中国电影三大奖作品镜头与色彩计量数据集（核验版）

A Verified Cinemetric Dataset of Films Awarded by China’s Three Major Film Awards, 1999–2024

入选第二届 CCF 人文智能大会（AI4H 2026，上海，2026 年 8 月 28–30 日）数据集案例

本数据集面向数字人文与计量电影学（Cinemetrics）研究，收录中国电影金鸡奖、大众电影百花奖、中国电影华表奖获奖影片的镜头级与关键帧级计量数据。与常见的”一片一行”汇总表不同，本数据集提供每一个镜头的精确起止帧、每一个关键帧的景别标签、检出人数与两个主色值，使研究者可以自行定义指标、复算全部结论。

一、规模


影片	124 部，1999—2024 年
镜头	186,183 个，每个带精确起止帧
关键帧	192,895 帧，每帧带景别 + 检出人数 + 两个主色
文件	372 个 CSV（124 部 × 3）+ 1 份总索引 `manifest.csv`
体量	约 13 MB
加工完成	2026 年 8 月（片源与帧率核验版）
最后更新	2026 年 8 月 12 日

年代分布

时段	影片数
1999—2007	47
2008—2015	39
2016—2024	38

二、⚠️ 使用前必读：三条硬约束

本数据集经过逐片片源核验，也因此暴露出若干必须遵守、否则结论无效的约束。这些约束不是免责声明，而是数据的使用条件。

1｜`shotlength.csv` 的单位是帧，不是秒

折算秒数必须使用 manifest.csv 中该片的 CCKS源帧率 列。

不要统一按 24 fps 折算。 本集 124 部的 CCKS源帧率 实测分布如下——**仅 28 部为 24 fps，占 22.6%**：

帧率部数帧率部数

23.976 42 29.97 11

25.0 36 60.0 5

24.0 28 30.0 / 20.0 各 1

早期版本按 24 fps 统一折算是错误的，并曾导致”节奏趋同”这一虚假结论（见第四节）。
不要用「片库帧率 × 帧数比值」反推。 该做法假设 CCKS 处理的片源与当前片库片源时长完全相同，会把时长微差搬进帧率，推出 23.2、28.2 这类不存在的帧率。

帧率	部数	帧率	部数
23.976	42	29.97	11
25.0	36	60.0	5
24.0	28	30.0 / 20.0	各 1

帧率的确定方法是时长匹配：

对每个标准帧率 f ∈ {23.976, 24, 25, 29.97, 30, 50, 60}
    时长_CCKS(f) = CCKS帧数 / f          （CCKS帧数 = shotlength 末帧 + 1）
取使 |时长_CCKS(f) − 时长_片库| 最小的 f

2｜部分影片禁止跨模块联合分析

manifest.csv 的 ⚠️使用限制 列逐条标注每部影片能做什么、不能做什么：

标注	部数	含义
`—`	87	无限制，全部分析可做
`ℹ️ 版本差异`	19	时长与片库差 3—10%（无片尾版／删减版）。内容主体相同、帧率已确定，数据有效；仅做片长相关分析时留意
`⚠️ 禁止跨模块联合`	16	`shotlength` 与 `colors`/`shotscale` 分镜不同源。三个文件各自完全有效——`shotlength` 可算 ASL/MSL，`colors`+`shotscale` 可算色彩与景别；只是两边不能交叉
`⚠️ 关键帧截断`	2	`shotlength` 全片有效；`colors`/`shotscale` 只覆盖前段

对应的 可跨模块联合 列：是 106 部、部分 2 部、否 16 部。等级 列同步标记 A（106）／B（2）／C（16）。

「禁止跨模块联合」的危险在于它不报错。 照样算得出相关系数，只是那个数没有意义。因此该约束写在索引里，而不是靠使用者记忆。

按用途选子集

要做什么	用哪些	部数
ASL／MSL／剪辑节奏（仅用 `shotlength`）	全部	124
色彩分布、景别分布、群像度（仅用 `colors`/`shotscale`）	排除「关键帧截断」	122
跨模块联合（色彩 × 镜头时长、人数 × 镜头时长）	仅取 `可跨模块联合 == 是`	106

3｜三个字段的语义陷阱

colors.csv 的 Color0 与 Color1 没有主次之分。 k 均值簇编号随机，同片两次运行 Color0 仅约 47% 相同。但两色合并后汇总指标稳定（差异 < 0.002）。必须同等对待、合并统计，不可将 Color0 当作”主色”。
shotscale.csv 的 Empty Shot ≈ 未检出人物（与 Detect_Person_Num == 0 几乎完全重合），是检测失败标记而非景别类别。做景别分布时应单列或排除，不可当作一种景别参与占比计算。
色彩统计前需两步剔除：① 用 shotlength.csv 的区间滤掉不属于任何镜头的间隙帧；② 剔除 V < 0.08 的近纯黑色值。

三、文件结构

.
├── README.md                      # 本文件
├── LICENSE                        # 数据 CC BY-NC 4.0；代码 MIT
├── CITATION.cff                   # 引用元数据
├── docs/
│   └── 数据说明文档.md             # 完整规范：字段、方法、局限、版本
├── data/
│   ├── manifest.csv               # ⭐ 总索引：124 行 × 33 列，含帧率与使用限制
│   └── {三位编号}_{片名}/          # 每部三个 CSV
│       ├── shotlength.csv
│       ├── colors.csv
│       └── shotscale.csv
└── scripts/
    ├── dataset_overview.py        # 数据集概览（无需 manifest 即可运行）
    └── compute_metrics.py         # 按帧率折算 ASL/MSL 并按使用限制筛子集

字段规范

shotlength.csv — 镜头切分，一行一个镜头

列	类型	说明
`start`	INT	镜头起始帧号（含）
`end`	INT	镜头结束帧号（含）
`length`	INT	镜头长度（帧）= `end − start + 1`

colors.csv — 关键帧主色，一行一个关键帧

列	类型	说明
`FrameId`	STR	六位零填充帧号，如 `000000`
`Color0`	HEX	主色之一，与 `Color1` 无主次之分
`Color1`	HEX	主色之一

shotscale.csv — 关键帧景别与人数，一行一个关键帧

列	类型	说明
`FrameId`	STR	六位零填充帧号
`ShotScale`	ENUM	`Medium Close-Up` / `Medium Shot` / `Close-Up` / `Long Shot` / `Full Shot` / `Empty Shot`(=未检出)
`Detect_Person_Num`	INT	该帧检出人数

manifest.csv — 总索引（124 行 × 33 列）。任何分析都应先读此表。 主要列分组：

标识：编号、片名、年份、题材、目录
⭐ 使用条件：⚠️使用限制、限制说明、可跨模块联合、等级、片库文件状态
⭐ 折算依据：CCKS源帧率、片库时长偏差pct
预算指标：ASL秒、MSL秒、时长分、镜头数、关键帧数、平均检出人数、空镜比例
体检与溯源：FrameId命中率、末帧差、SC同帧、装配方式、来源_colors_shotscale、来源_shotlength、原目录_cs、原目录_l、原colors文件名、候选文件夹数、三样文件时间跨度天、原始编码、colors行数、总帧数

ASL秒／MSL秒 已按逐片帧率预先算好，可直接使用；scripts/compute_metrics.py 的独立复算与之在全部 124 部上误差 < 0.01 秒。

四、数据集实测概览

以下为对全部 192,895 个关键帧与 186,183 个镜头的直接统计（帧率无关指标，不依赖 manifest，可用 scripts/dataset_overview.py 复现）。

景别分布（分母为已检出人物的 175,438 帧，按第二节第 3 条排除 Empty Shot）

景别	关键帧数	占比
Medium Close-Up（中近景）	89,319	50.9%
Medium Shot（中景）	36,727	20.9%
Close-Up（特写）	31,581	18.0%
Long Shot（远景）	16,195	9.2%
Full Shot（全景）	1,616	0.9%

另有 Empty Shot 17,457 帧（占全部 192,895 关键帧的 9.1%），为检测失败标记而非景别类别，已排除在上表分母之外。

中近景与特写合计 **68.9%**，印证中国主流电影以人物情感与对话驱动叙事的取向。

检出人数分布（群像度指标）

人数	关键帧占比
0 人	8.6%
1 人	23.2%
2 人	20.9%
3 人	13.9%
4 人	8.8%
5 人	5.7%
6 人及以上	19.0%

片内镜头时长离散度（CV）——帧率无关，可直接跨片比较

时段	n	CV 中位数	CV 均值
1999—2007	47	1.207	1.289
2008—2015	39	1.316	1.421
2016—2024	38	1.103	1.281

全体 124 部 CV 中位数 1.210，区间 0.77–2.74。此处 CV 为片内镜头时长的离散度（衡量单片节奏的张弛程度），与下文「片间 CV」是不同指标，不可混用。

核心结论：剪辑加速成立，节奏趋同不成立

以下 ASL 按 manifest.csv 的逐片帧率折算（可用 scripts/compute_metrics.py 复现）：

时段	n	ASL 中位数	ASL 均值	片间 CV
1999—2007	47	7.87 s	8.07 s	0.367
2008—2015	39	4.90 s	5.02 s	0.401
2016—2024	38	3.54 s	3.71 s	0.372

**① 加速成立：首末期 ASL 中位数下降 55.0%**，且在稳健性对照子集上结论一致——仅取 106 部可跨模块联合影片时为 7.90 → 5.39 → 3.67 s，趋势不变。该结论对样本选择稳健。

② 趋同不成立：片间 CV 三期持平（0.367／0.401／0.372），并未收窄。此前版本曾报告”节奏趋同、CV 下降 22%”，那是 24 fps 统一折算造成早期段离散度虚高的假象；以逐片实测帧率重算后趋同消失。

这正是本数据集发布镜头级原始数据、而非仅发布汇总指标的理由：汇总指标一旦建立在错误的帧率折算上，使用者无从察觉。

全体 124 部 ASL：中位数 5.03 s，均值 5.77 s，区间 2.18–20.08 s。

五、快速开始

仓库地址


官方仓库（GitLink，中国计算机学会主办）	https://www.gitlink.org.cn/suyancong/china-film-awards-cinemetrics
镜像（GitHub）	https://github.com/sogensou/china-film-awards-cinemetrics

两处内容保持同步，引用请以 GitLink 地址为准。

git clone https://www.gitlink.org.cn/suyancong/china-film-awards-cinemetrics
cd china-film-awards-cinemetrics
pip install pandas

# 概览（无需 manifest）
python scripts/dataset_overview.py

# 按帧率折算 ASL/MSL，并按使用限制自动筛子集
python scripts/compute_metrics.py --manifest data/manifest.csv -o metrics.csv

最小示例——读取单部影片的镜头数据并折算为秒：

import pandas as pd

mf = pd.read_csv('data/manifest.csv')
fps = mf.loc[mf['编号'] == 2, 'CCKS源帧率'].iloc[0]      # 逐片帧率，不要写死 24

sl = pd.read_csv('data/002_冲天飞豹/shotlength.csv')
asl = sl['length'].mean() / fps                          # 平均镜头时长（秒）
msl = sl['length'].median() / fps                        # 中位镜头时长（秒）
print(f'ASL={asl:.2f}s  MSL={msl:.2f}s  镜头数={len(sl)}')

六、已知问题与待审计

坦述数据边界，供使用者判断适用性。

项	说明
004《我的父亲母亲》疑似分镜漏检	ASL 20.08 秒、仅 247 个镜头，而片长约 83 分钟。帧率已确定为 29.97，不是帧率问题——247 个镜头对 83 分钟明显偏少。这是当前主集内最需要复核的一部，使用时建议排除或单独标注
150《流浪地球 2》无数据	原 `150/` 目录下三个文件经比对实为 130《流浪地球》的数据（`shotscale.csv` 与 130 逐字节相同）。已将 130 补全并入本集、150 移除。此前任何以「150 =《流浪地球 2》」为前提的结论均须改标
样本非全集	本集为片源与帧率均已核验的子集。三大奖 2000 年以来获奖影片共 159 部，其余 35 部因片源不匹配、无法核验等原因未纳入
年代样本量不均	1999—2007 年 47 部、2016—2024 年 38 部。跨年代比较建议用中位数等对样本量不敏感的统计量
不含影片内容本身	仅含测量结果，不含任何画面、音频或视频片段
奖项归属未入表	当前 `manifest.csv` 未设「获奖奖项」列，分奖项（金鸡／百花／华表）比较需自行对照官方名录标注。此为下一版首要补全项

七、方法与溯源

数据生成链路

三大奖官方名录 → 片源定位与核验 → CCKS 平台逐帧分析 → 帧率时长匹配 → 同源性体检 → manifest 标注

计量提取依托 CCKS 中国电影知识体系数字平台，输出镜头切分、景别识别、主色聚类等底层数据
多副本择优：同一编号常有 2—4 份拷贝。采用规则为穷举全部 (colors+shotscale 文件夹 × shotlength 文件夹) 组合、取同源性体检最高分，而非”就近取用”。此法多救回 4 部，并自动避开了已发现的错标副本
全库交叉核验：对所有 shotscale.csv／shotlength.csv 取 md5 跨编号比对，用以发现错标与游离副本
未改动任何一行数据内容。 处理仅限：文件名归一（66-colors.csv → colors.csv，原名记于 manifest）、目录名归一（{三位编号}_{片名}）、编码按原字节拷贝（原始编码 列记录实际编码）

八、引用

@dataset{su2026cinemetrics,
  title  = {中国电影三大奖作品镜头与色彩计量数据集（核验版）},
  author = {苏彦聪 and 朴经纬 and 李洋 and 吴泓润 and 赵小源 and
            王江沂 and 林洋 and 吴佳欣 and 叶泓瑾 and 罗宇佳},
  year   = {2026},
  version = {2.0},
  note   = {第二届CCF人文智能大会（AI4H 2026）数据集案例},
  url    = {https://www.gitlink.org.cn/suyancong/china-film-awards-cinemetrics}
}

苏彦聪, 朴经纬, 李洋, 等. 中国电影三大奖作品镜头与色彩计量数据集（核验版）[DS]. 2026.

九、团队

姓名	单位	职称／职务	研究方向
苏彦聪	厦门理工学院影视与传播学院	副教授，CCF 计算艺术分会执委	计算艺术、数据可视化、智能传播
朴经纬	厦门理工学院影视与传播学院	硕士生导师	智能视听与跨文化传播、互动叙事
李洋	厦门理工学院影视与传播学院	副教授、硕士生导师	电影传播与地方形象研究
吴泓润	闽南师范大学	副教授、海外教育学院副院长	数字人文、复杂网络与文化建模
赵小源	中国艺术研究院电影电视研究所	博士	电影社会学、计量电影学

学生成员：王江沂、林洋、吴佳欣、叶泓瑾、罗宇佳（厦门理工学院 2022 级网络与新媒体专业）

致谢：感谢北京大学李道新教授团队及 CCKS 中国电影知识体系数字平台为本数据集的影像计量提取提供的工具支持。

十、许可与联系

数据：CC BY-NC 4.0（署名—非商业性使用）
代码（scripts/）：MIT
联系：苏彦聪　syc@xmut.edu.cn　｜　微信 sogensou

本数据集中的计量字段为对影片形式要素的客观测量结果（帧号、时长、景别、色值），不含表达性内容，不包含任何影片画面或音视频片段。仅供学术研究与非商业性教育用途。若相关权利人认为收录方式不当，请邮件联系，团队将在核实后及时调整。