[发明专利]视频编目方法、装置、设备、系统及介质

权利要求书

1.一种视频编目方法，其特征在于，包括：

获取目标视频的视频特征；

基于所述目标视频的视频特征，对所述目标视频进行切分，得到多个视频片段；

针对每个所述视频片段，基于所述视频片段对应的视频文本，确定所述视频片段对应的视频标签，所述视频文本包括第一音频文本和第一字幕文本，所述视频标签至少包括语义标签；

利用所述多个视频片段和每个所述视频片段对应的视频标签对所述目标视频进行编目，得到所述目标视频对应的编目结果。

2.根据权利要求1所述的方法，其特征在于，所述基于所述视频片段对应的视频文本，确定所述视频片段对应的视频标签，包括：

从所述视频文本中，提取所述视频片段对应的高频关键词和摘要关键词；

对所述高频关键词和所述摘要关键词进行融合，得到所述视频片段对应的视频关键词；

将满足预设的关键词提取条件的视频关键词作为所述视频片段对应的语义标签。

3.根据权利要求1所述的方法，其特征在于，所述视频标签还包括分类标签，所述分类标签包括地域分类标签和领域分类标签中的至少一种。

4.根据权利要求1所述的方法，其特征在于，所述视频标签还包括分类标签，所述分类标签包括地域分类标签；

其中，所述基于所述视频片段对应的视频文本，确定所述视频片段对应的视频标签，还包括：

对所述视频文本进行语句切分，得到多个文本分句；

基于预先构建的地域实体知识库，对各个所述文本分句中的地域信息进行识别，得到各个所述文本分句对应的地域分类概率；

将各个所述文本分句对应的地域分类概率进行融合，得到所述视频片段的地域分类概率；

根据所述视频片段的地域分类概率，确定所述视频片段对应的地域分类标签。

5.根据权利要求1所述的方法，其特征在于，所述视频标签还包括分类标签，所述分类标签包括领域分类标签；

其中，所述基于所述视频片段对应的视频文本，确定所述视频片段对应的视频标签，包括：

提取所述第一音频文本的音频文本摘要和所述第一字幕文本的字幕文本摘要；

将所述音频文本摘要和所述字幕文本摘要融合，得到视频摘要；

将所述视频摘要输入至预先训练好的领域分类模型，得到每个所述视频片段对应的领域分类标签。

6.根据权利要求1所述的方法，其特征在于，所述视频特征包括视频字幕文本；

其中，所述获取目标视频的视频特征，包括：

对所述目标视频进行镜头边缘检测，得到多个转场图像帧；

从所述目标视频中，提取每个所述转场图像帧对应的一组图像帧；

对各组所述图像帧进行字幕识别，得到各组所述图像帧对应的第二字幕文本，多个所述第二字幕文本形成所述视频字幕文本。

7.根据权利要求6所述的方法，其特征在于，所述从所述目标视频中，提取每个所述转场图像帧对应的一组图像帧，包括：

获取各个所述转场图像帧；

针对每个所述转场图像帧，基于所述转场图像帧，从所述目标视频中提取满足预设的视频帧提取条件的一组图像帧。

8.根据权利要求1所述的方法，其特征在于，所述视频特征包括视频音频文本和视频字幕文本；

其中，所述基于所述目标视频的视频特征，对所述目标视频进行切分，得到多个视频片段，包括：

对所述视频音频文本进行切分，得到多个第一切分帧位置；

对所述视频字幕文本进行切分，得到多个第二切分帧位置；

基于所述第一切分帧位置和所述第二切分帧位置，对所述目标视频进行切分，得到所述多个视频片段。

9.根据权利要求8所述的方法，其特征在于，所述对所述视频音频文本进行切分，得到多个第一切分帧位置，包括：

将所述视频音频文本输入预先训练好的转场语句识别模型，得到所述转场语句识别模型输出的多个第一切分帧位置。