一种视频处理方法及终端技术

本发明专利技术公开了一种视频处理方法及终端，预设关键信息，自动爬取符合关键信息的待分类视频；分析待分类视频的语音信息的语音情感特征并得到其情感特征类别，根据情感特征类别得到待分类视频的第一视频类别；分析待分类视频的每一帧图片信息的归属类别以得到待分类视频的第二视频类别；根据待分类视频的第一视频类别和第二视频类别以得到待分类视频的分类结果；本发明专利技术通过预设关键信息以获取到视频信息，根据视频信息的语音信息来进行自动提取及分析出语音情感特征，以得到待分类视频在情感特征上的视频类别，通过分析每一帧图片信息的归属类别，以得到待分类视频的归属类别，从而得到更为合理有效的视频分类结果。

A video processing method and terminal

【技术实现步骤摘要】
一种视频处理方法及终端
本专利技术涉及视频处理
，特别涉及一种视频处理方法及终端。
技术介绍
互联网发展至今，网民社交由一开始的文本形式，到之后的图片与文本形式，再到现在流行的视频形式。而伴随着5G通讯发展，必然会产生更多的视频资源。如何从众多的视频资源去获取想要的资源成了一个大问题。对于视频片段的处理方式有两种，一种是预先打上各种的标签来归类视频，从而达到推荐相似视频的目的；还有一种是通过服务端来分析视频，已找到相似的视频，这样必然就会占用大量网络资源影响到用户的正常使用。而对于监控视频(直播)视频的处理方式，因为无法事先对视频进行打上标签，只能使用服务端来处理，这样，客户端与服务端之间的长连接必然会占用大量的网络资源。通过服务器来分析视频的常规做法如下：将视频分成4s的小视频片段，然后对每个小视频片段的每一帧图片进行识别，并将识别结果归类，以判定该小视频片段的归类，在给每个小视频片段分类后，最终得到不同分类的小视频片段或者相同分类的不连续的小视频片段。通过分割视频来识别视频的分类具有以下不足的地方：按照4s时间来分割，那么可能会把视频原来连贯的内容分割成不同的小视频片段，不同的小视频片段又被分割进行识别后处于不同的类别，使得视频分类不合理。另外，对于视频分类方法仅通过分析视频片段进行归类，归类片段单一，即现有的视频归类方法存在无法合理有效的对视频进行归类。
技术实现思路
本专利技术所要解决的技术问题是：提供一种视频处理方法及终端，以得到更为合理有效的视频分类结果。为了解决上述技术问题，本专利技术采用的技术方案为：一种视频处理方法，包括步骤：S1、预设关键信息，自动爬取符合所述关键信息的待分类视频；S2、分析所述待分类视频的语音信息的语音情感特征并得到其情感特征类别，根据所述情感特征类别得到所述待分类视频的第一视频类别；S3、分析所述待分类视频的每一帧图片信息的归属类别以得到所述待分类视频的第二视频类别；S4、根据所述待分类视频的第一视频类别和第二视频类别以得到所述待分类视频的分类结果。为了解决上述技术问题，本专利技术采用的另一种技术方案为：一种视频处理终端，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：S1、预设关键信息，自动爬取符合所述关键信息的待分类视频；S2、分析所述待分类视频的语音信息的语音情感特征并得到其情感特征类别，根据所述情感特征类别得到所述待分类视频的第一视频类别；S3、分析所述待分类视频的每一帧图片信息的归属类别以得到所述待分类视频的第二视频类别；S4、根据所述待分类视频的第一视频类别和第二视频类别以得到所述待分类视频的分类结果。本专利技术的有益效果在于：一种视频处理方法及终端，通过预设关键信息以获取到视频信息，根据视频信息的语音信息来进行自动提取及分析出语音情感特征，以得到待分类视频在情感特征上的视频类别，其中，语音情感特征包括哭泣、欢笑、生气等等，通过分析每一帧图片信息的归属类别，以得到待分类视频的归属类别，比如电视剧、电影、综艺等等，从而得到更为合理有效的视频分类结果。附图说明图1为本专利技术实施例的一种视频处理方法的流程示意图；图2为本专利技术实施例的一种视频处理终端的结构示意图。标号说明：1、一种视频处理终端；2、处理器；3、存储器。具体实施方式为详细说明本专利技术的
技术实现思路
、所实现目的及效果，以下结合实施方式并配合附图予以说明。请参照图1，一种视频处理方法，包括步骤：S1、预设关键信息，自动爬取符合所述关键信息的待分类视频；S2、分析所述待分类视频的语音信息的语音情感特征并得到其情感特征类别，根据所述情感特征类别得到所述待分类视频的第一视频类别；S3、分析所述待分类视频的每一帧图片信息的归属类别以得到所述待分类视频的第二视频类别；S4、根据所述待分类视频的第一视频类别和第二视频类别以得到所述待分类视频的分类结果。从上述描述可知，本专利技术的有益效果在于：通过预设关键信息以获取到视频信息，根据视频信息的语音信息来进行自动提取及分析出语音情感特征，以得到待分类视频在情感特征上的视频类别，其中，语音情感特征包括哭泣、欢笑、生气等等，通过分析每一帧图片信息的归属类别，以得到待分类视频的归属类别，比如电视剧、电影、综艺等等，从而得到更为合理有效的视频分类结果。进一步地，所述步骤S1中还包括获取所述待分类视频的视频信息，所述视频信息包括发布者个人信息和视频影响内容，所述发布者个人信息包括身份信息、账号属性信息、行为属性信息、视频生产偏好以及是否为负面视频关注者，所述视频影响内容包括视频长度、观看人数、弹幕信息、评论人数和评论信息；所述步骤S2还包括步骤：根据所述发布者个人信息生成发布者的人物画像信息；根据所述视频影响内容得到所述待分类视频所造成的舆论倾向；通过分析所述待分类视频中人物运动强度、人物人脸表情和语音情感特征以得出人物情感特征，通过分析待分类视频的镜头切换速率、音频能量、视频整体背景颜色特征、亮度特征、运动向量幅度值和镜头长度以得出视频表达情感特征，根据所述人物情感特征和所述视频表达情感特征以得到所述待分类视频的主要情感特征和情感特征变化轨迹，机器学习所述视频情感特征变化轨迹并预测未来的情感特征变化趋势；所述步骤S4之后包括：根据所述发布者的人物画像信息、所述待分类视频所造成的舆论倾向、所述待分类视频的分类结果和所述情感特征变化趋势判断所述待分类视频是否属于负面舆论视频并判断是否需要进行人工干预并提供人工干预方案，所述人工干预方案用于对所述负面舆论视频所造成的负面舆论倾向进行人工干预。从上述描述可知，通过对发布者建立人物画像、判断视频所造成的舆论倾向、判断视频的分类结果及视频情感变化的趋势综合分析的结果对视频分类是否属于负面舆论视频，在出现负面舆论的视频内容、视频已造成一定的负面舆论影响且视频发布者粉丝众多、传播快，则需要生成一份人工干预及时来稳定舆论倾向，从而不仅对视频分析出其所属分类，以便于使用者从众多的视频资源快速获取到想要的视频资源，而且能视频分析出视频所造成的影响，以及时干预使得视频传播更加正能量。进一步地，所述步骤S2具体为：复制一份所述待分类视频；将复制的所述待分类视频分割成预设时间段的视频小片段，并对每一个所述视频小片段进行标记；提取每一个所述视频小片段的语音数据，过滤每一段所述语音数据的其他声道干扰信息，保留主要声道信息，并分析每一段所述语音数据的主要声道信息的语音情感特征并得到其情感特征类别；统计所有所述视频小片段中出现次数最多的前N个情感特征类别，即为第一视频类别；所述步骤S3具体为：复制一份所述待分类视频；将复制的所述待分类视频分割成预设时间段的视频小片段，并对每一个所述视频小片段进行标本文档来自技高网...

【技术保护点】
1.一种视频处理方法，其特征在于，包括步骤：/nS1、预设关键信息，自动爬取符合所述关键信息的待分类视频；/nS2、分析所述待分类视频的语音信息的语音情感特征并得到其情感特征类别，根据所述情感特征类别得到所述待分类视频的第一视频类别；/nS3、分析所述待分类视频的每一帧图片信息的归属类别以得到所述待分类视频的第二视频类别；/nS4、根据所述待分类视频的第一视频类别和第二视频类别以得到所述待分类视频的分类结果。/n

【技术特征摘要】
1.一种视频处理方法，其特征在于，包括步骤：
S1、预设关键信息，自动爬取符合所述关键信息的待分类视频；
S2、分析所述待分类视频的语音信息的语音情感特征并得到其情感特征类别，根据所述情感特征类别得到所述待分类视频的第一视频类别；
S3、分析所述待分类视频的每一帧图片信息的归属类别以得到所述待分类视频的第二视频类别；
S4、根据所述待分类视频的第一视频类别和第二视频类别以得到所述待分类视频的分类结果。


2.根据权利要求1所述的一种视频处理方法，其特征在于，所述步骤S1中还包括获取所述待分类视频的视频信息，所述视频信息包括发布者个人信息和视频影响内容，所述发布者个人信息包括身份信息、账号属性信息、行为属性信息、视频生产偏好以及是否为负面视频关注者，所述视频影响内容包括视频长度、观看人数、弹幕信息、评论人数和评论信息；
所述步骤S2还包括：
根据所述发布者个人信息生成发布者的人物画像信息；
根据所述视频影响内容得到所述待分类视频所造成的舆论倾向；
通过分析所述待分类视频中人物运动强度、人物人脸表情和语音情感特征以得出人物情感特征，通过分析待分类视频的镜头切换速率、音频能量、视频整体背景颜色特征、亮度特征、运动向量幅度值和镜头长度以得出视频表达情感特征，根据所述人物情感特征和所述视频表达情感特征以得到所述待分类视频的主要情感特征和情感特征变化轨迹，机器学习所述视频情感特征变化轨迹并预测未来的情感特征变化趋势；
所述步骤S4之后包括：
根据所述发布者的人物画像信息、所述待分类视频所造成的舆论倾向、所述待分类视频的分类结果和所述情感特征变化趋势判断所述待分类视频是否属于负面舆论视频并判断是否需要进行人工干预并提供人工干预方案，所述人工干预方案用于对所述负面舆论视频所造成的负面舆论倾向进行人工干预。


3.根据权利要求1所述的一种视频处理方法，其特征在于，所述步骤S2具体为：
复制一份所述待分类视频；
将复制的所述待分类视频分割成预设时间段的视频小片段，并对每一个所述视频小片段进行标记；
提取每一个所述视频小片段的语音数据，过滤每一段所述语音数据的其他声道干扰信息，保留主要声道信息，并分析每一段所述语音数据的主要声道信息的语音情感特征并得到其情感特征类别；
统计所有所述视频小片段中出现次数最多的前N个情感特征类别，即为第一视频类别；
所述步骤S3具体为：
复制一份所述待分类视频；
将复制的所述待分类视频分割成预设时间段的视频小片段，并对每一个所述视频小片段进行标记；
对每一个所述视频小片段都进行复制备用；
将备用的所述每一个视频小片段分解出每一帧图片信息；
分析每一个所述视频小片段的每一帧图片信息的归属类别，得到每一个所述视频小片段的归属类别，统计所有所述视频小片段中出现次数最多的前M个归属类别，即为第二视频类别。


4.根据权利要求3所述的一种视频处理方法，其特征在于，所述步骤S2中得到所述第一视频类别之后还包括：
判断每一个所述视频小片段所对应的语音数据的情感特征类别与所述第一视频类别是否一致，若是一致，则记录类别一致的所述视频小片段的标记，得到第一索引；
将所述第一索引中标记被连续记录的视频小片段依次整合为所述第一视频类别的关键视频片段；
所述步骤S3中得到所述第二视频类别之后还包括：
判断每一个所述视频小片段中所有图片信息的归属类别与所述第二视频类别的一致率是否超过预设比例，若超过，则记录类别一致率超过预设比例的所述视频小片段的标记，得到第二索引；
将所述第二索引中标记被连续记录的视频小片段整合为所述第二视频类别的关键视频片段。


5.根据权利要求3所述的一种视频处理方法，其特征在于，所述步骤S3替换为：
复制一份所述待分类视频；
将复制的所述待分类视频分解出每一帧图片信息，并对每一帧图片信息进行标记；
分析每一帧图片信息的归属类别，统计所有图片信息中出现次数最多的前M个归属类别，即为第二视频类别；
所述步骤S3中得到所述第二视频类别之后还包括：
从第一帧图片信息开始判断，判断第一帧图片信息到第X帧图片信息中所有图片信息的归属类别与所述第二视频类别一致的比例是否超过S，若是，则将第一帧图片信息标记为索引开始，并继续判断第二帧图片信息到第X+1帧图片信息中所有图片信息的归属类别与所述第二视频类别一致的比例是否超过S，直到第Y帧图片信息到第X+Y-1帧图片信息中所有图片信息的归属类别与所述第二视频类别一致的比例是否不超过S，则记录第X+Y-1帧图片信息为索引结束，然后继续判断第Y+1帧图片信息到第X+Y帧图片信息中所有图片信息的归属类别与所述第二视频类别一致的比例是否不超过S，直到最后一帧图片信息；
若第一帧图片信息到第X帧图片信息中所有图片信息的归属类别与所述第二视频类别一致的比例是否不超过S，则继续判断第二帧图片信息到第X+1帧图片信息中所有图片信息的归属类别与所述第二视频类别一致的比例是否超过S，直到第Z帧图片信息到第X+Z-1帧图片信息中所有图片信息的归属类别与所述第二视频类别一致的比例是否超过S，则将第Z帧图片信息标记为索引开始，继续判断第Z+1帧图片信息到第X+Z帧图片信息中所有图片信息的归属类别与所述第二视频类别一致的比例是否超过S，直到第Z+O帧图片信息到第Z+O+X-1帧图片信息中所有图片信息的归属类别与所述第二视频类别一致的比例是否不超过S，则记录第Z+O+X-1帧图片信息为索引结束，然后继续判断第Z+O+1帧图片信息到第Z+O+X帧图片信息中所有图片信息的归属类别与所述第二视频类别一致的比例是否不超过S，直到最后一帧图片信息；
将前一索引开始的图片信息与后一索引结束的图片信息之间的所有图片信息整合为所述第二视频类别的关键视频片段。


6.一种视频处理终端，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现以下步骤：
S1、预设关键信息，自动爬取符合所述关键信息的待分类视频；...

【专利技术属性】
技术研发人员：刘艺伟，栾江霞，章正道，段思欣，俞碧洪，许剑峰，
申请(专利权)人：厦门市美亚柏科信息股份有限公司，
类型：发明
国别省市：福建;35