一种视频划分方法和装置

技术领域

本公开的实施例涉及计算机技术领域，具体涉及一种视频划分方法和装置。

背景技术

视频划分是根据历史物品流转行为对视频划分的需求，得到相应的视频片段数据的一种技术。目前，进行视频划分通常采用的方式为：对历史物品流转行为对应的视频直接进行存储。

然而，当采用上述方式时，经常会存在如下技术问题：

第一，随着较长视频数据的获取，一次性存储整个视频数据所占的内存空间较多，从而在用户提取视频片段时需要提取整个视频数据进行查看，造成了存储资源的浪费；

第二，划分视频时会出现划分准确较低的问题，导致视频片段的划分出现错误，使得存储的视频片段出现错误。

该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解，并因此，其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

本公开的一些实施例提出了一种视频划分方法和装置，来解决以上背景技术部分提到的技术问题中的一项或多项。

第一方面，本公开的一些实施例提供了一种视频划分方法，该方法包括：获取针对历史物品流转行为的流转行为视频；对上述流转行为视频进行音频分离，得到分离视频和分离声音数据；根据上述分离视频和上述分离声音数据，提取上述历史物品流转行为相对应的至少一个物品名称；基于上述至少一个物品名称，将上述流转行为视频划分为至少一个视频片段；对上述至少一个视频片段中的每个视频片段进行标签标注，以生成标签视频片段数据，得到标签视频片段数据集。

第二方面，本公开的一些实施例提供了一种视频划分装置，装置包括：获取单元，被配置成获取针对历史物品流转行为的流转行为视频；音频分离单元，被配置成对上述流转行为视频进行音频分离，得到分离视频和分离声音数据；提取单元，被配置成根据上述分离视频和上述分离声音数据，提取上述历史物品流转行为相对应的至少一个物品名称；划分单元，被配置成基于上述至少一个物品名称，将上述流转行为视频划分为至少一个视频片段；标注单元，被配置成对上述至少一个视频片段中的每个视频片段进行标签标注，以生成标签视频片段数据，得到标签视频片段集。

第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。

第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。

本公开的上述各个实施例中具有如下有益效果：通过本公开的一些实施例的一种视频划分方法，减少了一次性存储整个视频数据所占的内存空间，节省了存储资源。具体来说，造成一次性存储整个视频数据所占的内存空间较多的原因在于：随着较长视频数据的获取，一次性存储整个视频数据所占的内存空间较多，从而在用户提取视频片段时需要提取整个视频数据进行查看，造成了存储资源的浪费。基于此，本公开的一些实施例的一种视频划分方法，首先，获取针对历史物品流转行为的流转行为视频。由此，可以将得到流转行为视频，为后续处理提供方便。其次，对上述流转行为视频进行音频分离，得到分离视频和分离声音数据。由此，可以得到没有声音的分离视频和没有画面的分离声音数据，方便了之后的画面和声音提取。再其次，根据上述分离视频和上述分离声音数据，提取上述历史物品流转行为相对应的至少一个物品名称。由此，可以通过上述分离视频和上述分离声音数据，提取到至少一个物品名称。接着，基于上述至少一个物品名称，将上述流转行为视频划分为至少一个视频片段。由此，可以根据至少一个物品名称对视频进行划分。再接着，对上述至少一个视频片段中的每个视频片段进行标签标注，以生成标签视频片段数据，得到标签视频片段数据集。由此，减少了一次性存储整个视频数据所占的内存空间，从而，节省了存储资源。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。

图1是根据本公开的一种视频划分方法的一些实施例的流程图；

图2是根据本公开的一种视频划分装置的一些实施例的结构示意图；

图3是适于用来实现本公开的一些实施例的电子设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。

需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

下面将参考附图并结合实施例来详细说明本公开。

图1是本公开的一种视频划分方法的一些实施例的流程100。该视频划分方法，包括以下步骤：

步骤101，获取针对历史物品流转行为的流转行为视频。

在一些实施例中，视频划分方法的执行主体(例如计算设备)可以通过有线连接或无线连接的方式获取针对历史物品流转行为的流转行为视频。

这里，历史物品流转行为可以是指历史物品进行流转的行为(例如，物品售卖)。流转行为视频可以是指含有人、物品，电子设备等的视频。例如，上述物品可以是指面膜。电子设备可以是指手机。

上述需要指出的是，上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。

步骤102，对上述流转行为视频进行音频分离，得到分离视频和分离声音数据。

在一些实施例中，上述执行主体可以对上述流转行为视频进行音频分离，得到分离视频和分离声音数据。

这里，上述分离视频可以是没有声音的流转行为视频。上述分离声音数据可以是指没有视频画面的声音数据。

作为示例，上述执行主体可以首先上述流转行为视频进行声音去除处理，得到无声音的流转行为视频，作为分离视频，然后，将上述流转行为视频去除上述分离视频，得到分离声音数据。

步骤103，根据上述分离视频和上述分离声音数据，提取上述历史物品流转行为相对应的至少一个物品名称。

在一些实施例中，上述执行主体可以根据上述分离视频和上述分离声音数据，提取上述历史物品流转行为相对应的至少一个物品名称。

这里，上述至少一个物品名称可以是指至少一个描述物品信息的名称。例如，上述至少一个物品名称中的物品名称可以是指面膜。

作为示例，上述执行主体可以对上述分离视频进行图像识别，得到分离视频中的物品对应的物品名称，然后，对上述分离声音数据进行文本转换，得到分离文本，接着，从上述分离文本中提取的物品对应的名称，然后，将上述分离视频中的物品对应的物品名称与上述分离文本中提取的物品对应的名称进行合并，得到合并后物品名称，然后，将上述合并后物品名称中相同的物品名称进行去除，得到去除后的至少一个名称，最后，将去除后的至少一个名称确定为上述历史物品流转行为相对应的至少一个物品名称。

可选的，上述执行主体可以通过以下步骤将根据上述分离视频和上述分离声音数据，提取上述历史物品流转行为相对应的至少一个物品名称：

第一步，对上述分离视频包括的各帧图像进行物品识别，得到物品识别信息集。

这里，上述物品识别信息集中的物品识别信息可以是指物品的名称信息。

作为示例，上述执行主体可以将上述分离视频包括的各帧图像进行图像识别，得到各帧图像中的物体信息，然后对上述各帧图像中的物体信息进行名称提取，得到各帧图像中的物体信息对应的物品名称，得到物品识别信息集。

第二步，对上述分离声音数据进行音频降噪处理，以生成降噪后分离声音数据。

这里，上述降噪后分离声音数据可以是指去除噪声后的分离声音数据。这里，上述噪声可以是指随机噪声。这里，上述音频降噪处理可以利用视频剪辑软件进行降噪处理。

第三步，将上述降噪后分离声音数据转化为文本数据，得到转化后文本数据。

这里，上述转化后文本数据可以是指将声音数据转化为文字的数据。这里，上述转化可以是指自动语音识别(Automatic Speech Recognition，ASR)。

第四步，对上述转化后文本数据进行文本分词处理，得到词集。

这里，上述文本分词处理可以是指自然语言处理(Natural LanguageProcessing，NLP)。

第五步，将上述词集中的词进行筛选，得到筛选后词集，其中，上述筛选后词集中的筛选后词表示物品的名称。

这里，上述筛选后词集中的筛选后词可以是指关于物品名称的词。

第六步，对上述筛选后词集和上述物品识别信息集进行去重，得到至少一个物品名称。

作为示例，上述执行主体可以将上述筛选后词集和上述物品识别信息集输入至空集合，得到去重后至少一个物品名称，其中，上述至少一个物品名称中的每个物品名称均不相同，然后，将上述去重后至少一个物品名称作为至少一个物品名称。

步骤104，基于上述至少一个物品名称，将上述流转行为视频划分为至少一个视频片段。

在一些实施例中，上述执行主体可以基于上述至少一个物品名称，将上述流转行为视频划分为至少一个视频片段。

这里，上述至少一个视频片段中的每个视频片段可以是指一段时长不为零的视频片段。例如，上述至少一个视频片段中的每个视频片段可以是指一段时长为3分钟的视频片段。

作为示例，上述执行主体可以将上述至少一个物品名称中的每个物品名称在上述流转行为视频中的位置进行位置标记，以生成物品名称位置标记，得到物品名称位置标记集，然后，根据上述物品名称位置标记集中的每个物品名称位置标记，对上述流转行为视频进行划分，以生成视频片段，得到至少一个视频片段。

可选的，上述执行主体可以通过以下步骤基于上述至少一个物品名称，将上述流转行为视频划分为至少一个视频片段：

第一步，将上述流转行为视频中的每帧图像确定为视频帧，得到视频帧序列。

作为示例，上述执行主体可以将上述流转行为视频中的每帧图像确定为视频帧，将所确定的各个视频帧确定为视频帧序列。

第二步，对于上述至少一个物品名称中的每个物品名称，执行以下划分步骤：

第一子步骤，响应于确定上述物品名称在视频帧序列中为第一次出现的物品名称，将第一次出现的物品名称的视频帧对应的时间确定为第一视频帧开始时间。

这里，上述第一次出现的物品名称可以是指物品第一次出现时的物品名称。上述第一次出现的物品名称的视频帧可以是指物品第一次出现时的物品名称所在的视频帧。上述第一次出现的物品名称的视频帧对应的时间可以是指物品第一次出现时的物品名称所在的视频帧在视频帧序列中的时间。例如，上述第一次出现的物品名称的视频帧对应的时间可以是指物品第一次出现时的物品名称所在的视频帧在视频帧序列中的时间为3分20秒10毫秒。

第二子步骤，根据上述第一视频帧开始时间，确定第一视频帧结束时间。

这里，上述第一视频帧结束时间可以是指物品最后一次出现时的物品名称所在的视频帧在视频帧序列中的时间。例如，上述第一视频帧结束时间可以为4分20秒18毫秒。

作为示例，上述执行主体可以将上述第一视频帧开始时间对应的视频帧中的目标物体进行目标跟踪，得到目标物体跟踪视频帧序列，然后，将上述目标物体跟踪视频帧序列中的最后一个视频帧对应的时间确定第一视频帧结束时间。

第三子步骤，将上述第一视频帧开始时间与上述第一视频帧结束时间划分为第一视频帧范围。

这里，上述第一视频帧范围可以是指上述第一视频帧开始时间与上述第一视频帧结束时间之间的视频帧对应的时间范围。例如，上述第一视频帧范围可以是指以3分20秒10毫秒为视频帧开始，以4分20秒18毫秒为视频帧结束的视频帧范围。

第四子步骤，响应于确定上述物品名称在视频帧序列的预设帧范围内存在物品信息描述，将物品信息描述对应的视频帧集合中的第一帧所对应的时间确定为第二视频帧开始时间。

这里，上述预设帧范围可以是指预设的视频帧范围。上述物品信息描述可以是指物品信息中不含物品名称的描述。例如，上述物品信息描述可以是指“皮肤不好了怎么办？”的描述。这里，上述第二视频帧开始时间可以是指上述物品信息描述对应的视频帧的开始时间。例如，上述第二视频帧开始时间可以是指2分50秒40毫秒。

第五子步骤，根据上述第二视频帧开始时间，确定第二视频帧结束时间。

这里，上述第二视频帧结束时间可以是指物品信息描述对应的视频帧最后一次在视频帧序列中出现的时间。例如，上述第一视频帧结束时间可以为4分10秒18毫秒。

作为示例，上述执行主体可以将上述第二视频帧开始时间对应的视频帧中的目标物体进行目标跟踪，得到目标物体跟踪视频帧序列，然后，将上述目标物体跟踪视频帧序列中的最后一个视频帧对应的时间确定第二视频帧结束时间。

第六子步骤，将上述第二视频帧开始时间与上述第二视频帧结束时间划分为第二视频帧范围。

这里，上述第二视频帧范围可以是指上述第二视频帧开始时间与上述第二视频帧结束时间之间的视频帧对应的时间范围。例如，上述第一视频帧范围可以是指以2分50秒40毫秒为视频帧开始，以4分10秒18毫秒为视频帧结束的视频帧范围。

第七子步骤，响应于确定上述物品名称对应的物品在上述视频帧序列中对应的视频帧图像位置与预设中心位置的距离小于预设距离阈值，将视频帧图像位置对应的第一帧所对应的时间确定为第三视频帧开始时间。

这里，上述视频帧图像位置可以是指视频帧图像中的物品位置。上述预设中心位置可以是指预先设定的坐标位置。例如，上述预设中心位置可以是指在视频帧图像中位置为(x，y)，其中，x可以是指视频帧图像宽度的一半，y可以是指视频帧图像高度的一半。这里，上述第三视频帧开始时间可以是指上述视频帧图像位置对应的第一帧的开始时间。例如，上述第二视频帧开始时间可以是指3分53秒40毫秒。

第八子步骤，根据上述第三视频帧开始时间，确定第三视频帧结束时间。

作为示例，上述执行主体可以将上述第三视频帧开始时间对应的视频帧中的目标物体进行目标跟踪，得到目标物体跟踪视频帧序列，然后，将上述目标物体跟踪视频帧序列中的最后一个视频帧对应的时间确定第三视频帧结束时间。例如，上述第三视频帧结束时间可以为4分40秒28毫秒。

第九子步骤，将上述第三视频帧开始时间与上述第三视频帧结束时间划分为第三视频帧范围。

这里，上述第三视频帧范围可以是指上述第三视频帧开始时间与上述第三视频帧结束时间之间的视频帧对应的时间范围。例如，上述第三视频帧范围可以是指以3分53秒40毫秒为视频帧开始，以4分40秒28毫秒为视频帧结束的视频帧范围。

第十子步骤，将上述第一视频帧范围，第二视频帧范围和第三视频帧范围进行交运算，得到第四视频帧范围。

这里，上述第四视频帧范围可以是指物品名称出现时开始时间和结束时间之间的视频帧范围。例如，上述第四视频帧范围可以是指以3分53秒40毫秒为视频帧开始，以4分10秒18毫秒为视频帧结束的视频帧范围。

第三步，根据所得到的各个第四视频帧范围中的每个第四视频帧范围对应的开始视频帧对上述流转行为视频进行划分，以生成视频片段，得到至少一个视频片段。

这里，上述划分可以是指分割。

上述第一步-第三步中的相关内容作为本公开的一个发明点，解决了背景技术提及的技术问题二“使得存储的视频片段出现错误”。导致存储的视频片段出现错误的因素往往如下：划分视频时会出现划分准确较低的问题，导致视频片段的划分出现错误，使得存储的视频片段出现错误。如果解决了上述因素，就能达到避免出现视频片段的划分出现错误，使得存储的视频片段出现错误的效果。为了达到这一效果，首先，对于上述至少一个物品名称中的每个物品名称，执行以下划分步骤：响应于确定上述物品名称在视频帧序列中为第一次出现的物品名称，接着，将第一次出现的物品名称的视频帧对应的时间确定为第一视频帧开始时间。然后，根据上述第一视频帧开始时间，确定第一视频帧结束时间。之后，将上述第一视频帧开始时间与上述第一视频帧结束时间划分为第一视频帧范围。其次，响应于确定上述物品名称在视频帧序列的预设帧范围内存在物品信息描述，将物品信息描述对应的视频帧集合中的第一帧所对应的时间确定为第二视频帧开始时间。再其次，根据上述第二视频帧开始时间，确定第二视频帧结束时间。然后，将上述第二视频帧开始时间与上述第二视频帧结束时间划分为第二视频帧范围。接着，响应于确定上述物品名称对应的物品在上述视频帧序列中对应的视频帧图像位置与预设中心位置的距离小于预设距离阈值，将视频帧图像位置对应的第一帧所对应的时间确定为第三视频帧开始时间。之后，根据上述第三视频帧开始时间，确定第三视频帧结束时间。然后，将上述第三视频帧开始时间与上述第三视频帧结束时间划分为第三视频帧范围。接着，将上述第一视频帧范围，第二视频帧范围和第三视频帧范围进行交运算，得到第四视频帧范围。最后，根据所得到的各个第四视频帧范围中的每个第四视频帧范围对应的开始视频帧对上述流转行为视频进行划分，以生成视频片段，得到至少一个视频片段。由此，可以避免出现视频片段的划分出现错误，从而，降低存储的视频片段出现错误的可能性。

可选的，上述执行主体可以通过以下步骤基于上述至少一个物品名称，将上述流转行为视频划分为至少一个视频片段：

第一步，对于上述至少一个物品名称中的每个物品名称，执行以下处理步骤：

第一子步骤，根据上述物品名称，对上述视频帧序列中的每个视频帧进行视频帧标记，以生成标记后视频帧，得到标记后视频帧集。

这里，上述标记后视频帧集中的每个标记后视频帧可以是指对视频帧进行标签标记后的视频帧。例如，上述标记后视频帧集中的每个标记后视频帧可以是指标记有面膜的视频帧。

第二子步骤，响应于确定上述标记后视频帧集中的标记后视频帧为第一帧，将上述第一帧确定为视频划分帧。

第二步，根据所得到的各个视频划分帧，对上述流转行为视频进行划分，得到至少一个视频片段。

这里，上述划分可以是指分割。

步骤105，对上述至少一个视频片段中的每个视频片段进行标签标注，以生成标签视频片段数据，得到标签视频片段数据集。

在一些实施例中，上述执行主体可以对上述至少一个视频片段中的每个视频片段进行标签标注，以生成标签视频片段数据，得到标签视频片段数据集。

这里，上述标签视频片段数据集中的标签视频片段数据可以是指经过文本标签标记的视频片段数据。例如，上述标签视频片段数据集中的标签视频片段数据可以是指标有面膜标记的视频片段数据。

作为示例，上述执行主体可以对上述至少一个视频片段中的每个视频片段包含的内容进行解析，得到解析后视频片段内容，然后，根据上述解析后视频片段内容，对每个视频片段进行标签标注，以生成标签视频片段数据，得到标签视频片段数据集。

可选的，上述执行主体可以通过以下步骤对上述至少一个视频片段中的每个视频片段进行标签标注，以生成标签视频片段数据，得到标签视频片段数据集：

第一步，根据上述至少一个视频片段中的每个视频片段对应的物品信息，对视频片段进行文本标注，以生成标签视频片段数据，得到标签视频片段数据集。

作为示例，上述执行主体可以首先将上述至少一个视频片段中的每个视频片段对应的物品信息进行解析，以生成解析后的视频片段内容，得到解析后的视频片段内容集，然后，将上述解析后的视频片段内容集中的每个解析后的视频片段内容进行关键信息提取，以生成视频片段对应的关键信息，得到视频片段对应的关键信息集，最后，将上述关键信息集中的每个关键信息标注至视频片段，以生成标签视频片段数据，得到标签视频片段数据集。

可选的，上述执行主体还可以将上述标签视频片段数据集进行存储以供调取。

本公开的上述各个实施例中具有如下有益效果：通过本公开的一些实施例的一种视频划分方法，减少了一次性存储整个视频数据所占的内存空间，节省了存储资源。具体来说，造成一次性存储整个视频数据所占的内存空间较多的原因在于：随着较长视频数据的获取，一次性存储整个视频数据所占的内存空间较多，从而在用户提取视频片段时需要提取整个视频数据进行查看，造成了存储资源的浪费。基于此，本公开的一些实施例的一种视频划分方法，首先，获取针对历史物品流转行为的流转行为视频。由此，可以将得到流转行为视频，为后续处理提供方便。其次，对上述流转行为视频进行音频分离，得到分离视频和分离声音数据。由此，可以得到没有声音的分离视频和没有画面的分离声音数据，方便了之后的画面和声音提取。再其次，根据上述分离视频和上述分离声音数据，提取上述历史物品流转行为相对应的至少一个物品名称。由此，可以通过上述分离视频和上述分离声音数据，提取到至少一个物品名称。接着，基于上述至少一个物品名称，将上述流转行为视频划分为至少一个视频片段。由此，可以根据至少一个物品名称对视频进行划分。再接着，对上述至少一个视频片段中的每个视频片段进行标签标注，以生成标签视频片段数据，得到标签视频片段数据集。由此，减少了一次性存储整个视频数据所占的内存空间，从而，节省了存储资源。

进一步参考图2，作为对上述各图所示方法的实现，本公开提供了一种视频划分方法的一些实施例，这些装置实施例与图1所示的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图2所示，一些实施例的一种视频划分装置200包括：

获取单元201、音频分离单元202、提取单元203、划分单元204和标注单元205。其中，获取单元201，被配置成获取针对历史物品流转行为的流转行为视频；音频分离单元202，被配置成对上述流转行为视频进行音频分离，得到分离视频和分离声音数据；提取单元203，被配置成根据上述分离视频和上述分离声音数据，提取上述历史物品流转行为相对应的至少一个物品名称；划分单元204，被配置成基于上述至少一个物品名称，将上述流转行为视频划分为至少一个视频片段；标注单元205，被配置成对上述至少一个视频片段中的每个视频片段进行标签标注，以生成标签视频片段数据，得到标签视频片段集。

可以理解的是，该装置200中记载的诸单元与参考图1描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置200及其中包含的单元，在此不再赘述。

下面参考图3，其示出了适于用来实现本公开的一些实施例的电子设备(如计算设备)300的结构示意图。图3示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。

如图3所示，电子设备300可以包括处理装置(例如中央处理器、图形处理器等)301，其可以根据存储在只读存储器(ROM)302中的程序或者从存储装置308加载到随机访问存储器(RAM)304中的程序而执行各种适当的动作和处理。在RAM 303中，还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM 302以及RAM 304通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。

通常，以下装置可以连接至I/O接口305：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307；包括例如磁带、硬盘等的存储装置308；以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图3中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。

特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置309从网络上被下载和安装，或者从存储装置308被安装，或者从ROM 302被安装。在该计算机程序被处理装置301执行时，执行本公开的一些实施例的方法中限定的功能。

需要说明的是，本公开的一些实施例中记载的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者的任意合适的组合。

在一些实施方式中，客户端、服务器可以利用诸如HTTP(Hyper Text TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取针对历史物品流转行为的流转行为视频；对上述流转行为视频进行音频分离，得到分离视频和分离声音数据；根据上述分离视频和上述分离声音数据，提取上述历史物品流转行为相对应的至少一个物品名称；基于上述至少一个物品名称，将上述流转行为视频划分为至少一个视频片段；对上述至少一个视频片段中的每个视频片段进行标签标注，以生成标签视频片段数据，得到标签视频片段数据集。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中上标注的功能也可以以不同于附图中上标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依上涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。上描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括：获取单元、音频分离单元、提取单元、划分单元和标注单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取针对历史物品流转行为的流转行为视频的单元”。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。

以上描述仅为本公开的一些较佳实施例以及对上运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中上涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。