宋永生

（江蘇工程職業(yè)技術(shù)學(xué)院，南通 226007）

0 引言

視頻由于生動(dòng)直觀，蘊(yùn)含的信息量大，近年來逐漸發(fā)展成為了主流的知識(shí)媒介。政府部門及高校中每年都會(huì)拍攝大量的視頻，這些視頻多以文件的形式存放于一臺(tái)甚至多臺(tái)服務(wù)器上。視頻拍攝完畢后，很多人不愿意花時(shí)間去寫視頻簡(jiǎn)介，沒有做專門的視頻封面或封面不具代表性，甚至連視頻的命名都不規(guī)范。隨著時(shí)間的推移，服務(wù)器上的視頻文件越來越多，而且存放的服務(wù)器也越來越多，為后期的視頻檢索及視頻審核帶來很大的困難。往往需要將視頻從頭到尾觀看一遍，才會(huì)了解視頻中是否含有敏感詞，該視頻是何內(nèi)容。視頻中蘊(yùn)含著大量的信息，這些信息并沒有得到有效的挖掘。如果視頻能夠有一個(gè)類似電影海報(bào)的封面，通過封面即可對(duì)視頻內(nèi)容有大致的了解，將大大方便視頻的管理。

Python是一種面向?qū)ο蟮目缙脚_(tái)解釋型高級(jí)程序設(shè)計(jì)語言，其設(shè)計(jì)哲學(xué)是優(yōu)雅、明確、簡(jiǎn)單。Python語言簡(jiǎn)潔明了、易讀、便于擴(kuò)展，具有龐大的標(biāo)準(zhǔn)庫(kù)和第三方庫(kù)，生態(tài)極為豐富。近年來，隨著人工智能的飛速發(fā)展，越來越多的人開始使用Python。Python已被納入全國(guó)計(jì)算機(jī)等級(jí)考試。

本文嘗試?yán)肞ython，提取視頻文件的基本信息，并生成視頻截圖；從視頻文件中抽取音頻信息，利用訊飛開放平臺(tái)的REST API，將語音轉(zhuǎn)為文字。將文字及視頻的基本信息存入視頻信息庫(kù)，利用Flask構(gòu)建視頻信息Web管理系統(tǒng)，人們可以方便地檢索視頻或者審核視頻中是否包含敏感詞。對(duì)這些文字還可以做進(jìn)一步的分析，利用分詞技術(shù)進(jìn)行詞頻統(tǒng)計(jì)，形成詞云，根據(jù)詞云、視頻截圖及該視頻在管理系統(tǒng)中的Web URL二維碼合成視頻的封面海報(bào)。有了封面海報(bào)，視頻的內(nèi)容則一目了然，掃描封面海報(bào)上的二維碼，可以查看視頻的詳細(xì)信息。

1 視頻信息挖掘平臺(tái)總體設(shè)計(jì)

視頻信息挖掘平臺(tái)采用Python 3.5進(jìn)行開發(fā)，集成開發(fā)環(huán)境選用PyCharm 2018，數(shù)據(jù)庫(kù)選用MySQL 5.7，Web開發(fā)框架選用Flask 1.0，視頻截圖選用OpenCV 4.1，音頻信息提取選用moviePy，音頻轉(zhuǎn)文本選用訊飛的語音轉(zhuǎn)寫REST API進(jìn)行實(shí)現(xiàn)，分詞選用Jieba，詞云展示選用Wordcloud。

2 數(shù)據(jù)處理流程

視頻信息挖掘的數(shù)據(jù)處理流程如圖1所示。視頻封面海報(bào)生成以后要寫入視頻信息庫(kù)。

圖1 數(shù)據(jù)處理流程

3 相關(guān)技術(shù)

3.1 視頻基本信息提取及截圖

使用OS庫(kù)獲取視頻文件的大小、存放路徑、修改時(shí)間等信息，利用Socket庫(kù)獲取存放該視頻服務(wù)器的IP，再利用OpenCV庫(kù)獲取視頻的FPS及時(shí)長(zhǎng)等信息，并進(jìn)行截圖。OpenCV是一個(gè)以BSD許可證開源的跨平臺(tái)計(jì)算機(jī)視覺庫(kù)，采用C++編寫，提供了圖像處理領(lǐng)域的很多通用算法[1]。VideoCapture是OpenCV中操作視頻的類，可在構(gòu)造函數(shù)中打開視頻。在while循環(huán)中可以用VideoCapture類的read（）函數(shù)逐幀提取視頻中的圖像，每幀是一幅基于BRG格式的圖像，可以按照一定的幀數(shù)間隔對(duì)視頻進(jìn)行截圖。

totalFrameNumber=vc.get（cv2.CAP_PROP_FRAME_COUNT）

#視頻文件總幀數(shù)

fps=vc.get（cv2.CAP_PROP_FPS）#獲取幀速

vedio_time=totalFrameNumber/fps#視頻文件的時(shí)長(zhǎng)

count=1

while True:

_，frame=vc.read（）

if frame is None:

break

if count%EX_FREQUENCY==0:

save_path="{}/{:＞03d}.png".format（dst_folder，index）

cv2.imwrite（save_path，frame）

index+=1

count+=1

vc.release（）

3.2 視頻中分離出音頻

如需從視頻中分離出音頻，可以采用moviePy庫(kù)或FFmpeg軟件及ffmpeg-python庫(kù)的組合。moviePy是Python的一個(gè)視頻編輯庫(kù)，可裁剪、拼接、標(biāo)題插入、視頻合成、視頻處理和自定義效果；FFmpeg既是一款音視頻編解碼工具，同時(shí)也是一組音視頻編解碼開發(fā)套件，它為開發(fā)者提供了豐富的音視頻處理的調(diào)用接口。安裝了FFmpeg軟件后，再安裝ffmpeg-python庫(kù)，就可以通過ffmpeg-python從視頻中提取音頻。本文選用更為方便的moviePy庫(kù)。

video=VideoFileClip（'test.mp4'）

audio=video.audio

audio.write_audiofile（'test.wav'）

3.3 音頻轉(zhuǎn)文字

訊飛開放平臺(tái)把語音轉(zhuǎn)寫功能通過REST API的方式給開發(fā)者提供一個(gè)通用的HTTP語音接口，基于該接口，可以將5小時(shí)以內(nèi)的長(zhǎng)段音頻數(shù)據(jù)轉(zhuǎn)換成文本數(shù)據(jù)，為信息處理和數(shù)據(jù)挖掘提供了基礎(chǔ)。訊飛開放平臺(tái)語音轉(zhuǎn)寫功能支持的輸入音頻格式有wav、flac、opus、m4a及mp3[2]，支持的語種有中文普通話及英語，輸出為JSON格式字符串，含有音頻所對(duì)應(yīng)的文本。

3.4 Flask

Flask是一個(gè)小而精的輕量級(jí)Web框架，其WSGI工具箱采用Werkzeug，模板引擎使用Jinja2。Flask的核心非常小巧，不包含數(shù)據(jù)庫(kù)的抽象訪問層，可以借助SQLAlchemy實(shí)現(xiàn)。SQLAlchemy提供了SQL工具包及ORM工具，也提供了使用數(shù)據(jù)庫(kù)原生SQL的功能，支持多種數(shù)據(jù)庫(kù)后臺(tái)。Flask-SQLAlchemy是一個(gè)Flask擴(kuò)展，在SQLALchemy基礎(chǔ)上，簡(jiǎn)化了在Flask程序中使用SQLAlchemy的操作。

通過Flask-SQLAlchemy將視頻的基本信息、音頻部分所對(duì)應(yīng)的文本等寫入視頻信息數(shù)據(jù)庫(kù)。借助Flask構(gòu)建視頻信息管理系統(tǒng)，方便人們檢索和審核視頻。

MyQR是一個(gè)能夠產(chǎn)生基本二維碼、藝術(shù)二維碼和動(dòng)態(tài)效果二維碼的Python庫(kù)。通過MyQR，可以將該視頻詳細(xì)信息頁面在視頻信息管理系統(tǒng)中對(duì)應(yīng)的Web URL生成為二維碼。人們只需掃描二維碼，就可以快速訪問該視頻詳細(xì)信息的Web頁面。

3.5 詞頻統(tǒng)計(jì)

英語中一個(gè)單詞就是一個(gè)詞，而漢語以字為基本書寫單位，詞語之間沒有明顯的區(qū)分標(biāo)記，需要人為切分[3]。中文文本的詞頻統(tǒng)計(jì)，首先需要進(jìn)行分詞處理。常用的中文分詞工具有Jieba、THULAC、SnowNLP、pynlpir、CoreNLP及pyLTP等。本文的分詞工具選用Jieba，Jieba是利用一個(gè)中文詞庫(kù)，將需要分詞的內(nèi)容與詞庫(kù)進(jìn)行對(duì)比，找到最大概率的詞組，用戶可以向中文詞庫(kù)中添加自定義的新詞，支持精確模式、全模式及搜索引擎模式[4]。

3.6 生成詞云

詞云是以詞語為單位，根據(jù)其在文本中出現(xiàn)的頻率設(shè)計(jì)不同大小以形成視覺上的不同效果，對(duì)文本數(shù)據(jù)中出現(xiàn)頻率較高的關(guān)鍵詞在視覺上的突出呈現(xiàn)，對(duì)關(guān)鍵詞進(jìn)行渲染，形成類似云一樣的彩色圖片，讓人一眼就可以領(lǐng)略文本數(shù)據(jù)的主旨。若想快速了解小說、電影劇本等的主要內(nèi)容，就可以通過繪制詞云圖，通過關(guān)鍵詞的可視化就可以直觀地展示出來，非常方便。Wordcloud是一個(gè)根據(jù)文本生成詞云的Python庫(kù)。

4 實(shí)驗(yàn)分析

本文選用的服務(wù)器配置為8核CPU，32GB內(nèi)存，4TB磁盤，100Mbps帶寬，操作系統(tǒng)選用CentOS 7.5 64位，安裝 MySQL 5.7 及 Python 3.5、Pip 9.0、OpenCV 4.1、Pillow 6.0等，音頻信息提取選用moviePy庫(kù)，音頻轉(zhuǎn)文本選用訊飛的語音轉(zhuǎn)寫REST API進(jìn)行實(shí)現(xiàn)，分詞庫(kù)選用Jieba，詞云展示庫(kù)選用Wordcloud。Web開發(fā)框架選用Flask 1.0，采用Gunicorn 19.8做wsgi容器來部署Flask程序，Web服務(wù)器選用Nginx 1.12。

分析視頻選用十九大報(bào)告現(xiàn)場(chǎng)的視頻。按照如下步驟進(jìn)行視頻信息的挖掘：

（1）提取視頻的基本信息，例如存放該視頻服務(wù)器的IP、存放路徑、大小、時(shí)長(zhǎng)、最后修改時(shí)間等；設(shè)置視頻截圖的間隔幀數(shù)，對(duì)視頻進(jìn)行截圖，從中選取幾張具有代表性截圖；

（2）從視頻中提取音頻，調(diào)用訊飛開放平臺(tái)的語音轉(zhuǎn)寫REST API將音頻轉(zhuǎn)化為文本；

（3）將視頻的基本信息及對(duì)應(yīng)的文本等，存入視頻信息數(shù)據(jù)庫(kù)；利用Flask構(gòu)建視頻信息管理系統(tǒng)，方便進(jìn)行視頻的檢索及審核，將該視頻詳細(xì)信息頁面在視頻信息管理系統(tǒng)中對(duì)應(yīng)的Web URL生成為二維碼圖片；

（4）對(duì)轉(zhuǎn)化得到的文本進(jìn)行分詞處理及詞頻統(tǒng)計(jì)，并以詞云的形式對(duì)關(guān)鍵詞進(jìn)行展示，將詞云圖片保存；

（5）通過Pillow包將幾張代表性的視頻截圖、二維碼圖、詞云圖進(jìn)行拼接，并加上視頻的標(biāo)題，生成視頻封面海報(bào)，如圖2所示。視頻封面海報(bào)也要存入視頻信息數(shù)據(jù)庫(kù)。

圖2 視頻封面海報(bào)

圖3 視頻詳細(xì)信息

通過視頻封面海報(bào)可以一目了然的了解視頻的大致內(nèi)容，并可以使用手機(jī)掃描海報(bào)右下角的二維碼，查看該視頻的詳細(xì)信息，如圖3所示。可以在視頻信息管理系統(tǒng)中，檢索一些敏感詞，對(duì)不含敏感詞的視頻，給予審核通過，方便了對(duì)視頻的檢索和審核。

5 結(jié)語

本文針對(duì)目前視頻管理中存在的一些問題，例如由于沒有視頻簡(jiǎn)介、視頻無封面或封面不具代表性、命名不規(guī)范等，給視頻檢索造成了困難。視頻審核往往需要將視頻從頭看到尾，需要大量的人力物力，視頻信息的挖掘變得非常迫切。本文利用Python調(diào)用OpenCV、OS、Socket等庫(kù)獲取視頻的基本信息并進(jìn)行截圖，利用moviePy提取視頻中的音頻，借助于訊飛開放平臺(tái)的語音轉(zhuǎn)寫REST API將語音轉(zhuǎn)為文字，將視頻基本信息及文字存入視頻信息數(shù)據(jù)庫(kù)，利用Flask構(gòu)建視頻信息管理系統(tǒng)，方便了視頻的檢索及審核。對(duì)生成的文字進(jìn)行分詞處理及詞頻統(tǒng)計(jì)，用詞云展示所生成文字中的關(guān)鍵詞，將詞云、視頻截圖及該視頻詳情頁面的Web URL對(duì)應(yīng)的二維碼及視頻標(biāo)題進(jìn)行融合，生成視頻的封面海報(bào)。人們通過封面海報(bào)一眼即可了解視頻的大致內(nèi)容，掃描封面海報(bào)上的二維碼，即可查看該視頻的詳細(xì)信息。

本文對(duì)生成的文本，僅進(jìn)行了簡(jiǎn)單的詞頻統(tǒng)計(jì)，在今后的研究中，對(duì)視頻的文本可以進(jìn)行情感分析等，生成具有特定輪廓的詞云；自動(dòng)選取具有代表性的截圖，并且可以自行判斷視頻畫面內(nèi)容是否合規(guī)，而不僅僅局限于語音內(nèi)容的合規(guī)審核。