本申請涉及音視頻，特別是涉及一種音視頻切分方法、裝置、電子設(shè)備和存儲介質(zhì)。

背景技術(shù)：

1、在一些目標(biāo)場景下(如，政務(wù)大廳、營業(yè)廳、銀行大廳、高鐵安檢處、飛機(jī)安檢處等)，視頻采集裝置(如，攝像頭)持續(xù)性地對工作人員和乘客進(jìn)行視頻采集，音頻采集裝置(如，麥克風(fēng))持續(xù)性地對工作人員和乘客進(jìn)行音頻采集。后續(xù)需要逐一對各乘客進(jìn)行分析，那么就需要從持續(xù)性采集的視頻和音頻中準(zhǔn)確地確定出各乘客對應(yīng)的音頻和視頻，這樣才能準(zhǔn)確地對乘客進(jìn)行分析。

技術(shù)實(shí)現(xiàn)思路

1、本申請主要解決的技術(shù)問題是提供一種音視頻切分方法、裝置、電子設(shè)備和存儲介質(zhì)，能夠提高對音視頻的切分準(zhǔn)確性。

2、為解決上述技術(shù)問題，本申請采用的一個(gè)技術(shù)方案是：提供一種音視頻切分方法，該方法包括：獲取目標(biāo)視頻和目標(biāo)音頻，其中，目標(biāo)視頻和目標(biāo)音頻是對目標(biāo)場景進(jìn)行采集得到的；利用目標(biāo)視頻，對目標(biāo)對象進(jìn)行追蹤，得到追蹤數(shù)據(jù)；利用追蹤數(shù)據(jù)，從目標(biāo)音頻和目標(biāo)視頻中，切分出屬于目標(biāo)對象的對象音頻和對象視頻。

3、其中，追蹤數(shù)據(jù)包括追蹤結(jié)束時(shí)刻；追蹤結(jié)束確定步驟，包括：響應(yīng)于對目標(biāo)對象的追蹤失效，確定對目標(biāo)對象的追蹤結(jié)束。

4、其中，對目標(biāo)對象的追蹤失效，包括：響應(yīng)于對目標(biāo)對象的追蹤丟失，獲取追蹤丟失后的至少兩個(gè)目標(biāo)視頻幀；對于各目標(biāo)視頻幀，獲取目標(biāo)視頻幀與追蹤丟失前的任一歷史視頻幀之間的相似度；基于各目標(biāo)視頻幀對應(yīng)的相似度，確定對目標(biāo)對象的追蹤失效。

5、其中，獲取追蹤丟失后的至少兩個(gè)目標(biāo)視頻幀，包括：獲取追蹤丟失后的若干視頻幀；從若干視頻幀中，選出質(zhì)量符合質(zhì)量要求的視頻幀，作為目標(biāo)視頻幀。

6、其中，基于各目標(biāo)視頻幀對應(yīng)的相似度，確定對目標(biāo)對象的追蹤失效，包括：對于各目標(biāo)視頻幀，對目標(biāo)視頻幀對應(yīng)的相似度進(jìn)行轉(zhuǎn)化，得到結(jié)果表征值；綜合各目標(biāo)視頻幀對應(yīng)的結(jié)果表征值，確定對目標(biāo)對象的追蹤失效。

7、其中，對目標(biāo)視頻幀對應(yīng)的相似度進(jìn)行轉(zhuǎn)化，得到結(jié)果表征值，包括：響應(yīng)于目標(biāo)視頻幀對應(yīng)的相似度大于或等于相似度閾值，將目標(biāo)視頻幀對應(yīng)的相似度，轉(zhuǎn)化為第一結(jié)果表征值；響應(yīng)于目標(biāo)視頻幀對應(yīng)的相似度小于相似度閾值，將目標(biāo)視頻幀對應(yīng)的相似度，轉(zhuǎn)化為第二結(jié)果表征值。

8、其中，第一結(jié)果表征值和第二結(jié)果表征值的正負(fù)相反且數(shù)值相等，目標(biāo)視頻幀為奇數(shù)個(gè)；綜合各目標(biāo)視頻幀對應(yīng)的結(jié)果表征值，確定對目標(biāo)對象的追蹤失效，包括：對各目標(biāo)視頻幀對應(yīng)的結(jié)果表征值求和；響應(yīng)于和小于預(yù)設(shè)值，確定對目標(biāo)對象的追蹤失效。

9、其中，音視頻切分方法還包括：響應(yīng)于和大于預(yù)設(shè)值，確定對目標(biāo)對象的追蹤繼續(xù)。

10、其中，追蹤數(shù)據(jù)包括追蹤時(shí)刻，追蹤時(shí)刻包括追蹤開始時(shí)刻、追蹤中間時(shí)刻和追蹤結(jié)束時(shí)刻，追蹤中間時(shí)刻包括對目標(biāo)對象追蹤丟失的時(shí)刻和對目標(biāo)對象追蹤繼續(xù)的時(shí)刻；利用追蹤數(shù)據(jù)，從目標(biāo)音頻和目標(biāo)視頻中，切分出屬于目標(biāo)對象的對象音頻和對象視頻，包括：響應(yīng)于獲取到任一非開始時(shí)刻的追蹤時(shí)刻，作為第一目標(biāo)時(shí)刻；利用目標(biāo)時(shí)間區(qū)間，對目標(biāo)音頻和目標(biāo)視頻進(jìn)行切分，得到目標(biāo)音頻片段和目標(biāo)視頻片段；其中，目標(biāo)時(shí)間區(qū)間包括第二目標(biāo)時(shí)刻、第一目標(biāo)時(shí)刻以及第一目標(biāo)時(shí)刻和第二目標(biāo)時(shí)刻之間的時(shí)刻，第二目標(biāo)時(shí)刻為位于第一目標(biāo)時(shí)刻之前的追蹤時(shí)刻；視頻切分方法還包括：響應(yīng)于對目標(biāo)對象的追蹤結(jié)束，對屬于目標(biāo)對象的各目標(biāo)音頻片段進(jìn)行合并，得到對應(yīng)目標(biāo)對象的對象音頻；以及，對屬于目標(biāo)對象的各目標(biāo)視頻片段進(jìn)行合并，得到對應(yīng)目標(biāo)對象的對象視頻。

11、其中，目標(biāo)視頻是利用視頻采集裝置采集的，目標(biāo)對象為目標(biāo)場景中，與視頻采集裝置之間的距離滿足距離預(yù)設(shè)要求的對象；和/或，目標(biāo)對象包括人臉。

12、為解決上述技術(shù)問題，本申請采用的另一個(gè)技術(shù)方案是：提供一種音視頻切分裝置，該音視頻切分裝置包括獲取模塊、追蹤模塊和切分模塊；獲取模塊用于獲取目標(biāo)視頻和目標(biāo)音頻，其中，目標(biāo)視頻和目標(biāo)音頻是對目標(biāo)場景進(jìn)行采集得到的；追蹤模塊用于利用目標(biāo)視頻，對目標(biāo)對象進(jìn)行追蹤，得到追蹤數(shù)據(jù)；切分模塊用于利用追蹤數(shù)據(jù)，從目標(biāo)音頻和目標(biāo)視頻中，切分出屬于目標(biāo)對象的對象音頻和對象視頻。

13、為解決上述技術(shù)問題，本申請采用的另一個(gè)技術(shù)方案是：提供一種電子設(shè)備，該電子設(shè)備包括存儲器和處理器，存儲器存儲有程序指令，程序指令能夠被執(zhí)行以實(shí)現(xiàn)上述的方法。

14、為解決上述技術(shù)問題，本申請采用的另一個(gè)技術(shù)方案是：提供一種計(jì)算機(jī)可讀存儲介質(zhì)，該計(jì)算機(jī)可讀存儲介質(zhì)用于存儲有程序指令，程序指令能夠被執(zhí)行以實(shí)現(xiàn)上述的方法。

15、上述技術(shù)方案，在能夠追蹤到目標(biāo)對象的情況下，表明目標(biāo)對象正在目標(biāo)場景中完成待辦任務(wù)，視頻采集裝置對應(yīng)采集的視頻為關(guān)于目標(biāo)對象的視頻，音頻采集裝置采集的音頻為關(guān)于目標(biāo)對象的音頻。所以，通過對目標(biāo)對象進(jìn)行追蹤得到的追蹤數(shù)據(jù)，能夠輔助從對目標(biāo)場景進(jìn)行采集得到的目標(biāo)音頻和目標(biāo)視頻中，切分出屬于目標(biāo)對象的音頻和視頻，提高了音視頻切分的便利性和準(zhǔn)確性。

技術(shù)特征：

1.一種音視頻切分方法，其特征在于，所述方法包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述追蹤數(shù)據(jù)包括追蹤結(jié)束時(shí)刻；所述追蹤結(jié)束確定步驟，包括：

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述對所述目標(biāo)對象的追蹤失效，包括：

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述獲取所述追蹤丟失后的至少兩個(gè)目標(biāo)視頻幀，包括：

5.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述基于各所述目標(biāo)視頻幀對應(yīng)的相似度，確定對所述目標(biāo)對象的追蹤失效，包括：

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述對所述目標(biāo)視頻幀對應(yīng)的相似度進(jìn)行轉(zhuǎn)化，得到結(jié)果表征值，包括：

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述第一結(jié)果表征值和所述第二結(jié)果表征值的正負(fù)相反且數(shù)值相等，所述目標(biāo)視頻幀為奇數(shù)個(gè)；所述綜合各所述目標(biāo)視頻幀對應(yīng)的結(jié)果表征值，確定對所述目標(biāo)對象的追蹤失效，包括：

8.根據(jù)權(quán)利要求7所述的方法，其特征在于，所述方法還包括：

9.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述追蹤數(shù)據(jù)包括追蹤時(shí)刻，所述追蹤時(shí)刻包括追蹤開始時(shí)刻、追蹤中間時(shí)刻和追蹤結(jié)束時(shí)刻，所述追蹤中間時(shí)刻包括對所述目標(biāo)對象追蹤丟失的時(shí)刻和對所述目標(biāo)對象追蹤繼續(xù)的時(shí)刻；所述利用所述追蹤數(shù)據(jù)，從所述目標(biāo)音頻和所述目標(biāo)視頻中，切分出屬于所述目標(biāo)對象的對象音頻和對象視頻，包括：

10.根據(jù)權(quán)利要求1所述的方法，其特征在于，

11.一種音視頻切分裝置，其特征在于，所述裝置包括：

12.一種電子設(shè)備，其特征在于，所述電子設(shè)備包括存儲器和處理器，所述存儲器存儲有程序指令，所述程序指令能夠被執(zhí)行以實(shí)現(xiàn)如權(quán)利要求1-10任一項(xiàng)所述的方法。

13.一種計(jì)算機(jī)可讀存儲介質(zhì)，其特征在于，所述計(jì)算機(jī)可讀存儲介質(zhì)用于存儲有程序指令，所述程序指令能夠被執(zhí)行以實(shí)現(xiàn)如權(quán)利要求1-10任一項(xiàng)所述的方法。

技術(shù)總結(jié)
本申請公開了一種音視頻切分方法、裝置、電子設(shè)備和存儲介質(zhì)，該方法包括：獲取目標(biāo)視頻和目標(biāo)音頻，其中，目標(biāo)視頻和目標(biāo)音頻是對目標(biāo)場景進(jìn)行采集得到的；利用目標(biāo)視頻，對目標(biāo)對象進(jìn)行追蹤，得到追蹤數(shù)據(jù)；利用追蹤數(shù)據(jù)，從目標(biāo)音頻和目標(biāo)視頻中，切分出屬于目標(biāo)對象的對象音頻和對象視頻。通過上述方式，本申請能夠?qū)σ粢曨l的切分準(zhǔn)確性。

技術(shù)研發(fā)人員：汪敏,黃玉龍,郭滸生,查飛,倪修峰,倪東,張友國
受保護(hù)的技術(shù)使用者：訊飛智元信息科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/9