CN112215862B - 静态标识检测方法、装置、终端设备和可读存储介质 - Google Patents
静态标识检测方法、装置、终端设备和可读存储介质 Download PDFInfo
- Publication number
- CN112215862B CN112215862B CN202011085336.4A CN202011085336A CN112215862B CN 112215862 B CN112215862 B CN 112215862B CN 202011085336 A CN202011085336 A CN 202011085336A CN 112215862 B CN112215862 B CN 112215862B
- Authority
- CN
- China
- Prior art keywords
- edge pixel
- pixel point
- pixel points
- point set
- edge
- 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.)
- Active
Links
- 230000003068 static effect Effects 0.000 title claims abstract description 74
- 238000001514 detection method Methods 0.000 title claims abstract description 36
- 238000001914 filtration Methods 0.000 claims abstract description 43
- 238000003708 edge detection Methods 0.000 claims abstract description 26
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 24
- 238000000034 method Methods 0.000 claims abstract description 12
- 238000004891 communication Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 7
- 238000012549 training Methods 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例公开了静态标识检测方法、装置、终端设备和可读存储介质,该方法包括按照预设规则从视频中提取多张视频帧;利用边缘检测算法获取每一视频帧的第一边缘像素点集合和所述第一边缘像素点集合中各个边缘像素点对应的位置;根据全部第一边缘像素点集合中各个边缘像素点对应的位置确定位置相同的边缘像素点的重合频数,其中,位置相同的边缘像素点记为一个边缘像素点;根据各个边缘像素点对应的重合频数确定频数过滤阈值;保留重合频数大于频数过滤阈值的边缘像素点以获得第二边缘像素点集合;根据第二边缘像素点集合内的边缘像素点确定静态标识。本技术方案无需预先训练检测模型,就可以从视频中确定静态标识,可以有效节约时间成本。
Description
技术领域
本发明涉及图像识别领域,尤其涉及一种静态标识检测方法、装置、终端设备和可读存储介质。
背景技术
在信息时代,随着多媒体技术的发展,视频等多媒体技术成为了最为直接有效的信息传播载体,在人们的学习生活娱乐上成为必不可少的信息内容。随着视频优质视频的广泛传播,互联网上有些团体或者个人总是喜欢将某些广告logo,甚至是一些博彩网站,影响不良的网站地址通过技术手段,烧制到一些优秀或者热播的视频上去,进而通过这些视频传播,造成了比较坏的影响。
目前,对于如何识别视频中的静态标识,现有的比较成熟的技术是预先定义一些静态标识以及海量的训练语料,通过深度学习的方法,例如yolo v3,faster-rcnn的技术去检测视频中的静态标识。但是,现有技术具有以下缺点:静态标识必须预先定义,没见过的静态标识很难检测;深度学习计算量要求非常高;需要提前准备一定数量的高质量的训练样本。
发明内容
鉴于上述问题,本发明提出一种静态标识检测方法、装置、终端设备和可读存储介质。
本发明的一个实施例提出一种静态标识检测方法,该方法包括:
按照预设规则从视频中提取多张视频帧;
利用边缘检测算法获取每一视频帧的第一边缘像素点集合和所述第一边缘像素点集合中各个边缘像素点对应的位置;
根据全部第一边缘像素点集合中各个边缘像素点对应的位置确定位置相同的边缘像素点的重合频数,其中,位置相同的边缘像素点记为一个边缘像素点;
根据各个边缘像素点对应的重合频数确定频数过滤阈值;
保留重合频数大于所述频数过滤阈值的边缘像素点以获得第二边缘像素点集合;
根据所述第二边缘像素点集合内的边缘像素点确定所述静态标识。
上述的静态标识检测方法,所述频数过滤阈值根据以下公式确定:
Yf表示所述频数过滤阈值,/>表示全部重合频数的均值,std表示全部重合频数的标准差,α表示预设系数;
其中,n表示在所述全部第一边缘像素点集合中位置不相同的边缘像素点的总数,mi表示第i个位置不相同的边缘像素点对应的重合频数。
上述预设系数的取值范围为2~10。
本发明的另一个实施例所述的静态标识检测方法,所述根据所述第二边缘像素点集合内的边缘像素点确定所述静态标识,包括:
计算所述第二边缘像素点集合中各个边缘像素点和相邻边缘像素点的相邻距离;
将所述相邻距离小于预设距离阈值的边缘像素点进行连接以获得连接图形;
根据所述连接图形确定所述静态标识。
上述的静态标识检测方法,所述相邻距离根据以下公式确定:
(xj,yj)表示所述第二边缘像素点集合中第j个边缘像素点的坐标,(xj+1,yj+1)表示所述第二边缘像素点集合中与第j个边缘像素点相邻的第j+1个边缘像素点的坐标。
上述的静态标识检测方法,所述距离阈值的取值小于16个像素点。
上述的静态标识检测方法,获得连接图形之后,还包括:
根据所述连接图形确定连通区域;
计算各个连通区域对应的连通区域边界像素点数目与对应的连通区域总像素点数目的比值;
过滤所述比值小于预设的比例阈值的连通区域;
根据过滤后的连接图形确定所述静态标识。
本发明的再一个实施例提出一种静态标识检测装置,该装置包括:
视频帧提取模块,用于按照预设规则提取多张视频帧;
第一边缘像素点集合获取模块,用于利用边缘检测算法获取每一视频帧的第一边缘像素点集合和所述第一边缘像素点集合中各个边缘像素点对应的位置;
边缘像素点重合频数获取模块,用于根据预设数目个第一边缘像素点集合中各个边缘像素点对应的位置确定位置相同的边缘像素点的重合频数,其中,位置相同的边缘像素点记为一个边缘像素点;
频数过滤阈值确定模块,用于根据各个边缘像素点对应的重合频数确定频数过滤阈值;
第二边缘像素点集合获取模块,用于保留重合频数大于所述频数过滤阈值的边缘像素点以获得第二边缘像素点集合;
静态标识确定模块,用于根据所述第二边缘像素点集合内的边缘像素点确定所述静态标识。
本发明实施例涉及一种终端设备,包括存储器和处理器,所述存储器用于存储计算机程序,所述计算机程序在所述处理器上运行时执行上述的静态标识检测方法。
本发明实施例涉及一种可读存储介质,其存储有计算机程序,所述计算机程序在处理器上运行时执行上述的静态标识检测方法。
本发明按照预设规则从视频中提取的多张视频帧;利用边缘检测算法获取每一视频帧的第一边缘像素点集合和所述第一边缘像素点集合中各个边缘像素点对应的位置;根据全部第一边缘像素点集合中各个边缘像素点对应的位置确定位置相同的边缘像素点的重合频数,其中,位置相同的边缘像素点记为一个边缘像素点;根据各个边缘像素点对应的重合频数确定频数过滤阈值;保留重合频数大于所述频数过滤阈值的边缘像素点以获得第二边缘像素点集合;根据所述第二边缘像素点集合内的边缘像素点确定所述静态标识。本技术方案无需提前准备一定数量的高质量的训练样本,无需预先训练检测模型,就可以从视频中确定静态标识,可以有效节约时间成本。
附图说明
为了更清楚地说明本发明的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对本发明保护范围的限定。在各个附图中,类似的构成部分采用类似的编号。
图1示出了本发明实施例提出的一种静态标识检测方法的流程示意图;
图2示出了本发明实施例提出的一种第二边缘像素点集合内的边缘像素点确定静态标识的流程示意图;
图3示出了本发明实施例提出的一种根据所述连接图形确定静态标识的流程示意图;
图4示出了本发明实施例提出的一种视频中获取静态标识的图形示意图;
图5示出了本发明实施例提出的一种静态标识检测装置的结构示意图。
主要元件符号说明:
1-静态标识检测装置;100-视频帧提取模块;200-第一边缘像素点集合获取模块;300-边缘像素点重合频数获取模块;400-频数过滤阈值确定模块;500-第二边缘像素点集合获取模块;600-静态标识确定模块。
具体实施方式
下面将结合本发明实施例中附图,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。
通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的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。
在下文中,可在本发明的各种实施例中使用的术语“包括”、“具有”及其同源词仅意在表示特定特征、数字、步骤、操作、元件、组件或前述项的组合,并且不应被理解为首先排除一个或更多个其它特征、数字、步骤、操作、元件、组件或前述项的组合的存在或增加一个或更多个特征、数字、步骤、操作、元件、组件或前述项的组合的可能性。
此外,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
除非另有限定,否则在这里使用的所有术语(包括技术术语和科学术语)具有与本发明的各种实施例所属领域普通技术人员通常理解的含义相同的含义。所述术语(诸如在一般使用的词典中限定的术语)将被解释为具有与在相关技术领域中的语境含义相同的含义并且将不被解释为具有理想化的含义或过于正式的含义,除非在本发明的各种实施例中被清楚地限定。
本发明公开的静态标识检测方法,用于识别视频中的静态标识,如图4所示,静态标识检测方法可以检测视频中的台标logo、APP标识和网站标识等。首先,按照预设规则从视频中提取的多张视频帧;然后,利用边缘检测算法获取每一视频帧的第一边缘像素点集合和所述第一边缘像素点集合中各个边缘像素点对应的位置;根据全部第一边缘像素点集合中各个边缘像素点对应的位置确定位置相同的边缘像素点的重合频数,其中,位置相同的边缘像素点记为一个边缘像素点;根据各个边缘像素点对应的重合频数确定频数过滤阈值;保留重合频数大于所述频数过滤阈值的边缘像素点以获得第二边缘像素点集合;根据所述第二边缘像素点集合内的边缘像素点确定所述静态标识。
实施例1
本实施例,参见图1,示出了一种静态标识检测方法包括以下步骤:
S100:按照预设规则从视频中提取多张视频帧。
可以利用视频解码器将待检测的视频分解成多张视频帧;还可以根据待检测的视频的长度,按照预设的采样频率进行采样,以获取多张视频帧。例如,若检测的视频的长度为5min,预设的采样频率为3s,则可以从5分钟的视频中,采样获得100张视频帧。
S200:利用边缘检测算法获取每一视频帧的第一边缘像素点集合和所述第一边缘像素点集合中各个边缘像素点对应的位置。
对图像中标识物的边缘提取是一种滤波,不同的边缘检测算法有不同的检测效果。比较常用的边缘检测算法包括:Sobel边缘检测算法、Laplacian边缘检测算法和Canny边缘检测算法。
Sobel边缘检测算法对灰度渐变和噪声较多的图像处理效果较好,sobel边缘检测算法对边缘定位不是很准确,图像的边缘不止一个像素,边缘检测的精度相对较低。Canny边缘检测算法不容易受噪声干扰,能够检测到真正的弱边缘,Canny边缘检测算法使用两种不同的阈值分别检测强边缘和弱边缘,并且,在弱边缘和强边缘相连时,将弱边缘作为边缘部分输出。Laplacian边缘检测算法对噪声比较敏感,一般图像需要先经过平滑处理后再利用Laplacian边缘检测算法确定图像中标识物的边缘。
本实施例中,可以利用任意一种边缘检测算法获取每一视频帧的第一边缘像素点集合和所述第一边缘像素点集合中各个边缘像素点对应的位置。
示范性的,考虑到Canny边缘检测算法的边缘检测效果较为出色,利用Canny边缘检测算法获取每一视频帧的第一边缘像素点集合和第一边缘像素点集合中各个边缘像素点对应的位置。
进一步的,若从视频中提取100张视频帧,则可以依次获取每一视频帧的第一边缘像素点集合,以及第一边缘像素点集合中各个边缘像素点对应的位置。可以理解,100张视频帧对应100个第一边缘像素点集合。
S300:根据全部第一边缘像素点集合中各个边缘像素点对应的位置确定位置相同的边缘像素点的重合频数,其中,位置相同的边缘像素点记为一个边缘像素点。
示范性的,若获取到100个第一边缘像素点集合,每一个第一边缘像素点集合中所包括的边缘像素点的数目可能是不同的。进一步的,可以根据100个第一边缘像素点集合内各个边缘像素点对应的位置确定位置相同的边缘像素点的重合频数。
例如,第一个第一边缘像素点集合包括5个边缘像素点,每一个边缘像素点对应的坐标为(100,200)、(100,201)、(101,201)、(101,202)和(102,202);第二个第一边缘像素点集合包括5个边缘像素点,每一个边缘像素点对应的坐标为(100,200)、(100,201)、(101,201)、(101,202)和(102,203);第三个第一边缘像素点集合包括4个边缘像素点,每一个边缘像素点对应的坐标为(100,200)、(100,201)和(101,201)、(101,202)。若将位置相同的边缘像素点记为一个边缘像素点,根据上述3个第一边缘像素点集合可以获取到位置相同的边缘像素点的重合频数。即边缘像素点(100,200)的重合频数为3、边缘像素点(100,201)的重合频数为3、边缘像素点(101,201)的重合频数为3、边缘像素点(101,202)的重合频数为3和边缘像素点(102,202)的重合频数为1和边缘像素点(102,203)的重合频数为1。
S400:根据各个边缘像素点对应的重合频数确定频数过滤阈值。
进一步的,频数过滤阈值根据以下公式确定:
Yf表示所述频数过滤阈值,/>表示全部重合频数的均值,std表示全部重合频数的标准差,α表示预设系数;其中,/> n表示在所述预设数目个第一边缘像素点集合中位置不相同的边缘像素点的总数,mi表示第i个位置不相同的边缘像素点对应的重合频数。
进一步的,预设系数α的取值范围为2~10。预设系数α过小,从第一边缘像素点集合中过滤的边缘像素点少,剩余的干扰边缘像素点多,可能导致过滤效果差;预设系数α过大,从第一边缘像素点集合中过滤的边缘像素点多,可能将有效的边缘像素点过滤。显然,预先设置合理的α,可以有效提高过滤效果。
S500:保留重合频数大于所述频数过滤阈值的边缘像素点以获得第二边缘像素点集合。
进一步的,过滤重合频数小于等于频数过滤阈值的边缘像素点,保留重合频数大于频数过滤阈值的边缘像素点,剩下的边缘像素点组成第二边缘像素点集合。
S600:根据所述第二边缘像素点集合内的边缘像素点确定所述静态标识。
可以利用第二边缘像素点集合内的边缘像素点确定视频中的静态标识。
本实施例按照预设规则从视频中提取的多张视频帧;利用边缘检测算法获取每一视频帧的第一边缘像素点集合和所述第一边缘像素点集合中各个边缘像素点对应的位置;根据全部第一边缘像素点集合中各个边缘像素点对应的位置确定位置相同的边缘像素点的重合频数,其中,位置相同的边缘像素点记为一个边缘像素点;根据各个边缘像素点对应的重合频数确定频数过滤阈值;保留重合频数大于所述频数过滤阈值的边缘像素点以获得第二边缘像素点集合;根据所述第二边缘像素点集合内的边缘像素点确定所述静态标识。本技术方案无需提前准备一定数量的高质量的训练样本,无需预先训练检测模型,就可以从视频帧中确定静态标识,可以有效节约时间成本。
实施例2
本实施例,参见图2,根据所述第二边缘像素点集合内的边缘像素点确定所述静态标识包括以下步骤:
S610:计算所述第二边缘像素点集合中各个边缘像素点和相邻边缘像素点的相邻距离。
进一步的,相邻距离根据以下公式确定:
(xj,yj)表示第二边缘像素点集合中第j个边缘像素点的坐标,(xj+1,yj+1)表示第二边缘像素点集合中与第j个边缘像素点相邻的第j+1个边缘像素点的坐标。其中,边缘像素点的坐标可以根据边缘像素点所在的行和列进行标记。
示范性的,第二边缘像素点集合中边缘像素点的坐标(100,200),即表示位于第100行,第200列的边缘像素点,若与之相邻的边缘像素点的坐标有两个,分别是坐标为(101,202)的边缘像素点和坐标为(130,140)边缘像素点,则(100,200)和(101,202)之间的距离为(100,200)和(130,140)之间的距离为50。
S620:将所述相邻距离小于预设距离阈值的边缘像素点进行连接以获得连接图形。
进一步的,可以将距离阈值的取值设置为小于16个像素点。将相邻距离小于预设距离阈值的边缘像素点进行连接以获得连接图形。
S630:根据所述连接图形确定所述静态标识。
将第二边缘像素点集合中各个边缘像素点对应的符合条件的相邻边缘像素点进行连接后,可以获得反映静态标识形状的连接图形。
进一步的,参见图3,获得连接图形之后,还包括以下步骤:
S621:根据所述连接图形确定连通区域。
可以理解,获得的连接图形中包括多个可以连通的封闭区域。从连接图形确定连通区域。
S622:计算各个连通区域对应的连通区域边界像素点数目与对应的连通区域内总像素点数目的比值。
S623:过滤所述比值小于预设的比例阈值的连通区域。
进一步的,根据过滤后的连接图形确定所述静态标识。
示范性的,若连接图形中包括3个可以封闭的连通区域,各个连通区域边界像素点数目分别为400、500和4000,对应的连通区域内总像素点数目分别为600、800和6000000,则对应的比值分别为2/3、5/8和2/3000。
在预设的比例阈值为1/1000时,可以过滤比值小于预设的比例阈值的连通区域。避免将比值小于预设的比例阈值的连通区域作为静态标识,可以有效过滤掉视频中人为加入的黑边或者白边等噪声,避免错误的黑边或者白边的边界和静态物体的边界的连接导致的物体区域扩充的太大,影响静态标识的检测。
实施例3
本实施例,参见图5,示出了一种静态标识检测装置1包括:视频帧提取模块100、第一边缘像素点集合获取模块200、边缘像素点重合频数获取模块300、频数过滤阈值确定模块400、第二边缘像素点集合获取模块500和静态标识确定模块600。
视频帧提取模块100,用于按照预设规则提取多张视频帧;第一边缘像素点集合获取模块200,用于利用边缘检测算法获取每一视频帧的第一边缘像素点集合和所述第一边缘像素点集合中各个边缘像素点对应的位置;边缘像素点重合频数获取模块300,用于根据预设数目个第一边缘像素点集合中各个边缘像素点对应的位置确定位置相同的边缘像素点的重合频数,其中,位置相同的边缘像素点记为一个边缘像素点;频数过滤阈值确定模块400,用于根据各个边缘像素点对应的重合频数确定频数过滤阈值;第二边缘像素点集合获取模块500,用于保留重合频数大于所述频数过滤阈值的边缘像素点以获得第二边缘像素点集合;静态标识确定模块600,用于根据所述第二边缘像素点集合内的边缘像素点确定所述静态标识。
本实施例公开的静态标识检测装置1通过视频帧提取模块100、第一边缘像素点集合获取模块200、边缘像素点重合频数获取模块300、频数过滤阈值确定模块400、第二边缘像素点集合获取模块500和静态标识确定模块600的配合使用,用于执行上述实施例所述的静态标识检测方法,上述实施例所涉及的实施方案以及有益效果在本实施例中同样适用,在此不再赘述。
可以理解,本发明实施例涉及一种终端设备,包括存储器和处理器,所述存储器用于存储计算机程序,所述计算机程序在所述处理器上运行时执行本发明是实施例所述的静态标识检测方法。
终端设备包括笔记本电脑、IPAD和PC等。
可以理解,本发明实施例涉及一种可读存储介质,其存储有计算机程序,所述计算机程序在处理器上运行时执行本发明实施例所述的静态标识检测方法。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和结构图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,结构图和/或流程图中的每个方框、以及结构图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块或单元可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或更多个模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是智能手机、个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。
Claims (9)
1.一种静态标识检测方法,其特征在于,该方法包括:
按照预设规则从视频中提取多张视频帧;
利用边缘检测算法获取每一视频帧的第一边缘像素点集合和所述第一边缘像素点集合中各个边缘像素点对应的位置;
根据全部第一边缘像素点集合中各个边缘像素点对应的位置确定位置相同的边缘像素点的重合频数,其中,位置相同的边缘像素点记为一个边缘像素点;
根据各个边缘像素点对应的重合频数确定频数过滤阈值;
保留重合频数大于所述频数过滤阈值的边缘像素点以获得第二边缘像素点集合;
根据所述第二边缘像素点集合内的边缘像素点确定所述静态标识;
其中,所述频数过滤阈值根据以下公式确定:
Yf表示所述频数过滤阈值,/>表示全部重合频数的均值,std表示全部重合频数的标准差,α表示预设系数;
其中,n表示在所述全部第一边缘像素点集合中位置不相同的边缘像素点的总数,mi表示第i个位置不相同的边缘像素点对应的重合频数。
2.根据权利要求1所述的静态标识检测方法,其特征在于,所述预设系数的取值范围为2~10。
3.根据权利要求1所述的静态标识检测方法,其特征在于,所述根据所述第二边缘像素点集合内的边缘像素点确定所述静态标识,包括:
计算所述第二边缘像素点集合中各个边缘像素点和相邻边缘像素点的相邻距离;
将所述相邻距离小于预设距离阈值的边缘像素点进行连接以获得连接图形;
根据所述连接图形确定所述静态标识。
4.根据权利要求3所述的静态标识检测方法,其特征在于,所述相邻距离根据以下公式确定:
(xj,yj)表示所述第二边缘像素点集合中第j个边缘像素点的坐标,(xj+1,yj+1)表示所述第二边缘像素点集合中与第j个边缘像素点相邻的第j+1个边缘像素点的坐标。
5.根据权利要求3所述的静态标识检测方法,其特征在于,所述距离阈值的取值小于16个像素点。
6.根据权利要求3所述的静态标识检测方法,其特征在于,获得连接图形之后,还包括:
根据所述连接图形确定连通区域;
计算各个连通区域对应的连通区域边界像素点数目与对应的连通区域总像素点数目的比值;
过滤所述比值小于预设的比例阈值的连通区域;
根据过滤后的连接图形确定所述静态标识。
7.一种静态标识检测装置,其特征在于,该装置包括:
视频帧提取模块,用于按照预设规则提取多张视频帧;
第一边缘像素点集合获取模块,用于利用边缘检测算法获取每一视频帧的第一边缘像素点集合和所述第一边缘像素点集合中各个边缘像素点对应的位置;
边缘像素点重合频数获取模块,用于根据预设数目个第一边缘像素点集合中各个边缘像素点对应的位置确定位置相同的边缘像素点的重合频数,其中,位置相同的边缘像素点记为一个边缘像素点;
频数过滤阈值确定模块,用于根据各个边缘像素点对应的重合频数确定频数过滤阈值;
第二边缘像素点集合获取模块,用于保留重合频数大于所述频数过滤阈值的边缘像素点以获得第二边缘像素点集合;
静态标识确定模块,用于根据所述第二边缘像素点集合内的边缘像素点确定所述静态标识;
其中,所述频数过滤阈值根据以下公式确定:
Yf表示所述频数过滤阈值,/>表示全部重合频数的均值,std表示全部重合频数的标准差,α表示预设系数;
其中,n表示在所述全部第一边缘像素点集合中位置不相同的边缘像素点的总数,mi表示第i个位置不相同的边缘像素点对应的重合频数。
8.一种终端设备,其特征在于,包括存储器和处理器,所述存储器用于存储计算机程序,所述计算机程序在所述处理器上运行时执行权利要求1至6任一项所述的静态标识检测方法。
9.一种可读存储介质,其特征在于,其存储有计算机程序,所述计算机程序在处理器上运行时执行权利要求1至6任一项所述的静态标识检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011085336.4A CN112215862B (zh) | 2020-10-12 | 2020-10-12 | 静态标识检测方法、装置、终端设备和可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011085336.4A CN112215862B (zh) | 2020-10-12 | 2020-10-12 | 静态标识检测方法、装置、终端设备和可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112215862A CN112215862A (zh) | 2021-01-12 |
CN112215862B true CN112215862B (zh) | 2024-01-26 |
Family
ID=74053552
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011085336.4A Active CN112215862B (zh) | 2020-10-12 | 2020-10-12 | 静态标识检测方法、装置、终端设备和可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112215862B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011154699A (ja) * | 2011-02-24 | 2011-08-11 | Nintendo Co Ltd | 画像認識プログラム、画像認識装置、画像認識システム、および画像認識方法 |
CN105303189A (zh) * | 2014-07-29 | 2016-02-03 | 阿里巴巴集团控股有限公司 | 一种用于检测预定区域中特定标识图像的方法及装置 |
CN105760842A (zh) * | 2016-02-26 | 2016-07-13 | 北京大学 | 一种基于边缘和纹理特征结合的台标识别方法 |
CN106464865A (zh) * | 2014-05-27 | 2017-02-22 | 英特尔公司 | 用于视频处理的基于块的静态区域检测 |
CN107680112A (zh) * | 2017-10-16 | 2018-02-09 | 北京邮电大学 | 图像配准方法 |
CN107944341A (zh) * | 2017-10-27 | 2018-04-20 | 荆门程远电子科技有限公司 | 基于交通监控图像的司机未系安全带自动检测系统 |
CN109977859A (zh) * | 2019-03-25 | 2019-07-05 | 腾讯科技(深圳)有限公司 | 一种图标识别的方法以及相关装置 |
CN111126372A (zh) * | 2019-11-29 | 2020-05-08 | 北京金山云网络技术有限公司 | 视频中logo区域的标记方法、装置及电子设备 |
CN111629215A (zh) * | 2020-07-30 | 2020-09-04 | 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 |
CN111641869A (zh) * | 2020-06-04 | 2020-09-08 | 虎博网络技术(上海)有限公司 | 视频分镜方法、装置、电子设备和计算机可读存储介质 |
-
2020
- 2020-10-12 CN CN202011085336.4A patent/CN112215862B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011154699A (ja) * | 2011-02-24 | 2011-08-11 | Nintendo Co Ltd | 画像認識プログラム、画像認識装置、画像認識システム、および画像認識方法 |
CN106464865A (zh) * | 2014-05-27 | 2017-02-22 | 英特尔公司 | 用于视频处理的基于块的静态区域检测 |
CN105303189A (zh) * | 2014-07-29 | 2016-02-03 | 阿里巴巴集团控股有限公司 | 一种用于检测预定区域中特定标识图像的方法及装置 |
CN105760842A (zh) * | 2016-02-26 | 2016-07-13 | 北京大学 | 一种基于边缘和纹理特征结合的台标识别方法 |
CN107680112A (zh) * | 2017-10-16 | 2018-02-09 | 北京邮电大学 | 图像配准方法 |
CN107944341A (zh) * | 2017-10-27 | 2018-04-20 | 荆门程远电子科技有限公司 | 基于交通监控图像的司机未系安全带自动检测系统 |
CN109977859A (zh) * | 2019-03-25 | 2019-07-05 | 腾讯科技(深圳)有限公司 | 一种图标识别的方法以及相关装置 |
CN111126372A (zh) * | 2019-11-29 | 2020-05-08 | 北京金山云网络技术有限公司 | 视频中logo区域的标记方法、装置及电子设备 |
CN111641869A (zh) * | 2020-06-04 | 2020-09-08 | 虎博网络技术(上海)有限公司 | 视频分镜方法、装置、电子设备和计算机可读存储介质 |
CN111629215A (zh) * | 2020-07-30 | 2020-09-04 | 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 |
Non-Patent Citations (1)
Title |
---|
基于台标时序稳定性的台标监测系统;刘伟杰;《广播与电视技术》;第40卷(第1期);147-148 * |
Also Published As
Publication number | Publication date |
---|---|
CN112215862A (zh) | 2021-01-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104978578B (zh) | 手机拍照文本图像质量评估方法 | |
EP3916627A1 (en) | Living body detection method based on facial recognition, and electronic device and storage medium | |
WO2021003824A1 (zh) | 基于图像识别的违章建筑识别方法、装置 | |
US8019164B2 (en) | Apparatus, method and program product for matching with a template | |
CN111931709B (zh) | 遥感影像的水体提取方法、装置、电子设备及存储介质 | |
CN112184639B (zh) | 圆孔检测方法、装置、电子设备及存储介质 | |
CN109978078B (zh) | 字体版权检测方法、介质、计算机设备及装置 | |
CN110826418B (zh) | 脸部特征提取方法及装置 | |
CN111275040B (zh) | 定位方法及装置、电子设备、计算机可读存储介质 | |
CN112749696B (zh) | 一种文本检测方法及装置 | |
US20180168446A1 (en) | Method of detecting boundary between iris and sclera | |
CN111753642B (zh) | 一种确定关键帧的方法及装置 | |
US20170178341A1 (en) | Single Parameter Segmentation of Images | |
CN109766818A (zh) | 瞳孔中心定位方法及系统、计算机设备及可读存储介质 | |
CN111178221A (zh) | 身份识别方法及装置 | |
CN110472550A (zh) | 一种文本图像拍摄完整度判断方法及系统 | |
CN110675425A (zh) | 一种视频边框识别方法、装置、设备及介质 | |
CN114119514B (zh) | 一种红外弱小目标的检测方法、装置、电子设备和存储介质 | |
CN108764248B (zh) | 图像特征点的提取方法和装置 | |
CN114494887A (zh) | 遥感图像分类方法、装置、计算机设备和可读存储介质 | |
CN112215862B (zh) | 静态标识检测方法、装置、终端设备和可读存储介质 | |
CN108629766A (zh) | 图像模糊度检测方法、装置、计算机设备及可读存储介质 | |
CN116309494B (zh) | 一种电子地图中兴趣点信息确定方法、装置、设备及介质 | |
CN115937056A (zh) | 电路板的点胶缺陷检测方法、装置、设备及存储介质 | |
CN106886796A (zh) | 图标位置识别方法、装置及终端设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |