[发明专利]一种多媒体文件检索的方法和装置

说明书

技术领域

本申请涉及语音处理技术领域，特别涉及一种多媒体文件检索的方法和装置。

背景技术

目前，多媒体记录模块，如摄像头，麦克风已经成为个人日常电子设备的标准配置，如相机，手机，平板电脑等等。人们越来越多地使用这些设备记录生活点滴，也保存了大量的照片，视频，音频等多媒体文件。

这些文件一般情况下都以数字序号或者拍摄时间来命名，但是正是这种序号方式的命名使得文件检索、管理相当地不方便。

例如用户想检索某几张照片，一般需要浏览大量照片并从中选择出所需的几张，特别是在没有鼠标键盘等通用输入设备的终端上，例如在TV上检索照片，只能利用简单的遥控器来浏览检索照片，相当不方便。

现有实现中，已有某些技术方案用于解决多媒体文件检索问题，基本上都是通过建立关键词和多媒体文件的映射关系，并将这些映射关系以独立文件保存或者数据的方式存入数据库。

这些解决方案的最大缺点在于被检索的文件和映射关系文件的关系较为松散，并会产生大量的映射文件，对于用户来说，文件显得更加杂乱；另外如果被检索文件如果被更名，可能需要同时更新映射文件或者数据库；同时将被检索文件转存到别的存储设备或者显示设备上的时候，需要同时转存映射文件，或者数据库文件。

发明内容

有鉴于此，本申请提供一种多媒体文件检索的方法和装置，能够简单地通过语音进行多媒体文件的检索，带来友好的用户体检。

为解决上述技术问题，本发明的技术方案是这样实现的：

一种多媒体文件检索的方法，所述方法包括：

存储多媒体文件，其中，所述多媒体文件在捕获时，嵌入了针对该多媒体文件的描述语音数据；

接收到检索多媒体文件的语音指令时，识别并分离该语音指令中的动作关键词和需要检索的多媒体文件的描述关键词；

根据分离出的描述关键词，对存储的多媒体文件进行匹配；其中，匹配每个多媒体文件时，通过嵌入该多媒体文件的描述语音数据，识别出该多媒体文件的描述关键词；若分离出的描述关键词与识别出的描述关键词匹配，则确定该多媒体文件为匹配的多媒体文件；

根据分离出的动作关键词，对匹配到的多媒体文件执行相应的动作。

一种装置，该装置包括：存储单元、接收单元、识别单元、匹配单元和处理单元；

所述存储单元，用于存储多媒体文件，其中，所述多媒体文件在捕获时，嵌入了针对该多媒体文件的描述语音数据；

所述接收单元，用于接收检索多媒体文件的语音指令；

所述识别单元，用于当所述接收单元接收到检索多媒体文件的语音指令时，识别并分离该语音指令中的动作关键词和需要检索的多媒体文件的描述关键词；

所述匹配单元，用于根据所述识别单元分离出的描述关键词，对所述存储单元存储的多媒体文件进行匹配；其中，匹配每个多媒体文件时，通过嵌入该多媒体文件的描述语音数据，识别出该多媒体文件的描述关键词；若分离出的描述关键词与识别出的描述关键词匹配，则确定该多媒体文件为匹配的多媒体文件；

所述处理单元，用于根据所述识别单元分离出的动作关键词，对所述匹配单元匹配到的多媒体文件执行相应的动作。

综上所述，本申请通过在接收到语音指令时，分离出该语音指令中的动作关键词和描述关键词；使用分离出的描述关键词匹配存储的嵌入描述语音数据的多媒体文件，若匹配到多媒体文件，根据分离出的动作关键词，对确定为要检索的多媒体文件执行相应的动作。在不需要保存和维护关键词和多媒体文件的映射关系的情况下，能够通过语音识别进行多媒体文件的检索。

附图说明

图1为本发明实施例一中检索多媒体文件的方法流程示意图；

图2为本发明实施例二中检索多媒体文件的方法流程示意图；

图3为本发明实施例三中检索多媒体文件的方法流程示意图；

图4为本发明实施例四中检索多媒体文件的方法流程示意图；

图5为本发明实施例五中多媒体文件版权确定方法流程示意图；

图6为应用于上述技术的装置结构示意图。

具体实施方式

为使本发明的目的、技术方案及优点更加清楚明白，以下参照附图并举实施例，对本发明所述方案作进一步地详细说明。