基于AI技術的媒資內(nèi)容管理平臺[001]

1、基于 Al 技術的媒資內(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)品名稱項目需求書產(chǎn)品負責人徐志亮負責人聯(lián)系方式22005899-51472文檔修改記錄版本修改時間修改人修改章節(jié)修改說明目 錄1簡介 錯誤！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)溝燴鐺險愛氌譴凈禍測。2.1、產(chǎn)品需求概述 2殘騖樓諍錈瀨濟溆塹籟婭驟。2.1.1、視頻預處理 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鉍。2.1.4、優(yōu)化識別效果 2廈礴懇蹣駢時盡繼價騷巹癩。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 服務器環(huán)境配置 錯誤！未定義書簽?；[叢媽羥為贍債蟶練淨櫧撻3.2 測試需求 3預頌圣鉉儐歲齦訝驊糴買闥。3.3 運維保障需求錯誤！未定義書簽。滲釤嗆儼勻諤鱉調(diào)硯錦鋇絨。2 / 3個人資料整理，僅供個人學習使用簡介項目背景隨著計算機自動化技術的發(fā)展，語音識別、字幕識別、場景分割等技術已經(jīng)日趨成熟，智能語義分析、智能素材關聯(lián)、人臉識別技術也在迅速發(fā)展，日本 NHK 等發(fā)達國家已實際應用。SMG 的自動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，在節(jié)目素 材入庫媒資時將語音和字幕自動進行文字化，減少編目

3、人員工作量。 之后，以自動場景分割技術為基礎，結(jié)合智能語義分析，逐步對節(jié)目和素材實現(xiàn)全自動的標引，提高整個媒資編目的自動化率，降低媒資運營的人工成本。鐃誅臥瀉噦圣騁貺頂廡縫勵。產(chǎn)品需求2.1、產(chǎn)品需求概述隨著計算機自動化技術的發(fā)展，語音識別、字幕識別、場景分割等技術已經(jīng)日趨成熟，智能語義分析、智能素材關聯(lián)、人臉識別技術也在迅速發(fā)展，日本 NHK 等發(fā)達國家已實際應用。SMG 的自動編目可從字幕識別入手，以新聞、戲曲類節(jié)目為切人點，在節(jié)目素材入庫媒資時將字幕自動進行文字化， 減少編目人員工作量。 逐步對節(jié)目和素材實現(xiàn)全自動的標引，提高整個媒資編目的自動化率，降低媒資運營的人工成本。擁締鳳襪備訊顎

4、輪爛薔報贏。目標是通過字幕識別技術手段，對媒資系統(tǒng)中的視頻進行文字內(nèi)容和關鍵詞的提取，提取后的內(nèi)容和關鍵詞按照視頻名稱和視頻時間信息進行存儲，最終為用戶提供文字內(nèi)容和關鍵詞的檢索服務。贓熱俁閫歲匱閶鄴鎵騷鯛漢。2.1.1、視頻預處理視頻預處理主要實現(xiàn)對視頻進行提取音頻、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 識別的時長分析如下（按照每個進程估算）字幕識別用時估算（1 小時視頻）1920*10801280*720720*576640*480480*360352*2881.3 小時1 小時0.3 小時0.

5、25 小時0.20 小時0.20 小時視頻提取音頻，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，因為考慮到很多圖片 會重復，如果提取頻率太高， 就會導致很多圖片識別的內(nèi)容都是重復的，所以造成了識別資源的浪費。如果提取頻率太低，就會導致有些有用信息沒有識別到，導致識別率的降低。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)的時間點， 將字幕與視頻入點相關聯(lián)，實

6、現(xiàn)在檢索選中某條字幕后自動從該入點播放。需要對視頻上的字幕進行識別，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行識別指定區(qū)域的識別，字幕識別軟件應支持對指定區(qū)域的字幕進行識別。買鯛鴯譖曇膚遙閆擷凄屆嬌。3 / 32.1.4、優(yōu)化識別效果個人資料整理，僅供個人學習使用因為視頻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為混淆而識別不好的問題。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，需要進行內(nèi)容的去重和去干擾，把部分重復的文本內(nèi)容刪除，把部分錯誤的文本信息進行刪除。驅(qū)躓髏彥浹綏譎飴憂錦諑瓊。其他需求3.2