視頻識別物體獲取音頻方法、系統(tǒng)、裝置及可讀存儲介質(zhì)
基本信息
| 申請?zhí)?/td> | CN202010518577.7 | 申請日 | - |
| 公開（公告）號 | CN111681680A | 公開（公告）日 | 2020-09-18 |
| 申請公布號 | CN111681680A | 申請公布日 | 2020-09-18 |
| 分類號 | G10L25/51(2013.01)I | 分類 | 樂器；聲學(xué); |
| 發(fā)明人 | 薛媛;金若熙 | 申請（專利權(quán)）人 | 杭州星合尚世影視傳媒有限公司 |
| 代理機構(gòu) | 杭州五洲普華專利代理事務(wù)所（特殊普通合伙） | 代理人 | 張瑜 |
| 地址 | 310000浙江省杭州市江干區(qū)九華路1號8幢5樓507室 | ||
| 法律狀態(tài) | - | ||
摘要
| 摘要 | 本發(fā)明公開視頻識別物體獲取音頻方法，基于待處理視頻的相關(guān)信息設(shè)置抽幀頻率，抽取視頻關(guān)鍵幀并生成幀圖流；采用深度卷積神經(jīng)網(wǎng)絡(luò)模型對所述幀圖流進行模塊化多物體識別，得到模塊化的特定發(fā)聲物體；對模塊化的特定發(fā)聲物體通過深度殘差網(wǎng)絡(luò)模型進行識別分析處理，得到特定發(fā)聲物體的種類；基于特定發(fā)聲物體的種類提取其發(fā)聲特征并構(gòu)建特定發(fā)聲物體的物體類別和特定發(fā)聲物體音頻；分別得到第一匹配分數(shù)和神經(jīng)網(wǎng)絡(luò)匹配分數(shù)，進而得到視頻音頻匹配分數(shù)，根據(jù)視頻音頻匹配分數(shù)得到特定發(fā)聲物體至少一種合適的音頻。先對待處理視頻進行處理得到特定發(fā)聲物體，再給特定發(fā)聲物體選擇合適音頻，后續(xù)可以給視頻進行配音或者將這個音頻做其他用途使用。?? |
