CN104023249B - 电视频道识别方法和装置 - Google Patents
电视频道识别方法和装置 Download PDFInfo
- Publication number
- CN104023249B CN104023249B CN201410262126.6A CN201410262126A CN104023249B CN 104023249 B CN104023249 B CN 104023249B CN 201410262126 A CN201410262126 A CN 201410262126A CN 104023249 B CN104023249 B CN 104023249B
- Authority
- CN
- China
- Prior art keywords
- station symbol
- template
- image
- television video
- video 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000000605 extraction Methods 0.000 claims abstract description 64
- 230000003068 static effect Effects 0.000 claims description 31
- 239000000284 extract Substances 0.000 claims description 24
- 230000008447 perception Effects 0.000 claims description 19
- 238000012549 training Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000013011 mating Effects 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 230000003542 behavioural effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000002386 leaching Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/41—Structure of client; Structure of client peripherals
- H04N21/414—Specialised client platforms, e.g. receiver in car or embedded in a mobile appliance
- H04N21/41407—Specialised client platforms, e.g. receiver in car or embedded in a mobile appliance embedded in a portable device, e.g. video client on a mobile phone, PDA, laptop
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/436—Interfacing a local distribution network, e.g. communicating with another STB or one or more peripheral devices inside the home
- H04N21/4363—Adapting the video stream to a specific local network, e.g. a Bluetooth® network
- H04N21/43637—Adapting the video stream to a specific local network, e.g. a Bluetooth® network involving a wireless protocol, e.g. Bluetooth, RF or wireless LAN [IEEE 802.11]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
- H04N21/44008—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics in the video stream
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/47—End-user applications
- H04N21/482—End-user interface for program selection
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
- H04N21/81—Monomedia components thereof
- H04N21/8146—Monomedia components thereof involving graphical data, e.g. 3D object, 2D graphics
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computer Graphics (AREA)
- Human Computer Interaction (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
本发明提供了一种电视频道识别方法,所述方法包括:获取电视视频图像;将所述电视视频图像对应台标模板库中的每个台标模板,进行所述电视视频图像的台标特征提取;将对应每个台标模板所提取的电视视频图像的台标特征与对应的台标模板中的特征进行匹配;将匹配程度最高的台标模板对应的电视频道作为识别结果。采用该方法,能提高电视频道识别精度。此外,还提供了一种电视频道识别装置。
Description
技术领域
本发明涉及图像识别技术领域,特别是涉及一种电视频道识别方法和装置。
背景技术
随着网络电视和数字电视的发展,电视频道识别服务能够有效应用于分析用户观看电视节目的行为习惯,从而便于有针对性的开展一些广告推送、消息提醒和新闻动态发布等功能。由于不同电视频道所使用的台标不同,识别电视频道可通过识别电视视频画面中的台标来实现。
传统的电视频道识别方法,只是简单的通过截取电视视频图像中的台标,然后与预存的台标图像进行匹配,从而获取到匹配成功的台标图像作为识别出的台标。但是,传统的这种电视频道识别方法的识别精度并不高。
发明内容
基于此,有必要针对上述技术问题,提供一种能提高识别精度的电视频道识别方法和装置。
一种电视频道识别方法,所述方法包括:
从视频信号源截取电视视频图像;
将所述电视视频图像对应台标模板库中的每个台标模板,进行所述电视视频图像的台标特征提取;
将对应每个台标模板所提取的电视视频图像的台标特征与对应的台标模板中的特征进行匹配;
将匹配程度最高的台标模板对应的电视频道作为识别结果。
一种电视频道识别装置,所述装置包括:
图像截取模块,用于从视频信号源截取电视视频图像;
特征提取模块,用于将所述电视视频图像对应台标模板库中的每个台标模板,进行所述电视视频图像的台标特征提取;
特征匹配模块,用于将对应每个台标模板所提取的电视视频图像的台标特征与对应的台标模板中的特征进行匹配;
识别结果输出模块,用于将匹配程度最高的台标模板对应的电视频道作为识别结果。
上述电视频道识别方法和装置中,根据标准的台标模板来对电视视频图像进行台标特征提取,并且将对应每个台标模板所提取的电视视频图像的台标特征与对应的台标模板中的特征进行特征匹配,能够得到电视视频图像中的台标与每个台标模板的匹配程度,将匹配程度最高的台标模板对应的电视频道作为识别结果,从而提高了电视频道的识别精度。
附图说明
图1为一个实施例中电视频道识别方法的应用环境图;
图2为一个实施例中电视频道识别方法的流程示意图;
图3为一个实施例中对台标进行定位的示意图;
图4为一个实施例中对台标进行掩摸的示意图;
图5为台标分级示意图;
图6为一个实施例中使用层级台标模板进行比对的流程示意图;
图7为一个实施例中电视频道识别装置的结构框图;
图8为图7中特征提取模块的结构框图;
图9为图8中台标图像特征提取模块的结构框图;
图10为图7中特征匹配模块的结构框图。
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。
本发明实施例所提供的电视频道识别方法可应用于如图1所示的***中,请参考图1所示,移动终端102通过无线网络与数字视频变换设备104(俗称机顶盒)进行交互,数据视频变换设备104接收视频信号源,对视频信号源进行处理,将电视视频传输到电视或显示器106中进行显示。移动终端102可以是诸如智能手机、平板电脑、个人数字助理等设备,但并不局限于此。移动终端102与数字视频变换设备104进行交互所使用的无线网络包括但不限于蓝牙、WiFi(无线保真技术)、RFID(Radio Frequency Identification,射频识别)等。移动终端102上可运行应用程序,通过应用程序发起电视频道识别请求,数字视频变换设备104接收到电视频道识别请求,获取电视视频图像,该电视视频图像可以是直接从视频信号源截取的电视视频源图像或者从电视上采集到的电视视频画面,并对电视视频图像进行处理从而得到其中的台标,进而识别出台标的类别,由于电视频道不同,其对应的台标也不同,因此根据识别出的台标即可得到对应的电视频道,再将识别出的电视频道发送到移动终端104,移动终端104接收到识别出的电视频道,可应用于不同的业务需求中,比如用于分析用户观看电视节目的行为习惯,从而有针对性的推送消息等。
数字视频变换设备104包括处理器、存储器、总线和数据接口等,数据接口可用于接收有线数字电视信号或者无线数字电视信号(视频信号源),存储器可用于存储各种程序指令和数据。适用于本发明实施例的数字视频变换设备104能执行电视频道识别方法的指定操作,通过处理器运行存储器中的程序指令的形式来执行这些操作。数字视频变换设备104可以是有线数字电视机顶盒。
如图2所示,提供了一种电视频道识别方法,该方法以应用于数字视频变换设备中进行举例说明,该方法包括:
步骤202,获取电视视频图像。
本实施例中,电视视频图像可以是从电视上采集的电视视频画面或者从视频信号源截取的电视视频源图像。数字视频变换设备的数据接口接收电视信号,接收到的电视信号即为视频信号源,该视频信号源为原始电视视频图像序列,从视频信号源截取电视视频源图像,截取的电视视频源图像为原始图像,分辨率较高且图像清晰,因此不会存在图像低分辨率或畸变等问题。
步骤204,将电视视频图像对应台标模板库中的每个台标模板,进行视频源图像的台标特征提取。
台标模板库用于存储大量的台标模板,这些台标模板是对预先收集的大量的不同电视台的电视视频图像样本进行特征提取所得到的。台标模板中包含标准的台标模板的特征。这里的特征,是指用来确定台标图像的一些信息组合,特征可用于区分不同的台标图像。本实施例中,每个台标模板中包含的特征可包括台标位置信息、掩膜信息和台标图像特征。更优选的,每个台标模板中包含的特征可包括台标类型、台标位置信息、掩膜信息和台标图像特征。图像特征,可以理解为数字图像中“有趣”的部分,特征提取时图像处理中的一个初级运算,它通过检测图像中的每个像素来确定该像素是否代表一个特征。
进一步的,在一个实施例中,对于电视视频图像,由于该图像中除了包含台标图像区域外,还包含电视画面本身。首先,可对应台标模板库中的每个台标模板,首先根据每个台标模板中的台标位置信息和掩膜信息,确定电视视频图像中的台标图像区域。然后,按照与提取标准的台标图像相同的方式来提取台标图像区域的台标图像特征。从而,对于一个电视视频图像,可得到对应每个台标模板所提取的台标图像特征。
在台标模板中包含台标类型的一些实施例中,在确定了电视视频图像中的台标图像区域后,根据对应的台标模板中的台标类型,选取相应的图像特征提取方式来提取台标图像区域的台标图像特征。
步骤206,将对应每个台标模板所提取的电视视频图像的台标特征与对应的台标模板中的特征进行匹配。
具体的,电视视频图像针对每个台标模板所提取的台标图像特征,与针对的台标模板中的台标图像特征进行匹配,匹配程度越高,则表明电视视频图像中的台标更可能是对应的台标模板对应的台标。本实施例中,可计算所提取的台标图像特征与对应的台标模板中的台标图像特征之间的相似度,相似度越高,则说明该电视视频源中的台标与该台标模板越匹配。
步骤208,将匹配程度最高的台标模板对应的电视频道作为识别结果。
本实施例中,对于台标模板库中的每个台标模板,都对应了一个电视频道,比如,某个台标模板对应了湖南卫视。也就是,每个台标模板与一个电视频道编号具有对应关系。可获取电视视频图像中的台标图像特征和台标模板中的台标图像特征这两者之间的相似度最高的台标模板对应的电视频道编号,将该电视频道编号作为识别结果。
结合图1所示,数字视频变换设备104将电视频道编号通过无线网络发送到移动终端102。
本实施例中,根据标准的台标模板来对电视视频图像进行台标特征提取,并且将对应每个台标模板所提取的电视视频图像的台标特征与对应的台标模板中的特征进行特征匹配,能够得到电视视频图像中的台标与每个台标模板的匹配程度,将匹配程度最高的台标模板对应的电视频道作为识别结果,从而提高了电视频道的识别精度。
另外,电视视频源图像可以是从视频信号源截取的电视视频源图像,由于电视视频源图像是从视频信号源截图的图像,因此能够实现实时的台标检测。而且台标的识别只需要对一幅图像进行处理即可实现,相对于传统的截取一段视频流进行处理的方式,能节省存储空间,从而节省了成本。
在一个实施例中,台标模板中的特征包括台标类型、台标位置信息、掩膜信息和台标图像特征。
台标位置信息用于确定台标在电视画面中的位置和尺寸,可用一个四边形区域来表示台标的区域。本实施例中,台标位置信息包括台标区域左上角坐标和相对于该左上角坐标的台标宽度和高度。如图3所示,台标区域左上角坐标为(x,y),相对于坐标(x,y)的宽度为w,高度为h,因此,台标的位置信息可表示为{x,y,w,h}。
另外,由于电视画面背景变化较大,如果将上述台标区域直接作为感兴趣区域进行处理,容易引入背景干扰而降低识别率。所谓感兴趣区域(Region ofImterest,ROI),是指在图像处理中,从被处理的图像以方框、圆、椭圆、不规则多边形等方式勾勒出需要处理的区域,从而能够减少图像的处理时间,增加精度。如上述根据台标位置信息确定的台标区域即为电视视频图像的感兴趣区域。由于确定的台标区域是有规则的区域,而台标本身形式多种多样,因此台标区域中含有部分电视画面背景。进一步的,可通过对得到的台标区域进行一次掩膜,如图4所示,掩膜与台标区域具有相同的尺寸,但只有两种像素值,分别用于标识对应位置像素是属于台标图像区域还是属于背景区域。如图4中,具有颜色的像素部分为台标图像区域。
根据台标的颜色透明度,台标可分为两类:静态不透明台标和静态半透明台标。比如,湖南卫视、江苏卫视等大部分电视台的台标是静态不透明台标,而CCTV、吉林卫视等是静态半透明台标。不同类型的台标使用不同的图像特征提取方法来提取其中的图像特征,会使得提取的图像特征更为准确,进而使得特征匹配更为准确。在根据台标位置信息和掩膜信息确定了各个电视台的电视视频图像样本中台标所在位置和掩膜,即可根据台标所属类型采用相应的特征提取方式提取台标图像特征。
在一个实施例中,对于静态不透明台标,由于其具有丰富的颜色和形状信息,使得其具有较强的可区分性。可利用台标图像区域的像素特征来表示台标图像特征,例如台标图像区域的颜色特征、边缘特征中的任意一种。
以使用台标图像区域的颜色特征作为台标图像特征为例说明。在一个实施例中,使用台标图像区域的颜色直方图作为台标图像特征。为了进一步反应出颜色在空间上的分布情况,为能够区分出具有相似颜色而不同形状的台标,本实施例中,采用分块颜色直方图来表示台标图像特征。分块颜色直方图将图像在空间上划分为多个子区域,并针对每个子区域进行颜色直方图的提取,因此能够有效地反应出图像在空间上的颜色分布情况。
具体的,分块颜色直方图的提取过程为:
1)将台标图像区域划分为M*N个子块。
2)将RGB颜色空间中的三个通道均匀量化为8个等级,统计每个子块中的台标像素颜色,得到该子块中所有像素在8个量化级上的颜色分布,即为该子块的颜色直方图;
3)处理所有M*N个子块,将每个子块的颜色直方图进行串接,得到总计M*N*24维分块颜色直方图;
4)归一化分块颜色直方图。具体为:对于一个d维的分块颜色直方图{pi},1≤i≤d,d=M*N*24,将分块颜色直方图中的每个元素进行如下操作:Z是归一化因子,为d维元素之和,也就是使得归一化后的所有元素满足
在一个实施例中,对于静态半透明台标,由于背景的变化会对台标的颜色分布产生很大的干扰,因此通常提取像素特征不再适用于静态半透明台标。而大部分静态半透明台标具有均匀的纹理分布特性,因此对这类台标可采用台标的纹理特征或者小波特征等来表示其台标图像特征,对于台标的纹理特征,可使用台标图像的感知哈希值来表示。
具体的,台标的感知哈希值的提取过程为:
1)将上述确定的台标图像区域转化为灰度级;
2)统计灰度级的台标图像区域中像素平均灰度值;
3)将灰度级的台标图像区域中的每个像素值与平均值做对比,如果像素值大于或等于平均值,则将该像素记为1,如果像素值小于平均值,则将该像素记为0,从而得到每个像素对应的编码;
4)所有像素对应的编码串接起来,得到一串二进制数,该串二进制数即为台标图像求对应的感知哈希值,也称为台标图像的“指纹”,该指纹作为静态半透明台标的台标图像特征。
本实施例中,对于不同类型的台标图像,采用不同的数据形式表示其图像特征,特别是对于静态半透明台标,通过纹理特征表示其图像特征,能够有效识别出静态半透明台标。
对于不同电视台的电视视频图像样本,可先确定其中的台标的台标类型、台标位置信息和掩膜信息,再根据台标类型选择对应的特征提取方式提取台标图像区域对应的台标图像特征。对于不同的电视台,可生成对应的台标模板,台标模板中存储了台标类型、台标位置信息、掩膜信息和台标图像特征的数据。例如,台标模板可采用的存储格式为:(type,rect,mask,hist/hashcode),其中,type为台标类型,rect为台标位置信息,mask为掩膜信息,hist为台标图像区域对应的分块颜色直方图,hashcode为台标图像区域对应的指纹,台标模板中存储的台标图像特征为hist或hashcode由台标类型确定。每个台标模板与一个电视视频编号具有对应关系。
进一步的,在一个实施例中,将电视视频图像对应台标模板库中的每个台标模板,进行电视视频图像的台标特征提取的步骤,包括:根据台标模板中的台标位置信息和掩膜信息确定电视视频图像中的台标图像区域;根据台标模板中的台标类型,提取台标图像区域的台标图像特征。
具体的,由于每个台标模板中存储了不同电视台的台标在电视视频图像中的台标位置信息和掩膜信息,对应每个台标模板,根据其中存储的台标位置信息和掩膜信息确定电视视频图像中的台标在电视视频图像中的台标图像区域。进一步的,根据对应的台标模板中的台标类型,确定对应的台标图像特征提取方式,根据该台标图像特征提取方式提取台标图像区域的台标图像特征。可以理解,提取台标图像区域的台标图像特征的特征提取方式应与对应的台标模板中的台标图像特征的特征提取方式相同。
在一个实施例中,根据台标模板中的台标类型,提取台标图像区域的台标图像特征的步骤,包括:若对应的台标模板中的台标类型是静态不透明台标,则提取台标图像区域的像素特征;若对应的台标模板中的台标类型是静态半透明台标,则提取台标图像区域的感知哈希值。
如上所述,若对应的台标模板中的台标类型是静态不透明台标,该台标模板中存储的台标图像特征为分块颜色直方图,则可相应的提取电视视频图像中的台标图像区域的分块颜色直方图,作为台标图像区域的台标图像特征。同理,若对应的台标模板中的台标类型是静态半透明台标,该台标模板中存储的台标图像特征为感知哈希值,则相应的提取电视视频图像中的台标图像区域的感知哈希值,作为台标图像区域的台标图像特征。
进一步的,在一个实施例中,将对应每个台标模板所提取的电视视频图像的台标特征与对应的台标模板中的特征进行匹配的步骤,包括:若台标模板中的台标类型是静态不透明台标,则计算上述得到的台标图像区域的像素特征与该台标模板中的台标图像特征之间的图像差异性,图像差异性越小,则电视视频图像中的台标与对应的台标模板之间的匹配程度越高;若台标模板中的台标类型是静态半透明台标,则将上述得到的台标图像区域的感知哈希值与台标模板中的台标图像特征进行逐比特比对,获得两者中相同比特个数占二进制码总长度的百分比,该百分比越大,则电视视频图像中的台标与对应的台标模板之间的匹配程度越高。
具体的,本实施例中,以像素特征为分块颜色直方图为例说明。将电视视频图像中的台标图像区域对应台标模板库中的每个台标模板,检测台标模板中存储的台标类型,若台标类型是静态不透明台标,则相应的也提取电视视频图像中的台标图像区域中的分块颜色直方图,提取方法参照上述分块颜色直方图的提取方法,在此不再赘述。计算提取的该分块颜色直方图与对应的台标模板中的台标图像特征(也即标准台标图像的分块颜色直方图)之间的相似度。该相似度可以是两个分块颜色直方图之间的巴氏距离、欧式距离、直方图相关性和直方图相交法中的一种。
以计算两个分块颜色直方图之间的巴氏距离为例说明。台标模板中存储的标准台标图像的分块颜色直方图可以表示为一个d维的分块颜色直方图p,满足从电视视频图像中的台标图像区域提取的分块颜色直方图可表示为一个d维的分块颜色直方图q,满足则分块颜色直方图p与q之间的巴氏距离为:该式中,score∈[0,1],定性的反应了两个分块颜色直方图的相似性。该相似度越接近于1,则表明两个分块颜色直方图越有可能来自相同的图像,反之,则表明两个分块颜色直方图的图像差异性较大。
本实施例中,若台标模板中存储的台标类型是静态半透明台标,则相应的台标模板中存储的台标图像特征是标准台标图像的感知哈希值,该感知哈希值一串二进制码。相应的,在对电视视频图像中的台标图像区域进行台标图像特征提取时,提取该台标图像区域中的感知哈希值,具体提取方法参照上文。由于提取的两个感知哈希值都为一串二进制码,可以统计出两者中相同比特个数站二进制码总长度的百分比,来作为电视视频图像中的台标图像区域与标准台标图像之间的相似性度量。
例如,台标模板中存储的标准台标图像的感知哈希值为一串长度n的二进制码h1,从电视视频图像汇总的台标图像区域提取的感知哈希值为二进制码h2,其长度也为n,则h1与h2中相同比特个数占二进制码总长度n的百分比为:该式中,#{x}表示集合x中的元素个数,score∈[0,1],该值越接近于1,表示两幅图像的相似性越大,反之则相似性越小。
在得到电视视频图像中的台标图像区域提取的台标图像特征与对应的台标模板中的台标图像特征之间的相似度后,则可获取相似度最高的台标模板,将相似度最高的台标模板对应的电视频道编号作为识别结果。
通过针对不同类型的台标,采用不同的更适用的台标图像特征提取方式,使得提取的台标图像特征更为准确,从而使得后续的特征匹配也更为准确,进一步提高了识别的精度。
在一个实施例中,台标模板包括父级模板和与该父级模板位于同一台标模板中的子级模板。
目前,有非常多的台标都表示为[电视台台标+子频道名称/编号]的形式,如中央电视台(CCTV)包括CCTV1、CCTV2等,深圳电视台包括深圳都市频道、深圳电视剧等子频道。这些子频道之间的主要差异通常体现在频道编号或者名称上,因此台标之间的差异性比较小,如果将其分别作为单独的电视频道考虑,则对应生成的台标模板中的台标图像特征之间的区分性很小,比如CCTV8和CCTV9,作为一个整体的台标图像特征是非常相似的,从而增加了台标识别误检率。为了对这些比较相似的台标进行区分,当台标表示为[电视台台标+子频道名称/编号]的形式时,将台标分为两级,如图5所示,隶属于同一电视台(如CCTV)的频道作为子级(如图5中的1,2…15),其公共部分(也就是CCTV部分)作为父级,对应的台标模板中包含父级模板和子级模板。这类台标对应的台标模板的存储形式可表示为(type,rect,mask,hist/hashcode,submodel),其中,前一部分的type、rect、mask、hist/hashcode为父级模板(也就是作为父级的台标图像)中的台标类型、台标位置信息、掩膜信息和台标图像特征,submodel部分同样的包含type、rect、mask和hist/hashcode数据,分别为子级模板(也就是作为子级的台标图像)中的台标类型、台标位置信息、掩膜信息和台标图像特征。
进一步的,在一个实施例中,将电视视频图像对应台标模板库中的每个台标模板,进行电视视频图像的台标特征提取步骤,包括:若台标模板中包含父级模板,则将电视视频图像对应每个台标模板中的父级模板,进行电视视频图像的台标特征提取。
则将对应每个台标模板所提取的电视视频图像的台标特征与对应的台标模板中的特征进行匹配的步骤,包括:计算提取的电视视频图像的台标个证与父级模板中的特征之间的第一相似度,获取第一相似度最大的台标模板。
在一个实施例中,在计算提取的电视视频图像的台标特征与父级模板中的特征之间的第一相似度,获取第一相似度最大的台标模板的步骤之后,还包括:若第一相似度最大的台标模板中含有子级模板,则进一步讲电视视频图像对应第一相似度最大的台标模板中的子级模板,进行电视视频图像的台标特征提取;计算对应子级模板提取的电视视频图像的台标特征与子级模板中的特征之间的第二相似度,获取第二相似度最大的台标模板。本实施例中,将第二相似度最大的台标模板对应的电视频道作为识别结果。
下面详细说明采用层级台标模板进行电视频道识别的方法流程,结合图6所示,具体过程包括:
步骤602,获取电视视频图像。
步骤604,将电视视频图像对应每个台标模板中的父级模板,进行电视视频图像的台标特征提取。
本实施例中,将电视视频图像对应台标模板库中每个台标模板,进行电视视频图像的台标特征提取,若台标模板中只有一级特征数据,则认为台标模板中只有父级模板而无子级模板,若台标模板中含有两级特征数据,则认为台标模板中含有父级模板和对应的子级模板,父级模板中存储作为父级的台标图像的特征数据,子级模板存储相应的作为子级的台标图像的特征数据。例如,对于CCTV8,其对应的台标模板中,父级模板中存储“CCTV”这一台标图像的特征数据,而子级模板存储相应的“8”这一图像的特征数据。
本实施例中,对应于每个标模板中的父级模板,对电视视频图像按照父级模板中存储的台标位置信息和掩膜信息确定电视视频图像中的台标图像区域。然后根据父级模板中的台标类型,按照相应的图像特征提取方式,提取确定的台标图像区域的台标图像特征。例如,父级模板中存储的台标图像特征为分块颜色直方图,则相应的提取台标图像区域的分块颜色直方图。具体的图像特征提取方式参照上文所述,在此则不再赘述。
步骤606,计算提取的电视视频图像的台标特征与父级模板中的特征之间的第一相似度,获取第一相似度最大的台标模板。
如上所述,可以按照父级模板中存储的台标类型,对应不同类型的台标图像特征,可计算不同的参数作为台标图像特征之间的相似度。比如,提取的电视点视频源图像的台标图像特征是分块颜色直方图,则可计算其与父级模板中的分块颜色直方图之间的巴氏距离、欧式距离、直方图相关性和直方图相交法中的任一种作为第一相似度。
步骤608,判断台标模板中是否含有子级模板,若是,则进入步骤610,否则进入步骤612。
步骤610,将第一相似度最大的台标模板对应的电视频道作为识别结果。
本实施例中,若台标模板中没有子级模板,则只有一级父级模板,则可直接将第一相似度最大的台标模板对应的电视频道编号作为输出结果。
步骤612,将电视视频图像对应第一相似度最大的台标模板中的子级模板,进行电视视频图像的台标特征提取。
本实施例中,若第一相似度最大的台标模板中含有子级模板,则说明得到的第一相似度最大的台标模板中有多个,需要进一步的将电视视频图像对应第一相似度最大的台标模板中的子级模板,进行电视视频图像的台标特征提取。同理,可按照子级模板中存储的台标位置信息和掩膜信息确定电视视频图像中的台标图像区域。然后根据子级模板中的台标类型,按照相应的图像特征提取方式,提取确定的台标图像区域的台标图像特征。具体的图像特征提取方式参照上文所述,在此则也不再赘述。
步骤614,计算对应子级模板提取的电视视频图像的台标特征与子级模板中的特征之间的第二相似度,获取第二相似度最大的台标模板。
如上所述,可进一步按照子级模板中存储的台标类型,对应不同类型的台标图像特征,可计算不同的参数作为台标图像特征之间的相似度。第二相似度越大,则表明电视视频图像中表示子频道的台标图像与台标模板中的子级模板对应的台标图像越相似。
步骤616,将第二相似度最大的台标模板对应的电视频道作为识别结果。
本实施例中,得到第二相似度最大的台标模板(也就是子级模板最为匹配的台标模板)后,将该台标模板对应的电视频道编号作为输出结果。
本实施例中,通过层级台标模板,将包含子频道的台标图像分为父级模板和子级模板两个部分,通过逐一级别的模板的匹配,能够有效区分各个子频道,从而进一步提高了台标识别的精度。
在另一个实施例中,将对应每个台标模板所提取的电视视频图像的台标特征与对应的台标模板中的特征进行匹配;将匹配程度最高的台标模板对应的电视频道作为识别结果的步骤,包括:将对应每个台标模板所提取的电视视频图像的台标特征输入预先训练好的分类器中,得到电视视频图像中的台标的分类结果。其中,分类器是通过特征矩阵进行训练得到的,该特征矩阵包括从多个电视频道的多张图像样本中提取的台标图像特征。
本实施例中,可将不同电视台的台标视作不同的类别,假设需要识别M个电视台的台标,则有M个类别。在分类器的线下训练中,可从M个电视频道,每个电视频道N张图像中提取台标图像特征,提取的台标图像特征结合对应的类别编号(也就是电视频道编号)组成特征矩阵。比如提取d维的分块颜色直方图。再将这M*N个d维的分块颜色直方图组合起来,并以类别编号进行标识,得到如下矩阵形式:
其中,元素中,m,1≤m≤M代表所属的类别编号,i,1≤i≤N表示图像样本编号,j,1≤j≤d表示特征维度。将该特征矩阵送入分类器的训练模块中进行训练,得到分类器模型w=y(x),其中,输入为台标图像特征,比如d维的分块颜色直方图,输出则为类别编号,即电视频道编号。在用训练得到的分类器识别台标时,只需要将从电视视频图像中提取的台标图像特征x*输入到该分类器中,得到对应的类别编号w*,即为识别出的电视频道编号。
本实施例中,可以根据不同的台标图像特征进行分类器的训练,在训练好分类器后,对于实时截取的电视视频图像,直接将提取的台标图像特征输入分类器后,即可直接得到识别出的电视频道编号。实现起来更为简单方便。
如图7所示,在一个实施例中,还提供了一种电视频道识别装置,该装置包括:
图像获取模块702,用于获取电视视频图像。
特征提取模块704,用于将电视视频图像对应台标模板库中的每个台标模板,进行电视视频图像的台标特征提取。
特征匹配模块706,用于将对应每个台标模板所提取的电视视频图像的台标特征与对应的台标模板中的特征进行匹配。
识别结果输出模块708,用于将匹配程度最高的台标模板对应的电视频道作为识别结果。
在一个优选的实施例中,图像获取模块702获取的电视视频图像可以是从视频信号源截取的电视视频源图像。
在一个实施例中,所述台标模板中的特征包括台标类型、台标位置信息、掩摸区域和台标图像特征。
本实施例中,特征提取模块704包括:
台标图像区域确定模块714,用于根据台标模板中的台标位置信息和掩摸区域确定电视视频图像中的台标图像区域。
台标图像特征提取模块724,用于根据台标模板中的台标类型,提取台标图像区域的台标图像特征。
进一步的,在一个实施例中,台标图像特征提取模块724包括:
第一台标图像特征提取模块724a,用于若台标模板中的台标类型是静态不透明台标,则提取台标图像区域的像素特征。
第二台标图像特征提取模块724b,用于若台标模板中的台标类型是静态半透明台标,则提取台标图像区域的感知哈希值。
在一个实施例中,特征匹配模块706包括:
第一相似度计算模块716,用于若台标模板中的台标类型是静态不透明台标,则计算该像素特征与台标模板中的台标图像特征之间的图像差异性,图像差异性越小,则相似度越大。
第二相似度计算模块726,用于若台标模板中的台标类型是静态半透明台标,则将该感知哈希值与台标模板中的台标图像特征进行逐比特比对,获得两者中相同比特个数占二进制码总长度的百分比,百分比越大,则相似度越大。
在一个实施例中,台标模板包括父级模板和与父级模板位于同一台标模板中的子级模板。
本实施例中,特征提取模块704用于若台标模板中包含父级模板,则将电视视频图像对应每个台标模板中的父级模板,进行电视视频图像的台标特征提取。
进一步的,在一个实施例中,特征匹配模块706用于计算提取的电视视频图像的台标特征与父级模板中的特征之间的第一相似度,获取第一相似度最大的台标模板。
在一个实施例中,特征提取模块704还用于若第一相似度最大的台标模板中含有子级模板,则进一步将电视视频图像对应第一相似度最大的台标模板中的子级模板,进行电视视频图像的台标特征提取。
本实施例中,特征匹配模块706还用于计算特征提取模块对应子级模板提取的电视视频图像的台标特征与子级模板中的特征之间的第二相似度,获取第二相似度最大的台标模板。
识别结果输出模块708用于将第二相似度最大的台标模板对应的电视频道作为识别结果。
在一个实施例中,电视频道识别装置还包括分类模块(图中未示出),用于将对应每个台标模板所提取的电视视频图像的台标特征输入预先训练好的分类器中,得到该电视视频图像中的台标的分类结果;其中,该分类器是通过对特征矩阵进行训练得到的,该特征矩阵包括从多个电视频道的多张图像样本中提取的台标图像特征。
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流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random Access Memory,RAM)等。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (14)
1.一种电视频道识别方法,所述方法包括:
获取电视视频图像;
将所述电视视频图像对应台标模板库中的每个台标模板,进行所述电视视频图像的台标特征提取,所述台标模板中的特征包括台标类型、台标位置信息、掩摸区域和台标图像特征;所述将所述电视视频图像对应台标模板库中的每个台标模板,进行所述电视视频图像的台标特征提取的步骤包括:根据所述台标模板中的台标位置信息和掩膜信息确定所述电视视频图像中的台标图像区域;根据所述台标模板中的台标类型,提取所述台标图像区域的台标图像特征,具体是在确定了电视视频图像中的台标图像区域后,根据对应的台标模板中的台标类型,选取相应的图像特征提取方式来提取台标图像区域的台标图像特征,包括:若所述台标模板中的台标类型是静态不透明台标,则提取所述台标图像区域的像素特征;若所述台标模板中的台标类型是静态半透明台标,则提取所述台标图像区域的感知哈希值;
将对应每个台标模板所提取的电视视频图像的台标特征与对应的台标模板中的特征进行匹配;
将匹配程度最高的台标模板对应的电视频道作为识别结果。
2.根据权利要求1所述的方法,其特征在于,所述将对应每个台标模板所提取的电视视频图像的台标特征与对应的台标模板中的特征进行匹配的步骤,包括:
若所述台标模板中的台标类型是静态不透明台标,则计算所述像素特征与所述台标模板中的台标图像特征之间的图像差异性,所述图像差异性越小,则匹配程度越高;
若所述台标模板中的台标类型是静态半透明台标,则将所述感知哈希值与所述台标模板中的台标图像特征进行逐比特比对,获得两者中相同比特个数占二进制码总长度的百分比,所述百分比越大,则匹配程度越高。
3.根据权利要求1所述的方法,其特征在于,所述台标模板包括父级模板和与所述父级模板位于同一台标模板中的子级模板;
所述将电视视频图像对应台标模板库中的每个台标模板,进行所述电视视频图像的台标特征提取步骤,包括:
若所述台标模板中包含父级模板,则将所述电视视频图像对应每个台标模板中的父级模板,进行所述电视视频图像的台标特征提取。
4.根据权利要求3所述的方法,其特征在于,所述将对应每个台标模板所提取的电视视频图像的台标特征与对应的台标模板中的特征进行匹配的步骤,包括:
计算提取的所述电视视频图像的台标特征与所述父级模板中的特征之间的第一相似度,获取第一相似度最大的台标模板。
5.根据权利要求4所述的方法,其特征在于,在所述计算提取的所述电视视频图像的台标特征与所述父级模板中的特征之间的第一相似度,获取第一相似度最大的台标模板的步骤之后,还包括:
若所述第一相似度最大的台标模板中含有所述子级模板,则进一步将电视视频图像对应所述第一相似度最大的台标模板中的子级模板,进行所述电视视频图像的台标特征提取;
计算对应子级模板提取的所述电视视频图像的台标特征与所述子级模板中的特征之间的第二相似度,获取第二相似度最大的台标模板;
所述将匹配程度最高的台标模板对应的电视频道作为识别结果的步骤为:将第二相似度最大的台标模板对应的电视频道作为识别结果。
6.根据权利要求1所述的方法,其特征在于,所述将对应每个台标模板所提取的电视视频图像的台标特征与对应的台标模板中的特征进行匹配;将匹配程度最高的台标模板对应的电视频道作为识别结果的步骤,包括:
将对应每个台标模板所提取的电视视频图像的台标特征输入预先训练好的分类器中,得到所述电视视频图像中的台标的分类结果;
所述分类器是通过对特征矩阵进行训练得到的,所述特征矩阵包括从多个电视频道的多张图像样本中提取的台标图像特征。
7.根据权利要求1至6任一项所述的方法,其特征在于,所述电视视频图像为从视频信号源截取的电视视频源图像。
8.一种电视频道识别装置,其特征在于,所述装置包括:
图像获取模块,用于从视频信号源截取电视视频图像;
特征提取模块,用于将所述电视视频图像对应台标模板库中的每个台标模板,进行所述电视视频图像的台标特征提取,所述台标模板中的特征包括台标类型、台标位置信息、掩摸区域和台标图像特征;所述特征提取模块包括:台标图像区域确定模块,用于根据所述台标模板中的台标位置信息和掩膜信息确定所述电视视频图像中的台标图像区域;台标图像特征提取模块,用于根据所述台标模板中的台标类型,提取所述台标图像区域的台标图像特征,具体是在确定了电视视频图像中的台标图像区域后,根据对应的台标模板中的台标类型,选取相应的图像特征提取方式来提取台标图像区域的台标图像特征;所述台标图像特征提取模块包括:第一台标图像特征提取模块,用于若所述台标模板中的台标类型是静态不透明台标,则提取所述台标图像区域的像素特征;第二台标图像特征提取模块,用于若所述台标模板中的台标类型是静态半透明台标,则提取所述台标图像区域的感知哈希值;
特征匹配模块,用于将对应每个台标模板所提取的电视视频图像的台标特征与对应的台标模板中的特征进行匹配;
识别结果输出模块,用于将匹配程度最高的台标模板对应的电视频道作为识别结果。
9.根据权利要求8所述的装置,其特征在于,特征匹配模块包括:
第一相似度计算模块,用于若所述台标模板中的台标类型是静态不透明台标,则计算所述像素特征与所述台标模板中的台标图像特征之间的图像差异性,所述图像差异性越小,则电视视频图像中的台标与对应的台标模板之间的相似度越大;
第二相似度计算模块,用于若所述台标模板中的台标类型是静态半透明台标,则将所述感知哈希值与所述台标模板中的台标图像特征进行逐比特比对,获得两者中相同比特个数占二进制码总长度的百分比,所述百分比越大,则电视视频图像中的台标与对应的台标模板之间的相似度越大。
10.根据权利要求8所述的装置,其特征在于,所述台标模板包括父级模板和与所述父级模板位于同一台标模板中的子级模板;
所述特征提取模块用于若所述台标模板中包含父级模板,则将所述电视视频图像对应每个台标模板中的父级模板,进行所述电视视频图像的台标特征提取。
11.根据权利要求10所述的装置,其特征在于,所述特征匹配模块用于计算提取的所述电视视频图像的台标特征与所述父级模板中的特征之间的第一相似度,获取第一相似度最大的台标模板。
12.根据权利要求11所述的装置,其特征在于,所述特征提取模块,还用于若所述第一相似度最大的台标模板中含有所述子级模板,则进一步将电视视频图像对应所述第一相似度最大的台标模板中的子级模板,进行所述电视视频图像的台标特征提取;
所述特征匹配模块,还用于计算所述特征提取模块对应子级模板提取的所述电视视频图像的台标特征与所述子级模板中的特征之间的第二相似度,获取第二相似度最大的台标模板;
所述识别结果输出模块用于将第二相似度最大的台标模板对应的电视频道作为识别结果。
13.根据权利要求8所述的装置,其特征在于,还包括:
分类模块,用于将对应每个台标模板所提取的电视视频图像的台标特征输入预先训练好的分类器中,得到所述电视视频图像中的台标的分类结果;
所述分类器是通过对特征矩阵进行训练得到的,所述特征矩阵包括从多个电视频道的多张图像样本中提取的台标图像特征。
14.根据权利要求8至13任一项所述的装置,其特征在于,所述电视视频图像为从视频信号源获取的电视视频源图像。
Priority Applications (6)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410262126.6A CN104023249B (zh) | 2014-06-12 | 2014-06-12 | 电视频道识别方法和装置 |
PCT/CN2015/078548 WO2015188670A1 (en) | 2014-06-12 | 2015-05-08 | Method and apparatus for identifying television channel information |
MYPI2016701965A MY188533A (en) | 2014-06-12 | 2015-05-08 | Method and apparatus for identifying television channel information |
KR1020177000699A KR101880004B1 (ko) | 2014-06-12 | 2015-05-08 | 텔레비전 채널 정보를 식별하기 위한 방법 및 장치 |
US15/176,030 US9980009B2 (en) | 2014-06-12 | 2016-06-07 | Method and apparatus for identifying television channel information |
US15/956,492 US10405052B2 (en) | 2014-06-12 | 2018-04-18 | Method and apparatus for identifying television channel information |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410262126.6A CN104023249B (zh) | 2014-06-12 | 2014-06-12 | 电视频道识别方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104023249A CN104023249A (zh) | 2014-09-03 |
CN104023249B true CN104023249B (zh) | 2015-10-21 |
Family
ID=51439787
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410262126.6A Active CN104023249B (zh) | 2014-06-12 | 2014-06-12 | 电视频道识别方法和装置 |
Country Status (5)
Country | Link |
---|---|
US (2) | US9980009B2 (zh) |
KR (1) | KR101880004B1 (zh) |
CN (1) | CN104023249B (zh) |
MY (1) | MY188533A (zh) |
WO (1) | WO2015188670A1 (zh) |
Families Citing this family (63)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104023249B (zh) | 2014-06-12 | 2015-10-21 | 腾讯科技(深圳)有限公司 | 电视频道识别方法和装置 |
US20160094868A1 (en) * | 2014-09-30 | 2016-03-31 | Samsung Electronics Co., Ltd. | Method and system for automatic selection of channel line up, set top box (stb) ir codes, and pay tv operator for televisions controlling an stb |
CN104537376B (zh) * | 2014-11-25 | 2018-04-27 | 深圳创维数字技术有限公司 | 一种识别台标的方法及相关设备、*** |
CN104918107B (zh) * | 2015-05-29 | 2018-11-02 | 小米科技有限责任公司 | 视频文件的标识处理方法及装置 |
CN105868683A (zh) * | 2015-11-24 | 2016-08-17 | 乐视致新电子科技(天津)有限公司 | 台标识别方法及装置 |
WO2017088478A1 (zh) * | 2015-11-24 | 2017-06-01 | 乐视控股(北京)有限公司 | 数字分离方法及装置 |
EP3391651B1 (en) | 2015-12-16 | 2022-08-10 | Roku, Inc. | Dynamic video overlays |
CN105635750B (zh) * | 2015-12-28 | 2018-07-03 | 深圳Tcl数字技术有限公司 | 频道识别方法及装置 |
CN105760842A (zh) * | 2016-02-26 | 2016-07-13 | 北京大学 | 一种基于边缘和纹理特征结合的台标识别方法 |
CN105847876B (zh) * | 2016-03-23 | 2018-10-19 | 北京酷云互动科技有限公司 | 信息展示方法、信息展示模块和终端 |
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 |
US10095920B2 (en) * | 2016-07-28 | 2018-10-09 | Intuit Inc | Optical character recognition utilizing hashed templates |
US10448107B2 (en) * | 2016-11-11 | 2019-10-15 | Lg Electronics Inc. | Display device |
US11042161B2 (en) | 2016-11-16 | 2021-06-22 | Symbol Technologies, Llc | Navigation control method and apparatus in a mobile automation system |
CN106559680A (zh) * | 2016-11-25 | 2017-04-05 | 北京小米移动软件有限公司 | 视频类型识别方法、装置及电子设备 |
CN108235144B (zh) * | 2016-12-22 | 2021-02-19 | 阿里巴巴(中国)有限公司 | 播放内容获取方法、装置及计算设备 |
CN106682424A (zh) | 2016-12-28 | 2017-05-17 | 上海联影医疗科技有限公司 | 医学图像的调节方法及其*** |
US10726273B2 (en) | 2017-05-01 | 2020-07-28 | Symbol Technologies, Llc | Method and apparatus for shelf feature and object placement detection from shelf images |
WO2018204308A1 (en) | 2017-05-01 | 2018-11-08 | Symbol Technologies, Llc | Method and apparatus for object status detection |
US11093896B2 (en) | 2017-05-01 | 2021-08-17 | Symbol Technologies, Llc | Product status detection system |
US11367092B2 (en) | 2017-05-01 | 2022-06-21 | Symbol Technologies, Llc | Method and apparatus for extracting and processing price text from an image set |
US11449059B2 (en) | 2017-05-01 | 2022-09-20 | Symbol Technologies, Llc | Obstacle detection for a mobile automation apparatus |
US10949798B2 (en) | 2017-05-01 | 2021-03-16 | Symbol Technologies, Llc | Multimodal localization and mapping for a mobile automation apparatus |
WO2018201423A1 (en) | 2017-05-05 | 2018-11-08 | Symbol Technologies, Llc | Method and apparatus for detecting and interpreting price label text |
CN107292934B (zh) * | 2017-06-14 | 2020-10-13 | 北京星选科技有限公司 | 图片内容识别方法、建模方法及相关装置 |
CN107438190A (zh) * | 2017-07-18 | 2017-12-05 | 捷开通讯(深圳)有限公司 | 智能设备、存储电视频道信息及切换电视频道方法 |
CN108260054B (zh) * | 2018-01-11 | 2020-07-24 | 上海展扬通信技术有限公司 | Fm质量的提升方法、装置及计算机可读存储介质 |
US10740911B2 (en) | 2018-04-05 | 2020-08-11 | Symbol Technologies, Llc | Method, system and apparatus for correcting translucency artifacts in data representing a support structure |
US10809078B2 (en) | 2018-04-05 | 2020-10-20 | Symbol Technologies, Llc | Method, system and apparatus for dynamic path generation |
US10832436B2 (en) | 2018-04-05 | 2020-11-10 | Symbol Technologies, Llc | Method, system and apparatus for recovering label positions |
US10823572B2 (en) | 2018-04-05 | 2020-11-03 | Symbol Technologies, Llc | Method, system and apparatus for generating navigational data |
US11327504B2 (en) | 2018-04-05 | 2022-05-10 | Symbol Technologies, Llc | Method, system and apparatus for mobile automation apparatus localization |
CN110674331A (zh) * | 2018-06-15 | 2020-01-10 | 华为技术有限公司 | 信息处理方法、相关设备及计算机存储介质 |
US11010920B2 (en) | 2018-10-05 | 2021-05-18 | Zebra Technologies Corporation | Method, system and apparatus for object detection in point clouds |
US11506483B2 (en) | 2018-10-05 | 2022-11-22 | Zebra Technologies Corporation | Method, system and apparatus for support structure depth determination |
US11003188B2 (en) | 2018-11-13 | 2021-05-11 | Zebra Technologies Corporation | Method, system and apparatus for obstacle handling in navigational path generation |
US11090811B2 (en) | 2018-11-13 | 2021-08-17 | Zebra Technologies Corporation | Method and apparatus for labeling of support structures |
US11416000B2 (en) | 2018-12-07 | 2022-08-16 | Zebra Technologies Corporation | Method and apparatus for navigational ray tracing |
US11079240B2 (en) | 2018-12-07 | 2021-08-03 | Zebra Technologies Corporation | Method, system and apparatus for adaptive particle filter localization |
US11100303B2 (en) | 2018-12-10 | 2021-08-24 | Zebra Technologies Corporation | Method, system and apparatus for auxiliary label detection and association |
US10731970B2 (en) | 2018-12-13 | 2020-08-04 | Zebra Technologies Corporation | Method, system and apparatus for support structure detection |
CA3028708A1 (en) | 2018-12-28 | 2020-06-28 | Zih Corp. | Method, system and apparatus for dynamic loop closure in mapping trajectories |
CN110147462A (zh) * | 2019-05-20 | 2019-08-20 | 新联智慧信息技术(深圳)有限公司 | 宗教短视频的验证方法及相关产品 |
US11151743B2 (en) | 2019-06-03 | 2021-10-19 | Zebra Technologies Corporation | Method, system and apparatus for end of aisle detection |
US11080566B2 (en) | 2019-06-03 | 2021-08-03 | Zebra Technologies Corporation | Method, system and apparatus for gap detection in support structures with peg regions |
US11200677B2 (en) | 2019-06-03 | 2021-12-14 | Zebra Technologies Corporation | Method, system and apparatus for shelf edge detection |
US11960286B2 (en) | 2019-06-03 | 2024-04-16 | Zebra Technologies Corporation | Method, system and apparatus for dynamic task sequencing |
US11341663B2 (en) | 2019-06-03 | 2022-05-24 | Zebra Technologies Corporation | Method, system and apparatus for detecting support structure obstructions |
US11402846B2 (en) | 2019-06-03 | 2022-08-02 | Zebra Technologies Corporation | Method, system and apparatus for mitigating data capture light leakage |
US11662739B2 (en) | 2019-06-03 | 2023-05-30 | Zebra Technologies Corporation | Method, system and apparatus for adaptive ceiling-based localization |
EP3942715A4 (en) * | 2019-07-09 | 2022-09-14 | Samsung Electronics Co., Ltd. | ELECTRONIC DEVICE, METHOD FOR CONTROL THEREOF, SERVER AND RECORDING MEDIUM |
CN110619362B (zh) * | 2019-09-17 | 2021-11-09 | 北京市博汇科技股份有限公司 | 一种基于感知与像差的视频内容比对方法及装置 |
US11507103B2 (en) | 2019-12-04 | 2022-11-22 | Zebra Technologies Corporation | Method, system and apparatus for localization-based historical obstacle handling |
US11107238B2 (en) | 2019-12-13 | 2021-08-31 | Zebra Technologies Corporation | Method, system and apparatus for detecting item facings |
US11822333B2 (en) | 2020-03-30 | 2023-11-21 | Zebra Technologies Corporation | Method, system and apparatus for data capture illumination control |
CN111597885A (zh) * | 2020-04-07 | 2020-08-28 | 上海推乐信息技术服务有限公司 | 一种视频附加内容检测方法和*** |
EP3920541A1 (en) * | 2020-06-03 | 2021-12-08 | Top Victory Investments Limited | Method for obtaining television rating points for television channels |
US11450024B2 (en) | 2020-07-17 | 2022-09-20 | Zebra Technologies Corporation | Mixed depth object detection |
US11593915B2 (en) | 2020-10-21 | 2023-02-28 | Zebra Technologies Corporation | Parallax-tolerant panoramic image generation |
US11392891B2 (en) | 2020-11-03 | 2022-07-19 | Zebra Technologies Corporation | Item placement detection and optimization in material handling systems |
US11847832B2 (en) | 2020-11-11 | 2023-12-19 | Zebra Technologies Corporation | Object classification for autonomous navigation systems |
US11722721B2 (en) * | 2020-12-16 | 2023-08-08 | Roku, Inc. | Media channel identification and action, with disambiguation through client-side fingerprint matching of channel-specific icon |
US11954882B2 (en) | 2021-06-17 | 2024-04-09 | Zebra Technologies Corporation | Feature-based georegistration for mobile computing devices |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102436575A (zh) * | 2011-09-22 | 2012-05-02 | Tcl集团股份有限公司 | 一种台标的自动检测和分类方法 |
CN103020650A (zh) * | 2012-11-23 | 2013-04-03 | Tcl集团股份有限公司 | 一种台标识别方法及装置 |
CN103473551A (zh) * | 2013-09-16 | 2013-12-25 | 中国传媒大学 | 基于sift算子的台标识别方法及*** |
CN103530655A (zh) * | 2013-05-24 | 2014-01-22 | Tcl集团股份有限公司 | 一种台标识别方法及*** |
Family Cites Families (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0837602A3 (en) * | 1996-10-17 | 1999-10-06 | Kabushiki Kaisha Toshiba | Letterbox image detection apparatus |
US20020162120A1 (en) * | 2001-04-25 | 2002-10-31 | Slade Mitchell | Apparatus and method to provide supplemental content from an interactive television system to a remote device |
US7505946B2 (en) * | 2004-03-31 | 2009-03-17 | Microsoft Corporation | High performance content alteration architecture and techniques |
US8868555B2 (en) * | 2006-07-31 | 2014-10-21 | Ricoh Co., Ltd. | Computation of a recongnizability score (quality predictor) for image retrieval |
KR100594806B1 (ko) * | 2004-12-28 | 2006-06-30 | 삼성전자주식회사 | 레터박스 경계를 검출하는 디스플레이장치 및 이를 이용한영상 디스플레이 방법 |
US20070041638A1 (en) * | 2005-04-28 | 2007-02-22 | Xiuwen Liu | Systems and methods for real-time object recognition |
US7577272B2 (en) * | 2005-11-30 | 2009-08-18 | Microsoft Corporation | Digital fingerprinting using synchronization marks and watermarks |
JP4525692B2 (ja) * | 2007-03-27 | 2010-08-18 | 株式会社日立製作所 | 画像処理装置、画像処理方法、画像表示装置 |
US8045798B2 (en) * | 2007-08-30 | 2011-10-25 | Xerox Corporation | Features generation and spotting methods and systems using same |
US20090110288A1 (en) * | 2007-10-29 | 2009-04-30 | Kabushiki Kaisha Toshiba | Document processing apparatus and document processing method |
WO2009073895A1 (en) * | 2007-12-07 | 2009-06-11 | Verimatrix, Inc. | Systems and methods for performing semantic analysis of media objects |
US20110004900A1 (en) * | 2008-12-30 | 2011-01-06 | Jinlong Li | Channel navigation methods and apparatus for navigating a plurality of audio/video broadcasting channels |
US8175413B1 (en) * | 2009-03-05 | 2012-05-08 | Google Inc. | Video identification through detection of proprietary rights logos in media |
JP5989004B2 (ja) * | 2011-01-04 | 2016-09-07 | タタ・コンサルタンシー・サーヴィシズ・リミテッド | ロゴ認証 |
KR101256940B1 (ko) * | 2011-05-25 | 2013-04-25 | 에스케이텔레콤 주식회사 | 채널 자동 선국 서비스 시스템 |
CN103106668B (zh) * | 2011-11-09 | 2016-08-03 | 佳能株式会社 | 基于颜色直方图来描述图像区域的方法和*** |
CN103002328A (zh) * | 2012-11-30 | 2013-03-27 | 北京十分科技有限公司 | 一种识别频道的方法及装置 |
US9355312B2 (en) * | 2013-03-13 | 2016-05-31 | Kofax, Inc. | Systems and methods for classifying objects in digital images captured using mobile devices |
WO2014160426A1 (en) * | 2013-03-13 | 2014-10-02 | Kofax, Inc. | Classifying objects in digital images captured using mobile devices |
IN2013MU01192A (zh) * | 2013-03-28 | 2015-04-24 | Tata Consultancy Services Ltd | |
US9785852B2 (en) * | 2013-11-06 | 2017-10-10 | Xiaomi Inc. | Method, TV set and system for recognizing TV station logo |
CN104023249B (zh) * | 2014-06-12 | 2015-10-21 | 腾讯科技(深圳)有限公司 | 电视频道识别方法和装置 |
-
2014
- 2014-06-12 CN CN201410262126.6A patent/CN104023249B/zh active Active
-
2015
- 2015-05-08 MY MYPI2016701965A patent/MY188533A/en unknown
- 2015-05-08 KR KR1020177000699A patent/KR101880004B1/ko active IP Right Grant
- 2015-05-08 WO PCT/CN2015/078548 patent/WO2015188670A1/en active Application Filing
-
2016
- 2016-06-07 US US15/176,030 patent/US9980009B2/en active Active
-
2018
- 2018-04-18 US US15/956,492 patent/US10405052B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102436575A (zh) * | 2011-09-22 | 2012-05-02 | Tcl集团股份有限公司 | 一种台标的自动检测和分类方法 |
CN103020650A (zh) * | 2012-11-23 | 2013-04-03 | Tcl集团股份有限公司 | 一种台标识别方法及装置 |
CN103530655A (zh) * | 2013-05-24 | 2014-01-22 | Tcl集团股份有限公司 | 一种台标识别方法及*** |
CN103473551A (zh) * | 2013-09-16 | 2013-12-25 | 中国传媒大学 | 基于sift算子的台标识别方法及*** |
Also Published As
Publication number | Publication date |
---|---|
KR101880004B1 (ko) | 2018-07-18 |
MY188533A (en) | 2021-12-20 |
KR20170016961A (ko) | 2017-02-14 |
US10405052B2 (en) | 2019-09-03 |
CN104023249A (zh) | 2014-09-03 |
US20160295287A1 (en) | 2016-10-06 |
WO2015188670A1 (en) | 2015-12-17 |
US20180242047A1 (en) | 2018-08-23 |
US9980009B2 (en) | 2018-05-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104023249B (zh) | 电视频道识别方法和装置 | |
US10133921B2 (en) | Methods and apparatus for capturing, processing, training, and detecting patterns using pattern recognition classifiers | |
WO2019169772A1 (zh) | 图片处理方法、电子装置及存储介质 | |
CN110738125A (zh) | 利用Mask R-CNN选择检测框的方法、装置及存储介质 | |
CN104408429A (zh) | 一种视频代表帧提取方法及装置 | |
CN111144366A (zh) | 一种基于联合人脸质量评估的陌生人脸聚类方法 | |
CN109241861B (zh) | 一种数学公式识别方法、装置、设备及存储介质 | |
CN105046254A (zh) | 字符识别方法及装置 | |
US9082039B2 (en) | Method and apparatus for recognizing a character based on a photographed image | |
CN102254188B (zh) | 掌纹识别方法及装置 | |
CN112380978B (zh) | 基于关键点定位的多人脸检测方法、***及存储介质 | |
US20150071532A1 (en) | Image processing device, computer-readable recording medium, and image processing method | |
CN112396050B (zh) | 图像的处理方法、设备以及存储介质 | |
CN114359553B (zh) | 一种基于物联网的签章定位方法、***及存储介质 | |
CN111222585A (zh) | 数据处理方法、装置、设备及介质 | |
CN111582134A (zh) | 证件边沿检测方法、装置、设备和介质 | |
CN104268509A (zh) | 泥头车车牌检测的方法及*** | |
CN113627423A (zh) | 圆形***字符识别方法、装置、计算机设备和存储介质 | |
CN111199240A (zh) | 银行卡识别模型的训练方法、银行卡识别方法以及装置 | |
CN102855025B (zh) | 一种基于视觉注意模型的光学多点触控触点检测方法 | |
CN111556362A (zh) | 一种车身广告植入方法、装置、电子设备及存储介质 | |
CN116863458A (zh) | 车牌识别方法、装置、***及存储介质 | |
CN116580410A (zh) | 票据号码识别方法、装置、电子设备及存储介质 | |
KR20060007901A (ko) | 영상으로부터의 중요 객체 추출 장치 및 방법 | |
CN106056575A (zh) | 一种基于似物性推荐算法的图像匹配方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |