JP2007080290A - Summary creating apparatus, data processing method and program for causing computer to execute the data processing method - Google Patents
Summary creating apparatus, data processing method and program for causing computer to execute the data processing method Download PDFInfo
- Publication number
- JP2007080290A JP2007080290A JP2006313410A JP2006313410A JP2007080290A JP 2007080290 A JP2007080290 A JP 2007080290A JP 2006313410 A JP2006313410 A JP 2006313410A JP 2006313410 A JP2006313410 A JP 2006313410A JP 2007080290 A JP2007080290 A JP 2007080290A
- Authority
- JP
- Japan
- Prior art keywords
- segment
- data
- scene
- section
- media content
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Television Signal Processing For Recording (AREA)
Abstract
Description
本発明は、動画や映像、音声などの連続視聴覚情報(メディアコンテンツ)の視聴、再生、配送、蓄積において、該当メディアコンテンツのあらすじやハイライトシーン、あるいは視聴者が見たいと希望するシーンのみを再生、配送するための、メディアコンテンツの要約作成装置、データ処理方法、およびプログラムを提供するものである。 In the present invention, in the viewing, playback, delivery, and accumulation of continuous audiovisual information (media content) such as video, video, and audio, the outline of the media content, the highlight scene, or only the scene that the viewer wants to see is displayed. A media content summary creation device, a data processing method, and a program for reproduction and distribution are provided.
従来、メディアコンテンツの再生、配送、蓄積は、メディアコンテンツを格納するファイル単位で行われていた。 Conventionally, reproduction, delivery, and accumulation of media content have been performed in units of files that store media content.
また、動画の特定シーンの検索を行う方法として、特開平10-111872号公報のように、動画の場面の切り替わり(シーンカット)を検出し、シーンカットごとに、開始フレームのタイムコード、終了フレームのタイムコード、該当シーンのキーワードの付加情報をつけて行っていた。 Also, as a method of searching for a specific scene of a moving image, as in Japanese Patent Laid-Open No. 10-111872, a change in the scene of a moving image (scene cut) is detected, and for each scene cut, the time code of the start frame, the end frame Time code and additional information on keywords for the scene.
あるいは、カーネギーメロン大学(CMU)では、動画のシーンカットの検出、人間の顔やキャプションの検出、音声認識によるキーフレーズの検出などにより、動画の要約を行っていた(Michael A. Smith, Takeo Kanade, 「Video Skimming and Characterization through the Combination of Image and Language Understanding Techniques」、CMU-CS-97-111, 1997年2月3日)。 Alternatively, Carnegie Mellon University (CMU) summarized videos by detecting scene cuts in videos, detecting human faces and captions, and detecting key phrases using voice recognition (Michael A. Smith, Takeo Kanade). , “Video Skimming and Characterization through the Combination of Image and Language Understanding Techniques”, CMU-CS-97-111, February 3, 1997).
しかしながら従来の方法では、再生をファイル単位で行う場合、そのコンテンツのあらすじを見ることは不可能である。また、ハイライトシーンや、ユーザが見たい場面を検索する場合においても、コンテンツの先頭から参照しなければならないという問題があった。また、動画配送においては、ファイルのデータすべてを送信するため、多大な時間を要するといった問題があった。 However, in the conventional method, when reproduction is performed in units of files, it is impossible to see a summary of the content. In addition, when searching for a highlight scene or a scene that the user wants to see, there is a problem that it is necessary to refer to the top of the content. Further, in the video delivery, there is a problem that it takes a lot of time to transmit all the file data.
また、特開平10-111872号公報の方法によれば、シーンの検索はキーワードを用いて行うことができるため、ユーザが望むシーンの検索は容易となる。しかし、付加情報には各シーンの間の関係やつながりといったものがなく、例えば、物語のひとつの節を検索する場合の処理が困難となる。また、キーワードだけの検索ではどの場面が文脈上重要であるか知ることが困難であるため、あらすじの作成やハイライトシーン集の作成も困難である。 In addition, according to the method disclosed in Japanese Patent Laid-Open No. 10-111872, the search for a scene can be performed using a keyword, so that it is easy to search for a scene desired by a user. However, there is no relationship or connection between scenes in the additional information, and for example, processing when searching for one section of a story becomes difficult. In addition, since it is difficult to know which scene is important in context by searching only for keywords, it is difficult to create a synopsis or a collection of highlight scenes.
また、CMUの手法によると、動画の要約は行えるが、結果は一通りに定まってしまうため、例えば5分の要約と3分の要約などのように、再生時間を変えた要約を行うことは困難である。また、特定の人物の写っているシーンなどを選択するといった、ユーザの要望による要約も困難である。 Also, according to the CMU method, although the video can be summarized, the results are determined in a single way, so it is not possible to perform a summary with different playback times, such as a 5 minute summary and a 3 minute summary. Have difficulty. In addition, it is difficult to summarize a user's request such as selecting a scene in which a specific person is shown.
本発明は、メディアコンテンツの再生において、そのあらすじやハイライトシーンのみ、あるいは、視聴者が希望するシーンのみを選択し、再生、配送する手段を提供することを目的とする。 It is an object of the present invention to provide means for selecting, reproducing, and delivering only a synopsis or highlight scene, or only a scene desired by a viewer, when reproducing media content.
また、あらすじやハイライトシーン、視聴者の希望するシーンなどの選択において、その再生時間をユーザが希望する時間に合わせて行う手段を提供することを目的とする。 It is another object of the present invention to provide means for selecting a synopsis, a highlight scene, a scene desired by a viewer, and the like so that the playback time is matched with a time desired by a user.
さらに、メディアコンテンツの配送において、ユーザの要求により、ユーザが希望する再生時間であらすじ、ハイライトシーン集、ユーザの希望するシーンといったもののみを配送する手段を提供することを目的とする。 Further, it is an object of the present invention to provide a means for delivering only contents such as a summary of a playback time desired by a user, a highlight scene collection, and a scene desired by the user upon delivery of the media content.
さらに、サーバとユーザの通信を行う回線状況によって配送するデータ量を調整する手段を提供することを目的とする。 It is another object of the present invention to provide means for adjusting the amount of data to be delivered according to the line status for communication between the server and the user.
本発明は、複数の場面で構成されるメディアコンテンツの各場面を表す複数のセグメントが記述されているデータ構造部と、前記セグメントの各々に割り当てられる属性情報である、場面を表す少なくとも1つのキーワードによって表される観点、及び各観点に基づいた前記セグメントの重要度を表すスコアが記述されている属性部との両方を有する文脈内容記述データを入力する入力部と、前記観点及び前記スコアのうち少なくとも一方に基づいて少なくとも一つのセグメントを選択して出力する選択部と、前記メディアコンテンツを入力するコンテンツ入力部と、前記選択部で選択されたセグメントの時間情報から前記メディアコンテンツの区間を抽出する抽出部と、を備えた要約作成装置を提供する。 The present invention relates to a data structure part in which a plurality of segments representing each scene of media content composed of a plurality of scenes are described, and at least one keyword representing a scene, which is attribute information assigned to each of the segments And an input unit that inputs context content description data having both an attribute unit in which a score representing the importance of the segment based on each viewpoint is described, and the viewpoint and the score A selection unit that selects and outputs at least one segment based on at least one, a content input unit that inputs the media content, and a section of the media content is extracted from time information of the segment selected by the selection unit An abstract creation device including an extraction unit is provided.
本発明は、複数の場面で構成されるメディアコンテンツの各場面を表す複数のセグメントが記述されているデータ構造部と、前記セグメントの各々に割り当てられる属性情報である、場面の区切りを表す時間情報、場面の内容を表す少なくとも1つのキーワードによって表される観点、及び観点に基づいた各セグメントの重要度を表すスコアが記述されている属性部との両方を有する文脈内容記述データを入力する入力部と、前記属性部に記述されている前記スコアと前記時間情報の少なくとも一方に基づいて、前記データ構造部からセグメントを選択して出力する選択部と、前記メディアコンテンツを入力するコンテンツ入力部と、前記選択部で選択されたセグメントの時間情報から前記メディアコンテンツの区間を抽出する抽出部と、を備えた要約作成装置を提供する。 The present invention relates to a data structure part in which a plurality of segments representing each scene of media content composed of a plurality of scenes are described, and time information representing scene breaks, which is attribute information assigned to each of the segments. , An input unit for inputting context content description data having both an viewpoint represented by at least one keyword representing the content of the scene and an attribute part describing a score representing the importance of each segment based on the viewpoint A selection unit that selects and outputs a segment from the data structure unit based on at least one of the score and the time information described in the attribute unit, a content input unit that inputs the media content, An extraction unit for extracting a section of the media content from the time information of the segment selected by the selection unit; It provides a summary creation device was painting.
上記要約作成装置では、前記時間情報は、各場面の開始時間と終了時間を含む。 In the summary creation device, the time information includes a start time and an end time of each scene.
上記要約作成装置では、前記時間情報は、各場面の開始時間と継続時間を含む。 In the summary creation device, the time information includes a start time and a duration of each scene.
上記要約作成装置では、前記選択部は、前記属性部に記述されている前記スコアと前記時間情報に基づいてセグメントを選択する際に、その選択されたセグメントの継続時間の和が設定時間または設定時間以下になるように選択する。 In the summary creation device, when the selection unit selects a segment based on the score and the time information described in the attribute unit, a sum of durations of the selected segment is set time or setting. Choose to be below time.
上記要約作成装置では、前記選択部は、前記属性部に記述されている前記観点及び前記スコアのうち少なくとも一方と、その時間情報に基づいてセグメントを選択する際に、その選択されたセグメントの継続時間の和が設定時間または設定時間以下になるように選択する。 In the summary creation device, when the selection unit selects a segment based on at least one of the viewpoint and the score described in the attribute unit and time information thereof, the continuation of the selected segment is performed. Select the sum of time so that it is less than or equal to the set time.
上記要約作成装置では、前記選択部は、前記スコアが大きい順にセグメントを選択する。 In the summary creation device, the selection unit selects segments in descending order of the score.
上記要約作成装置は、前記抽出部で抽出された区間のメディアコンテンツを再生する再生部を備える。 The summary creation device includes a playback unit that plays back the media content in the section extracted by the extraction unit.
上記要約作成装置では、前記データ構造部には、前記複数のセグメントが階層的に記述されている。 In the summary creation device, the plurality of segments are hierarchically described in the data structure section.
上記要約作成装置では、前記属性部に、文脈内容に関する補助情報が記述されている。 In the summary creation device, auxiliary information related to context content is described in the attribute section.
上記要約作成装置では、前記観点と前記スコアとの複数組が1つのセグメントに関連付けられている。 In the summary creation device, a plurality of sets of the viewpoint and the score are associated with one segment.
本発明は、文脈内容記述データを入力する入力部と、前記文脈内容記述データからセグメントを選択する選択部と、前記選択部で選択されたセグメントからメディアコンテンツを抽出する抽出部とを有するデータ処理装置のデータ処理方法であって、複数の場面で構成されるメディアコンテンツの各場面を表す複数のセグメントが記述されているデータ構造部と、前記セグメントの各々に割り当てられる属性情報である、場面を表す少なくとも1つのキーワードによって表される観点、及び各観点に基づいた前記セグメントの重要度を表すスコアが記述されている属性部との両方を有する文脈内容記述データを入力するステップと、前記観点及び前記スコアのうち少なくとも一方に基づいて少なくとも一つのセグメントを選択して出力するステップと、前記メディアコンテンツを入力するステップと、前記選択されたセグメントの時間情報から前記メディアコンテンツの区間を抽出するステップと、を備えたデータ処理方法を提供する。 The present invention provides a data processing comprising an input unit for inputting context content description data, a selection unit for selecting a segment from the context content description data, and an extraction unit for extracting media content from the segment selected by the selection unit A data processing method for an apparatus, comprising: a data structure portion in which a plurality of segments representing each scene of media content composed of a plurality of scenes are described; and attribute information assigned to each of the segments. Inputting contextual content description data having both a viewpoint represented by at least one keyword to be represented and an attribute part in which a score representing the importance of the segment based on each viewpoint is described; Select and output at least one segment based on at least one of the scores. Providing a-up, the steps of: inputting said media content, comprising the steps of extracting the section of the media content from the time information of the segment that said selected data processing method comprising a.
本発明は、複数の場面で構成されるメディアコンテンツの各場面を表す複数のセグメントが記述されているデータ構造部と、前記セグメントの各々に割り当てられる属性情報である、場面を表す少なくとも1つのキーワードによって表される観点、及び各観点に基づいた前記セグメントの重要度を表すスコアが記述されている属性部との両方を有する文脈内容記述データを入力するステップと、前記観点及び前記スコアのうち少なくとも一方に基づいて少なくとも一つのセグメントを選択して出力するステップと、前記メディアコンテンツを入力するステップと、前記選択されたセグメントの時間情報から前記メディアコンテンツの区間を抽出するステップと、をコンピュータに実行させるためのプログラムを提供する。 The present invention relates to a data structure part in which a plurality of segments representing each scene of media content composed of a plurality of scenes are described, and at least one keyword representing a scene, which is attribute information assigned to each of the segments Inputting contextual content description data having both the viewpoint represented by the above and an attribute part in which a score representing the importance of the segment based on each viewpoint is described, and at least of the viewpoint and the score Selecting and outputting at least one segment based on the one; inputting the media content; and extracting a segment of the media content from time information of the selected segment. Provide a program for
本発明は、文脈内容記述データを入力する入力部と、前記文脈内容記述データからセグメントを選択する選択部と、前記選択部で選択されたセグメントからメディアコンテンツを抽出する抽出部とを有するデータ処理装置のデータ処理方法であって、複数の場面で構成されるメディアコンテンツの各場面を表す複数のセグメントが記述されているデータ構造部と、前記セグメントの各々に割り当てられる属性情報である、場面の区切りを表す時間情報、場面の内容を表す少なくとも1つのキーワードによって表される観点、及び観点に基づいた各セグメントの重要度を表すスコアが記述されている属性部との両方を有する文脈内容記述データを入力するステップと、前記属性部に記述されている前記スコアと前記時間情報の少なくとも一方に基づいて、前記データ構造部からセグメントを選択して出力するステップと、前記メディアコンテンツを入力するステップと、前記選択されたセグメントの時間情報から前記メディアコンテンツの区間を抽出するステップと、を備えたデータ処理方法を提供する。 The present invention provides a data processing comprising an input unit for inputting context content description data, a selection unit for selecting a segment from the context content description data, and an extraction unit for extracting media content from the segment selected by the selection unit A data processing method for an apparatus, comprising: a data structure part describing a plurality of segments representing each scene of media content composed of a plurality of scenes; and attribute information assigned to each of the segments. Contextual content description data having both time information representing a break, a viewpoint represented by at least one keyword representing the content of the scene, and an attribute part describing a score representing the importance of each segment based on the viewpoint And at least one of the score and the time information described in the attribute part And selecting and outputting a segment from the data structure unit, inputting the media content, and extracting a segment of the media content from time information of the selected segment. Provide a data processing method.
上記データ処理方法では、前記時間情報は、各場面の開始時間と終了時間を含む。 In the data processing method, the time information includes a start time and an end time of each scene.
上記データ処理方法では、前記時間情報は、各場面の開始時間と継続時間を含む。 In the data processing method, the time information includes a start time and a duration of each scene.
上記データ処理方法では、前記セグメントを選択するステップでは、前記属性部に記述されている前記スコアと前記時間情報に基づいて選択する際に、その選択されたセグメントの継続時間の和が設定時間または設定時間以下になるように選択する。 In the data processing method, in the step of selecting the segment, when selecting based on the score described in the attribute section and the time information, a sum of durations of the selected segment is set time or Select to be less than the set time.
上記データ処理方法では、前記セグメントを選択するステップでは、前記属性部に記述されている前記観点及び前記スコアのうち少なくとも一方と、その時間情報に基づいて選択する際に、その選択されたセグメントの継続時間の和が設定時間または設定時間以下になるように選択する。 In the data processing method, in the step of selecting the segment, when selecting based on at least one of the viewpoint and the score described in the attribute section and the time information, the selected segment is selected. Select so that the sum of durations is less than or equal to the set time.
上記データ処理方法では、前記セグメントを選択するステップでは、前記スコアが大きい順にセグメントを選択する。 In the data processing method, in the step of selecting the segment, the segment is selected in descending order of the score.
本発明は、複数の場面で構成されるメディアコンテンツの各場面を表す複数のセグメントが記述されているデータ構造部と、前記セグメントの各々に割り当てられる属性情報である、場面の区切りを表す時間情報、場面の内容を表す少なくとも1つのキーワードによって表される観点、及び観点に基づいた各セグメントの重要度を表すスコアが記述されている属性部との両方を有する文脈内容記述データを入力するステップと、前記属性部に記述されている前記スコアと前記時間情報の少なくとも一方に基づいて、前記データ構造部からセグメントを選択して出力するステップと、前記メディアコンテンツを入力するステップと、前記選択されたセグメントの時間情報から前記メディアコンテンツの区間を抽出するステップと、をコンピュータに実行させるためのプログラムを提供する。 The present invention relates to a data structure part in which a plurality of segments representing each scene of media content composed of a plurality of scenes are described, and time information representing scene breaks, which is attribute information assigned to each of the segments. Inputting contextual content description data having both an aspect represented by at least one keyword representing the content of the scene and an attribute part describing a score representing the importance of each segment based on the viewpoint; Selecting and outputting a segment from the data structure unit based on at least one of the score and the time information described in the attribute unit, inputting the media content, and the selected Extracting the section of the media content from the time information of the segment; It provides a program to be executed by the.
本発明によれば、必要とする場面をメディアコンテンツの中から自由に選択することができる要約作成装置、データ処理方法、およびそのデータ処理方法をコンピュータに実行させるためのプログラムを提供することができる。 According to the present invention, it is possible to provide a summary creation device, a data processing method, and a program for causing a computer to execute the data processing method that can freely select a required scene from media contents. .
以下、図面を参照しながら、本発明の実施の形態について説明する。 Hereinafter, embodiments of the present invention will be described with reference to the drawings.
〔第1の実施の形態〕
以下、本発明に係る第1の実施の形態について述べる。本実施の形態においては、メディアコンテンツとして、MPEG1システムストリームの動画像を想定する。この場合、メディアセグメントは、ひとつのシーンカットに相当する。また本実施の形態において、スコアは、該当する場面における文脈内容に基づいた客観的な重要度とする。
[First Embodiment]
The first embodiment according to the present invention will be described below. In the present embodiment, an MPEG1 system stream moving image is assumed as media content. In this case, the media segment corresponds to one scene cut. In the present embodiment, the score is an objective importance based on the context contents in the corresponding scene.
図1は、本実施の形態におけるデータ処理方法のブロック図である。図1において、101は選択ステップを、102は抽出ステップを表す。選択ステップ101は、文脈内容記述データからメディアコンテンツの場面を選択し、その場面の開始時間と終了時間を出力する処理を行う。また、抽出ステップ102は、選択ステップ101が出力した開始時間と終了時間によって区切られるメディアコンテンツの区間のデータを抽出する処理を行う。
FIG. 1 is a block diagram of a data processing method according to the present embodiment. In FIG. 1, 101 represents a selection step and 102 represents an extraction step. The
図2に、本実施の形態の文脈内容記述データの構成を示す。本実施の形態では、文脈内容を木構造で記述する。また、木構造の兄弟関係は、左から時間順にならんでいるものとする。図2において、<contents>と記されている木構造の根(root)は、ひとつのコンテンツを表し、属性としてそのコンテンツのタイトルが付けられる。 FIG. 2 shows the configuration of the context content description data of the present embodiment. In the present embodiment, context contents are described in a tree structure. In addition, it is assumed that the sibling relationships of the tree structure are arranged in order of time from the left. In FIG. 2, the root of the tree structure indicated as <contents> represents one content, and the title of the content is attached as an attribute.
<contents>の子要素は、<section>である。<section>には、該当場面の文脈内容上の重要度を表すpriorityが属性として付加される。重要度は1から5までの整数値とし、1が最も重要度が低く、5が最も重要度が高い、とする。 The child element of <contents> is <section>. In <section>, a priority indicating an importance level in context contents of the corresponding scene is added as an attribute. The importance is an integer value from 1 to 5, with 1 being the least important and 5 being the most important.
<section>の子要素は、<section>か<segment>である。すなわち、<section>は、それ自身を子要素としても良いとする。ただし、ひとつの<section>の子要素として、<section>と<segment>を混在させてはならないこととする。 The child element of <section> is <section> or <segment>. In other words, <section> may itself be a child element. However, <section> and <segment> must not be mixed as child elements of one <section>.
<segment>は、ひとつのシーンカットを表し、<section>と同様のpriorityと、該当シーンの時間情報として、開始時間を表すstartと、終了時間を表すendとが、属性として付加される。シーンカットの方法は、市販されていたり、ネットワークで流通しているソフトを用いても良いし、人手で行っても良い。なお、本実施の形態では、時間情報をシーンカットの開始時間と終了時間としたが、時間情報として開始時間と該当シーンの継続時間としても同様の効果が得られる。この場合、該当シーンの終了時間は、開始時間に継続時間を加算して求められる。 <segment> represents one scene cut, and a priority similar to <section>, start indicating a start time, and end indicating an end time are added as attributes as time information of the scene. The scene cut method may be commercially available or may be software distributed on a network, or may be performed manually. In the present embodiment, the time information is the start time and end time of the scene cut, but the same effect can be obtained by using the start time and the duration of the corresponding scene as time information. In this case, the end time of the corresponding scene is obtained by adding the duration to the start time.
この文脈内容記述データにより、映画などの物語の場合は、多階層の<section>により、章、節、段落などを記述することができる。もうひとつの例として野球を記述する場合、最上位の<section>で回を記述し、その子要素の<section>で表裏を記述し、その子要素の<section>で各打者の場面を記述し、さらにその子要素の<section>で、各投球やその合間、その打席の結果などを記述することができる。 With this contextual content description data, in the case of a story such as a movie, chapters, sections, paragraphs, etc. can be described by multi-level <section>. As another example, when describing baseball, describe the times in the top <section>, describe the front and back in the child <section>, describe each batter's scene in the child <section>, Furthermore, the <section> of the child element can describe each pitch, the interval, and the result of the bat.
この構成の文脈内容記述データをコンピュータ上で表現する一例として、Extensible Markup Language(XML)による記述を用いることができる。XMLはWorld Wide Web Consortiumによって標準化が進められているデータ記述言語であり、1998年2月10日にVer. 1.0が勧告された。XML ver. 1.0の仕様書は、http://www.w3.org/TR/1998/REC-xml-19980210で得られる。図3〜図9は、本実施の形態の文脈内容記述データをXMLで記述するためのDocument Type Definition(DTD)と、このDTDによる文脈内容記述データの一例である。また、図10〜図19は、図3〜図9に示す文脈内容記述データに、代表画像(映像情報)やキーワード(音情報)などのメディアセグメントの代表データ(dominant-data)を追加した文脈内容記述データの一例と、該文脈内容記述データをXMLで記述するためのDTDである。 As an example of expressing the context content description data of this configuration on a computer, a description in Extensible Markup Language (XML) can be used. XML is a data description language that is being standardized by the World Wide Web Consortium, and Ver. 1.0 was recommended on February 10, 1998. The XML ver. 1.0 specification is available at http://www.w3.org/TR/1998/REC-xml-19980210. 3 to 9 are examples of Document Type Definition (DTD) for describing the context content description data of this embodiment in XML and the context content description data by this DTD. 10 to 19 are contexts in which media segment representative data (dominant-data) such as representative images (video information) and keywords (sound information) is added to the context content description data shown in FIGS. An example of content description data and a DTD for describing the context content description data in XML.
以下、選択ステップ101での処理について説明する。選択ステップ101での処理は、文脈内容記述データの形式、および各場面の文脈内容におけるスコアの付け方と密接に関係するものである。本実施の形態では、選択ステップ101は図22に示すような<segment>を子要素にもつ<section>のみに着目し(図23のS1、S4、S5)、そのpriorityの値があるしきい値より大きい<section>を選択し(図23のS2)、その開始時間と終了時間を出力する処理(図23のS3)を行うこととする。そのため、<segment>を子要素に持つ<section>のpriorityは、コンテンツ内すべての<segment>を子要素に持つ<section>の間での重要度とする。すなわち、図22における点線で囲んだ<section>の中での重要度をpriorityに設定する。これ以外の<section>、<segment>のpriorityの付け方は任意とする。なお、重要度はすべて異なる値である必要はなく、異なる要素に同じ値の重要度が付いてよいとする。図23に、本実施の形態における選択ステップでの処理のフローチャートを示す。選択された<section>に関しては、その子要素である<segment>から、該当<section>で表現される場面の開始時間と終了時間を調べる。そして、その開始時間と終了時間を出力する。
Hereinafter, the process in the
なお、本実施の形態では、<segment>を子要素として持つ<section>に着目して処理を行ったが、ほかに<segment>に着目して、それらの選択を行っても良い。この場合、priorityは、コンテンツ内すべての<segment>間での重要度とする。また、<segment>を子要素として持たない上位層の<section>のうち、同じ階層のものに着目して、その選択を行っても良い。すなわち、<contents>あるいは<segment>から数えて同じ経路数の<section>に着目した処理を行っても良い。 In the present embodiment, processing is performed by focusing on <section> having <segment> as a child element. However, it is also possible to select these by focusing on <segment>. In this case, priority is the importance between all <segments> in the content. Alternatively, the selection may be made by paying attention to the same layer among the <sections> of the upper layer that does not have <segment> as a child element. That is, processing focusing on <sections> having the same number of paths counted from <contents> or <segment> may be performed.
以下、図24を参照しながら、抽出ステップ102の動作について説明する。図24は、本実施の形態に係わる抽出ステップ102のブロック図である。図24において、本実施の形態における抽出ステップ102は、分離手段601と、ビデオスキミング手段602と、オーディオスキミング手段603とから構成される。本実施の形態においては、メディアコンテンツとしてMPEG1システムストリームを想定している。MPEG1システムストリームはビデオストリームとオーディオストリームが多重化されたものであり、分離手段601は、多重化されたシステムストリームをビデオストリームとオーディオストリームとに分離するものである。ビデオスキミング手段602は、分離されたビデオストリームと選択ステップ101の出力である区間を入力とし、入力されたビデオストリームから、選択された区間のデータだけを出力するものである。オーディオスキミング手段603は、分離されたオーディオストリームと選択ステップ101の出力である区間を入力とし、入力されたオーディオストリームから、選択された区間のデータだけを出力するものである。
Hereinafter, the operation of the
以下、図を参照しながら、分離手段601の処理について説明する。図25に分離手段601の処理のフローチャートを示す。MPEG1システムストリームの多重化方式は、国際標準ISO/IEC IS 11172-1で標準化されたものであり、ビデオストリームとオーディオストリームがパケットにより多重化されている。パケットによる多重化は、ビデオストリーム、オーディオストリームそれぞれを、パケットと呼ばれる適当な長さのストリームに分割し、ヘッダなどの付加情報を付けて行うものである。この時、ビデオストリームとオーディオストリームは、それぞれ複数あっても良いとされている。パケットのヘッダには、ビデオ、オーディオを区別することができるストリームidや、ビデオとオーディオの同期をとるためのタイムスタンプが記述されている。ストリームidは、ビデオとオーディオの区別だけでなく、ビデオが複数あった場合、どのストリームであるかの区別することができるものである。同様に、オーディオストリームが複数あった場合にも、区別することができるものである。MPEG1システムでは、パケットを複数束ねたパックという単位で構成される。パックには、多重化レートや同期再生用の時間基準参照用の付加情報などがヘッダとして付加されている。さらに先頭のパックには、多重化したビデオストリーム数やオーディオストリーム数などの付加情報がシステムヘッダとして付けられている。分離手段601は、まず先頭のパックのシステムヘッダから、多重化されているビデオストリーム数とオーディオストリーム数を読みとり(S1、S2)、各ストリームのデータを保存する領域を確保する(S3、S4)。続いて、各パケットごとにストリームidを調べ、該当ストリームidで指定されるストリームを保存するデータ領域にパケットデータを書き込む(S5、S6)。すべてのパケットに対して以上の処理を繰り返す(S8、S9、S10)。すべてのデータに対して処理を行った後、各ストリーム毎に、ビデオストリームはビデオスキミング手段602へ、オーディオストリームはオーディオスキミング手段603へ出力する(S11)。
Hereinafter, the processing of the
以下、ビデオスキミング手段602の動作について述べる。図26にビデオスキミング手段602の処理のフローチャートを示す。MPEG1のビデオストリームは、国際標準ISO/IEC IS 11172-2で標準化されたものであり、図27に示すように、シーケンス層、GOP層、ピクチャ層、スライス層、マクロブロック層、ブロック層で構成されている。そのランダムアクセスの最小単位はGOP(Group Of Pictures)層である。また、ピクチャ層のひとつが1フレームに相当する。ビデオスキミング手段602は、GOP単位のデータ処理を行う。初期化処理として、出力したフレーム数のカウンタCを0とする(S3)。まず、ビデオスキミング手段602は、ビデオストリームの先頭がシーケンス層のヘッダであることを確認し(S2、S4)、そのデータを保存するとともに(S5)、そのヘッダのデータを出力する。シーケンス層のヘッダは以降も現れる場合があるが、その値は量子化マトリックス以外は変更が許されないため、シーケンスヘッダが入力されるたびに値の比較を行って(S8、S14)、量子化マトリックス以外の値が異なる場合はエラーとする(S15)。続いてビデオスキミング手段602は、入力されたデータからGOP層のヘッダを検出する(S9)。GOP層のヘッダにはタイムコードのデータが記述されている(S10)。これは、シーケンスの先頭からの時間を記述したものである。ビデオスキミング手段602は、このタイムコードと選択ステップ101が出力した区間(S1)との比較を行う(S11)。タイムコードが選択された区間に含まれていない場合、ビデオスキミング手段602は、次のGOP層またはシーケンス層が現れるまでのデータをすべて廃棄する。タイムコードが選択された区間の中に含まれている場合、ビデオスキミング手段602は、この次のGOP層あるいはシーケンス層が現れるまでのデータをすべて出力する(S13)。ただし、それまで出力されたデータとの連続性を持たせるために、GOP層のタイムコードを変更する必要がある(S12)。そこで、カウンタCの値を用いて変更するタイムコードを求める。カウンタCは、それまでに出力されたフレーム数であるため、今回出力するGOP層の先頭フレームが表示される時間Tvは、Cとシーケンスヘッダに記述されている毎秒の表示画面数であるピクチャレートprを用いて、以下の式(1)により求められる。 The operation of the video skimming means 602 will be described below. FIG. 26 shows a flowchart of processing of the video skimming means 602. The MPEG1 video stream is standardized by the international standard ISO / IEC IS 11172-2, and is composed of a sequence layer, a GOP layer, a picture layer, a slice layer, a macroblock layer, and a block layer as shown in FIG. Has been. The minimum unit of the random access is a GOP (Group Of Pictures) layer. One picture layer corresponds to one frame. The video skimming means 602 performs data processing in units of GOP. As an initialization process, the output frame number counter C is set to 0 (S3). First, the video skimming means 602 confirms that the head of the video stream is a sequence layer header (S2, S4), stores the data (S5), and outputs the header data. Although the header of the sequence layer may appear later, the value is not allowed to be changed except for the quantization matrix. Therefore, the value is compared every time the sequence header is input (S8, S14), and the quantization matrix is obtained. If the values other than are different, an error is determined (S15). Subsequently, the video skimming means 602 detects a GOP layer header from the input data (S9). Time code data is described in the header of the GOP layer (S10). This describes the time from the beginning of the sequence. The video skimming means 602 compares this time code with the section (S1) output by the selection step 101 (S11). If the time code is not included in the selected section, the video skimming means 602 discards all data until the next GOP layer or sequence layer appears. If the time code is included in the selected section, the video skimming means 602 outputs all data until the next GOP layer or sequence layer appears (S13). However, it is necessary to change the time code of the GOP layer in order to have continuity with the data output so far (S12). Therefore, a time code to be changed is obtained using the value of the counter C. Since the counter C is the number of frames output so far, the time Tv for displaying the first frame of the GOP layer to be output this time is the picture rate that is the number of display screens per second described in C and the sequence header. Using pr, the following equation (1) is obtained.
Tv=C/pr ・・・(1) Tv = C / pr (1)
Tvは1/pr秒単位の値であるため、これをMPEG1のタイムコードのフォーマットにしたがって変換し、今回出力するGOP層のタイムコードに設定する。また、GOP層のデータを出力するときに、出力したピクチャ層の数をカウンタCに加算する。以上の処理を、ビデオストリームの最後まで繰り返す(S7、S16)。分離手段601から複数のビデオストリームが出力された場合は、上記の処理を各ビデオストリーム毎に行う。
Since Tv is a value in units of 1 / pr seconds, it is converted according to the MPEG1 time code format and set to the time code of the GOP layer to be output this time. Further, when outputting data of the GOP layer, the number of output picture layers is added to the counter C. The above processing is repeated until the end of the video stream (S7, S16). When a plurality of video streams are output from the separating
以下、オーディオスキミング手段603の処理について記述する。図28にオーディオスキミング手段603の処理のフローチャートを示す。MPEGオーディオは国際標準ISO/IEC IS 11172-3で標準化されたものであり、AAU(Audio Access Unit)と呼ばれるフレームから構成される。図29にAAUの構造を示す。AAUはひとつひとつ独立でオーディオデータに復号できる最小単位であり、常に一定のサンプル数Snのデータで構成されている。したがって伝送速度であるビットレートbrと、サンプリング周波数Fsと、AAUのビット数Lから、1AAUの再生時間を算出することができる。まず、オーディオストリームからAAUのヘッダを検出することによって(S2、S5)、1AAUのビット数Lを求めることができる。また、AAUのヘッダには、ビットレートbrとサンプリング周波数Fsが記述されている。1AAUのサンプル数Snは以下の式(2)によって求められる。 Hereinafter, processing of the audio skimming means 603 will be described. FIG. 28 shows a flowchart of processing of the audio skimming means 603. MPEG audio is standardized by the international standard ISO / IEC IS 11172-3 and is composed of a frame called AAU (Audio Access Unit). FIG. 29 shows the structure of AAU. AAU is the smallest unit that can be decoded into audio data individually and is always composed of data of a certain number of samples Sn. Therefore, the playback time of 1 AAU can be calculated from the bit rate br, which is the transmission speed, the sampling frequency Fs, and the number of bits AAU. First, by detecting the AAU header from the audio stream (S2, S5), the number of bits A of 1 AAU can be obtained. Further, the bit rate br and the sampling frequency Fs are described in the AAU header. The sample number Sn of 1 AAU is obtained by the following equation (2).
Sn=(L×Fs)/br ・・・(2) Sn = (L × Fs) / br (2)
また、1AAUの再生時間Tuは以下の式(3)によって求められる(S3)。 Further, the playback time Tu of 1AAU is obtained by the following equation (3) (S3).
Tu=Sn/Fs=L/Br ・・・(3) Tu = Sn / Fs = L / Br (3)
Tuを求めると、AAUの個数をカウントすることによって、ストリームの先頭からの時間を得ることができる。オーディオスキミング手段603は、それまで現れたAAUの個数をカウントし、その先頭からの時間を算出する(S7)。その時間と、選択ステップ101が出力した区間との比較を行う(S8)。AAUの出現時間が選択された区間に含まれる場合、オーディオスキミング手段603はそのAAUのデータをすべて出力する(S9)。また、AAUの出現時間が選択された区間に含まれていない場合、オーディオスキミング手段603はそのAAUのデータを廃棄する。以上の処理を、オーディオストリームの最後まで繰り返す(S6、S11)。分離手段601から複数のオーディオストリームが出力された場合は、各オーディオストリーム毎に上記の処理を行う。
When Tu is obtained, the time from the beginning of the stream can be obtained by counting the number of AAUs. The audio skimming means 603 counts the number of AAUs that have appeared so far, and calculates the time from the beginning (S7). The time is compared with the section output by the selection step 101 (S8). When the AAU appearance time is included in the selected section, the audio skimming means 603 outputs all the data of the AAU (S9). If the AAU appearance time is not included in the selected section, the audio skimming means 603 discards the AAU data. The above processing is repeated until the end of the audio stream (S6, S11). When a plurality of audio streams are output from the separating
本実施の形態の効果としては、図30に示すように、抽出ステップ102の出力であるビデオストリームとオーディオストリームをそれぞれビデオ再生手段、オーディオ再生手段に入力させ、ビデオストリームとオーディオストリームを同期させて再生することにより、該当メディアコンテンツのあらすじやハイライトシーンを再生することができる。また、上記得られたビデオストリームとオーディオストリームを多重化することによって、該当メディアコンテンツのあらすじやハイライトシーン集のMPEG1システムストリームを作成することができる。
As an effect of this embodiment, as shown in FIG. 30, the video stream and the audio stream, which are the outputs of the
〔第2の実施の形態〕
以下、本発明に係る第2の実施の形態について述べる。本実施の形態は、第1の実施の形態と比較して、選択ステップの処理のみが異なるものである。
[Second Embodiment]
The second embodiment according to the present invention will be described below. This embodiment is different from the first embodiment only in the process of the selection step.
以下、図を参照しながら本実施の形態における選択ステップ101の処理について記述する。本実施の形態における選択ステップ101では、最上位の<section>から葉である<segment>まですべてのpriorityを利用する。<section>、<segment>の各々のpriorityは、文脈内容における客観的な重要度とする。この処理を図31を参照しながら説明する。図31において、1301は文脈内容記述データにおける最上位の<section>のうちのひとつである。1302は<section>1301の子要素<section>である。1303は<section>1302の子要素<section>である。1304は<section>1303の子要素<segment>である。本実施の形態における選択ステップ101では、<segment>から祖先である最上位の<section>までの経路上すべてのpriorityの相加平均をとり、その値がしきい値以上の<segment>を選択する。図28の例では、<segment>1304と、<section>1303と、<section>1302と、<section>1301との、それぞれの属性priorityの値p4,p3,p2,p1の相加平均paを計算する。paは以下の式(4)によって求められる。
Hereinafter, the processing of the
pa=(p1+p2+p3+p4)/4 ・・・(4) pa = (p1 + p2 + p3 + p4) / 4 (4)
このpaとしきい値との比較を行い(S1、S2)、paがしきい値以上であれば<segment>1304を選択し(S3)、<segment>1304の属性startとendの値を、選択された場面の開始時間と終了時間として出力する(S4)。以上の処理をすべての<segment>に対して行う(S1、S6)。図32に、本実施の形態における選択ステップ101の処理のフローチャートを示す。
This pa is compared with the threshold value (S1, S2). If pa is equal to or greater than the threshold value, <segment> 1304 is selected (S3), and the attribute start and end values of <segment> 1304 are selected. It outputs as the start time and end time of the set scene (S4). The above processing is performed for all <segment> (S1, S6). FIG. 32 shows a flowchart of the processing of
なお、本実施の形態では、<segment>から祖先である最上位の<section>までのpriorityの相加平均を算出して、それにより<segment>の選択を行ったが、これを、<segment>を子要素としてもつ<section>から祖先である最上位の<section>までのpriorityの相加平均をとって、しきい値処理により、<segment>を子要素として持つ<section>の選択を行っても良い。同様に、他の階層の<section>から祖先である最上位の<section>までの相加平均をとって、しきい値処理により、その階層の<section>の選択を行っても良い。 In this embodiment, the arithmetic average of the priority from <segment> to the highest ancestor <section> is calculated, and <segment> is selected accordingly. Select the <section> with <segment> as a child element by threshold processing by taking the arithmetic mean of the priorities from <section> having <> as a child element to the highest <section> that is the ancestor You can go. Similarly, an arithmetic average from <section> of another hierarchy to the highest <section> that is an ancestor may be taken, and <section> of that hierarchy may be selected by threshold processing.
〔第3の実施の形態〕
以下、本発明に係る第3の実施の形態について述べる。本実施の形態も、第1の実施の形態と比較して、選択ステップの処理のみが異なるものである。
[Third Embodiment]
The third embodiment according to the present invention will be described below. This embodiment also differs from the first embodiment only in the process of the selection step.
以下、図を参照しながら本実施の形態における選択ステップ101の処理について記述する。本実施の形態における選択ステップ101は、第1の実施の形態における処理と同様に、<segment>を子要素にもつ<section>のみに着目し、その選択を行う。本実施の形態においては、選択する場面すべての継続時間の和にしきい値を設ける。すなわち、それまでに選択された<section>の継続時間の和が、このしきい値以下で最大となるまで、<section>のpriorityの大きい順に選択を行う。図33に、本実施の形態における選択ステップ101のフローチャートを示す。<segment>を子要素としてもつ<section>の集合をΩとする(S1)。まず、属性priorityをキーとして、Ωの要素<section>を降順にソートする(S2)。Ωから最もpriorityの大きい<section>を選択する(S4、S5)。選択された<section>をΩから除去する。選択された<section>の子要素<segment>をすべて調べることにより、<section>の開始時間と終了時間を求め、<section>の継続時間を計算する(S6)。これまでに選択された<section>の継続時間の和を求め(S7)、しきい値を越えていれば処理を終了する(S8)。しきい値以下であれば、今回選択された<section>の開始時間と終了時間とを出力し(S9)、Ωからpriorityの最も大きい<section>の選択へ返る。この処理を、選択された<section>の継続時間の和がしきい値を越えるか、あるいはΩが空集合となるまで繰り返す(S4、S8)。
Hereinafter, the processing of the
なお、本実施の形態では、<segment>を子要素として持つ<section>に着目して処理を行ったが、ほかに<segment>に着目して、それらの選択を行っても良い。この場合、priorityは、コンテンツ内すべての<segment>間での重要度とする。また、<segment>を子要素として持たない<section>のうち同じ階層のものに着目して、その選択を行っても良い。すなわち、<contents>あるいは<segment>から数えて同じ経路数の<section>に着目した処理を行っても良い。 In the present embodiment, processing is performed by focusing on <section> having <segment> as a child element. However, it is also possible to select these by focusing on <segment>. In this case, priority is the importance between all <segments> in the content. Alternatively, the selection may be made by paying attention to the same section of <section> that does not have <segment> as a child element. That is, processing focusing on <sections> having the same number of paths counted from <contents> or <segment> may be performed.
また、第2の実施の形態と同様に、<section>、<segment>の各々のpriorityを文脈内容における客観的な重要度とし、<segment>から祖先である最上位の<section>までのpriorityの相加平均paを計算して、paの大きい順から<segment>を子要素としてもつ<section>、あるいは<segment>を、継続時間の和がしきい値以下の最大となるまで選択する、としても同様の効果が得られる。 Similarly to the second embodiment, each priority of <section> and <segment> is set as an objective importance in the context contents, and the priority from <segment> to the highest-level <section> that is an ancestor Calculate the arithmetic mean pa of and select <section> or <segment> with <segment> as a child element in descending order of pa until the sum of durations is below the threshold, The same effect can be obtained.
〔第4の実施の形態〕
以下、本発明に係る第4の実施の形態について述べる。本実施の形態も、第1の実施の形態と比較して、選択ステップの処理のみが異なるものである。
[Fourth Embodiment]
The fourth embodiment according to the present invention will be described below. This embodiment also differs from the first embodiment only in the process of the selection step.
以下、図を参照しながら本実施の形態における選択ステップ101の処理について記述する。本実施の形態における選択ステップ101は、第1の実施の形態における処理と同様に、<segment>と<segment>を子要素にもつ<section>とに着目し処理を行う。また、本実施の形態においては、第3の実施の形態と同様に、選択する場面すべての継続時間の和にしきい値を設ける。<segment>を子に持つ<section>のpriorityは、第1の実施の形態と同様、コンテンツ内すべての<segment>を子要素に持つ<section>の間での重要度とする。すなわち、図34における点線で囲んだ<section>間での重要度とする。また、<segment>のpriorityは、同じ<section>を親要素に持つ<segment>間での重要度とする。すなわち、図34における一点鎖線で囲んだ中の<segment>間での重要度とする。
Hereinafter, the processing of the
図35に本実施の形態における選択ステップ101の処理のフローチャートを示す。まず、<segment>を子要素として持つ<section>の集合をΩとする(S1)。Ωをpriorityのキーとして降順にソートする(S2)。続いて、Ωからpriorityの最も大きい<section>を選択する(S3、S4、S5)。この時、最も重要度の大きい<section>が複数ある場合はすべて選択する。選択された<section>を集合Ω’の要素とし、集合Ωから削除する。選択された<section>の子要素<segment>から、該当<section>で表現される場面の開始時間と終了時間と継続時間を求めて記憶しておく(S6)。<section>が複数選択された場合は、そのすべてに関して、それらを求める。Ω’の要素である<section>の継続時間の総和を求め(S7、S8)、しきい値との比較を行う(S9)。継続時間の総和がしきい値と等しい場合は、記憶しておいた開始時間と終了時間をすべて出力して、処理を終了する(S10)。継続時間の総和がしきい値より小さい場合は、Ωから<section>の選択処理へ返る(S4、S5)。このときΩが空集合の場合は、記憶しておいた開始時間と終了時間をすべて出力して、処理を終了する(S4)。継続時間の総和がしきい値より大きい場合は、以下の処理を行う。集合Ω’の要素のうち、重要度が最も小さい<section>を選択する(S11)。このとき、最も重要度の小さい<section>が複数ある場合は、それらをすべて選択する。選択された<section>の子要素<segment>のうち、最も重要度の小さいものを削除し(S12)、記憶されている該当<section>の開始時間と終了時間と継続時間を変更する(S13)。<segment>の削除によって、場面が分断されることがあるが、この場合は、分断されたそれぞれの開始時間と終了時間と継続時間を記憶しておくこととする。また、<segment>の削除によって、すべての<segment>が削除された<section>がある場合は、その<section>をΩ’から削除する。選択された<section>が複数ある場合は、そのすべてに関してこの処理を行う。<segment>を削除することによって、該当<section>の継続時間が短くなり、継続時間の総和も短くなる。この削除処理を、Ω’の要素の継続時間の総和がしきい値以下になるまで繰り返す。Ω’の要素の継続時間の総和がしきい値以下となった場合は(S14)、記憶している開始時間と終了時間をすべて出力して、処理を終了する(S15)。
FIG. 35 shows a flowchart of the processing of the
なお、本実施の形態においては、<segment>と<segment>を子要素としてもつ<section>に着目して処理を行っているが、<section>とその子要素の<section>、<section>とその子要素の<section>に着目して処理を行っても同様の効果が得られる。 In this embodiment, processing is performed by paying attention to <section> having <segment> and <segment> as child elements. However, <section> and <section>, <section> The same effect can be obtained by performing processing while paying attention to the <section> of the child element.
また、継続時間の総和がしきい値を越えた場合の<segment>の削除処理に関して、priorityの小さい<section>から削除を行ったが、<section>のpriorityにしきい値を設け、そのしきい値以下の<section>すべてから最も小さい重要度の<segment>を削除する、としてもよい。さらに、<segment>のpriorityにしきい値を設け、しきい値以下の<segment>を削除する、としても良い。 Also, regarding the deletion processing of <segment> when the total duration exceeds the threshold, deletion was performed from <section> with a low priority, but a threshold is set for the priority of <section>. The <segment> with the lowest importance may be deleted from all <section> below the value. Furthermore, a threshold value may be provided for <segment> priority, and <segment> below the threshold value may be deleted.
〔第5の実施の形態〕
以下、本発明に係る第5の実施の形態について述べる。本実施の形態においては、メディアコンテンツとして、MPEG1システムストリームの動画像を想定する。この場合、メディアセグメントは、ひとつのシーンカットに相当する。また本実施の形態において、スコアは、該当する場面における文脈内容に基づいた客観的な重要度とする。
[Fifth Embodiment]
The fifth embodiment according to the present invention will be described below. In the present embodiment, an MPEG1 system stream moving image is assumed as media content. In this case, the media segment corresponds to one scene cut. In the present embodiment, the score is an objective importance based on the context contents in the corresponding scene.
図36は、本発明の実施の形態に係わるデータ処理方法のブロック図である。
図36において、1801は選択ステップを、1802は抽出ステップを、1803は構成ステップを、1804は配送ステップを、1805はデータベースを表す。選択ステップ1801は、文脈内容記述データからメディアコンテンツの場面を選択し、その場面の開始時間と終了時間と、それが格納されているファイルを表すデータを出力する処理を行う。抽出ステップ1802は、選択ステップ1801が出力したファイルを表すデータ、開始時間、終了時間を受けとり、物理内容記述データを参照して、メディアコンテンツのファイルから、入力した開始時間と終了時間で区切られる区間のデータを抽出する処理を行う。構成ステップ1803は、抽出ステップ1802が出力したデータを多重化し、MPEG1システムストリームを構成する処理を行う。配送ステップ1804は、構成ステップ1803が作成したMPEG1システムストリームを、回線を通じて配送する処理を行う。1805はメディアコンテンツと、その物理内容記述データ、文脈内容記述データを格納したデータベースである。
FIG. 36 is a block diagram of a data processing method according to the embodiment of the present invention.
36, 1801 represents a selection step, 1802 represents an extraction step, 1803 represents a configuration step, 1804 represents a delivery step, and 1805 represents a database. A
図37に、本実施の形態における物理内容記述データの構成を示す。本実施の形態では、物理内容を木構造で記述する。メディアコンテンツのデータベース1805上の格納形態は、ひとつのメディアコンテンツがひとつのファイルとして格納されているとは限らず、ひとつのメディアコンテンツが複数のファイルに分割されて格納されている場合もある。そこで、物理内容記述データの木構造の根(root)は、<contents>と表記されひとつのコンテンツを表す。根<contents>には、属性として該当コンテンツのタイトルが付けられる。<contents>の子要素は<mediaobject>で、格納されているファイルを表す。<mediaobject>には、属性として格納されているファイルへのリンクlocatorと、文脈内容記述データとの関連付けのために識別子idが属性として付加される。また、メディアコンテンツが複数のファイルで構成されているときのために、該当ファイルがコンテンツ内での順序を表すseqも属性として付加する。
FIG. 37 shows the configuration of physical content description data in the present embodiment. In this embodiment, physical contents are described in a tree structure. The storage form of the
図38に、本実施の形態における文脈内容記述データの構成を示す。これは、第1の実施の形態における文脈内容記述データに、物理内容記述データの<mediaobject>との関連を加えたものである。すなわち、文脈内容記述データの根<contents>の子要素は<mediaobject>で、この<mediaobject>の子要素が<section>となる。<section>、<segment>は第1の実施の形態と同様のものである。文脈内容記述データの<mediaobject>との対応を取る。すなわち、文脈内容記述データの<mediaobject>の子孫で記述されるメディアコンテンツの場面は、同じ値の属性idをもつ物理内容記述データの<mediaobject>が示すファイルに格納されている。また、<segment>の時間情報startとendは、各ファイルの先頭からの時間を設定することとする。すなわち、ひとつのメディアコンテンツが複数のファイルから構成される場合、各ファイルの先頭時間は0であり、各場面の開始時間は、それが格納されているファイルの先頭からそこまでの経過時間で表すこととする。 FIG. 38 shows the configuration of the context content description data in the present embodiment. This is obtained by adding a relation with <mediaobject> of physical content description data to the context content description data in the first embodiment. That is, the child element of the root <contents> of the context content description data is <mediaobject>, and the child element of this <mediaobject> is <section>. <section> and <segment> are the same as those in the first embodiment. Corresponds to <mediaobject> in the context content description data. That is, a scene of media content described by a descendant of <mediaobject> of the context content description data is stored in a file indicated by <mediaobject> of the physical content description data having the same attribute id. Also, the time information start and end of <segment> is set to the time from the beginning of each file. That is, when one media content is composed of a plurality of files, the start time of each file is 0, and the start time of each scene is represented by the elapsed time from the start of the file in which it is stored. I will do it.
本実施の形態における物理内容記述データと文脈内容記述データとをコンピュータ上で表現する一例として、Extensible Markup Language(XML)による記述を用いることができる。図39は図37に示す物理内容記述データをXMLで記述するためのDocument Type Definition(DTD)と、このDTDによる物理内容記述データの一例である。また、図40〜図45は図38に示す文脈内容記述データをXMLで記述するためのDTDと、このDTDによる文脈内容記述データの一例である。 As an example of expressing the physical content description data and the context content description data in the present embodiment on a computer, a description in Extensible Markup Language (XML) can be used. FIG. 39 shows an example of Document Type Definition (DTD) for describing the physical content description data shown in FIG. 37 in XML and the physical content description data by this DTD. 40 to 45 are examples of a DTD for describing the context content description data shown in FIG. 38 in XML and context content description data based on this DTD.
以下、選択ステップ1801の処理について説明する。選択ステップ1801での場面の選択の手法は、第1〜第4の実施の形態に記載のいずれかの手法を用いる。ただし、結果として開始時間、終了時間とともに、対応する物理内容記述データの<mediaobject>のidも同時に出力する。物理内容記述データを図39に示すDTDによるXML文書で記述し、文脈内容記述データを図40、図45に示すDTDによるXML文書で表した場合の、選択ステップ1801の出力の一例を図46に示す。図46において、id=の後に物理内容記述データの<mediaobject>のidが記述され、start=の後に開始時間が記述され、end=の後に終了時間が記述される。
Hereinafter, the process of the
以下、抽出ステップ1802の処理について説明する。図47に、本実施の形態に係わる抽出ステップ1802のブロック図を示す。図47において、本実施の形態における抽出ステップ1802は、インターフェース手段2401と、分離手段2402と、ビデオスキミング手段2403と、オーディオスキミング手段2404とから構成される。インターフェース手段2401は、物理内容記述データと選択ステップ1802の出力を入力とし、データベース1805から、メディアコンテンツのファイルを取り出して、そのデータを分離手段2402へ出力し、選択ステップ1802が出力した区間の開始時間と終了時間をビデオスキミング手段2403とオーディオスキミング手段2404へ出力する。分離手段2402は、本実施の形態におけるメディアコンテンツはビデオストリームとオーディオストリームが多重化されたMPEG1システムストリームであるため、ビデオストリームとオーディオストリームとに分離するものである。ビデオスキミング手段2403は、分離されたビデオストリームとインターフェース手段2401が出力した区間を入力とし、入力されたビデオストリームから、選択された区間のデータだけを出力するものである。オーディオスキミング手段2402は、分離されたオーディオストリームと選択ステップ2402が出力した区間を入力とし、入力されたオーディオストリームから、選択された区間のデータだけを出力するものである。
Hereinafter, the process of the
以下、インターフェース手段2401での処理について説明する。図48にインターフェース手段2401の処理のフローチャートを示す。インターフェース手段は、まず該当メディアコンテンツの物理内容記述データと、図46に示すような選択ステップ1801の出力を入力する。物理内容記述データの<mediaobject>の属性idから、ファイルの時間順が得られるので、選択ステップ1801の出力を、idをキーとして、時間順にソートする(S1)。さらに図49のようなデータに変換する。これは、同じファイルのものはまとめ、さらに開始時間順に並べたものである。続いて、インターフェース手段2401は、図49のデータの上から順に以下の処理を行う。まず、idを用いて、物理内容記述データの<mediaobject>を参照し、その属性locatorからファイル名を取得する。該当ファイル名のファイルのデータをデータベースから読み取り、分離手段2402へ出力する(S2、S3)。さらに、図49のidに続いて記されている、該当ファイル内の選択された区間の開始時間と終了時間を、すべてビデオスキミング手段2403とオーディオスキミング手段2404へ出力する(S4)。すべてのデータに対し以上の処理が行われた時は、処理を終了する(S5)。まだデータが残っている場合は、分離手段2402、ビデオスキミング手段2403、オーディオスキミング手段2104の処理終了を待ってから(S6、S7)、以上の処理を繰り返す。
Hereinafter, processing in the
以下、分離手段2402の処理について説明する。図50に分離手段2402の処理のフローチャートを示す。分離手段2402は、インターフェース手段2401からメディアコンテンツであるMPEG1システムストリームを受けとって、ビデオストリームとオーディオストリームに分離し、ビデオストリームをビデオスキミング手段2403へ、オーディオストリームをオーディオスキミング手段2404へ出力し(S1〜S10)、出力終了後(S9、S11)、インターフェース手段2401へ処理終了を通知するものである(S12)。図50のフローチャートに示す通り、処理終了の通知以外は、第1の実施の形態で記述した分離手段と同様の処理を行うものである。
Hereinafter, the process of the separation means 2402 will be described. FIG. 50 shows a flowchart of the processing of the separating means 2402. The
以下、ビデオスキミング手段2403の処理について説明する。図53にビデオスキミング手段2403の処理のフローチャートを示す。図53のフローチャートに示す通り、処理終了時にインターフェース手段2401へ処理終了の通知を行う(S16、S17)以外は、第1の実施の形態で記述したビデオスキミング手段と同様の処理を行うものである。 Hereinafter, the processing of the video skimming means 2403 will be described. FIG. 53 shows a flowchart of processing of the video skimming means 2403. As shown in the flowchart of FIG. 53, the processing similar to the video skimming means described in the first embodiment is performed except that the interface means 2401 is notified of the end of processing (S16, S17) at the end of processing. .
以下、オーディオスキミング手段2404の処理について説明する。図52にオーディオスキミング手段2404の処理のフローチャートを示す。図52のフローチャートに示す通り、処理終了時にインターフェース手段2401へ処理終了の通知を行う(S11、S12)以外は、第1の実施の形態で記述したオーディオスキミング手段と同様の処理を行うものである。 Hereinafter, processing of the audio skimming means 2404 will be described. FIG. 52 shows a flowchart of processing of the audio skimming means 2404. As shown in the flowchart of FIG. 52, the same processing as the audio skimming means described in the first embodiment is performed except that the interface means 2401 is notified of the end of processing (S11, S12) when the processing is finished. .
構成ステップ1803は、抽出ステップ1802が出力したビデオストリームとオーディオストリームを、国際標準ISO/IEC IS 11172-1で標準化されたMPEG1システムの多重化方式により、時分割多重化を行うものである。メディアコンテンツが複数のファイルに分割されて格納されている場合、抽出ステップ1802は各ファイル毎にビデオストリーム、オーディオストリームを出力するため、それぞれに対して多重化を行う。
In the
配送ステップ1804は、構成ステップ1803が多重化したMPEG1システムストリームを回線を通じて配送するものである。構成ステップ1803が複数のMPEG1システムストリームを出力した場合、出力された順にすべてを配送する。
A
なお、本実施の形態においては、メディアコンテンツが複数のファイルに分割されて格納されている場合は、抽出ステップ1802の処理において、各ファイル毎の処理を行ったが、メディアコンテンツのファイル間で対応するビデオストリーム、オーディオストリームをすべてつなぎ合わせて出力し、構成ステップ1803においては、ビデオストリームとオーディオストリームの多重化により、ひとつのMPEG1システムストリームを構成する、としても同様の効果が得られる。この場合、ビデオスキミング手段2403でのタイムコードの変更処理を以下のように行う必要がある。すなわち、ビデオストリームの数だけ、出力したフレーム数のカウンタCを用意し、Cの初期化は最初のファイルの時にのみ行う(図51のS18、S3)。この場合のビデオスキミング手段2403のフローチャートを図53に示す。また、本実施の形態においては文脈内容記述データと物理内容記述データを別々に記述したが、物理内容記述データの属性seqとlocatorを、文脈内容記述データの<mediaobject>の属性として付加することにより、ひとつにまとめても良い。
In the present embodiment, when the media content is divided into a plurality of files and stored, the processing for each file is performed in the processing of the
〔第6の実施の形態〕
以下、本発明に係る第6の実施の形態について述べる。本実施の形態においては、メディアコンテンツとして、MPEG1システムストリームの動画像を想定する。この場合、メディアセグメントは、ひとつのシーンカットに相当する。また本実施の形態において、スコアは、該当する場面における文脈内容に基づいた客観的な重要度とする。
[Sixth Embodiment]
The sixth embodiment according to the present invention will be described below. In the present embodiment, an MPEG1 system stream moving image is assumed as media content. In this case, the media segment corresponds to one scene cut. In the present embodiment, the score is an objective importance based on the context contents in the corresponding scene.
図54は、本発明の実施の形態に係わるデータ処理方法のブロック図である。
図54において、3101は選択ステップを、3102は抽出ステップを、3103は構成ステップを、3104は配送ステップを、3105はデータベースを表す。選択ステップ3101は、文脈内容記述データからメディアコンテンツの場面を選択し、その場面の開始時間と終了時間と、それが格納されているファイルを表すデータを出力する処理を行うもので、第5の実施の形態記載の選択ステップと同様のものである。抽出ステップ3102は、選択ステップ3101が出力したファイルを表すデータ、開始時間、終了時間を受けとり、物理内容記述データを参照して、メディアコンテンツのファイルから、入力した開始時間と終了時間で区切られる区間のデータを抽出する処理を行うもので、第5の実施の形態記載の抽出ステップと同様のものである。構成ステップ3103は、配送ステップ3104が判断した回線状況に応じて、抽出ステップ3102が出力したストリームの一部またはすべてを多重化し、MPEG1システムストリームを構成する処理を行う。配送ステップ3104は、配送する回線状況を判断してその結果を構成ステップ3103に伝える処理と、構成ステップ3103が作成したMPEG1システムストリームを、回線を通じて配送する処理を行う。3105はメディアコンテンツと、その物理内容記述データ、文脈内容記述データを格納したデータベースである。
FIG. 54 is a block diagram of a data processing method according to the embodiment of the present invention.
54, 3101 represents a selection step, 3102 represents an extraction step, 3103 represents a configuration step, 3104 represents a delivery step, and 3105 represents a database. The
図55に、本実施の形態に係わる構成ステップ3103と、配送ステップ3104とのブロック図を示す。図55において、構成ステップ3103はストリーム選択手段3201と、多重化手段3202とから構成され、配送ステップ3104は回線状況判定手段3203と、配送手段3204とから構成される。ストリーム選択手段3201は、抽出ステップ3102が出力したビデオストリーム、オーディオストリームと、回線状況判定手段3203の出力した回線状況を入力とし、回線がすべてのデータを送出するのに十分な状態である場合は、すべてのストリームを多重化手段3202へ出力する。回線が混雑している、あるいは容量の小さい回線であるなど、すべてのデータを送出すると多大な時間を要する場合は、ビデオストリーム、オーディオストリームそれぞれ複数あるうちの一部だけを選択して多重化手段3202へ出力する。この場合の選択の方法には、ビデオストリームに関しては基本レイヤのストリームだけ、など、また、オーディオストリームに関しては、モノラルだけ、あるいはステレオのレフトだけ、ステレオのライトだけ、などさまざまな組合せがある。ただし、ビデオストリーム、オーディオストリームともひとつのストリームしかない場合は、回線状況に係わらずそのストリームを出力する。多重化手段3202は、ストリーム選択手段3201が出力したビデオストリームとオーディオストリームを、国際標準ISO/IDE IS 11172-1で標準化されたMPEG1システムの多重化方式により、時分割多重化を行うものである。回線状況判定手段3203は、配送する回線の容量や現在の使用状況などを調べて、ストリーム選択手段3201へ出力するものである。配送手段3204は、多重化手段3202が多重化したMPEG1システムストリームを回線を通じて配送するものである。
FIG. 55 shows a block diagram of the
なお、本実施の形態においては、ストリーム選択手段3201において、ビデオストリームがひとつの場合、回線状況に関わらずそれを出力するとしたが、回線がすべてのデータを送出すると多大な時間を要する場合は、ビデオストリームの代表画像のみを選択して送出する、としてもよい。代表画像の選択方法としては、文脈内容記述データに代表画像のタイムコードを記述しておく、あるいは各フレームのうち独立で復号可能なIピクチャと呼ばれるフレームだけ選択する、などがある。
In this embodiment, the
〔第7の実施の形態〕
以下、本発明に係る第7の実施の形態について述べる。本実施の形態においては、メディアコンテンツとして、MPEG1システムストリームの動画像を想定する。この場合、メディアセグメントは、ひとつのシーンカットに相当する。また本実施の形態において、スコアは、該当する場面における、ユーザ等が選択した登場人物や事柄等のキーワードの観点に基づいた重要度とする。
[Seventh Embodiment]
The seventh embodiment according to the present invention will be described below. In the present embodiment, an MPEG1 system stream moving image is assumed as media content. In this case, the media segment corresponds to one scene cut. In the present embodiment, the score is an importance level based on keywords such as characters and matters selected by the user or the like in the corresponding scene.
図56は、本実施の形態におけるデータ処理方法のブロック図である。図56において、3301は選択ステップを、3302は抽出ステップを表す。選択ステップ3301は、文脈内容記述データのキーワードとそのスコアから、メディアコンテンツの場面を選択し、その場面の開始時間と終了時間を出力する処理を行う。また、抽出ステップ3302は、選択ステップ3301が出力した開始時間と終了時間によって区切られるメディアコンテンツの区間のデータを抽出する処理を行う。
FIG. 56 is a block diagram of a data processing method in the present embodiment. In FIG. 56,
図57に、本実施の形態の文脈内容記述データの構成を示す。本実施の形態では、文脈内容を木構造で記述する。また、木構造の兄弟関係は、左から時間順にならんでいるものとする。図57において、<contents>と記されている木構造の根(root)は、ひとつのコンテンツを表し、属性としてそのコンテンツのタイトルが付けられる。 FIG. 57 shows the configuration of the context content description data of the present embodiment. In the present embodiment, context contents are described in a tree structure. In addition, it is assumed that the sibling relationships of the tree structure are arranged in order of time from the left. In FIG. 57, the root of the tree structure indicated as <contents> represents one content, and the title of the content is attached as an attribute.
<contents>の子要素は、<section>である。<section>には、その場面の内容や登場人物などを表すキーワードであるkeywordと、このキーワードの重要度を表すpriorityとの組(keyword, priority)が属性として付加される。priorityは1から5までの整数値とし、1が最も重要度が低く、5が最も重要度が高い、とする。(keyword, priority)組は、ユーザが見たいと思う場面、人物などを検索する時のキーに用いることができるように設定する。そのため、(keyword, priority)組は、ひとつの<section>に複数付加することが可能とする。例えば登場人物を記述する場合、その場面に現れる人物の数だけ(keyword,priority)組を付加し、また、priorityは、該当場面に該当keywordの人物が、数多く登場する場合はその値が高い、といったように設定する。 The child element of <contents> is <section>. In <section>, a pair (keyword, priority) of a keyword, which is a keyword indicating the content of the scene, a character, and the like, and a priority indicating the importance of the keyword is added as an attribute. priority is an integer value from 1 to 5, with 1 being the least important and 5 being the most important. The (keyword, priority) group is set so that it can be used as a key when searching for a scene or person that the user wants to see. Therefore, a plurality of (keyword, priority) pairs can be added to one <section>. For example, when describing characters, (keyword, priority) pairs are added as many as the number of characters appearing in the scene, and priority is high if many characters of the keyword appear in the scene. And so on.
<section>の子要素は、<section>か<segment>である。すなわち、<section>は、それ自身を子要素としても良いとする。ただし、ひとつの<section>の子要素として、<section>と<segment>を混在させてはならないこととする。 The child element of <section> is <section> or <segment>. In other words, <section> may itself be a child element. However, <section> and <segment> must not be mixed as child elements of one <section>.
<segment>は、ひとつのシーンカットを表し、<section>と同様の(keyword, priority)組と、該当シーンの時間情報として、開始時間を表すstartと、終了時間を表すendとが、属性として付加される。シーンカットの方法は、市販されていたり、ネットワークで流通しているソフトを用いても良いし、人手で行っても良い。なお、本実施の形態では、時間情報をシーンカットの開始時間と終了時間としたが、時間情報として開始時間と該当シーンの継続時間としても同様の効果が得られる。この場合、該当シーンの終了時間は、開始時間に継続時間を加算して求められる。 <segment> represents one scene cut, and the same (keyword, priority) pair as <section>, the start information indicating the start time, and the end indicating the end time are attributed as time information of the corresponding scene. Added. The scene cut method may be commercially available or may be software distributed on a network, or may be performed manually. In the present embodiment, the time information is the start time and end time of the scene cut, but the same effect can be obtained by using the start time and the duration of the corresponding scene as time information. In this case, the end time of the corresponding scene is obtained by adding the duration to the start time.
この文脈内容記述データにより、映画などの物語の場合は、多階層の<section>により、章、節、段落などを記述することができる。もうひとつの例として野球を記述する場合、最上位の<section>で回を記述し、その子要素の<section>で表裏を記述し、その子要素の<section>で各打者の場面を記述し、さらにその子要素の<section>で、各投球やその合間、その打席の結果などを記述することができる。 With this contextual content description data, in the case of a story such as a movie, chapters, sections, paragraphs, etc. can be described by multi-level <section>. As another example, when describing baseball, describe the times in the top <section>, describe the front and back in the child <section>, describe each batter's scene in the child <section>, Furthermore, the <section> of the child element can describe each pitch, the interval, and the result of the bat.
この構成の文脈内容記述データをコンピュータ上で表現する一例として、Extensible Markup Language(XML)による記述を用いることができる。XMLはWorld Wide Web Consortiumによって標準化が進められているデータ記述言語であり、1998年2月10日にVer. 1.0が勧告された。XML ver. 1.0の仕様書は、http://www.w3.org/TR/1998/REC-xml-19980210で得られる。図58〜図66は、本実施の形態の文脈内容記述データをXMLで記述するためのDocument Type Definition(DTD)と、このDTDによる文脈内容記述データの一例である。また、図67〜図80は、図58〜図66に示す文脈内容記述データに、代表画像(映像情報)やキーワード(音情報)などのメディアセグメントの代表データ(dominant-data)を追加した文脈内容記述データの一例と、該文脈内容記述データをXMLで記述するためのDTDである。 As an example of expressing the context content description data of this configuration on a computer, a description in Extensible Markup Language (XML) can be used. XML is a data description language that is being standardized by the World Wide Web Consortium, and Ver. 1.0 was recommended on February 10, 1998. The XML ver. 1.0 specification is available at http://www.w3.org/TR/1998/REC-xml-19980210. 58 to 66 are examples of Document Type Definition (DTD) for describing the context content description data of the present embodiment in XML and the context content description data based on this DTD. 67 to 80 are contexts in which representative data (dominant-data) of media segments such as representative images (video information) and keywords (sound information) is added to the context content description data shown in FIGS. An example of content description data and a DTD for describing the context content description data in XML.
以下、選択ステップ3301での処理について説明する。本実施の形態における選択ステップ3301での処理は、<segment>と<segment>を子要素に持つ<section>に着目して処理を行う。図81に、本実施の形態における選択ステップ3301の処理のフローチャートを示す。本実施の形態における選択ステップ3301は、場面選択のキーとなるキーワードとそのpriorityのしきい値を入力とし、文脈内容記述データの<segment>を子要素としてもつ<section>から、キーと同じキーワードを持ち、かつ、そのpriorityがしきい値以上の<section>を選択する(S2、S3)。続いて、選択された<section>の<segment>のうち、キーと同じキーワードを持ち、かつ、そのpriorityがしきい値以上の<segment>のみを選択する(S5、S6)。以上の処理から選択された<segment>の属性であるstartとendより、選択された場面の開始時間と終了時間を求め、それを出力する(S7、S8、S9、S10、S11、S1、S4)。
Hereinafter, the process in the
なお、本実施の形態では、<segment>と<segment>を子要素として持つ<section>に着目して処理を行ったが、ある階層の<section>とその子要素である<section>の親子関係に着目して、同様の処理を行っても良い。また、親子関係も2階層のみではなく、さらに階層を増やして、木構造の葉である<segment>まで同様の処理を行ってもよい。さらに、検索のキーを、複数のキーワードとその間の条件との組としてもよい。キーワード間の条件には、「どちらか」、「ともに」、「どちらか」と「ともに」の組合せと、いったものがある。選択のしきい値も、キーワードが複数の場合はキーワード毎に指定して処理を行っても良い。この検索キーとなるキーワードは、ユーザの入力によって受けとっても良いし、ユーザプロファイルなどからシステムが自動的に設定する構成でも良い。 In this embodiment, processing is performed focusing on <section> that has <segment> and <segment> as child elements. However, the parent-child relationship between <section> in a hierarchy and <section> that is its child element The same processing may be performed by paying attention to the above. The parent-child relationship is not limited to two layers, but the number of layers may be further increased and the same processing may be performed up to <segment>, which is a tree-structured leaf. Further, the search key may be a set of a plurality of keywords and conditions between them. The conditions between the keywords include “one”, “both”, and a combination of “one” and “both”. The selection threshold value may also be specified for each keyword when there are a plurality of keywords. The keyword serving as the search key may be received by user input, or may be configured to be automatically set by the system from a user profile or the like.
抽出ステップ3302の動作は、第1の実施の形態で述べた抽出ステップと同様のものである。
The operation of the
本実施の形態の効果としては、図82に示すように、抽出ステップ3302の出力であるビデオストリームとオーディオストリームをそれぞれビデオ再生手段、オーディオ再生手段に入力させ、ビデオストリームとオーディオストリームを同期させて再生することにより、該当メディアコンテンツの、視聴者個人が見たいシーンのみを再生することができる。また、上記得られたビデオストリームとオーディオストリームを多重化することによって、該当メディアコンテンツの視聴者個人が見たいシーン集のMPEG1システムストリームを作成することができる。
As an effect of the present embodiment, as shown in FIG. 82, the video stream and the audio stream that are the output of the
〔第8の実施の形態〕
以下、本発明に係る第8の実施の形態について述べる。本実施の形態は、第7の実施の形態と比較して、選択ステップの処理のみが異なるものである。
[Eighth Embodiment]
The eighth embodiment according to the present invention will be described below. This embodiment is different from the seventh embodiment only in the process of the selection step.
以下、図を参照しながら本実施の形態における選択ステップ3301の処理について記述する。本実施の形態における選択ステップ3301では、<segment>のみに着目して処理を行う。図83に、本実施の形態における選択ステップ3301のフローチャートを示す。図83に示す通り、本実施の形態における選択ステップ3301は、検索キーとなるキーワードとそのpriorityのしきい値を入力とし、文脈内容記述データの<segment>から、キーと同じキーワードを持ち、かつ、そのpriorityがしきい値以上の<segment>を選択するものである(S1〜S6)。
Hereinafter, the processing of the
なお、本実施の形態では、<segment>のみに着目して処理を行ったが、ある階層の<section>に着目して処理を行っても良い。また、検索のキーを、複数のキーワードとその間の条件との組としてもよい。キーワード間の条件には、「どちらか」、「ともに」、「どちらか」と「ともに」の組合せと、いったものがある。選択のしきい値も、キーワードが複数の場合はキーワード毎に指定して処理を行っても良い。 In the present embodiment, processing is performed focusing on only <segment>, but processing may be performed focusing on <section> in a certain hierarchy. The search key may be a set of a plurality of keywords and conditions between them. The conditions between the keywords include “one”, “both”, and a combination of “one” and “both”. The selection threshold value may also be specified for each keyword when there are a plurality of keywords.
〔第9の実施の形態〕
以下、本発明に係る第9の実施の形態について述べる。本実施の形態も、第7の実施の形態と比較して、選択ステップの処理のみが異なるものである。
[Ninth Embodiment]
The ninth embodiment according to the present invention will be described below. This embodiment also differs from the seventh embodiment only in the process of the selection step.
以下、図を参照しながら本実施の形態における選択ステップ3301の処理について記述する。本実施の形態における選択ステップ3301は、第7の実施の形態における処理と同様に、<segment>と<segment>を子要素にもつ<section>のみに着目し、その選択を行う。本実施の形態においては、選択する場面すべての継続時間の和にしきい値を設ける。
すなわち、それまでに選択された場面の継続時間の和が、このしきい値以下で最大となるような選択を行う。図84に本実施の形態における選択ステップのフローチャートを示す。まず、選択ステップ3301は検索するキーとなるキーワードをひとつ受けとる。続いて、<segment>を子要素にもつ<section>のうち、検索キーのキーワードを持つものすべてを抽出する。この集合をΩとする(S1、S2)。Ωの要素を検索キーのキーワードのpriorityの大きい順にソートする(S3)。続いて、ソートしたΩから、検索キーのキーワードのpriorityの最も大きい<section>を取り出し(S5)、Ωからその<section>を削除する(S6)。この場合、最もpriorityの大きい<section>が複数ある場合は、そのすべての<section>を取り出す。取り出した<section>の子要素<segment>のうち、検索キーを持つ<segment>のみを選択し、集合Ω’に加える(S7)。なお、集合Ω’の初期値は空集合である(S2)。Ω’の場面の継続時間の総和を計算し(S8)、しきい値と比較する(S9)。継続時間の総和がしきい値と等しい場合は、Ω’の要素<segment>のすべての区間を出力し、処理を終了する(S14)。継続時間のしきい値より小さい場合は、Ωから検索キーのキーワードのpriorityの最も大きい<section>の選択に戻り(S5)、以上の処理を繰り返す。ただし、Ωが空集合である場合は、Ω’の要素<segment>のすべての区間を出力し、処理を終了する(S4)。Ω’の場面の継続時間の総和がしきい値を越えている場合は、以下の処理を行う。集合Ω’の要素<segment>のうち、検索キーのキーワードのpriorityが最も小さい<segment>を削除する(S11)。この場合、最も小さいpriorityの<segment>が複数ある場合は、そのすべての<segment>を削除する。Ω’の継続時間の総和を算出し(S12)、しきい値との比較を行う(S13)。継続時間の総和がしきい値よりも大きい場合は、Ω’から<segment>の削除処理に戻り(S11)、この処理を繰り返す。ただし、Ω’が空集合の場合は処理を終了する(S10)。継続時間の総和がしきい値以下の場合は、Ω’の要素<segment>のすべての区間を出力し、処理を終了する(S14)。
Hereinafter, the processing of the
That is, a selection is made such that the sum of the durations of the scenes selected so far is maximized below this threshold. FIG. 84 shows a flowchart of selection steps in the present embodiment. First, the
なお、本実施の形態では、<segment>と<segment>を子要素として持つ<section>に着目して処理を行ったが、ある階層の<section>とその子要素である<section>の親子関係に着目して処理を行っても良い。また、親子関係も2階層のみではなく、さらに階層を増やして処理を行っても良い。例えば、最上位の<section>から<segment>までの階層で処理を行う場合、まず最上位の<section>を選択し、選択した<section>からその子要素である<section>を選択し、選択した<section>からその子要素を選択、といった処理を<segment>の選択まで繰り返して、選択された<segment>の集合Ω’を生成する。 In this embodiment, processing is performed focusing on <section> that has <segment> and <segment> as child elements. However, the parent-child relationship between <section> in a hierarchy and <section> that is its child element The processing may be performed paying attention to the above. Further, the parent-child relationship is not limited to two layers, and processing may be performed by further increasing the number of layers. For example, when processing in the hierarchy from the top-level <section> to <segment>, first select the top-level <section>, select the <section> that is a child element from the selected <section>, and select The process of selecting the child element from the <section> is repeated until the selection of <segment>, and the set Ω ′ of the selected <segment> is generated.
また、本実施の形態では、検索キーのキーワードのpriorityの大きい順としたが、priorityにしきい値を設定し、priorityがしきい値以上で大きい順に選択、としても良い。このしきい値は、<section>と<segment>それぞれ別々に設定しても良い。 In this embodiment, the priority of the search key keyword is in descending order. However, a threshold value may be set for priority, and the priority may be selected in descending order of priority. This threshold value may be set separately for each <section> and <segment>.
さらに、本実施の形態では、検索キーをひとつのキーワードとしたが、これを複数のキーワードとその間の条件との組としてもよい。キーワード間の条件には、「どちらか」、「ともに」、「どちらか」と「ともに」の組合せと、いったものがある。この場合、<section>、<segment>の選択または削除に用いているキーワードのpriorityを決めるルールも必要となる。このルールの一例として、以下のものがある。すなわち、条件が「どちらか」の場合は、該当キーワードのpriorityのうち最も大きい値をpriorityとする。また、「ともに」の場合は、該当キーワードのpriorityのうち最も小さい値をpriorityとする。「どちらか」と「ともに」の組合せの場合も、このルールによりpriorityの値は求めることができる。また、検索キーのキーワードが複数の場合でも、そのpriorityにしきい値を設定し、そのしきい値以上のpriorityを持つものに対して処理を行っても良い。 Furthermore, in this embodiment, the search key is a single keyword, but this may be a set of a plurality of keywords and conditions between them. The conditions between the keywords include “one”, “both”, and a combination of “one” and “both”. In this case, a rule for determining the priority of keywords used for selecting or deleting <section> and <segment> is also required. An example of this rule is as follows. That is, when the condition is “one”, the largest value among the priorities of the corresponding keyword is set as the priority. In the case of “both”, the smallest value among the priorities of the corresponding keyword is set as the priority. Even in the case of a combination of “either” and “both”, the priority value can be obtained by this rule. Even when there are a plurality of search key keywords, a threshold may be set for the priority, and processing may be performed for those having a priority equal to or higher than the threshold.
〔第10の実施の形態〕
以下、本発明に係る第10の実施の形態について述べる。本実施の形態は、第7の実施の形態と比較して、選択ステップの処理のみが異なるものである。
[Tenth embodiment]
The tenth embodiment according to the present invention will be described below. This embodiment is different from the seventh embodiment only in the process of the selection step.
以下、図を参照しながら本実施の形態における選択ステップ3301の処理について記述する。本実施の形態における選択ステップ3301では、第8の実施の形態と同様に<segment>のみに着目して処理を行う。また、第9の実施の形態と同様に、選択する場面すべての継続時間の和にしきい値を設ける。すなわち、それまでに選択された場面の継続時間の和が、このしきい値以下で最大となるような選択を行う。図85に本実施の形態における選択ステップのフローチャートを示す。
まず、選択ステップ3301は検索するキーとなるキーワードをひとつ受けとる。初期化として、集合Ω’を空集合とする(S2)。続いて、<segment>のうち、検索キーのキーワードを持つものすべてを抽出する(S1)。この集合をΩとする。Ωの要素を検索キーのキーワードのpriorityの大きい順にソートする(S3)。続いて、ソートしたΩから、検索キーのキーワードのpriorityの最も大きい<segment>を取り出し(S5)、Ωからその<segment>を削除する。この場合、最もpriorityの大きい<segment>が複数ある場合は、そのすべての<segment>を取り出す。Ωが空集合の場合は、Ω’の要素<segment>すべての区間を出力し、処理を終了する(S4)。取り出した<segment>の継続時間の総和T1と(S6)、Ω’の場面の継続時間の総和T2を計算し(S7)、T1+T2としきい値とを比較する(S8)。T1+T2がしきい値を越えている場合は、Ω’の要素<segment>のすべての区間を出力し、処理を終了する(S11)。T1+T2が、しきい値と等しい場合は、取り出した<segment>すべてをΩ’の要素として加えたうえで(S9、S10)、Ω’の要素<segment>のすべての区間を出力し、処理を終了する(S11)。T1+T2がしきい値より小さい場合は、取り出した<segment>すべてをΩ’の要素として加え、Ωから<segment>の選択処理へ戻る(S10)。
Hereinafter, the processing of the
First, the
なお、本実施の形態では、<segment>のみに着目して処理を行ったが、ある階層の<section>に着目して処理を行っても良い。また、本実施の形態では、検索キーのキーワードのpriorityの大きい順としたが、priorityにしきい値を設定し、priorityがしきい値以上で大きい順に選択、としても良い。
さらに、本実施の形態では、検索キーをひとつのキーワードとしたが、これを複数のキーワードとその間の条件との組としてもよい。キーワード間の条件には、「どちらか」、「ともに」、「どちらか」と「ともに」の組合せと、いったものがある。この場合、<section>、<segment>の選択または削除に用いているキーワードのpriorityを決めるルールも必要となる。このルールの一例として、以下のものがある。すなわち、条件が「どちらか」の場合は、該当キーワードのpriorityのうち最も大きい値をpriorityとする。また、「ともに」の場合は、該当キーワードのpriorityのうち最も小さい値をpriorityとする。「どちらか」と「ともに」の組合せの場合も、このルールによりpriorityの値は求めることができる。また、検索キーのキーワードが複数の場合でも、そのpriorityにしきい値を設定し、そのしきい値以上のpriorityを持つものに対して処理を行っても良い。
In the present embodiment, processing is performed focusing on only <segment>, but processing may be performed focusing on <section> in a certain hierarchy. In this embodiment, the priority of the search key keyword is in descending order. However, a threshold value may be set for priority, and the priority may be selected in descending order of priority.
Furthermore, in this embodiment, the search key is a single keyword, but this may be a set of a plurality of keywords and conditions between them. The conditions between the keywords include “one”, “both”, and a combination of “one” and “both”. In this case, a rule for determining the priority of keywords used for selecting or deleting <section> and <segment> is also required. An example of this rule is as follows. That is, when the condition is “one”, the largest value among the priorities of the corresponding keyword is set as the priority. In the case of “both”, the smallest value among the priorities of the corresponding keyword is set as the priority. Even in the case of a combination of “either” and “both”, the priority value can be obtained by this rule. Even when there are a plurality of search key keywords, a threshold may be set for the priority, and processing may be performed for those having a priority equal to or higher than the threshold.
〔第11の実施の形態〕
以下、本発明に係る第11の実施の形態について述べる。本実施の形態は、第7〜第10の実施の形態の文脈内容記述データにおいて、場面選択のキーワードとなる観点およびその重要度の記述が異なるものである。第7〜第10の実施の形態では、図57に示すように、キーワードと重要度との組(keyword, priority)を<section>,<segment>に属性として付与することによって観点およびその観点から見た重要度を記述していたが、本実施の形態では、図133に示すように、<contents>に属性povlistを付加し、<section>,<segment>には属性povvalueを付加することによって観点および重要度を記述している。
[Eleventh embodiment]
The eleventh embodiment according to the present invention will be described below. In the present embodiment, the context content description data of the seventh to tenth embodiments differ in terms of viewpoints that are scene selection keywords and descriptions of their importance. In the seventh to tenth embodiments, as shown in FIG. 57, from the viewpoint and the viewpoint, a pair of keyword and importance (keyword, priority) is assigned to <section> and <segment> as attributes. In the present embodiment, as shown in FIG. 133, the attribute povlist is added to <contents>, and the attribute povvalue is added to <section> and <segment>. Describes the perspective and importance.
属性povlistは、図134に示すように、観点をベクトル形式で表したものであり、属性povvalueは、図135に示すように、重要度をベクトル形式で表したものであり、それぞれ一対一に対応した観点および重要度が順に並んで属性povlistおよび属性povvalueを形成している。例えば、図134および図135では、観点1に関する重要度が5、観点2に関する重要度が0、観点3に関する重要度が2、観点n(但し、nは正の整数である)に関する重要度が0である。なお、観点2に関する重要度0とは、第7の実施の形態の場合、観点2がキーワードである属性(keyword, priority)が付加されていないことに対応している。
As shown in FIG. 134, the attribute povlist represents viewpoints in vector format, and the attribute povvalue represents importance in vector format as shown in FIG. The attribute povlist and the attribute povvalue are formed by arranging the viewpoints and importance in order. For example, in FIGS. 134 and 135, the importance level regarding the
また、図136〜図163および図164〜図196には、本実施の形態の文脈内容記述データをコンピュータ上で表現するために用いられるExtensible Markup Language(XML)で記述するためのDocument Type Definition(DTD)と、このDTDによる文脈内容記述データの一例をそれぞれ示す。本実施の形態においても、これらの文脈内容記述データを用いて第7〜第10の実施の形態で説明した処理と同様の処理を行う。 136 to 163 and FIGS. 164 to 196 show Document Type Definition (XML) for describing the context content description data of this embodiment in Extensible Markup Language (XML) used for expressing on the computer. DTD) and an example of context content description data by this DTD. Also in the present embodiment, processing similar to that described in the seventh to tenth embodiments is performed using these context content description data.
なお、本実施の形態では、<contents>に属性povlistを付加し、<section>,<segment>には属性povvalueを付加しているが、図197に示すように、<section>,<segment>にも属性povlistを付加して良い。但し、属性povlistが付加された<section>または<segment>において、属性povvalueは、その<section>または<segment>に付加されている属性povlistに対応したものである。また、属性povlistが付加されていない<section>または<segment>において、属性povvalueは、<contents>に付加された属性povlistに対応するものであっても、属性povlistが付加されていない<section>または<segment>の先祖の内、属性povlistが付加された最も近い<section>の属性povlistであっても良い。 In this embodiment, attribute povlist is added to <contents>, and attribute povvalue is added to <section> and <segment>. However, as shown in FIG. 197, <section> and <segment> You can also add the attribute povlist. However, in the <section> or <segment> to which the attribute povlist is added, the attribute povvalue corresponds to the attribute povlist added to the <section> or <segment>. In <section> or <segment> to which attribute povlist is not added, even if attribute povvalue corresponds to attribute povlist added to <contents>, attribute povlist is not added <section> Alternatively, the attribute povlist of the nearest <section> to which the attribute povlist is added among the ancestors of <segment> may be used.
また、図198〜図222および図223〜図252には、図197に対応した、文脈内容記述データをコンピュータ上で表現するために用いられるXMLで記述するためのDTDと、このDTDによる文脈内容記述データの一例をそれぞれ示す。これらの図面に示す例では、属性povlistが付加されていない<section>,<segment>の属性povvalueは、<contents>に付加された属性povlistに対応している。 Further, FIGS. 198 to 222 and FIGS. 223 to 252 correspond to FIG. 197, the DTD for describing the context content description data in XML used for representing on the computer, and the context content by this DTD. An example of description data is shown respectively. In the examples shown in these drawings, the attribute povvalue of <section> and <segment> to which the attribute povlist is not added corresponds to the attribute povlist added to <contents>.
〔第12の実施の形態〕
以下、本発明に係る第12の実施の形態について述べる。本実施の形態においては、メディアコンテンツとして、MPEG1システムストリームの動画像を想定する。この場合、メディアセグメントは、ひとつのシーンカットに相当する。
[Twelfth embodiment]
The twelfth embodiment according to the present invention will be described below. In the present embodiment, an MPEG1 system stream moving image is assumed as media content. In this case, the media segment corresponds to one scene cut.
図86は、本発明の実施の形態に係わるデータ処理方法のブロック図である。図86において、4101は選択ステップを、4102は抽出ステップを、4103は構成ステップを、4104は配送ステップを、4105はデータベースを表す。選択ステップ4101は、文脈内容記述データからメディアコンテンツの場面を選択し、その場面の開始時間と終了時間と、それが格納されているファイルを表すデータを出力する処理を行う。抽出ステップ4102は、選択ステップ4101が出力したファイルを表すデータ、開始時間、終了時間を受けとり、物理内容記述データを参照して、メディアコンテンツのファイルから、入力した開始時間と終了時間で区切られる区間のデータを抽出する処理を行う。構成ステップ4103は、抽出ステップ4102が出力したデータを多重化し、MPEG1システムストリームを構成する処理を行う。配送ステップ4104は、構成ステップ4103が作成したMPEG1システムストリームを、回線を通じて配送する処理を行う。4105はメディアコンテンツと、その物理内容記述データ、文脈内容記述データを格納したデータベースである。
FIG. 86 is a block diagram of a data processing method according to the embodiment of the present invention. 86,
本実施の形態における物理内容記述データの構成は、第5の実施の形態で記述したものと同様のものを用いる。すなわち、図37に示した構成の物理内容記述データを用いる。 The configuration of the physical content description data in the present embodiment is the same as that described in the fifth embodiment. That is, the physical content description data having the configuration shown in FIG. 37 is used.
図87に、本実施の形態における文脈内容記述データの構成を示す。これは、第7の実施の形態における文脈内容記述データに、物理内容記述データの<mediaobject>との関連を加えたものである。すなわち、文脈内容記述データの根<contents>の子要素は<mediaobject>で、この<mediaobject>の子要素が<section>となる。<section>、<segment>は第7の実施の形態と同様ものである。文脈内容記述データの<mediaobject>には、属性idが付加され、このidによって、物理内容記述データの<mediaobject>との対応を取る。すなわち、文脈内容記述データの<mediaobject>の子孫で記述されるメディアコンテンツの場面は、同じ値の属性idをもつ物理内容記述データの<mediaobject>が示すファイルに格納されている。また、<segment>の時間情報startとendは、各ファイルの先頭からの時間を設定することとする。すなわち、ひとつのメディアコンテンツが複数のファイルから構成される場合、各ファイルの先頭時間は0であり、各場面の開始時間は、それが格納されているファイルの先頭からそこまでの経過時間で表すこととする。 FIG. 87 shows the configuration of the context content description data in this embodiment. This is obtained by adding a relation with <mediaobject> of the physical content description data to the context content description data in the seventh embodiment. That is, the child element of the root <contents> of the context content description data is <mediaobject>, and the child element of this <mediaobject> is <section>. <section> and <segment> are the same as those in the seventh embodiment. An attribute id is added to <mediaobject> of the context content description data, and a correspondence with <mediaobject> of the physical content description data is taken by this id. That is, a scene of media content described by a descendant of <mediaobject> of the context content description data is stored in a file indicated by <mediaobject> of the physical content description data having the same attribute id. Also, the time information start and end of <segment> is set to the time from the beginning of each file. That is, when one media content is composed of a plurality of files, the start time of each file is 0, and the start time of each scene is represented by the elapsed time from the start of the file in which it is stored. I will do it.
本実施の形態における物理内容記述データと文脈内容記述データとをコンピュータ上で表現する一例として、Extensible Markup Language(XML)による記述を用いることができる。物理内容記述データに関しては、第5の実施の形態で示した図39が一例である。また、図88〜図96は、図87に示す文脈内容記述データをXMLで記述するためのDTDと、このDTDによる文脈内容記述データの一例である。 As an example of expressing the physical content description data and the context content description data in the present embodiment on a computer, a description in Extensible Markup Language (XML) can be used. FIG. 39 shown in the fifth embodiment is an example of the physical content description data. 88 to 96 are examples of the DTD for describing the context content description data shown in FIG. 87 in XML and the context content description data based on this DTD.
以下、選択ステップ4101の処理について説明する。選択ステップ4101での場面の選択の手法は、第7〜第10の実施の形態に記載のいずれかの手法を用いる。ただし、結果として開始時間、終了時間とともに、対応する物理内容記述データの<mediaobject>のidも同時に出力する。物理内容記述データを図39に示すDTDによるXML文書で表し、文脈内容記述データを図88〜図96に示すDTDによるXML文書で表した場合の、選択ステップ4101の出力の一例は、第5の実施の形態において示した図46のものと同様の形態のものである。
Hereinafter, the process of the
抽出ステップ4102の処理は、第5の実施の形態に記載の抽出ステップと同様のものである。また、構成ステップ4103も、第5の実施の形態に記載の構成ステップと同様のものである。配送ステップ4104も、第5の実施の形態に記載の配送ステップと同様のものである。
The processing of the
〔第13の実施の形態〕
以下、本発明に係る第13の実施の形態について述べる。本実施の形態においては、メディアコンテンツとして、MPEG1システムストリームの動画像を想定する。この場合、メディアセグメントは、ひとつのシーンカットに相当する。
[Thirteenth embodiment]
The thirteenth embodiment according to the present invention will be described below. In the present embodiment, an MPEG1 system stream moving image is assumed as media content. In this case, the media segment corresponds to one scene cut.
図97は、本発明の実施の形態に係わるデータ処理方法のブロック図である。図97において、4401は選択ステップを、4402は抽出ステップを、4403は構成ステップを、4404は配送ステップを、4405はデータベースを表す。選択ステップ4401は、文脈内容記述データからメディアコンテンツの場面を選択し、その場面の開始時間と終了時間と、それが格納されているファイルを表すデータを出力する処理を行うもので、第12の実施の形態記載の選択ステップと同様のものである。抽出ステップ4402は、選択ステップ4401が出力したファイルを表すデータ、開始時間、終了時間を受けとり、物理内容記述データを参照して、メディアコンテンツのファイルから、入力した開始時間と終了時間で区切られる区間のデータを抽出する処理を行うもので、第12の実施の形態記載の抽出ステップと同様のものである。構成ステップ4403は、配送ステップ4404が判断した回線状況に応じて、抽出ステップ4402が出力したストリームの一部またはすべてを多重化し、MPEG1システムストリームを構成する処理を行うもので、第6の実施の形態に記載の構成ステップと同様のものである。配送ステップ4404は、配送する回線状況を判断してその結果を構成ステップ4403に伝えることと、構成ステップ4403が作成したMPEG1システムストリームを、回線を通じて配送する処理を行うもので、第6の実施例に記載の配送ステップと同様のものである。4405はメディアコンテンツと、その物理内容記述データ、文脈内容記述データを格納したデータベースである。 FIG. 97 is a block diagram of a data processing method according to the embodiment of the present invention. In FIG. 97, 4401 represents a selection step, 4402 represents an extraction step, 4403 represents a configuration step, 4404 represents a delivery step, and 4405 represents a database. The selection step 4401 performs processing for selecting a scene of media content from the context content description data and outputting data representing the start time and end time of the scene and the file in which the scene is stored. This is the same as the selection step described in the embodiment. The extraction step 4402 receives the data representing the file output from the selection step 4401, the start time, and the end time, refers to the physical content description data, and is divided from the media content file by the input start time and end time. This is a process similar to the extraction step described in the twelfth embodiment. In the configuration step 4403, a part or all of the stream output from the extraction step 4402 is multiplexed according to the line status determined by the delivery step 4404, and the MPEG1 system stream is configured. It is the same as the configuration step described in the embodiment. In the delivery step 4404, the status of the delivery line is judged and the result is transmitted to the configuration step 4403, and the MPEG1 system stream created by the configuration step 4403 is delivered through the line. It is the same as the delivery step described in. Reference numeral 4405 denotes a database storing media contents, physical content description data, and context content description data.
なお、本実施の形態では、メディアコンテンツとして、MPEG1システムストリームを想定したが、各画面のタイムコードを得ることができるものであれば、他のフォーマットでも同様の効果が得られる。 In the present embodiment, an MPEG1 system stream is assumed as the media content, but the same effect can be obtained with other formats as long as the time code of each screen can be obtained.
以下に示す実施の形態は、特許請求の範囲に示す発明に対応した形態の要約を説明したものである。なお、以下、「音情報」という言葉を、有音、無音、スピーチ、音楽、静寂、外部雑音などを含む音に関する情報として用い、「映像情報」という言葉を、動画、静止画、テロップなどの文字を含む視覚できる情報として用いる。また、スコアは、有音、無音、スピーチ、音楽、静寂、外部雑音など、音情報の内容から算出されるスコア、または映像情報中のテロップの有無に従って付けられるスコア、またはそれらの組み合わせを利用できる。また、スコアは上記スコア以外のスコアであっても良い。 The embodiments described below explain the summary of the modes corresponding to the invention shown in the claims. In the following, the term “sound information” is used as information about sound including sound, silence, speech, music, silence, external noise, etc., and the term “video information” is used for videos, still images, telops, etc. Used as visual information including characters. As the score, a score calculated from the content of sound information such as sound, silence, speech, music, silence, external noise, a score attached according to the presence or absence of a telop in video information, or a combination thereof can be used. . The score may be a score other than the above score.
〔第14の実施の形態〕
以下、本発明に係る第14の実施の形態について述べる。図98は、本実施の形態におけるデータ処理方法の処理を示すブロック図である。同図において、501は選択ステップを、503は抽出ステップを表す。選択ステップ501は、文脈内容記述データのスコアから、メディアコンテンツの少なくともひとつの区間または場面を選択し、その選択された区間または場面を出力するステップである。なお、選択された区間とは、例えば、選択区間の開始時間および終了時間である。また、抽出ステップ503は、選択ステップ501が出力した選択区間によって区切られたメディアコンテンツの区間(以下、メディアセグメントと称す)のデータ、すなわち選択区間のデータのみを抽出する処理を行うステップである。
[Fourteenth embodiment]
The fourteenth embodiment according to the present invention will be described below. FIG. 98 is a block diagram showing processing of the data processing method in the present embodiment. In the figure, 501 represents a selection step and 503 represents an extraction step. The
なお、スコアは、文脈内容における客観的な重要性に基づいた重要度でもよいし、ユーザ等が選択した登場人物や事柄等のキーワードの観点に基づいた重要度でもよい。 Note that the score may be an importance level based on objective importance in contextual content, or an importance level based on keywords such as characters and matters selected by the user.
〔第15の実施の形態〕
以下、本発明に係る第15の実施の形態について述べる。図99は、本実施の形態におけるデータ処理方法の処理を示すブロック図である。同図において、501は選択ステップを、503は再生ステップを表す。再生ステップ505は、選択ステップ501が出力した選択区間によって区切られた選択区間のデータのみを再生する処理を行うステップである。なお、選択ステップ501は、第1〜第13の実施の形態に示した選択ステップと同様であるため説明を省略する。
[Fifteenth embodiment]
The fifteenth embodiment according to the present invention will be described below. FIG. 99 is a block diagram showing processing of the data processing method in the present embodiment. In the figure, 501 represents a selection step, and 503 represents a reproduction step. The reproduction step 505 is a step for performing a process of reproducing only the data in the selected section divided by the selection section output from the
〔第16の実施の形態〕
以下、本発明に係る第16の実施の形態について述べる。図100は、本実施の形態におけるデータ処理方法の処理を示すブロック図である。同図において、507は映像選択ステップを、509は音選択ステップを表す。なお、映像選択ステップ507および音選択ステップ509は、第14および第15の実施の形態に示した選択ステップ501に含まれる。
[Sixteenth embodiment]
The sixteenth embodiment according to the present invention will be described below. FIG. 100 is a block diagram showing processing of the data processing method in the present embodiment. In the figure, 507 represents a video selection step, and 509 represents a sound selection step. Note that the
映像選択ステップ507は、映像情報の文脈内容記述データを参照して映像情報の区間または場面の選択を行い、その選択された区間を出力するステップである。また、音選択ステップ509は、音情報の文脈内容記述データを参照して音情報の区間または場面の選択を行い、その選択された区間を出力するステップである。なお、選択された区間とは、例えば、選択区間の開始時間および終了時間である。また、映像選択ステップ507で選択された映像情報の選択区間および音選択ステップ509で選択された音情報の選択区間は、第14の実施の形態に示した抽出ステップ503または第15の実施の形態に示した再生ステップ505によって、選択区間のデータのみが抽出または再生される。
The
〔第17の実施の形態〕
以下、本発明に係る第17の実施の形態について述べる。図101は、本実施の形態におけるデータ処理方法の処理を示すブロック図である。同図において、511は判定ステップを、513は選択ステップを、503は抽出ステップを、505は再生ステップを示す。
[Seventeenth embodiment]
The seventeenth embodiment according to the present invention will be described below. FIG. 101 is a block diagram showing processing of the data processing method in the present embodiment. In the figure, 511 indicates a determination step, 513 indicates a selection step, 503 indicates an extraction step, and 505 indicates a reproduction step.
(実施例1)
まず、実施例1では、メディアコンテンツが同一時間においてそれぞれ異なる複数のメディア情報を有しており、判定ステップ511が、メディアコンテンツのデータ構成を記述した物理内容記述データを入力として、受信端末の能力、配送する回線の状況、およびユーザからの要求などの判定条件から、どのメディア情報を選択対象とするかを判定するステップである。また、選択ステップ513は、判定ステップ511で選択対象と判定されたデータ、物理内容記述データおよび文脈内容記述データを入力とし、入力された物理内容記述データを参照して、判定ステップ511が選択対象と判定したデータからのみ選択処理を行うステップである。なお、抽出ステップ503および再生ステップ505は、それぞれ第14の実施の形態に示した抽出ステップおよび第15の実施の形態に示した再生ステップと同様であるため説明を省略する。また、メディア情報は、映像情報や音情報、テキスト情報などのデータを含み、以下、本実施例においては、メディア情報が特に映像情報および音情報に関するデータの少なくとも一方を含んだものとする。
Example 1
First, in the first embodiment, the media content has a plurality of different pieces of media information at the same time, and the determination step 511 receives the physical content description data describing the data structure of the media content as input, and the capability of the receiving terminal This is a step of determining which media information is to be selected from determination conditions such as the status of the line to be delivered and a request from the user. The selection step 513 receives the data determined as the selection target in the determination step 511, the physical content description data, and the context content description data as input, and the determination step 511 refers to the input physical content description data. This is a step for performing the selection process only from the data determined to be. The
また、本実施例においては、メディアコンテンツが有する同一時間において異なる映像情報または音情報が、図102に示すようなチャネル、さらに一チャネルを階層化したレイヤーにそれぞれ割り当てられており、例えば、動画を伝達するチャネル1,レイヤー1には標準解像度の映像情報が、チャネル1,レイヤー2には高解像度の映像情報が割り当てられ、また、音情報を伝達するチャネル1にはステレオの音情報が、チャネル2にはモノラルの音情報が割り当てられている。図103および図104は、物理内容記述データをXMLで記述するためのDocument Type Definition(DTD)と、このDTDによる物理内容記述データの一例である。
Further, in this embodiment, different video information or sound information in the same time of the media content is assigned to the channel as shown in FIG. 102 and further to a layer in which one channel is hierarchized. Standard resolution video information is assigned to
次に、メディアコンテンツがこのようなチャネルおよびレイヤー構成となっているときの、本実施例の判定ステップ511の処理について、図105〜図108を参照して説明する。まず、図105に示すように、ステップS101ではユーザからの要求があるかを判別する。このステップS101において、ユーザ要求があれば図106に示すユーザ要求による判定処理SR−Aを実行する。 Next, the processing in the determination step 511 of this embodiment when the media content has such a channel and layer configuration will be described with reference to FIGS. First, as shown in FIG. 105, it is determined in step S101 whether there is a request from the user. In step S101, if there is a user request, determination processing SR-A based on the user request shown in FIG. 106 is executed.
また、ステップS101において、ユーザ要求がなければステップS103に進み、受信可能な情報が映像情報のみか、音情報のみか、映像情報および音情報の両方であるかを判別する。このステップS103において、受信可能な情報が映像情報のみであるときは図107に示す映像情報に関する判定処理SR−Bを実行し、音情報のみであるときは図108に示す音情報に関する判定処理SR−Cを実行し、映像情報および音情報の両方であるときはステップS105に進む。ステップS105では、映像情報および音情報を受信する受信端末の能力、例えば、映像表示能力や音再生能力、圧縮された情報の解凍処理速度などを判別して、能力が高ければステップS107に進み、低ければステップS109に進む。ステップS107では、映像情報や音情報を伝送する回線の状況を判別し、回線が混雑していればステップS109に進み、混雑していなければステップS111に進む。 In step S101, if there is no user request, the process proceeds to step S103, and it is determined whether the receivable information is only video information, only sound information, or both video information and sound information. In this step S103, when the receivable information is only the video information, the determination process SR-B related to the video information shown in FIG. 107 is executed, and when only the sound information is determined, the determination process SR related to the sound information shown in FIG. -C is executed, and if both are video information and sound information, the process proceeds to step S105. In step S105, the capability of the receiving terminal that receives the video information and the sound information, for example, the video display capability, the sound reproduction capability, the decompression processing speed of the compressed information, and the like are determined. If it is lower, the process proceeds to step S109. In step S107, the status of the line for transmitting the video information and the sound information is determined. If the line is congested, the process proceeds to step S109, and if not, the process proceeds to step S111.
ステップS109は受信端末の能力が低いかまたは回線が混雑しているときに実行され、このとき受信端末は、チャネル1,レイヤー1の標準解像度の映像情報と、チャネル2のモノラルの音情報とを受信する。一方、ステップS111は受信端末の能力が高く回線が混雑していないときに実行され、このとき受信端末は、チャネル1,レイヤー2の高解像度の映像情報と、チャネル1のステレオの音情報とを受信する。
Step S109 is executed when the capability of the receiving terminal is low or the line is congested. At this time, the receiving terminal uses the
次に、図106に示すユーザ要求による判定処理SR−Aについて説明する。本実施例においては、ユーザからの要求が、映像のレイヤー、音のチャネルを選択するものである。まず、ステップS151では、ユーザによる映像に関する要求があるかを判別する。このステップS151において、映像に関するユーザ要求があればステップS153に進み、ユーザ要求がなければステップS159に進む。ステップS153では、ユーザによる映像の要求がレイヤー2を選択するものかを判別し、YESであればステップS155に進んで映像情報としてレイヤー2を選択し、NOであればステップS157に進んでレイヤー1を選択する。ステップS159では、ユーザによる音に関する要求があるかを判別する。このステップS159において、音に関するユーザ要求があればステップS161に進み、ユーザ要求がなければ処理を終了する。ステップS161では、ユーザによる音の要求がチャネル1を選択するものかを判別し、YESであればステップS163に進んで音情報としてチャネル1を選択し、NOであればステップS165に進んでチャネル2を選択する。
Next, determination processing SR-A based on a user request shown in FIG. 106 will be described. In the present embodiment, the request from the user is to select a video layer and a sound channel. First, in step S151, it is determined whether there is a request for a video by the user. In step S151, if there is a user request relating to video, the process proceeds to step S153, and if there is no user request, the process proceeds to step S159. In step S153, it is determined whether the video request by the user is to select
次に、図107に示す映像情報に関する判定処理SR−Bについて説明する。まず、ステップS171では、映像情報を受信する受信端末の能力を判別して、能力が高ければステップS173に進み、低ければステップS175に進む。ステップS173では、回線の状況を判別し、回線が混雑していればステップS175に進み、混雑していなければステップS177に進む。 Next, determination processing SR-B regarding the video information shown in FIG. 107 will be described. First, in step S171, the ability of the receiving terminal to receive video information is determined. If the ability is high, the process proceeds to step S173, and if low, the process proceeds to step S175. In step S173, the line status is determined. If the line is congested, the process proceeds to step S175, and if not congested, the process proceeds to step S177.
ステップS175は受信端末の能力が低いかまたは回線が混雑しているときに実行され、このとき受信端末は、チャネル1,レイヤー1の標準解像度の映像情報のみを受信する。一方、ステップS177は受信端末の能力が高く回線が混雑していないときに実行され、このとき受信端末は、チャネル1,レイヤー2の高解像度の映像情報のみを受信する。
Step S175 is executed when the capability of the receiving terminal is low or the line is congested. At this time, the receiving terminal receives only video information of standard resolution of
次に、図108に示す音情報に関する判定処理SR−Cについて説明する。まず、ステップS181では、音情報を受信する受信端末の能力を判別して、能力が高ければステップS183に進み、低ければステップS185に進む。ステップS183では、回線の状況を判別し、回線が混雑していればステップS185に進み、混雑していなければステップS187に進む。 Next, determination processing SR-C regarding sound information shown in FIG. 108 will be described. First, in step S181, the ability of the receiving terminal to receive sound information is determined. If the ability is high, the process proceeds to step S183, and if low, the process proceeds to step S185. In step S183, the status of the line is determined. If the line is congested, the process proceeds to step S185, and if not, the process proceeds to step S187.
ステップS185は受信端末の能力が低いかまたは回線が混雑しているときに実行され、このとき受信端末は、チャネル2のモノラルの音情報のみを受信する。一方、ステップS187は受信端末の能力が高く回線が混雑していないときに実行され、このとき受信端末は、チャネル1のステレオの音情報のみを受信する。
Step S185 is executed when the capacity of the receiving terminal is low or the line is congested. At this time, the receiving terminal receives only monaural sound information of
(実施例2)
また、実施例2では、実施例1と比較して、判定ステップS511のみが異なる。本実施例に係る判定ステップ511は、メディアコンテンツのデータ構成を記述した物理内容記述データを入力として、受信端末の能力、配送する回線の状況、およびユーザからの要求などの判定条件から、映像情報のみ、音情報のみ、または映像情報および音情報のいずれかを選択対象とするかを判定するかを判定するステップである。なお、選択ステップ513、抽出ステップ503および再生ステップ505については、上述の各ステップと同様であるため説明を省略する。
(Example 2)
Further, the second embodiment is different from the first embodiment only in the determination step S511. In the determination step 511 according to the present embodiment, the physical content description data describing the data structure of the media content is input, and the video information is determined from the determination conditions such as the receiving terminal capability, the status of the line to be delivered, and the request from the user. This is a step of determining whether to select only the sound information or only the video information and the sound information. Note that the selection step 513, the
次に、本実施例の判定ステップ511の処理について、図109および図110を参照して説明する。まず、図109に示すように、ステップS201ではユーザからの要求があるかを判別する。このステップS201において、ユーザ要求があればステップS203に進み、ユーザ要求がなければステップS205に進む。ステップS203では、ユーザ要求が映像情報のみであるかを判別し、YESであればステップS253に進んで映像情報のみを選択対象と判定し、NOであればステップS207に進む。ステップS207では、ユーザ要求が音情報のみであるかを判別し、YESであればステップS255に進んで音情報のみを選択対象と判定し、NOであればステップS251に進んで映像情報および音情報の両方を選択対象と判定する。 Next, the processing of the determination step 511 of the present embodiment will be described with reference to FIGS. 109 and 110. First, as shown in FIG. 109, in step S201, it is determined whether there is a request from the user. In step S201, if there is a user request, the process proceeds to step S203, and if there is no user request, the process proceeds to step S205. In step S203, it is determined whether or not the user request is only video information. If YES, the process proceeds to step S253 to determine only video information as a selection target. If NO, the process proceeds to step S207. In step S207, it is determined whether or not the user request is only sound information. If YES, the process proceeds to step S255 to determine only sound information as a selection target. If NO, the process proceeds to step S251 and the video information and sound information is determined. Both are determined as selection targets.
また、ユーザ要求がないときに進んだステップS205では、受信可能な情報が映像情報のみか、音情報のみか、映像情報および音情報の両方であるかを判別する。このステップS205において、受信可能な情報が映像情報のみであるときはステップS253に進んで映像情報のみを選択対象と判定し、音情報のみであるときはステップS255に進んで音情報のみを選択対象と判定し、映像情報および音情報の両方であるときはステップS209に進む。 Further, in step S205 that is advanced when there is no user request, it is determined whether the receivable information is only video information, only sound information, or both video information and sound information. In this step S205, when the receivable information is only the video information, the process proceeds to step S253, where only the video information is determined as the selection target. When the information is only the sound information, the process proceeds to step S255, where only the sound information is selected. If it is both video information and sound information, the process proceeds to step S209.
ステップS209では、回線の状況を判別し、回線が混雑していなければステップS251に進んで映像情報および音情報の両方を選択対象と判定し、混雑していればステップS111に進む。ステップS211では、回線を介して配送される情報に音情報が含まれているかを判別し、YESであればステップS255に進んで音情報を選択対象と判定し、NOであればステップS253に進んで映像情報を選択対象と判定する。 In step S209, the line status is determined. If the line is not congested, the process proceeds to step S251, where both video information and sound information are determined to be selected, and if congested, the process proceeds to step S111. In step S211, it is determined whether sound information is included in the information delivered via the line. If YES, the process proceeds to step S255, and the sound information is determined as a selection target. If NO, the process proceeds to step S253. The video information is determined as a selection target.
(実施例3)
また、実施例3では、メディアコンテンツが同一時間においてそれぞれ異なる複数の映像情報および/または音情報を有しており、判定ステップ511が、実施例2の判定ステップ511が行う映像情報のみ、音情報のみ、または映像情報および音情報のいずれかを選択対象とするかについての判定に加えて、さらに、受信端末の能力、配送する回線の能力、および回線の状況などの判定条件から、どの映像情報/音情報を選択対象とするかを判定している。なお、選択ステップ513、抽出ステップ503および再生ステップ505については、上述の各ステップと同様であるため説明を省略する。
Example 3
Also, in the third embodiment, the media content has a plurality of different video information and / or sound information at the same time, and the determination step 511 only includes the video information performed by the determination step 511 of the second embodiment, and the sound information. Which video information is determined based on judgment conditions such as receiving terminal capability, delivery line capability, and line status. / Sound information is determined as a selection target. Note that the selection step 513, the
本実施例においては、実施例1と同様に、メディアコンテンツが有する同一時間において異なる映像情報または音情報が、チャネルやレイヤーにそれぞれ割り当てられており、例えば、動画を伝達するチャネル1,レイヤー1には標準解像度の映像情報が、チャネル1,レイヤー2には高解像度の映像情報が割り当てられ、また、音情報を伝達するチャネル1にはステレオの音情報が、チャネル2にはモノラルの音情報が割り当てられている。
In the present embodiment, similar to the first embodiment, different video information or sound information at the same time possessed by the media content is allocated to each channel or layer. Is assigned standard resolution video information,
次に、本実施例の判定ステップ511の処理について、図111〜図113を参照して説明する。図111に示すように、本実施例では、まず実施例2の判定ステップ511によって、選択対象とする情報を決定する(選択対象の判定SR−D)。次に、ステップS301では、選択対象の判定処理SR−Dによって判定された情報を判定する。このステップS301において、選択対象となった情報が映像情報のみであるときは、図112に示す映像情報に関する判定処理SR−Eを実行し、音情報のみであるときは図113に示す音情報に関する判定処理SR−Fを実行し、映像情報および音情報の両方であるときはステップS303に進む。ステップS303では、映像情報および音情報を受信する受信端末の能力を判別して、能力が高ければステップS305に進み、低ければステップS307に進む。ステップS307では、伝送速度などの回線の能力を判別して、能力が高ければステップS309に進み、低ければステップS307に進む。ステップS309では回線の状況を判別し、回線が混雑していればステップS307に進み、混雑していなければステップS311に進む。 Next, the process of the determination step 511 of the present embodiment will be described with reference to FIGS. As shown in FIG. 111, in the present embodiment, first, information to be selected is determined by the determination step 511 of the second embodiment (selection determination SR-D). Next, in step S301, the information determined by the selection target determination process SR-D is determined. In this step S301, when the information to be selected is only the video information, the determination process SR-E related to the video information shown in FIG. 112 is executed, and when only the information is the sound information, the sound information shown in FIG. 113 is related. Determination processing SR-F is executed, and when both the video information and the sound information are obtained, the process proceeds to step S303. In step S303, the ability of the receiving terminal to receive video information and sound information is determined. If the ability is high, the process proceeds to step S305, and if low, the process proceeds to step S307. In step S307, the line capacity such as the transmission speed is determined. If the capacity is high, the process proceeds to step S309, and if low, the process proceeds to step S307. In step S309, the line status is determined. If the line is congested, the process proceeds to step S307, and if not congested, the process proceeds to step S311.
ステップS307は受信端末の能力が低いか、回線の能力が低いか、または回線が混雑しているときに実行され、このとき受信端末は、チャネル1,レイヤー1の標準解像度の映像情報と、チャネル2のモノラルの音情報とを受信する。一方、ステップS311は受信端末の能力が高く、回線の能力が高く、かつ回線が混雑していないときに実行され、このとき受信端末は、チャネル1,レイヤー2の高解像度の映像情報と、チャネル1のステレオの音情報とを受信する。
Step S307 is executed when the receiving terminal has a low capacity, the line capacity is low, or the line is congested. At this time, the receiving terminal performs
次に、図112に示す映像情報に関する判定処理SR−Eについて説明する。まず、ステップS351では、映像情報を受信する受信端末の能力を判別して、能力が高ければステップS353に進み、低ければステップS355に進む。ステップS353では、回線の能力を判別し、能力が高ければステップS357に進み、低ければステップS355に進む。ステップS357では、回線の状況を判別し、回線が混雑していればステップS355に進み、混雑していなければステップS359に進む。 Next, determination processing SR-E regarding the video information shown in FIG. 112 will be described. First, in step S351, the capability of the receiving terminal that receives video information is determined. If the capability is high, the process proceeds to step S353, and if low, the process proceeds to step S355. In step S353, the line capability is determined. If the capability is high, the process proceeds to step S357, and if low, the process proceeds to step S355. In step S357, the line status is determined. If the line is congested, the process proceeds to step S355, and if not congested, the process proceeds to step S359.
ステップS355は受信端末の能力が低いか、回線の能力が低いか、または回線が混雑しているときに実行され、このとき受信端末は、チャネル1,レイヤー1の標準解像度の映像情報のみを受信する。一方、ステップS359は受信端末の能力が高く、回線の能力が高く、かつ回線が混雑していないときに実行され、このとき受信端末は、チャネル1,レイヤー2の高解像度の映像情報のみを受信する。
Step S355 is executed when the receiving terminal has a low capacity, the line capacity is low, or the line is congested. At this time, the receiving terminal receives only the video information of the standard resolution of
次に、図113に示す音情報に関する判定処理SR−Fについて説明する。まず、ステップS371では、音情報を受信する受信端末の能力を判別して、能力が高ければステップS373に進み、低ければステップS375に進む。ステップS373では、回線の能力を判別し、能力が高ければステップS377に進み、低ければステップS375に進む。ステップS377では、回線の状況を判別し、回線が混雑していればステップS375に進み、混雑していなければステップS379に進む。 Next, determination processing SR-F regarding the sound information shown in FIG. 113 will be described. First, in step S371, the ability of the receiving terminal to receive sound information is determined. If the ability is high, the process proceeds to step S373, and if low, the process proceeds to step S375. In step S373, the line capacity is determined. If the capacity is high, the process proceeds to step S377, and if low, the process proceeds to step S375. In step S377, the line status is determined. If the line is congested, the process proceeds to step S375, and if not congested, the process proceeds to step S379.
ステップS375は受信端末の能力が低いか、回線の能力が低いか、または回線が混雑しているときに実行され、このとき受信端末は、チャネル2のモノラルの音情報のみを受信する。一方、ステップS379は受信端末の能力が高く、回線の能力が高く、かつ回線が混雑していないときに実行され、このとき受信端末は、チャネル1のステレオの音情報のみを受信する。
Step S375 is executed when the capacity of the receiving terminal is low, the capacity of the line is low, or the line is congested. At this time, the receiving terminal receives only the monaural sound information of
(実施例4)
また、実施例4では、文脈内容記述データの最下位層の各要素に該当するメディアセグメントの代表データが属性として付加され、メディアコンテンツが同一時間においてそれぞれ異なる複数のメディア情報を有している。判定ステップ511は、メディアコンテンツのデータ構成を記述した物理内容記述データを入力として、受信端末の能力、配送する回線の能力、および回線の状況、回線の能力、およびユーザからの要求などの判定条件から、どのメディア情報および/または代表データを選択対象とするかを判定するステップである。
Example 4
In the fourth embodiment, the representative data of the media segment corresponding to each element of the lowest layer of the context content description data is added as an attribute, and the media content has a plurality of different pieces of media information at the same time. In the determination step 511, the physical content description data describing the data structure of the media content is inputted, and the determination conditions such as the receiving terminal capability, the capability of the line to be delivered, the status of the channel, the capability of the channel, and the request from the user To determine which media information and / or representative data is to be selected.
なお、選択ステップ513、抽出ステップ503および再生ステップ505については、説明を省略する。なお、メディア情報は、映像情報や音情報、テキストデータなどの情報であり、以下、本実施例においては、メディア情報が映像情報および音情報の少なくとも一方を含んだものとする。また、代表データは、映像情報であれば、例えば各メディアセグメントごとの代表画像データや低解像度の映像データであり、音情報であれば、例えば各メディアセグメントごとのキーフレーズのデータである。
Note that description of the selection step 513, the
また、本実施例においては、実施例と同様に、メディアコンテンツが有する同一時間において異なる映像情報または音情報が、チャネルやレイヤーにそれぞれ割り当てられており、例えば、動画を伝達するチャネル1,レイヤー1には標準解像度の映像情報が、チャネル1,レイヤー2には高解像度の映像情報が割り当てられ、また、音情報を伝達するチャネル1にはステレオの音情報が、チャネル2にはモノラルの音情報が割り当てられている。
Further, in this embodiment, as in the embodiment, different video information or sound information at the same time of the media content is assigned to the channel or layer, for example,
次に、本実施例の判定ステップ511の処理について、図114〜図118を参照して説明する。図114に示すように、ステップS401ではユーザからの要求があるかを判別する。このステップS401において、ユーザ要求があれば図116に示すユーザ要求による判定処理SR−Gを実行する。 Next, the process of the determination step 511 of the present embodiment will be described with reference to FIGS. 114 to 118. As shown in FIG. 114, it is determined in step S401 whether there is a request from the user. In step S401, if there is a user request, determination processing SR-G based on the user request shown in FIG. 116 is executed.
また、ステップS401において、ユーザ要求がなければステップS403に進み、受信可能な情報が映像情報のみか、音情報のみか、映像情報および音情報の両方であるかを判別する。このステップS403において、受信可能な情報が映像情報のみであるときは図117に示す映像情報に関する判定処理SR−Hを実行し、音情報のみであるときは図118に示す音情報に関する判定処理SR−Iを実行し、映像情報および音情報の両方であるときは図115に示すステップS405に進む。 In step S401, if there is no user request, the process proceeds to step S403, and it is determined whether the receivable information is only video information, only sound information, or both video information and sound information. In this step S403, when the receivable information is only the video information, the determination process SR-H related to the video information shown in FIG. 117 is executed. When only the sound information is received, the determination process SR related to the sound information shown in FIG. -I is executed, and when the information is both video information and sound information, the process proceeds to step S405 shown in FIG.
ステップS405は、受信端末の能力を判別するステップであるが、このステップS405を実行した後、順に回線の能力を判別するステップS407、回線が混雑しているかを判別するステップS409を実行する。本実施例の判別ステップ511は、これらのステップS405、S407およびS409を実行して、下記の表1に従うよう、受信する映像情報および音情報のチャネル,レイヤーまたは代表データを判別する。 Step S405 is a step of determining the capability of the receiving terminal. After executing step S405, step S407 for determining the capability of the line in order and step S409 for determining whether the line is congested are executed. The discrimination step 511 of this embodiment executes these steps S405, S407 and S409, and discriminates the channel, layer or representative data of the received video information and sound information according to the following Table 1.
次に、図116に示すユーザ要求による判定処理SR−Gについて説明する。まず、ステップS451では、ユーザによる要求が映像情報のみであるかを判別し、YESであれば映像情報に関する判定処理SR−Hを行い、NOであればステップS453に進む。ステップS453では、ユーザによる要求が音情報のみであるかを判別し、YESであれば音情報に関する判定処理SR−Iを行い、NOであればメインルーチンに戻り、ステップS405に進む。 Next, determination processing SR-G based on a user request shown in FIG. 116 will be described. First, in step S451, it is determined whether the user request is only video information. If YES, determination processing SR-H relating to video information is performed, and if NO, the process proceeds to step S453. In step S453, it is determined whether or not the user request is only sound information. If YES, the sound information determination process SR-I is performed. If NO, the process returns to the main routine and proceeds to step S405.
次に、図117に示す映像情報に関する判定処理SR−Hについて説明する。まず、ステップS461では受信端末の能力を判別するが、このステップS461を実行した後、順に回線の能力を判別するステップS463、回線が混雑しているかを判別するステップS465を実行する。本実施例の映像情報に関する判定処理SR−Hは、これらのステップS461、S463、S465を実行して、端末の能力が高く、回線の能力が高く、かつ回線が混雑してないとき、チャネル1,レイヤー2の映像情報のみを受信し(ステップS471)、また、端末の能力が低く、回線の能力が低く、かつ回線が混雑してないとき、映像情報の代表データのみを受信する(ステップS473)。また、上記の条件に該当しないときは、チャネル1,レイヤー1の映像情報のみを受信する(ステップS475)。
Next, determination processing SR-H regarding the video information shown in FIG. 117 will be described. First, in step S461, the capability of the receiving terminal is determined. After executing step S461, step S463 for determining the capability of the line in order, and step S465 for determining whether the line is congested are executed. The determination processing SR-H relating to the video information of this embodiment executes these steps S461, S463, and S465, and when the terminal capability is high, the channel capability is high, and the channel is not congested, the
次に、図118に示す音情報に関する判定処理SR−Iについて説明する。まず、ステップS471では受信端末の能力を判別するが、このステップS471を実行した後、順に回線の能力を判別するステップS473、回線が混雑しているかを判別するステップS475を実行する。本実施例の映像情報に関する判定処理SR−Iは、これらのステップS471、S473、S475を実行して、端末の能力が高く回線の能力が高いとき、および端末の能力が高く、回線の能力が低く、かつ回線が混雑していないとき、チャネル1の音情報のみを受信する(ステップS491)。また、端末の能力が低く、回線の能力が低く、回線が混雑しているとき、音情報の代表データのみを受信する(ステップS493)。また、上記の条件に該当しないときは、チャネル2の音情報のみを受信する(ステップS495)。
Next, determination processing SR-I regarding sound information shown in FIG. 118 will be described. First, in step S471, the capability of the receiving terminal is determined. After executing step S471, step S473 for determining the capability of the line in order and step S475 for determining whether the line is congested are executed. The determination processing SR-I relating to the video information of this embodiment executes these steps S471, S473, and S475, and when the terminal capability is high and the line capability is high, and when the terminal capability is high and the line capability is high. When it is low and the line is not congested, only the sound information of
(実施例5)
また、実施例5では、判定ステップ511が、受信端末の能力、配送する回線の能力、および回線の状況、回線の能力、およびユーザからの要求などの判定条件から、メディアセグメントの全体データ、該当するメディアセグメントの代表データのみ、または該当するメディアセグメントの全体データおよび代表データのいずれかを選択対象とするかを判定するステップである。
(Example 5)
Further, in the fifth embodiment, the determination step 511 includes the entire data of the media segment based on the determination conditions such as the reception terminal capability, the distribution line capability, and the line status, the line capability, and the request from the user, In this step, it is determined whether only the representative data of the media segment to be selected or the entire data and the representative data of the corresponding media segment are to be selected.
なお、本実施例においても実施例4と同様に、文脈内容記述データの最下位層の各要素に該当するメディアセグメントの代表データが属性として付加され、この代表データは、映像情報であれば、例えば各メディアセグメントごとの代表画像データや低解像度の映像データであり、音情報であれば、例えば各メディアセグメントごとのキーフレーズのデータである。 In this embodiment, as in the fourth embodiment, the representative data of the media segment corresponding to each element in the lowest layer of the context content description data is added as an attribute. If this representative data is video information, For example, representative image data for each media segment or low-resolution video data. For sound information, for example, key phrase data for each media segment.
次に、本実施例の判定ステップ511の処理について、図119〜図121を参照して説明する。図119に示すように、ステップS501ではユーザからの要求があるかを判別する。このステップS501において、ユーザ要求があれば図121に示すユーザ要求による判定処理SR−Jを実行する。 Next, the process of the determination step 511 of the present embodiment will be described with reference to FIGS. As shown in FIG. 119, it is determined in step S501 whether there is a request from the user. In step S501, if there is a user request, determination processing SR-J based on the user request shown in FIG. 121 is executed.
また、ステップS501において、ユーザ要求がなければステップS503に進み、受信可能なデータがメディアセグメントの代表データのみか、メディアセグメントの全体データのみか、代表データおよび全体データの両方であるかを判別する。このステップS503において、受信可能なデータが代表データのみであるときは、図120に示すステップS553に進んで代表データのみを選択対象と判定し、全体データのみであるときはステップS555に進んで全体データのみを選択対象と判定し、代表データおよび全体データの両方であるときはステップS505に進む。 In step S501, if there is no user request, the process proceeds to step S503 to determine whether the receivable data is only the representative data of the media segment, only the entire data of the media segment, or both the representative data and the entire data. . In this step S503, when the receivable data is only representative data, the process proceeds to step S553 shown in FIG. 120, and only the representative data is determined as a selection target. When only the entire data is received, the process proceeds to step S555. Only data is determined as a selection target, and when both the representative data and the entire data are included, the process proceeds to step S505.
ステップS505では、回線の能力を判別し、回線の能力が高いときはステップS507に進み、低いときはステップS509に進む。ステップS507およびS509の両ステップとも、回線が混雑しているかを判別し、ステップS507において、回線が混雑していないと判別されればステップS551に進んで全体データおよび代表データを選択対象と判定し、ステップS509において、回線が混雑していると判別されればステップS553に進んで代表データを選択対象とする。また、ステップS507において回線が混雑していると判別されたとき、およびステップS509において回線が混雑していないと判別されたときは、ステップS555に進んで全体データを選択対象とする。 In step S505, the line capability is determined, and if the line capability is high, the process proceeds to step S507, and if low, the process proceeds to step S509. In both steps S507 and S509, it is determined whether or not the line is congested. If it is determined in step S507 that the line is not congested, the process proceeds to step S551 to determine the entire data and the representative data as selection targets. If it is determined in step S509 that the line is congested, the process proceeds to step S553, and representative data is selected. If it is determined in step S507 that the line is congested and if it is determined in step S509 that the line is not congested, the process proceeds to step S555 and the entire data is selected.
また、ユーザ要求による判定処理SR−Jでは、まずステップS601において、ユーザ要求が代表データのみであるかを判別し、YESであればステップS553に進んで代表データのみを選択対象とし、NOであればステップS603に進む。ステップS603では、ユーザ要求が全体データのみであるかを判別し、YESであればステップS555に進んで全体データのみを選択対象とし、NOであればステップS551に進んで全体データおよび代表データの両方を選択対象とする。 In the determination process SR-J by user request, first, in step S601, it is determined whether or not the user request is only representative data. If YES, the process proceeds to step S553, where only representative data is selected, and NO. If so, the process proceeds to step S603. In step S603, it is determined whether or not the user request is only the entire data. If YES, the process proceeds to step S555 to select only the entire data. If NO, the process proceeds to step S551 and both the entire data and representative data are selected. Is selected.
〔第18の実施の形態〕
以下、本発明に係る第18の実施の形態について述べる。図122は、本実施の形態におけるデータ処理方法の処理を示すブロック図である。同図において、501は選択ステップを、503は抽出ステップを、515は構成ステップを表す。なお、選択ステップ501および抽出ステップ503は、第14の実施の形態に示した選択ステップおよび抽出ステップと同様であるため説明を省略する。
[Eighteenth Embodiment]
The eighteenth embodiment according to the present invention will be described below. FIG. 122 is a block diagram showing processing of the data processing method in the present embodiment. In the figure, 501 represents a selection step, 503 represents an extraction step, and 515 represents a configuration step. Note that the
構成ステップ515は、抽出ステップ503が抽出した選択区間のデータからメディアコンテンツのストリームを構成するステップである。特に、構成ステップ515は、抽出ステップ503が出力したデータを多重化してストリームを構成する。
The configuration step 515 is a step of configuring a media content stream from the data of the selected section extracted by the
〔第19の実施の形態〕
以下、本発明に係る第19の実施の形態について述べる。図123は、本実施の形態におけるデータ処理方法の処理を示すブロック図である。同図において、501は選択ステップを、503は抽出ステップを、515は構成ステップを、517は配送ステップを表す。なお、選択ステップ501および抽出ステップ503は、第14の実施の形態に示した選択ステップおよび抽出ステップと同様であり、構成ステップ515は第18の実施の形態に示した構成ステップと同様であるため説明を省略する。
[Nineteenth embodiment]
The nineteenth embodiment according to the present invention will be described below. FIG. 123 is a block diagram showing processing of the data processing method in the present embodiment. In the figure, 501 represents a selection step, 503 represents an extraction step, 515 represents a configuration step, and 517 represents a delivery step. The
配送ステップ517は、構成ステップ515が構成したストリームを回線を通じて配送するステップである。なお、配送ステップ517は配送する回線状況を判断するステップを有し、構成ステップ515は配送ステップ517が判断した回線状況からファイルを構成するデータ量を調整するステップを有しても良い。 The delivery step 517 is a step for delivering the stream formed by the configuration step 515 through a line. Note that the delivery step 517 may include a step of determining the status of the line to be delivered, and the configuration step 515 may include a step of adjusting the amount of data constituting the file from the status of the line determined by the delivery step 517.
〔第20の実施の形態〕
以下、本発明に係る第20の実施の形態について述べる。図124は、本実施の形態におけるデータ処理方法の処理を示すブロック図である。同図において、501は選択ステップを、503は抽出ステップを、515は構成ステップを、519は記録ステップを、521はデータ記録媒体を表す。記録ステップ519は、構成ステップ515が構成したストリームをデータ記録媒体521に記録するステップである。また、データ記録媒体521は、メディアコンテンツとその文脈内容記述データおよび物理内容記述データを記録するものであり、ハードディスクやメモリ、DVD−RAMなどである。なお、選択ステップ501および抽出ステップ503は、第14の実施の形態に示した選択ステップおよび抽出ステップと同様であり、構成ステップ515は第18の実施の形態に示した構成ステップと同様であるため説明を省略する。
[20th embodiment]
The twentieth embodiment according to the present invention will be described below. FIG. 124 is a block diagram showing processing of the data processing method in the present embodiment. In the figure,
〔第21の実施の形態〕
以下、本発明に係る第21の実施の形態について述べる。図125は、本実施の形態におけるデータ処理方法の処理を示すブロック図である。同図において、501は選択ステップを、503は抽出ステップを、515は構成ステップを、519は記録ステップを、521はデータ記録媒体を、523はデータ記録媒体管理ステップを表す。データ記録媒体管理ステップ523は、データ記録媒体521の残容量によって、すでに蓄積したメディアコンテンツおよび/または新規に蓄積するメディアコンテンツの再編成を行うステップである。より詳しくは、データ記録媒体管理ステップ523は、データ記録媒体521の残容量が少ないとき、新たに蓄積するコンテンツを編集が行われた後に蓄積する処理、および、すでに蓄積されているメディアコンテンツに対して、その文脈内容記述データと物理内容記述データとを選択ステップ501へ送り、前記メディアコンテンツと物理内容記述データとを抽出ステップ503へ送ることによって、このメディアコンテンツを再編成し、再編成したメディアコンテンツをデータ記録媒体521に記録すると共に、再編成前のメディアコンテンツを削除する処理の少なくとも一方を行う。
[Twenty-first embodiment]
The twenty-first embodiment according to the present invention will be described below. FIG. 125 is a block diagram showing processing of the data processing method in the present embodiment. In the figure,
なお、選択ステップ501および抽出ステップ503は、第14の実施の形態に示した選択ステップおよび抽出ステップと同様であり、構成ステップ515は第18の実施の形態に示した構成ステップと同様であり、記録ステップ519およびデータ記録媒体521は第19の実施の形態に示した記録ステップおよびデータ記録媒体と同様であるため説明を省略する。
The
〔第22の実施の形態〕
以下、本発明に係る第22の実施の形態について述べる。図126は、本実施の形態におけるデータ処理方法の処理を示すブロック図である。同図において、501は選択ステップを、503は抽出ステップを、515は構成ステップを、519は記録ステップを、521はデータ記録媒体を、525は蓄積コンテンツ管理ステップを表す。蓄積コンテンツ管理ステップ525は、データ記録媒体521に蓄積されているメディアコンテンツを、その蓄積期間によって再編成を行うステップである。より詳しくは、蓄積コンテンツ管理ステップ525は、データ記録媒体521に蓄積されたメディアコンテンツを管理して、一定の蓄積期間に達したメディアコンテンツに対して、その文脈内容記述データと物理内容記述データとを選択ステップへ501に送り、前記メディアコンテンツと物理内容記述データとを抽出ステップ503に送ることによって、このメディアコンテンツを再編成し、再編成したメディアコンテンツをデータ記録媒体521に記録すると共に、再編成前のメディアコンテンツを削除するステップである。
[Twenty-second embodiment]
The twenty-second embodiment according to the present invention will be described below. FIG. 126 is a block diagram showing processing of the data processing method in the present embodiment. In the figure, 501 represents a selection step, 503 represents an extraction step, 515 represents a configuration step, 519 represents a recording step, 521 represents a data recording medium, and 525 represents a stored content management step. The stored content management step 525 is a step of reorganizing the media content stored in the data recording medium 521 according to the storage period. More specifically, the stored content management step 525 manages the media content stored in the data recording medium 521, and with respect to the media content that has reached a certain storage period, its context content description data, physical content description data, Is sent to the
なお、選択ステップ501および抽出ステップ503は、第14の実施の形態に示した選択ステップおよび抽出ステップと同様であり、構成ステップ515は第18の実施の形態に示した構成ステップと同様であり、記録ステップ519およびデータ記録媒体521は第19の実施の形態に示した記録ステップおよびデータ記録媒体と同様であるため説明を省略する。
The
以上の第14〜第22の実施の形態における選択ステップ501,513、抽出ステップ503、再生ステップ505、映像選択ステップ507、音選択ステップ509、判定ステップ511、構成ステップ515、配送ステップ517、記録ステップ519、データ記録媒体管理ステップ523および蓄積コンテンツ管理ステップ525は、それぞれ選択手段、抽出手段、再生手段、映像選択手段、音選択手段、判定手段、構成手段、配送手段、記録手段、データ記録媒体管理手段および蓄積コンテンツ管理手段として、これらの一部または全てを有したデータ処理装置として実現できる。
Selection steps 501 and 513,
なお、上記実施の形態においては、メディアコンテンツとして、映像情報や音情報以外のテキストデータ等のデータストリームを含んでも良い。また、上記実施の形態の各ステップは、ステップの全てまたは一部の動作をコンピュータで実行するためのプログラムをプログラム格納媒体に格納し、コンピュータを用いてソフトウェア的に実現することも、それらステップの機能を発揮する専用のハード回路を用いて実現しても構わない。 In the above embodiment, the media content may include a data stream such as text data other than video information and sound information. In addition, each step of the above-described embodiment can be realized by storing a program for executing all or part of the operation of the step by a computer in a program storage medium and using a computer to implement the software. You may implement | achieve using the hardware circuit for exclusive use which exhibits a function.
なお、上記実施の形態においては、文脈内容記述データと物理内容記述データをそれぞれ別の実体で記述したが、図127〜図132に示すように、ひとつにまとめたものを用いても良い。 In the above-described embodiment, the context content description data and the physical content description data are described as separate entities. However, as shown in FIGS.
以上説明したように、上述のデータ処理装置、データ処理方法、記録媒体およびプログラムによれば、階層構造の文脈内容記述データを用いて、選択手段(選択ステップ)により、文脈内容記述データに付加されたスコアに基づいてメディアコンテンツ中の少なくとも1つの区間を選択しており、特に、抽出手段(抽出ステップ)によって、選択手段(選択ステップ)が選択した区間に対応するデータのみを抽出するか、再生手段(再生ステップ)によって、選択手段(選択ステップ)が選択した区間に対応するデータのみを再生している。 As described above, according to the above data processing apparatus, data processing method, recording medium, and program, the context content description data having a hierarchical structure is added to the context content description data by the selection means (selection step). At least one section in the media content is selected based on the score, and in particular, only the data corresponding to the section selected by the selection means (extraction step) is extracted or reproduced by the extraction means (extraction step) Only the data corresponding to the section selected by the selection means (selection step) is reproduced by the means (reproduction step).
このため、より重要なシーンをメディアコンテンツの中から自由に選択することができ、この重要な選択された区間を抽出または再生することができる。また、文脈内容記述データが最上位層、最下位層およびその他の層から構成された階層構造であるため、章や節など任意の単位でシーンを選択することができ、ある節を選択してその中の不要な段落は削除するなど、多様な選択形式をとることができる。 Therefore, a more important scene can be freely selected from the media content, and this important selected section can be extracted or reproduced. In addition, since the context description data has a hierarchical structure composed of the top layer, the bottom layer, and other layers, you can select scenes in arbitrary units such as chapters and sections. Various selection formats can be taken, such as deleting unnecessary paragraphs.
また、スコアをメディアコンテンツの文脈内容に基づいた重要度を示すものとすることによって、このスコアを重要な場面を選択するよう設定しておくことによって、例えば、番組などのハイライトシーン集などの作成を容易に行うことができ、また、スコアを該当する場面におけるキーワードの観点に基づいた重要度を示すものとし、キーワードを決定することによってより自由度の高い区間の選択を行うことができる。例えば、キーワードを登場人物や事柄などの特定の観点によって決定することによって、ユーザが見たい場面だけを選び出すことができる。 Also, by setting the score to indicate the importance based on the context content of the media content, and setting this score to select important scenes, for example, highlight scene collections such as programs It can be easily created, and the score indicates the importance based on the viewpoint of the keyword in the corresponding scene. By determining the keyword, a section with a higher degree of freedom can be selected. For example, by determining a keyword from a specific viewpoint such as a character or a matter, only a scene that the user wants to see can be selected.
また、メディアコンテンツが同一時間においてそれぞれ異なる複数のメディア情報を有しているとき、判定手段(判定ステップ)が、判定条件からどのメディア情報を選択対象とするかを判定し、選択手段(選択ステップ)が判定手段(判定ステップ)によって判定されたデータからのみ選択処理を行っている。このため、判定手段(判定ステップ)は、判定条件に応じて、最適な区分のメディア情報を判定することができるため、選択手段(選択ステップ)は適切なデータ量のメディア情報を選択することができる。 When the media content has a plurality of different pieces of media information at the same time, the determination unit (determination step) determines which media information is to be selected from the determination condition, and selects the selection unit (selection step). ) Is selected only from the data determined by the determining means (determination step). For this reason, since the determination means (determination step) can determine the media information of the optimum classification according to the determination condition, the selection means (selection step) can select the media information of an appropriate data amount. it can.
また、判定手段(判定ステップ)が、判定条件から映像情報のみ、音情報のみ、または映像情報および音情報のいずれかを選択対象とするかを判定しているため、選択手段(選択ステップ)が行う区間の選択のために要する時間を短縮することができる。 Further, since the determination means (determination step) determines whether to select only video information, only sound information, or video information and sound information from the determination condition, the selection means (selection step) The time required for selecting a section to be performed can be shortened.
また、文脈内容記述データに代表データが属性として付加され、判定手段は、これら判定条件に応じて、最適な区分のメディア情報または代表データを判定することができる。 Also, representative data is added as an attribute to the context content description data, and the determining means can determine the media information or representative data of the optimum classification according to these determination conditions.
さらに、判定手段(判定ステップ)が、判定条件に応じて、該当するメディアセグメントの全体データのみ、代表データのみ、または全体データおよび代表データ両方のいずれかを選択対象と判定しているため、判定手段(判定ステップ)は、選択手段(選択ステップ)が行う区間の選択のために要する時間を短縮することができる。 Furthermore, the determination means (determination step) determines only the entire data of the corresponding media segment, only the representative data, or both the entire data and the representative data as selection targets according to the determination condition. The means (determination step) can shorten the time required for selecting the section performed by the selection means (selection step).
本発明は、必要とする場面をメディアコンテンツの中から自由に選択することができるデータ処理装置、データ処理方法、記録媒体およびプログラム等に有用である。 The present invention is useful for a data processing apparatus, a data processing method, a recording medium, a program, and the like that can freely select a required scene from media contents.
101 選択ステップ
102 抽出ステップ
501,513 選択ステップ
503 抽出ステップ
505 再生ステップ
507 映像選択ステップ
509 音選択ステップ
511 判定ステップ
515 構成ステップ
517 配送ステップ
519 記録ステップ
523 データ記録媒体管理ステップ
525 蓄積コンテンツ管理ステップ
601 分離手段
602 ビデオスキミング手段
603 オーディオスキミング手段
1301 節<section>
1302 節<section>
1301 節<section>
1301 葉<segment>
1801 選択ステップ
1802 抽出ステップ
1803 構成ステップ
1804 配送ステップ
1805 データベース
2401 インターフェース手段
2402 分離手段
2403 ビデオスキミング手段
2404 オーディオスキミング手段
3101 選択ステップ
3102 抽出ステップ
3103 構成ステップ
3104 配送ステップ
3105 データベース
3201 ストリーム選択手段
3202 多重化手段
3203 状況判定手段
3204 配送手段
4101 選択ステップ
4102 抽出ステップ
4103 構成ステップ
4104 配送ステップ
4105 データベース
4401 選択ステップ
4402 抽出ステップ
4403 構成ステップ
4404 配送ステップ
4405 データベース
101
1302 <section>
1301 <section>
1301 Leaf <segment>
1801
Claims (20)
前記観点及び前記スコアのうち少なくとも一方に基づいて少なくとも一つのセグメントを選択して出力する選択部と、
前記メディアコンテンツを入力するコンテンツ入力部と、
前記選択部で選択されたセグメントの時間情報から前記メディアコンテンツの区間を抽出する抽出部と、
を備えた要約作成装置。 It is represented by a data structure part in which a plurality of segments representing each scene of media content composed of a plurality of scenes are described, and at least one keyword representing a scene, which is attribute information assigned to each of the segments. An input unit for inputting context content description data having both a viewpoint and an attribute part in which a score representing the importance of the segment based on each viewpoint is described;
A selection unit that selects and outputs at least one segment based on at least one of the viewpoint and the score; and
A content input unit for inputting the media content;
An extraction unit for extracting a section of the media content from the time information of the segment selected by the selection unit;
A summary creation device.
前記属性部に記述されている前記スコアと前記時間情報の少なくとも一方に基づいて、前記データ構造部からセグメントを選択して出力する選択部と、
前記メディアコンテンツを入力するコンテンツ入力部と、
前記選択部で選択されたセグメントの時間情報から前記メディアコンテンツの区間を抽出する抽出部と、
を備えた要約作成装置。 A data structure part in which a plurality of segments representing each scene of media content composed of a plurality of scenes are described, time information representing scene breaks, which is attribute information assigned to each of the segments, and scene contents An input unit for inputting contextual content description data having both an aspect represented by at least one keyword representing and an attribute part describing a score representing the importance of each segment based on the viewpoint;
A selection unit that selects and outputs a segment from the data structure unit based on at least one of the score and the time information described in the attribute unit;
A content input unit for inputting the media content;
An extraction unit for extracting a section of the media content from the time information of the segment selected by the selection unit;
A summary creation device.
複数の場面で構成されるメディアコンテンツの各場面を表す複数のセグメントが記述されているデータ構造部と、前記セグメントの各々に割り当てられる属性情報である、場面を表す少なくとも1つのキーワードによって表される観点、及び各観点に基づいた前記セグメントの重要度を表すスコアが記述されている属性部との両方を有する文脈内容記述データを入力するステップと、
前記観点及び前記スコアのうち少なくとも一方に基づいて少なくとも一つのセグメントを選択して出力するステップと、
前記メディアコンテンツを入力するステップと、
前記選択されたセグメントの時間情報から前記メディアコンテンツの区間を抽出するステップと、
を備えたデータ処理方法。 Data processing of a data processing apparatus comprising: an input unit for inputting context content description data; a selection unit for selecting a segment from the context content description data; and an extraction unit for extracting media content from the segment selected by the selection unit A method,
It is represented by a data structure part in which a plurality of segments representing each scene of media content composed of a plurality of scenes are described, and at least one keyword representing a scene, which is attribute information assigned to each of the segments. Inputting contextual content description data having both a viewpoint and an attribute part in which a score representing the importance of the segment based on each viewpoint is described;
Selecting and outputting at least one segment based on at least one of the viewpoint and the score;
Inputting the media content;
Extracting a section of the media content from time information of the selected segment;
A data processing method comprising:
前記観点及び前記スコアのうち少なくとも一方に基づいて少なくとも一つのセグメントを選択して出力するステップと、
前記メディアコンテンツを入力するステップと、
前記選択されたセグメントの時間情報から前記メディアコンテンツの区間を抽出するステップと、
をコンピュータに実行させるためのプログラム。 It is represented by a data structure part in which a plurality of segments representing each scene of media content composed of a plurality of scenes are described, and at least one keyword representing a scene, which is attribute information assigned to each of the segments. Inputting contextual content description data having both a viewpoint and an attribute part in which a score representing the importance of the segment based on each viewpoint is described;
Selecting and outputting at least one segment based on at least one of the viewpoint and the score;
Inputting the media content;
Extracting a section of the media content from time information of the selected segment;
A program that causes a computer to execute.
複数の場面で構成されるメディアコンテンツの各場面を表す複数のセグメントが記述されているデータ構造部と、前記セグメントの各々に割り当てられる属性情報である、場面の区切りを表す時間情報、場面の内容を表す少なくとも1つのキーワードによって表される観点、及び観点に基づいた各セグメントの重要度を表すスコアが記述されている属性部との両方を有する文脈内容記述データを入力するステップと、
前記属性部に記述されている前記スコアと前記時間情報の少なくとも一方に基づいて、前記データ構造部からセグメントを選択して出力するステップと、
前記メディアコンテンツを入力するステップと、
前記選択されたセグメントの時間情報から前記メディアコンテンツの区間を抽出するステップと、
を備えたデータ処理方法。 Data processing of a data processing apparatus comprising: an input unit for inputting context content description data; a selection unit for selecting a segment from the context content description data; and an extraction unit for extracting media content from the segment selected by the selection unit A method,
A data structure part in which a plurality of segments representing each scene of media content composed of a plurality of scenes are described, time information representing scene breaks, which is attribute information assigned to each of the segments, and scene contents Inputting contextual content description data having both an aspect represented by at least one keyword representing, and an attribute part describing a score representing the importance of each segment based on the viewpoint;
Selecting and outputting a segment from the data structure portion based on at least one of the score and the time information described in the attribute portion;
Inputting the media content;
Extracting a section of the media content from time information of the selected segment;
A data processing method comprising:
前記属性部に記述されている前記スコアと前記時間情報の少なくとも一方に基づいて、前記データ構造部からセグメントを選択して出力するステップと、
前記メディアコンテンツを入力するステップと、
前記選択されたセグメントの時間情報から前記メディアコンテンツの区間を抽出するステップと、
をコンピュータに実行させるためのプログラム。 A data structure part in which a plurality of segments representing each scene of media content composed of a plurality of scenes are described, time information representing scene breaks, which is attribute information assigned to each of the segments, and scene contents Inputting contextual content description data having both an aspect represented by at least one keyword representing, and an attribute part describing a score representing the importance of each segment based on the viewpoint;
Selecting and outputting a segment from the data structure portion based on at least one of the score and the time information described in the attribute portion;
Inputting the media content;
Extracting a section of the media content from time information of the selected segment;
A program that causes a computer to execute.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2006313410A JP2007080290A (en) | 1998-12-25 | 2006-11-20 | Summary creating apparatus, data processing method and program for causing computer to execute the data processing method |
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP37148398 | 1998-12-25 | ||
JP27140499 | 1999-09-24 | ||
JP2006313410A JP2007080290A (en) | 1998-12-25 | 2006-11-20 | Summary creating apparatus, data processing method and program for causing computer to execute the data processing method |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP35047999A Division JP2001160066A (en) | 1998-12-25 | 1999-12-09 | Device and method for processing data and recording medium, and program for allowing computer to execute data processing method |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2007080290A true JP2007080290A (en) | 2007-03-29 |
Family
ID=37940468
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2006313410A Pending JP2007080290A (en) | 1998-12-25 | 2006-11-20 | Summary creating apparatus, data processing method and program for causing computer to execute the data processing method |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2007080290A (en) |
-
2006
- 2006-11-20 JP JP2006313410A patent/JP2007080290A/en active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR100681300B1 (en) | Data processing device, data processing method and storage medium, and program for causing computer to execute the data processing method | |
US7134074B2 (en) | Data processing method and storage medium, and program for causing computer to execute the data processing method | |
KR100771055B1 (en) | Data processing apparatus and data processing method | |
US20070101266A1 (en) | Video summary description scheme and method and system of video summary description data generation for efficient overview and browsing | |
JP4920395B2 (en) | Video summary automatic creation apparatus, method, and computer program | |
JP2001028722A (en) | Moving picture management device and moving picture management system | |
EP1222634A1 (en) | Video summary description scheme and method and system of video summary description data generation for efficient overview and browsing | |
WO2011059029A1 (en) | Video processing device, video processing method and video processing program | |
JP2007336283A (en) | Information processor, processing method and program | |
JP2007150723A (en) | Video viewing support system and method | |
JP3824318B2 (en) | Data processing apparatus, data processing method and recording medium | |
JP4598134B2 (en) | Data processing apparatus and data processing method | |
JP2007074749A (en) | Data processing apparatus, data processing method, and program for computer to execute data processing method | |
JP2005166063A (en) | Data processing apparatus, data processing method, recording medium, and program for making computer to execute the data processing method | |
JP2007080290A (en) | Summary creating apparatus, data processing method and program for causing computer to execute the data processing method | |
JP2004127324A (en) | Data processing apparatus, data processing method, recording medium, and program for making computer to perform the data processing method | |
JP2004140875A (en) | Data processing apparatus, data processing method and recording medium, and program for making computer execute the data processing method | |
JPH1032773A (en) | Summary video browsing method/device | |
CN100433015C (en) | Data processing method and device | |
CN100474308C (en) | Data processing method and storage medium, and program for causing computer to execute the data processing method |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20071113 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20071120 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20080123 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20080321 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20080521 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20080717 |
|
A911 | Transfer of reconsideration by examiner before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20080801 |
|
A912 | Removal of reconsideration by examiner before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20080822 |