Simone
如果是实际地做出来，有两个关键问题: 判断帧内有无字幕，文字内容提取。第一个问题中，如果你指的仅仅是"字幕"，那么很好做的: 只要根据字幕可能出现的区域，通常应该是图像下方，若干行的领域，设定为ROI；如果是泛指可能出现文字的任何区域，那问题复杂度会相当高，需要根据视频内容中的文字和背景来具体分析，而且文字大小和方向也可能随机...相当滴复杂，看起来不应该是需要你做的东西；第二个问空乱桐题，假设就是字幕，而且ROI也设定好了，那么只要对这部分图像内容进行文字提取即可，用简单的图像处理手段比如阀值，滤波等将文字和斗坦背景分离开就行，然后“用软件提取文本”---你指的是第三方软件吗陪裤？如果是这样倒也简单；自己写的话最好找个现成的识别库或者工具箱什么的，这样速度快效果也好。至于你说的“采用神经网络的方法来确定文本像素点”，为什么得用神经网络？这玩意不好使的，因为假设你帧率为30fps,那么如果是实时处理，每帧的检出时间应当小于33ms，如果搞慢腾腾的神经网络进来，不是自找麻烦么？如果不实时，那针对长时间视频怎么办？难道你每帧都要存下来再慢慢check么？但是根据你的描述，神经网络貌似还是必须用上的重点... 所以我的判断你的任务可能是想整篇论文出来，而不在乎实际中的运行效果；如果是这样，希望你解释的再清楚一点，这样好给你建议。
