多媒體文件的片頭和/或片尾的識(shí)別方法及裝置【技術(shù)領(lǐng)域】本發(fā)明涉及多媒體技術(shù)，尤其涉及一種多媒體文件的片頭和/或片尾的識(shí)別方法及裝置。

背景技術(shù)：
多媒體文件例如，視頻文件一般可以包括片頭和/或片尾，對(duì)片頭和/或片尾進(jìn)行有效的識(shí)別，能夠?yàn)槎嗝襟w文件的處理帶來(lái)更多益處。例如，播放多媒體文件時(shí)，可以跳過(guò)片頭和/或片尾等?，F(xiàn)有技術(shù)中，操作人員可以逐一對(duì)多媒體文件進(jìn)行人工識(shí)別，以識(shí)別該多媒體文件的片頭和/或片尾。然而，現(xiàn)有的片頭和/或片尾的識(shí)別操作復(fù)雜，且容易出錯(cuò)，從而導(dǎo)致了片頭和/或片尾識(shí)別的效率和可靠性的降低。

技術(shù)實(shí)現(xiàn)要素：
本發(fā)明的多個(gè)方面提供一種多媒體文件的片頭和/或片尾的識(shí)別方法及裝置，用以提高片頭和/或片尾識(shí)別的效率和可靠性。本發(fā)明的一方面，提供一種多媒體文件的片頭和/或片尾的識(shí)別方法，包括：獲取待處理的多媒體文件，所述多媒體文件包括至少兩幀圖像；利用對(duì)象跟蹤技術(shù)，對(duì)所述至少兩幀圖像進(jìn)行識(shí)別處理，以獲得目標(biāo)文件片段；根據(jù)所述多媒體文件的字幕內(nèi)容和字幕時(shí)間，獲得目標(biāo)字幕片段；根據(jù)所述目標(biāo)文件片段和所述目標(biāo)字幕片段，確定所述多媒體文件的片頭和/或片尾。如上所述的方面和任一可能的實(shí)現(xiàn)方式，進(jìn)一步提供一種實(shí)現(xiàn)方式，所述利用對(duì)象跟蹤技術(shù)，對(duì)所述至少兩幀圖像進(jìn)行識(shí)別處理，以獲得目標(biāo)文件片段，包括：利用對(duì)象跟蹤技術(shù)，提取所述至少兩幀圖像中出現(xiàn)目標(biāo)對(duì)象的圖像，以獲得至少兩個(gè)候選文件片段；根據(jù)所述至少兩個(gè)候選文件片段中相鄰的候選文件片段之間的第一時(shí)間間隔和預(yù)先設(shè)置的第一時(shí)間閾值，對(duì)相鄰的候選文件片段進(jìn)行合并處理，以獲得所述目標(biāo)文件片段。如上所述的方面和任一可能的實(shí)現(xiàn)方式，進(jìn)一步提供一種實(shí)現(xiàn)方式，所述根據(jù)所述多媒體文件的字幕內(nèi)容和字幕時(shí)間，獲得目標(biāo)字幕片段，包括：根據(jù)所述多媒體文件的字幕內(nèi)容和字幕時(shí)間，獲得至少兩個(gè)候選字幕片段；根據(jù)所述至少兩個(gè)候選字幕片段中相鄰的候選字幕片段之間的第二時(shí)間間隔和預(yù)先設(shè)置的第二時(shí)間閾值，對(duì)相鄰的候選字幕片段進(jìn)行合并處理，以獲得所述目標(biāo)字幕片段。如上所述的方面和任一可能的實(shí)現(xiàn)方式，進(jìn)一步提供一種實(shí)現(xiàn)方式，所述對(duì)象跟蹤技術(shù)包括人臉跟蹤技術(shù)。如上所述的方面和任一可能的實(shí)現(xiàn)方式，進(jìn)一步提供一種實(shí)現(xiàn)方式，所述根據(jù)所述目標(biāo)文件片段和所述目標(biāo)字幕片段，確定所述多媒體文件的片頭和/或片尾，包括：根據(jù)所述目標(biāo)文件片段和所述目標(biāo)字幕片段，獲得至少一個(gè)融合文件片段；根據(jù)所述至少一個(gè)融合文件片段的開(kāi)始時(shí)間、所述至少一個(gè)融合文件片段的結(jié)束時(shí)間、所述至少一個(gè)融合文件片段中相鄰的融合文件片段之間的第三時(shí)間間隔和預(yù)先設(shè)置的第三時(shí)間閾值，確定所述多媒體文件的片頭和/或片尾。本發(fā)明的另一方面，提供一種多媒體文件的片頭和/或片尾的識(shí)別裝置，包括：獲取單元，用于獲取待處理的多媒體文件，所述多媒體文件包括至少兩幀圖像；文件處理單元，用于利用對(duì)象跟蹤技術(shù)，對(duì)所述至少兩幀圖像進(jìn)行識(shí)別處理，以獲得目標(biāo)文件片段；字幕處理單元，用于根據(jù)所述多媒體文件的字幕內(nèi)容和字幕時(shí)間，獲得目標(biāo)字幕片段；決策單元，用于根據(jù)所述目標(biāo)文件片段和所述目標(biāo)字幕片段，確定所述多媒體文件的片頭和/或片尾。如上所述的方面和任一可能的實(shí)現(xiàn)方式，進(jìn)一步提供一種實(shí)現(xiàn)方式，所述文件處理單元，具體用于利用對(duì)象跟蹤技術(shù)，提取所述至少兩幀圖像中出現(xiàn)目標(biāo)對(duì)象的圖像，以獲得至少兩個(gè)候選文件片段；以及根據(jù)所述至少兩個(gè)候選文件片段中相鄰的候選文件片段之間的第一時(shí)間間隔和預(yù)先設(shè)置的第一時(shí)間閾值，對(duì)相鄰的候選文件片段進(jìn)行合并處理，以獲得所述目標(biāo)文件片段。如上所述的方面和任一可能的實(shí)現(xiàn)方式，進(jìn)一步提供一種實(shí)現(xiàn)方式，所述字幕處理單元，具體用于根據(jù)所述多媒體文件的字幕內(nèi)容和字幕時(shí)間，獲得至少兩個(gè)候選字幕片段；以及根據(jù)所述至少兩個(gè)候選字幕片段中相鄰的候選字幕片段之間的第二時(shí)間間隔和預(yù)先設(shè)置的第二時(shí)間閾值，對(duì)相鄰的候選字幕片段進(jìn)行合并處理，以獲得所述目標(biāo)字幕片段。如上所述的方面和任一可能的實(shí)現(xiàn)方式，進(jìn)一步提供一種實(shí)現(xiàn)方式，所述對(duì)象跟蹤技術(shù)包括人臉跟蹤技術(shù)。如上所述的方面和任一可能的實(shí)現(xiàn)方式，進(jìn)一步提供一種實(shí)現(xiàn)方式，所述決策單元，具體用于根據(jù)所述目標(biāo)文件片段和所述目標(biāo)字幕片段，獲得至少一個(gè)融合文件片段；以及根據(jù)所述至少一個(gè)融合文件片段的開(kāi)始時(shí)間、所述至少一個(gè)融合文件片段的結(jié)束時(shí)間、所述至少一個(gè)融合文件片段中相鄰的融合文件片段之間的第三時(shí)間間隔和預(yù)先設(shè)置的第三時(shí)間閾值，確定所述多媒體文件的片頭和/或片尾。由上述技術(shù)方案可知，本發(fā)明實(shí)施例通過(guò)利用對(duì)象跟蹤技術(shù)，對(duì)所確定的多媒體文件所包括的至少兩幀圖像進(jìn)行識(shí)別處理，以獲得目標(biāo)文件片段，以及根據(jù)所確定的多媒體文件的字幕內(nèi)容和字幕時(shí)間，獲得目標(biāo)字幕片段，使得能夠根據(jù)所述目標(biāo)文件片段和所述目標(biāo)字幕片段，確定所述多媒體文件的片頭和/或片尾，無(wú)需操作人員參與操作過(guò)程，操作簡(jiǎn)單，且正確率高，從而提高了片頭和/或片尾識(shí)別的效率和可靠性。另外，采用本發(fā)明提供的技術(shù)方案，無(wú)需操作人員參與操作過(guò)程，即能實(shí)現(xiàn)片頭和/或片尾的自動(dòng)識(shí)別，因此，能夠有效提高片頭和/或片尾的識(shí)別成本?！靖綀D說(shuō)明】為了更清楚地說(shuō)明本發(fā)明實(shí)施例中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作一簡(jiǎn)單地介紹，顯而易見(jiàn)地，下面描述中的附圖是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)性的前提下，還可以根據(jù)這些附圖獲得其他的附圖。圖1為本發(fā)明一實(shí)施例提供的多媒體文件的片頭和/或片尾的識(shí)別方法的流程示意圖；圖2為本發(fā)明另一實(shí)施例提供的多媒體文件的片頭和/或片尾的識(shí)別裝置的結(jié)構(gòu)示意圖?！揪唧w實(shí)施方式】為使本發(fā)明實(shí)施例的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有作出創(chuàng)造性勞動(dòng)前提下所獲得的全部其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。需要說(shuō)明的是，本發(fā)明實(shí)施例中所涉及的終端可以包括但不限于手機(jī)、個(gè)人數(shù)字助理（PersonalDigitalAssistant，PDA）、無(wú)線手持裝置、無(wú)線上網(wǎng)本、個(gè)人電腦（PersonalComputer，PC）、便攜電腦、MP3播放器、MP4播放器等。另外，本文中術(shù)語(yǔ)“和/或”，僅僅是一種描述關(guān)聯(lián)對(duì)象的關(guān)聯(lián)關(guān)系，表示可以存在三種關(guān)系，例如，A和/或B，可以表示：?jiǎn)为?dú)存在A，同時(shí)存在A和B，單獨(dú)存在B這三種情況。另外，本文中字符“/”，一般表示前后關(guān)聯(lián)對(duì)象是一種“或”的關(guān)系。圖1為本發(fā)明一實(shí)施例提供的多媒體文件的片頭和/或片尾的識(shí)別方法的流程示意圖，如圖1所示。101、獲取待處理的多媒體文件，所述多媒體文件包括至少兩幀圖像。其中，多媒體文件可以包括但不限于視頻文件，本實(shí)施例對(duì)此不進(jìn)行特別限定。102、利用對(duì)象跟蹤技術(shù)，對(duì)所述至少兩幀圖像進(jìn)行識(shí)別處理，以獲得目標(biāo)文件片段。103、根據(jù)所述多媒體文件的字幕內(nèi)容和字幕時(shí)間，獲得目標(biāo)字幕片段。104、根據(jù)所述目標(biāo)文件片段和所述目標(biāo)字幕片段，確定所述多媒體文件的片頭和/或片尾。需要說(shuō)明的是，102與103的執(zhí)行沒(méi)有固定的順序，可以先執(zhí)行102，再執(zhí)行103，或者還可以先執(zhí)行103，再執(zhí)行102，或者還可以同時(shí)執(zhí)行102和103，本實(shí)施例對(duì)此不進(jìn)行特別限定。需要說(shuō)明的是，101～104的執(zhí)行主體可以是識(shí)別裝置，可以位于本地的應(yīng)用中，或者還可以位于網(wǎng)絡(luò)側(cè)的服務(wù)器中，或者也可以部分功能位于應(yīng)用中，部分功能位于服務(wù)器中，本實(shí)施例對(duì)此不進(jìn)行限定?？梢岳斫獾氖?，所述應(yīng)用可以是終端上所安裝的應(yīng)用程序，或者還可以是終端上所安裝的瀏覽器的一個(gè)網(wǎng)頁(yè)，只要能夠?qū)崿F(xiàn)多媒體文件的片頭和/或片尾的識(shí)別的客觀存在形式都可以，本實(shí)施例對(duì)此不進(jìn)行特別限定。這樣，通過(guò)利用對(duì)象跟蹤技術(shù)，對(duì)所確定的多媒體文件所包括的至少兩幀圖像進(jìn)行識(shí)別處理，以獲得目標(biāo)文件片段，以及根據(jù)所確定的多媒體文件的字幕內(nèi)容和字幕時(shí)間，獲得目標(biāo)字幕片段，使得能夠根據(jù)所述目標(biāo)文件片段和所述目標(biāo)字幕片段，確定所述多媒體文件的片頭和/或片尾，無(wú)需操作人員參與操作過(guò)程，操作簡(jiǎn)單，且正確率高，從而提高了片頭和/或片尾識(shí)別的效率和可靠性?？蛇x地，在本實(shí)施例的一個(gè)可能的實(shí)現(xiàn)方式中，在102中，識(shí)別裝置具體可以利用對(duì)象跟蹤技術(shù)，提取所述至少兩幀圖像中出現(xiàn)目標(biāo)對(duì)象的圖像，以獲得至少兩個(gè)候選文件片段。例如，可以將所提取出的連續(xù)幀的圖像，組成一個(gè)候選文件片段。然后，所述識(shí)別裝置則可以根據(jù)所述至少兩個(gè)候選文件片段中相鄰的候選文件片段之間的第一時(shí)間間隔和預(yù)先設(shè)置的第一時(shí)間閾值，對(duì)相鄰的候選文件片段進(jìn)行合并處理，以獲得所述目標(biāo)文件片段。例如，若第一時(shí)間間隔小于或等于第一時(shí)間閾值，則可以將相鄰的候選文件片段進(jìn)行合并，以獲得一個(gè)新的候選文件片段?；蛘撸倮?，若第一時(shí)間間隔大于第一時(shí)間閾值，則可以保留相鄰的候選文件片段，直到一個(gè)候選文件片段與相鄰的任何其他候選文件片段之間的第一時(shí)間間隔均大于第一時(shí)間閾值，則可以將該候選文件片段作為一個(gè)目標(biāo)文件片段。具體地，其中的目標(biāo)對(duì)象可以包括但不限于人臉，相應(yīng)地，所述識(shí)別裝置具體可以利用人臉跟蹤技術(shù)，對(duì)所述至少兩幀圖像進(jìn)行識(shí)別處理，以獲得目標(biāo)文件片段。一般來(lái)說(shuō)，多媒體文件的字幕內(nèi)容和字幕時(shí)間可以存儲(chǔ)在字幕文件中，例如，字幕文件可以包含如下內(nèi)容：00:00:36,136→00:00:36,731Whatmustitbelikenottobecrippledbyfearandself-loathing？；其中，“00:00:36,136→00:00:36,731”為字幕時(shí)間，“Whatmustitbelikenottobecrippledbyfearandself-loathing？”為字幕內(nèi)容。具體地，識(shí)別裝置具體可以對(duì)字幕文件進(jìn)行規(guī)格化處理，以提取出該字幕文件中所包含的字幕內(nèi)容和字幕時(shí)間。還有些時(shí)候，多媒體文件的字幕內(nèi)容并不是單獨(dú)存儲(chǔ)在字幕文件中，而其就是多媒體文件的內(nèi)容的一部分。那么，所述識(shí)別裝置還可以進(jìn)一步利用現(xiàn)有技術(shù)中的字幕提取技術(shù)，從多媒體文件中提取出字幕內(nèi)容和字幕時(shí)間。其中，字幕提取技術(shù)的詳細(xì)描述可以參見(jiàn)現(xiàn)有技術(shù)中的相關(guān)內(nèi)容，此處不再贅述?？蛇x地，在本實(shí)施例的一個(gè)可能的實(shí)現(xiàn)方式中，在103中，識(shí)別裝置具體可以根據(jù)所述多媒體文件的字幕內(nèi)容和字幕時(shí)間，獲得至少兩個(gè)候選字幕片段。然后，所述識(shí)別裝置則可以根據(jù)所述至少兩個(gè)候選字幕片段中相鄰的候選字幕片段之間的第二時(shí)間間隔和預(yù)先設(shè)置的第二時(shí)間閾值，對(duì)相鄰的候選字幕片段進(jìn)行合并處理，以獲得所述目標(biāo)字幕片段。例如，若第二時(shí)間間隔小于或等于第二時(shí)間閾值，則可以將相鄰的候選字幕片段進(jìn)行合并，以獲得一個(gè)新的候選字幕片段?；蛘?，再例如，若第二時(shí)間間隔大于第二時(shí)間閾值，則可以保留相鄰的候選字幕片段，直到一個(gè)候選字幕片段與相鄰的任何其他候選字幕片段之間的第二時(shí)間間隔均大于第二時(shí)間閾值，則可以將該候選字幕片段作為一個(gè)目標(biāo)字幕片段?？蛇x地，在本實(shí)施例的一個(gè)可能的實(shí)現(xiàn)方式中，在104中，識(shí)別裝置具體可以根據(jù)所述目標(biāo)文件片段和所述目標(biāo)字幕片段，獲得至少一個(gè)融合文件片段。例如，所述識(shí)別裝置具體可以根據(jù)目標(biāo)文件片段所對(duì)應(yīng)的第一時(shí)間范圍，與目標(biāo)字幕片段所對(duì)應(yīng)的第二時(shí)間范圍，確定第一時(shí)間范圍與第二時(shí)間范圍之間存在交集的目標(biāo)文件片段和目標(biāo)字幕片段，將該目標(biāo)字幕片段所對(duì)應(yīng)的時(shí)間范圍之內(nèi)的多媒體文件片段，與該目標(biāo)文件片段，進(jìn)行合并，以獲得一個(gè)融合文件片段。例如，第一時(shí)間范圍為5～10s，第二時(shí)間范圍為8～15s，則融合文件片段則可以為時(shí)間范圍5～15s所對(duì)應(yīng)的文件片段。然后，所述識(shí)別裝置則可以根據(jù)所述至少一個(gè)融合文件片段的開(kāi)始時(shí)間即第一個(gè)融合文件片段的開(kāi)始時(shí)間、所述至少一個(gè)融合文件片段的結(jié)束時(shí)間即最后一個(gè)融合文件片段的結(jié)束時(shí)間、所述至少一個(gè)融合文件片段中相鄰的融合文件片段之間的第三時(shí)間間隔和預(yù)先設(shè)置的第三時(shí)間閾值，確定所述多媒體文件的片頭和/或片尾。例如，若開(kāi)始時(shí)間、結(jié)束時(shí)間或第三時(shí)間間隔，小于或等于第三時(shí)間閾值，則可以忽略該開(kāi)始時(shí)間、結(jié)束時(shí)間或第三時(shí)間間隔。或者，再例如，若開(kāi)始時(shí)間、結(jié)束時(shí)間和第三時(shí)間間隔中的至少一項(xiàng)，大于第三時(shí)間閾值，則可以確定開(kāi)始時(shí)間之前的時(shí)間范圍、結(jié)束時(shí)間之后的時(shí)間范圍和第三時(shí)間間隔對(duì)應(yīng)的時(shí)間范圍中的至少一項(xiàng)，內(nèi)的多媒體文件片段為所述多媒體文件的片頭和/或片尾。可以理解的是，識(shí)別裝置具體將一個(gè)多媒體文件片段確定為多媒體文件的片頭，還是多媒體文件的片尾，可以根據(jù)該多媒體文件片段所對(duì)應(yīng)的開(kāi)始時(shí)間與多媒體文件的開(kāi)始時(shí)間之間的時(shí)間間隔，以及該多媒體文件片段所對(duì)應(yīng)的結(jié)束時(shí)間與多媒體文件的結(jié)束時(shí)間之間的時(shí)間間隔，確定，本實(shí)施例對(duì)此不進(jìn)行特別限定。本實(shí)施例中，通過(guò)利用對(duì)象跟蹤技術(shù)，對(duì)所確定的多媒體文件所包括的至少兩幀圖像進(jìn)行識(shí)別處理，以獲得目標(biāo)文件片段，以及根據(jù)所確定的多媒體文件的字幕內(nèi)容和字幕時(shí)間，獲得目標(biāo)字幕片段，使得能夠根據(jù)所述目標(biāo)文件片段和所述目標(biāo)字幕片段，確定所述多媒體文件的片頭和/或片尾，無(wú)需操作人員參與操作過(guò)程，操作簡(jiǎn)單，且正確率高，從而提高了片頭和/或片尾識(shí)別的效率和可靠性。另外，采用本發(fā)明提供的技術(shù)方案，無(wú)需操作人員參與操作過(guò)程，即能實(shí)現(xiàn)片頭和/或片尾的自動(dòng)識(shí)別，因此，能夠有效提高片頭和/或片尾的識(shí)別成本。需要說(shuō)明的是，對(duì)于前述的各方法實(shí)施例，為了簡(jiǎn)單描述，故將其都表述為一系列的動(dòng)作組合，但是本領(lǐng)域技術(shù)人員應(yīng)該知悉，本發(fā)明并不受所描述的動(dòng)作順序的限制，因?yàn)橐罁?jù)本發(fā)明，某些步驟可以采用其他順序或者同時(shí)進(jìn)行。其次，本領(lǐng)域技術(shù)人員也應(yīng)該知悉，說(shuō)明書(shū)中所描述的實(shí)施例均屬于優(yōu)選實(shí)施例，所涉及的動(dòng)作和模塊并不一定是本發(fā)明所必須的。在上述實(shí)施例中，對(duì)各個(gè)實(shí)施例的描述都各有側(cè)重，某個(gè)實(shí)施例中沒(méi)有詳述的部分，可以參見(jiàn)其他實(shí)施例的相關(guān)描述。圖2為本發(fā)明另一實(shí)施例提供的多媒體文件的片頭和/或片尾的識(shí)別裝置的結(jié)構(gòu)示意圖，如圖2所示。本實(shí)施例的多媒體文件的片頭和/或片尾的識(shí)別裝置可以包括獲取單元21、文件處理單元22、字幕處理單元23和決策單元24。其中，獲取單元21，用于獲取待處理的多媒體文件，所述多媒體文件包括至少兩幀圖像。其中，多媒體文件可以包括但不限于視頻文件，本實(shí)施例對(duì)此不進(jìn)行特別限定。文件處理單元22，用于利用對(duì)象跟蹤技術(shù)，對(duì)所述至少兩幀圖像進(jìn)行識(shí)別處理，以獲得目標(biāo)文件片段。字幕處理單元23，用于根據(jù)所述多媒體文件的字幕內(nèi)容和字幕時(shí)間，獲得目標(biāo)字幕片段。決策單元24，用于根據(jù)所述目標(biāo)文件片段和所述目標(biāo)字幕片段，確定所述多媒體文件的片頭和/或片尾。需要說(shuō)明的是，本實(shí)施例所提供的多媒體文件的片頭和/或片尾的識(shí)別裝置，可以位于本地的應(yīng)用中，或者還可以位于網(wǎng)絡(luò)側(cè)的服務(wù)器中，或者也可以部分功能位于應(yīng)用中，部分功能位于服務(wù)器中，本實(shí)施例對(duì)此不進(jìn)行限定?？梢岳斫獾氖牵鰬?yīng)用可以是終端上所安裝的應(yīng)用程序，或者還可以是終端上所安裝的瀏覽器的一個(gè)網(wǎng)頁(yè)，只要能夠?qū)崿F(xiàn)多媒體文件的片頭和/或片尾的識(shí)別的客觀存在形式都可以，本實(shí)施例對(duì)此不進(jìn)行特別限定。這樣，通過(guò)文件處理單元利用對(duì)象跟蹤技術(shù)，對(duì)獲取單元所確定的多媒體文件所包括的至少兩幀圖像進(jìn)行識(shí)別處理，以獲得目標(biāo)文件片段，以及字幕處理單元根據(jù)獲取單元所確定的多媒體文件的字幕內(nèi)容和字幕時(shí)間，獲得目標(biāo)字幕片段，使得決策單元能夠根據(jù)所述目標(biāo)文件片段和所述目標(biāo)字幕片段，確定所述多媒體文件的片頭和/或片尾，無(wú)需操作人員參與操作過(guò)程，操作簡(jiǎn)單，且正確率高，從而提高了片頭和/或片尾識(shí)別的效率和可靠性?？蛇x地，在本實(shí)施例的一個(gè)可能的實(shí)現(xiàn)方式中，所述文件處理單元22，具體可以用于利用對(duì)象跟蹤技術(shù)，提取所述至少兩幀圖像中出現(xiàn)目標(biāo)對(duì)象的圖像，以獲得至少兩個(gè)候選文件片段，例如，可以將所提取出的連續(xù)幀的圖像，組成一個(gè)候選文件片段；以及根據(jù)所述至少兩個(gè)候選文件片段中相鄰的候選文件片段之間的第一時(shí)間間隔和預(yù)先設(shè)置的第一時(shí)間閾值，對(duì)相鄰的候選文件片段進(jìn)行合并處理，以獲得所述目標(biāo)文件片段。例如，若第一時(shí)間間隔小于或等于第一時(shí)間閾值，所述文件處理單元22則可以將相鄰的候選文件片段進(jìn)行合并，以獲得一個(gè)新的候選文件片段?；蛘?，再例如，若第一時(shí)間間隔大于第一時(shí)間閾值，所述文件處理單元22則可以保留相鄰的候選文件片段，直到一個(gè)候選文件片段與相鄰的任何其他候選文件片段之間的第一時(shí)間間隔均大于第一時(shí)間閾值，所述文件處理單元22則可以將該候選文件片段作為一個(gè)目標(biāo)文件片段。具體地，其中的目標(biāo)對(duì)象可以包括但不限于人臉，相應(yīng)地，所述文件處理單元22具體可以利用人臉跟蹤技術(shù)，對(duì)所述至少兩幀圖像進(jìn)行識(shí)別處理，以獲得目標(biāo)文件片段。一般來(lái)說(shuō)，多媒體文件的字幕內(nèi)容和字幕時(shí)間可以存儲(chǔ)在字幕文件中，例如，字幕文件可以包含如下內(nèi)容：00:00:36,136→00:00:36,731Whatmustitbelikenottobecrippledbyfearandself-loathing？；其中，“00:00:36,136→00:00:36,731”為字幕時(shí)間，“Whatmustitbelikenottobecrippledbyfearandself-loathing？”為字幕內(nèi)容。具體地，所述文件處理單元22可以對(duì)字幕文件進(jìn)行規(guī)格化處理，以提取出該字幕文件中所包含的字幕內(nèi)容和字幕時(shí)間。還有些時(shí)候，多媒體文件的字幕內(nèi)容并不是單獨(dú)存儲(chǔ)在字幕文件中，而其就是多媒體文件的內(nèi)容的一部分。那么，所述文件處理單元22還可以進(jìn)一步利用現(xiàn)有技術(shù)中的字幕提取技術(shù)，從多媒體文件中提取出字幕內(nèi)容和字幕時(shí)間。其中，字幕提取技術(shù)的詳細(xì)描述可以參見(jiàn)現(xiàn)有技術(shù)中的相關(guān)內(nèi)容，此處不再贅述?？蛇x地，在本實(shí)施例的一個(gè)可能的實(shí)現(xiàn)方式中，所述字幕處理單元23，具體可以用于根據(jù)所述多媒體文件的字幕內(nèi)容和字幕時(shí)間，獲得至少兩個(gè)候選字幕片段；以及根據(jù)所述至少兩個(gè)候選字幕片段中相鄰的候選字幕片段之間的第二時(shí)間間隔和預(yù)先設(shè)置的第二時(shí)間閾值，對(duì)相鄰的候選字幕片段進(jìn)行合并處理，以獲得所述目標(biāo)字幕片段。例如，若第二時(shí)間間隔小于或等于第二時(shí)間閾值，所述字幕處理單元23則可以將相鄰的候選字幕片段進(jìn)行合并，以獲得一個(gè)新的候選字幕片段?；蛘?，再例如，若第二時(shí)間間隔大于第二時(shí)間閾值，所述字幕處理單元23則可以保留相鄰的候選字幕片段，直到一個(gè)候選字幕片段與相鄰的任何其他候選字幕片段之間的第二時(shí)間間隔均大于第二時(shí)間閾值，所述字幕處理單元23則可以將該候選字幕片段作為一個(gè)目標(biāo)字幕片段?？蛇x地，在本實(shí)施例的一個(gè)可能的實(shí)現(xiàn)方式中，所述決策單元24，具體可以用于根據(jù)所述目標(biāo)文件片段和所述目標(biāo)字幕片段，獲得至少一個(gè)融合文件片段，例如，所述決策單元24具體可以根據(jù)目標(biāo)文件片段所對(duì)應(yīng)的第一時(shí)間范圍，與目標(biāo)字幕片段所對(duì)應(yīng)的第二時(shí)間范圍，確定第一時(shí)間范圍與第二時(shí)間范圍之間存在交集的目標(biāo)文件片段和目標(biāo)字幕片段，將該目標(biāo)字幕片段所對(duì)應(yīng)的時(shí)間范圍之內(nèi)的多媒體文件片段，與該目標(biāo)文件片段，進(jìn)行合并，以獲得一個(gè)融合文件片段，例如，第一時(shí)間范圍為5～10s，第二時(shí)間范圍為8～15s，則融合文件片段則可以為時(shí)間范圍5～15s所對(duì)應(yīng)的文件片段；以及根據(jù)所述至少一個(gè)融合文件片段的開(kāi)始時(shí)間、所述至少一個(gè)融合文件片段的結(jié)束時(shí)間、所述至少一個(gè)融合文件片段中相鄰的融合文件片段之間的第三時(shí)間間隔和預(yù)先設(shè)置的第三時(shí)間閾值，確定所述多媒體文件的片頭和/或片尾。例如，若開(kāi)始時(shí)間、結(jié)束時(shí)間或第三時(shí)間間隔，小于或等于第三時(shí)間閾值，所述決策單元24則可以忽略該開(kāi)始時(shí)間、結(jié)束時(shí)間或第三時(shí)間間隔?；蛘撸倮?，若開(kāi)始時(shí)間、結(jié)束時(shí)間和第三時(shí)間間隔中的至少一項(xiàng)，大于第三時(shí)間閾值，所述決策單元24則可以確定開(kāi)始時(shí)間之前的時(shí)間范圍、結(jié)束時(shí)間之后的時(shí)間范圍和第三時(shí)間間隔對(duì)應(yīng)的時(shí)間范圍中的至少一項(xiàng)，內(nèi)的多媒體文件片段為所述多媒體文件的片頭和/或片尾?？梢岳斫獾氖?，所述決策單元24具體將一個(gè)多媒體文件片段確定為多媒體文件的片頭，還是多媒體文件的片尾，可以根據(jù)該多媒體文件片段所對(duì)應(yīng)的開(kāi)始時(shí)間與多媒體文件的開(kāi)始時(shí)間之間的時(shí)間間隔，以及該多媒體文件片段所對(duì)應(yīng)的結(jié)束時(shí)間與多媒體文件的結(jié)束時(shí)間之間的時(shí)間間隔，確定，本實(shí)施例對(duì)此不進(jìn)行特別限定。本實(shí)施例中，通過(guò)文件處理單元利用對(duì)象跟蹤技術(shù)，對(duì)獲取單元所確定的多媒體文件所包括的至少兩幀圖像進(jìn)行識(shí)別處理，以獲得目標(biāo)文件片段，以及字幕處理單元根據(jù)獲取單元所確定的多媒體文件的字幕內(nèi)容和字幕時(shí)間，獲得目標(biāo)字幕片段，使得決策單元能夠根據(jù)所述目標(biāo)文件片段和所述目標(biāo)字幕片段，確定所述多媒體文件的片頭和/或片尾，無(wú)需操作人員參與操作過(guò)程，操作簡(jiǎn)單，且正確率高，從而提高了片頭和/或片尾識(shí)別的效率和可靠性。另外，采用本發(fā)明提供的技術(shù)方案，無(wú)需操作人員參與操作過(guò)程，即能實(shí)現(xiàn)片頭和/或片尾的自動(dòng)識(shí)別，因此，能夠有效提高片頭和/或片尾的識(shí)別成本。所屬領(lǐng)域的技術(shù)人員可以清楚地了解到，為描述的方便和簡(jiǎn)潔，上述描述的系統(tǒng)，裝置和單元的具體工作過(guò)程，可以參考前述方法實(shí)施例中的對(duì)應(yīng)過(guò)程，在此不再贅述。在本發(fā)明所提供的幾個(gè)實(shí)施例中，應(yīng)該理解到，所揭露的系統(tǒng)，裝置和方法，可以通過(guò)其它的方式實(shí)現(xiàn)。例如，以上所描述的裝置實(shí)施例僅僅是示意性的，例如，所述單元的劃分，僅僅為一種邏輯功能劃分，實(shí)際實(shí)現(xiàn)時(shí)可以有另外的劃分方式，例如多個(gè)單元或組件可以結(jié)合或者可以集成到另一個(gè)系統(tǒng)，或一些特征可以忽略，或不執(zhí)行。另一點(diǎn)，所顯示或討論的相互之間的耦合或直接耦合或通信連接可以是通過(guò)一些接口，裝置或單元的間接耦合或通信連接，可以是電性，機(jī)械或其它的形式。所述作為分離部件說(shuō)明的單元可以是或者也可以不是物理上分開(kāi)的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位于一個(gè)地方，或者也可以分布到多個(gè)網(wǎng)絡(luò)單元上。可以根據(jù)實(shí)際的需要選擇其中的部分或者全部單元來(lái)實(shí)現(xiàn)本實(shí)施例方案的目的。另外，在本發(fā)明各個(gè)實(shí)施例中的各功能單元可以集成在一個(gè)處理單元中，也可以是各個(gè)單元單獨(dú)物理存在，也可以?xún)蓚€(gè)或兩個(gè)以上單元集成在一個(gè)單元中。上述集成的單元既可以采用硬件的形式實(shí)現(xiàn)，也可以采用硬件加軟件功能單元的形式實(shí)現(xiàn)。上述以軟件功能單元的形式實(shí)現(xiàn)的集成的單元，可以存儲(chǔ)在一個(gè)計(jì)算機(jī)可讀取存儲(chǔ)介質(zhì)中。上述軟件功能單元存儲(chǔ)在一個(gè)存儲(chǔ)介質(zhì)中，包括若干指令用以使得一臺(tái)計(jì)算機(jī)裝置（可以是個(gè)人計(jì)算機(jī)，服務(wù)器，或者網(wǎng)絡(luò)裝置等）或處理器（processor）執(zhí)行本發(fā)明各個(gè)實(shí)施例所述方法的部分步驟。而前述的存儲(chǔ)介質(zhì)包括：U盤(pán)、移動(dòng)硬盤(pán)、只讀存儲(chǔ)器（Read-OnlyMemory，ROM）、隨機(jī)存取存儲(chǔ)器（RandomAccessMemory，RAM）、磁碟或者光盤(pán)等各種可以存儲(chǔ)程序代碼的介質(zhì)。最后應(yīng)說(shuō)明的是：以上實(shí)施例僅用以說(shuō)明本發(fā)明的技術(shù)方案，而非對(duì)其限制；盡管參照前述實(shí)施例對(duì)本發(fā)明進(jìn)行了詳細(xì)的說(shuō)明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解：其依然可以對(duì)前述各實(shí)施例所記載的技術(shù)方案進(jìn)行修改，或者對(duì)其中部分技術(shù)特征進(jìn)行等同替換；而這些修改或者替換，并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本發(fā)明各實(shí)施例技術(shù)方案的精神和范圍。