基于人工智能技术影片内容分析方法研究.docVIP

基于人工智能技术影片内容分析方法研究 　　从谷歌人工智能AlphaGo击败围棋大师，到无人机、无人车、智能语音识别等技术取得突破性进展，人们发现人工智能已经成为日常生活的一部分，即使是文化艺术领域也受到冲击，带来新的方法和手段变革。人工智能创作影视作品、音乐作品、美术作品的新闻层出不穷。2017年11月CCTV2《机智过人》机器人PK人类作词作曲节目中，机器人与著名音乐制作人仅差两票；谷歌办人工智能画展，画作拍出8000美元。然而，人工智能的这些成果，其技术实现的前身是计算机大数据和人工智能算法对人类自然语言与语义，从识别图像中目标物体开始，模拟人类智慧进行逆向创作（逆向工程）的成果，是以深度学习为代表的计算机视觉计算、自然语言语义分析、语音识别与翻译等技术的成熟表现。视频计算成为当今人工智能最热门的应用，其对视频图像信息的语义识别、分类检索、自动跟踪等技术实现，为电影内容分析提供了新的技术和方法。 　　一、 电影数据技术焕发新的生机 　　电影产业研究在美学、传播学研究的同时，离不开大数据支撑，电影本体的研究亦如此。一些西方学者，如澳洲学者巴里?索特（Barry Salt），早在电影研究中引入了大数据，他将电影形式细化为各种镜头参数，并统计和镜头相关的数据，继而根据数据来评判某个导演甚或某个时代的视听风格，该电影的数据分析方法主要是以人工方式完成数据表示与计算。 　　在信息时代的今天，美剧《纸牌屋》和中国电影《小时代》是当今影视大数据运用最成功典型案例，两部作品应用大数据统计计算方法，在品牌、口碑、艺术和经济价值等方面取得了可喜的业绩，开创了大数据在影视行业应用的新时代。目前，大数据技术已经成为影视投资与营销的主要技术手段，并且在业界也形成了成熟的技术工具产品，如谷歌的“电影票房预测模型”，该模型能够提前一个月预测电影上映首周的票房收入，准确度高达94%。 　　这些电影大数据应用，大都是关注观众层面的行为数据、消费数据以及市场环境方面的数据，对于电影内容分析的研究，由于受技术条件、语义分析难度、艺术与美学量化表示等因素制约，还处在探索阶段。然而，不容忽视的是，电影内容的分析对于电影创意、内容管理、结构规律以及各元素关系规律、电影多样化发展有着更加积极的意义。从电影内容要素分析与人工智能成熟技术入手，探索电影内容分析方法和实现的技术手段，形成电影评估、内容创作、电影营销的闭环系统，从而推动电影创作与营销水平的提升，是值得业界内外潜心研究的新课题。 　　二、 电影大数据应用的主要原理 　　大数据4V特征的核心是价值（Value），如图1 “影视大数据应用系统图”所示，应用人工智能与机器学习算法，对获得的社交媒体及小说、剧本、影视作品数据源信息进行特征属性识别，对离散的信息采用分类模式，对线性信息应用回归模式，根据先验经验或标准实现对属性特征的分类与回归预测，从而实现市场预测、内容评估、营销分析，并指导创意、创作、影视作品内容制作和对影视作品进行线上线下、智能推荐等营销活动，最终实现影视作品更高质量生产和最大化推广。 　　大数据研究的前提条件，是有全样本或足够量的大样本数据，而一部影视作品、小说剧本本身或影视作品所产生的社交媒体信息，都是影视大数据应用的数据源，随着大数据在影视行业的成功应用，电影行业对电影从创意到营销各过程数据采集与存储越来越重视，大数据数据源已不是主要应用障碍，应用的核心与关键技术已从基于统计的数据处理方法，向人工智能技术和机器学习方法飞速跃变，更加注重对电影元素特征属性的精准识别、分类回归及特征属性间关系发现与预测的研究。 　　美剧《纸牌屋》是Netflix通过对电视剧消费行为习惯和消费者特征属性分析，识别并抽取消费者的行为和特征属性，应用关联方法进行特征匹配。其成功的关键技术是大数据背后的人工智能算法对特征的识别与抽取和关系匹配，形成对受众群体的精准定位决策分析。 　　《小时代》是《纸牌屋》案例的中国复制，其核心是对上映前后社交媒体用户对小说和观影用户群特征的识别，为影片发行营销策略提供了决策依据，并针对性地开展系列线上线下活动，引发了这个群体的观影热情，成功实施营销策略。《小时代》和《纸牌屋》代表了当今电影业大数据主要应用领域，即电影市场营销和电影市场评估与预测。 　　这些电影大数据应用，大都是关注观众层面的行为数据、消费数据以及市场环境方面的数据，主要应用在票房营销预测、影视消费者行为及影视延伸产品消费习惯分析。 　　随着人工智能技术高速发展，尤其是深度学习算法在视觉计算、语音识别和自然语言处理技术的成功应用，对于电影内容要素的分析研究，也提升到一个新的高度，基于图像语义分析技术，可以对电影结构、场景、镜头、人物、对话旁白等进行视觉和自然语言识别，得到电影各要素的特征属性标签，实