[发明专利]一种视频高清字样检测方法

说明书

技术领域

本发明涉及一种视频高清字样检测方法，尤其涉及一种模式识别技术领域的高清字样检测方法。

背景技术

相比标准清晰度电视，高清电视的图像分辨率成倍提高，很好地满足了观众对音画节目的欣赏需求。因此广电总局相继出台一系列促进高清电视发展政策。然而在高清电视的发展之初，仍存在高清节目源缺乏；频道高、标清节目变换和标识不规范等问题。因此，加强对高清节目和相关技术指标的监测，有利于促进高清电视发展，维护广大电视用户的权益。其中“高清”字样的检测是非常重要的监测目标之一。

已有的“高清”字样检测方法主要是通过模板匹配的方法进行检测。该方法易受背景信息的干扰。此外由于不同电视台的“高清”字样存在差异，这造成基于模板匹配的方法需要存储每个电视台的“高清”字样，并逐一匹配模板，导致检测速度慢。

发明内容

针对“高清”字样检测技术中存在的不足，本发明一种视频高清字样检测方法，通过预先计算“高清”字样的候选位置的方式确定待提取图像特征的区间，对该区间采用交叉验证和“难例挖掘”的方法计算出使得SVM判定结果的正确率收敛的判定器最优参数，进而通过该参数集对视频中所有图片进行SVM判定，有效提高“高清”字样判断正确性的同时，提高了对不同电台产生的“高清”字样的模糊兼容能力，大大提高了高清视频检测的速度和效率。

本发明解决其技术问题所采用的技术方案包括以下步骤：

计算候选位置步骤，采用特定方法确定输入视频图像中“高清”字样的候选位置。

优选的，所述特定方法包括：滑动窗口法和记忆上一图片候选位置法。

优选的，若为第一帧图像或者上一帧图像未检测到“高清”字样，则使用滑动窗口法确定候选位置；否则，使用两种方法共同确定候选位置。

提取图像特征步骤，对“高清”字样候选位置的图片区域提取图像特征。

优选的，所述图像特征包括空间域特征和频域特征。

优选的，所述空间域特征使用方向梯度直方图（Histogram of Oriented Gradient , HOG）特征；所述频域特征通过离散傅立叶变换（Discrete Cosine Transformation , DCT）提取。

计算判定器最优参数步骤，离线模式下输入已知判定结果的图片给SVM进行“难例挖掘”训练学习，得出判定器最优参数。

优选的，输入为已知判定结果的正负数据样本，输出为高斯核-SVM向量参数集，执行方式为交叉验证。

优选的，所述正负样本分别为含有“高清”字样的图片特征和不含“高清”字样的图片特征，且按1:1比例投放。

优选的，在每次所述“难例挖掘”训练学习结束后，将被误判为正样本的负样本加入下一次“难例挖掘”的负样本池，以提高判定正确率。

优选的，所述“难例挖掘”学习结束的条件为，应用上一次计算得到的参数集进行SVM判定，得到的判定结果正确率收敛。

在线判定步骤，采用指定的SVM判定器最优参数对视频中的所有图像进行“高清”字样检测判定。

优选的，根据所述计算判定器最优参数步骤计算得出的最优判定参数，对视频中所有图像经所述提取图像特征步骤提取的图像特征进行判定操作，若存在一个候选位置包含“高清”字样，则认为该图像存在“高清”字样。

采用上述技术方案，本发明具有以下优点：

本发明涉及一种视频高清字样检测方法，通过预先计算“高清”字样的候选位置的方式确定待提取图像特征的区间，对该区间采用交叉验证和“难例挖掘”的方法计算出使得SVM判定结果的正确率收敛的判定器最优参数，进而通过该参数集对视频中所有图片进行SVM判定，有效提高了“高清”判断的正确性的同时，提高了对不同电台产生的“高清”字样的模糊兼容能力，大大提高了高清视频检测的速度和效率。

附图说明

图1为本发明较佳实施方式的一种视频高清字样检测方法的步骤示意图。

图2为本发明较佳实施方式的一种视频高清字样检测方法的详细流程图。

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、完整的描述，显然，所描述的实施例仅仅是本发明的一个实施例，而不是全部实施例。基于本发明中的实施例，本领域的一般技术人员在没有做出创造性劳动的前提下所获得的其他实施例，都属于本发明保护的范围。

本发明实施例公开了一种视频高清字样检测方法，参见图1所示，该方法包括：