CN107516097A - 台标识别方法和装置 - Google Patents
台标识别方法和装置 Download PDFInfo
- Publication number
- CN107516097A CN107516097A CN201710679002.1A CN201710679002A CN107516097A CN 107516097 A CN107516097 A CN 107516097A CN 201710679002 A CN201710679002 A CN 201710679002A CN 107516097 A CN107516097 A CN 107516097A
- Authority
- CN
- China
- Prior art keywords
- station symbol
- symbol recognition
- channel
- recognition model
- station
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000003287 optical effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000007792 addition Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 244000144992 flock Species 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/635—Overlay text, e.g. embedded captions in a TV program
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
本发明揭示了一种台标识别方法和装置,所述方法包括:获取屏幕中显示的台标图像所对应的图像数据。根据前一次台标识别结果和接收到的频道调整指令调整台标识别模型集合中台标识别模型的优先级,获取调整后优先级最高的台标识别模型。将图像数据输入到获取的优先级最高的台标识别模型,得到本次台标识别结果。采用本发明能够通过选用优先级最高的台标识别模型对台标进行识别计算,避免结合所有台标识别模型进行台标识别,以此大大提高了台标识别的识别效率。
Description
技术领域
本公开涉及数字电视应用技术领域,特别涉及台标识别方法和装置。
背景技术
台标,即电视频道的标志,是电视频道区别于其他电视频道的外在表现符号。在视频内容分析、收视率统计等方面,如何进行台标识别非常重要。
现有技术中,台标识别通常对相似度比较高的台标进行单独识别,即针对相似度比较高的台标选用同一类型的台标识别模型进行台标识别计算,以此保证台标识别的准确性。例如,标识各央视频道的台标之间的差异仅是数字不同,则选用央视识别模型进行该类台标的识别;标识同一省台中的娱乐、体育等频道的台标之间也存在共同特征,则选用省台识别模型进行该类台标的识别。
随着电视技术的飞速发展,央视、各省、市、县级电视台的频道越来越多,用于标识不同频道的台标数目也随之增加。针对任一未知台标,将结合所有台标识别模型进行台标识别,这势必影响了台标识别的识别效率。
发明内容
为了解决相关技术中存在的台标识别的识别效率低的技术问题,本公开提供了一种台标识别方法和装置。
一种台标识别方法,所述方法包括:
获取屏幕中显示的台标图像所对应的图像数据;
根据前一次台标识别结果和接收到的频道调整指令调整台标识别模型集合中台标识别模型的优先级,获取调整后优先级最高的台标识别模型;
将所述图像数据输入到获取的所述台标识别模型,得到本次台标识别结果。
一种台标识别的装置,所述装置包括:
获取模块,用于获取屏幕中显示的台标图像所对应的图像数据;
调整模块,用于根据前一次台标识别结果和接收到的频道调整指令调整台标识别模型集合中台标识别模型的优先级,获取调整后优先级最高的台标识别模型;
识别模块,用于将所述图像数据输入到获取的所述台标识别模型,得到本次台标识别结果。
本公开的实施例提供的技术方案可以包括以下有益效果:通过获取屏幕中显示的台标图像所对应的图像数据。根据前一次台标识别结果和接收到的频道调整指令调整台标识别模型集合中台标识别模型的优先级,获取调整后优先级最高的台标识别模型。将图像数据输入到获取的所述台标识别模型,得到本次台标识别结果。由此,通过选用优先级最高的台标识别模型对台标进行识别计算,避免结合所有台标识别模型进行台标识别,以此大大提高了台标识别的识别效率。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并于说明书一起用于解释本发明的原理。
图1是一示例性实施例示出的台标识别方法的流程图。
图2是另一示例性实施例示出的台标识别方法的流程图。
图3是另一示例性实施例示出的台标识别方法的流程图。
图4是根据图1对应实施例中步骤130的流程图。
图5是根据图1对应实施例中步骤150的流程图。
图6是根据图1对应实施例中步骤150在另一实施例的流程图。
图7是一示例性实施例示出的台标识别装置的框图。
图8根据图7对应实施例的装置中的调整模块在一个实施例中的框图。
具体实施方式
这里将详细地对示例性实施例执行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
图1是根据一示例性实施例示出的台标识别方法的流程图。如图1所示,该方法包括但不限于以下步骤:
在步骤1100中,获取屏幕中显示的台标图像所对应的图像数据。
如前所述,台标,电视频道的标志,即用于标识电视频道,是电视频道区别于其他频道的外在表现符号。
台标图像,即台标通过屏幕显示的图像,台标图像由屏幕上具有红、绿、蓝三原色的像素点构成。由此,台标图像所对应的图像数据即用于表征各像素点的颜色、亮度等光学特性。
台标图像所对应图像数据的获取,实质上是从屏幕显示的图像中分割出台标图像。具体而言,由于台标图像所在的屏幕位置对应像素点的颜色、亮度等光学参数通常在一定时间内保持不变,而屏幕中其他位置对应像素点的颜色、亮度等光学参数则通常会随视频内容变化而变化,因此,根据构成台标图像的像素点的光学参数在一定时间内保持不变的特性,即可将台标图像和屏幕中其他位置显示出的图像相互区别,从而实现从屏幕显示的图像中分割出台标图像,进而获得该台标图像对应的图像数据。
在一个具体的应用场景中,机顶盒通过HDMI(高清晰度多媒体接口,HighDefinition Multimedia Interface)接口将数十个或者上百个数字电视信号输出到电视机屏幕进行显示。电视机通过截取整个屏幕图像,获取屏幕图像所对应的图像数据,然后根据构成台标图像的像素点的光学参数的特性,将台标图像所对应的图像数据从获得的图像数据中提取出来,以此得到屏幕中显示的台标图像所对应的图像数据。
在步骤1300中,根据前一次台标识别结果和接收到的频道调整指令调整台标识别模型集合中台标识别模型的优先级,获取调整后优先级最高的台标识别模型。
台标识别模型集合包含了央视识别模型、省台识别模型和通用识别模型,每一类型台标识别模型分别针对不同类的台标进行台标识别。
本实施例中,针对不同类型的台标识别模型设置了优先级,针对每一未知台标,每一次台标识别所采用的台标识别模型是优先级最高的台标识别模型。
在此基础上,首先需要根据前一次台标识别结果和频道调整指令判断台标识别模型集合中台标识别模型的优先级是否需要进行调整。如果不需要调整,则直接获取优先级最高的台标识别模型,否则,在优先级调整完毕之后获取优先级最高的台标识别模型,以供后续进行台标识别。
其中,前一次台标识别结果是指上一次台标识别获得的电视频道的台标。通常,由该台标所标识的电视频道位于频道列表中的固定位置。
频道调整指令,是指通过遥控器或者鼠标发出的频道调整指令,电视机根据该指令调整当前屏幕显示的电视频道。举例来说,在用户通过上下键切换频道的过程中,电视机接收的向下切换6个频道的指令。或者,在用户通过数字键选择频道的过程中,电视机接收的直接跳转到频道8的指令。
台标识别模型,是指基于视频图像分析、检索技术对台标图像所对应的图像数据进行识别计算的算法模型。先将台标图像从屏幕图像中切割出来,通过台标识别模型提取台标图像的特征信息。台标图像的特征信息包括台标图像的形状特征、构成台标图像的像素点的光学特征以及台标图像的边缘特征等。将这些特征信息和台标识别模型中标准特征信息库中的标准特征信息进行计算和比对,根据预先设定的一系列判定标准进行筛选和判定,进而获得台标识别结果。
台标识别模型集合,为了提高台标识别的准确度,通常会对相似度比较高的台标进行单独识别。针对相似度比较高的台标优先选用合适的台标识别模型进行识别计算,会提高台标识别的准确度和识别效率。对不同类型的台标,优先选择特定的台标识别模型进行识别计算。通常,台标识别模型的集合包括央视识别模型、省台识别模型、通用识别模型。
具体的,在台标识别过程中,通过引入前一次台标识别结果和用户发出的频道调整指令来动态调整标识别模型集合中不同台标识别模型的优先级,选择最合适的台标识别模型对当前的台标进行识别计算,提高本次台标识别结果的准确率和识别效率。
在一个具体的实施例中,如果前一次台标识别结果为央视频道中的央视2套,电视机接收到的频道调整指令为向下切换1个频道。由于央视频道中各台标的台标图像之间仅存在一个数字的差异。例如,对于央视1套和央视2套的台标图像,仅台标图像中的数字1和2有差异。由于央视频道通常是聚集在一处的,此时,根据前一次台标识别结果为央视2套以及频道调整指令为向下切换1个频道,将台标识别模型集合中央视识别模型的优先级调整为最高,优先选择央视识别模型对台标图像进行识别、计算。
在步骤1500中,将图像数据输入到获取的台标识别模型,得到本次台标识别结果。
具体而言,台标识别模型进行台标识别过程包括:在得到台标图像所对应的图像数据之后,首先根据图像数据进行台标图像的特征提取,得到台标图像的形状、边缘、光学特征。然后将该些特征和台标识别模型中的模板参考特征进行比对计算,得到台标识别概率,并根据预先设定的判定准则对得到的台标识别概率进行判定,进而得到用于指示台标的台标识别结果。
根据预先设定的判定准则对得到的台标识别概率进行判定,可能获得多种具有不同识别概率的识别结果。例如,在台标识别模型对台标图像所对应的图像数据进行识别计算后,得到的识别结果指示的台标可能是A频道、B频道、C频道。其中,A频道的可能性最大,B频道次之、而C频道的可能性最小。因此,台标识别结果通常通过概率形式进行表示。例如,台标识别结果分别为:A频道(台标识别概率为80%)、B频道(台标识别概率为60%)、C频道(台标识别概率为5%)。通常,台标识别模型以计算得到的识别概率最高的台标作为最终的台标识别结果进行输出。
在上述过程中,通过选用优先级最高的台标识别模型对台标进行识别计算,大大提高了台标识别的识别效率。
此外,为台标识别模型设置优先级,且优先级可以跟随用户的操控意图以及前一次台标识别结果动态调整,进而在台标识别过程中引入时间因素,并且使得台标识别与用户的操控意图紧密相关,有效地提高了台标识别的准确性。
在另一示例性实施例中,所述台标识别方法还包括:根据本次台标识别结果指示的台标更新频道列表中的频道。
频道列表,即数字电视的节目清单,频道列表中包含各个电视频道,而电视频道通过台标进行标识。
例如,频道列表中包含A频道、B频道,如果本次台标识别结果指示的台标被用于标识C频道,相应地,将C频道添加至频道列表中,此时,频道列表中包含A频道、B频道、C频道,由此完成频道列表的更新。
进一步地,频道列表中频道排列顺序是固定的。为此,进行频道添加时,频道按照预设位置添加至频道列表中。
举例来说,频道列表中的央视频道按照频道号顺序排列,依次为央视1频道、央视2频道、央视3频道,…,央视14频道。当本次需要添加的频道为央视3频道,则将央视3频道添加到央视2频道和央视4频道之间。通过如此设置,有利于后续的频道查询,以此进一步地提高识别效率。
图2是另一示例性实施例示出的台标识别方法的流程图。如图2所示,所述方法还包括以下步骤:
在步骤1210中,获取频道列表中频道的频道数。
频道数,是指频道列表中包含频道的数目。例如,频道列表包含A、B、C频道,则频道数是3。
通过对频道列表中包含的全部频道进行统计获得频道数。其中频道列表中还可能存在空的频道或者重复的频道。在统计频道列表中频道的总数时忽略空频道,而对重复的频道仅统计一次。通过设定固定的统计周期时间,根据该统计周期时间,定期对频道列中的频道进行统计。当频道数达到预设最大频道数,则停止频道列表中频道的统计。
在步骤1230中,当频道数不等于预设频道数,跳转执行根据前一次台标识别结果和接收到的频道调整指令调整台标识别模型集合中台标识别模型的优先级,获取调整后优先级最高的台标识别模型步骤。
预设频道数可以根据机顶盒提供的数字电视频道总数进行设定。当频道数不等于预设频道数,则表明由机顶盒提供的全部的数字电视频道还没有被全部添加到频道列表当中。此时,跳转执行根据前一次台标识别结果和接收到的频道调整指令调整台标识别模型集合中台标识别模型的优先级,获取调整后优先级最高的台标识别模型步骤。
在一个具体的应用场景中,当获取的频道数为零,即频道列表没有添加任何电视频道。由于前一次台标识别结果为空,此时,应通过台标识别模型集合中的默认优先级最高的台标识别模型进行识别计算。
图3是另一示例性实施例示出的台标识别方法的流程图。如图3所示,所述方法还包括以下步骤:
在步骤1250中,当获取的频道数等于预设频道数,根据前一次台标识别结果和频道调整指令由所述频道列表查询得到相应的频道。
其中,预设频道数根据机顶盒提供的数字电视频道总数进行设定。例如,机顶盒提供的数字电视频道总数为53,则将预设频道数设置为53。当获取的频道数等于预设频道数,表明频道列表中的所有电视频道都已经添加完毕。
此时,对于当前屏幕显示的台标,仅根据前一次台标识别结果和频道调整指令,即可通过查询频道列表查询得到相应的频道。
举例来说,当频道列表中的央视频道按照频道号顺序排列,即频道号1为为央视1套、频道号2为央视2套、央视3套,…,央视14套。前一次台标识别结果为央视1频道,频道调整指令为向下切换6个频道,则通过查询频道列表查询得到相应的频道为央视7频道。
在步骤1270中,以用于标识该频道的台标作为本次台标识别结果。
在上述实施例的配合下,以用于标识该频道的台标作为本次台标识别结果。而不用再通过台标识别模型对台标图像所对应的图像数据进行识别计算,通过查询频道列表直接判断屏幕中显示的台标图像对应的台标,减轻处理器的处理压力,提高***的整体处理效率。
在一个具体的应用场景中,预设频道数为53,即已经完成全部频道添加的频道列表的频道总数为53。上一次台标识别结果为央视1套,频道调整指令为向下切换频道两次。此时,没有必要再调用台标识别模型对台标进行一次识别计算。仅根据前一次台标识别结果和频道调整指令,即可通过由频道列表查询得到本次台标识别结果为央视3套台标。
图4是根据图1对应实施例中步骤1300的流程图。如图4所示,包括:
在步骤1310中,根据前一次台标识别结果在频道列表中确定当前频道调整范围。
应当理解,在频道列表中,同一类型的频道是聚集在一起的。例如,央视频道和省台频道都是分别聚集在一起。同时,频道列表中各种类型的频道数通常是固定的。例如,频道列表中包含了14个A类型频道、7个B类型频道。由此,各类型频道在频道列表中的所处范围通常固定。
频道调整范围是指同一类型频道在频道列表中所处范围。例如,频道列表包含14个A类型频道,则对于该类型频道而言,其所对应的频道调整范围为A1频道至A14频道之间。
当前频道调整范围则为前一次台标识别结果在频道列表中所确定的频道调整范围。例如,前一次台标识别结果所标识的频道为A3频道,则由A3频道在频道列表中所确定的当前频道调整范围为A1频道至A14频道之间。
步骤1330中,当频道调整指令指示的调整频道超过当前频道调整范围时,将优先级次高的台标识别模型调整为优先级最高的台标识别模型。
频道调整指令指示的调整频道与用户的操控意图有关。仍以上述例子进行说明,频道调整指令为向下切换频道10次,则其指示的调整频道是由A3频道调整到的A13频道。此时,A13频道仍处在当前频道调整范围之内,则不进行台标识别模型的优先级调整。又或者,频道调整指令为向下切换频道13次,则其指示的调整频道是由A3频道调整到的B2频道。此时,B2频道已结超出了当前频道调整范围,则需要进行台标识别模型的优先级调整。即将优先级次高的针对B类频道的台标识别模型调整为优先级最高的台标识别模型。
在一个具体的应用场景中,当前频道调整范围为央视1套至央视14套,前一次台标识别结果为央视12套。频道调整指令为向下切换频道10次。此时,频道调整指令指示的频道调整范围超过当前频道调整范围。将台标识别模型集合中优先级次高的省台识别模型调整为优先级最高的台标识别模型。
更进一步,当频道调整指令指示的频道调整范围未超过当前频道调整范围时,不对台标识别模型集合中台标识别模型的优先级做调整。
图5是根据图1对应实施例中步骤1500的流程图。如图4所示,包括:
在步骤1510中,将图像数据输入到获取的台标识别模型中进行台标识别计算,得到对应于台标识别模型的台标识别概率。
在步骤1530中,当台标识别概率不小于预设参考值时,以台标识别概率所确定的台标作为本次台标识别结果。
预设参考值,是指台标识别模型的预设识别概率。当台标识别概率不小于预设参考值时,表明由台标识别模型得到的台标识别结果大概率等同于屏幕中显示的台标,则以台标识别概率所确定的台标作为本次台标识别结果。
在一个具体的应用场景中,通过央视台标识别模型对台标图象所对应的图像数据进行识别、计算,得到的结果为:央视1套频道台标(台标识别概率为95%)。预设参考值为90%。根据通过央视台标识别模型得到的台标识别概率大于预设参考值,以台标识别概率所确定的央视1套频道台标作为本次台标识别结果。
图6是是根据图1对应实施例中步骤1500在另一示例性实施例的流程图。如图6所示,所述方法包括如下步骤:
在步骤1550中,当台标识别概率小于预设参考值时,针对台标识别模型集合中的其余台标识别模型根据图像数据进行台标识别计算的轮询,得到对应于其余台标识别模型的台标识别概率。
当台标识别概率小于预设参考值时,表明在一定概率下,由台标识别模型得到的台标识别结果不同于屏幕中显示的台标。此时,则针对台标识别模型集合中的其余台标识别模型根据图像数据进行台标识别计算的轮询,分别得到对应于其余台标识别模型的台标识别概率。
台标识别计算的轮询是指将台标图像所对应的图像数据分别输入到不同的台标识别模型分别进行识别计算。
由此,台标识别计算的轮询过程中,针对每一个其余台标识别模型,均得到一个对应的台标识别概率,以供后续获取本次台标识别结果时使用。
在步骤1570中,以最大的台标识别概率所确定的台标作为本次台标识别结果。
针对每一个其余台标识别模型所对应的台标识别概率,本次台标识别结果即为上述台标识别概率中最大台标识别概率所确定的台标。
在一个具体的应用场景中,当通过央视台标识别模型得到的台标识别概率45%小于预设参考值90%时,通过台标识别模型集合中的其余台标识别模型根据台标图像所对应的图像数据进行台标识别计算的轮询,分别得到对应于其余台标识别模型的台标识别概率。其中,由央视台标识别模型输出的台标识别结果为央视1套台标(台标识别概率为45%);由省台标识别模型输出的台标识别结果为湖南卫视台标(台标识别概率为35%);由通用标识别模型输出的台标识别结果为江西卫视台标(台标识别概率为65%)。则以最大的台标识别概率65%所确定的江西卫视台标作为本次台标识别结果。
图7是一示例性实施例示出的台标识别的装置的框图。如图7所示,该装置包括但不限于:获取模块8100,调整模块8300,识别模块8500。
获取模块8100,用于获取屏幕中显示的台标图像所对应的图像数据;
调整模块8300,用于根据前一次台标识别结果和接收到的频道调整指令调整台标识别模型集合中台标识别模型的优先级,获取调整后优先级最高的台标识别模型;
识别模块8500,用于将所述图像数据输入到获取的所述台标识别模型,得到本次台标识别结果。
在另一示例性实施例示出的台标识别的装置,所述装置还包括:
更新模块,用于根据本次台标识别结果指示的台标更新频道列表中的频道,所述频道通过台标进行标识。
图8根据图7对应实施例的装置中的调整模块8300在一个实施例中的框图。如图8所示,所述装置包括但不限于:确定单元8310,调整单元8330。
确定单元8310,用于根据前一次台标识别结果在频道列表中确定当前频道调整范围;
调整单元8330,用于当频道调整指令指示的频道调整范围超过所述当前频道调整范围时,将优先级次高的台标识别模型调整为优先级最高的台标识别模型,得到优先级最高的台标识别模型。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围执行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (10)
1.一种台标识别方法,其特征在于,所述方法包括:
获取屏幕中显示的台标图像所对应的图像数据;
根据前一次台标识别结果和接收到的频道调整指令调整台标识别模型集合中台标识别模型的优先级,获取调整后优先级最高的台标识别模型;
将所述图像数据输入到获取的所述台标识别模型,得到本次台标识别结果。
2.根据权利要求1所述的方法,其特征在于,所述将所述图像数据输入到获取的所述台标识别模型,得到本次台标识别结果之后,所述方法还包括:
根据所述本次台标识别结果指示的台标更新频道列表中的频道,所述频道通过台标进行标识。
3.根据权利要求1或2所述的方法,其特征在于,所述根据前一次台标识别结果和接收到的频道调整指令调整台标识别模型集合中台标识别模型的优先级,获取调整后优先级最高的台标识别模型之前,所述方法还包括:
获取频道列表中频道的频道数;
当所述频道数不等于预设频道数,跳转执行所述根据前一次台标识别结果和接收到的频道调整指令调整台标识别模型集合中台标识别模型的优先级,获取调整后优先级最高的台标识别模型步骤。
4.根据权利要求3所述的方法,其特征在于,所述根据前一次台标识别结果和接收到的频道调整指令调整台标识别模型集合中台标识别模型的优先级,获取调整后优先级最高的台标识别模型之前,所述方法还包括:
当所述频道数等于所述预设频道数,根据所述前一次台标识别结果和所述频道调整指令由所述频道列表查询得到相应的频道;
以用于标识该频道的台标作为所述本次台标识别结果。
5.根据权利要求1或2所述的方法,其特征在于,所述根据前一次台标识别结果和接收到的频道调整指令调整台标识别模型集合中台标识别模型的优先级,获取调整后优先级最高的台标识别模型,包括:
根据所述前一次台标识别结果在频道列表中确定当前频道调整范围;
当所述频道调整指令指示的调整频道超过所述当前频道调整范围时,将优先级次高的台标识别模型调整为优先级最高的台标识别模型,得到优先级最高的台标识别模型。
6.根据权利要求1或2所述的方法,其特征在于,所述将所述图像数据输入到获取的所述台标识别模型,得到本次台标识别结果,包括:
将所述图像数据输入到获取的所述台标识别模型中进行台标识别计算,得到对应于所述台标识别模型的台标识别概率;
当所述台标识别概率不小于预设参考值时,以所述台标识别概率所确定的台标作为所述本次台标识别结果。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
当优先级最高的台标识别模型所对应台标识别概率小于预设参考值时,针对所述台标识别模型集合中的其余台标识别模型输入所述图像数据进行台标识别计算的轮询,得到对应于其余台标识别模型的台标识别概率;
以最大的台标识别概率所确定的台标作为所述本次台标识别结果。
8.一种台标识别的装置,其特征在于,所述装置包括:
获取模块,用于获取屏幕中显示的台标图像所对应的图像数据;
调整模块,用于根据前一次台标识别结果和接收到的频道调整指令调整台标识别模型集合中台标识别模型的优先级,获取调整后优先级最高的台标识别模型;
识别模块,用于将所述图像数据输入到获取的所述台标识别模型,得到本次台标识别结果。
9.根据权利要求8所述的装置,其特征在于,所述装置还包括:
更新模块,用于根据所述本次台标识别结果指示的台标更新频道列表中的频道,所述频道通过台标进行标识。
10.根据权利要求8或9所述的装置,其特征在于,所述调整模块包括:
确定单元,用于根据所述前一次台标识别结果在频道列表中确定当前频道调整范围;
调整单元,用于当所述频道调整指令指示的调整频道超过所述当前频道调整范围时,将优先级次高的台标识别模型调整为优先级最高的台标识别模型,得到优先级最高的台标识别模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710679002.1A CN107516097B (zh) | 2017-08-10 | 2017-08-10 | 台标识别方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710679002.1A CN107516097B (zh) | 2017-08-10 | 2017-08-10 | 台标识别方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107516097A true CN107516097A (zh) | 2017-12-26 |
CN107516097B CN107516097B (zh) | 2020-03-24 |
Family
ID=60723136
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710679002.1A Active CN107516097B (zh) | 2017-08-10 | 2017-08-10 | 台标识别方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107516097B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111062401A (zh) * | 2019-09-27 | 2020-04-24 | 商汤国际私人有限公司 | 堆叠物体的识别方法及装置、电子设备和存储介质 |
CN112052713A (zh) * | 2020-04-15 | 2020-12-08 | 上海摩象网络科技有限公司 | 一种视频处理方法、设备及手持相机 |
CN112070795A (zh) * | 2020-09-14 | 2020-12-11 | 北京首钢建设投资有限公司 | 运动员跟踪方法及*** |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102655607A (zh) * | 2011-03-04 | 2012-09-05 | 富士通株式会社 | 用于统计目标观众的收视率的方法和装置 |
CN103955713A (zh) * | 2014-04-24 | 2014-07-30 | 海信集团有限公司 | 一种图标识别方法和装置 |
CN104869433A (zh) * | 2015-05-20 | 2015-08-26 | 小米科技有限责任公司 | 电视频道的确定方法、装置及服务器 |
CN105208433A (zh) * | 2015-09-11 | 2015-12-30 | 深圳Tcl新技术有限公司 | 电视频道的识别方法、装置及电视机 |
CN105554585A (zh) * | 2015-12-22 | 2016-05-04 | 北京酷云互动科技有限公司 | 机顶盒类型的识别方法和识别*** |
CN105868681A (zh) * | 2015-11-24 | 2016-08-17 | 乐视致新电子科技(天津)有限公司 | 央视台标的识别方法及装置 |
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 |
CN106845442A (zh) * | 2017-02-15 | 2017-06-13 | 杭州当虹科技有限公司 | 一种基于深度学习的台标检测方法 |
-
2017
- 2017-08-10 CN CN201710679002.1A patent/CN107516097B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102655607A (zh) * | 2011-03-04 | 2012-09-05 | 富士通株式会社 | 用于统计目标观众的收视率的方法和装置 |
CN103955713A (zh) * | 2014-04-24 | 2014-07-30 | 海信集团有限公司 | 一种图标识别方法和装置 |
CN104869433A (zh) * | 2015-05-20 | 2015-08-26 | 小米科技有限责任公司 | 电视频道的确定方法、装置及服务器 |
CN105208433A (zh) * | 2015-09-11 | 2015-12-30 | 深圳Tcl新技术有限公司 | 电视频道的识别方法、装置及电视机 |
CN105868681A (zh) * | 2015-11-24 | 2016-08-17 | 乐视致新电子科技(天津)有限公司 | 央视台标的识别方法及装置 |
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 |
CN105554585A (zh) * | 2015-12-22 | 2016-05-04 | 北京酷云互动科技有限公司 | 机顶盒类型的识别方法和识别*** |
CN106845442A (zh) * | 2017-02-15 | 2017-06-13 | 杭州当虹科技有限公司 | 一种基于深度学习的台标检测方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111062401A (zh) * | 2019-09-27 | 2020-04-24 | 商汤国际私人有限公司 | 堆叠物体的识别方法及装置、电子设备和存储介质 |
CN112052713A (zh) * | 2020-04-15 | 2020-12-08 | 上海摩象网络科技有限公司 | 一种视频处理方法、设备及手持相机 |
WO2021208256A1 (zh) * | 2020-04-15 | 2021-10-21 | 上海摩象网络科技有限公司 | 一种视频处理方法、设备及手持相机 |
CN112052713B (zh) * | 2020-04-15 | 2022-01-11 | 上海摩象网络科技有限公司 | 一种视频处理方法、设备及手持相机 |
CN112070795A (zh) * | 2020-09-14 | 2020-12-11 | 北京首钢建设投资有限公司 | 运动员跟踪方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN107516097B (zh) | 2020-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3185577B1 (en) | Content identification apparatus and content identification method | |
US8086587B2 (en) | Information processing apparatus, method, and program | |
US20240169476A1 (en) | Image processing method and apparatus, and storage medium and device | |
CN107516097A (zh) | 台标识别方法和装置 | |
JP2021532434A (ja) | 顔特徴抽出モデル訓練方法、顔特徴抽出方法、装置、機器および記憶媒体 | |
CN109145678B (zh) | 信号灯检测方法及装置和计算机设备及可读存储介质 | |
EP3171609A1 (en) | Recognition data generation device, image recognition device, and recognition data generation method | |
US9667887B2 (en) | Lens distortion method for broadcast video | |
CN101365102A (zh) | 基于视频内容识别的收视率统计的方法和*** | |
CN113727166B (zh) | 一种广告的展现方法及装置 | |
CN111028222A (zh) | 视频检测方法和装置、计算机存储介质及相关设备 | |
CN101510255A (zh) | 一种识别定位人脸器官的方法、装置和视频处理芯片 | |
CN111210402A (zh) | 人脸图像质量评分方法、装置、计算机设备及存储介质 | |
US10270872B2 (en) | Information pushing method and system | |
CN107113464B (zh) | 内容提供装置、显示装置及其控制方法 | |
CN113723229A (zh) | 信号灯的检测方法、装置及计算机可读存储介质 | |
CN101742179B (zh) | 多媒体播放方法与多媒体播放装置 | |
US20200396440A1 (en) | Method for video quality detection and image processing circuit using the same | |
CN106548114A (zh) | 图像处理方法及装置 | |
CN110896475B (zh) | 显示终端通道切换检测方法和装置 | |
CN106372092A (zh) | 一种生成模板的方法、装置、视频的更新方法及装置 | |
CN104574343B (zh) | 一种视频中提取图像的方法及设备 | |
CN106851168A (zh) | 视频格式识别方法、装置及播放器 | |
CN112907541A (zh) | 一种手掌图像质量评估模型构建方法及装置 | |
KR102357027B1 (ko) | 영상 콘텐츠의 코너 구분 장치 및 그 제어방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP01 | Change in the name or title of a patent holder |
Address after: 266555 Qingdao economic and Technological Development Zone, Shandong, Hong Kong Road, No. 218 Patentee after: Hisense Visual Technology Co., Ltd. Address before: 266555 Qingdao economic and Technological Development Zone, Shandong, Hong Kong Road, No. 218 Patentee before: QINGDAO HISENSE ELECTRONICS Co.,Ltd. |
|
CP01 | Change in the name or title of a patent holder |