[发明专利]一种电视台标检测识别方法

说明书

本发明涉及一种电视台标检测识别方法，属于图像检测识别技术领域。该方法包括如下步骤：(1)收集台标图片样本，并标注图片相应的台标位置，将目标检测各帧图像作尺寸归一化处理；(2)设置TB‑Net网络训练的学习率、迭代次数等参数；(3)将归一化后的图像送入TB‑Net网络进行训练，提取图像的初级特征和抽象特征，并送入位置回归和分类层，训练后得到最佳台标检测模型；(4)测试程序加载台标检测模型和网络，将待检测的图片送入网络，并输出该帧图像是否包含台标及台标所在位置。本发明可以更加精确的检测视频图片中的台标，提高台标识别的准确率。

技术领域

本发明涉及一种电视台标检测识别方法，属于图像检测识别技术领域。

背景技术

随着互联网和电视广播技术的蓬勃发展，越来越多的电台、网络视频文件在互联网中传播，利用计算机视觉系统识别视频或图像中的台标，可以为广播电视监管工作带来更多的便利，因此各种台标检测识别技术应运而生。目前存在的主流台标检测算法主要包括：基于颜色直方图，空间分布直方图，普通Hu不变距，加权Hu不变距等技术。

目前基于空间直方图或不变距的传统检测算法，都存在着一定的不足之处。首先对于相似台标识别比较困难，准确率不高，图像背景的复杂多变以及噪声的存在都会对台标识别造成比较大的影响。其次台标检测识别的效率不高，在互联网中存在的大规模多媒体数据中，现有台标检测识别算法难以满足实时检测要求。

发明内容

为了更加精确的检测视频图片中的台标，提高台标识别的准确率，我们提出了一种电视台标检测识别方法，使用烽火自主研发的TB-Ne实现检测图像或视频中的电视台标。这是一种基于Deep Learing神经网络的目标检测技术，抗噪声和复杂背景的干扰能力较强，并且效率较高，最快可达100FPS。

本发明为解决其技术问题采用如下技术方案：

一种电视台标检测识别方法，包括如下步骤：

(1)收集台标图片样本，并标注图片相应的台标位置，将目标检测各帧图像作尺寸归一化处理；

(2)设置TB-Net网络训练的学习率、迭代次数相关参数；

(3)将归一化后的图像送入TB-Net网络进行训练，提取图像的初级特征和抽象特征，并送入位置回归和分类层，训练后得到最佳台标检测模型；

(4)测试程序加载台标检测模型和网络，将待检测的图片送入网络，并输出该帧图像是否包含台标及台标所在位置。

步骤(2)中所述TB-Net采用FiberNet-3网络。

所述FiberNet-3是包括基础网络和抽象特征层，所述抽象特征层为三级尺度抽象特征层。

本发明的有益效果如下：

(1)TB-Net可以提取图像的深度特征，相对传统台标检测算法，抗复杂背景和噪声干扰能力更强。

(2)对相似台标的检测效果更好。多种相似台标同时存在时，TB-Net仍然可以良好区分，并达到较高准确率。

(3)台标检测效率大幅提高，可以达到实时检测要求。TB-Net的检测速率最快可达100FPS。

附图说明

图1为TB-Net网络结构图。

图2为不同尺度feature map的感受野示意图。

具体实施方式

下面结合附图对本发明创造做进一步详细说明。

1.TB-Net结构

TB-Net网络基本结构如图1所示，主要分为三个部分：特征提取网络、多尺度特征集、类别和位置回归。