JP2011504034A5 - - Google Patents

Claims (14)

1. オーディオビジュアル信号の意味的なまとまりに対応するセグメントの開始点を決定する方法であって、前記方法は、
   低オーディオ出力についての基準を満たすセクションを検出するため前記信号のオーディオ成分を処理するステップと、
   ショットに対応するセクションの境界を識別するため前記オーディオビジュアル信号を処理するステップと、
   を含み、前記オーディオビジュアル信号のビデオ成分は、司会者が表示されている見込みが高い画像を有する特定のタイプのショットを識別するための基準に合致する少なくとも１つのショットにより形成されるビデオセクションであって、前記特定のタイプのショットのみを含むビデオセクションを識別するための基準を評価するために処理され、
   前記低オーディオ出力についての基準を満たすセクションの少なくとも終了点が、識別されたビデオセクションの境界間の特定の間隔にある場合に、前記低オーディオ出力についての基準を満たすセクションに一致し且つ前記識別されたビデオセクションの境界間に位置する点が、セグメントの開始点として選択され、
   識別されたビデオセクションに一致する低オーディオ出力についての基準を満たすセクションがないことが決定されると、前記ビデオセクションの境界が、セグメントの開始点として選択される方法。
2. 前記オーディオビジュアル信号のビデオ成分の処理は、前記特定のタイプのショットを識別するための基準の評価を含み、前記評価は、ショットの少なくとも１つの画像が少なくとも１つの更なる画像に対する類似度を満たすか否かの決定を含む、請求項１に記載の方法。
3. 前記特定のタイプのショットを識別するための基準の評価は、ショットの少なくとも１つの画像が、前記ショットに含まれる少なくとも１つの更なる画像に対する類似度を満たすか否かの決定を含む、請求項２に記載の方法。
4. 前記特定のタイプのショットを識別するための基準の評価は、ショットの少なくとも１つの画像が、少なくとも１つの更なるショットの少なくとも１つの更なる画像に対する類似度を満たすか否かの決定を含む、請求項２又は３に記載の方法。
5. 前記オーディオビジュアル信号に亘って類似する画像を含むショットの分布の一様性を解析するステップを含む、請求項４に記載の方法。
6. 前記オーディオビジュアル信号のビデオ成分の処理は、前記特定のタイプのショットを識別するための基準の評価を含み、前記評価は、前記ショットに含まれる少なくとも１つの画像の内容を解析し、前記ショットに含まれる少なくとも１つの画像に表示されるいずれかの人物の顔を検出することを含む、請求項１乃至５のいずれか一項に記載の方法。
7. 前記ビデオセクションを識別するための基準を評価するための前記オーディオビジュアル信号のビデオ成分の処理は、
   ａ）ショットが、司会者が表示されている見込みが高い画像を有する前記特定のタイプのショットを識別するための基準に合致するとそれぞれが決定された、連続するショットのシーケンスのうちの最初のものか否かを決定するステップであって、前記シーケンスは特定の最短の長さよりも長い長さを持つステップと、
   ｂ）ショットが、司会者が表示されている見込みが高い画像を有する前記特定のタイプのショットを識別するための基準に合致し、更に特定の最短の長さよりも長い長さを持つという基準に合致するか否かを決定するステップと、
   のうち少なくとも一方を含む、請求項１乃至６のいずれか一項に記載の方法。
8. 前記低オーディオ出力についての基準を満たす複数のセクションのそれぞれの少なくとも終了点が、識別されたビデオセクションの境界間の特定の間隔にあることを決定すると、前記複数のセクションのうち最初に出現するセクションに一致する点を、セグメントの開始点として選択するステップを含む、請求項１乃至７のいずれか一項に記載の方法。
9. 前記低オーディオ出力についての基準を満たす複数のセクションのうち第２のものであり且つ前記最初のセクションに後続するセクションに一致する点を、少なくとも前記最初のセクションと前記第２のセクションとの間の間隔の長さが特定の閾値を超えると決定したときに、更なるセグメントの開始点として選択するステップを更に含む、請求項８に記載の方法。
10. 前記識別されたビデオセクションのそれぞれについて、前記低オーディオ出力についての基準を満たすセクションの少なくとも終了点が、前記識別されたビデオセクションの境界間の特定の間隔にあるか否かを連続的に決定するステップを含む、請求項１乃至１０のいずれか一項に記載の方法。
11. 前記低オーディオ出力についての基準を満たすセクションは、第１のウィンドウよりも長い第２のウィンドウに亘る平均オーディオ出力に対する、第１のウィンドウに亘る平均オーディオ出力を評価することにより検出される、請求項１乃至１０のいずれか一項に記載の方法。
12. オーディオビジュアル信号を意味的なまとまりに対応するセグメントにセグメント化するためのシステムであって、前記システムは、
    低オーディオ出力についての基準を満たすセクションを検出するため前記信号のオーディオ成分を処理し、
    ショットに対応するセクションの境界を識別するため前記オーディオビジュアル信号を処理する
    ように構成され、前記オーディオビジュアル信号のビデオ成分は、司会者が表示されている見込みが高い画像を有する特定のタイプのショットを識別するための基準に合致する少なくとも１つのショットにより形成されるビデオセクションであって、前記特定のタイプのショットのみを含むビデオセクションを識別するための基準を評価するために処理され、前記システムは更に、
    前記低オーディオ出力についての基準を満たすセクションの少なくとも終了点が、識別されたビデオセクションの境界間の特定の間隔にあることが決定されると、前記低オーディオ出力についての基準を満たすセクションに一致し且つ前記ビデオセクションの境界間に位置する点を、セグメントの開始点として選択するように構成され、前記システムは、
    識別されたビデオセクションに一致する低オーディオ出力についての基準を満たすセクションがないことが決定されると、前記ビデオセクションの境界を、セグメントの開始点として選択するように構成される、システム。
13. 請求項１乃至１１のいずれか一項に記載の方法を実行するように構成された、請求項１２に記載のシステム。
14. 機械読み取り可能な媒体に組み込まれたときに、請求項１乃至１１のいずれか一項に記載の方法を、情報処理能力を持つシステムに実行させることが可能な命令のセットを含む、コンピュータプログラム。