CN109168082A - 基于固定视频的马赛克检测实现方法 - Google Patents
基于固定视频的马赛克检测实现方法 Download PDFInfo
- Publication number
- CN109168082A CN109168082A CN201811198961.2A CN201811198961A CN109168082A CN 109168082 A CN109168082 A CN 109168082A CN 201811198961 A CN201811198961 A CN 201811198961A CN 109168082 A CN109168082 A CN 109168082A
- Authority
- CN
- China
- Prior art keywords
- video
- image
- characteristic value
- frame
- mosaic
- 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 32
- 238000001514 detection method Methods 0.000 claims abstract description 22
- 239000011159 matrix material Substances 0.000 claims description 36
- 238000012545 processing Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007334 memory performance Effects 0.000 description 1
- 238000011056 performance test Methods 0.000 description 1
- 238000012805 post-processing Methods 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
- H04N21/43—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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K19/00—Record carriers for use with machines and with at least a part designed to carry digital markings
- G06K19/06—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code
- G06K19/06009—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code with optically detectable marking
- G06K19/06037—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code with optically detectable marking multi-dimensional coding
-
- 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
- H04N21/85—Assembly of content; Generation of multimedia applications
- H04N21/854—Content authoring
- H04N21/8547—Content authoring involving timestamps for synchronizing content
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
Abstract
本发明涉及图像识别领域，其公开了一种基于固定视频的马赛克检测实现方法，实现对视频马赛克进行高效准确地自动化检测。该方法包括以下步骤：a.准备一段经过预处理的视频，所述预处理为：为视频的每一帧图像添加时间戳；为每一秒视频设置一个二维码，使得每一秒视频中的每一帧图像具有相同的二维码；b.提取该段视频中各帧图像的特征值并存储，形成标准特征库；c.在进行马赛克检测时，利用待测设备播放该段视频，通过计算机实时抓取视频图像进行图像采集；d.计算采集的图像的特征值，并与标准特征库中的特征值进行比对，从而判断视频是否出现马赛克。
Description
技术领域
本发明涉及图像识别领域，具体涉及一种基于固定视频的马赛克检测实现方法。
背景技术
在传统机顶盒中，TUNER性能测试的主要判断依据是视频马赛克，在OTT和IPTV机顶盒中，视频播放马赛克是检验机顶盒内存性能、软件可靠性的重要测试依据。因此，视频马赛克检测十分重要。但是由于马赛克出现时机随机、图形不规则，特别是对于有后处理功能的机顶盒，进行图像修复后马赛克的形状更加复杂。导致了马赛克自动化检测一直是行业的一个痛点和难点。
研究人员曾经利用边缘检测直线和矩形的方法来判断马赛克，但由于边缘检测本身有其局限性，导致视频内容中直线和棋盘、窗户等规则图像容易被误判,同时部分复杂的图像内容中的马赛克容易被漏检。也有采用马赛克特征预先分析和深度学习的方式对马赛克特征值进行分类和学习，但是由于视频图像的复杂性和马赛克进行叠加以后的形成的最终图像更加复杂，导致先行学习的特征完全对不上。
因此，目前行业中基本上都是采用人工判断的方式进行视频马赛克测试，效率低，成本高，漏检和误检率也居高不下。
发明内容
本发明所要解决的技术问题是：提出一种基于固定视频的马赛克检测实现方法，实现对视频马赛克进行高效准确地自动化检测。
本发明解决上述技术问题所采用的技术方案是：
基于固定视频的马赛克检测实现方法，包括以下步骤：
a.准备一段视频；
b.提取该段视频中各帧图像的特征值并存储，形成标准特征库；
c.在进行马赛克检测时，利用待测设备播放该段视频，通过计算机实时抓取视频图像进行图像采集；
d.计算采集的图像的特征值，并与标准特征库中的特征值进行比对，从而判断视频是否出现马赛克。
作为进一步优化，步骤b中，对视频中的各帧图像进行以下处理，以提取各帧图像的特征值：
b1.缩小尺寸：将图像缩小到8*8；
b2.简化色彩：将图像转化成灰度图像；
b3.计算DCT：计算图片的DCT变换，得到32*32的DCT系数矩阵；
b4.缩小DCT：只保留DCT系数矩阵左上角的8*8规模的DCT系数矩阵；
b5.计算平均值：计算DCT的均值；
b6.计算特征值：设置所述8*8规模的DCT系数矩阵的64位hash值作为该图像的特征值：对于8*8规模的DCT系数矩阵，将矩阵中大于等于DCT均值的值设为“1”，将小于DCT均值的值设为“0”；
在提取到各帧图像的特征值后，将各帧图像的特征值与对应帧的序号进行关联存储在数据库中，从而形成标准特征库。
作为进一步优化，步骤c中，所述计算机通过HDMI采集卡抓取待测设备的相应接口向计算机输出的视频图像来进行图像采集。
作为进一步优化，步骤c中，所述待测设备为传统机顶盒或IPTV或OTT机顶盒；所述利用待测设备播放该段视频的方法是：
对于传统机顶盒，通过高频头接收码流播放器调制的DVB信号，通过解调和解复用获取视频数据后进行解码播出；对于IPTV和OTT机顶盒，可将视频以文件方式存储在机顶盒内部存储器或者外部存储器中，通过机顶盒内置的播放器进行播放输出。
作为进一步优化，步骤d中，所述与标准特征库中的特征值进行比对，具体包括：
在比较抓取的第一帧图像的特征时，在整个标准特征库中的所有帧中进行特征比对，若所有帧中均无与该帧完全匹配的特征，则判定当前帧有马赛克，若在标准特征库中找到与该帧的特征完全匹配的帧，则记录该帧图像的序号；
对于此后抓取的图像，则按照视频的帧率和采集图像的时间间隔计算出可能对应的帧序号，然后提取该图像的特征后，在标准特征库中将该图像的特征与所述可能对应的帧序号的前后3个帧范围内的图像帧的特征值进行匹配。
此外，本发明还公开了另外一种基于固定视频的马赛克检测实现方法，包括以下步骤：
a.准备一段经过预处理的视频，所述预处理为：为视频的每一帧图像添加时间戳；为每一秒视频设置一个二维码，使得每一秒视频中的每一帧图像具有相同的二维码；
b.提取该段视频中各帧图像的特征值并存储，形成标准特征库；
c.在进行马赛克检测时，利用待测设备播放该段视频，通过计算机实时抓取视频图像进行图像采集；
d.计算采集的图像的特征值，并与标准特征库中的特征值进行比对，从而判断视频是否出现马赛克。
作为进一步优化，步骤b中，对视频中的各帧图像进行以下处理，以提取各帧图像的特征值：
b1.缩小尺寸：将图像缩小到8*8；
b2.简化色彩：将图像转化成灰度图像；
b3.计算DCT：计算图片的DCT变换，得到32*32的DCT系数矩阵；
b4.缩小DCT：只保留DCT系数矩阵左上角的8*8规模的DCT系数矩阵；
b5.计算平均值：计算DCT的均值；
b6.计算特征值：设置所述8*8规模的DCT系数矩阵的64位hash值作为该图像的特征值：对于8*8规模的DCT系数矩阵，将矩阵中大于等于DCT均值的值设为“1”，将小于DCT均值的值设为“0”；
在提取到各帧图像的特征值后，将各帧图像的特征值与对应帧的时间戳和二维码进行关联存储在数据库中，从而形成标准特征库。
作为进一步优化，步骤c中，所述计算机通过HDMI采集卡抓取待测设备的相应接口向计算机输出的视频图像来进行图像采集。
作为进一步优化，步骤c中，所述待测设备为传统机顶盒或IPTV或OTT机顶盒；所述利用待测设备播放该段视频的方法是：
对于传统机顶盒，通过高频头接收码流播放器调制的DVB信号，通过解调和解复用获取视频数据后进行解码播出；对于IPTV和OTT机顶盒，可将视频以文件方式存储在机顶盒内部存储器或者外部存储器中，通过机顶盒内置的播放器进行播放输出。
作为进一步优化，步骤d中，所述与标准特征库中的特征值进行比对，具体包括：
根据采集图像的二维码和时间戳在标准特征库中查找对应帧的特征值与所述采集图像的特征值进行匹配，若不能匹配的特征的个数超过一定阈值，则判定该采集图像出现马赛克。
本发明的有益效果是：
提取视频中各帧图像的特征值并存储，在机顶盒播放视频的过程中抓取机顶盒输出的图像，计算当前图像的特征值，并跟预先存储的特征值进行比对，来判断视频是否出现马赛克缺陷。采用这种方式进行马赛克检测，检测效率高，漏检和误检率非常低，完全满足行业检测需求。同时可作为自动化检测工具，可进行长时间、大规模烤机，对机顶软硬件质量检测非常有效。
附图说明
图1为本发明的实施例1的马赛克检测实现方法流程图；
图2为本发明的实施例2的马赛克检测实现方法流程图。
具体实施方式
本发明旨在提出一种基于固定视频的马赛克检测实现方法，实现对视频马赛克进行高效准确地自动化检测。本发明通过提取视频中各帧图像的特征值并存储，在机顶盒播放视频的过程中抓取机顶盒输出的图像，计算当前图像的特征值，并跟预先存储的特征值进行比对，来判断视频是否出现马赛克缺陷。
下面结合附图及实施例对本发明的方案作为进一步的描述：
实施例1：
如图1所示，本实施例中的基于固定视频的马赛克检测实现方法，包括以下步骤：
1.准备一段视频；
本步骤中，所述视频为普通视频，不需要对视频添加信息；
2.提取该段视频中各帧图像的特征值并存储，形成标准特征库；
本步骤中，提取各帧图像的特征值的流程为：
21.缩小尺寸：将图像缩小到8*8，从而简化计算量；
22.简化色彩：将图像转化成灰度图像，进一步简化计算量；
23.计算DCT：计算图片的DCT变换，得到32*32的DCT系数矩阵；
24.缩小DCT：只保留DCT系数矩阵左上角的8*8规模的DCT系数矩阵，这部分呈现了图片中的最低频率；
25.计算平均值：计算DCT的均值；
26.计算特征值：设置所述8*8规模的DCT系数矩阵的64位hash值作为该图像的特征值：对于8*8规模的DCT系数矩阵，将矩阵中大于等于DCT均值的值设为“1”，将小于DCT均值的值设为“0”；组合在一起，就构成了一个64位的整数，这就是这张图片的特征。
在提取到各帧图像的特征值后，将各帧图像的特征值与对应帧的序号进行关联存储在数据库中，从而形成标准特征库。
3.在进行马赛克检测时，利用待测设备播放该段视频，通过计算机实时抓取视频图像进行图像采集；
本步骤中，进行马赛克测试时分传统机顶盒和IPTV、OTT机顶盒。传统机顶盒通过高频头接收码流播放器调制的DVB信号，通过解调和解复用获取视频数据后进行解码播出。IPTV和OTT机顶盒可将视频以文件方式存储在机顶盒内部存储器或者外部存储器中，通过机顶盒内置的播放器进行播放输出。
机顶盒解码后的图像通过HDMI或者CVBS接口输出，计算机通过采集卡或者采集盒抓取相应接口完成图像采集。
4.计算采集的图像的特征值，并与标准特征库中的特征值进行比对，从而判断视频是否出现马赛克。
本步骤中，通过与步骤2中相同的算法提取采集图像的特征值，由于视频中的图像抓取是随机性，因此在比较抓取的第一帧图像的特征时，并不知晓该帧图像在标准特征库中对应的帧序号，因此在整个标准特征库中的所有帧中进行特征比对，若所有帧中均无与该帧完全匹配的特征，则判定当前帧有马赛克，若在标准特征库中找到与该帧的特征完全匹配的帧，则记录该帧图像的序号；
对于此后抓取的图像，则按照视频的帧率和采集图像的时间间隔计算出可能对应的帧序号，然后提取该图像的特征后，在标准特征库中将该图像的特征与所述可能对应的帧序号的前后3个帧范围内的图像帧的特征值进行匹配，从而可以快速定位标准特征库中的对应帧，进行特征比对，比对特征包括位置和方向信息，若在不能一一对应的特征值的个数超过一定阈值(比如5个)，则判定该帧图像出现马赛克。
实施例2：
本实施例中的基于固定视频的马赛克检测实现方法如图2所示，其包括以下步骤：
1.准备一段视频；
2.对视频进行预处理：为视频的每一帧图像添加时间戳；为每一秒视频设置一个二维码，使得每一秒视频中的每一帧图像具有相同的二维码；
3.提取该段视频中各帧图像的特征值并存储，形成标准特征库；
本步骤中，提取各帧图像的特征值的流程为：
31.缩小尺寸：将图像缩小到8*8，从而简化计算量；
32.简化色彩：将图像转化成灰度图像，进一步简化计算量；
33.计算DCT：计算图片的DCT变换，得到32*32的DCT系数矩阵；
34.缩小DCT：只保留DCT系数矩阵左上角的8*8规模的DCT系数矩阵，这部分呈现了图片中的最低频率；
35.计算平均值：计算DCT的均值；
36.计算特征值：设置所述8*8规模的DCT系数矩阵的64位hash值作为该图像的特征值：对于8*8规模的DCT系数矩阵，将矩阵中大于等于DCT均值的值设为“1”，将小于DCT均值的值设为“0”；组合在一起，就构成了一个64位的整数，这就是这张图片的特征。
在提取到各帧图像的特征值后，将各帧图像的特征值与对应帧的时间戳和二维码进行关联存储在数据库中，从而形成标准特征库。
3.在进行马赛克检测时，利用待测设备播放该段视频，通过计算机实时抓取视频图像进行图像采集；
本步骤中，进行马赛克测试时分传统机顶盒和IPTV、OTT机顶盒。传统机顶盒通过高频头接收码流播放器调制的DVB信号，通过解调和解复用获取视频数据后进行解码播出。IPTV和OTT机顶盒可将视频以文件方式存储在机顶盒内部存储器或者外部存储器中，通过机顶盒内置的播放器进行播放输出。
机顶盒解码后的图像通过HDMI或者CVBS接口输出，计算机通过采集卡或者采集盒抓取相应接口完成图像采集。
4.计算采集的图像的特征值，并与标准特征库中的特征值进行比对，从而判断视频是否出现马赛克。
本步骤中，通过与步骤3中相同的算法提取采集图像的特征值，根据采集图像的二维码和时间戳在标准特征库中查找对应帧的特征值与所述采集图像的特征值进行匹配，若不能匹配的特征的个数超过一定阈值(如5个)，则判定该采集图像出现马赛克。由于设置了图像二维码和时间戳，因此可以快速准确定位在标准特征库中与采集图像对应的帧，以便进行特征比对，从而提高了检测效率。
Claims (10)
1.基于固定视频的马赛克检测实现方法，其特征在于，包括以下步骤：
a.准备一段视频；
b.提取该段视频中各帧图像的特征值并存储，形成标准特征库；
c.在进行马赛克检测时，利用待测设备播放该段视频，通过计算机实时抓取视频图像进行图像采集；
d.计算采集的图像的特征值，并与标准特征库中的特征值进行比对，从而判断视频是否出现马赛克。
2.如权利要求1所述的基于固定视频的马赛克检测实现方法，其特征在于，步骤b中，对视频中的各帧图像进行以下处理，以提取各帧图像的特征值：
b1.缩小尺寸：将图像缩小到8*8；
b2.简化色彩：将图像转化成灰度图像；
b3.计算DCT：计算图片的DCT变换，得到32*32的DCT系数矩阵；
b4.缩小DCT：只保留DCT系数矩阵左上角的8*8规模的DCT系数矩阵；
b5.计算平均值：计算DCT的均值；
b6.计算特征值：设置所述8*8规模的DCT系数矩阵的64位hash值作为该图像的特征值：对于8*8规模的DCT系数矩阵，将矩阵中大于等于DCT均值的值设为“1”，将小于DCT均值的值设为“0”；
在提取到各帧图像的特征值后，将各帧图像的特征值与对应帧的序号进行关联存储在数据库中，从而形成标准特征库。
3.如权利要求1所述的基于固定视频的马赛克检测实现方法，其特征在于，步骤c中，所述计算机通过HDMI采集卡抓取待测设备的相应接口向计算机输出的视频图像来进行图像采集。
4.如权利要求1所述的基于固定视频的马赛克检测实现方法，其特征在于，步骤c中，所述待测设备为传统机顶盒或IPTV或OTT机顶盒；所述利用待测设备播放该段视频的方法是：对于传统机顶盒，通过高频头接收码流播放器调制的DVB信号，通过解调和解复用获取视频数据后进行解码播出；对于IPTV和OTT机顶盒，可将视频以文件方式存储在机顶盒内部存储器或者外部存储器中，通过机顶盒内置的播放器进行播放输出。
5.如权利要求1所述的基于固定视频的马赛克检测实现方法，其特征在于，步骤d中，所述与标准特征库中的特征值进行比对，具体包括：
在比较抓取的第一帧图像的特征时，在整个标准特征库中的所有帧中进行特征比对，若所有帧中均无与该帧完全匹配的特征，则判定当前帧有马赛克，若在标准特征库中找到与该帧的特征完全匹配的帧，则记录该帧图像的序号；
对于此后抓取的图像，则按照视频的帧率和采集图像的时间间隔计算出可能对应的帧序号，然后提取该图像的特征后，在标准特征库中将该图像的特征与所述可能对应的帧序号的前后3个帧范围内的图像帧的特征值进行匹配。
6.基于固定视频的马赛克检测实现方法，其特征在于，包括以下步骤：
a.准备一段经过预处理的视频，所述预处理为：为视频的每一帧图像添加时间戳；为每一秒视频设置一个二维码，使得每一秒视频中的每一帧图像具有相同的二维码；
b.提取该段视频中各帧图像的特征值并存储，形成标准特征库；
c.在进行马赛克检测时，利用待测设备播放该段视频，通过计算机实时抓取视频图像进行图像采集；
d.计算采集的图像的特征值，并与标准特征库中的特征值进行比对，从而判断视频是否出现马赛克。
7.如权利要求6所述的基于固定视频的马赛克检测实现方法，其特征在于，步骤b中，对视频中的各帧图像进行以下处理，以提取各帧图像的特征值：
b1.缩小尺寸：将图像缩小到8*8；
b2.简化色彩：将图像转化成灰度图像；
b3.计算DCT：计算图片的DCT变换，得到32*32的DCT系数矩阵；
b4.缩小DCT：只保留DCT系数矩阵左上角的8*8规模的DCT系数矩阵；
b5.计算平均值：计算DCT的均值；
b6.计算特征值：设置所述8*8规模的DCT系数矩阵的64位hash值作为该图像的特征值：对于8*8规模的DCT系数矩阵，将矩阵中大于等于DCT均值的值设为“1”，将小于DCT均值的值设为“0”；
在提取到各帧图像的特征值后，将各帧图像的特征值与对应帧的时间戳和二维码进行关联存储在数据库中，从而形成标准特征库。
8.如权利要求6所述的基于固定视频的马赛克检测实现方法，其特征在于，步骤c中，所述计算机通过HDMI采集卡抓取待测设备的相应接口向计算机输出的视频图像来进行图像采集。
9.如权利要求6所述的基于固定视频的马赛克检测实现方法，其特征在于，步骤c中，所述待测设备为传统机顶盒或IPTV或OTT机顶盒；所述利用待测设备播放该段视频的方法是：对于传统机顶盒，通过高频头接收码流播放器调制的DVB信号，通过解调和解复用获取视频数据后进行解码播出；对于IPTV和OTT机顶盒，可将视频以文件方式存储在机顶盒内部存储器或者外部存储器中，通过机顶盒内置的播放器进行播放输出。
10.如权利要求6所述的基于固定视频的马赛克检测实现方法，其特征在于，步骤d中，所述与标准特征库中的特征值进行比对，具体包括：
根据采集图像的二维码和时间戳在标准特征库中查找对应帧的特征值与所述采集图像的特征值进行匹配，若不能匹配的特征的个数超过一定阈值，则判定该采集图像出现马赛克。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811198961.2A CN109168082B (zh) | 2018-10-15 | 2018-10-15 | 基于固定视频的马赛克检测实现方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811198961.2A CN109168082B (zh) | 2018-10-15 | 2018-10-15 | 基于固定视频的马赛克检测实现方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109168082A true CN109168082A (zh) | 2019-01-08 |
| CN109168082B CN109168082B (zh) | 2020-12-29 |
Family
ID=64878094
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811198961.2A Active CN109168082B (zh) | 2018-10-15 | 2018-10-15 | 基于固定视频的马赛克检测实现方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109168082B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113905276A (zh) * | 2021-09-24 | 2022-01-07 | 威视芯半导体(合肥)有限公司 | 一种视频打码处理方法、系统、设备及存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003208611A (ja) * | 2002-01-15 | 2003-07-25 | Fuji Photo Film Co Ltd | 画像処理装置、画像処理方法、及びプログラム |
| CN103530895A (zh) * | 2012-07-06 | 2014-01-22 | 北京大学 | 一种检测马赛克的方法和设备 |
| CN104079929A (zh) * | 2014-06-17 | 2014-10-01 | 深圳市同洲电子股份有限公司 | 一种马赛克检测方法及装置 |
-
2018
- 2018-10-15 CN CN201811198961.2A patent/CN109168082B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003208611A (ja) * | 2002-01-15 | 2003-07-25 | Fuji Photo Film Co Ltd | 画像処理装置、画像処理方法、及びプログラム |
| CN103530895A (zh) * | 2012-07-06 | 2014-01-22 | 北京大学 | 一种检测马赛克的方法和设备 |
| CN104079929A (zh) * | 2014-06-17 | 2014-10-01 | 深圳市同洲电子股份有限公司 | 一种马赛克检测方法及装置 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113905276A (zh) * | 2021-09-24 | 2022-01-07 | 威视芯半导体(合肥)有限公司 | 一种视频打码处理方法、系统、设备及存储介质 |
| CN113905276B (zh) * | 2021-09-24 | 2023-11-14 | 威视芯半导体(杭州)有限公司 | 一种视频打码处理方法、系统、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109168082B (zh) | 2020-12-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107944427B (zh) | 动态人脸识别方法及计算机可读存储介质 | |
| CN110381366B (zh) | 赛事自动化报道方法、系统、服务器及存储介质 | |
| US20200250840A1 (en) | Shadow detection method and system for surveillance video image, and shadow removing method | |
| WO2017114211A1 (zh) | 用于对视频场景切换进行检测的方法和装置 | |
| JP5878238B2 (ja) | 映像を比較するための方法および装置 | |
| KR20090084563A (ko) | 비디오 영상의 깊이 지도 생성 방법 및 장치 | |
| CN103561271A (zh) | 静止摄像头拍摄的运动目标被移除视频空域篡改检测方法 | |
| CN110267101B (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 | |
| Omidyeganeh et al. | Video keyframe analysis using a segment-based statistical metric in a visually sensitive parametric space | |
| CN110826390A (zh) | 一种基于人脸矢量特征的视频数据处理方法 | |
| CN109660762A (zh) | 智能抓拍装置中大小图关联方法及装置 | |
| CN111723656B (zh) | 一种基于YOLO v3与自优化的烟雾检测方法及装置 | |
| CN112801037A (zh) | 一种基于连续帧间差异的人脸篡改检测方法 | |
| CN102298695B (zh) | 用于对钞捆进行检测的视觉分析处理方法 | |
| JP2011203790A (ja) | 画像照合装置 | |
| Tong et al. | Replay detection in broadcasting sports video | |
| CN109168082A (zh) | 基于固定视频的马赛克检测实现方法 | |
| CN113537088A (zh) | 基于小样本学习的数字图像传感器硬件指纹匹配方法与系统 | |
| CN116579990A (zh) | 视频马赛克检测方法、系统、设备及介质 | |
| CN111553408B (zh) | 视频识别软件自动测试的方法 | |
| CN111813996B (zh) | 基于单帧和连续多帧抽样并行的视频搜索方法 | |
| CN111402189B (zh) | 一种视频图像偏色检测装置及方法 | |
| US20110097000A1 (en) | Face-detection Processing Methods, Image Processing Devices, And Articles Of Manufacture | |
| Wan et al. | A video forensic technique for detecting frame integrity using human visual system-inspired measure | |
| CN114926761B (zh) | 一种基于时空平滑特征网络的动作识别方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20190108 Assignee: Sichuan Changhong Xinwang Technology Co.,Ltd. Assignor: SICHUAN CHANGHONG ELECTRIC Co.,Ltd. Contract record no.: X2023980043949 Denomination of invention: Implementation Method of Mosaic Detection Based on Fixed Video Granted publication date: 20201229 License type: Common License Record date: 20231030 |
|
| EE01 | Entry into force of recordation of patent licensing contract |