CN101103376A - 用于检测图形对象的方法和电子设备 - Google Patents
用于检测图形对象的方法和电子设备 Download PDFInfo
- Publication number
- CN101103376A CN101103376A CNA2006800019069A CN200680001906A CN101103376A CN 101103376 A CN101103376 A CN 101103376A CN A2006800019069 A CNA2006800019069 A CN A2006800019069A CN 200680001906 A CN200680001906 A CN 200680001906A CN 101103376 A CN101103376 A CN 101103376A
- Authority
- CN
- China
- Prior art keywords
- value
- subject area
- drawing object
- image
- logo
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F7/00—Methods or arrangements for processing data by operating upon the order or content of the data handled
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/09—Recognition of logos
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
检测本发明的图像中的图形对象的方法包括:确定图像的对象区域(31,33,37,39)中特征的第一值,该对象区域(31,33,37,39)可能包含图形对象;确定图像的参考区域(32,38)中特征的第二值,该参考区域(32,38)不可能包含所述图形对象;以及依赖于第一值和第二值之差超出特定门限来确定所述对象区域(31,33,37,39)是否包含图形对象。该电子设备包括可操作来执行本发明的方法的电子电路。
Description
技术领域
本发明涉及检测图像中的图形对象(graphical object)的方法,例如视频序列中的频道徽标(logo)。
本发明还涉及用于使可编程设备可操作来执行检测图像中的图形对象的方法的软件。
本发明还涉及用于检测图像中的图形对象的电子设备。
本发明另外涉及在检测图像中的图形对象的电子设备中使用的电子电路。
背景技术
US 6,100,941中描述了这样的方法的例子。US 6,100,941中描述的方法检测视频序列中的静态徽标。它使用了在一个视频帧的四个角落(corner)中的绝对的帧差值。当四个角落表明大量的像素没有改变(被测量为具有零差值)时,该算法假定那些段(segment)对应于徽标。已知方法的缺点在于直到场景中存在运动时才能检测出徽标。
发明内容
本发明的第一目的是提供一种在开头段落中描述的那种方法,其可以在没有运动的场景中检测图形对象,例如徽标。
本发明的第二目的是提供一种在开头段落中描述的那种电子设备,其可以在没有运动的场景中检测图形对象,例如徽标。
根据本发明实现了第一目的,因为该方法包括以下步骤:确定图像的对象区域中特征的第一值,该对象区域可能包含所述图形对象;确定图像的参考区域中特征的第二值,该参考区域不可能包含所述图形对象;并且依赖于第一值和第二值之差超出特定门限来检测所述对象区域是否包含图形对象。通过将图形对象(例如TV徽标或其他覆盖的图形对象)建模为与该场景的偏差(deviation)(在某些特征空间中,比如颜色),不做出任何时间上的(静态的/活动的)假设并且图形对象可以因此在没有运动的场景中被检测出来。徽标的快速检测对于一些商业节目(commercial)检测器是很重要的。如果用户调谐到新频道,那么需要快速定位徽标以便能够提供坚固的(robust)商业节目检测性能。时间信息可以另外被集成到徽标检测器中,如果其可用的话。
作为附加的好处,本发明的方法可以用于检测透明和活动的徽标。有几种类型的徽标。对于运动特性,徽标可以是静态的或者活动的(该徽标或者是运动的或者该徽标的颜色/强度特性改变)。在不透明性方面,徽标可以是不透明的或透明的。绝大部分的现有徽标检测器都假定徽标为静态的且不透明,或者至多略微透明。本发明的方法不是这样。作为另外的好处,本发明的方法检测被插入到完全静止段上的徽标,所述完全静止段比如是用于从16∶9到4∶3格式转换的垂直/水平黑条,以及其强度/颜色特性周期地改变的徽标。
本发明的方法可以用于US 6,100,941中描述的商业节目检测,和/或用于US 2003/0091237中描述的商业节目识别。这里,US 6,100,941和US2003/0091237作为参考被结合进来。TV徽标的检测对于内容理解和显示器保护来说是必要的。对于前者,TV徽标的存在时间(lifespan)对于识别商业节目段是非常宝贵的线索,因为商业节目通常导致频道徽标的消失。后者针对保护大多数非CRT显示器不被烙印(burn-in)。烙印问题指的是即使在显示器被关断之后,在显示器上长时间静态场景的可怕出现。这可能是由显示器的化学属性中的永久变形引起的并且需要其更新。因为频道徽标的一些或所有像素停留在同一位置,所以徽标检测可以有助于定位烙印保护算法的工作区域。
在本发明的方法的一个实施例中,第一值表示在对象区域中的多个像素的值并且依赖于至少一定量的所述值和第二值之差超出特定门限而将对象区域确定为包含图形对象。通过为各个像素而不是像素组(例如,直方图值)确定它们的值和第二值之差是否超出特定门限,可以获得更精确的徽标检测。与第二值之差超出特定门限的各个像素也称作孤立点(outlier)。
该方法可以依赖于其值超出特定门限的像素的空间分布匹配于典型的图形对象分布而确定对象区域包含图形对象。为了避免将与场景的其他偏差误当作图形对象,孤立点的空间分布使用典型的图形对象分布来验证。
该特征可以是颜色。这是有利的,因为多数徽标以易于与内容区分开的颜色去显现。
第二值可以代表参考区域的概率密度函数。概率密度函数(pdf)已经证明是对某些所选特征空间例如颜色或纹理中的实体建模有用的。
第二值可以代表参考区域的非参量(non-parametric)概率密度函数。尽管参量模型是强有力的密度估计器,但是它们做出关于所估计的pdf的假设,比如“正态分布”。这是不利的,因为徽标特征和pdf逐个频道地改变;因此,使用了非参量密度估计器,其不做出关于pdf形状的任何假设,并且可以对任何类型的pdf建模。
直方图可以用于估计参考区域的概率密度函数。直方图已经证明是强有力的非参量密度估计器。
图像可以包括至少九个区域,九个区域中的四个是角落区域,并且对象区域可以包括四个角落区域中的至少一个。黄金分割规则,参见G.Millerson的The technique of television production(电视制作的技术)12thEd.Focal,纽约,1990年3月,是一种由专业人员普遍采用的电影技术,其推荐以3∶5∶3的比例水平和垂直划分帧并且将主要对象定位在GSR线的交叉上。发明人已认识到,如果使用黄金分割规则划分帧的话,那么徽标经常是被放置在帧的角落区域中。
该方法可以为参考区域的子区域确定第二值,该对象区域和子区域彼此相对接近。对象区域和参考区域优选地彼此相对接近。如果参考区域较大,则使用相对接近对象区域的较小子区域是有好处的。这使得对象区域和参考区域的更精确比较成为可能。如果将各个像素的值与第二值比较,则子区域对于不同的各个像素可以不同。子区域可以通过对参考区域中接近对象区域的像素值给以较高的权重或者通过移除参考区域中不接近对象区域的像素值来产生。
根据本发明实现了第二目的,因为电子设备包括电子电路,其可操作来:确定图像的对象区域中特征的第一值,所述对象区域可能包含图形对象;确定图像的参考区域中特征的第二值,该参考区域不可能包含图形对象;并且依赖于第一值和第二值之差超出特定门限来确定对象区域包含图形对象。
附图说明
本发明的设备的这些和其它方面将参照附图进一步加以解释和描述,其中:
图1是本发明的方法的流程图;
图2是本发明的电子设备的框图;
图3是被划分成区域的图像的例子;
图4示出了用于划分图3的图像的区域;
图5示出了在本发明的方法的一个实施例中使用的等式;
图6是覆盖在场景上的频道徽标的例子;以及
图7示出了与图6的场景有偏差的像素。
附图中的对应元素由相同的参考数字来标识。
具体实施例
参见图1,本发明的检测图像中的(覆盖)图形对象的方法包括步骤1、3和5。步骤1包括确定图像的对象区域中特征的第一值,该对象区域可能包含(覆盖)图形对象。步骤3包括确定图像的参考区域中特征的第二值,该参考区域不可能包含(覆盖)图形对象。步骤5包括依赖于第一值和第二值之差超出特定门限来确定对象区域是否包含(覆盖)图形对象。第一和/或第二值可以通过分析图像或者通过处理从分析图像的电子设备接收的数据来确定,该数据包括第一和/或第二值。
在本方法的一个实施例中,假设频道徽标位于帧的角落中。对于每个角落,一个场景模型通过使用各个角落的相邻像素来估计。黄金分割规则(GSR)用于定义角落以及它们的邻居,因为GSR是由专业人员普遍采用的电影技术。GSR推荐以3∶5∶3的比例水平和垂直划分帧并且将主要对象定位在GSR线的交叉上(或者在该场景中的单个对象的中心区域上)。按照GSR,从CNN捕获的并且在图3中示出的内容是完美的,因为这两个对象的头部是在交叉处。
如图4所示,区域可以通过从左上到右下进行光栅扫描来从1到9编号。在多数情况下,徽标仅可能发生在区域1、3、7和9(图3的区域31、33、37和39)。在这个实施例中,区域1和3的场景模型(图3的区域31和33)从区域2中的像素来计算(图3的区域32),并且区域7和9的那些场景模型(图3的区域37和39)从区域8中的像素来计算(图3的区域38)。没有来自中心水平区域4、5、和6的像素被用于这个实施例,但是它们可以用于可选实施例中。例如,垂直对象,比如站立和覆盖区域3、6和9的人,仅当来自区域6的像素被用作参考时才可以与徽标区分。水平和垂直中心区域可以一起使用,例如,每个角落区域2个参考直方图(一个来自水平区域,例如2和8,而一个来自垂直区域,例如4和6)。
然而,在这个实施例中,为四个角落中的每一个定义一个场景直方图(总共四个直方图,对于区域1、3、7和9分别为H1、H3、H7和H9)。有多达四个不同的直方图的原因在于,颜色属性从上到下或从左到右变化相当大。每个直方图是通过使用同一行的中心区域中的像素来构建的。例如,区域1和3的直方图H1和H3分别使用来自仅区域2中的像素,而区域7和9的直方图H7和H9分别由来自区域8中的像素构建。在水平方向上应用了高斯内核以基于它们距徽标区域的水平距离来加权像素。一维高斯内核以垂直GSR线为中心并且它们的3σ值被计算以使得与区域2和8的水平中心位置相一致。代替中心区域中的每个像素一个权重,像素权重被加到颜色直方图。结果,每个直方图通过增加距各个角落的水平距离来获得渐减的贡献。最后,该直方图被规格化。在这个实施例中,使用了区域2和8中的所有行。
在可选实施例中,直方图可能通过仅使用接近当前像素的行来构建。这可能对硬件实现有好处。而且,这可能是用来消除具有与徽标相同颜色的远的像素的一个坚固的方法。
为了识别个别的徽标像素,确定了与场景模型的偏差。在样本中识别孤立点的方法之一是规定高于第N个百分位(pencentile)的值为孤立点。在这个实施例中,样本空间是在徽标范围中的像素到对应徽标范围的颜色场景模型的颜色距离。在图5的等式51中,di(x,y)是像素(x,y)到第i个场景模型Hi的颜色距离,该像素具有亮度Yxy和色度CBxy和CRxy。函数Qi()计算输入亮度-色度值的第i个直方图索引,并且Hi(k)是先前计算的第i个直方图(场景模型)的直方图入口(entry)。原则上,距离值应当被分类(sort)以计算第N个百分位并且徽标像素候选被定义为高于第N个百分位值(门限)的那些徽标像素。然而,由于例如硬件限制,这可以被修正。为了避免存储所有距离值的存储器的成本,可以量化该距离并且可以使用距离直方图。同等重要的原因在于,徽标可以具有比高于第N个百分位的像素数量更多的像素。第N个百分位的量化距离首先被计算;但是,当因为最大的量化距离具有比(100-N)%的直方图入口计数更多的像素而不可能精确找到第N个百分位时,具有最大量化距离的所有像素被定义为孤立点。
在可选实施例中,对于区域1、3、7和9中的每个像素,直方图仓(bin)值通过使用像素颜色、然后分别查看各个直方图即H1、H3、H7和H9中的入口来计算。如果直方图中的入口低于预定参数(门限)T_MinSceneEntry,则该像素被定义为孤立点(图形或与场景的偏差)。如果是更大,则像素被识别为场景像素(黑色)。在实验中,0.01的T_MinSceneEntry值导致坚固的性能。这个过程的结果是一个二进制图像,由此与场景的偏差被指配为白色并且场景像素被指配为黑色。图7示出了一个图像的例子,该图像中与图6的场景的偏差被指配为白色并且场景像素被指配为黑色。图7中示出的图像多数为黑色的,但是频道徽标是清楚可辨的。
所提议的徽标检测算法的最后阶段是用典型的徽标像素分布来验证孤立点的空间分布。取决于频道徽标的纹理内容,徽标像素的空间分布展示变化。由字符组成的徽标,比如图3中的CNN徽标,导致了单独的、分离的孤立点像素,而图画徽标通常导致明显大于其他孤立点斑点(blob)的单个斑点。前一类型的徽标可以通过使用两级垂直/水平投影来检测,而后一类型的徽标通过识别具有显著大于其它斑点的斑点来检测。在两种情况下,候选区域被做得符合特定形态学上的(morphological)约束。
应用了形态学上的操作以及一些噪声消除技术来识别徽标。首先,具有很高数量的白色像素的所有有噪行被移除,因为如果在该场景中存在清楚可识别的徽标则这些是不希望有的。而且,可能在帧边界上出现的所有黑色边界被移除。为了确定是存在第一还是第二种类型的徽标而计算ROI,其是包围大百分位(例如80%)的白色像素的矩形。在ROI中,计算最大尺寸的被连接成分与所有其他段的平均尺寸的比值。这个比值称作
峰比值,并且测量峰的强度。如果这个比值很大,那么存在第一种类型的徽标。否则,存在第二种类型的徽标。随后,计算某些特征,比如紧密性(填充比)、纵横比、对边界的接近度、以及大小,以便在帧中找到一个或多个徽标。
为了通过使用垂直/水平投影来检测徽标,首先识别在垂直方向上的像素簇(cluster)的开始和结束段。这个阶段涉及迭代地找到直方图的峰,然后计算包含峰的该簇的垂直开始和结束坐标。在识别出垂直簇之后,找到未指配的垂直投影像素的峰并且重复该过程直到识别出所有垂直簇。在这个第一步骤之后,每个段的水平投影被计算并且找到该簇的水平开始和结束点。在最后阶段中,簇周围的边界框的纵横比、填充比、高度和宽度被验证以检测徽标。该徽标通常构成一个边界框,其纵横比大于1,高度大于视频高度(不包括黑条)的2%,并且填充比大于0.5。为了以缺失率(miss rate)为代价而减少伪检测率,还验证边界框Bi周围的区域是干净的。这通过计数在Bi和其中心与Bi相同并且宽度和高度为Bi的宽度和高度的1.25倍的放大框之间的区域中的孤立点数量来完成。在这个区域中最大允许的孤立点的数量被设置为很低的值。
在徽标单纯为图画的情况下,试图检测其大小显著大于所有其他斑点的斑点。为此,首先运行被连接成分标注算法来找到被连接区域。其后,连接那些其高度交叉比-p被替代为图5的等式53中的高度-或者宽度交叉比-p是图5的等式53中的框宽度-大于预先规定的门限值的接近的斑点。基于对象的扩张通过使用边界框特征而不是基于像素的扩张来被应用,因为后者通常连接不属于同一对象的像素并且使性能降级。最后,峰凸出比(peak saliency ratio)PSR通过将最大斑点的大小划分成所有其他斑点的平均大小来计算。大于一定门限的PSR值(在我们的实验中我们找到7是一个好的值)指示一个徽标候选斑点。最后,斑点的纵横比、填充比、宽度和高度参数也被验证来最终完成徽标判决。与纹理徽标相比,0.5被用作图画徽标的纵横比门限。
因为所建议的算法仅使用了空间信息,所以活动徽标并不与静态徽标不同。检测精度通常受直方图仓大小的影响。在一些实验之后,8×8×8YCBCR被确定为导致坚固的性能,而更大的量化值是很粗略的并且区别度不够。距离值以1000个间隔被量化到场景模型并且N被定义为第90个百分位。距离值仅当它们大于0.9时才被接受。还观察到8×8×8导致RGB的坚固的性能,而4×4×4是很粗略的并且区别度不够。另一方面,大于8×8×8的仓数量导致较慢的处理和较大的存储器要求。尽管使用本发明的方法可能仍旧漏掉一些徽标,但是当场景特性变得合适时漏掉的徽标中的一些可以被检测出。同样,在若干帧上的综合判决可以消除通常由于小的与背景不同着色的对象所产生的伪告警。
本发明的用于检测图像中的(重叠的)图形对象的电子设备21(参见图2)包括电子电路23。该电子电路23可操作来确定图像的对象区域中特征的第一值,该对象区域可能包含(重叠的)图形对象。电子电路23还可操作来确定图像的参考区域中特征的第二值,该参考区域不可能包含(重叠的)图形对象。电子电路23另外可操作来依赖于超出特定门限的第一值和第二值之差来确定对象区域包含(重叠的)图形对象。电子设备21可以例如是PC、TV、视频播放器和/或记录器、或者移动电话。电子电路23可以是通用处理器,例如英特尔奔腾AMD Athlon CPU,或专用处理器,例如飞利浦Trimedia媒体处理器。电子设备21可以包括存储装置25,用于存储已经被处理的图像,例如徽标已从其移除的图像,和/或用于存储还未处理的图像。存储装置可以例如是硬盘、固态存储器或光盘读取器和/或写入器。电子设备21可以包括输入27,例如一个模拟或数字无线接收机、复合cinch输入、SVHS输入、SCART输入、DVI/HDMI输入、或部件输入。输入27可以用于接收未处理的图像。电子设备21可以包括输出29,例如无线发信机、复合cinch输出、SVHS输出、SCART输入、DVI/HDMI输出、或部件输出。输出29可以用于输出被处理的图像。可选地或另外地,电子设备21可以包括用于输出已处理和/或未处理的图像的显示器。电子设备21可以是消费电子设备或专业电子设备例如服务器PC。
虽然本发明已经结合优选实施例加以描述,但是应当理解在上面略述的原理之内对其进行修改对于本领域的技术人员是明显的,并且因此本发明并不限于优选实施例而是旨在包括这样的修改。本发明在于各个和每个新颖特性特征以及特性特征的各个和每个组合。权利要求中的参考数字不限制它们的保护范围。动词“包括”及其变形的使用不排除存在除了权利要求中所陈述的那些之外的元素的存在。元素之前的冠词“一”或“一个”的使用不排除多个这样元件的存在。
“装置”,正如对本领域的技术人员来说是显然的,意味着包括任何硬件(比如单独的或集成的电路或电子元件)或软件(比如程序或部分程序),其在操作中执行或被设计来执行特定功能,是独自地或是结合其它功能,是孤立地或是与其他元件合作。本发明可以借助包括若干不同元件的硬件来实现,并且借助适当编程的计算机来实现。“软件”被理解为指存储在计算机可读介质比如软盘上的、通过网络比如因特网可下载的或者可以任何其他方式在市场上销售的任何软件产品。
Claims (12)
1.一种检测图像中的图形对象的方法,包括步骤:
-确定(1)图像的对象区域中特征的第一值,该对象区域可能包含图形对象;
-确定(3)图像的参考区域中特征的第二值,该参考区域不可能包含所述图形对象;以及
-依赖于第一值和第二值之差超出特定门限来确定(5)所述对象区域是否包含图形对象。
2.根据权利要求1的方法,其中所述第一值表示对象区域中的多个像素的值并且依赖于至少特定量的所述值和第二值之差超出特定门限来确定该对象区域包含图形对象。
3.根据权利要求2的方法,其中依赖于孤立点的空间分布匹配图形对象的典型分布来确定所述对象区域包含图形对象,所述孤立点为其值超出所述特定门限值的像素。
4.根据权利要求1的方法,其中所述特征是颜色。
5.根据权利要求1的方法,其中所述第二值代表参考区域的概率密度函数。
6.根据权利要求5的方法,其中所述第二值代表参考区域的非参量概率密度函数。
7.根据权利要求6的方法,其中直方图被用于估计参考区域的概率密度函数。
8.根据权利要求1的方法,其中所述图像包括至少九个区域,九个区域中的四个是角落区域,并且对象区域包括四个角落区域中的至少一个。
9.根据权利要求1的方法,其中为参考区域的子区域确定第二值,该对象区域和子区域彼此相对接近。
10.用于使可编程设备可操作来执行权利要求1的方法的软件。
11.一种用于检测图像中的图形对象的电子设备(21),包括电子电路(23),可操作来确定图像的对象区域中特征的第一值,该对象区域可能包含图形对象;确定图像的参考区域中特征的第二值,该参考区域不可能包含所述图形对象;以及依赖于第一值和第二值之差超出特定门限来确定所述对象区域是否包含图形对象。
12.根据权利要求11的电子电路(23)。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP05100069 | 2005-01-07 | ||
EP05100069.3 | 2005-01-07 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101103376A true CN101103376A (zh) | 2008-01-09 |
Family
ID=36353810
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2006800019069A Pending CN101103376A (zh) | 2005-01-07 | 2006-01-02 | 用于检测图形对象的方法和电子设备 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20080044102A1 (zh) |
EP (1) | EP1839122A2 (zh) |
JP (1) | JP2008527525A (zh) |
KR (1) | KR20070112130A (zh) |
CN (1) | CN101103376A (zh) |
WO (1) | WO2006072896A2 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101620731A (zh) * | 2008-06-30 | 2010-01-06 | 汤姆森许可贸易公司 | 检测布局区域的方法以及生成尺寸减小的图像的方法 |
CN102625028A (zh) * | 2011-01-30 | 2012-08-01 | 索尼公司 | 对视频中存在的静态徽标进行检测的方法和设备 |
Families Citing this family (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2912237A1 (fr) * | 2007-02-07 | 2008-08-08 | Thomson Licensing Sas | Procede de traitement d'image |
US8374436B2 (en) | 2008-06-30 | 2013-02-12 | Thomson Licensing | Method for detecting layout areas in a video image and method for generating an image of reduced size using the detection method |
US10116972B2 (en) | 2009-05-29 | 2018-10-30 | Inscape Data, Inc. | Methods for identifying video segments and displaying option to view from an alternative source and/or on an alternative device |
US10949458B2 (en) | 2009-05-29 | 2021-03-16 | Inscape Data, Inc. | System and method for improving work load management in ACR television monitoring system |
US8595781B2 (en) | 2009-05-29 | 2013-11-26 | Cognitive Media Networks, Inc. | Methods for identifying video segments and displaying contextual targeted content on a connected television |
US9449090B2 (en) | 2009-05-29 | 2016-09-20 | Vizio Inscape Technologies, Llc | Systems and methods for addressing a media database using distance associative hashing |
US10375451B2 (en) | 2009-05-29 | 2019-08-06 | Inscape Data, Inc. | Detection of common media segments |
US9094715B2 (en) * | 2009-05-29 | 2015-07-28 | Cognitive Networks, Inc. | Systems and methods for multi-broadcast differentiation |
US9838753B2 (en) | 2013-12-23 | 2017-12-05 | Inscape Data, Inc. | Monitoring individual viewing of television events using tracking pixels and cookies |
US10192138B2 (en) | 2010-05-27 | 2019-01-29 | Inscape Data, Inc. | Systems and methods for reducing data density in large datasets |
US20130060790A1 (en) * | 2011-09-07 | 2013-03-07 | Michael Chertok | System and method for detecting outliers |
CN103634652B (zh) * | 2013-11-06 | 2017-06-16 | 小米科技有限责任公司 | 台标识别方法、装置、电视机和系统 |
US9785852B2 (en) | 2013-11-06 | 2017-10-10 | Xiaomi Inc. | Method, TV set and system for recognizing TV station logo |
US9955192B2 (en) | 2013-12-23 | 2018-04-24 | Inscape Data, Inc. | Monitoring individual viewing of television events using tracking pixels and cookies |
CN103745201B (zh) * | 2014-01-06 | 2018-01-12 | Tcl集团股份有限公司 | 一种节目识别方法及装置 |
MX2017009738A (es) | 2015-01-30 | 2017-11-20 | Inscape Data Inc | Metodos para la identificacion de segmentos de video y opcion de visualizacion para ver desde una fuente alternativa y/o en un dispositivo alternativo. |
CN107949849B (zh) | 2015-04-17 | 2021-10-08 | 构造数据有限责任公司 | 缩减大数据集中数据密度的系统和方法 |
KR20180030885A (ko) | 2015-07-16 | 2018-03-26 | 인스케이프 데이터, 인코포레이티드 | 미디어 세그먼트를 식별함에 있어 향상된 효율성을 위해 검색 인덱스를 나누는 시스템 및 방법 |
CN108293140B (zh) | 2015-07-16 | 2020-10-02 | 构造数据有限责任公司 | 公共媒体段的检测 |
EP3323054A1 (en) | 2015-07-16 | 2018-05-23 | Inscape Data, Inc. | Prediction of future views of video segments to optimize system resource utilization |
US10080062B2 (en) | 2015-07-16 | 2018-09-18 | Inscape Data, Inc. | Optimizing media fingerprint retention to improve system resource utilization |
KR20170052364A (ko) | 2015-11-04 | 2017-05-12 | 삼성전자주식회사 | 디스플레이장치 및 그 제어방법 |
JP7118998B2 (ja) | 2017-04-06 | 2022-08-16 | インスケイプ データ インコーポレイテッド | メディア視聴データを使用してデバイスマップの精度を改善させるためのシステムおよび方法 |
SG10201802668QA (en) | 2018-03-29 | 2019-10-30 | Nec Asia Pacific Pte Ltd | Method and system for crowd level estimation |
EP3582182B1 (en) * | 2018-06-12 | 2020-07-29 | Axis AB | A method, a device, and a system for estimating a sub-pixel position of an extreme point in an image |
KR102077923B1 (ko) * | 2018-06-28 | 2020-02-14 | 중앙대학교 산학협력단 | 건설 현장의 안전 문서를 분류하는 방법 및 이를 수행하는 서버 |
CN111629215B (zh) * | 2020-07-30 | 2020-11-10 | 晶晨半导体(上海)股份有限公司 | 检测视频静态标识的方法及电子设备和存储介质 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5973682A (en) * | 1997-10-17 | 1999-10-26 | Sony Corporation | Method and apparatus for indicating functional areas of a graphical user interface |
US6100941A (en) | 1998-07-28 | 2000-08-08 | U.S. Philips Corporation | Apparatus and method for locating a commercial disposed within a video data stream |
US6425129B1 (en) * | 1999-03-31 | 2002-07-23 | Sony Corporation | Channel preview with rate dependent channel information |
EP1098244A3 (en) * | 1999-11-02 | 2001-06-13 | CANAL + Société Anonyme | Graphical user interface |
US6870956B2 (en) * | 2001-06-14 | 2005-03-22 | Microsoft Corporation | Method and apparatus for shot detection |
US7020336B2 (en) * | 2001-11-13 | 2006-03-28 | Koninklijke Philips Electronics N.V. | Identification and evaluation of audience exposure to logos in a broadcast event |
WO2004017088A2 (en) * | 2002-08-15 | 2004-02-26 | Lc Technologies, Inc. | Motion clutter suppression for image-subtracting cameras |
US7483484B2 (en) * | 2003-10-09 | 2009-01-27 | Samsung Electronics Co., Ltd. | Apparatus and method for detecting opaque logos within digital video signals |
US7599558B2 (en) * | 2005-08-24 | 2009-10-06 | Mavs Lab. Inc. | Logo processing methods and circuits |
-
2006
- 2006-01-02 WO PCT/IB2006/050006 patent/WO2006072896A2/en active Application Filing
- 2006-01-02 EP EP06701574A patent/EP1839122A2/en not_active Withdrawn
- 2006-01-02 KR KR1020077018033A patent/KR20070112130A/ko not_active Application Discontinuation
- 2006-01-02 CN CNA2006800019069A patent/CN101103376A/zh active Pending
- 2006-01-02 US US11/722,886 patent/US20080044102A1/en not_active Abandoned
- 2006-01-02 JP JP2007549987A patent/JP2008527525A/ja active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101620731A (zh) * | 2008-06-30 | 2010-01-06 | 汤姆森许可贸易公司 | 检测布局区域的方法以及生成尺寸减小的图像的方法 |
CN102625028A (zh) * | 2011-01-30 | 2012-08-01 | 索尼公司 | 对视频中存在的静态徽标进行检测的方法和设备 |
CN102625028B (zh) * | 2011-01-30 | 2016-09-14 | 索尼公司 | 对视频中存在的静态徽标进行检测的方法和设备 |
Also Published As
Publication number | Publication date |
---|---|
US20080044102A1 (en) | 2008-02-21 |
KR20070112130A (ko) | 2007-11-22 |
WO2006072896A3 (en) | 2006-09-21 |
JP2008527525A (ja) | 2008-07-24 |
EP1839122A2 (en) | 2007-10-03 |
WO2006072896A2 (en) | 2006-07-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101103376A (zh) | 用于检测图形对象的方法和电子设备 | |
Crabb et al. | Real-time foreground segmentation via range and color imaging | |
US8326042B2 (en) | Video shot change detection based on color features, object features, and reliable motion information | |
EP2034426A1 (en) | Moving image analyzing, method and system | |
US20080253617A1 (en) | Method and Apparatus for Determining the Shot Type of an Image | |
US20090290020A1 (en) | Stationary Object Detection Using Multi-Mode Background Modelling | |
CN105678732B (zh) | 一种点球、角球和任意球关键帧的检测方法和装置 | |
JP2004519966A (ja) | 多重解像度ビデオオブジェクトのセグメント化方法 | |
CN109903265B (zh) | 一种图像变化区域侦测阀值设定方法、系统及其电子装置 | |
WO2007051992A1 (en) | Image processing | |
CN108615030B (zh) | 一种标题一致性检测方法、装置及电子设备 | |
CN111640150A (zh) | 视频数据来源解析系统及方法 | |
CN102292724B (zh) | 匹配加权信息提取装置 | |
Bloom et al. | Player tracking and stroke recognition in tennis video | |
JP4181313B2 (ja) | シーン内容情報付加装置及びシーン内容情報付加プログラム | |
Ekin et al. | Spatial detection of TV channel logos as outliers from the content | |
US20080063063A1 (en) | Electronic device and method for block-based image processing | |
KR20050102126A (ko) | 숏컷 검출 | |
US7477759B2 (en) | Adaptive artificial vision method and system | |
KR101706347B1 (ko) | 샷 경계 검출 방법, 그리고 이를 구현한 영상 처리 장치 및 방법 | |
Kumar et al. | Cut scene change detection using spatio temporal video frame | |
CN116185544B (zh) | 基于图像特征识别的显示图像融合方法、装置及存储介质 | |
CN108377379A (zh) | 影像深度信息的优化方法与影像处理装置 | |
Wibawa et al. | Soccer Players Detection Using GDLS Optimization and Spatial Bitwise Operation Filter | |
CN116310351A (zh) | 一种图像处理方法、装置和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20080109 |
|
C20 | Patent right or utility model deemed to be abandoned or is abandoned |