JPH11328423A - 映像テロップ領域判別方法と装置と方法を記録した記録媒体 - Google Patents
映像テロップ領域判別方法と装置と方法を記録した記録媒体Info
- Publication number
- JPH11328423A JPH11328423A JP10127832A JP12783298A JPH11328423A JP H11328423 A JPH11328423 A JP H11328423A JP 10127832 A JP10127832 A JP 10127832A JP 12783298 A JP12783298 A JP 12783298A JP H11328423 A JPH11328423 A JP H11328423A
- Authority
- JP
- Japan
- Prior art keywords
- telop
- area
- video
- region
- telop area
- 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
Landscapes
- Studio Circuits (AREA)
- Image Analysis (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
(57)【要約】
【課題】 判定誤差の少ないテロップ領域抽出方法と装
置の提供。 【解決手段】 学習用映像の中の真のテロップ領域と、
その特徴量を蓄積する蓄積部Ｔ９０３と該蓄積部Ｔ３０
３から真のテロップの判別パラメータを出力するパラメ
ータ計算部Ｔ３０４と、疑似テロップ領域とその特徴量
を蓄積する蓄積部Ｆ３０５と該蓄積部Ｆ３０５から判別
パラメータを出力するパラメータ計算部Ｆ３０６と、、
抽出対象映像のテロップ候補領域の特徴量のベクトルと
真のテロップ領域の特徴量のベクトルとの距離Ｄtを求
める距離計算部Ｔ９０１と、同様に候補領域特徴量のベ
クトルと疑似テロップの領域の特徴量のベクトルとの距
離Ｄ fとを算出する距離計算部Ｆと、距離ＤtとＤfとを
比較してＤtの小さい場合の候補領域が真のテロップ領
域と判定する比較部９０３とを有する。
置の提供。 【解決手段】 学習用映像の中の真のテロップ領域と、
その特徴量を蓄積する蓄積部Ｔ９０３と該蓄積部Ｔ３０
３から真のテロップの判別パラメータを出力するパラメ
ータ計算部Ｔ３０４と、疑似テロップ領域とその特徴量
を蓄積する蓄積部Ｆ３０５と該蓄積部Ｆ３０５から判別
パラメータを出力するパラメータ計算部Ｆ３０６と、、
抽出対象映像のテロップ候補領域の特徴量のベクトルと
真のテロップ領域の特徴量のベクトルとの距離Ｄtを求
める距離計算部Ｔ９０１と、同様に候補領域特徴量のベ
クトルと疑似テロップの領域の特徴量のベクトルとの距
離Ｄ fとを算出する距離計算部Ｆと、距離ＤtとＤfとを
比較してＤtの小さい場合の候補領域が真のテロップ領
域と判定する比較部９０３とを有する。
Description
【０００１】
【産業上の利用分野】本発明は，ディスプレイ上の動画
映像からテロツプ領城を自動抽出する方法および装置に
関する．
映像からテロツ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
てテロツプ領域を抽出する方法（A.G. Hauptmann 他216
6“Text, Speech, and Vision for Video Segmentatio
n: 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ＰＲＭＵ９６−９
９、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
てテロツプ領域を抽出する方法（A.G. Hauptmann 他216
6“Text, Speech, and Vision for Video Segmentatio
n: 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ＰＲＭＵ９６−９
９、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ツプ
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、真のテロツプ領域を
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ツプ
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、真のテロツプ領域を
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
抽出されたテロツ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。
抽出されたテロツ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
学習によりテロツ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ツ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。
学習によりテロツ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ツ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】前記課題を解決するため
に、本発明は、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する学習段階
と、抽出対象の映像からテロップ領域候補を抽出する抽
出段階と、前記学習結果に基づいて前記テロツプ領域候
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する学習段階
と、抽出対象の映像からテロップ領域候補を抽出する抽
出段階と、前記学習結果に基づいて前記テロツプ領域候
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、典型的なテロツプとノイズが映っ
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ツプを抽出する場
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、典型的なテロツプとノイズが映っ
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ツプを抽出する場
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】また、本発明は、前記学習段階が、前記学
習用映像からテロップ領域候補を抽出する抽出段階と、
前記テロップ領域候補の真偽を指定する領域指定段階を
有するもをのも含む。
習用映像からテロップ領域候補を抽出する抽出段階と、
前記テロップ領域候補の真偽を指定する領域指定段階を
有するもをのも含む。
【００１０】また、前記学習段階には、前記学習用映像
に真のテロツプ領域の存在する時間的区間を指定する時
間的区間指定段階と、前記学習用映像からテロップ領域
候補を抽出する抽出段階と、前記時間的区間に存在する
前記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
疑似のテロツプ領域として蓄積する蓄積段階を有するも
のも含まれる。
に真のテロツプ領域の存在する時間的区間を指定する時
間的区間指定段階と、前記学習用映像からテロップ領域
候補を抽出する抽出段階と、前記時間的区間に存在する
前記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
疑似のテロツプ領域として蓄積する蓄積段階を有するも
のも含まれる。
【００１１】また、前記判別段階が、前記テロップ領域
候補の特徴量の位置と前記真のテロツプ領域の特徴量の
位置との間の距離（Ｄt）を計算する段階と、前記テロ
ップ領域候補の特徴量の位置と前記疑似のテロップ領域
の特徴量の位置との間の距離（Ｄf）を計算する段階
と、前記の２つの距離（Ｄt、Ｄf）を比較する比較段階
を有するものも本発明に含まれる。
候補の特徴量の位置と前記真のテロツプ領域の特徴量の
位置との間の距離（Ｄt）を計算する段階と、前記テロ
ップ領域候補の特徴量の位置と前記疑似のテロップ領域
の特徴量の位置との間の距離（Ｄf）を計算する段階
と、前記の２つの距離（Ｄt、Ｄf）を比較する比較段階
を有するものも本発明に含まれる。
【００１２】また、前記判別段階が、前記抽出されたテ
ロップ領域候補の特徴量の位置の真のテロップ領域の特
徴量からの距離と前記疑似のテロツプ領域の特徴量から
の距離との差を求める判別関数を作成する段階と、前記
判別関数に前記テロップ領域候補の特徴量の位置を入力
した結果の出力値の正負を判定する判定段階を有するも
のも本発明に含まれる。
ロップ領域候補の特徴量の位置の真のテロップ領域の特
徴量からの距離と前記疑似のテロツプ領域の特徴量から
の距離との差を求める判別関数を作成する段階と、前記
判別関数に前記テロップ領域候補の特徴量の位置を入力
した結果の出力値の正負を判定する判定段階を有するも
のも本発明に含まれる。
【００１３】また、前記特徴量として、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
いるのが好ましい実施態様である。
の比、領域の面積、領域の高さと幅の積と面積の比を用
いるのが好ましい実施態様である。
【００１４】
【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１０
１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。
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１０
１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（ステツプ２０１）、テロツプ領域
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（ステツプ２０１）、テロツプ領域
の真偽を判別するためのパラメータを学習する。
【００１７】次に、テロツプ領域候補抽出部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
テロツプ領域候補を抽出する（ステツプ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
テロツプ領域候補を抽出する（ステツプ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（ステツプ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（ステツプ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拝啓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拝啓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Ｔ３Ｏ３と、蓄積部
Ｆ３０４と、パラメータ計算部Ｔ３Ｏ５と、パラメータ
計算部Ｆ３０６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Ｔ３Ｏ３と、蓄積部
Ｆ３０４と、パラメータ計算部Ｔ３Ｏ５と、パラメータ
計算部Ｆ３０６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（ステツプ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（ステツプ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（ステツプ
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ツプ領
域候補を表示し、マウスやタツチパネルなどのポインテ
イ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
れなかったテロツプ領域候補を疑似のテロツプ領域とす
ればよい。
出されたテロップ領域候補の真偽を指定する（ステツプ
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ツプ領
域候補を表示し、マウスやタツチパネルなどのポインテ
イ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
れなかったテロツプ領域候補を疑似のテロツプ領域とす
ればよい。
【００２４】次に、真と指定されたテロツプ領域とその
特徴量を蓄積部Ｔ３０３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Ｆ３０４に蓄積する（ス
テツプ４０３）。最後に、パラメータ計算部Ｔ３０５に
おいて、蓄積部Ｔ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Ｆ３０６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（ステツプ４
０４）。
特徴量を蓄積部Ｔ３０３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Ｆ３０４に蓄積する（ス
テツプ４０３）。最後に、パラメータ計算部Ｔ３０５に
おいて、蓄積部Ｔ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Ｆ３０６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（ステツプ４
０４）。
【００２５】この第１の実施の形態は、個々のテロツプ
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Ｔ６０３と、蓄積部Ｆ６０４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Ｔ６０３と、蓄積部Ｆ６０４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（ステツプ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（ステツプ７０１）。
【００２９】例えば、図８に示すように、ブラウン管や
液晶デイ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、マウスやタツ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、テロツプが存在する
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。
液晶デイ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、マウスやタツ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、テロツプが存在する
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、テロツプ領域
候補を抽出する（ステツプ７０２）。
テロップ領域候補抽出部６０２に入力し、テロツプ領域
候補を抽出する（ステツプ７０２）。
【００３１】次に、区間指定部６０１においてテロツプ
が存在すると指定された区間で、抽出されたテロツプ領
域候補を、真のテロップ領域とし、蓄積部Ｔ６０３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Ｆ６０４に蓄積する（ステツプ
７０３）。
が存在すると指定された区間で、抽出されたテロツプ領
域候補を、真のテロップ領域とし、蓄積部Ｔ６０３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Ｆ６０４に蓄積する（ステツプ
７０３）。
【００３２】最後に、パラメータ計算部Ｔ６０５におい
て、蓄積部Ｔ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Ｆ６０６では、判別パラメータＦを計算する
（ステツプ７０４）。
て、蓄積部Ｔ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Ｆ６０６では、判別パラメータＦを計算する
（ステツプ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Ｔ９０１と、距離計算部Ｆ９０２と、比較部９０
３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Ｔ９０１と、距離計算部Ｆ９０２と、比較部９０
３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Ｔ９０１と、距離計算部Ｆ９０２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Ｔ９０１と、距離計算部Ｆ９０２にそれ
ぞれ入力する。
【００３６】また、距離計算部Ｔ９０１には、学習部１
０１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Ｔ９０１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、テロツプ領
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。
０１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Ｔ９０１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、テロツプ領
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Ｆ９０２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、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。
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、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
のテロツ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
のテロツ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】学習分１０１から出力され他判別パラメー
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Ｔと距離計算部Ｆ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Ｔと距離計算部Ｆ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、真のテロツ
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、真のテロツ
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ツ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Ｔに蓄積された真のテロップ領域の特徴量ｘ
t＝（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ツ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Ｔに蓄積された真のテロップ領域の特徴量ｘ
t＝（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、そのテロツプ領域候
補は、真のテロツプ領域の集合に特徴量ベクトルが近い
ことを表すので、真のテロツプ領域であると判別する。
Ｄfを求めて、Ｄt＜Ｄfとなれば、そのテロツプ領域候
補は、真のテロツプ領域の集合に特徴量ベクトルが近い
ことを表すので、真のテロツ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、テロツプの持続時間
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、テロツプの持続時間
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】また、請求項２、８の発明は、学習用映像
から抽出されたテロツプ領域候補の個々について真偽を
指定するので、精度よく学習することができる効果があ
る。また、請求項３、９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、個々のテロツプ領域候補
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。
から抽出されたテロツプ領域候補の個々について真偽を
指定するので、精度よく学習することができる効果があ
る。また、請求項３、９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、個々のテロツプ領域候補
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４、１０の発明は、テロツプ
領城候補の特徴量の、真のテロツ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。
領城候補の特徴量の、真のテロツ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５、１１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、テロツ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カぎできる
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、テロツ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カぎできる
効果がある。
【００６４】また、請求項６、ｌ２の発明は、テロツプ
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】本発明の映像テロツ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 ３０１ テロップ領域抽出部 ３０２ 領域指定部 ３０３ 蓄積部Ｔ ３０４ 蓄積部Ｆ ３０５ パラメータ計算部Ｔ ３０６ パラメータ計算部Ｆ ６０１ 区間指定部 ６０２ テロップ領域抽出部 ６０３ 蓄積部Ｔ ６０４ 蓄積部Ｆ ６０５ パラメータ計算部Ｔ ６０６ パラメータ計算部Ｆ ８０１ スクロールバー ８０２ 学習用画像のフレーム ８０３ ボタン ９０１ 領域指定部 ９０２ テロップ領域抽出部 ９０３ 蓄積部Ｔ ９０４ 蓄積部Ｆ ９０５ パラメータ計算部Ｔ ９０６ パラメータ計算部Ｆ ９０７ 距離計算部Ｔ ９０８ きょり計算部Ｆ ９０９ 比較部 １００１ 領域指定部 １００２ テロップ領域抽出部 １００３ 蓄積部Ｔ １００４ 蓄積部Ｆ １００５ パラメータ計算部Ｔ １００６ パラメータ計算部Ｆ １００７ 判別関数作成部 １００８ 判定部
Claims (15)
- 【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、 学習用映像から真のテロップ領域の特徴量と疑似のテロ
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テロップ領域候補を抽出する抽出段
階と、 前記学習結果に基づいて前記テロップ領城候補の真偽を
判別する判別段階を有することを特徴とする映像テロツ
プ領域判別方法。 - 【請求項２】 前記学習段階が、前記学習用映像からテ
ロツプ領域候補を抽出する抽出段階と、 前記テロップ領域候補の真のテロップの領域と、疑似の
テロップの領域とを区別して指定する領城指定段階とを
有する請求項１記載の映像テロツプ領域判別方法。 - 【請求項３】 前記学習段階が、前記学習用映像に真の
テロップ領域の存在する時間的区間を指定する区間指定
段階と、 前記学習用映像からテロップ領域候補を抽出する抽出段
階と、 前記区間に存在する前記テロツプ領域候補を真のテロツ
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ツプ領域候補を疑似
のテロツプ領域として蓄積する蓄積段階を有する請求項
１記載の映像テロツプ領域判別方法。 - 【請求項４】 前記判別段階が、入力されたテロップ領
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）を計算する段階と、 前記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）を比較する比較段階とを有
する請求項１乃至３のいずれか１項に記載の映像テロツ
プ領域判別方法。 - 【請求項５】 前記判別段階が、入力されたテロップ領
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、入力されたテロップ領域候
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テロップ領域候補の特徴量の位置を
入力した結果の値の正負を判定する判定段階を有する請
求項１乃至３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】 テロツ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
比を用いる請求項１乃至５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７】 ディスプレイ上の動画映像からテロツプ
領域を抽出し判別する装置において、 学習用映像から真のテロツプ領域の特徴量と疑似のテロ
ツプ領域の特徴量を学習する学習手段と、 抽出対象映像から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】前記学習手段が、前記学習用映像からテロ
ップ領域候補を抽出する抽出手段と，前記テロツプ領城
候補の真のテロップ領域と疑似のテロップ領域とを指定
する領城指定手段と、 真のテロツプ領域を蓄積する蓄積手段Ｔと、 疑似のテロツプ領域を蓄積する蓄積手段Ｆと、 前記蓄積手段Ｔに蓄えられた真のテロツプ領域の特徴量
から判別パラメータＴを計算するパラメータ計算手段Ｔ
と、 前記蓄積手段Ｆに蓄えられた疑似テロップ領域の特徴量
から判別パラメータＦを計算するパラメータ計算手段Ｆ
とを有する請求項７記載の映像テロップ領域判別装置。 - 【請求項９】 前記学習手段が，前記学習用映像に真の
テロップ領域の存在する時間的区間を指定する区間指定
手段と、 前記学習用映像からテロップ領域候補を抽出する抽出手
段と、 前記時間的区間に存在する前記テロップ領域候補を真の
テロップ領域として蓄積する蓄積手段Ｔと、 それ以外の時間的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Ｆと、 前記蓄積手段Ｔに蓄えられた真のテロップ領域の特徴量
から判別パラメータＴを計算するパラメータ計算手段Ｔ
と、 前記蓄積手段Ｆに蓄えられた疑似のテロップ領域の特徴
量から判別パラメータＦを計算するパラメータ計算手段
Ｆとを有する請求項７記載の映像テロツプ領域判別装
置。 - 【請求項１０】 前記判別手段が、前記テロツプ領域候
補の特徴量のベクトルと前記真のテロツプ領域の特徴量
のベクトルとの距離（Ｄt）を計算する距離計算手段Ｔ
と、 前記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
算する距離計算手段Ｆと、 前記の２つの距離（Ｄt、Ｄf）を比較する比較手段を有
する前記請求項７乃至９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１１】 前記判別手段が、抽出されたテロップ
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、抽出されたテロップ領域
候補の特徴量のベクトルと前記疑似のテロツプ領域の特
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テロップ領域候補の特徴量を入力し
た結果の値の正負を判定する判定手段を有する請求項７
乃至９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】 テロツ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乃至１１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１３】 請求項１乃至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の駆動プロ
グラムとして記録された映像テロップ領域判別手段の記
録媒体。 - 【請求項１４】 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１乃至６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１５】 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７乃至１１のい
ずれか１項に記載の映像テロップ領域判別装置。
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 true JPH11328423A (ja) | 1999-11-30 |
| JP3513011B2 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) |
Cited By (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 |
| JP2009042897A (ja) * | 2007-08-07 | 2009-02-26 | Canon Inc | 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
Cited By (4)
| 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 |
| JP5218766B2 (ja) * | 2006-10-26 | 2013-06-26 | 日本電気株式会社 | 権利情報抽出装置、権利情報抽出方法及びプログラム |
| JP2009042897A (ja) * | 2007-08-07 | 2009-02-26 | Canon Inc | 画像処理装置及び画像処理方法 |
| 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 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3513011B2 (ja) | 2004-03-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6470094B1 (en) | Generalized text localization in images | |
| US6473522B1 (en) | Estimating text color and segmentation of images | |
| Lienhart et al. | Localizing and segmenting text in images and videos | |
| US6243419B1 (en) | Scheme for detecting captions in coded video data without decoding coded video data | |
| US8316301B2 (en) | Apparatus, medium, and method segmenting video sequences based on topic | |
| Koprinska et al. | Temporal video segmentation: A survey | |
| US7339992B2 (en) | System and method for extracting text captions from video and generating video summaries | |
| US6366699B1 (en) | Scheme for extractions and recognitions of telop characters from video data | |
| Odobez et al. | Direct incremental model-based image motion segmentation for video analysis | |
| US7187783B2 (en) | Method and apparatus for color-based object tracking in video sequences | |
| US7623711B2 (en) | White space graphs and trees for content-adaptive scaling of document images | |
| EP1204034B1 (en) | Method for automatic extraction of sematically significant events from video | |
| Wernicke et al. | On the segmentation of text in videos | |
| US20040170392A1 (en) | Automatic detection and segmentation of music videos in an audio/video stream | |
| US20100220930A1 (en) | Video text processing apparatus | |
| US20040090453A1 (en) | Method of and system for detecting uniform color segments | |
| JP5500024B2 (ja) | 画像認識方法及び装置並びにプログラム | |
| JPWO2010079559A1 (ja) | クレジット情報区間検出方法、クレジット情報区間検出装置及びクレジット情報区間検出プログラム | |
| Kim et al. | Visual rhythm and shot verification | |
| Ling et al. | A method for fast shot boundary detection based on SVM | |
| Li et al. | Spatial–temporal joint probability images for video segmentation | |
| JPH11328423A (ja) | 映像テロップ領域判別方法と装置と方法を記録した記録媒体 | |
| JP2002042131A (ja) | 標識検出装置、標識検出方法および記録媒体 | |
| JP2000182028A (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 | |
| JP3024574B2 (ja) | 動画像検索装置 |
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 |