一种视频高清字样检测方法技术

本发明专利技术涉及一种视频高清字样检测方法，包括：从每帧图像中获取“高清”字样的候选位置；提取“高清”字样候选位置的图像特征；按照设定比例输入正负样本进行“难例挖掘”得出判定器最优参数；对所提取的图像特征进行SVM判别，确定图片是否含有“高清”字样。本发明专利技术通过预先计算“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，进而通过所述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。

【技术实现步骤摘要】
一种视频高清字样检测方法
本专利技术涉及一种视频高清字样检测方法，尤其涉及一种模式识别
的高清字样检测方法。
技术介绍
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。
技术实现思路
针对“高清”字样检测技术中存在的不足，本专利技术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。本专利技术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（HistogramofOrientedGradient,HOG）特征；所述频域特征通过离散傅立叶变换（DiscreteCosineTransformation,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，本专利技术具有以下优点：本专利技术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为本专利技术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为本专利技术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专利技术实施例中的附图，对本专利技术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专利技术的一个实施例，而不是全部实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。本专利技术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：步骤S1：从每帧图像中获取“高清”字样的候选位置；步骤S2：提取“高清”字样候选位置的图像特征；步骤S3：按照设定比例输入正负样本进行“难例挖掘”得出判定器最优参数；步骤S4：对所提取的图像特征进行SVM判别，确定图片是否含有“高清”字样。本专利技术实施例中，通过对滑动窗口和记忆上一帧图像候选位置的方法计算视频图像中“高清”字样出现的候选位置，进而提取该区域图像的区域特征和频域特征作为“高清”字样判定的输入，通过“难例挖掘”交叉验证的方法获得判定器最优参数，最后通过所述参数集采用高斯核-SVM对视频中的每帧图像进行“高清”字样判定。可见，本专利技术实施例中，通过交叉验证和“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。本专利技术实施例公开了一种视频高清字样检测方法，参见图2，相对上一实施例，本实施例对技术方案作了进一步的说明和优化。具体的，本实施例中一种视频高清字样检测方法包含以下步骤：S1：计算候选位置。优选的，所述步骤中，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，当输入第一张视频图像或者上一帧图像未检测到“高清”字样时，执行步骤S11采用活动窗口法计算“高清”字样的候选位置。优选的，当检测到上一张图像存在“高清”字样候选位置时，执行步骤S12通过记忆上一帧图像的“高清”字样候选位置法并结合S11共同确定本次图片的“高清”字样候选位置。S2：提取图像特征。优选的，所述步骤中，对“高清”字样候选位置的图片区域提取图像特征。优选的，通过执行步骤S21方向梯度直方图提取空间域特征。优选的，通过执行步骤S22将步骤S1中获得的候选位置图像缩小成32*32大小，进而执行步骤S23对所得图像进行二维DCT变换，最后执行步骤S24对变换所得结果进行提取8*8频域特征。S3：计算判定器最优参数。优选的，所述步骤中，离线模式下输入已知判定结果的图片给SVM，通过交叉验证的方式进行“难例挖掘”训练学习，得出判定器最优参数。优选的，通过执行步骤S31将包含“高清”字样的区域图像和不含“高清”字样的区域图像按照1:1比例输入SVM进行“难例挖掘”判定训练。优选的，针对步骤S31执行得到的结果，执行步骤S32提取结果中被误判为正样本的负样本然后执行步骤S33。优选的，通过执行步骤S33来收集步骤S31产生的高斯核-SVM向量机参数，进而执行步骤S34。优选的，通过步骤S34判断步骤S31执行后得到的SVM判定结果，若所述结果不收敛，则将步骤S32中提取的负样本加入新的负样本池后重复步骤S31到步骤S34的执行过程持续修正步骤S31执行得到的高斯核-SVM向量机参数集，直至步骤S34得到的判定结果收敛。S4：在线判定。优选的，所述步骤中，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，当步骤S3本文档来自技高网...

【技术保护点】
一种视频高清字样检测方法，其特征在于，该方法包含以下步骤：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；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；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；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。

【技术特征摘要】
1.一种视频高清字样检测方法，其特征在于，该方法包含以下步骤：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；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；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；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。2.如权利要求1所述的一种视频高清字样检测方法，其特征在于，所述计算候选位置步骤中，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。3.如权利要求2所述的一种视频高清字样检测方法，其特征在于，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。4.如权利要求1所述的一种视频高清字样检测方法，其特征在于，所述提取图像特征步骤中，所述图像特征包括空间域特征和频域特征。5.如权利要求4所述的一种视频高清字样检测方法，其特征在于，所述空间域特征使用方向梯度直方图（HistogramofOrientedGradient,HOG）特征；所述频域特征通过离散傅立叶变换（Di...

【专利技术属性】
技术研发人员：郑茂宗，杭欣，郭伟伟，
申请(专利权)人：杭州当虹科技有限公司，
类型：发明
国别省市：浙江,33