基于AI技術(shù)的媒資內(nèi)容管理平臺[001]

1、基于 Al 技術(shù)的媒資內(nèi)容管理平臺 圖像識別軟件需求書2017 年 11 月文檔信息產(chǎn)品名稱項(xiàng)目需求書產(chǎn)品負(fù)責(zé)人徐志亮負(fù)責(zé)人聯(lián)系方式22005899-51472文檔修改記錄版本修改時(shí)間修改人修改章節(jié)修改說明目 錄1簡介 錯(cuò)誤！未定義書簽。矚慫潤厲釤瘞睞櫪廡賴賃軔。2產(chǎn)品需求 2聞創(chuàng)溝燴鐺險(xiǎn)愛氌譴凈禍測。2.1、產(chǎn)品需求概述 2殘騖樓諍錈瀨濟(jì)溆塹籟婭驟。2.1.1、視頻預(yù)處理 2釅錒極額閉鎮(zhèn)檜豬訣錐顧葒。2.1.2、字幕識另 I2彈貿(mào)攝爾霽斃攬磚鹵廡詒爾。2.1.3、 指定區(qū)域字幕識別2謀蕎摶篋飆鐸懟類蔣薔點(diǎn)鉍。2.1.4、優(yōu)化識別效果 2廈礴懇蹣駢時(shí)盡繼價(jià)騷巹癩。2.1.5、 文本去重和去干擾

2、： 3煢楨廣鰳鯡選塊網(wǎng)羈淚鍍齊。3.其他需求 3鵝婭盡損鵪慘歷蘢鴛賴縈詰。3.1 服務(wù)器環(huán)境配置 錯(cuò)誤！未定義書簽?；[叢媽羥為贍債蟶練淨(jìng)櫧撻3.2 測試需求 3預(yù)頌圣鉉儐歲齦訝驊糴買闥。3.3 運(yùn)維保障需求錯(cuò)誤！未定義書簽。滲釤嗆儼勻諤鱉調(diào)硯錦鋇絨。2 / 3個(gè)人資料整理，僅供個(gè)人學(xué)習(xí)使用簡介項(xiàng)目背景隨著計(jì)算機(jī)自動(dòng)化技術(shù)的發(fā)展，語音識別、字幕識別、場景分割等技術(shù)已經(jīng)日趨成熟，智能語義分析、智能素材關(guān)聯(lián)、人臉識別技術(shù)也在迅速發(fā)展，日本 NHK 等發(fā)達(dá)國家已實(shí)際應(yīng)用。SMG 的自動(dòng)編目可從語音識別和字幕識別入手，以新聞、戲曲類節(jié)目為切人點(diǎn)，在節(jié)目素 材入庫媒資時(shí)將語音和字幕自動(dòng)進(jìn)行文字化，減少編目

3、人員工作量。 之后，以自動(dòng)場景分割技術(shù)為基礎(chǔ)，結(jié)合智能語義分析，逐步對節(jié)目和素材實(shí)現(xiàn)全自動(dòng)的標(biāo)引，提高整個(gè)媒資編目的自動(dòng)化率，降低媒資運(yùn)營的人工成本。鐃誅臥瀉噦圣騁貺頂廡縫勵(lì)。產(chǎn)品需求2.1、產(chǎn)品需求概述隨著計(jì)算機(jī)自動(dòng)化技術(shù)的發(fā)展，語音識別、字幕識別、場景分割等技術(shù)已經(jīng)日趨成熟，智能語義分析、智能素材關(guān)聯(lián)、人臉識別技術(shù)也在迅速發(fā)展，日本 NHK 等發(fā)達(dá)國家已實(shí)際應(yīng)用。SMG 的自動(dòng)編目可從字幕識別入手，以新聞、戲曲類節(jié)目為切人點(diǎn)，在節(jié)目素材入庫媒資時(shí)將字幕自動(dòng)進(jìn)行文字化， 減少編目人員工作量。 逐步對節(jié)目和素材實(shí)現(xiàn)全自動(dòng)的標(biāo)引，提高整個(gè)媒資編目的自動(dòng)化率，降低媒資運(yùn)營的人工成本。擁締鳳襪備訊顎

4、輪爛薔報(bào)贏。目標(biāo)是通過字幕識別技術(shù)手段，對媒資系統(tǒng)中的視頻進(jìn)行文字內(nèi)容和關(guān)鍵詞的提取，提取后的內(nèi)容和關(guān)鍵詞按照視頻名稱和視頻時(shí)間信息進(jìn)行存儲，最終為用戶提供文字內(nèi)容和關(guān)鍵詞的檢索服務(wù)。贓熱俁閫歲匱閶鄴鎵騷鯛漢。2.1.1、視頻預(yù)處理視頻預(yù)處理主要實(shí)現(xiàn)對視頻進(jìn)行提取音頻、抽幀處理。視頻的分辨率和碼率范圍2 類：序號視頻分辨率碼率備注1720*5761.5M21280*7201.5M目前針對視頻 OCR 識別的時(shí)長分析如下（按照每個(gè)進(jìn)程估算）字幕識別用時(shí)估算（1 小時(shí)視頻）1920*10801280*720720*576640*480480*360352*2881.3 小時(shí)1 小時(shí)0.3 小時(shí)0.

5、25 小時(shí)0.20 小時(shí)0.20 小時(shí)視頻提取音頻，從視頻文件中提取音頻文件，音頻格式為（mp3 或 wav）。視頻提取圖片，從視頻文件中提取圖片文件，按照每秒提取圖片處理，因?yàn)榭紤]到很多圖片 會重復(fù)，如果提取頻率太高， 就會導(dǎo)致很多圖片識別的內(nèi)容都是重復(fù)的，所以造成了識別資源的浪費(fèi)。如果提取頻率太低，就會導(dǎo)致有些有用信息沒有識別到，導(dǎo)致識別率的降低。按 照電視走馬燈的速度，目前測試的結(jié)果，每秒1 幀是比較合理的。壇搏鄉(xiāng)囂懺蔞鍥鈴氈淚躋馱。2.1.2、字幕識別自動(dòng)提取視頻（包括主流高、低碼格式）中的字幕，并將其識別為文本內(nèi)容， 并頁面中展示。 記錄字幕出現(xiàn)的時(shí)間點(diǎn)， 將字幕與視頻入點(diǎn)相關(guān)聯(lián)，實(shí)

6、現(xiàn)在檢索選中某條字幕后自動(dòng)從該入點(diǎn)播放。需要對視頻上的字幕進(jìn)行識別，為保證識別率，字幕識別軟件需要能對文字所在區(qū)域進(jìn)行定位，這樣對于識別效果具有顯著的提升效果。蠟變黲癟報(bào)倀鉉錨鈰贅籜葦。2.1.3、指定區(qū)域字幕識別由于不同的視頻字幕的位置不同，而在不同的情況下， 需要識別的字幕位置也不盡相同， 所以需要能夠針對不同的視頻進(jìn)行識別指定區(qū)域的識別，字幕識別軟件應(yīng)支持對指定區(qū)域的字幕進(jìn)行識別。買鯛鴯譖曇膚遙閆擷凄屆嬌。3 / 32.1.4、優(yōu)化識別效果個(gè)人資料整理，僅供個(gè)人學(xué)習(xí)使用因?yàn)橐曨l的文字與背景的對比度、顏色、明暗等多種因素的混淆，造成普通OCR 識別算法不好或者根本無法識別。需要改善文字顏色與背景顏色因?yàn)榛煜R別不好的問題。綾鏑鯛駕櫬鶘蹤韋轔糴飆銃。2.1.5、文本去重和去干擾：語音識別和字幕識別中的文本內(nèi)容，需要進(jìn)行內(nèi)容的去重和去干擾，把部分重復(fù)的文本內(nèi)容刪除，把部分錯(cuò)誤的文本信息進(jìn)行刪除。驅(qū)躓髏彥浹綏譎飴憂錦諑瓊。其他需求3.2