CN110298255A - 一种视频内容的识别匹配方法和系统 - Google Patents
一种视频内容的识别匹配方法和系统 Download PDFInfo
- Publication number
- CN110298255A CN110298255A CN201910466270.4A CN201910466270A CN110298255A CN 110298255 A CN110298255 A CN 110298255A CN 201910466270 A CN201910466270 A CN 201910466270A CN 110298255 A CN110298255 A CN 110298255A
- Authority
- CN
- China
- Prior art keywords
- frame
- video content
- sequence
- characteristic
- video
- 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.)
- Withdrawn
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
-
- 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
-
- 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
- G06V20/48—Matching video sequences
-
- 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
- G06V20/49—Segmenting video sequences, i.e. computational techniques such as parsing or cutting the sequence, low-level clustering or determining units such as shots or scenes
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Television Signal Processing For Recording (AREA)
Abstract
本发明公开了一种视频内容的识别匹配方法和系统，从视频内容的连续帧中选取一些帧，从每一帧中选取一些特征点；记录特征点的色度值和/或亮度值；按帧序列依次将特征点的色度值和/或亮度值存储至特征数据库；若有视频样本需要识别匹配，将特征数据库中的每一个视频内容的特征片段取出与视频样本片段做比对，并记录其差值；视频样本每移动一帧，对于每一个特征片段都会生成一个差值，通过这种方式得到一个针对每一个特征的差值序列；当差值序列减小到零或接近最小阀值时，判断视频内容识别匹配成功，当差值序列开始增加大于零或大于最大阈值时，判断匹配结束。本发明能够自动识别匹配视频内容，无需人工进行确认，提高工作效率，降低了人工成本。
Description
技术领域
本发明涉及视频识别技术领域，特别是指一种视频内容的识别匹配方法和系统。
背景技术
随着新媒体的快速发展，相对于传统媒体，以IPTV，互联网视频，手机电视，OTT等为代表的新视频媒体行业，在内容生产和制作过程中需要对视频做越来越多越来越复杂的处理。例如运营商需要将视频内容根据栏目拆条以方便用户点播，或者新媒体运营商希望剔除节目中的广告来提高用户观看的体验以吸引观众，再或者运营商希望将原来视频中的广告替换为自己需要的广告内容等等。新媒体行业在自身发展和运行过程中产生了各种各样的内容生产需求，但目前针对新媒体行业内容生产的工具还比较少或者比较落后。而另外一方面是新媒体对内容更新和上线的速度有更高的要求，行业中谁能够更快的将最新的内容发布出来谁将具有更强的竞争能力。因此摆脱依赖人工去做视频内容生产，以更智能更精准更快速的系统来代替人工操作是行业急需的技术和产品。
目前运营商在内容拆条和广告剔除处理方面还是要依靠工作人员手工操作来完成。基本流程是节目被收录成文件后进入存储系统。工作人员需要通过非线性编辑软件逐个打开录制好的节目文件，通过快进快退来查找相应的内容，并定位到开始帧和结束帧，定位后确定剔除还是分割的操作，提交完成。如此往复，一个个的完成内容的分割和替换工作，最后生成的文件经过审核后进入内容库准备播出。
现有的视频内容中包含的重复内容或广告由人工进行一一确认，会降低工作效率，提高人工成本，所以现在急需一种能够自动识别视频内容的技术。
发明内容
本发明提出一种视频内容的识别匹配方法和系统，解决了现有技术中视频内容中包含的重复内容或广告由人工进行一一确认，会降低工作效率，提高人工成本的问题。
本发明的技术方案是这样实现的：
一种视频内容的识别匹配方法，具体包括以下步骤：
S1，从视频内容的连续帧中选取一些帧，从每一帧中选取一些像素点作为特征点；
S2，记录特征点的色度值和/或亮度值；
S3，按帧序列依次将特征点的色度值和/或亮度值存储至特征数据库；
S4，判断是否有视频样本需要识别匹配，若是，则执行下一步；
S5，将特征数据库中的每一个视频内容的特征片段取出与视频样本片段做比对，并记录其差值；视频样本每移动一帧，对于每一个特征片段都会生成一个差值，通过这种方式得到一个针对每一个特征的差值序列；
S6，当差值序列减小到零或接近最小阀值时，判断视频内容识别匹配成功，当差值序列开始增加大于零或大于最大阈值时，判断匹配结束。
作为本发明的一个优选实施例，步骤S1从视频内容的连续帧中选取一些帧，具体包括从视频内容的连续帧中选取奇数帧或偶数帧或所有连接帧。
作为本发明的一个优选实施例，步骤S1从每一帧中选取一些像素点作为特征点，具体包括将帧画面等分，选择等分线交叉处的某些像素点或全部像素点作为特征点。
作为本发明的一个优选实施例，还包括以下步骤：
S7，找出视频样本序列当中与特征数据库内的特征匹配成功的片段的起止帧号，并标记出来，将帧号和相应的时间信息记录起来。
一种视频内容的识别匹配系统，包括
特征采集器，用于从视频内容的连续帧中选取一些帧，从每一帧中选取一些像素点作为特征点，记录特征点的色度值和/或亮度值；
特征数据库，用于按帧序列依次存储特征点的色度值和/或亮度值；
特征对比器，用于将特征数据库中的每一个视频内容的特征片段取出与视频样本片段做比对，并记录其差值；视频样本每移动一帧，对于每一个特征片段都会生成一个差值，通过这种方式得到一个针对每一个特征的差值序列；当差值序列减小到零或接近最小阀值时，判断视频内容识别匹配成功，当差值序列开始增加大于零或大于最大阈值时，判断匹配结束。
作为本发明的一个优选实施例，所述从视频内容的连续帧中选取一些帧，具体包括从视频内容的连续帧中选取奇数帧或偶数帧或所有连接帧。
作为本发明的一个优选实施例，所述从每一帧中选取一些像素点作为特征点，具体包括将帧画面等分，选择等分线交叉处的某些像素点或全部像素点作为特征点。
作为本发明的一个优选实施例，所述特征对比器还用于找出视频样本序列当中与特征数据库内的特征匹配成功的片段的起止帧号，并标记出来，将帧号和相应的时间信息记录起来。
本发明的有益效果在于：能够自动识别匹配视频内容，无需人工进行确认，提高工作效率，降低了人工成本。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一种视频内容的识别匹配方法一个实施例的流程图；
图2为本发明一种视频内容的识别匹配系统一个实施例的原理框图；
图3为特征采集器采集视频特征点的工作原理图；
图4为特征对比器的工作原理图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，本发明提出了一种视频内容的识别匹配方法，具体包括以下步骤：
S1，从视频内容的连续帧中选取一些帧，从每一帧中选取一些像素点作为特征点；
S2，记录特征点的色度值和/或亮度值；
S3，按帧序列依次将特征点的色度值和/或亮度值存储至特征数据库；
S4，判断是否有视频样本需要识别匹配，若是，则执行下一步；
S5，将特征数据库中的每一个视频内容的特征片段取出与视频样本片段做比对，并记录其差值；视频样本每移动一帧，对于每一个特征片段都会生成一个差值，通过这种方式得到一个针对每一个特征的差值序列；
S6，当差值序列减小到零或接近最小阀值时，判断视频内容识别匹配成功，当差值序列开始增加大于零或大于最大阈值时，判断匹配结束。
作为本发明的一个优选实施例，步骤S1从视频内容的连续帧中选取一些帧，具体包括从视频内容的连续帧中选取奇数帧或偶数帧或所有连接帧。
作为本发明的一个优选实施例，步骤S1从每一帧中选取一些像素点作为特征点，具体包括将帧画面等分，选择等分线交叉处的某些像素点或全部像素点作为特征点。
作为本发明的一个优选实施例，还包括以下步骤：
S7，找出视频样本序列当中与特征数据库内的特征匹配成功的片段的起止帧号，并标记出来，将帧号和相应的时间信息记录起来。
如图2-图4所示，本发明还提出了一种视频内容的识别匹配系统，包括
特征采集器，用于从视频内容的连续帧中选取一些帧，从每一帧中选取一些像素点作为特征点，记录特征点的色度值和/或亮度值；
特征数据库，用于按帧序列依次存储特征点的色度值和/或亮度值；
特征对比器，用于将特征数据库中的每一个视频内容的特征片段取出与视频样本片段做比对，并记录其差值；视频样本每移动一帧，对于每一个特征片段都会生成一个差值，通过这种方式得到一个针对每一个特征的差值序列；当差值序列减小到零或接近最小阀值时，判断视频内容识别匹配成功，当差值序列开始增加大于零或大于最大阈值时，判断匹配结束。
作为本发明的一个优选实施例，所述从视频内容的连续帧中选取一些帧，具体包括从视频内容的连续帧中选取奇数帧或偶数帧或所有连接帧。
作为本发明的一个优选实施例，所述从每一帧中选取一些像素点作为特征点，具体包括将帧画面等分，选择等分线交叉处的某些像素点或全部像素点作为特征点。
作为本发明的一个优选实施例，所述特征对比器还用于找出视频样本序列当中与特征数据库内的特征匹配成功的片段的起止帧号，并标记出来，将帧号和相应的时间信息记录起来。
本发明能够自动识别匹配视频内容，无需人工进行确认，提高工作效率，降低了人工成本。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (8)
1.一种视频内容的识别匹配方法，其特征在于，具体包括以下步骤：
S1，从视频内容的连续帧中选取一些帧，从每一帧中选取一些像素点作为特征点；
S2，记录特征点的色度值和/或亮度值；
S3，按帧序列依次将特征点的色度值和/或亮度值存储至特征数据库；
S4，判断是否有视频样本需要识别匹配，若是，则执行下一步；
S5，将特征数据库中的每一个视频内容的特征片段取出与视频样本片段做比对，并记录其差值；视频样本每移动一帧，对于每一个特征片段都会生成一个差值，通过这种方式得到一个针对每一个特征的差值序列；
S6，当差值序列减小到零或接近最小阀值时，判断视频内容识别匹配成功，当差值序列开始增加大于零或大于最大阈值时，判断匹配结束。
2.根据权利要求1所述的视频内容的识别匹配方法，其特征在于，步骤S1从视频内容的连续帧中选取一些帧，具体包括从视频内容的连续帧中选取奇数帧或偶数帧或所有连接帧。
3.根据权利要求2所述的视频内容的识别匹配方法，其特征在于，步骤S1从每一帧中选取一些像素点作为特征点，具体包括将帧画面等分，选择等分线交叉处的某些像素点或全部像素点作为特征点。
4.根据权利要求1所述的视频内容的识别匹配方法，其特征在于，还包括以下步骤：
S7，找出视频样本序列当中与特征数据库内的特征匹配成功的片段的起止帧号，并标记出来，将帧号和相应的时间信息记录起来。
5.一种视频内容的识别匹配系统，其特征在于，包括
特征采集器，用于从视频内容的连续帧中选取一些帧，从每一帧中选取一些像素点作为特征点，记录特征点的色度值和/或亮度值；
特征数据库，用于按帧序列依次存储特征点的色度值和/或亮度值；
特征对比器，用于将特征数据库中的每一个视频内容的特征片段取出与视频样本片段做比对，并记录其差值；视频样本每移动一帧，对于每一个特征片段都会生成一个差值，通过这种方式得到一个针对每一个特征的差值序列；当差值序列减小到零或接近最小阀值时，判断视频内容识别匹配成功，当差值序列开始增加大于零或大于最大阈值时，判断匹配结束。
6.根据权利要求5所述的视频内容的识别匹配系统，其特征在于，所述从视频内容的连续帧中选取一些帧，具体包括从视频内容的连续帧中选取奇数帧或偶数帧或所有连接帧。
7.根据权利要求6所述的视频内容的识别匹配系统，其特征在于，所述从每一帧中选取一些像素点作为特征点，具体包括将帧画面等分，选择等分线交叉处的某些像素点或全部像素点作为特征点。
8.根据权利要求5所述的视频内容的识别匹配系统，其特征在于，所述特征对比器还用于找出视频样本序列当中与特征数据库内的特征匹配成功的片段的起止帧号，并标记出来，将帧号和相应的时间信息记录起来。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910466270.4A CN110298255A (zh) | 2019-05-31 | 2019-05-31 | 一种视频内容的识别匹配方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910466270.4A CN110298255A (zh) | 2019-05-31 | 2019-05-31 | 一种视频内容的识别匹配方法和系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110298255A true CN110298255A (zh) | 2019-10-01 |
Family
ID=68027395
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910466270.4A Withdrawn CN110298255A (zh) | 2019-05-31 | 2019-05-31 | 一种视频内容的识别匹配方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110298255A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111814922A (zh) * | 2020-09-07 | 2020-10-23 | 成都索贝数码科技股份有限公司 | 一种基于深度学习的视频片段内容匹配方法 |
-
2019
- 2019-05-31 CN CN201910466270.4A patent/CN110298255A/zh not_active Withdrawn
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111814922A (zh) * | 2020-09-07 | 2020-10-23 | 成都索贝数码科技股份有限公司 | 一种基于深度学习的视频片段内容匹配方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101821734B (zh) | 时基媒体之间的匹配的检测和分类 | |
| US6366699B1 (en) | Scheme for extractions and recognitions of telop characters from video data | |
| US9264760B1 (en) | Systems and methods for electronically tagging a video component in a video package | |
| US20160210732A1 (en) | Image overlaying and comparison for inventory display auditing | |
| CN103596016B (zh) | 一种多媒体视频数据处理方法和装置 | |
| CN101162470A (zh) | 一种基于分层匹配的视频广告识别方法 | |
| CN105872717A (zh) | 视频处理方法及系统、视频播放器与云服务器 | |
| JPH11506575A (ja) | 情報の選択記憶システム及び方法 | |
| CN110290346B (zh) | 一种基于智能视频分析的招投标视频的获取方法 | |
| CN102222103A (zh) | 视频内容的匹配关系的处理方法及装置 | |
| CN112752151B (zh) | 一种动态广告植入位置的检测方法及装置 | |
| CN101480048A (zh) | 基于视频操作历史的重要度信息赋予装置及方法 | |
| CN108710860B (zh) | 一种视频新闻分割方法和装置 | |
| CN111666446A (zh) | 一种ai自动剪辑视频素材的判断方法和系统 | |
| JP2007020195A (ja) | 映像の検索方法および装置 | |
| CN110298255A (zh) | 一种视频内容的识别匹配方法和系统 | |
| JP2007318688A (ja) | 映像情報交換方法、サーバ装置、及びクライアント装置 | |
| JP6934402B2 (ja) | 編集システム | |
| CN107167149B (zh) | 一种街景视图制作方法及系统 | |
| JP4333808B2 (ja) | 映像の検索方法および装置 | |
| CN108810569A (zh) | 一种视频新闻分割方法和装置 | |
| CN107169004A (zh) | 一种特征数据库更新方法及装置 | |
| CN117037009A (zh) | 视频识别方法、装置、计算机设备和存储介质 | |
| CN114385859A (zh) | 一种面向视频内容的多模态检索方法 | |
| CN112598068A (zh) | 一种贷款用途的验证方法、装置及设备 |
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 | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20191001 |