，目标对象包括但不限于前述三种对象。

示例性的，上述的目标对象可以为一个，也可以为多个，本申请实施例对此不作限定。

示例性的，上述的目标对象可以为系统默认的，也可以为用户设置的，本申请实施例对此不作限定。

步骤201c：文档生成装置在第一视频画面包括目标对象的情况下，从该第一视频画面中抠除上述目标对象。

需要说明的是，文当生成装置可以通过抠图处理技术从该第一视频画面中抠除上述目标对象，该抠图处理技术具体可以参考相关技术，此处不再赘述。

举例说明，以目标对象为演讲者为例，结合图2中的(a)，在手机显示有视频画面31的情况下，手机可以确定视频画面中是否包含演讲者，当手机确定视频画面31中包括演讲者。此时，如图3所示，手机可以利用抠图处理技术从视频画面31中抠除演讲者。

本申请实施例提供的文档生成方法可以应用于提高文档生成装置的识别准确性场景中，文档生成装置可以通过从第一视频画面中抠除目标对象，来减少文档生成装置的工作负担，并提高文档生成装置识别第一视频画面的识别准确性。

可选地，在本申请实施例中，在上述的步骤201a之前，该方法还可以包括如下步骤201d：

步骤201d：文档生成装置在显示有第二视频画面的情况下，识别该第二视频画面，得到第二文档页面。

其中，上述第二视频画面为上述N帧视频画面中在上述第一视频画面之前播放的视频画面。

示例性的，上述的第二视频画面可以为上述第一视频画面的前X帧视频画面，X为正整数。

需要说明的是，文档生成装置识别该第二视频画面，得到第二文档页面的过程，具体可以参考本申请实施例中对文档生成装置识别该第一视频画面，得到第一文档页面的描述，此处不再赘述。

基于上述的步骤201d，文档生成装置可以通过至少两种可能实现的方式来得到第一文档页面。

在第一种可能实现的方式中：

示例性的，上述的步骤201a中的识别该第一视频画面，得到第一文档页面具体可以包括如下步骤B1：

步骤B1：文档生成装置在满足第一条件的情况下，识别上述第一视频画面，更新上述第二文档页面得到第一文档页面。

示例性的，上述第一条件包括以下任一项：第一视频画面与第二视频画面的相似程度满足第一预设条件，响应于用户的第一输入。

示例性的，上述的第一预设条件可以为第一视频画面与第二视频画面的相似程度大于或等于第一阈值，也可以为第一视频画面与第二视频画面的相似程度处于第一阈值区间，本申请实施例对此不作限定。

示例性的，上述的第一输入可以为：用户对屏幕的点击输入，或者为用户输入的语音指令，或者为用户输入的特定手势，具体的可以根据实际使用需求确定，本申请实施例对此不作限定。

例1，在手机显示视频1的视频画面a(即上述的第二视频画面)的情况下，用户可以触发手机暂停视频1，其中，该视频画面a包括字符2，图片2和演讲者。当用户想要识别视频画面a得到文档页面时，用户可以双击屏幕空白处，此时手机可以先抠除视频画面a中的演讲者，再识别视频画面a中的字符2和图片2得到文档页面a(即上述的第二文档页面)。然后，用户可以触发手机继续播放视频1，如图2中的(a)所示，当手机显示视频1的视频画面31(即上述的第一视频画面)的情况下，用户可以再次触发手机暂停视频1，其中，该视频画面31包括字符1，图片1和演讲者。当用户想要在文档页面a添加视频画面31的识别结果时，用户可以三击屏幕空白处(即上述的第一输入)，此时手机可以先抠除视频画面31中的演讲者，再识别视频画面31中的字符1和图片1，从而更新文档页面a得到文档页面b(即上述的第一文档页面)。

例2，当手机显示视频1的视频画面a时(即上述的第二视频画面)，其中，该视频画面a包括字符2，图片2和演讲者，此时手机可以先抠除视频画面a中的演讲者，再识别视频画面a中的字符2和图片2得到文档页面a(即上述的第二文档页面)。然后，如图2中的(a)所示，手机可以显示下一帧视频画面31(即上述的第一视频画面)，其中，该视频画面31包括字符1，图片1和演讲者。在手机确定视频画面31与视频画面a的相似程度为70％，大于30％且小于95％的情况下，即表示视频画面31是在视频画面a的基础上增加了新的内容，此时，手机可以先抠除视频画面31中的演讲者，再识别视频画面31中的字符1和图片1，从而更新文档页面a得到文档页面b(即上述的第一文档页面)。

在第二种可能实现的方式中：

示例性的，上述的步骤201a中的识别该第一视频画面，得到第一文档页面具体可以包括如下步骤B2：

步骤B2：文档生成装置在满足第二条件的情况下，识别上述第一视频画面，生成第一文档页面。

示例性的，上述第二条件包括以下任一项：第一视频画面与第二视频画面的相似程度满足第二预设条件，响应于用户的第二输入。

示例性的，上述的第二预设条件可以为第一视频画面与第二视频画面的相似程度小于或等于第二阈值，也可以为第一视频画面与第二视频画面的相似程度处于第二阈值区间，本申请实施例对此不作限定。

示例性的，上述的第二输入可以为：用户对屏幕的点击输入，或者为用户输入的语音指令，或者为用户输入的特定手势，具体的可以根据实际使用需求确定，本申请实施例对此不作限定。

示例性的，上述的第一阈值和第二阈值可以相同，也可以不同，本申请实施例对此不作限定。

例3，结合例1，在手机得到文档页面a(即上述的第二文档页面)之后，用户可以触发手机继续播放视频1，如图2中的(a)所示，当手机显示视频1的视频画面31(即上述的第一视频画面)的情况下，用户可以再次触发手机暂停视频1，其中，该视频画面31包括字符1，图片1和演讲者。当用户想要识别视频画面31得到文档页面时，用户可以双击屏幕空白处(即上述的第二输入)，此时手机可以先抠除视频画面31中的演讲者，再识别视频画面31中的字符1和图片1生成文档页面c(即上述的第一文档页面)。

例4，结合例2，在手机得到文档页面a(即上述的第二文档页面)之后，如图2中的(a)所示，手机可以显示下一帧视频画面31(即上述的第一视频画面)，其中，该视频画面31包括字符1，图片1和演讲者。在手机确定视频画面31与视频画面a的相似程度为20％，小于30％的情况下，即表示视频画面31与视频画面a不同，此时手机可以先抠除视频画面31中的演讲者，再识别视频画面31中的字符1和图片1生成文档页面c(即上述的第一文档页面)。

需要说明的是，在手机确定视频画面31与视频画面a的相似程度为98％，大于预设阈值95％的情况下，表示视频画面31与视频画面a是相同的，此时可以不对该视频画面31进行任何处理，即跳过该帧视频画面。

本申请实施例提供的文档生成方法可以应用于灵活获得文档页面的场景中，文档生成装置可以在满足第一条件的情况下，识别上述第一视频画面，更新第二文档页面得到第一文档页面，在满足第二条件的情况下，识别该第一视频画面，直接生成第一文档页面，从而可以灵活地获得第一文档页面。

可选地，在本申请实施例中，在上述的步骤201a中的识别该第一视频画面，得到第一文档页面之前，该方法还可以包括如下步骤201e：

步骤201e：文档生成装置在第一视频画面上显示目标提示信息。

其中，上述目标提示信息包括第一子提示信息和第二子提示信息。上述第一输入为用户对该第一子提示信息的输入，上述第二输入为用户对上述第二子提示信息的输入。

示例性的，上述的目标提示信息可以显示在第一视频画面上的任意显示位置。

在一种示例中，文档生成装置可以在窗口中显示上述的目标提示信息。

举例说明，如图2中的(a)所示，手机显示有视频1的视频画面31(即上述的第一视频画面)，该视频画面31包括字符1，图片1和演讲者。当用户想要识别视频画面31时，用户可以触发手机暂停视频1。此时，如图4所示，手机可以弹出一个窗口41，该窗口41中显示有“在当前页更新”选项42(即上述的第一子提示信息)和“生成新的一页”选项43(即上述的第二子提示信息)。当用户想要在文档页面a添加视频画面31的识别结果时，用户可以点击“在当前页更新”选项42(即上述的第一输入)，此时手机可以先抠除视频画面31中的演讲者，再识别视频画面31中的字符1和图片1，从而更新文档页面a得到文档页面b(即上述的第一文档页面)。当用户想要识别视频画面31生成新的文档页面时，用户可以点击“生成新的一页”选项43(即上述的第二输入)，此时手机可以先抠除视频画面31中的演讲者，再识别视频画面31中的字符1和图片1生成文档页面c(即上述的第一文档页面)。

本申请实施例提供的文档生成方法可以应用于的根据用户需求生成第一文档页面的场景中，文档生成装置可以显示第一子提示信息第二子提示信息，方便用户根据需求选择生成第一文档页面的方式，从而可以使第一文档页面生成过程更灵活。

可选地，在本申请实施例中，为了提高第一文档页面的识别准确性，上述的步骤201a中的识别该第一视频画面，得到第一文档页面具体可以包括如下步骤C1：

步骤C1：文档生成装置识别第一视频画面并根据多媒体信息，得到第一文档页面。

其中，上述多媒体信息包括以下至少一项：与第一视频画面对应的音频，与第一视频画面对应的字幕。

示例性的，文档生成装置可以识别第一视频画面中字符所在区域得到上述的第一字符之后，并通过语音识别技术将上述音频转换为第二字符。然后，文档生成装置可以根据第二字符更新第一字符，从而根据更新后的第一字符得到第一文档页面。

举例说明，如图5所示，手机显示有视频1的视频画面51，该视频画面51显示有关键词“傅**变换”、演讲者和字幕“傅里叶变换分为连续傅立叶变换和离散傅立叶变换”。其中，演讲者的身体挡住了关键词“傅**变换”的部分字符。此时，手机在识别视频画面51的同时，可以根据字幕获取文字“傅里叶变换”，并补充关键词“傅**变换”得到“傅里叶变换”，从而生成包括关键词“傅里叶变换”的文档页面。

需要说明的是，由于字幕通常位于视频画面的特定区域(如下方区域)，因此，文档生成装置可以将视频画面的特定区域中的字符确定为字幕。

本申请实施例提供的文档生成方法可以应用于提高第一文档页面的识别准确性的场景中，文档生成装置可以根据与第一视频画面对应的音频或字幕补充第一视频画面的识别结果，从而可以更准确的生成第一文档页面。

可选地，在本申请实施例中，上述的步骤201a中的在显示有第一视频画面的情况下，识别该第一视频画面，具体可以包括如下步骤D1和步骤D2：

步骤D1：文档生成装置在显示有第一视频画面的情况下，确定该第一视频画面是否包括第一对象。

示例性的，上述的第一对象可以包括以下至少一项：黑板，投影幕布，电视屏幕。或者第一对象为文档格式的对象，例如PPT文档。需要说明的是，第一对象包括但不限于前述几种对象。

示例性的，上述的第一对象可以为一个，也可以为多个，本申请实施例对此不作限定。示例性的，上述的第一对象可以为系统默认的，也可以为用户设置的，本申请实施例对此不作限定。

步骤D2：文档生成装置在上述第一视频画面包括第一对象的情况下，识别该第一视频画面。

举例说明，在手机显示有视频1的视频画面的情况下，手机可以检测视频画面中是否包括投影幕布，当手机确定视频画面中包括投影幕布时，手机可以对该视频画面进行识别，从而生成文档页面。

如此，文档生成装置可以在确定第一视频画面中包括第一对象的情况下，才会识别第一视频文档，从而可以提高文档生成装置识别第一视频画面的识别准确性，并减少文档生成装置的工作负担。

需要说明的是，本申请实施例提供的文档生成方法，执行主体可以为文档生成装置，或者该文档生成装置中的用于执行文档生成方法的控制模块。本申请实施例中以文档生成装置执行文档生成方法为例，说明本申请实施例提供的文档生成装置。

图6为实现本申请实施例提供的一种文档生成装置的可能的结构示意图，如图6所示，文档生成装置600包括：执行模块601和生成模块602，其中：执行模块601，用于识别N帧视频画面，得到M页文档页面；生成模块602，用于根据执行模块601得到的M页文档页面，生成目标文档；其中上述N帧视频画面为目标视频中的视频画面，一页文档页面对应至少一帧视频画面，N为正整数，M为小于或等于N的正整数。

可选地，执行模块601，具体用于在显示有第一视频画面的情况下，识别第一视频画面，得到第一文档页面；其中，该第一视频画面为上述N帧视频画面中的任一帧视频画面。

可选地，执行模块601，还用于在显示有第二视频画面的情况下，识别第二视频画面，得到第二文档页面，该第二视频画面为上述N帧视频画面中在第一视频画面之前播放的视频画面；以及具体用于：在满足第一条件的情况下，识别第一视频画面，更新第二文档页面得到第一文档页面；或者，在满足第二条件的情况下，识别第一视频画面，生成第一文档页面。

可选地，上述第一条件包括以下任一项：第一视频画面与第二视频画面的相似程度满足第一预设条件，响应于用户的第一输入；上述第二条件包括以下任一项：第一视频画面与第二视频画面的相似程度满足第二预设条件，响应于用户的第二输入。

可选地，如图6所示，文档生成装置600还包括：显示模块603；显示模块603，用于在第一视频画面上显示目标提示信息，该目标提示信息包括第一子提示信息和第二子提示信息；其中，上述第一输入为用户对第一子提示信息的输入，上述第二输入为用户对第二子提示信息的输入。

可选地，如图6所示，文档生成装置600还包括：确定模块604和图像处理模块605；确定模块604，用于确定第一视频画面是否包括目标对象；图像处理模块605，用于在确定模块604确定第一视频画面包括目标对象的情况下，从第一视频画面中抠除该目标对象。

可选地，执行模块601，具体用于识别第一视频画面并根据多媒体信息，得到第一文档页面；其中，该多媒体信息包括以下至少一项：与第一视频画面对应的音频，与第一视频画面对应的字幕。

可选地，如图6所示，文档生成装置600还包括：确定模块604；确定模块604，用于在显示有第一视频画面的情况下，确定该第一视频画面是否包括第一对象；执行模块601，还用于在确定模块604确定第一视频画面包括第一对象的情况下，识别该第一视频画面。

需要说明的是，如图6所示，文档生成装置600中一定包括的模块用实线框示意，如执行模块601；文档生成装置600中可以包括也可以不包括的模块用虚线框示意，如显示模块603。

本申请实施例提供的文档生成装置，文档生成装置可以识别N帧视频画面，得到M页文档页面。然后，文档生成装置可以根据该M页文档页面，生成目标文档。其中，该N帧视频画面为目标视频中的视频画面，一页文档页面对应至少一帧视频画面，N为正整数，M为小于或等于N的正整数。通过上述方案，在用户观看视频的过程中，当用户想要整理视频中的知识点时，相比于相关技术中需要用户先通过电子设备创建一个空白文档，再手动在空白文档中输入知识点，从而整理出一个文档的方案，本申请中的文档生成装置可以直接识别目标视频中的N帧视频画面，得到M页文档页面，然后直接根据该M页文档页面快速生成目标文档，无需用户手动通过电子设备创建一个空白文档，再手动在空白文档中输入文档内容，从而可以简化将视频整理成文档的步骤，提高了文档生成的效率。

本实施例中各种实现方式具有的有益效果具体可以参见上述方法实施例中相应实现方式所具有的有益效果，为避免重复，此处不再赘述。

本申请实施例中的文档生成装置可以是装置，也可以是终端中的部件、集成电路、或芯片。该装置可以是移动电子设备，也可以为非移动电子设备。示例性的，移动电子设备可以为手机、平板电脑、笔记本电脑、掌上电脑、车载电子设备、可穿戴设备、超级移动个人计算机(ultra-mobile personal computer，UMPC)、上网本或者个人数字助理(personaldigital assistant，PDA)等，非移动电子设备可以为服务器、网络附属存储器(NetworkAttached Storage，NAS)、个人计算机(personal computer，PC)、电视机(television，TV)、柜员机或者自助机等，本申请实施例不作具体限定。

本申请实施例中的文档生成装置可以为具有操作系统的装置。该操作系统可以为安卓(Android)操作系统，可以为ios操作系统，还可以为其他可能的操作系统，本申请实施例不作具体限定。

本申请实施例提供的文档生成装置能够实现图1至图5的方法实施例实现的各个过程，为避免重复，这里不再赘述。

可选的，如图7所示，本申请实施例还提供一种电子设备700，包括处理器701，存储器702，存储在存储器702上并可在所述处理器701上运行的程序或指令，该程序或指令被处理器701执行时实现上述文档生成方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

需要注意的是，本申请实施例中的电子设备包括上述所述的移动电子设备和非移动电子设备。

图8为实现本申请实施例的一种电子设备的硬件结构示意图。

该电子设备100包括但不限于：射频单元101、网络模块102、音频输出单元103、输入单元104、传感器105、显示单元106、用户输入单元107、接口单元108、存储器109、以及处理器110等部件。

本领域技术人员可以理解，电子设备100还可以包括给各个部件供电的电源(比如电池)，电源可以通过电源管理系统与处理器110逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。图8中示出的电子设备结构并不构成对电子设备的限定，电子设备可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置，在此不再赘述。

其中，处理器110，用于识别N帧视频画面，得到M页文档页面；以及根据该M页文档页面，生成目标文档；其中，上述N帧视频画面为目标视频中的视频画面，一页文档页面对应至少一帧视频画面，N为正整数，M为小于或等于N的正整数。

可选地，处理器110，具体用于在显示有第一视频画面的情况下，识别第一视频画面，得到第一文档页面；其中，该第一视频画面为上述N帧视频画面中的任一帧视频画面。

可选地，处理器110，还用于在显示有第二视频画面的情况下，识别第二视频画面，得到第二文档页面，该第二视频画面为上述N帧视频画面中在第一视频画面之前播放的视频画面；以及具体用于在满足第一条件的情况下，识别第一视频画面，更新第二文档页面得到第一文档页面；或者，在满足第二条件的情况下，识别第一视频画面，生成第一文档页面。

可选地，上述第一条件包括以下任一项：第一视频画面与第二视频画面的相似程度满足第一预设条件，响应于用户的第一输入；上述第二条件包括以下任一项：第一视频画面与第二视频画面的相似程度满足第二预设条件，响应于用户的第二输入。

可选地，显示单元106，用于在第一视频画面上显示目标提示信息，该目标提示信息包括第一子提示信息和第二子提示信息；其中，上述第一输入为用户对第一子提示信息的输入，上述第二输入为用户对第二子提示信息的输入。

可选地，处理器110，用于确定第一视频画面是否包括目标对象；以及在第一视频画面包括目标对象的情况下，从第一视频画面中抠除该目标对象。

可选地，处理器110，具体用于识别第一视频画面并根据多媒体信息，得到第一文档页面；其中，该多媒体信息包括以下至少一项：与第一视频画面对应的音频，与第一视频画面对应的字幕。

可选地，处理器110，还用于在显示有第一视频画面的情况下，确定该第一视频画面是否包括第一对象；以及在第一视频画面包括第一对象的情况下，识别该第一视频画面。

本申请实施例提供的电子设备，电子设备可以识别N帧视频画面，得到M页文档页面。然后，电子设备可以根据该M页文档页面，生成目标文档。其中，该N帧视频画面为目标视频中的视频画面，一页文档页面对应至少一帧视频画面，N为正整数，M为小于或等于N的正整数。通过上述方案，在用户观看视频的过程中，当用户想要整理视频中的知识点时，相比于相关技术中需要用户先通过电子设备创建一个空白文档，再手动在空白文档中输入知识点，从而整理出一个文档的方案，本申请中的电子设备可以直接识别目标视频中的N帧视频画面，得到M页文档页面，然后直接根据该M页文档页面快速生成目标文档，无需用户手动通过电子设备创建一个空白文档，再手动在空白文档中输入文档内容，从而可以简化将视频整理成文档的步骤，提高了文档生成的效率。

本实施例中各种实现方式具有的有益效果具体可以参见上述方法实施例中相应实现方式所具有的有益效果，为避免重复，此处不再赘述。

应理解的是，本申请实施例中，输入单元104可以包括图形处理器(GraphicsProcessing Unit，GPU)1041和麦克风1042，图形处理器1041对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。显示单元106可包括显示面板1061，可以采用液晶显示器、有机发光二极管等形式来配置显示面板1061。用户输入单元107包括触控面板1071以及其他输入设备1072。触控面板1071，也称为触摸屏。触控面板1071可包括触摸检测装置和触摸控制器两个部分。其他输入设备1072可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆，在此不再赘述。存储器109可用于存储软件程序以及各种数据，包括但不限于应用程序和操作系统。处理器110可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器110中。

本申请实施例还提供一种可读存储介质，所述可读存储介质上存储有程序或指令，该程序或指令被处理器执行时实现上述文档生成方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

其中，所述处理器为上述实施例中所述的电子设备中的处理器。所述可读存储介质，包括计算机可读存储介质，如计算机只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等。

本申请实施例另提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现上述文档生成方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

应理解，本申请实施例提到的芯片还可以称为系统级芯片、系统芯片、芯片系统或片上系统芯片等。

需要说明的是，在本文中，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、物品或者装置不仅包括那些要素，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、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。此外，需要指出的是，本申请实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能，还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能，例如，可以按不同于所描述的次序来执行所描述的方法，并且还可以添加、省去、或组合各种步骤。另外，参照某些示例所描述的特征可在其他示例中被组合。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以计算机软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，或者网络设备等)执行本申请各个实施例所述的方法。

上面结合附图对本申请的实施例进行了描述，但是本申请并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本申请的启示下，在不脱离本申请宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本申请的保护之内。

Claims (11)

1.一种文档生成方法，其特征在于，所述方法包括：

识别N帧视频画面，得到M页文档页面；

根据所述M页文档页面，生成目标文档；

其中，所述N帧视频画面为目标视频中的视频画面，一页文档页面对应至少一帧视频画面，N为正整数，M为小于或等于N的正整数。

2.根据权利要求1所述的方法，其特征在于，所述识别N帧视频画面，得到M页文档页面，包括：

在显示有第一视频画面的情况下，识别所述第一视频画面，得到第一文档页面；

其中，所述第一视频画面为所述N帧视频画面中的任一帧视频画面。

3.根据权利要求2所述的方法，其特征在于，在显示有第一视频画面的情况下，识别第一待识别区域，得到第一文档页面之前，所述方法还包括：

在显示有第二视频画面的情况下，识别所述第二视频画面，得到第二文档页面，所述第二视频画面为所述N帧视频画面中在所述第一视频画面之前播放的视频画面；

所述识别所述第一视频画面，得到第一文档页面，包括：

在满足第一条件的情况下，识别所述第一视频画面，更新所述第二文档页面得到第一文档页面；或者，

在满足第二条件的情况下，识别所述第一视频画面，生成所述第一文档页面。

4.根据权利要求3所述的方法，其特征在于，所述第一条件包括以下任一项：所述第一视频画面与所述第二视频画面的相似程度满足第一预设条件，响应于用户的第一输入；所述第二条件包括以下任一项：所述第一视频画面与所述第二视频画面的相似程度满足第二预设条件，响应于用户的第二输入。

5.根据权利要求4所述的方法，其特征在于，在识别所述第一视频画面，得到第一文档页面之前，所述方法还包括：

在所述第一视频画面上显示目标提示信息，所述目标提示信息包括第一子提示信息和第二子提示信息；

其中，所述第一输入为用户对所述第一子提示信息的输入，所述第二输入为用户对所述第二子提示信息的输入。

6.根据权利要求2所述的方法，其特征在于，在识别所述第一视频画面，得到第一文档页面之前，所述方法还包括：

确定所述第一视频画面是否包括目标对象；

在所述第一视频画面包括所述目标对象的情况下，从所述第一视频画面中抠除所述目标对象。

7.根据权利要求2所述的方法，其特征在于，所述识别所述第一视频画面，得到第一文档页面，包括：

识别所述第一视频画面并根据多媒体信息，得到第一文档页面；

其中，所述多媒体信息包括以下至少一项：与所述第一视频画面对应的音频，与所述第一视频画面对应的字幕。

8.根据权利要求2至7任一项所述的方法，其特征在于，所述在显示有第一视频画面的情况下，识别所述第一视频画面，包括：

在显示有第一视频画面的情况下，确定所述第一视频画面是否包括第一对象；

在所述第一视频画面包括所述第一对象的情况下，识别所述第一视频画面。

9.一种文档生成装置，其特征在于，所述文档生成装置包括：执行模块和生成模块；

所述执行模块，用于识别N帧视频画面，得到M页文档页面；

所述生成模块，用于根据所述执行模块得到的所述M页文档页面，生成目标文档；

其中，所述N帧视频画面为目标视频中的视频画面，一页文档页面对应至少一帧视频画面，N为正整数，M为小于或等于N的正整数。

10.根据权利要求9所述的文档生成装置，其特征在于，所述执行模块，具体用于在显示有第一视频画面的情况下，识别所述第一视频画面，得到第一文档页面；

其中，所述第一视频画面为所述N帧视频画面中的任一帧视频画面。

11.一种电子设备，其特征在于，包括处理器，存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如权利要求1至8中任一项所述的文档生成方法的步骤。

Images