CN105975924A - 一种基于视频帧数统计进行精确识别广告内容的回归测试方法 - Google Patents
一种基于视频帧数统计进行精确识别广告内容的回归测试方法 Download PDFInfo
- Publication number
- CN105975924A CN105975924A CN201610283815.4A CN201610283815A CN105975924A CN 105975924 A CN105975924 A CN 105975924A CN 201610283815 A CN201610283815 A CN 201610283815A CN 105975924 A CN105975924 A CN 105975924A
- Authority
- CN
- China
- Prior art keywords
- file
- advertisement
- frame
- video
- totalframes
- 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
Classifications
-
- 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
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
Landscapes
- Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
本发明公开了一种基于视频帧数统计进行精确识别广告内容的回归测试方法，针对广告内容识别算法的更新测试，采用视频帧统计值表达广告位置的方法，只需要在第一次操作时通过人工将素材文件的广告的打点位置和视频总帧数等数值记录到文件A中作为参考值，在往后的算法更新作测试时，通过更新的算法记录到文件Ax中作为测试值，即可运用计算机脚本自动快速地比对参考值和测试值的现有数据并统计正确率，这样不仅可以节省大约80％的人力测试的资源成本，还提高了测试效率和正确率，此外，通过直观的正确率数据，人们还可快速地发现算法版本更新是得到了优化还是回退。
Description
技术领域
本发明涉及一种基于视频帧数统计进行精确识别广告内容的回归测试方法。
背景技术
当前在广告内容识别的技术领域中，一般是通过识别算法测试广告的精确定位，但目前已有的算法，如testbed自动输出算法，在没有其他方法辅助的前提下，作算法更新测试通常需要花费较多的时间。这主要体现在，每次算法的更新都需要配合一套繁琐的测试步骤，主要是将新算法应用于大量素材中重新测试广告的定位，并借由人工查看测试出的每一处广告的精确位置和帧数误差，这不仅需要花费较多的时间，而且人力投入也很大，且人为观察总不免存在误差和遗漏，为测试结果带来不确定性。
发明内容
基于此，有必要提供一种可提高测试效率和正确率，且能节约大量人力成本的一种基于视频帧数统计进行精确识别广告内容的回归测试方法。
根据本发明的一方面，提供了一种基于视频帧数统计进行精确识别广告内容的回归测试方法，包括如下步骤：
通过人工抽样记录素材文件中所有广告的视频位置以及素材文件的总帧数，并将记录保存为新建文件A；
通过更新的广告识别算法记录素材文件中所有广告的视频位置以及素材文件的总帧数，并将记录保存为新建文件Ax；
将文件A及文件Ax中所记录的广告视频位置及总帧数分别进行比对，并将比对结果进行统计且计算成功率。
在其中一个实施例中，新建文件A的结构定义为|ID|广告起点帧|广告终点帧|文件总帧数|，其中，ID为素材文件中每一个广告的顺序编号，广告起点帧为素材文件中对应ID的广告的第一帧所在位置的统计值，广告终点帧为素材文件中对应ID的广告的最后一帧所在位置的统计值，文件总帧数为素材文件的所有帧的统计值。
在其中一个实施例中，当素材文件中含有两个及以上的视频文件时，新建文件A的结构定义为|ID|文件名|广告起点帧|广告终点帧|文件总帧数|，其中，ID为素材文件中每一个广告的顺序编号，文件名为素材文件中相应的视频文件的文件名称，广告起点帧为相应视频文件中对应ID的广告的第一帧所在位置的统计值，广告终点帧为相应视频文件中对应ID的广告的最后一帧所在位置的统计值，文件总帧数为对应文件名的视频文件的所有帧的统计值。
在其中一个实施例中，将文件A及文件Ax中所记录的广告视频位置及总帧数分别进行比对的步骤中，具体为将文件A及文件Ax中每一个ID相应的广告起点帧、广告终点帧和文件总帧数的数值进行比对。
在其中一个实施例中，将比对结果进行统计且计算成功率的步骤中，具体为将文件A和文件Ax的每一个ID进行横向比对并将比对出的结果进行判定，当文件A和文件Ax的一个ID相应的广告起点帧、广告终点帧和文件总帧数的数值全部相同时标记为通过，当文件A和文件Ax的一个ID相应的广告起点帧、广告终点帧和文件总帧数的数值中有任一项不同时标记为失败，将所有ID对应的比对结果进行统计，计算成功率。
这种基于视频帧数统计进行精确识别广告内容的回归测试方法，针对广告内容testbed自动输出算法的更新测试，采用视频帧统计值表达广告位置的方法，只需要在第一次操作时通过人工将素材文件的广告的打点位置和视频总帧数等数值结果精确地记录到一个自定义结构的新建文件A中作为参考值，在往后的算法更新作测试时，通过更新的testbed自动输出算法检测到广告的打点位置和视频总帧数等数值并记录到一个新建文件Ax中作为测试值，即可运用计算机脚本自动快速地比对参考值和测试值的现有数据并统计正确率，这样不仅可以节省大约80％的人力测试的资源成本，还提高了测试效率和正确率，此外，通过直观的正确率数据，人们还可快速地发现算法版本更新是得到了优化还是回退。
附图说明
图1为本发明一实施方式的一种基于视频帧数统计进行精确识别广告内容的回归测试方法中的广告于视频中位置的原理示意图；
图2为本发明一实施方式的一种基于视频帧数统计进行精确识别广告内容的回归测试方法中的自定义文件A的保存结构原理示意图；
图3为本发明一实施方式的一种基于视频帧数统计进行精确识别广告内容的回归测试方法中将文件A及文件Ax中所记录的广告视频位置及总帧数分别进行比对的逻辑框示意图；
图4为本发明一实施方式的一种基于视频帧数统计进行精确识别广告内容的回归测试方法中的文件A及文件Ax的比对结果统计示意图；
图5为本发明一实施方式的一种基于视频帧数统计进行精确识别广告内容的回归测试方法中的多次更新迭代版本的比对结果统计示意图。
具体实施方式
为了便于理解本发明，下面将用具体实施例对本发明进行更全面的描述。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这实施例的目的是使对本发明的公开内容的理解更加透彻全面。
本发明一实施例的一种基于视频帧数统计进行精确识别广告内容的回归测试方法，包括如下步骤：
步骤S1、通过人工抽样记录素材文件中所有广告的视频位置以及素材文件的总帧数，并将记录保存为新建文件A；
步骤S2、通过更新的广告识别算法记录素材文件中所有广告的视频位置以及素材文件的总帧数，并将记录保存为新建文件Ax；
步骤S3、将文件A及文件Ax中所记录的广告视频位置及总帧数分别进行比对，并将比对结果进行统计且计算成功率。
具体地，步骤S1中，如图1所示，首先选择一个素材文件，假设该素材文件中包括一视频a，通过人工抽取视频a中的广告样本，并记录广告样本位于视频中的位置信息(即精确获取该广告的起始帧数和终点帧数)。
具体地，在步骤S1中，上述的结果记录将保存到一个新建的文本文件A中，保存方式如下(其中记录的位置信息是帧数)：
文件A的结构定义：
(1)ID，代表素材文件中每一个广告的顺序编号，这个值是唯一的；
(2)广告起点帧，代表素材文件中对应ID的广告的第一帧所在位置的统计值，在本实施例中，此处的第一帧定义为视频从开始播放直至到该广告画面的第一帧的总帧数，可以理解，在其他的一些实施例中，第一帧也可定义为视频从开始播放直至到该广告画面的前一帧的总帧数；
(3)广告终点帧，代表素材文件中对应ID的广告的最后一帧所在位置的统计值，在本实施例中，此处的最后一帧定义为视频从开始播放直至到该广告画面的最后一针的总帧数；
(4)文件总帧数，代表素材文件的所有帧的统计值。
可以理解，在其他的一些实施例中，素材文件可能包含多个(两个及以上)视频文件，因此，如图2所示，图2中显示出文件A记录了素材文件中所有广告的特征值(视频帧位置)，上述文件A的自定义结构还可进一步具体如下：
文件A的结构定义：
(1)ID，代表素材文件中每一个广告的顺序编号，这个值是唯一的；
(2)文件名，代表素材文件中所包含相应的视频文件的文件名称，具体为记录有广告的原始视频文件，可以理解，通常情况中，多个广告可以从同一个原始视频文件中获得，因此当文件A列表纵向向下展开时，文件名是可以重复的。如图2所示，视频a存在两个广告，因此在文件A的记录中视频a的文件名重复了；
(3)广告起点帧，代表相应视频文件中对应ID的广告的第一帧所在位置的统计值，在本实施例中，此处的第一帧定义为该广告所从属的视频从开始播放直至到该广告画面的第一帧的总帧数，如图2所示，第1000帧是视频a中第一个广告的起点。可以理解，在其他的一些实施例中，第一帧也可定义为该广告所从属的视频从开始播放直至到该广告画面的前一帧的总帧数；
(4)广告终点帧，代表相应视频文件中对应ID的广告的最后一帧所在位置的统计值，在本实施例中，此处的最后一帧定义为该广告所从属的视频从开始播放直至到该广告画面的最后一针的总帧数，如图2所示，第2000帧为视频a中第一个广告的终点；
(5)文件总帧数，代表对应文件名的视频文件的所有帧的统计值，如图2所示，视频a为含有10000帧的视频。
具体地，步骤S2中，同样使用该同样的素材文件，采用testbed自动输出算法进行视频广告内容识别，获得结果记录在新建文件Ax中，记录方法同前述的步骤S1。
具体地，步骤S3中，如图3所示，将文件Ax记录的测试值与文件A记录的参考值进行比对得到结果。具体地，将文件A及文件Ax中所记录的广告视频位置及总帧数分别进行比对的步骤中，具体为将文件A及文件Ax中每一个ID相应的广告起点帧、广告终点帧和文件总帧数的数值进行比对。
具体地，步骤S3中，将比对结果进行统计且计算成功率的步骤中，具体为将文件A和文件Ax的每一个ID进行横向比对并将比对出的结果进行判定，当文件A和文件Ax的一个ID相应的广告起点帧、广告终点帧和文件总帧数的数值全部相同时标记为通过(在本实施例中，如图3所示，“通过”以“Pass”表示)，当文件A和文件Ax的一个ID相应的广告起点帧、广告终点帧和文件总帧数的数值中有任一项不同时标记为失败(在本实施例中，如图3所示，“失败”以“Fail”表示)，将所有ID相应的比对结果进行统计，计算成功率(如图3中以B代表成功率)，在本实施例中，成功率的计算方式为成功率＝Pass数÷x，其中x为该素材文件中的广告数量，即ID的最大值。
具体地，在本实施例中，如图4所示，当得到所有ID相应的比对结果后，进行趋势统计。
此外，在本实施例中，当算法版本多次迭代更新后，根据每一次更新测试所得的成功率，得到如图5所示的统计表，可清晰地对每次的更新版本测试结果有一个更全面细致的掌握。
因此，针对每次广告内容识别算法的更新，测试工具都会给出一个样本统计结果，这个结果里面包含了素材文件中所有视频文件的广告的位置信息，通过和参考值对比这些广告位置信息，可以得到当前算法版本的正确率和错误率，通过比对前后版本的正确率可以得知算法更新是得到了优化还是回退。
综上，这种基于视频帧数统计进行精确识别广告内容的回归测试方法，针对广告内容testbed自动输出算法的更新测试，采用视频帧统计值表达广告位置的方法，只需要在第一次操作时通过人工将素材文件的广告的打点位置和视频总帧数等数值结果精确地记录到一个自定义结构的新建文件A中作为参考值，在往后的算法更新作测试时，通过更新的testbed自动输出算法检测到广告的打点位置和视频总帧数等数值并记录到一个新建文件Ax中作为测试值，即可运用计算机脚本自动快速地比对参考值和测试值的现有数据并统计正确率，这样不仅可以节省大约80％的人力测试的资源成本，还提高了测试效率和正确率，此外，通过直观的正确率数据，人们还可快速地发现算法版本更新是得到了优化还是回退。
以上实施例仅表达了本发明的个别实施方式，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 (5)
1.一种基于视频帧数统计进行精确识别广告内容的回归测试方法，其特征在于，包括如下步骤：
通过人工抽样记录素材文件中所有广告的视频位置以及所述素材文件的总帧数，并将所述记录保存为新建文件A；
通过更新的广告识别算法记录素材文件中所有广告的视频位置以及所述素材文件的总帧数，并将所述记录保存为新建文件Ax；
将所述文件A及所述文件Ax中所记录的所述广告视频位置及所述总帧数分别进行比对，并将比对结果进行统计且计算成功率。
2.根据权利要求1所述的一种基于视频帧数统计进行精确识别广告内容的回归测试方法，其特征在于，所述新建文件A的结构定义为|ID|广告起点帧|广告终点帧|文件总帧数|，其中，所述ID为所述素材文件中每一个广告的顺序编号，所述广告起点帧为所述素材文件中对应所述ID的所述广告的第一帧所在位置的统计值，所述广告终点帧为所述素材文件中对应所述ID的所述广告的最后一帧所在位置的统计值，所述文件总帧数为所述素材文件的所有帧的统计值。
3.根据权利要求2所述的一种基于视频帧数统计进行精确识别广告内容的回归测试方法，其特征在于，当所述素材文件中含有两个及以上的视频文件时，所述新建文件A的结构定义为|ID|文件名|广告起点帧|广告终点帧|文件总帧数|，其中，所述ID为所述素材文件中每一个广告的顺序编号，所述文件名为所述素材文件中相应的所述视频文件的文件名称，所述广告起点帧为相应所述视频文件中对应所述ID的所述广告的第一帧所在位置的统计值，所述广告终点帧为相应所述视频文件中对应所述ID的所述广告的最后一帧所在位置的统计值，所述文件总帧数为对应所述文件名的所述视频文件的所有帧的统计值。
4.根据权利要求2或3所述的一种基于视频帧数统计进行精确识别广告内容的回归测试方法，其特征在于，所述将所述文件A及所述文件Ax中所记录的所述广告视频位置及所述总帧数分别进行比对的步骤中，具体为将所述文件A及所述文件Ax中每一个所述ID对应的所述广告起点帧、所述广告终点帧和所述文件总帧数的数值进行比对。
5.根据权利要求4所述的一种基于视频帧数统计进行精确识别广告内容的回归测试方法，其特征在于，所述将比对结果进行统计且计算成功率的步骤中，具体为将所述文件A和所述文件Ax的每一个所述ID进行横向比对并将比对出的结果进行判定，当所述文件A和所述文件Ax的一个所述ID相应的所述广告起点帧、所述广告终点帧和所述文件总帧数的数值全部相同时标记为通过，当所述文件A和所述文件Ax的一个所述ID相应的所述广告起点帧、所述广告终点帧和所述文件总帧数的数值中有任一项不同时标记为失败，将所有所述ID相应的比对结果进行统计，计算成功率。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610283815.4A CN105975924A (zh) | 2016-04-29 | 2016-04-29 | 一种基于视频帧数统计进行精确识别广告内容的回归测试方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610283815.4A CN105975924A (zh) | 2016-04-29 | 2016-04-29 | 一种基于视频帧数统计进行精确识别广告内容的回归测试方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN105975924A true CN105975924A (zh) | 2016-09-28 |
Family
ID=56994885
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610283815.4A Pending CN105975924A (zh) | 2016-04-29 | 2016-04-29 | 一种基于视频帧数统计进行精确识别广告内容的回归测试方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105975924A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108415915A (zh) * | 2017-02-10 | 2018-08-17 | 深圳怡化电脑股份有限公司 | 一种基于纸币数据的算法验证方法及装置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101178687A (zh) * | 2007-11-26 | 2008-05-14 | 中兴通讯股份有限公司 | 软件回归测试的方法 |
| CN102567192A (zh) * | 2010-12-16 | 2012-07-11 | 新奥特（北京）视频技术有限公司 | 一种对视音频文件基于归类组合的功能自动测试方法和系统 |
| CN103246600A (zh) * | 2012-02-10 | 2013-08-14 | 广州博纳信息技术有限公司 | 软件测评快速校验方法 |
| CN103823747A (zh) * | 2012-11-16 | 2014-05-28 | 上海华虹集成电路有限责任公司 | 自动回归测试的方法 |
| CN104185017A (zh) * | 2013-05-23 | 2014-12-03 | 中国科学院深圳先进技术研究院 | 视频匹配方法和系统 |
| CN105052161A (zh) * | 2013-03-15 | 2015-11-11 | 康格尼蒂夫媒体网络公司 | 用于使用自动化内容识别数据库的实时电视广告检测的系统和方法 |
-
2016
- 2016-04-29 CN CN201610283815.4A patent/CN105975924A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101178687A (zh) * | 2007-11-26 | 2008-05-14 | 中兴通讯股份有限公司 | 软件回归测试的方法 |
| CN102567192A (zh) * | 2010-12-16 | 2012-07-11 | 新奥特（北京）视频技术有限公司 | 一种对视音频文件基于归类组合的功能自动测试方法和系统 |
| CN103246600A (zh) * | 2012-02-10 | 2013-08-14 | 广州博纳信息技术有限公司 | 软件测评快速校验方法 |
| CN103823747A (zh) * | 2012-11-16 | 2014-05-28 | 上海华虹集成电路有限责任公司 | 自动回归测试的方法 |
| CN105052161A (zh) * | 2013-03-15 | 2015-11-11 | 康格尼蒂夫媒体网络公司 | 用于使用自动化内容识别数据库的实时电视广告检测的系统和方法 |
| CN104185017A (zh) * | 2013-05-23 | 2014-12-03 | 中国科学院深圳先进技术研究院 | 视频匹配方法和系统 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108415915A (zh) * | 2017-02-10 | 2018-08-17 | 深圳怡化电脑股份有限公司 | 一种基于纸币数据的算法验证方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8972940B2 (en) | Systems and methods for identifying software performance influencers | |
| CN109271326B (zh) | 云数据库的测试方法及其装置、设备和存储介质 | |
| US10354210B2 (en) | Quality prediction | |
| EP2572294B1 (en) | System and method for sql performance assurance services | |
| CN109344056B (zh) | 一种测试方法以及测试装置 | |
| US10089109B2 (en) | System and method for evaluating human resources in a software development environment | |
| CN102063374A (zh) | 一种使用半监督信息进行聚类的回归测试用例选择方法 | |
| US9940215B2 (en) | Automatic correlation accelerator | |
| CN104375937A (zh) | 一种自动化测试结果持续集成整合方法及系统 | |
| US9734042B1 (en) | System, method, and computer program for automated parameterized software testing | |
| CN106557419B (zh) | 程序的测试方法及装置 | |
| CN112328499A (zh) | 一种测试数据生成方法、装置、设备及介质 | |
| US8031950B2 (en) | Categorizing images of software failures | |
| CN117608903A (zh) | 自动生成测试报告的方法、装置、设备和存储介质 | |
| CN105975924A (zh) | 一种基于视频帧数统计进行精确识别广告内容的回归测试方法 | |
| Silva et al. | Towards making safety-critical systems safer: learning from mistakes | |
| CN108664405B (zh) | 一种基于漏斗模型的自动化监测方法及终端 | |
| CN116016270A (zh) | 一种交换机测试管理方法、装置、电子设备和存储介质 | |
| CN112346994B (zh) | 一种测试信息关联方法、装置、计算机设备及存储介质 | |
| CN111008140B (zh) | 一种跨平台的ui自动化测试方法及装置 | |
| US10162849B1 (en) | System, method, and computer program for automatic database validation associated with a software test | |
| CN115203025A (zh) | 一种测试缺陷分析方法及装置 | |
| CN114356781A (zh) | 软件功能测试方法和装置 | |
| CN105227333B (zh) | 网元设备数据维护的方法和装置 | |
| CN110879785B (zh) | 接口测试场景集的生成方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 310000 A Block, 16th Floor, E Building, Paradise Software Park, No. 3 Xidoumen Road, Hangzhou City, Zhejiang Province Applicant after: Hangzhou Dang Hong Polytron Technologies Inc Address before: 310000 B2010, two floor, North (two), six and 368 Road, Binjiang District, Hangzhou, Zhejiang. Applicant before: HANGZHOU DANGHONG TECHNOLOGY CO., LTD. |
|
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160928 |