[发明专利]一种基于语音识别的视频文件处理方法

权利要求书

1.一种基于语音识别的视频文件处理方法，其特征在于，包括：

接收视频播放语音指令；

对所述视频播放语音指令进行语音识别，得到播放指令文本数据；

将所述播放指令文本数据输入到预设的视频播放指令专用词典进行比对，若所述播放指令文本数据中存在所述视频播放指令专用词典中的至少一个词语，则判定所述播放指令文本数据为有效文本数据；

将所述有效文本数据转换为视频播放控制指令；

根据所述视频播放控制指令，启动视频播放应用，以对预先设置的视频文件进行播放；

在所述视频文件播放过程中，提取所述视频文件的各个视频图像帧以及所述视频文件的音频数据；

对于各个所述视频图像帧，提取各个所述视频图像帧包含的人脸图像；

根据提取到的各人脸图像，建立所述视频文件的人脸图像库；

将所述音频数据进行语音识别，得到音频文本数据；

将所述音频文本数据输入至预设的音频关键字数据库，提取所述音频文本数据中的目标音频关键字；

根据提取得到的各目标音频关键字，建立所述视频文件的音频库；

输出所述人脸图像库和音频库。

2.根据权利要求1所述的基于语音识别的视频文件处理方法，其特征在于，所述将所述播放指令文本数据输入到预设的视频播放指令专用词典进行比对，包括：

将所述视频播放指令专用词典中的各个词语分别与所述播放指令文本数据进行比对，得到所述播放指令文本数据中是否存在所述视频播放指令专用词典中的词语。

3.根据权利要求1所述的基于语音识别的视频文件处理方法，其特征在于，所述视频播放指令专用词典中的词语包括播放。

4.根据权利要求3所述的基于语音识别的视频文件处理方法，其特征在于，所述视频播放指令专用词典中的词语还包括与播放相关的词语。

5.根据权利要求1所述的基于语音识别的视频文件处理方法，其特征在于，所述将所述音频数据进行语音识别，得到音频文本数据，包括：

将所述音频数据进行划分，划分成至少两个音频子数据，对各个所述音频子数据分别进行语音识别，得到音频文本子数据；

相应地，将所述音频文本数据输入至预设的音频关键字数据库，提取所述音频数据中的目标音频关键字，包括：

将各个音频文本子数据输入至所述音频关键字数据库，提取各个音频文本子数据中的目标音频关键字。

6.根据权利要求5所述的基于语音识别的视频文件处理方法，其特征在于，所述将各个音频文本子数据输入至所述音频关键字数据库，提取各个音频文本子数据中的音频关键字，包括：

对于任意一个音频文本子数据，将所述音频关键字数据库中的各个音频关键字分别与该音频文本子数据进行比对，提取该音频文本子数据中的目标音频关键字。