[发明专利]一种基于图像色量分布和矩的融媒体播出一致性检测方法

说明书

一种基于图像色量分布和矩的融媒体播出一致性检测方法，涉及融媒体和智慧广电技术领域。本发明的方法步骤如下：1）图像采集与图像放缩；2）获取色彩量特征与空间分布特征，分别为：2.1）根据原始图像和被检测图像的灰度表示，通过直方图方法获取图像的色彩量特征；2.2）基于图像的灰度表示，通过图像空间矩来描述图像灰度的空间分布特征；3）汇聚原始图像与被检测图像的色彩量和空间特征，作为图像的整体特征，来判断两帧图像的图像相似度。图像相似度S越接近于0的时候，两个图像一致性越高。本发明方法从视频图像的全局特征入手，分析图像的色彩量特征和不变矩作为图像的综合特征，具有检测准确性高、漏检率低、计算效率快的特点。

技术领域

本发明涉及融媒体和智慧广电技术领域，特别是基于图像色量分布和矩的融媒体播出一致性检测方法。

背景技术

计算机视觉即用摄影机和电脑代替人眼对目标进行识别、跟踪和测量并进一步处理成更适合人眼观察或传送给仪器检测的图像。计算机视觉发展于20世纪70年代后期，但是直到近期，计算机的性能提高到足以处理诸如图像这样的大规模数据时，云计算和大规模存储技术的繁荣与发展，计算机视觉才得到了正式的关注和发展。

在计算机视觉图像分析技术中主要的方法包括图像的特征研究、主成分分析、深度学习、相似度等问题的研究与应用。其中图像的特征研究主要包括：图像的色彩量、空间分布、纹 理、形状、图像局部区域的梯度方向直方图特征等。但是图像特征的应用在不同的环节和不同的领域不具备普适性（基于人工神经网络的特征识别除外）。虽然图像特征的提取与应用已经在诸如医学病例特征诊断、人脸识别、图纸比对、图像特征检索等等场景得到发展。但是在融媒体和广播电视播出内容一致性方面的应用较少。

在目前的融媒体和广播电视播出内容一致性检测中，应用较多的方法有：人工检测、数字水印技术和图像全像素比对技术。其中，人工检测面对传统广电，播出节目较少的环境下，可以做到检测要求和检测目的，但是人工开销巨大。而且，随着融媒体的兴起，媒体播出内容爆炸性增长，人工检测的方法已经无法适应。再有，数字水印技术在播出一致性检测领域应用较早，也相对应用较多。数字水印技术的实现，将会在节目原始播出环节，与节目播出同步实时生成秘钥串，通过数字编码将秘钥信息与节目信息一同编码，经过转播环节将会同时转发原始视频中的秘钥编码。因此，在检测环节只要能够实时正确接收到原始秘钥编码则说明播出内容是一致的，反之则认为转播中存在插播或播出事故。第三种技术，图像全像素比对是一种智能化的播出一致性检测方式，他的主要原理则是将原始视频与被检测视频实时抽取复合视频帧，将这些复合帧图像进行RGB编码，并将视频同步到相同的分辨率，这样原始视频的图像RGB编码矩阵与被检测视频的图像RGB编码矩阵的一致性可以用于判断播出一致性问题。如果两个矩阵的像素一致性越高（矩阵相同位置的数值相同的元素占矩阵全部元素的比例越高），那么播出一致性越高。

总结起来，除了人工检测方式外，基本采用的是外部编码和浅层智能化方式进行技术实现。而现在流行的深度学习机制并没有应用在融媒体和广电播出一致性检测中。

目前的深度学习主要建立在多隐层的人工神经网络，具有优异的特征学习能力，学习得到的特征对数据更具本质性，从而非常有利于分类场景。因此也有很多经典的网络和模型诞生，诸如CNN（卷积神经网络）、RNN（循环神经网络）等等，并在人脸识别、指纹、自然语言处理等领域大放异彩。但是在面对视觉一致性，尤其是融媒体和广电播出内容一致性（并非分类场景）检测领域问题并不恰当。

那么基于图像的特征研究，其中图像的色彩特征是一种图像的全局特征,她描述了图像或图像区域所对应的景物的表面性质。一般颜色特征是基于像素点的特征，所有属于图像或图像区域的像素都有各自的贡献。但是图像的颜色表示量值巨大，同时简单的颜色像素对图像或图像区域的方向、大小等变化不敏感。而图像的色彩分布直方图和图像的矩则可以很好的描述图像中色彩量的特征和色彩的空间特征。同时这些特征还具备位移、旋转和尺度不变形。使得这些特征的特点非常适合图像一致性的检测，尤其是大量的视频级图像一致性检测。