[发明专利]多媒体文件高潮片段的确定方法及装置

说明书

本发明公开了一种多媒体文件高潮片段的确定方法及装置，属于网络技术领域。所述方法包括：本发明通过获取多媒体文件中的音频信号；获取所述音频信号的色度特征矩阵，所述色度特征矩阵的每个元素用于表示每个音频帧上每个色度特征维度的信号强度；根据所述色度特征矩阵中每个音频帧之间的互相关函数，获取色度距离矩阵；根据所述色度距离矩阵，从所述音频信号中确定多个候选高潮片段；对所述多个候选高潮片段；根据打分结果，确定所述多媒体文件的高潮片段。采用这样的方法，以色度距离矩阵确定每个音频帧之间的相关性，进而确定多个候选高潮片段，从而提高了多媒体文件高潮片段确定的准确性。

技术领域

本发明涉及网络技术领域，特别涉及一种多媒体文件高潮片段的确定方法及装置。

背景技术

随着网络技术的普及，网络可以为用户提供了足不出户即可获取到的视听享受，如，服务提供商提供了音乐平台等多媒体平台，以为用户提供多媒体搜索、播放、下载和分享等功能。由于多媒体平台上提供了海量的多媒体文件，那么，用户为了找到自己喜欢的多媒体文件，可能需要对多媒体文件进行试听，试听过程往往会受到网速的限制，且，由于多媒体文件数量较多，试听效率较低。为了解决这一问题，多媒体平台上提供了对多媒体文件高潮部分的试听方法，以使得用户能够通过播放高潮部分，收听到多媒体文件的最有代表性的部分。

为了进行上述试听，需要对多媒体文件的高潮部分进行确定，在现有技术中，该确定方式包括以下两种：

第一种方式是基于多媒体文件的歌词信息进行确定。具体方法如下：通过对大量多媒体文件的歌词信息进行统计与分析，确定出歌词语速、字数等特征，计算出多媒体文件中歌词重复出现的片段，最终确定出歌曲的高潮片段。

第二种方式是通过多媒体文件的音频内容进行确定。具体方法如下：先将多媒体数据流划分成一系列定长的多媒体片段，获取每个多媒体片段的短时能量和所有多媒体片段的平均能量，再把所有多媒体片段按时间先后分组，每组所包含的多媒体片段数相同，再通过计算多媒体数据中每个多媒体片段组的短时能量阈值穿越频率，得到整个多媒体数据流的短时能量阈值穿越频率曲线，二值化该短时能量阈值穿越频率曲线后，曲线中每个连续的“1”值部分对应的就是该多媒体信息流中的相对高能量区域，即为可能的候选片段。最后在候选片段中选择具有合适长度且平均短时能量最高的片段作为高潮片段。

但是，在利用第一种方式进行确定时，对于一些没有歌词的多媒体文件来说，无法进行高潮部分的确定，也即是，该方法的应用局限性较大。利用第二种方式进行确定时，对于现场类型的音乐等多媒体文件，录制过程中若歌手说话或移动，都会导致录制声音会发生忽大忽小的变化，然而第二种方式无法准确识别出这种声音变化，从而对歌曲高潮片段的确定准确性较差。

发明内容

为了解决现有技术的问题，本发明实施例提供了一种多媒体文件高潮片段的确定方法。所述技术方案如下：

一方面，提供了一种多媒体文件高潮片段的确定方法，所述方法包括：

获取多媒体文件中的音频信号；

获取所述音频信号的色度特征矩阵，所述色度特征矩阵的每个元素用于表示每个音频帧上每个色度特征维度的信号强度；

根据所述色度特征矩阵中每个音频帧之间的互相关函数，获取色度距离矩阵；

根据所述色度距离矩阵，从所述音频信号中确定多个候选高潮片段；

对所述多个候选高潮片段进行打分；

至少根据打分结果，确定所述多媒体文件的高潮片段。

在本发明的一个实施例中，获取所述音频信号的色度特征矩阵之前，所述方法还包括：

判断所述音频信号的时长是否大于预设时长，若大于，则执行获取所述音频信号的色度特征矩阵的步骤，若不大于，则结束。