电视节目后期制作技术思维和视觉定位

卢嫣妮

（湖南广播电视台卫视频道，湖南 长沙 410003）

0 引 言

4K 技术的广泛应用与发展有效提高了节目感官，为超高清频道的顺利开播奠定了良好的物质基础。与此同时，4K 节目后期制作对技术设备的要求与存储性能也在持续提升。调查显示，当前在4K节目后期制作工作中，IP 网络存储技术和大数据技术应用极为广泛，同时视觉定位也更加准确。

1 电视节目后期制作技术思维

1.1 IP 网络存储技术应用

1.1.1 4K 节目后期制作对IP 网络存储系统的要求

第一，对存储器以及存储容量的需求。IP 网络存储器是4K 节目后期制作的核心设备，存储了所有节目素材、技术参数、各种备份文件与节目工程等，其中节目素材所占比例最高。素材文件码率不同，对存储空间的要求和产生的影响也不同。一般在4K 节目后期制作中使用的节目素材源并不局限于演播室的服务器收录工作产生的素材，而是要根据节目内容的具体需求进行选择。这个过程涉及多个平台工作站、4K 摄像机和特种设备所摄录的不同编解码格式的文件。此外，存储器及其存储容量不仅要满足大量的节目素材存储需求，而且要兼顾不同素材文件格式兼容、转换、生成与交互，满足容灾备份的空间需求。

第二，对服务器宽带的需求。4K 节目后期制作要求服务器宽带必须能够确保整个制作系统的畅通运转，同时能满足数据I/O 所需的极限带宽。

第三，对数据传输效率的要求。顺利完成4K节目后期制作任务，必须兼顾多个终端的并发读写需求，同时要兼顾多个终端对同一节目素材文件读取工作的传输效率。目前，4K 节目后期编辑工作站所用设备已经能够支持4 ～6 个轨文件的同步播放。

第四，对数据安全保护的需求。因为网络病毒和黑客攻击问题的存在，为确保4K 节目的顺利播放和维护IP 网络安全，必须加强对节目数据信息的安全保护。这需要全面加强IP 网络存储系统软硬件安全建设，设置存储数据安全密码，构建数据逻辑安全系统，科学管控数据的完整性、信息准确性和应用安全性，从而全方位预防网络病毒的恶意侵害。

1.1.2 从宏观和微观两个层次划分IP 网络存储架构

从宏观层次来看，IP 网络存储系统架构属于开放式系统存储，分为内置存储和外挂存储两大类。外挂存储又分为直连存储（Dlrect-attached Storage，DAS）和网络存储（Fabrlc Attached Storage，FAS）。网络存储又分为存储区域网络（Storage Aree Network，SAN）和网络接入存储（Network Attached Storage，NAS）。其中，存储区域网络分为IP-SAN 和FC-SAN，网络接入存储分为统一式、网关式和横向扩展式。

从微观层次来看，常用IP 网络存储架构主要分为SAD 架构和NAS 架构两种。SAD 架构模式属于一种独立存储网络。在该架构的支持下，4K 节目数据传输迅速而流畅，扩展性效果良好。NAS 架构模式主要以IP 网络技术为依托提高数据专用存储服务效率。在具体工作中，NAS 架构可充分利用专业操作系统和文件系统对外提供标准化CIFS/NFS 协议，同时通过启用太网交换机实现存储设备和应用设备的有效连接，构建完善的存储网络，对节目数据进行集中化管理，减轻宽带压力，使带宽得以释放，优化设备性能，降低制作成本，确保4K节目制作的安全管理。目前，NAS 架构已升级为3种类型，分别是细化成网关式、统一成网关式与横向拓展网。

1.1.3 IP 网络存储测试分析

在IP 网络存储测试中，首先需要以是否满足4K 节目后期制作任务的圆满完成为基准，按照标准要求制作网络工作环境，科学模拟软件数据，构建完善的网络存储架构，优化存储器性能，检测带宽是否符合标准要求。其次，要对分布式系统与可动态扩展效果进行检测，检测结果达标后再科学布设非结构化存储应用场景、全端组网类型和内部互联网组网类型，设置数据保护级别，确保网络系统能支持各种硬盘类型。再次，应注重改善数据自愈系统，赋予数据自动化功能，使数据能自动迅速恢复，当前最快恢复速度是1 TB/h。最后，要注意全面测试存储配置方案，如果视频流与节目读写工作能保持稳定状态，则说明测试合格。

1.2 大数据技术概述

1.2.1 大数据技术的基本特征与技术架构

大数据技术具有5 大基本特征，即数据应用普遍化、数据信息海量化、信息种类多样化、数据资源公开化与传输速度高速化［1］。大数据技术有极高的实用性，能筛选出有价值的信息，兼容不同结构的数据存储工作，准确识别信息真伪。在电视节目后期制作中，大数据技术发挥的作用至关重要。

从技术架构来区分，大数据技术由基础层、管理层、分析层和应用层组成，其中基础层是大数据技术架构第一层，也是最底层。实现大数据技术应用，构建和启动高度自动化数据平台，优化数据平台存储功能，需要启用基础层扩展存储空间容量，优化存储性能，实现线性扩展，合理调配数据节点与分布结构，尽量缩短数据传输时间。管理层能实现结构化数据和非结构化数据的兼容，具备数据传送、数据传输、信息存储和信息计算功能。管理层的数据存储结构类型有并行化存储和分布式存储两种。分析层主要用于分析海量数据信息，通过启用数据挖掘技术来提取有价值的信息，同时用计算机学习算法计算、分析并解释数据集。应用层的价值是进行数据决策，提供终端服务，进行数据预测，实现数据驱动和数据货币化，最终实现节目数据的有效传输与切换转化。

1.2.2 大数据技术的整体技术和关键技术

大数据技术可分为整体技术和关键技术，其中整体技术细分为8 种技术，关键技术分为6 种技术。

整体技术的8 种技术如下。第一，数据采集技术。该技术是启用ETL 工具，对数据源中的平面数据和关系数据等异构数据实施转换，并传输到中间层予以清晰和集成，最终传入数据库或者数据集市进行联机分析处理。第二，数据存储技术。该技术运用SQL 技术、NoSQL 技术与关系数据库存储海量异构数据信息。第三，基础架构技术。该技术负责云存储工作和分布式文件存储。第四，数据处理技术。该技术运用自然语言处理（Natural Language Processing，NLP）研究数据交互语言，结合用户需要，对数据采取正确的针对性处理措施。第五，统计分析技术。大数据统计分析技术包括假设检验技术、显著性检验技术、差异分析技术、相关分析技术、T 检验技术、方差分析技术、卡方分析技术、举例分析技术、回归分析技术、逐步回归分析技术、因子分析技术、聚类分析技术、主成分分析技术、判别分析技术、对应分析技术和多元对应分析技术等。第六，数据挖掘技术。该技术由分类管理技术、估计管理技术、预测管理技术、相关性分析技术、关联规则分析技术、聚类管理技术、描述技术、可视化处理技术以及复杂数据挖掘技术组成。第七，模型预测技术。该技术具有模型预测、机器学习和建模仿真功能。第八，结构呈现技术。该技术由云计算、关系图和标签云体现。

关键技术的6 种技术如下。第一，大数据采集技术。在关键技术研究体系中，数据通过传感器、RFID 视频、互联网以及社交网络交互等技术设备获取，以构建大量的数据知识服务模型。大数据采集技术的应用重点是突破不同结构与不同数据实现高效数据采集，迅速做好数据解析、信息转换与数据装载工作，确保数据开发质量。一般情况下，大数据采集工作由基础支撑层和智能传感层共同完成。第二，数据信息预处理技术。该技术用于辨析已接收到的数据信息，并做好相关清晰和提取工作。第三，数据信息分类存储与管理技术。该技术是启用存储器储存收集的数据信息，设置不同类别的数据库，然后对数据实施分类，并将其存入相应的数据库，以便后期调用。第四，大数据安全开发技术。该技术能对数据信息进行安全销毁，实现数据透明加解密，对密保信息实施分布式访问与控制，做好数据审计工作，识别信息真伪，确保数据内容完整性，做好相关取证工作。第五，大数据分析挖掘技术。该技术能够改进已有数据挖掘和机器学习技术，做好数据网络的开发与挖掘工作，高效实现数据群组与图像挖掘，突破基于对象的数据连接、相似性连接等大数据融合技术，以及用户兴趣分析、网络行为分析和情感语义分析等面向领域的大数据挖掘技术［2］。第六，数据信息展现应用技术。该技术能够解译数据，并以立体化模型、图像和语言文字的形式成功展示数据信息内容。

在大数据技术支撑下，工作人员能对海量节目信息进行有效识别、甄选、提纯、分析、存储与应用。大数据存储平台具有良好的兼容功能，因而能保存大量不同种类、不同结构的电视节目数据。

2 实现电视节目制作视觉定位以提高节目效果的途径

2.1 应促进节目画面定位拍摄、画面整合与特效处理工作

一般节目画面定位拍摄是对某一场景的定位，画面整合是将不同画面连续整合在一起构成完整的节目视频，而特效处理则是用补光灯、色调处理技术和电脑模拟来提升画面特效，同时要将大数据技术应用于节目分析、挖掘与整合处理工作［3］。数据分析理念和数据挖掘技术关系极为密切，通常是挖掘数据信息后立刻进行分析和解译。数据分析方法有回归分析法（包括多元回归分析法和自回归分析法）、判别分析法（包括贝叶斯判别分析法、非参数判别分析法和费歇尔判别分析法等）、聚类分析法（包括系统聚类分析法和动态聚类分析法）、探索性分析法（包括主元分析法和相关分析法）以及可视化分析法（数据可视化无论是针对普通用户还是数据分析专家，均是为了实现数据图像化，为了让用户直观感受电视节目数据分析结果）。同时，采用数据挖掘算法对电视节目数据信息进行深度分析，准确翻译机器语言，提炼有价值的数据，做好海量数据计算工作，对计算结果进行预测分析，并启用情感分析、舆情分析、智能输入和问答系统来优化语义引擎功能，确保电视节目播放效果良好。

2.2 充分利用智能化技术实现节目创作与体验智能化

以新闻节目为例，实现新闻节目制作视觉定位，提升节目播放效果，应做好3 项基本工作。

2.2.1 实现新闻采集工作智能化

启用智能技术，使创作新闻作品工作成功实现从“报道导向”到“技术导向”的转型。这种情况下，记者将从新闻节目采编一线转到后台，能借助各种先进的技术完成信息整合与分析、语言编辑和修正等。同时，利用智能技术能实现大数据和信息的高效采集与分发。在当代所有新闻类型中，新闻报道秉承“所见即所闻”的意识，将视觉作为主要依据。新闻通常有选择地忽略肉眼无法察觉的事物。智能技术能够增加获取和处理物流的能力、人流和信息流的能力、人类进入恶劣环境和危机环境的能力以及沟通协作和人机交流能力。智能技术可以通过分析数据全方位观察某一事件，然后根据数据之间的相关性预测该事件的演变趋势，从而准确预估后期的关键节点。目前，智能分析技术的这一功能已经被成功应用于各种体育项目比赛结果预测、物价波动分析、股票涨跌预估和其他新闻事件分析工作。此外，随着结构化数据的不断完善、物联网技术的日益普及与应用以及数据处理设备技术功能的全面优化，新闻产业将升级成一种信息丰富、实用的新闻类型。

2.2.2 新闻生产工作模式智能化

随着智能技术应用的普及化和机器逻辑的日益复杂化，新闻内容编辑工作将逐步呈现出自动化发展状态。与人工模式相比，未来的机器生产工作逐渐变得个性化、高效化、即时性与场景化［4］。对于智能新闻作品生产工作，运用人工智能技术能持续加快新闻作品生产速度，增强工作时效性。通过启用智能机器人写作模式可完善新闻编辑功能，实现快速跟进新闻事件的进展程度、了解新闻发展最新动态、启用设备的自动检索功能、对比分析某一类事件信息的异同、做好澄清工作、整理类似事件、总结规则以及提出建议等。简言之，未来新闻生产的及时性是基于横向发展与延伸的，以确保质量为基础，属于智能机器向人类学习的重要内容。

2.2.3 新闻发布与内容体验智能化

新闻节目发布活动与作品内容体验是检验新闻搜集与编辑质量的最佳标准，也是辅助媒体获利的核心基础。通常用户在欣赏高质量新闻作品时，会提升优化阅读体验的要求。启用智能算法的推荐功能有助于提升用户画像的精确率，更加准确地分析用户对信息的需求，包括对信息专题与内容的需求分析，实现用户想要了解的信息与需要了解的信息之间的良性平衡，提高体验的视觉效果与听觉效果。

3 结 语

综上所述，优化4K 节目后期制作技术方案需要实现网络存储设备和应用设备的有效连接，构建完善的存储网络，借助大数据技术对节目数据进行集中化管理，减轻宽带压力，使带宽得以释放，优化设备性能与超高清频道，大力加强节目数据的安全管理。另外，应全面做好IP 网络存储测试工作，全面检测网络工作环境、文件读写功能与存储配置方案。