视频字幕的介绍

视频字幕一般分为两类：

1. 标注字幕：这种字幕是通过后期制作合成到视频流中去的，包含了对当前视频内容的语义描述。如：在线视频课程的字幕，新闻联播的字幕等。
2. 场景字幕：这种字幕是视频中的环境或物体本身带有的文字。如路牌上的路名，服装上的名字，产品的商标等。

我们要介绍的，就是第一类标注字幕。

与可以直接进行光学字符识别（Optical Character Recognition）的情况相比，视频字幕的提取面临如下几个问题：

1. 视频图像的复杂背景使字幕提取和分割变得困难。
2. 为避免遮挡图像的主体部分，许多视频字幕的字符尺寸都相当小，导致分辨率低。
3. 数字视频采用有损压缩方式的格式存贮，再次降低了分辨率。

然而，作为标注字幕，也有以下明显的特点：

1. 字幕的尺寸是限定在一定范围，且大小都基本相等。
2. 字幕按照水平方向排列形式聚焦在一起。
3. 采用边影，边影是字幕前景或衬底颜色的补色。

利用这些特性，又可以降低字幕的提取难度，并使提取出来的字幕具有更高的准确度。

视频字幕的识别

视频字幕的识别主要经过以下步骤：字幕检测、字幕定位、字幕抽取和字幕识别。

图示如下：