基于音视频特征的新闻拆条算法

随着人们生活节奏的加快和网络信息技术的迅猛发展,对新闻视频节目的存储和再利用需求日益剧增,如何将较长的新闻视频节目按其内容拆分成多个新闻条目成为了一个有意义的课题。提出了一种基于音视频特征的新闻拆条算法,仅提取了新闻视频在视觉、音频上的基本特征即主持人特征和音频静音段特征进行分析。通过人脸识别提取主持人特征,使用短时能量和过零率提取静音特征,并对其加以条件筛选,结合这两个特征完成拆条工作。针对总计时长3 000分钟的新闻联播节目进行实验,得到较好的实验结果:召回率0.856 3,准确率0.932 6和F1值0.892 8。且视频边界的准确度精确到帧。同时分析了静音段长度阈值、限制条件和毛刺现象对于新闻拆条结果的影响。

基于特征聚合的新闻拆条

结合新闻拆条的工作要求和特点,介绍了以特征聚合技术为基础实现了面向电视新闻节目的智能拆条软件系统,具有小样本、无需标注、识别速度快、准确率高的优点,极大地降低了碎片化的内容带来的额外的加工成本和监管难度。