[发明专利]一种对音、视频内容进行语义描述的方法和系统

说明书

技术领域

本发明涉及音视频数字出版技术领域，特别是涉及一种对音视频内容进行语义描述的方法及系统。

背景技术

随着人类社会的发展，人们获取知识与信息的方式正在发生着变化，出版、IT企业目前正在把大量音视频文件进行多种格式的加工，投放到网络、电纸书、平板电脑上。很多人更希望精准地获取一段音视频的部分内容，甚至是很少一部分内容，但是，目前这些格式的音视频文件的检索方式仅能够基于音视频文件的文件名、作者、标题、关键词等基于音视频文件自身的基本属性进行检索，由于视频文件涵盖的内容比较多，一个音视频文件中的大多数内容可能并不是读者所需要的。现有的检索方式无法定位到单个音视频文件中更具体的位置，由此而导致不能精确检索到读者真正想要的内容。

发明内容

鉴于现有技术的缺陷，本发明提供一种对音视频内容进行语义描述的方法，其特征在于包括如下步骤：(1)定义一种结构字典与语义字典，并用XML语言按照其中规定了音视频内容中对结构及语义描述的规则与赋值范围的结构字典与语义字典写一个XML Schema文件；(2)导入音视频文件并把音视频内容拆分成多个片断；(3)为每个片断赋予用于标出其在音视频文件中的先后顺序及嵌套关系的结构属性，生成一个具有先后顺序及嵌套关系的XML文件；(4)在所述XML文件中分别对每个片断进行语义描述赋值，形成一个新的XML文件；(5)对新的XML文件添加XML Schema声明、版权声明、音视频文件的位置，最终形成的描述音视频内容的XML文件或者对新的XML文件添加XML Schema声明、版权声明，并存入原音视频文件中，产生一个新的音视频文件。

此外，本发明还提供一种对音视频内容进行语义描述的系统，其特征在于包括：(1)定义一种结构字典与语义字典，并用XML语言按照其中规定了音视频内容中对结构及语义描述的规则与赋值范围的结构字典与语义字典写一个XML Schema文件的装置；(2)用于导入音视频文件并把音视频文件拆分成多个片断的装置；(3)用于为每个片断赋予用于标出其在音视频文件中的先后顺序及嵌套关系的结构属性，生成一个具有先后顺序及嵌套关系的XML文件的装置；(4)用于在所述XML文件中分别对每个片断进行语义描述赋值，形成一个新的XML文件的装置；(5)用于对新的XML文件添加XML Schema声明、版权声明、音视频文件的位置，最终形成的描述音视频内容的XML文件或者对新的XML文件添加XML Schema声明、版权声明，并存入原音视频文件中，产生一个新的音视频文件的装置。

本发明能够实现音视频文件的片断内容的语义描述，音视频内容不再是完整的一部，而是被有目的地分成若干个片断，每一个片断都对应着读者的一个或多个诉求，海量的音视频文件最终形成了海量的音视频知识库，而不是简单的数据库。读者的每一个问题都能从知识库中检索到一个或多个答案，这完全高于目前音视频的检索效率，这在垃圾数据日益膨胀的未来更加重要与迫切。

附图说明

图1是本发明对音视频内容进行语义描述的方法的数据处理流程图。

具体实施方式

本发明就是要通过音视频内容分割与内容语义描述两种手段相结合的方式来解决音视频内容的检索效率的问题。所谓语义描述就是对音视频文件中的某一段内容进行一些概括性的解释，这些解释的目的就是设法把读者的诉求与音视频文件的内容连接在一起，比如，读者的诉求往往是“万有引力的定律”这类问题，如果要让工具在海量的音视频文件中快速而又精准地检索到这些片断内容，那么就要对这些音视频文件的某段内容进行“万有引力的定理”这样的概括性的语义描述。

要实现音视频内容的语义描述的目标，就必须解决好两个问题：

一是要有一个很好的方法来分割音视频内容，使分割的片断内容可以任意大小，同时保持一定的层次关系。目前已有的分割方法不能实现任意大小的分割，以视频为例就不能实现跨节目、片断、场景、镜头的分割，完全是按传统结构来分割的；

二是建立一种方法来对每一个片断内容进行多角度的语义描述，使之与读者多种诉求相联系。目前对音视频的语义描述仅仅是关键词，没有完整的语义，更没有与某种市场需求对应起来。

为使本发明的上述目的、特征和优点更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

图1是本发明对音视频内容进行语义描述的方法的步骤流程图，该方法包括如下步骤：