CN102446272A - 一种台标分割及识别的方法、装置及电视机 - Google Patents
一种台标分割及识别的方法、装置及电视机 Download PDFInfo
- Publication number
- CN102446272A CN102446272A CN2011102606309A CN201110260630A CN102446272A CN 102446272 A CN102446272 A CN 102446272A CN 2011102606309 A CN2011102606309 A CN 2011102606309A CN 201110260630 A CN201110260630 A CN 201110260630A CN 102446272 A CN102446272 A CN 102446272A
- Authority
- CN
- China
- Prior art keywords
- station symbol
- pixel
- value
- station
- target image
- 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
- Image Analysis (AREA)
Abstract
本发明适用于图像处理领域,提供了一种台标分割及识别的方法、装置及电视机,所述方法包括:根据连续多帧视频图像敏感区域像素点的特征值的变化值来分割台标,获得台标目标图像,所述敏感区域为预先设置;将所述台标目标图像与预设的台标特征库中的台标进行匹配;输出与所述台标目标图像相匹配的电视台信息。本发明由于根据像素点特征值的变化值来进行台标分割,在视频画面变化很小的情况下也能分割台标,做到实时检测识别。且该方法在对电视台信号实时监控、选择特定电视节目收录、节目收视率调查统计、广告插播、电台非法插播监控等领域有着广泛应用。
Description
技术领域
本发明属于图像处理领域,尤其涉及一种台标分割及识别的方法、装置及电视机。
背景技术
如今,电视已经遍布千家万户,看电视成为了人们日常消遣、娱乐所必不可少的方式。而电视台也在不断的增多,且不同的电视台都有各自不同的台标。电视台的台标包含了一个电视台的台名、节目取向等重要语义信息,是多个电视台之间互相区别的标识,也是实现视频分析、理解和检索的重要信息源之一。随着各级电视台台目数量的激增,若需要对电视台信号进行实时监控、选择特定电视节目收录、网络实时监控与检索、节目收视率调查统计、广告插播及电台非法插播监控时,由于现有的***不能自动识别台标,而只有通过人工的方式来操作,使得工作量变得十分庞大,工作效率也随之大大降低,并且由于工作量的巨大,人为的操作难免会有失误。
发明内容
本发明实施例的目的在于提供一种台标分割及识别的方法、装置及电视机,旨在解决现在不能自动识别台标的问题。
本发明实施例是这样实现的,一种台标分割及识别的方法,所述方法包括:
根据连续多帧视频图像敏感区域像素点的特征值的变化值来分割台标,获得台标目标图像,所述敏感区域为预先设置;
将所述台标目标图像与预设的台标特征库中的台标进行匹配;
输出与所述台标目标图像相匹配的电视台信息。
本发明实施例的另一目的在于提供一种台标分割及识别的装置,所述装置包括:
台标分割单元,用于根据连续多帧视频图像敏感区域像素点的特征值的变化值来分割台标,获得台标目标图像,所述敏感区域为预先设置;
台标匹配单元,用于将所述台标目标图像与预设的台标特征库中的台标进行匹配;
信息输出单元,用于输出与所述台标目标图像相匹配的电视台信息。
本发明实施例的另一目的在于提供包括所述台标分割及识别的装置的电视机。
在本发明实施例中,首先建立包括所有电视台台标的台标特征库,然后根据连续多帧视频图像的敏感区域像素点的特征值的变化值来分割台标,获得台标目标图像,最后通过匹配台标目标图像与台标库,获知当前播放的电视台信息。由于根据像素点特征值的变化值来进行台标分割,在视频画面变化很小的情况下也能分割台标,做到实时检测识别。且该方法在对电视台信号实时监控、选择特定电视节目收录、节目收视率调查统计、广告插播、电台非法插播监控等领域有着广泛应用。
附图说明
图1是本发明第一实施例提供的台标分割及识别方法的流程图;
图2是本发明第二实施例提供的台标分割及识别方法的流程图;
图3是本发明第三实施例提供的台标分割及识别方法中根据连续多帧视频图像敏感区域像素点的特征值的变化值来分割台标的方法的流程图;
图4是本发明第四实施例提供的台标分割及识别的装置的结构示意图;
图5是图4第四实施例的一种优选的台标分割及识别装置的结构示意图;
图6是图4第四实施例的另一种优选台标分割及识别装置的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明实施例提供了一种台标分割及识别的方法,首先建立包括所有电视台台标的台标特征库,然后根据连续多帧视频图像的敏感区域像素点的RGB值或灰度值的变化值来分割台标,获得台标目标图像,最后通过匹配台标目标图像与台标库,获知当前播放的电视台信息。
本发明提供了一种台标分割及识别的方法及装置:
所述方法包括:
根据连续多帧视频图像敏感区域像素点的特征值的变化值来分割台标,获得台标目标图像,所述敏感区域为预先设置;
将所述台标目标图像与预设的台标特征库中的台标进行匹配;
输出与所述台标目标图像相匹配的电视台信息。
所述装置包括:
台标分割单元,用于根据连续多帧视频图像敏感区域像素点的特征值的变化值来分割台标,获得台标目标图像,所述敏感区域为预先设置;
台标匹配单元,用于将所述台标目标图像与预设的台标特征库中的台标进行匹配;
信息输出单元,用于输出与所述台标目标图像相匹配的电视台信息。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
实施例一:
如图1所示为本发明第一实施例提供的台标分割及识别的方法的流程图,为了便于说明,仅示出了与本发明实施例相关的部分,应当理解图中所示步骤,只是本实施例子的一般步骤,对顺序关系进行常规调整,不影响实施例子的实施。
在步骤S101中,预先根据电视台频道资源设立台标特征库。
在本发明实施例中,预先根据电视台频道资源,对每个电视台频道都截取一张视频图像,利用图像处理工具截取包含台标的图像,并对该包含台标的图像进行除台标外的去背景处理,仅在图像上保留台标。然后设立台标特征库,存储获得的所有电视台台标的信息。
在本发明实施例中,步骤S101的顺序不做限制。
在步骤S102中,预先根据电视视频图像设置视频图像的敏感区域。
在本发明实施例中,预先根据电视视频图像设置视频图像的敏感区域。由于电视台的台标通常位于视频图像的左上角或右上角,其中,以位于左上角居多。因此,预先将视频图像的左上角设置为第一敏感区域,视频图像的右上角设置为第二敏感区域。敏感区域的大小根据最大台标的大小进行设置,以确保所有电视台的台标都能在敏感区域。通过检测敏感区域来检测台标的位置,首先检测台标是否在第一敏感区域,若不在则检测第二敏感区域。
作为本发明一个优选方案,为保证所有电视台的台标都能在敏感区域,预设设置第一敏感区域(即左上角)的大小为:从坐标(0,0)开始到坐标(Width/4-1,Height/4-1)为对角线所确定的矩形区域;预先设置第二敏感区域(即右上角)的大小为:从坐标(Width/4×3-1,0)开始到坐标(width-1,Height/4-1)为对角线所确定的矩形区域。其中,Width为整幅电视视频图像的宽,Height为整幅电视视频图像的高,因此,两个敏感区域的大小均为原图像的1/16。
在步骤S103中,设置匹配次数尝试计数器。
在步骤S104中,根据连续多帧视频图像敏感区域像素点的特征值的变化值来分割台标,获得台标目标图像。
在本发明实施例中,所述像素点的特征值包括像素点的RGB各分量的值或像素点的灰度值。首先,分别获取连续多帧视频图像敏感区域像素点的特征值的最大值与最小值,然后根据敏感区域像素点的特征值的最大值与最小值的差值的大小来分割台标,分割后将台标像素点的特征值设置为255,将背景像素点的特征值设置为0,获得台标目标图像。
由于台标本身在视频信号中绝大部分时间是处于静止状态的,因此台标所在位置的每个像素点的特征值具有相对稳定性,其变化值不大。因此,通过判断视频图像敏感区域像素点的特征值的变化值的大小便可知该像素点是台标像素点还是背景像素点,获得台标目标图像。此处,预设一个阈值,用于检测像素点的特征值的变化值。当视频图像敏感区域像素点的特征值的变化值小于等于该阈值时,则该像素点为台标像素点;当视频图像敏感区域像素点的特征值的变化值大于该阈值时,则该像素点为背景像素点。其具体实现如图3所示,后续会进行详细说明,在此不详述。
在步骤S105中,将台标目标图像与预设的台标特征库中的台标进行匹配,判断是否匹配成功,若匹配成功则执行步骤S106,否则进行匹配尝试次数是否大于特定数字(如10)的判断,即步骤S107,如果尝试的此时没有大于特定的数字则返回执行步骤S104,否则退出。
在本发明实施例中,由于每个台标的外观形状都是唯一独特的,而且台标的图像不会旋转,因此可采用基于外观形状的方法进行匹配。
具体为,对台标目标图像进行边缘检测,得到台标边缘检测图,然后根据台标模板,采用滑动窗口搜索和分块的方法将台标目标图像与预设的台标特征库中的台标进行匹配对比,若匹配成功则执行步骤S106,否则执行步骤S107。
优选的,为了防止噪声等随机因素的影响的导致台标区域少量像素的偏移,特设定一个匹配阈值(假定为0.8),若对比匹配后的匹配率小于该匹配阈值,则认为匹配不成功,继续进行分割,若匹配率大于该匹配阈值,则认为匹配成功,执行步骤S106。
在步骤S106中,输出与台标目标图像相匹配的电视台信息。
在本发明实施例中,根据台标库里的台标信息输出与台标目标图像相匹配的电视台信息。其中,所述电视台信息包括但不限于:台名、节目取向等信息。
在步骤S107中,判断匹配尝试次数是否大于特定的数字,是则执行步骤S108,否则执行步骤S104。
在步骤S108中,计为程序异常或者匹配失败退出。
在本发明实施例中,首先建立包括所有电视台台标的台标特征库,然后根据连续多帧视频图像的敏感区域像素点的特征值的变化值来分割台标,获得台标目标图像,最后通过匹配台标目标图像与台标库,获知当前播放的电视台信息。由于根据像素点特征值的变化值来进行台标分割,在视频画面变化很小的情况下也能分割台标,做到实时检测识别。该方法在对电视台信号实时监控、选择特定电视节目收录、节目收视率调查统计、广告插播、电台非法插播监控等领域有着广泛应用。
实施例二:
如图2所示为本发明第二实施例提供的台标分割及识别的方法的流程图,为了便于说明,仅示出了与本发明实施例相关的部分,应当理解图中所示步骤,只是本实施例子的一般步骤,对顺序关系进行常规调整,不影响实施例子的实施。
在步骤S201中,预先根据电视台频道资源设立台标特征库;
在步骤S202中,预先根据电视视频设置视频图像的敏感区域。
在步骤S203中,设置匹配次数尝试计数器。
在步骤S204中,根据连续多帧视频图像敏感区域像素点的特征值的变化值来分割台标,获得台标目标图像;
在步骤S205中,判断台标目标图像的平均亮度是否大于亮度阈值,大于则返回执行获得台标目标图像的步骤S204,否则执行台标匹配的步骤S206。
在本发明实施例中,由于台标分割后,台标目标图像中只有台标为高亮度区域,而背景区域的亮度值为0。因此,设定亮度阈值K,当台标目标图像的平均亮度大于该亮度阈值时,认为台标未完全分割,则返回执行步骤S204。当台标目标图像的平均亮度不大于该亮度阈值时,认为台标分割完全,则执行步骤S206。
在步骤S206中,将台标目标图像与预设的台标特征库中的台标进行匹配,若匹配成功则执行步骤S207,否则执行步骤S208。
在步骤S207中,输出与台标目标图像相匹配的电视台信息。
在步骤S208中,判断匹配尝试次数是否大于特定的数字(如10),是则执行步骤S209,否则返回步骤S204。
在步骤S209中,计为程序异常或者匹配失败退出。
在本发明实施例中,可直接通过判断台标目标图像的平均亮度来决定提取的台标图像是否分割完全,节省识别台标的时间。
实施例三:
如图3所示为本发明第三实施例提供的实施例一与实施例二中根据连续多帧视频图像敏感区域像素点的特征值的变化值来分割台标的方法的流程图,为了便于说明,仅示出了与本发明实施例相关的部分。
在步骤S301中,获取连续多帧视频图像敏感区域像素点特征值的最大值与最小值矩阵。
在本发明实施例中,若像素点特征值为像素点RGB各分量的值,则建立六个和敏感区域大小一致的矩阵,分别用于存储每个像素点的R、G、B分量的最大值和最小值,即:Rmax,Rmin,Gmax,Gmin,Bmax,Bmin。建立好矩阵后,将第一帧视频图像每个像素点的分量值作为各分量矩阵每个像素点的初始值。
随后,将第二帧图像的每个像素点的R、G、B分量值分别与当前矩阵中的Rmax,Rmin,Gmax,Gmin,Bmax,Bmin分量相比较,若第二帧图像的像素点的R、G、B各个分量值大于当前矩阵中对应位置的Rmax,Gmax,Bmax分量值,则将当前矩阵中的像素点Rmax,Gmax,Bmax分量值设置为第二帧图像中对应位置的像素点R、G、B分量值;若第二帧图像的每个像素点的R、G、B各个分量值小于当前矩阵中对应位置的Rmin,Gmin,Bmin分量值,则将当前矩阵中Rmin,Gmin,Bmin对应的分量值设置为第二帧图像的每个像素点的R、G、B分量值;其他情况不改变当前矩阵中的每个像素点R、G、B分量的最大值及最小值。
下面以红色分量R为例来详细说明。
例如:假设第2帧图像像素点(i,j)的红色分量R值大于当前红色分量矩阵Rmax对应位置(i,j)的值,则将当前红色分量最大值Rmax矩阵中(i,j)分量值替换成第2帧图像(i,j)像素点的R分量值;若第2帧图像像素点(i,j)的红色分量值小于当前红色分量最小值矩阵Rmin中(i,j)分量值,则将Rmin中(i,j)分量值替换成第2帧图像像素点(i,j)的R分量值。然后,按照此方法对G、B分量做相同的处理,第2帧图像的每个像素点做同样的处理。
随后,再依次对所获取的连续多帧视频图像中其他帧的图像做相同的处理,最终得到连续多帧视频图像敏感区域像素点RGB各分量的最大值与最小值矩阵Rmax,Rmin,Gmax,Gmin,Bmax,Bmin。
在本发明实施例中,若像素点特征值为像素点灰度值,则首先,对连续多帧图像进行灰度化。其中,灰度化的方法包括但不限于:最大值灰度化法、平均值灰度化法、加权平均法等,在此不做限制。
其中:
最大值灰度化公式:f(x,y)=Max(R(x,y),G(x,y),B(x,y)),
平均值灰度化公式:f(x,y)=(R(x,y)+G(x,y)+B(x,y))/3,
加权平均法公式:f(x,y)=m1*R(x,y)+m2*G(x,y)+m3*B(x,y)。
其中,x,y为像素点的坐标位置,R(x,y)为图像中坐标为(x,y)的像素点的R值,G(x,y)为图像中坐标为(x,y)的像素点的G值,B(x,y)为图像中坐标为(x,y)的像素点的B值,f(x,y)为图像中坐标为(x,y)的像素点的灰度值,m1、m2、m3分别为预设的权值。
然后,再获取连续多帧视频图像敏感区域像素点灰度最大值与最小值矩阵。
具体为,建立两个和敏感区域大小一致的矩阵用于存储每个像素点灰度值的最大值和最小值,即:gmax和gmin。将第一帧图像每个像素点的灰度值作为最大最小灰度矩阵的每个像素点值的初始值。
随后,将第二帧图像的每个像素点的灰度值分别与当前矩阵中的每个像素点灰度值的最大值和最小值相比较,若第二帧图像的(i,j)像素点的灰度值大于当前矩阵中(i,j)的值,则将当前矩阵中当前矩阵中(i,j)的值设置为第二帧图像的(i,j)像素点的灰度值;若第二帧图像的(i,j)像素点的灰度值小于当前矩阵中位置(i,j)的值,则将当前矩阵中位置(i,j)的值设置为第二帧图像的(i,j)像素点的灰度值;其他情况不改变当前矩阵中的每个像素点灰度值的最大值及最小值。
例如:假设第2帧图像像素点(i,j)的灰度值f(i,j)大于当前灰度最大值矩阵gmax(i,j)的值,则将当前gmax(i,j)的值替换成第2帧图像(i,j)像素点的灰度值f(i,j);若第2帧图像像素点f(i,j)的灰度值小于当前灰度最小值矩阵gmin(i,j)点值,则将矩阵gmin(i,j)点值替换成第2帧图像像素点f(i,j)的像素值,否则原最大最小值矩阵值保持不变。随后,再依次对所获取的连续多帧视频图像中其他帧的图像的像素点做相同的处理,最终得到连续多帧视频图像敏感区域像素点灰度的最大值与最小值矩阵。
在步骤S302中,根据最大值与最小值矩阵,获得像素点特征值最大值与最小值的差值。
在本发明实施例中,当像素点特征值为像素点RGB各分量的值时,则根据敏感区域像素点RGB各分量的最大值与最小值矩阵,将各分量最大值减去各分量最小值,获得像素点各分量最大值与最小值的差值。
具体可用如下公式获取:
RN(x,y)=|Rmax(x,y)-Rmin(x,y)|,
GN(x,y)=|Gmax(x,y)-Gmin(x,y)|,
BN(x,y)=|Bmax(x,y)-Bmin(x,y)|,
其中,x,y为像素点的坐标位置,N代表第N帧图像,RN(x,y),GN(x,y),BN(x,y)分别为前N帧图像中坐标为(x,y)的像素点R值、G值及B值的最大值与最小值的差值,Rmin(x,y)、Gmin(x,y)、Bmin(x,y)为图像中坐标为(x,y)的像素点的R值、G值及B值的最小值,Rmax(x,y)、Gmax(x,y)、Bmax(x,y)为图像中坐标为(x,y)的像素点的R值、G值及B值的最大值。
在本发明实施例中,当像素点特征值为像素点灰度值时,则将各像素点的灰度最大值减去灰度最小值,获得像素点灰度最大值与最小值的差值。可通过以下公式获得:
gN(x,y)=|gmax(x,y)-gmin(x,y)|,
其中,其中x,y为像素点的坐标位置,N代表第N帧图像,gN(x,y)表示前N帧图像中坐标为(x,y)的像素点灰度最大值与最小值的差值,gmax(x,y)为坐标为(x,y)的像素点的灰度最大值,gmin(x,y)为坐标为(x,y)的像素点的灰度最小值。
在步骤S303中,当像素点特征值的最大值与最小值的差值大于预设的阈值时,该像素点为背景像素点,当像素点特征值的最大值与最小值的差值小于或等于预设的阈值时,该像素点为台标像素点。
在本发明实施例中,当像素点特征值为像素点RGB各分量的值时,由于台标本身在视频信号中绝大部分时间处于静止状态,台标所在位置每个像素点R、G、B值具有相对稳定性,因此,一般像素点各分量的最大值与最小值的差值不会超过特定的值。在此,当所述像素点RGB各分量中任一分量的值的最大值与最小值的差值大于预设的阈值时,该像素点为背景像素点,当像素点RGB所述有分量的值的最大值与最小值的差值小于或等于预设的阈值时,该像素点为台标像素点。也就是,像素点三基色中只要有任意一个分量的最大值与最小值的差值大于预设的阈值,则认定这个像素点为背景像素点,将其亮度值置为0,然后与前帧得到的台标目标图像进行逻辑与操作;只有当像素点三基色中所有分量的最大值与最小值的差值均不大于预设的阈值时,认定该像素点为台标像素点,将台标像素点的亮度值设置为255。表达式可如下所示:
其中,x,y为像素点的坐标位置,N代表第N帧图像,RN(x,y),GN(x,y),BN(x,y)分别为前N帧图像中坐标为(x,y)的像素点最大值与最小值的差值,M为预设的阈值。
在本发明实施例中,当像素点特征值为像素点灰度值时,在本发明实施例中,若像素点灰度最大值与最小值的差值大于预设的阈值,则认定这个像素点为背景像素点,将其亮度值设置为0,然后与前帧得到的台标目标图像进行逻辑与操作;当像素点灰度最大值与最小值的差值不大于预设的阈值时,认定该像素点为台标像素点,将台标像素点的亮度值设置为255。表达式可如下所示:
其中,x,y为像素点的坐标位置,N代表第N帧图像,gN(x,y)表示前N帧图像中坐标为(x,y)的像素点灰度最大值与最小值的差值,M为预设的阈值。
实施例四:
图4为本发明实施例提供的台标分割及识别的装置的结构示意图,为了便于说明,仅示出了与本发明实施例相关的部份。该装置可以是内置于电视机中的软件单元、硬件单元或者软硬件相结合的单元,或者作为独立的挂件集成到电视机的应用***中。其中:
特征库单元41,用于预先根据电视台频道资源设立台标特征库。
敏感区域设立单元42,用于预先根据电视视频图像设置视频图像的敏感区域。
台标分割单元43,用于根据连续多帧视频图像敏感区域像素点特征值的变化值来分割台标,获得台标目标图像。
在本发明实施例中,所述像素点的特征值包括:像素点的RGB各分量的值或像素点的灰度值。
在本发明实施例中,所述台标分割单元43包括三个模块,分别为:矩阵获取模块431、差值获取模块432及台标分割模块433。其中:
矩阵获取模块431,用于获取连续多帧视频图像敏感区域像素点特征值的最大值与最小值矩阵。
差值获取模块432,用于根据最大值与最小值矩阵,获得像素点特征值最大值与最小值的差值。
台标分割模块433,用于当像素点特征值的最大值与最小值的差值大于预设的阈值时,该像素点为背景像素点,当像素点特征值的最大值与最小值的差值小于或等于预设的阈值时,该像素点为台标像素点。
台标匹配单元44,用于将台标目标图像与预设的台标特征库中的台标进行匹配。
在本发明实施例中,台标匹配单元44还包括一个模块台标匹配模块441,其中:
台标匹配模块441,用于对台标目标图像进行边缘检测,得到台标边缘检测图,然后根据台标模板,将台标目标图像与预设的台标特征库中的台标进行匹配对比。
信息输出单元45,用于输出与台标目标图像相匹配的电视台信息。
优选的,所述装置还包括亮度判断单元46,所述亮度判断单元46在台标分割单元43分割台标后,根据分割后的台标目标图像进行亮度判断,然后,台标匹配单元44根据亮度判断后的结果进行台标匹配。如图5所示:
亮度判断单元46,用于判断台标目标图像的平均亮度是否大于亮度阈值,若台标目标图像的平均亮度大于亮度阈值,则台标匹配单元将台标目标图像与预设的台标特征库中的台标进行匹配,若台标目标图像的平均亮度小于或等于亮度阈值,则台标分割单元根据连续多帧视频图像敏感区域像素点特征值的变化值来分割台标,获得台标目标图像。
优选的,所述装置还包括计数器设置单元47,所述计数器设置单元47,如图6所示:
计数器设置单元47,用于设置台标匹配单元44尝试匹配次数的计数,当尝试次数大于特定的数字(如10)时候,计为程序异常或者匹配失败退出。在本发明实施例中,首先建立包括所有电视台台标的台标特征库,然后根据连续多帧视频图像的敏感区域像素点的特征值的变化值来分割台标,获得台标目标图像,最后通过匹配台标目标图像与台标库,获知当前播放的电视台信息。由于根据像素点特征值的变化值来进行台标分割,在视频画面变化很小的情况下也能分割台标,做到实时检测识别。且该方法在对电视台信号实时监控、选择特定电视节目收录、节目收视率调查统计、广告插播、电台非法插播监控等领域有着广泛应用。
本领域普通技术人员可以理解,实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,所述的程序可以在存储于一计算机可读取存储介质中,所述的存储介质,如ROM/RAM、磁盘、光盘等。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (11)
1.一种台标分割及识别的方法,其特征在于,所述方法包括下述步骤:
根据连续多帧视频图像敏感区域像素点的特征值的变化值来分割台标,获得台标目标图像,所述敏感区域为预先设置;
将所述台标目标图像与预设的台标特征库中的台标进行匹配;
输出与所述台标目标图像相匹配的电视台信息。
2.如权利要求1所述的方法,其特征在于,所述像素点的特征值包括:像素点的RGB各分量的值或像素点的灰度值。
3.如权利要求1或2所述的方法,其特征在于,所述根据连续多帧视频图像敏感区域像素点的特征值的变化值来分割台标,获得台标目标图像的步骤,具体为:
获取连续多帧视频图像敏感区域像素点特征值的最大值与最小值矩阵;
根据所述特征值的最大值与最小值矩阵,获得像素点特征值的最大值与最小值的差值;
当像素点特征值的最大值与最小值的差值大于预设的阈值时,该像素点为背景像素点,当像素点特征值的最大值与最小值的差值小于或等于预设的阈值时,该像素点为台标像素点。
4.如权利要求1所述的方法,其特征在于,所述根据连续多帧视频图像敏感区域像素点的RGB值或灰度值的变化值来分割台标,获得台标目标图像之后,所述将所述台标目标图像与台标特征库中的台标进行匹配之前,还包括:
判断台标目标图像的平均亮度是否大于亮度阈值;
若台标目标图像的平均亮度大于亮度阈值,则将所述台标目标图像与台标特征库中的台标进行匹配;
若台标目标图像的平均亮度小于等于亮度阈值,则返回根据连续多帧视频图像敏感区域像素点的RGB值或灰度值的变化值来分割台标,获得台标目标图像。
5.如权利要求1所述的方法,其特征在于,所述将所述台标目标图像与预设的台标特征库中的台标进行匹配的步骤,具体为:
对所述台标目标图像进行边缘检测,得到台标边缘检测图,然后根据台标模板,将所述台标目标图像与预设的台标特征库中的台标进行匹配对比。
6.一种台标分割及识别的装置,其特征在于,所述装置包括:
台标分割单元,用于根据连续多帧视频图像敏感区域像素点的特征值的变化值来分割台标,获得台标目标图像,所述敏感区域为预先设置;
台标匹配单元,用于将所述台标目标图像与预设的台标特征库中的台标进行匹配;
信息输出单元,用于输出与所述台标目标图像相匹配的电视台信息。
7.如权利要求6所述的装置,其特征在于,所述像素点的特征值包括:像素点的RGB各分量的值或像素点的灰度值。
8.如权利要求6所述的装置,其特征在于,所述台标分割单元包括:
矩阵获取模块,用于获取连续多帧视频图像敏感区域像素点特征值的最大值与最小值矩阵;
差值获取模块,用于根据所述特征值的最大值与最小值矩阵,获得像素点特征值的最大值与最小值的差值;
台标分割模块,用于当像素点特征值的最大值与最小值的差值大于预设的阈值时,该像素点为背景像素点,当像素点特征值的最大值与最小值的差值小于或等于预设的阈值时,该像素点为台标像素点。
9.如权利要求6所述的装置,其特征在于,所述台标匹配单元还包括:
台标匹配模块,用于对所述台标目标图像进行边缘检测,得到台标边缘检测图,然后将所述台标目标图像与预设的台标特征库中的台标进行匹配对比。
10.如权利要求6所述的装置,其特征在于,所述装置还包括:
亮度判断模块,用于判断台标目标图像的平均亮度是否大于亮度阈值,若台标目标图像的平均亮度大于亮度阈值,则台标匹配单元将台标目标图像与预设的台标特征库中的台标进行匹配,若台标目标图像的平均亮度小于或等于亮度阈值,则台标分割单元根据连续多帧视频图像敏感区域像素点特征值的变化值来分割台标,获得台标目标图像。
11.一种电视机,其特征在于,所述的电视机包括权利要求6-10任一权利要求所述的台标分割及识别的装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011102606309A CN102446272A (zh) | 2011-09-05 | 2011-09-05 | 一种台标分割及识别的方法、装置及电视机 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011102606309A CN102446272A (zh) | 2011-09-05 | 2011-09-05 | 一种台标分割及识别的方法、装置及电视机 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102446272A true CN102446272A (zh) | 2012-05-09 |
Family
ID=46008761
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011102606309A Pending CN102446272A (zh) | 2011-09-05 | 2011-09-05 | 一种台标分割及识别的方法、装置及电视机 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102446272A (zh) |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103024473A (zh) * | 2013-01-05 | 2013-04-03 | 张荣华 | 收视率调查***和方法 |
CN103258187A (zh) * | 2013-04-16 | 2013-08-21 | 华中科技大学 | 一种基于hog特征的电视台标识别方法 |
CN103455819A (zh) * | 2013-08-19 | 2013-12-18 | 四川长虹电器股份有限公司 | 一种实现智能电视机对机顶盒播放节目识别的方法 |
CN103530598A (zh) * | 2013-03-08 | 2014-01-22 | Tcl集团股份有限公司 | 一种台标识别方法及*** |
CN103544467A (zh) * | 2013-04-23 | 2014-01-29 | Tcl集团股份有限公司 | 一种台标检测识别的方法及其装置 |
CN104063701A (zh) * | 2014-07-14 | 2014-09-24 | 电子科技大学 | 基于surf词汇树和模板匹配的快速电视台台标识别***及其实现方法 |
CN104185069A (zh) * | 2013-05-23 | 2014-12-03 | 北京下周科技有限公司 | 一种台标识别方法及其识别*** |
CN105049878A (zh) * | 2015-07-08 | 2015-11-11 | 无锡天脉聚源传媒科技有限公司 | 一种近似台标的处理方法和装置 |
CN105282599A (zh) * | 2015-10-21 | 2016-01-27 | 天脉聚源(北京)科技有限公司 | 一种确定电视频道的方法及装置 |
CN106067006A (zh) * | 2016-06-07 | 2016-11-02 | 东软集团股份有限公司 | 用于识别新闻栏目的方法和装置 |
CN106446889A (zh) * | 2015-08-10 | 2017-02-22 | Tcl集团股份有限公司 | 一种台标的本地识别方法和装置 |
CN103634653B (zh) * | 2013-11-06 | 2017-03-01 | 小米科技有限责任公司 | 台标识别方法、装置和电视机 |
WO2017088479A1 (zh) * | 2015-11-24 | 2017-06-01 | 乐视控股(北京)有限公司 | 台标识别方法及装置 |
WO2017088463A1 (zh) * | 2015-11-24 | 2017-06-01 | 乐视控股(北京)有限公司 | 图像处理方法和装置 |
CN106851397A (zh) * | 2017-02-28 | 2017-06-13 | 青岛海信电器股份有限公司 | 一种台标更换方法及装置 |
CN108012160A (zh) * | 2016-10-31 | 2018-05-08 | 央视国际网络无锡有限公司 | 一种基于全景视频的台标***方法 |
CN108093246A (zh) * | 2017-11-21 | 2018-05-29 | 青岛海信电器股份有限公司 | 一种数字机顶盒视频播放区域的识别方法及装置 |
CN109977859A (zh) * | 2019-03-25 | 2019-07-05 | 腾讯科技(深圳)有限公司 | 一种图标识别的方法以及相关装置 |
CN111160215A (zh) * | 2019-12-25 | 2020-05-15 | Tcl华星光电技术有限公司 | 图像标识提取装置、图像标识的亮度调节方法、装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101216841A (zh) * | 2008-01-14 | 2008-07-09 | 南京搜拍信息技术有限公司 | 交互式图像搜索***和方法 |
CN101295405A (zh) * | 2008-06-13 | 2008-10-29 | 西北工业大学 | 人像与车辆识别报警跟踪方法 |
US20090016603A1 (en) * | 2005-12-30 | 2009-01-15 | Telecom Italia S.P.A. | Contour Finding in Segmentation of Video Sequences |
-
2011
- 2011-09-05 CN CN2011102606309A patent/CN102446272A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090016603A1 (en) * | 2005-12-30 | 2009-01-15 | Telecom Italia S.P.A. | Contour Finding in Segmentation of Video Sequences |
CN101216841A (zh) * | 2008-01-14 | 2008-07-09 | 南京搜拍信息技术有限公司 | 交互式图像搜索***和方法 |
CN101295405A (zh) * | 2008-06-13 | 2008-10-29 | 西北工业大学 | 人像与车辆识别报警跟踪方法 |
Cited By (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103024473A (zh) * | 2013-01-05 | 2013-04-03 | 张荣华 | 收视率调查***和方法 |
CN103530598B (zh) * | 2013-03-08 | 2017-02-08 | Tcl集团股份有限公司 | 一种台标识别方法及*** |
CN103530598A (zh) * | 2013-03-08 | 2014-01-22 | Tcl集团股份有限公司 | 一种台标识别方法及*** |
CN103258187A (zh) * | 2013-04-16 | 2013-08-21 | 华中科技大学 | 一种基于hog特征的电视台标识别方法 |
CN103544467A (zh) * | 2013-04-23 | 2014-01-29 | Tcl集团股份有限公司 | 一种台标检测识别的方法及其装置 |
CN103544467B (zh) * | 2013-04-23 | 2017-09-05 | Tcl集团股份有限公司 | 一种台标检测识别的方法及其装置 |
CN104185069A (zh) * | 2013-05-23 | 2014-12-03 | 北京下周科技有限公司 | 一种台标识别方法及其识别*** |
CN104185069B (zh) * | 2013-05-23 | 2018-03-16 | 北京下周科技有限公司 | 一种台标识别方法及其识别*** |
CN103455819A (zh) * | 2013-08-19 | 2013-12-18 | 四川长虹电器股份有限公司 | 一种实现智能电视机对机顶盒播放节目识别的方法 |
CN103455819B (zh) * | 2013-08-19 | 2017-06-23 | 四川长虹电器股份有限公司 | 一种实现智能电视机对机顶盒播放节目识别的方法 |
CN103634653B (zh) * | 2013-11-06 | 2017-03-01 | 小米科技有限责任公司 | 台标识别方法、装置和电视机 |
CN104063701B (zh) * | 2014-07-14 | 2017-07-28 | 电子科技大学 | 基于surf词汇树和模板匹配的快速电视台台标识别***及其实现方法 |
CN104063701A (zh) * | 2014-07-14 | 2014-09-24 | 电子科技大学 | 基于surf词汇树和模板匹配的快速电视台台标识别***及其实现方法 |
CN105049878B (zh) * | 2015-07-08 | 2018-07-20 | 无锡天脉聚源传媒科技有限公司 | 一种近似台标的处理方法和装置 |
CN105049878A (zh) * | 2015-07-08 | 2015-11-11 | 无锡天脉聚源传媒科技有限公司 | 一种近似台标的处理方法和装置 |
CN106446889A (zh) * | 2015-08-10 | 2017-02-22 | Tcl集团股份有限公司 | 一种台标的本地识别方法和装置 |
CN106446889B (zh) * | 2015-08-10 | 2019-09-17 | Tcl集团股份有限公司 | 一种台标的本地识别方法和装置 |
CN105282599A (zh) * | 2015-10-21 | 2016-01-27 | 天脉聚源(北京)科技有限公司 | 一种确定电视频道的方法及装置 |
CN105282599B (zh) * | 2015-10-21 | 2018-05-08 | 天脉聚源(北京)科技有限公司 | 一种确定电视频道的方法及装置 |
WO2017088463A1 (zh) * | 2015-11-24 | 2017-06-01 | 乐视控股(北京)有限公司 | 图像处理方法和装置 |
WO2017088479A1 (zh) * | 2015-11-24 | 2017-06-01 | 乐视控股(北京)有限公司 | 台标识别方法及装置 |
CN106067006A (zh) * | 2016-06-07 | 2016-11-02 | 东软集团股份有限公司 | 用于识别新闻栏目的方法和装置 |
CN108012160A (zh) * | 2016-10-31 | 2018-05-08 | 央视国际网络无锡有限公司 | 一种基于全景视频的台标***方法 |
CN108012160B (zh) * | 2016-10-31 | 2019-07-23 | 央视国际网络无锡有限公司 | 一种基于全景视频的台标***方法 |
CN106851397A (zh) * | 2017-02-28 | 2017-06-13 | 青岛海信电器股份有限公司 | 一种台标更换方法及装置 |
CN108093246A (zh) * | 2017-11-21 | 2018-05-29 | 青岛海信电器股份有限公司 | 一种数字机顶盒视频播放区域的识别方法及装置 |
CN108093246B (zh) * | 2017-11-21 | 2020-04-28 | 青岛海信电器股份有限公司 | 一种数字机顶盒视频播放区域的识别方法及装置 |
CN109977859A (zh) * | 2019-03-25 | 2019-07-05 | 腾讯科技(深圳)有限公司 | 一种图标识别的方法以及相关装置 |
CN111160215A (zh) * | 2019-12-25 | 2020-05-15 | Tcl华星光电技术有限公司 | 图像标识提取装置、图像标识的亮度调节方法、装置 |
CN111160215B (zh) * | 2019-12-25 | 2024-01-12 | Tcl华星光电技术有限公司 | 图像标识的亮度调节装置及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102446272A (zh) | 一种台标分割及识别的方法、装置及电视机 | |
CN108769776B (zh) | 标题字幕检测方法、装置及电子设备 | |
WO2021012837A1 (zh) | 推荐信息植入位置的确定方法、装置、设备及存储介质 | |
CN106778996B (zh) | 嵌入有视觉图像的二维码的生成***和方法以及读取*** | |
CA2538301A1 (en) | Computerized method and apparatus for determining field-of-view relationships among multiple image sensors | |
US8355079B2 (en) | Temporally consistent caption detection on videos using a 3D spatiotemporal method | |
CN102193651A (zh) | 用于识别激光点的设备、方法和*** | |
US9076071B2 (en) | Logo recognition | |
CN109740444B (zh) | 人流量信息展示方法及相关产品 | |
CN101360193A (zh) | 一种视频字幕处理装置及方法 | |
US20070242088A1 (en) | Method for intelligently displaying sports game video for multimedia mobile terminal | |
CN101295398A (zh) | 图像处理设备、图像处理方法、以及程序 | |
CN109543770A (zh) | 点阵字符识别方法及装置 | |
US20100158362A1 (en) | Image processing | |
CN103369205A (zh) | 移动终端和视频图像处理方法 | |
CN105657547A (zh) | 一种相似视频和盗版视频的检测方法及装置 | |
CN106507191B (zh) | 同步转播内容监测方法及装置 | |
CN108932703B (zh) | 图片处理方法、图片处理装置及终端设备 | |
CN110769225B (zh) | 基于幕布的投影区域获取方法及投影装置 | |
CN102301697A (zh) | 视频签名产生设备 | |
CN115937267B (zh) | 一种基于多帧视频的目标轨迹追踪方法 | |
US10740922B2 (en) | Image data processing method, electronic device and storage medium | |
CN108763491B (zh) | 图片处理方法、装置及终端设备 | |
US20050276469A1 (en) | Method for detecting face region using neural network | |
CN107222746B (zh) | 视频关键位置定位方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20120509 |