[发明专利]视频信号分析与存储

说明书

本发明涉及处理音频加视频数据流的方法和装置，其中音频流被数字压缩，并且尽管不排除在外，本发明特别涉及景物改变的自动检测与记录。

这里，对一些现有出版物中被称为“景物改变”或“景物剪辑”的名词，与这里使用的这些名词的意义之间给出了区别。在这些现有的出版物中，“景物改变”(也被另外称作“编辑点”和“拍摄剪辑”)已经被用于说明视频的编辑或景物中的摄影机切换而导致的任何不连贯。这里，这样适当的情况被称为“拍摄改变”或“拍摄剪辑”。正如这里所使用的，“景物改变”或“景物剪辑”是显示的材料中上下文的改变伴随的那些点。例如，景物可以显示两个演员说话，这时，聚焦在各自演员脸上的两台摄影机之间重复地改变来拍摄，并且一台或更多的辅助摄影机可能给出更宽的或不同角度的拍摄。景物改变只发生在动作位置和时间发生改变时的情况。

在国际专利申请WO 98/43408中描述了用于景物改变的检测与记录的系统和方法的例子。在描述的方法和系统中，被记录的音频流背景水平的改变用于确定剪辑，然后剪辑与播放中被使用的音频和视频数据一起存储。通过在音频背景水平中检测不连贯，只从拍摄改变中识别并区分景物改变，其中在拍摄改变的地方，背景音频水平通常保持相当的恒定。

在音频—视频技术近来的发展中，音频和视频流数字压缩技术的使用已经变得很普通了。音频—视频流的压缩特别有利，因为更多的数据可以存储在相同容量的介质上，并且由于存储容量的增加，存储数据的复杂性可以增加。然而，压缩数据的缺点是，为了应用上述这些方法和系统，有必要首先将音频—视频流解压缩，成为能够处理的原始数据。压缩与解压缩使用的算法复杂，这需要大量进行计算机处理。

本发明想要使用相应的数据压缩音频流，而不需要解压缩，来提供视频流中检测景物改变的方法。

在数字音频压缩系统中，如MPEG音频和Dolby AC-3，基于频率的变形被应用于数字音频解压缩。这些变形允许应用人类听觉模型，使不可听到的声音可以被去除，来减小音频的比特率。当解码时，这些频率变形相反地产生与原来相应的音频信号。

在MPEG音频的情况下，时间—频率音频信号被分成几部分，这些部分被称为分频段。每个分频段对应原始信号中的频率范围，从覆盖最低频率的分频段0开始，一直到覆盖最高频率的分频段32。每个分频段具有相关的比例因数，和解码处理中使用的一组系数。通过确定分频段样本的最大绝对值，并且将这个值量化成6位，来计算每个比例因数。比例因数是应用于分频段系数的乘数。大的比例因数通常指示这个频率范围中有强信号，而小的比例因数指示这个频率范围中有弱信号。

根据本发明的一方面，提供了通过分析压缩的音频数据来检测景物剪辑的方法，对于每个样本和对于多个音频频率波段，所述音频数据包括指示所述的频段的被压缩音频数据的最大值的一个参数，所述方法包括以下步骤：

对于几个频段中的每个，确定几个连续样本的平均参数；

对于几个频段中的每个，计算方差参数，它指示几个(M个)连续的已确定平均数中所确定平均数的方差；

将预定几个频段的方差参数与阈值水平比较；并且

根据比较结果确定景物剪辑是否发生。

根据本发明，通过计算最大值参数的平均数，然后通过计算几个这样的平均数值的方差，来计算任何特定频段的音频方差。本发明使用了最大值参数，它形成部分压缩的音频数据，由此避免了在分析数据前执行解压缩的需要。

压缩方法可以包括MPEG压缩，在这种情况下，最大值参数包括比例因数，并且这些频段包括MPEG压缩设计方案的分频段。

方差参数最好是平均比例因数的方差，并且如果此方差大于这些平均比例因数的移动平均值，那么这指示了这个分频段中音频信号显著改变。

选择几个分频段做这类分析，用于确定音频流中是否已经有显著的改变，这意味着景物剪辑已经发生。

通过增加方差检测中使用的平均数计算的数量，能够改善检测率。然而，这具有增加时间长度的效果，在这段时间中，需要估算景物剪辑，由此减小了精度，其中这个精度用来确定景物剪辑的时刻。

现在参考附图，具体描述本发明的例子，其中：

图1a、1b和1c是示意图，说明了根据本发明方法的步骤；

图1d是图示，说明了根据本发明方法的步骤；

图2是根据本发明的一方面，在检测景物剪辑的方法中执行的步骤的流程图；而

图3是根据本发明的另一方面，检测景物剪辑装置的方块示意图。