JP3513011B2 - 映像テロップ領域判別方法、装置、および映像テロップ領域判別プログラムを記録した記録媒体 - Google Patents
映像テロップ領域判別方法、装置、および映像テロップ領域判別プログラムを記録した記録媒体Info
- Publication number
- JP3513011B2 JP3513011B2 JP12783298A JP12783298A JP3513011B2 JP 3513011 B2 JP3513011 B2 JP 3513011B2 JP 12783298 A JP12783298 A JP 12783298A JP 12783298 A JP12783298 A JP 12783298A JP 3513011 B2 JP3513011 B2 JP 3513011B2
- Authority
- JP
- Japan
- Prior art keywords
- telop
- area
- candidate
- telop area
- region
- 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.)
- Expired - Fee Related
Links
Description
【発明の詳細な説明】
【０００１】
【産業上の利用分野】本発明は，ディスプレイ上の動画
映像からテロップ領城を自動抽出する方法および装置に
関する．
映像からテロップ領城を自動抽出する方法および装置に
関する．
【０００２】
【従来の技術】ディスプレイ上の動画映像の内容に基づ
く検索や編集等の処理を行うために，映像に含まれる字
幕や写真、記号、模様、マーク、アイコン等のテロップ
情報は有用である。データの入力コストを軽減するため
に、映像からテロツプを自動抽出する方法が提案されて
いる。
く検索や編集等の処理を行うために，映像に含まれる字
幕や写真、記号、模様、マーク、アイコン等のテロップ
情報は有用である。データの入力コストを軽減するため
に、映像からテロツプを自動抽出する方法が提案されて
いる。
【０００３】例えば、テロップ領域が高輝度、高コント
ラストであることを利用し、輝度とエッジ密度に基づい
てテロップ領域を抽出する方法（A.G. Hauptmann 他216
6"Text, Speech, and Vision for Video Segmentation:
The Informedia Project", AAAI '95, 1995 等）や、
ＭＰＥＧ等フレム間の相関を用いて符号化された映像デ
ータを対象にして、特定の符号化モードで符号化された
画素を計数することによりテロップ領域を抽出する方法
として（佐藤他、「ＭＰＥＧ２映像からのカット点とテ
ロップの高能率検出法」信学技報ＰＲＭＵ９６−９９、
１９９６）がある。
ラストであることを利用し、輝度とエッジ密度に基づい
てテロップ領域を抽出する方法（A.G. Hauptmann 他216
6"Text, Speech, and Vision for Video Segmentation:
The Informedia Project", AAAI '95, 1995 等）や、
ＭＰＥＧ等フレム間の相関を用いて符号化された映像デ
ータを対象にして、特定の符号化モードで符号化された
画素を計数することによりテロップ領域を抽出する方法
として（佐藤他、「ＭＰＥＧ２映像からのカット点とテ
ロップの高能率検出法」信学技報ＰＲＭＵ９６−９９、
１９９６）がある。
【０００４】これらの従来技術は、樹木や建物、衣服や
ネクタイの柄等、輝度やコントラストの特徴がテロップ
と似ている被写体を誤って抽出してしまうことが多いた
め、抽出の後処理として、抽出された領域の幅や高さ、
面積などの形状の特徴量を用いて、真のテロップ領域を
ふるい分けることが必要である。従来は、ふるい分けの
ための閾値を経験的に決定していた。例えば上記前者の
文献では、領域の面積が７０画素以上、領域の外接長方
形との面積比が０．４５以上、外接長方形の縦横比が
０．７５以上という値を、経験的に決めていた。
ネクタイの柄等、輝度やコントラストの特徴がテロップ
と似ている被写体を誤って抽出してしまうことが多いた
め、抽出の後処理として、抽出された領域の幅や高さ、
面積などの形状の特徴量を用いて、真のテロップ領域を
ふるい分けることが必要である。従来は、ふるい分けの
ための閾値を経験的に決定していた。例えば上記前者の
文献では、領域の面積が７０画素以上、領域の外接長方
形との面積比が０．４５以上、外接長方形の縦横比が
０．７５以上という値を、経験的に決めていた。
【０００５】
【発明が解決しようとする課題】従来の技術では、自動
抽出されたテロップ領域候補の真偽を判別するための閾
値を経験的に決定していた。しかしながら、複数の閾値
を適切に決定するのは困難であり、不適切な閾値を与え
たために誤抽出や抽出漏れが多くなるという問題があっ
た。また、従来の技術では、テロップ領域候補の複数の
特徴量の間にある相関を考慮に入れず、各々独立に判別
していたため、判別能力が劣るという問題があった。
抽出されたテロップ領域候補の真偽を判別するための閾
値を経験的に決定していた。しかしながら、複数の閾値
を適切に決定するのは困難であり、不適切な閾値を与え
たために誤抽出や抽出漏れが多くなるという問題があっ
た。また、従来の技術では、テロップ領域候補の複数の
特徴量の間にある相関を考慮に入れず、各々独立に判別
していたため、判別能力が劣るという問題があった。
【０００６】そこで、本発明は、学習用の映像を用いた
学習によりテロップ領域候補の真偽を最適に判別するこ
とができる映像テロップ領域判別方法および装置を提供
することを目的とする。
学習によりテロップ領域候補の真偽を最適に判別するこ
とができる映像テロップ領域判別方法および装置を提供
することを目的とする。
【０００７】
【課題を解決するための手段】上記目的を達成するため
に、本発明の映像テロップ領域判別方法は、学習用映像
から第１のテロップ領域候補を抽出する第１の抽出段階
と、前記第１のテロップ領域候補を表示手段に表示する
表示段階と、表示されている前記第１のテロップ領域候
補の、人間が指定した真のテロップ領域と擬似のテロッ
プ領域のそれぞれの特徴量を学習する学習段階と、抽出
対象の映像から第１の抽出段階と同じ方法で第２のテロ
ップ領域候補を抽出する第２の抽出段階と、前記学習結
果に基づいて前記第２のテロップ領域候補の真偽を判別
する判別段階を有する。
に、本発明の映像テロップ領域判別方法は、学習用映像
から第１のテロップ領域候補を抽出する第１の抽出段階
と、前記第１のテロップ領域候補を表示手段に表示する
表示段階と、表示されている前記第１のテロップ領域候
補の、人間が指定した真のテロップ領域と擬似のテロッ
プ領域のそれぞれの特徴量を学習する学習段階と、抽出
対象の映像から第１の抽出段階と同じ方法で第２のテロ
ップ領域候補を抽出する第２の抽出段階と、前記学習結
果に基づいて前記第２のテロップ領域候補の真偽を判別
する判別段階を有する。
【０００８】学習用の映像として、実際に本発明の方法
または装置を用いてテロップを抽出する対象の映像の一
部を用いてもよいし、典型的なテロップとノイズが映っ
た映像を特別に作成して用いてもよい。例えば、あるニ
ュース番組の１か月分の映像からテロップを抽出する場
合には、そのニュース番組の１週間分の映像を学習用に
用いることができる。
または装置を用いてテロップを抽出する対象の映像の一
部を用いてもよいし、典型的なテロップとノイズが映っ
た映像を特別に作成して用いてもよい。例えば、あるニ
ュース番組の１か月分の映像からテロップを抽出する場
合には、そのニュース番組の１週間分の映像を学習用に
用いることができる。
【０００９】
【００１０】本発明の他の映像領域判別方法は、学習用
映像のフレーム画像を表示手段に時間順に並べて表示す
る表示段階と、前記表示手段に表示されているフレーム
画像を見て人間が指定した時間的区間に存在するテロッ
プを第１のテロップ領域候補として抽出する第１の抽出
段階と、前記第１のテロップ領域候補を真のテロップ領
域として蓄積し、それ以外の区間に存在する前記テロッ
プ領域候補を疑似のテロップ領域として蓄積する蓄積段
階と、前記のテロップ領域と前記擬似のテロップ領域の
それぞれの特徴量を学習する学習段階と、抽出対象の映
像から第１の抽出段階と同じ方法で第２のテロップ領域
候補を抽出する第２の抽出段階と、前記学習結果に基づ
いて第２のテロップ領域候補の真偽を判別する判別段階
とを有する。
映像のフレーム画像を表示手段に時間順に並べて表示す
る表示段階と、前記表示手段に表示されているフレーム
画像を見て人間が指定した時間的区間に存在するテロッ
プを第１のテロップ領域候補として抽出する第１の抽出
段階と、前記第１のテロップ領域候補を真のテロップ領
域として蓄積し、それ以外の区間に存在する前記テロッ
プ領域候補を疑似のテロップ領域として蓄積する蓄積段
階と、前記のテロップ領域と前記擬似のテロップ領域の
それぞれの特徴量を学習する学習段階と、抽出対象の映
像から第１の抽出段階と同じ方法で第２のテロップ領域
候補を抽出する第２の抽出段階と、前記学習結果に基づ
いて第２のテロップ領域候補の真偽を判別する判別段階
とを有する。
【００１１】本発明の実施態様によれば、前記判別段階
が、前記第２のテロップ領域候補の特徴量のベクトルと
前記真のテロップ領域の特徴量のベクトルとの距離（Ｄ
t）を計算する段階と、前記第２のテロップ領域候補の
特徴量のベクトルと前記疑似のテロップ領域の特徴量の
ベクトルの距離（Ｄf）を計算する段階と、前記２つの
距離（Ｄt、Ｄf）を比較し、Ｄ t の方が小さい場合、前
記第２のテロップ領域候補を真のテロップ領域であると
判定する比較段階とを有する。
が、前記第２のテロップ領域候補の特徴量のベクトルと
前記真のテロップ領域の特徴量のベクトルとの距離（Ｄ
t）を計算する段階と、前記第２のテロップ領域候補の
特徴量のベクトルと前記疑似のテロップ領域の特徴量の
ベクトルの距離（Ｄf）を計算する段階と、前記２つの
距離（Ｄt、Ｄf）を比較し、Ｄ t の方が小さい場合、前
記第２のテロップ領域候補を真のテロップ領域であると
判定する比較段階とを有する。
【００１２】本発明の他の実施態様によれば、判別段階
は、第２のテロップ領域候補の特徴量のベクトルと前記
真のテロップ領域の特徴量のベクトルとの距離と、第２
のテロップ領域候補の特徴量のベクトルと前記疑似のテ
ロップ領域の特徴量のベクトルとの距離の差を求める判
別関数を作成する段階と、前記判別関数に前記第２のテ
ロップ領域候補の特徴量のベクトルを入力しその結果の
値が負の場合、前記第２のテロップ領域候補を真のテロ
ップ領域と判定する判定段階とを有する。
は、第２のテロップ領域候補の特徴量のベクトルと前記
真のテロップ領域の特徴量のベクトルとの距離と、第２
のテロップ領域候補の特徴量のベクトルと前記疑似のテ
ロップ領域の特徴量のベクトルとの距離の差を求める判
別関数を作成する段階と、前記判別関数に前記第２のテ
ロップ領域候補の特徴量のベクトルを入力しその結果の
値が負の場合、前記第２のテロップ領域候補を真のテロ
ップ領域と判定する判定段階とを有する。
【００１３】本発明の他の実施態様によれば、特徴量と
して、領域の高さと幅の比、領域の面積、領域の高さと
幅の積と面積の比のいずれかを用いる。
して、領域の高さと幅の比、領域の面積、領域の高さと
幅の積と面積の比のいずれかを用いる。
【００１４】
【発明の実施の形態】次に、本発明の実施の形態につい
て図面を参照して説明する。図１は発明の映像テロップ
領域判別装置の実施形態の基本的構成の概念図で、学習
部１０１と、テロップ領域候補抽出部１０２と、判別部
１０３から構成される。
て図面を参照して説明する。図１は発明の映像テロップ
領域判別装置の実施形態の基本的構成の概念図で、学習
部１０１と、テロップ領域候補抽出部１０２と、判別部
１０３から構成される。
【００１５】図２は、図１に示す映像テロップ領域抽出
装置の基本的構成の動作のフローチャートである。
装置の基本的構成の動作のフローチャートである。
【００１６】図２を参照すると、まず、学習部１０１に
学習用映像を入力し（ステップ２０１）、テロップ領域
の真偽を判別するためのパラメータを学習する。
学習用映像を入力し（ステップ２０１）、テロップ領域
の真偽を判別するためのパラメータを学習する。
【００１７】次に、テロップ領域候補抽出部１０２に、
テロップ領域抽出の対象となる映像を入力し、映像から
テロップ領域候補を抽出する（ステップ２０２）。
テロップ領域抽出の対象となる映像を入力し、映像から
テロップ領域候補を抽出する（ステップ２０２）。
【００１８】次に、判別部１０３において、前記パラメ
ータを用いて、前記テロップ領域候補の真偽を判別し、
真のテロップ領域を出力する（ステップ２０３）。
ータを用いて、前記テロップ領域候補の真偽を判別し、
真のテロップ領域を出力する（ステップ２０３）。
【００１９】テロップ領域の自動的な抽出方法には、例
えば。テロップの画像領域が背景部分に比べて高輝度で
ありエッジ抽出し易いという性質を用いた方法（例え
ば、茂木他、「ニュース映像中の文字認識に基づく記事
の索引付け」、電子情報通信学会技術研究報告ＩＥ９５
＿１５３、１９９６等や、ＭＰＥＧなどのフレーム間の
相関を用いて符号化された映像データのうち、フレーム
間の相関を用い、かつ動き補償を用いないで符号化され
た画素が時間的空間的に集中している部分を抽出する方
法（佐藤他、「ＭＰＥＧ２映像からのカット点とテロッ
プの高能率検出法」、電子情報通信学会技術研究報告Ｐ
ＲＭＵ９６−９９、ｐｐ．４７ー５４、１９９６）等に
示される既存のテロップ検出方法を用いることができ
る。
えば。テロップの画像領域が背景部分に比べて高輝度で
ありエッジ抽出し易いという性質を用いた方法（例え
ば、茂木他、「ニュース映像中の文字認識に基づく記事
の索引付け」、電子情報通信学会技術研究報告ＩＥ９５
＿１５３、１９９６等や、ＭＰＥＧなどのフレーム間の
相関を用いて符号化された映像データのうち、フレーム
間の相関を用い、かつ動き補償を用いないで符号化され
た画素が時間的空間的に集中している部分を抽出する方
法（佐藤他、「ＭＰＥＧ２映像からのカット点とテロッ
プの高能率検出法」、電子情報通信学会技術研究報告Ｐ
ＲＭＵ９６−９９、ｐｐ．４７ー５４、１９９６）等に
示される既存のテロップ検出方法を用いることができ
る。
【００２０】次に、本発明の映像テロップ領域判別装置
の学習手段の第１の実施の形態を説明する。図３は本発
明の映像テロップ領域判別装置の学習部の第１の実施の
形態のブロック図であり、テロップ領域候補抽出部３０
１と、領域指定部３０２と、蓄積部３Ｏ３と、蓄積部３
０４と、パラメータ計算部３Ｏ５と、パラメータ計算部
３０６から構成される。
の学習手段の第１の実施の形態を説明する。図３は本発
明の映像テロップ領域判別装置の学習部の第１の実施の
形態のブロック図であり、テロップ領域候補抽出部３０
１と、領域指定部３０２と、蓄積部３Ｏ３と、蓄積部３
０４と、パラメータ計算部３Ｏ５と、パラメータ計算部
３０６から構成される。
【００２１】このテロップ領域候補抽出部３０１は、前
記テロップ領域候補抽出部１０２と同じ機能のものを用
いるか、同一の装置を時分割で用いることもできる。
記テロップ領域候補抽出部１０２と同じ機能のものを用
いるか、同一の装置を時分割で用いることもできる。
【００２２】図４は図３に示す第１の実施の形態の動作
のフローチャートである。まず、学習用映像をテロップ
領域候補抽出部３０１に入力し、テロップ領域候補を抽
出する（ステップ４０１）。
のフローチャートである。まず、学習用映像をテロップ
領域候補抽出部３０１に入力し、テロップ領域候補を抽
出する（ステップ４０１）。
【００２３】次に、領域指定部３０２において、前記抽
出されたテロップ領域候補の真偽を指定する（ステップ
４０２）。例えば、図５に示すように、ブラウン管や液
晶デイスプレイなどの表示手段に抽出されたテロップ領
域候補を表示し、マウスやタッチパネルなどのポインテ
ィングデバイスによつて、真のテロップ領域（図５では
「ＡＢＣ」の領域）を指定する。この場合、何も指定さ
れなかったテロップ領域候補を疑似のテロップ領域とす
ればよい。
出されたテロップ領域候補の真偽を指定する（ステップ
４０２）。例えば、図５に示すように、ブラウン管や液
晶デイスプレイなどの表示手段に抽出されたテロップ領
域候補を表示し、マウスやタッチパネルなどのポインテ
ィングデバイスによつて、真のテロップ領域（図５では
「ＡＢＣ」の領域）を指定する。この場合、何も指定さ
れなかったテロップ領域候補を疑似のテロップ領域とす
ればよい。
【００２４】次に、真と指定されたテロップ領域とその
特徴量を蓄積部３０３に蓄積し、偽と指定されたテロッ
プ領域とその特徴量を蓄積部３０４に蓄積する（ステッ
プ４０３）。最後に、パラメータ計算部３０５におい
て、蓄積部３０３に蓄積された真のテロップ領域の特徴
量を用いて、判別パラメータを計算する。同様に、パラ
メータ計算部３０６では、疑似のテロップ領域の特徴量
を用いて判別パラメータＦを計算する（ステップ４０
４）。
特徴量を蓄積部３０３に蓄積し、偽と指定されたテロッ
プ領域とその特徴量を蓄積部３０４に蓄積する（ステッ
プ４０３）。最後に、パラメータ計算部３０５におい
て、蓄積部３０３に蓄積された真のテロップ領域の特徴
量を用いて、判別パラメータを計算する。同様に、パラ
メータ計算部３０６では、疑似のテロップ領域の特徴量
を用いて判別パラメータＦを計算する（ステップ４０
４）。
【００２５】この第１の実施の形態は、個々のテロップ
領域候補の真偽を指定するので、精度の高い学習を実現
することができる。
領域候補の真偽を指定するので、精度の高い学習を実現
することができる。
【００２６】次に、本発明の映像テロップ領域判別装置
の学習部の第２の実施の形態を説明する。図６は本発明
の映像テロップ領域判別装置の学習部の第２の実施の形
態のブロック図である。この学習部の第２の実施の形態
は区間指定部６０１と、テロップ領域候補抽出部６０２
と、蓄積部６０３と、蓄積部６０４と、パラメータ計算
部Ｔ６０５と、パラメータ計算部Ｆ６０６から構成され
る。
の学習部の第２の実施の形態を説明する。図６は本発明
の映像テロップ領域判別装置の学習部の第２の実施の形
態のブロック図である。この学習部の第２の実施の形態
は区間指定部６０１と、テロップ領域候補抽出部６０２
と、蓄積部６０３と、蓄積部６０４と、パラメータ計算
部Ｔ６０５と、パラメータ計算部Ｆ６０６から構成され
る。
【００２７】このテロップ領域候補抽出部６０２は、前
記テロップ領域候補抽出部１０２と同じ機能のものを用
いるか、同一の装置を時分割で用いることもできる。
記テロップ領域候補抽出部１０２と同じ機能のものを用
いるか、同一の装置を時分割で用いることもできる。
【００２８】続いて、本実施の形態の動作について説明
する。図７は、図６に示す学習部の第２の実施の形態の
フローチャートである。まず、学習用映像を区間指定部
６０１に入力し、テロップの存在する時間的な区間を指
定する（ステップ７０１）。
する。図７は、図６に示す学習部の第２の実施の形態の
フローチャートである。まず、学習用映像を区間指定部
６０１に入力し、テロップの存在する時間的な区間を指
定する（ステップ７０１）。
【００２９】例えば、図８に示すように、ブラウン管や
液晶ディスプレイ等の表示手段に学習用映像のフレーム
画像８０２を時間順に並ベて表示し、その横のボタン８
０３を、マウスやタッチパネルなどのポインティングデ
バイスによって押すことによって、テロップが存在する
時間的区間を指定する。スクロールバー８０１は表示手
段に表示しきれない場合に、表示をスクロールするのに
使用される。
液晶ディスプレイ等の表示手段に学習用映像のフレーム
画像８０２を時間順に並ベて表示し、その横のボタン８
０３を、マウスやタッチパネルなどのポインティングデ
バイスによって押すことによって、テロップが存在する
時間的区間を指定する。スクロールバー８０１は表示手
段に表示しきれない場合に、表示をスクロールするのに
使用される。
【００３０】次に、同じ学習用映像のフレーム画像を、
テロップ領域候補抽出部６０２に入力し、テロップ領域
候補を抽出する（ステップ７０２）。
テロップ領域候補抽出部６０２に入力し、テロップ領域
候補を抽出する（ステップ７０２）。
【００３１】次に、区間指定部６０１においてテロップ
が存在すると指定された区間で、抽出されたテロップ領
域候補を、真のテロップ領域とし、蓄積部６０３に蓄積
する。それ以外のテロップ領域候補は、疑似のテロップ
領城と看做し、蓄積部６０４に蓄積する（ステップ７０
３）。
が存在すると指定された区間で、抽出されたテロップ領
域候補を、真のテロップ領域とし、蓄積部６０３に蓄積
する。それ以外のテロップ領域候補は、疑似のテロップ
領城と看做し、蓄積部６０４に蓄積する（ステップ７０
３）。
【００３２】最後に、パラメータ計算部６０５におい
て、蓄積部６０３に蓄積された真のテロップ領域の特徴
量を用いて、判別パラメータＴを計算する。同様に、パ
ラメータ計算部６０６では、判別パラメータＦを計算す
る（ステップ７０４）。
て、蓄積部６０３に蓄積された真のテロップ領域の特徴
量を用いて、判別パラメータＴを計算する。同様に、パ
ラメータ計算部６０６では、判別パラメータＦを計算す
る（ステップ７０４）。
【００３３】この学習部の第２の実施の形態は、第１の
学習部の実施の形態と比ベて、個々のテロツプ領域候補
の真偽を指定しないので、学習の精度が落ちるが、真偽
を指定するための入力コストが少なくて済むという利点
がある。
学習部の実施の形態と比ベて、個々のテロツプ領域候補
の真偽を指定しないので、学習の精度が落ちるが、真偽
を指定するための入力コストが少なくて済むという利点
がある。
【００３４】次に、本発明の映像テロップ領域判別装置
の判別部の第１の実施の形態について説明する。図９は
本発明の映像テロップ領域判別装置の判別部の第１の実
施の形態のブロック図である。この実施の形態は、距離
計算部９０１と、距離計算部９０２と、比較部９０３か
ら構成される。
の判別部の第１の実施の形態について説明する。図９は
本発明の映像テロップ領域判別装置の判別部の第１の実
施の形態のブロック図である。この実施の形態は、距離
計算部９０１と、距離計算部９０２と、比較部９０３か
ら構成される。
【００３５】本装置が対象とする映像からテロップ領域
候補抽出部１０２によって抽出されたテロップ領域候補
を、距離計算部９０１と、距離計算部９０２にそれぞれ
入力する。
候補抽出部１０２によって抽出されたテロップ領域候補
を、距離計算部９０１と、距離計算部９０２にそれぞれ
入力する。
【００３６】また、距離計算部９０１には、学習部１０
１から出力された真の判別パラメータＴも入力する。距
離計算部９０１は、判別パラメータＴと、テロップ領域
候補の特徴量のベクトルとを比較して、テロップ領域候
補と真のテロップ領域群の特徴量ベクトルとの距離Ｄt
を求める。
１から出力された真の判別パラメータＴも入力する。距
離計算部９０１は、判別パラメータＴと、テロップ領域
候補の特徴量のベクトルとを比較して、テロップ領域候
補と真のテロップ領域群の特徴量ベクトルとの距離Ｄt
を求める。
【００３７】同様にして、距離計算部９０２は、疑似の
判別パラメータＦを入力し、距離Ｄfを求める。比較部
９０３では、距離Ｄt とＤfを比較し、Ｄtの方が小さい
場合に、テロップ領域候補が真のテロップ領域であると
判別する。
判別パラメータＦを入力し、距離Ｄfを求める。比較部
９０３では、距離Ｄt とＤfを比較し、Ｄtの方が小さい
場合に、テロップ領域候補が真のテロップ領域であると
判別する。
【００３８】この実施の形態は、テロップ領域候補の特
徴量の、真のテロップ領域の特徴量からの距離と、疑似
のテロップ領域の特徴量からの距離とを比較するので、
経験的な閾値に依らず、最適な判別を行うことができ
る。
徴量の、真のテロップ領域の特徴量からの距離と、疑似
のテロップ領域の特徴量からの距離とを比較するので、
経験的な閾値に依らず、最適な判別を行うことができ
る。
【００３９】図１２は学習部の第１の実施の形態と判別
部の第１の実施の形態を適用した映像テロップ領域頑別
装置のブロック図である。また、図１４は学習部の第２
の実施の形態と判別部の第１の実施の形態とを適用した
映像テロップ領域判別装置のブロック図である。
部の第１の実施の形態を適用した映像テロップ領域頑別
装置のブロック図である。また、図１４は学習部の第２
の実施の形態と判別部の第１の実施の形態とを適用した
映像テロップ領域判別装置のブロック図である。
【００４０】次に、本発明の映像テロップ領域判別装置
の判別部の第２の実施の形態について説明する。図１０
は本発明の映像テロップ領域判別装置の判別部の第２の
実施の形態のブロック図である。この判別部の実施の形
態は判別関数作成部１００１と、判定部１００２から構
成される。
の判別部の第２の実施の形態について説明する。図１０
は本発明の映像テロップ領域判別装置の判別部の第２の
実施の形態のブロック図である。この判別部の実施の形
態は判別関数作成部１００１と、判定部１００２から構
成される。
【００４１】学習部１０１から出力された判別パラメー
タを、判別関数作成部１００１に入力し、真のテロップ
領域の特徴量の位置からの距離から、疑似のテロップ領
域の特徴量からの距離を引いた差を求める判別関数を作
成する。
タを、判別関数作成部１００１に入力し、真のテロップ
領域の特徴量の位置からの距離から、疑似のテロップ領
域の特徴量からの距離を引いた差を求める判別関数を作
成する。
【００４２】判定部１００２は、今求めた判別関数と、
本装置が対象とする映像からテロップ領域候補抽出部１
０２によって抽出されたテロップ領域候補とが入力さ
れ、判別関数の出力が負である場合に、テロップ領域候
補が真のテロップ領域であると判定する。
本装置が対象とする映像からテロップ領域候補抽出部１
０２によって抽出されたテロップ領域候補とが入力さ
れ、判別関数の出力が負である場合に、テロップ領域候
補が真のテロップ領域であると判定する。
【００４３】この判別部第２の実施の形態を判別部の第
１の実施の形態と比ベると、判別関数の計算コストが、
距離計算部９０１と距離計算部９０２の計算コストを合
わせたものより小さいので、一つのテロップ領域候補に
対する計算コストが小さくなるという利点がある。
１の実施の形態と比ベると、判別関数の計算コストが、
距離計算部９０１と距離計算部９０２の計算コストを合
わせたものより小さいので、一つのテロップ領域候補に
対する計算コストが小さくなるという利点がある。
【００４４】図１３は学習部の第１の実施の形態と判別
部の第２の実施の形態が適用された映像テロップ領域判
別装置装置のブロック図である。
部の第２の実施の形態が適用された映像テロップ領域判
別装置装置のブロック図である。
【００４５】また、学習部の第２の実施の形態と判別部
の第２の実施の形態が適用された映像テロップ領域判別
装置装置のブロック図である。
の第２の実施の形態が適用された映像テロップ領域判別
装置装置のブロック図である。
【００４６】次に、図１１を用いて、本発明で用いるこ
とができるテロップ領域の特徴量について説明する。こ
こでは、図の斜線で示されたテロップ領域に対して、幅
ｗ、高さｈとすると、ｗ＝６、ｈ＝３である。面積ａ、
外接長方形との面積比ｐ、縦横比ｑを求めると、それぞ
れ、ａ＝１４、ｐ＝０．７８、ｑ＝２となる。これら
を、特徴量ベクトルｘ＝（ａ，ｐ，ｑ）＝（１４，０．
７８，２）とまとめて表す。この特徴量は、真のテロッ
プ領域が充分な面積をもち、細長い長方形をしていると
いう予想に基づいて選んだものである。
とができるテロップ領域の特徴量について説明する。こ
こでは、図の斜線で示されたテロップ領域に対して、幅
ｗ、高さｈとすると、ｗ＝６、ｈ＝３である。面積ａ、
外接長方形との面積比ｐ、縦横比ｑを求めると、それぞ
れ、ａ＝１４、ｐ＝０．７８、ｑ＝２となる。これら
を、特徴量ベクトルｘ＝（ａ，ｐ，ｑ）＝（１４，０．
７８，２）とまとめて表す。この特徴量は、真のテロッ
プ領域が充分な面積をもち、細長い長方形をしていると
いう予想に基づいて選んだものである。
【００４７】次に、学習によって求められる判別パラメ
ータと、前記の距離についてマハラノビス汎距離に基づ
いた実施例を説明する。
ータと、前記の距離についてマハラノビス汎距離に基づ
いた実施例を説明する。
【００４８】判別パラメータとして、真と偽それぞれに
つき、蓄積部に蓄積されたテロップ領域の特徴量につい
て、分散共分散行列と、平均ベクトルを作る。すなわ
ち、蓄積部に蓄積された真のテロップ領域の特徴量ｘt
＝（ａt、ｐt、ｑt）の集合について、分散共分散行列
Ｓtは、
つき、蓄積部に蓄積されたテロップ領域の特徴量につい
て、分散共分散行列と、平均ベクトルを作る。すなわ
ち、蓄積部に蓄積された真のテロップ領域の特徴量ｘt
＝（ａt、ｐt、ｑt）の集合について、分散共分散行列
Ｓtは、
【００４９】
【数１】
となる。ただし、ｖ（Ａ、Ｂ）は、集合Ａ＝｛ａi｜０
≦ｉ≦Ｎ｝，Ｂ＝｛ｂi｜０≦ｉ≦Ｎ｝の共分散を表
し、
≦ｉ≦Ｎ｝，Ｂ＝｛ｂi｜０≦ｉ≦Ｎ｝の共分散を表
し、
【００５０】
【数２】
と定義される。なお、ｖ（Ａ、Ａ）は、Ａの分散にな
る。平均ベクトル”ｘt”は、
る。平均ベクトル”ｘt”は、
【００５１】
【数３】
と定義される。
【００５２】次に、分散共分算行列Ｓtと平均ベクト
ル”ｘt”を用いて、テロップ領域候補の特徴量ベクト
ルｘと、真のテロップ領域の特徴量の集合との距離を次
のように定義する。
ル”ｘt”を用いて、テロップ領域候補の特徴量ベクト
ルｘと、真のテロップ領域の特徴量の集合との距離を次
のように定義する。
【００５３】
【数４】
ただし、ＸTはＸの転置行列を表す。Ｄtはａ、ｐ、ｑに
ついての２次式になる。
ついての２次式になる。
【００５４】同様にして、疑似のテロップ領域の特徴量
ベクトル集合についても、分散共分散行列Ｓfと、平均
ベクトル”ｘf”を求め、距離Ｄfを、
ベクトル集合についても、分散共分散行列Ｓfと、平均
ベクトル”ｘf”を求め、距離Ｄfを、
【００５５】
【数５】
と定義する。
【００５６】テロップ領域候補それぞれについてＤt、
Ｄfを求めて、Ｄt＜Ｄfとなれば、そのテロップ領域候
補は、真のテロップ領域の集合に特徴量ベクトルが近い
ことを表すので、真のテロップ領域であると判別する。
Ｄfを求めて、Ｄt＜Ｄfとなれば、そのテロップ領域候
補は、真のテロップ領域の集合に特徴量ベクトルが近い
ことを表すので、真のテロップ領域であると判別する。
【００５７】ここで、ＤtとＤfの差を求める判別関数ｚ
を ｚ（ｘ）＝Ｄt（ｘ）―Ｄf（ｘ） と定義すると、ｚもａ，ｐについての２次式になる。し
たがって、ｚを計算する方が、Ｄt、Ｄfを別々に計算し
て比較するより、計算コストが低くなる。
を ｚ（ｘ）＝Ｄt（ｘ）―Ｄf（ｘ） と定義すると、ｚもａ，ｐについての２次式になる。し
たがって、ｚを計算する方が、Ｄt、Ｄfを別々に計算し
て比較するより、計算コストが低くなる。
【００５８】なお、本発明は、ここで示した特徴量に限
定するものではなく、その他に、テロップの持続時間
や、画面上での配置、輝度や色の分布などを特徴量とし
て用いることができる。
定するものではなく、その他に、テロップの持続時間
や、画面上での配置、輝度や色の分布などを特徴量とし
て用いることができる。
【００５９】なお、以上の実施形態で示した各種の学習
段階や判別段階は、コンピュータで適宜実行することが
可能であり、その手順をコンピュータに実行させるプロ
グラムを、そのコンピュータが読み取り可能な記録媒
体、例えばフロッピーデイスクやＣＤ・ＲＯＭなどに記
録して配布することができる。
段階や判別段階は、コンピュータで適宜実行することが
可能であり、その手順をコンピュータに実行させるプロ
グラムを、そのコンピュータが読み取り可能な記録媒
体、例えばフロッピーデイスクやＣＤ・ＲＯＭなどに記
録して配布することができる。
【００６０】
【発明の効果】請求項１、７、１３の発明は、学習用映
像から真のテロップ領域の特徴量と疑似のテロツプ領域
の特徴量を学習し、その学習結果に基づいて、テロップ
領域候補の真偽を判別するので、経験的な閾値に依ら
ず、複数の特徴量の間にある相関を考慮に入れて、テロ
ップ領域候補の真偽を最適に判別することカぎできる。
像から真のテロップ領域の特徴量と疑似のテロツプ領域
の特徴量を学習し、その学習結果に基づいて、テロップ
領域候補の真偽を判別するので、経験的な閾値に依ら
ず、複数の特徴量の間にある相関を考慮に入れて、テロ
ップ領域候補の真偽を最適に判別することカぎできる。
【００６１】請求項２、８の発明は、真のテロップ領域
の存在する時間的区間を指定し、個々のテロップ領域候
補の真偽を指定しないので、精度は多少は落ちるもの
の、学習のための入力コストを小さくすることができる
効果がある。
の存在する時間的区間を指定し、個々のテロップ領域候
補の真偽を指定しないので、精度は多少は落ちるもの
の、学習のための入力コストを小さくすることができる
効果がある。
【００６２】また、請求項３、９の発明は、テロップ領
城候補の特徴量の、真のテロップ領域の特徴量の位置か
らの距離と、疑似のテロップ領域の特徴量の位置からの
距離とを比較するので、経験的な閾値に依らず、最適な
判別を行うことができる効果がある。
城候補の特徴量の、真のテロップ領域の特徴量の位置か
らの距離と、疑似のテロップ領域の特徴量の位置からの
距離とを比較するので、経験的な閾値に依らず、最適な
判別を行うことができる効果がある。
【００６３】また、請求項４、１０の発明は、真のテロ
ップ領城の特徴量の位置からの距離と、疑似のテロップ
領域の特徴量の位置からの距離との差を求める判別関数
を作成し、テロップ領域候補の特徴量をそれに入力した
ときの出カ値の正負を判定するので、一つのテロップ領
域候補に対する計算コストを小さくすることができる効
果がある。
ップ領城の特徴量の位置からの距離と、疑似のテロップ
領域の特徴量の位置からの距離との差を求める判別関数
を作成し、テロップ領域候補の特徴量をそれに入力した
ときの出カ値の正負を判定するので、一つのテロップ領
域候補に対する計算コストを小さくすることができる効
果がある。
【００６４】また、請求項５、１１の発明は、テロップ
領域の特徴量として、領域の高さと幅の比、領域の面
積、領域の高さと幅の積と面積の比を用いるので、テロ
ップ領域の面積と長方形らしさ、細長い様子を評価する
ことができる効果がある。
領域の特徴量として、領域の高さと幅の比、領域の面
積、領域の高さと幅の積と面積の比を用いるので、テロ
ップ領域の面積と長方形らしさ、細長い様子を評価する
ことができる効果がある。
【図１】本発明の映像テロップ領域判別装置の実施形態
の基本構成を説明するブロック図である。
の基本構成を説明するブロック図である。
【図２】本発明の映像テロップ領域判別方法を適用した
図１に示す基本的な説明用モデル装置の動作を説明する
フローチャートである。
図１に示す基本的な説明用モデル装置の動作を説明する
フローチャートである。
【図３】本発明のテロップ映像領域判別装置の学習部の
第１の実施の形態のブロック図である。
第１の実施の形態のブロック図である。
【図４】図３に示す学習部１０１の実施の形態を説明す
るフローチャートである。
るフローチャートである。
【図５】領域指定部の真のテロップ領域を説明する図で
ある。
ある。
【図６】本発明の映像テロップ領域判別装置の学習部の
第２の実施の形態の詳細プロック図である。
第２の実施の形態の詳細プロック図である。
【図７】図６に示す学習部の第２の実施の形態の動作を
説明するフローチャートである。
説明するフローチャートである。
【図８】図６に示す区間指定部６０１を説明する図であ
る。
る。
【図９】本発明の映像テロップ領域判別措置の判別部の
第１の実施の形態のブロック図である。
第１の実施の形態のブロック図である。
【図１０】本発明の映像テロップ領域判別装置の判別部
の第２の実施の形態のブロック図である。
の第２の実施の形態のブロック図である。
【図１１】テロップ領域の特徴量を説明する図である。
【図１２】学習部の第１の実施の形態と判別部の第１の
実施の形態が適用された映像テロップ領域判別装置装置
のブロック図である。
実施の形態が適用された映像テロップ領域判別装置装置
のブロック図である。
【図１３】学習部の第１の実施の形態と判別部の第２の
実施の形態が適用された映像テロップ領域判別装置装置
のブロック図である。
実施の形態が適用された映像テロップ領域判別装置装置
のブロック図である。
【図１４】学習部の第２の実施の形態と判別部の第１の
実施の形態が適用された映像テロップ領域判別装置装置
のブロック図である。
実施の形態が適用された映像テロップ領域判別装置装置
のブロック図である。
【図１５】学習部の第２の実施の形態と判別部の第２の
実施の形態が適用された映像テロップ領域判別装置装置
のブロック図である。
実施の形態が適用された映像テロップ領域判別装置装置
のブロック図である。
１０１ 学習部
１０２ テロップ領域候補抽出部
１０３ 判別部２０１〜２０３
ステップ
３０１ テロップ領域候補抽出部
３０２ 領域指定部
３０３ 蓄積部
３０４ 蓄積部
３０５ パラメータ計算部
３０６ パラメータ計算部４０１〜４０４
ステップ
６０１ 区間指定部
６０２ テロップ領域候補抽出部
６０３ 蓄積部
６０４ 蓄積部
６０５ パラメータ計算部
６０６ パラメータ計算部７０１〜７０４
ステップ
８０１ スクロールバー
８０２ フレーム画像
８０３ ボタン
９０１ 領域指定部
９０２ テロップ領域抽出部
９０３ 比較部
１００１ 判別関数作成部
１００２ 判定部
─────────────────────────────────────────────────────
フロントページの続き
(56)参考文献 特開 平10−40391（ＪＰ，Ａ)
特開 平２−245882（ＪＰ，Ａ)
(58)調査した分野(Int.Cl.7，ＤＢ名)
G06T 7/00 - 7/60
G06T 1/00
H04N 1/40 - 1/419
H04N 7/24 - 7/68
Claims (13)
- 【請求項１】 ディスプレイ上の動画映像からテロップ
領域を抽出し判別する方法において、学習用映像から第１のテロップ領域候補を抽出する第１
の抽出段階と、 前記第１のテロップ領域候補を表示手段に表示する表示
段階と、 表示されている前記第１のテロップ領域候補の、人間が
指定した 真のテロップ領域と擬似のテロップ領域のそれ
ぞれの特徴量を学習する学習段階と、 抽出対象の映像から第１の抽出段階と同じ方法で第２の
テロップ領域候補を抽出する第２の抽出段階と、 前記学習結果に基づいて前記第２のテロップ領域候補の
真偽を判別する判別段階とを有することを特徴とする映
像テロップ領域判別方法。 - 【請求項２】 ディスプレイ上の動画映像からテロップ
領域を抽出し判別する方法において、 学習用映像のフレーム画像を表示手段に時間順に並べて
表示する表示段階と、 前記表示手段に表示されているフレーム画像を見て人間
が指定した時間的区間に存在するテロップを第１のテロ
ップ領域候補として抽出する第１の抽出段階と、 前記第１のテロップ領域候補を真のテロップ領域として
蓄積し、それ以外の区間に存在する前記テロップ領域候
補を疑似のテロップ領域として蓄積する蓄積段階と、 前記真のテロップ領域の特徴量と前記擬似のテロップ領
域の特徴量を学習する学習段階と、 抽出対象の映像から第１の抽出段階と同じ方法で第２の
テロップ領域候補を抽出する第２の抽出段階 と、前記学習結果に基づいて第２のテロップ領域候補の真偽
を判別する判別段階とを 有することを特徴とする映像テ
ロップ領域判別方法。 - 【請求項３】 前記判別段階が、前記第２の テロップ領域候補の特徴量のベクトルと前記
真のテロップ領域の特徴量のベクトルとの距離（Ｄt）
を計算する第１の段階と、 前記第２のテロップ領域候補の特徴量のベクトルと前記
疑似のテロップ領域の特徴量のベクトルの距離（Ｄf）
を計算する第２の段階と、 前記２つの距離（Ｄt、Ｄf）を比較し、Ｄ t の方が小さ
い場合、前記第２のテロップ領域候補を真のテロップ領
域であると判別する比較段階とを有する、請求項１また
は２に記載の映像テロップ領域判別方法。 - 【請求項４】 前記判別段階が、前記第２の テロップ領域候補の特徴量のベクトルと前記
真のテロップ領域の特徴量のベクトルとの距離と、前記
第２のテロップ領域候補の特徴量のベクトルと前記疑似
のテロップ領域の特徴量のベクトルとの距離の差を求め
る判別関数を作成する段階と、 前記判別関数に前記第２のテロップ領域候補の特徴量の
ベクトルを入力し、その結果の値が負の場合、前記第２
のテロップ領域候補を真のテロップ領域と判別する判定
段階とを有する、請求項１または２記載の映像テロップ
領域判別方法。 - 【請求項５】 テロップ領域の特徴量として、領域の高
さと幅の比、領域の面積、領域の高さと幅の積と面積の
比のいずれかを用いる、請求項１から４のいずれか１項
に記載の映像テロップ領域判別方法。 - 【請求項６】 前記特徴量ベクトルの間の距離として、
マハラノビス汎距離を用いる、請求項３または４に記載
の映像テロップ領域判別方法。 - 【請求項７】 ディスプレイ上の動画映像からテロップ
領域を抽出し判別する装置において、学習用映像から第１のテロップ領域候補を抽出する第１
の抽出手段と、 前記第１のテロップ領域候補を表示する表示手段と、 人間が、前記表示手段に表示されている前記第１のテロ
ップ領域候補の真のテロップ領域と擬似のテロップ領域
を指定するための領域指定手段と、 前記第１のテロップ領域候補の、指定された から真のテ
ロップ領域と疑似のテロップ領域のそれぞれの特徴量を
学習する学習手段と、 抽出対象映像から第１の抽出手段と同じ方法で第２のテ
ロップ領域候補を抽出する第２の抽出手段と， 前記学習結果に基づいて前記第２のテロップ領域候補の
真偽を判別する判別手段を有することを特徴とする映像
テロップ領域判別装置。 - 【請求項８】 ディスプレイ上の動画映像からテロップ
領域を抽出し判別する装置において、 前記学習用映像のフレーム画像を時間順に並べて表示す
る表示手段と、 前記表示手段に表示されているフレーム画像を見て人間
が、テロップが存在する時間的区間を指定するための領
城指定手段と、 指定された時間的区間に存在するテロップを第１のテロ
ップ領域候補として抽出する第１の抽出手段と、 前記第１のテロップ領域候補を真のテロップ領域として
蓄積し、それ以外の区間に存在する前記テロップ領域候
補を疑似のテロップ領域として蓄積する蓄積手段と、 前記真のテロップ領域の特徴量と前記疑似のテロップ領
域の特徴量を学習する学習手段と、 抽出対象の映像から第１の抽出手段と同じ方法で第２の
テロップ領域候補を抽出する抽出手段と、 前記学習結果に基づいて前記第２のテロップ領域候補の
真偽を判別する判別手段を有することを特徴とする映像
テロップ領域判別装置。 - 【請求項９】 前記判別手段が、 前記第２のテロップ領域候補の特徴量のベクトルと前記
真のテロップ領域の特徴量のベクトルとの距離（Ｄt）
を計算する第１の距離計算手段と、 前記第２のテロップ領域候補の特徴量のベクトルと前記
疑似のテロップ領域の特徴量のベクトルとの距離
（Ｄt）を計算する第２の距離計算手段と、 前記の２つの距離（Ｄt、Ｄf）を比較し、Ｄ t の方が小
さい場合、前記第２のテロップ領域候補を真のテロップ
領域であると判別する比較手段を有する、請求項７また
は８に記載の映像テロップ領域判別装置。 - 【請求項１０】 前記判別手段が、前記第２の テロップ領域候補の特徴量のベクトルと前記
真のテロップ領域の特徴量のベクトルとの距離と、前記
第２のテロップ領域候補の特徴量のベクトルと前記疑似
のテロップ領域の特徴量のベクトルとの距離との差を求
める判別関数を作成する判別関数作成手段と、 前記判別関数に前記第２のテロップ領域候補の特徴量の
ベクトルを入力し、その結果の値が負の場合、前記第２
のテロップ領域候補を真のテロップ領域と判別する判定
手段を有する、請求項７または８に記載の映像テロップ
領域判別装置。 - 【請求項１１】 テロップ領域の特徴量として、領域の
高さと幅の比、領域の面積、領域の高さと幅の積と面積
の比のいずれかを用いる、請求項７から１０のいずれか
１項に記載の映像テロップ領域判別装置。 - 【請求項１２】 前記特徴量ベクトルの間の距離とし
て、マハラノビス汎距離を用いる、請求９または１０に
記載の映像テロップ領域判別装置。 - 【請求項１３】 請求項１から６のいずれか１項に記載
の映像テロップ領域判別方法をコンピュータに実行させ
るためのプログラムが記録された、コンピュータ読み取
り可能な記録媒体。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP12783298A JP3513011B2 (ja) | 1998-05-11 | 1998-05-11 | 映像テロップ領域判別方法、装置、および映像テロップ領域判別プログラムを記録した記録媒体 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP12783298A JP3513011B2 (ja) | 1998-05-11 | 1998-05-11 | 映像テロップ領域判別方法、装置、および映像テロップ領域判別プログラムを記録した記録媒体 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH11328423A JPH11328423A (ja) | 1999-11-30 |
| JP3513011B2 true JP3513011B2 (ja) | 2004-03-31 |
Family
ID=14969775
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP12783298A Expired - Fee Related JP3513011B2 (ja) | 1998-05-11 | 1998-05-11 | 映像テロップ領域判別方法、装置、および映像テロップ領域判別プログラムを記録した記録媒体 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3513011B2 (ja) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2008050718A1 (fr) * | 2006-10-26 | 2008-05-02 | Nec Corporation | Dispositif d'extraction d'informations de droit, procédé d'extraction d'informations de droit et programme |
| JP4659793B2 (ja) * | 2007-08-07 | 2011-03-30 | キヤノン株式会社 | 画像処理装置及び画像処理方法 |
-
1998
- 1998-05-11 JP JP12783298A patent/JP3513011B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JPH11328423A (ja) | 1999-11-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11861903B2 (en) | Methods and apparatus to measure brand exposure in media streams | |
| US6243419B1 (en) | Scheme for detecting captions in coded video data without decoding coded video data | |
| US6366699B1 (en) | Scheme for extractions and recognitions of telop characters from video data | |
| US6470094B1 (en) | Generalized text localization in images | |
| US7020351B1 (en) | Method and apparatus for enhancing and indexing video and audio signals | |
| US7519264B2 (en) | Broadcast program contents menu creation apparatus and method | |
| US20040090453A1 (en) | Method of and system for detecting uniform color segments | |
| US20070127775A1 (en) | Method and apparatus for color-based object tracking in video sequences | |
| US20060008152A1 (en) | Method and apparatus for enhancing and indexing video and audio signals | |
| Wernicke et al. | On the segmentation of text in videos | |
| US8311269B2 (en) | Blocker image identification apparatus and method | |
| US8331667B2 (en) | Image forming system, apparatus and method of discriminative color features extraction thereof | |
| Kim et al. | Visual rhythm and shot verification | |
| JP3655110B2 (ja) | 映像処理方法及び装置並びに映像処理手順を記録した記録媒体 | |
| JP3513011B2 (ja) | 映像テロップ領域判別方法、装置、および映像テロップ領域判別プログラムを記録した記録媒体 | |
| US20030086021A1 (en) | Image processing apparatus and method, and computer-readable memory | |
| JP3469122B2 (ja) | 編集用映像区間分類方法及び装置、並びにこの方法を記録した記録媒体 | |
| Aner-Wolf et al. | Video summaries and cross-referencing through mosaic-based representation | |
| JP2004080156A (ja) | 画像処理装置、画像処理方法、プログラム及び記録媒体並びに画像処理システム | |
| JP3379453B2 (ja) | 字幕領域検出方法及びその装置、並びに動画像検索方法及びその装置 | |
| Kim et al. | An efficient graphical shot verifier incorporating visual rhythm | |
| Lee et al. | Automatic person information extraction using overlay text in television news interview videos | |
| JP3498875B2 (ja) | 動画像処理システム | |
| CA2643532A1 (en) | Methods and apparatus to measure brand exposure in media streams and to specify regions of interest in associated video frames |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20040108 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080116 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090116 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090116 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100116 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110116 Year of fee payment: 7 |
|
| LAPS | Cancellation because of no payment of annual fees |