CN107613326A - 一种识别准确的电视广告识别系统 - Google Patents
一种识别准确的电视广告识别系统 Download PDFInfo
- Publication number
- CN107613326A CN107613326A CN201710912984.4A CN201710912984A CN107613326A CN 107613326 A CN107613326 A CN 107613326A CN 201710912984 A CN201710912984 A CN 201710912984A CN 107613326 A CN107613326 A CN 107613326A
- Authority
- CN
- China
- Prior art keywords
- video
- mrow
- msub
- matching
- advertisement
- 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
Landscapes
- Collating Specific Patterns (AREA)
Abstract
本发明提供了一种识别准确的电视广告识别系统,包括采集模块、归类模块、初步广告识别模块和二次广告识别模块;所述采集模块用于采集用户的观看视频和对电视终端的操作行为,并上传至初步广告识别模块;所述归类模块用于将所有观看相同电视节目的电视终端划分为一组,并实时监控每一组中电视终端的操作行为;所述初步广告识别模块用于对广告进行识别,具体为:若同组的电视终端出现集中的换台行为,则将当前视频判定为广告,作为初步识别结果;所述二次广告识别模块用于对初步识别结果进行视频指纹识别,获取最终广告识别结果。本发明的有益效果为:实现了电视广告的准确识别。
Description
技术领域
本发明涉及广告识别技术领域,具体涉及一种识别准确的电视广告识别系统。
背景技术
电视广告一直困扰着人们,影响人们对电视的正常观看,目前仍然缺乏对电视广告进行有效识别的技术。
发明内容
针对上述问题,本发明旨在提供一种识别准确的电视广告识别系统。
本发明的目的采用以下技术方案来实现:
提供了一种识别准确的电视广告识别系统,包括采集模块、归类模块、初步广告识别模块和二次广告识别模块;
所述采集模块用于采集用户的观看视频和对电视终端的操作行为,并上传至初步广告识别模块;
所述归类模块用于将所有观看相同电视节目的电视终端划分为一组,并实时监控每一组中电视终端的操作行为;
所述初步广告识别模块用于对广告进行识别,具体为:若同组的电视终端出现集中的换台行为,则将当前视频判定为广告,作为初步识别结果;
所述二次广告识别模块用于对初步识别结果进行视频指纹识别,获取最终广告识别结果。
本发明的有益效果为:实现了电视广告的准确识别。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1是本发明的结构示意图;
附图标记:
采集模块1、归类模块2、初步广告识别模块3、二次广告识别模块4。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1,本实施例的一种识别准确的电视广告识别系统,包括采集模块1、归类模块2、初步广告识别模块3和二次广告识别模块4;
所述采集模块1用于采集用户的观看视频和对电视终端的操作行为,并上传至初步广告识别模块3;
所述归类模块2用于将所有观看相同电视节目的电视终端划分为一组,并实时监控每一组中电视终端的操作行为;
所述初步广告识别模块3用于对广告进行识别,具体为:若同组的电视终端出现集中的换台行为,则将当前视频判定为广告,作为初步识别结果;
所述二次广告识别模块4用于对初步识别结果进行视频指纹识别,获取最终广告识别结果。
本实施例实现了电视广告的准确识别。
优选的,所述集中的换台行为为换台用户超过当前组内用户数目的一半。
本优选实施例提高了广告初步识别的准确性。
优选的,所述电视终端为数字电视终端。
本优选实施例方便对用户行为进行采集。
优选的,所述二次广告识别模块4包括第一处理子模块、第二处理子模块和第三处理子模块,所述第一处理子模块用于提取视频的特征,生成视频指纹,所述第二处理子模块用于根据视频指纹比较两个视频是否内容一致,得到和查询视频相匹配的视频,作为最终广告识别结果;所述第三处理子模块用于对第二处理子模块的性能进行评价。
所述第一处理子模块包括一次视频解码单元、二次特征提取单元、三次指纹建模单元,所述一次视频解码单元用于对原始视频序列进行解码,得到YUV序列,所述二次特征提取单元用于根据YUV序列提取视频的特征,所述三次指纹建模单元用于根据提取的视频特征建立指纹模型,得到视频指纹;所述二次特征提取单元包括一次特征提取子单元和二次帧率转换子单元,所述一次特征提取子单元用于提取原始帧率下视频的特征,所述二次帧率转换子单元用于将原始帧率的视频转化为固定帧率;
所述一次特征提取子单元用于提取原始帧率下视频的特征,具体为:
从YUV序列中提取亮度信息Y,组成新的视频序列;
假定视频像素是M×N,则每幅视频帧的几何中心为(M/2,N/2),将视频帧的几何中心作为坐标原点O,fk(x,y)为第k幅视频帧以O为原点的位置(x,y)处的亮度值,亮度值fk(x,y)的取值范围是[0,255],根据亮度值fk(x,y)计算每幅视频帧的特征中心(RUxk,RUyk):
基于特征中心,计算特征中心角:在式子里,βk表示第k幅视频帧的特征中心角;计算整个视频序列所有视频帧的特征中心角,用所有特征中心角构建一维特征向量β:β=[β1,β2,…,βK],在式子里,K表示视频序列包含的视频帧数目。
本优选实施例一次特征提取子单元通过提取视频的亮度信息和建立视频帧的特征中心,实现了视频特征的有效提取,通过建立视频帧的特征中心角,能够方便直观的表示视频的特征。
优选的,所述二次帧率转换子单元用于将原始帧率的视频转化为固定帧率,具体为:
a、设原始视频序列帧率为Q,转化后的固定帧率为P,帧率为P下的第i帧的特征中心角θi由帧率为Q下的连续两个帧的特征中心角βk和βk+1转换得到,转换公式为:θi=(1-μ2)βk+μ2βk+1,其中,b、用转换后的所有视频帧的特征中心角构建一维特征向量θ:θ=[θ1,θ2,…,θM],在式子里,M是帧率P下视频包含的视频帧的数目,特征向量θ即为提取的视频特征。
本优选实施例二次帧率转换子单元先对视频特征进行提取,然后直接采用线性化的方法对得到的特征中心角进行转换,减少了计算量,提高了转换效率,从而提高了特征提取速度。
优选的,所述三次指纹建模单元用于根据提取的视频特征建立指纹模型,具体为:
采用以下方式计算特征中心相对角γi,γi=θi+2+θi+1-θi;计算整个视频序列的特征中心相对角,根据特征中心相对角建立视频指纹模型:视频指纹为γ=[γ1,γ2,…,γM-2];
本优选实施例三次指纹建模单元对特征信息进行处理,建立了视频指纹,有助于后续进行指纹匹配。
优选的,所述第二处理子模块包括第一匹配单元、第二匹配单元和综合匹配单元,所述第一匹配单元用于计算视频指纹之间的第一匹配值,所述第二匹配单元用于计算视频指纹之间的第二匹配值,所述综合匹配单元用于根据第一匹配值和第二匹配值确定视频匹配程度;
所述第一匹配值采用下式确定:
在式子里,表示视频指纹之间的第一匹配值,表示查询的视频指纹,ω=[ω1,ω2,…,ωM-2]表示视频数据库中的任意视频指纹;
所述第二匹配值采用下式确定:
在式子里,表示视频指纹之间的第二匹配值;
所述确定视频匹配程度通过匹配因子进行,所述匹配因子采用下式确定:
在式子里,表示视频之间的匹配因子;若匹配因子小于设定阈值,则认为两视频匹配,否则,视频不匹配,继续在视频数据库搜索。
本优选实施例第二处理子模块通过视频指纹之间的第一匹配值和第二匹配值确定视频的匹配因子对视频进行匹配,匹配结果更为准确。
优选的,所述第三处理子模块用于对第二处理子模块的性能进行评价,具体通过评价因子进行,所述评价因子采用下式确定:在式子里,RX表示评价因子的值,DT1表示查询到的和查询视频内容一致的视频数量,DT2表示视频数据库中和查询视频内容一致的视频数量,DT3表示查询到的和查询视频内容不一致的视频数量,DT4表示视频数据库中和查询视频内容不一致的视频数量,评价因子越大,第二处理子模块性能越好。
本优选实施例第三处理子模块通过对第二处理子模块的匹配结果进行评价,保证了第二处理子模块的性能。
采用本发明识别准确的电视广告识别系统进行广告识别,选取5个小区看电视用户进行测试,分别为小区1、小区2、小区3、小区4、小区5,对广告识别准确率和用户满意度进行统计,同现有技术相比,产生的有益效果如下表所示:
广告识别准确率提高 | 用户满意度提高 | |
小区1 | 29% | 27% |
小区2 | 27% | 26% |
小区3 | 26% | 26% |
小区4 | 25% | 24% |
小区5 | 24% | 22% |
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。
Claims (8)
1.一种识别准确的电视广告识别系统,其特征在于,包括采集模块、归类模块、初步广告识别模块和二次广告识别模块;
所述采集模块用于采集用户的观看视频和对电视终端的操作行为,并上传至初步广告识别模块;
所述归类模块用于将所有观看相同电视节目的电视终端划分为一组,并实时监控每一组中电视终端的操作行为;
所述初步广告识别模块用于对广告进行识别,具体为:若同组的电视终端出现集中的换台行为,则将当前视频判定为广告,作为初步识别结果;
所述二次广告识别模块用于对初步识别结果进行视频指纹识别,获取最终广告识别结果。
2.根据权利要求1所述的识别准确的电视广告识别系统,其特征在于,所述集中的换台行为为换台用户超过当前组内用户数目的一半。
3.根据权利要求2所述的识别准确的电视广告识别系统,其特征在于,所述电视终端为数字电视终端。
4.根据权利要求3所述的识别准确的电视广告识别系统,其特征在于,所述二次广告识别模块包括第一处理子模块、第二处理子模块和第三处理子模块,所述第一处理子模块用于提取视频的特征,生成视频指纹,所述第二处理子模块用于根据视频指纹比较两个视频是否内容一致,得到和查询视频相匹配的视频,作为最终广告识别结果;所述第三处理子模块用于对第二处理子模块的性能进行评价;
所述第一处理子模块包括一次视频解码单元、二次特征提取单元、三次指纹建模单元,所述一次视频解码单元用于对原始视频序列进行解码,得到YUV序列,所述二次特征提取单元用于根据YUV序列提取视频的特征,所述三次指纹建模单元用于根据提取的视频特征建立指纹模型,得到视频指纹;所述二次特征提取单元包括一次特征提取子单元和二次帧率转换子单元,所述一次特征提取子单元用于提取原始帧率下视频的特征,所述二次帧率转换子单元用于将原始帧率的视频转化为固定帧率。
5.根据权利要求4所述的识别准确的电视广告识别系统,其特征在于,所述一次特征提取子单元用于提取原始帧率下视频的特征,具体为:
从YUV序列中提取亮度信息Y,组成新的视频序列;
假定视频像素是M×N,则每幅视频帧的几何中心为(M/2,N/2),将视频帧的几何中心作为坐标原点O,fk(x,y)为第k幅视频帧以O为原点的位置(x,y)处的亮度值,亮度值fk(x,y)的取值范围是[0,255],根据亮度值fk(x,y)计算每幅视频帧的特征中心(RUxk,RUyk):
<mrow>
<msub>
<mi>RU</mi>
<mrow>
<mi>x</mi>
<mi>k</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<mi>&Sigma;</mi>
<mi>x</mi>
<mo>&times;</mo>
<msub>
<mi>f</mi>
<mi>k</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mn>8</mn>
<msub>
<mi>&Sigma;f</mi>
<mi>k</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>+</mo>
<mroot>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<mfrac>
<mrow>
<mi>&Sigma;</mi>
<mi>x</mi>
<mo>&times;</mo>
<msub>
<mi>f</mi>
<mi>k</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>&Sigma;f</mi>
<mi>k</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
<mn>4</mn>
</msup>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mn>4</mn>
</mroot>
</mrow>
<mrow>
<msub>
<mi>RU</mi>
<mrow>
<mi>y</mi>
<mi>k</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<mi>&Sigma;</mi>
<mi>y</mi>
<mo>&times;</mo>
<msub>
<mi>f</mi>
<mi>k</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mn>8</mn>
<msub>
<mi>&Sigma;f</mi>
<mi>k</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>+</mo>
<mroot>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<mfrac>
<mrow>
<mi>&Sigma;</mi>
<mi>y</mi>
<mo>&times;</mo>
<msub>
<mi>f</mi>
<mi>k</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>&Sigma;f</mi>
<mi>k</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
<mn>4</mn>
</msup>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mn>4</mn>
</mroot>
</mrow>
基于特征中心,计算特征中心角:在式子里,βk表示第k幅视频帧的特征中心角;计算整个视频序列所有视频帧的特征中心角,用所有特征中心角构建一维特征向量β:β=[β1,β2,…,βK],在式子里,K表示视频序列包含的视频帧数目;
所述二次帧率转换子单元用于将原始帧率的视频转化为固定帧率,具体为:
a、设原始视频序列帧率为Q,转化后的固定帧率为P,帧率为P下的第i帧的特征中心角θi由帧率为Q下的连续两个帧的特征中心角βk和βk+1转换得到,转换公式为:θi=(1-μ2)βk+μ2βk+1,其中,b、用转换后的所有视频帧的特征中心角构建一维特征向量θ:θ=[θ1,θ2,…,θM],在式子里,M是帧率P下视频包含的视频帧的数目,特征向量θ即为提取的视频特征。
6.根据权利要求5所述的识别准确的电视广告识别系统,其特征在于,所述三次指纹建模单元用于根据提取的视频特征建立指纹模型,具体为:
采用以下方式计算特征中心相对角γi,γi=θi+2+θi+1-θi;计算整个视频序列的特征中心相对角,根据特征中心相对角建立视频指纹模型:视频指纹为γ=[γ1,γ2,…,γM-2]。
7.根据权利要求6所述的识别准确的电视广告识别系统,其特征在于,所述第二处理子模块包括第一匹配单元、第二匹配单元和综合匹配单元,所述第一匹配单元用于计算视频指纹之间的第一匹配值,所述第二匹配单元用于计算视频指纹之间的第二匹配值,所述综合匹配单元用于根据第一匹配值和第二匹配值确定视频匹配程度;
所述第一匹配值采用下式确定:
在式子里,表示视频指纹之间的第一匹配值,表示查询的视频指纹,ω=[ω1,ω2,…,ωM-2]表示视频数据库中的任意视频指纹;
所述第二匹配值采用下式确定:
在式子里,表示视频指纹之间的第二匹配值;
所述确定视频匹配程度通过匹配因子进行,所述匹配因子采用下式确定:
在式子里,表示视频之间的匹配因子;若匹配因子小于设定阈值,则认为两视频匹配,否则,视频不匹配,继续在视频数据库搜索。
8.根据权利要求7所述的识别准确的电视广告识别系统,其特征在于,所述第三处理子模块用于对第二处理子模块的性能进行评价,具体通过评价因子进行,所述评价因子采用下式确定:在式子里,RX表示评价因子的值,DT1表示查询到的和查询视频内容一致的视频数量,DT2表示视频数据库中和查询视频内容一致的视频数量,DT3表示查询到的和查询视频内容不一致的视频数量,DT4表示视频数据库中和查询视频内容不一致的视频数量,评价因子越大,第二处理子模块性能越好。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710912984.4A CN107613326A (zh) | 2017-09-30 | 2017-09-30 | 一种识别准确的电视广告识别系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710912984.4A CN107613326A (zh) | 2017-09-30 | 2017-09-30 | 一种识别准确的电视广告识别系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107613326A true CN107613326A (zh) | 2018-01-19 |
Family
ID=61067596
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710912984.4A Pending CN107613326A (zh) | 2017-09-30 | 2017-09-30 | 一种识别准确的电视广告识别系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107613326A (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN105847889A (zh) * | 2016-03-28 | 2016-08-10 | 深圳市九洲电器有限公司 | 数字电视广告识别方法及系统 |
-
2017
- 2017-09-30 CN CN201710912984.4A patent/CN107613326A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN105847889A (zh) * | 2016-03-28 | 2016-08-10 | 深圳市九洲电器有限公司 | 数字电视广告识别方法及系统 |
Non-Patent Citations (1)
Title |
---|
王大永: "感知视频指纹算法研究", 《中国博士学位论文全文数据库信息科技辑》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhao et al. | Uctgan: Diverse image inpainting based on unsupervised cross-space translation | |
CN110532970B (zh) | 人脸2d图像的年龄性别属性分析方法、系统、设备和介质 | |
CN106778604B (zh) | 基于匹配卷积神经网络的行人再识别方法 | |
CN102819582B (zh) | 一种海量图片快速检索方法 | |
CN107180074A (zh) | 一种视频分类方法及装置 | |
CN107071578A (zh) | Iptv节目推荐方法 | |
CN103631932B (zh) | 一种对重复视频进行检测的方法 | |
CN110827312B (zh) | 一种基于协同视觉注意力神经网络的学习方法 | |
CN109214298B (zh) | 一种基于深度卷积网络的亚洲女性颜值评分模型方法 | |
CN101763429A (zh) | 一种基于颜色和形状特征的图像检索方法 | |
CN103093208B (zh) | 一种果蔬识别的方法及系统 | |
CN109191428A (zh) | 基于掩蔽纹理特征的全参考型图像质量评价方法 | |
CN108961227B (zh) | 一种基于空域和变换域多特征融合的图像质量评价方法 | |
CN110765882B (zh) | 一种视频标签确定方法、装置、服务器及存储介质 | |
CN103440633B (zh) | 一种数字图像自动祛除斑点的方法 | |
CN109509142A (zh) | 一种人脸变老图像处理方法、系统、可读存储介质及设备 | |
CN109635636A (zh) | 基于属性特征和加权的分块特征相融合的行人再识别方法 | |
CN109829924A (zh) | 一种基于主体特征分析的图像质量评价方法 | |
CN103841410A (zh) | 基于图像特征信息的半参考视频QoE客观评估方法 | |
CN110267101A (zh) | 一种基于快速三维拼图的无人机航拍视频自动抽帧方法 | |
CN104978583B (zh) | 人物动作的识别方法及装置 | |
CN108052918A (zh) | 一种笔迹比对系统及方法 | |
CN104866826A (zh) | 一种基于knn和像素比梯度特征的静态手语识别方法 | |
CN107590279A (zh) | 一种智慧旅游推荐系统 | |
CN112613362A (zh) | 一种基于物联网的物品标志识别系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180119 |
|
RJ01 | Rejection of invention patent application after publication |