一种基于深度学习的台标检测方法技术

本发明专利技术涉及一种基于深度学习的台标检测方法，包括：训练图片输入；对训练图片进行多种形式图像变换；对台标位置参数进行标注处理；利用训练模型进行离线训练获取台标检测模型初始化参数集；应用指定参数集初始化台标检测模型在线检测视频图片台标。本发明专利技术通过多次卷积、池化处理和全连接层整合等技术手段对视频图像进行离线训练以获取在线实时视频台标检测模型的配置参数集，最后采用使得离线训练结果收敛的参数初始化台标检测模型并实现在线台标检测，改变了传统的人工设计特征提取方法的低效、繁琐模式，并通过预先对训练图片进行多种变换处理，大大增强了台标检测的鲁棒性，提升了台标检测效率和质量。

【技术实现步骤摘要】
一种基于深度学习的台标检测方法
本专利技术涉及一种基于深度学习的台标检测方法，尤其涉及一种数字视频信号处理和图像识别领域的方法。
技术介绍
随着大量视频信息涌入人们的现实生活,视频台标检测作为对视频来源分析的一个有效手段。通过视频的台标,可以相对容易的确定视频的发布者,通过节目中的标识又能定位到具体的节目。通过这些重要语义信息,可以提供精确的视频搜索。此外,通过检测视频节目中的台标可以去除广告片段(国外很多电视节目广告片段中不含有台标),提高观赏性。同时,在视频安全领域,视频台标检测技术可以有效的确定视频来源,为过滤固定电视台的节目提供了自动监测手段。现有的台标检测方法有提取台标的全局特征(颜色特征、纹理特征和梯度特征)和局部特征(SURF特征),并通过SVM模型将这些特征融合,训练得到一个完整的台标检测模型。但是这种传统的算法处理速度慢、步骤繁多且检测准确度不高。
技术实现思路
针对传统台标检测模型算法存在的不足，本专利技术一种基于深度学习的台标检测方法，提出一种通过对包含台标标志的图片进行缩放、裁剪、平移、加黑边等处理后，采用卷积、池化、全连接等技术手段对这些图片进行反复离线台标检测本文档来自技高网...

【技术保护点】
一种基于深度学习的台标检测方法，其特征在于，该方法包含以下步骤：训练图片输入步骤，向离线训练系统输入训练所需类型的图片；图片变换处理步骤，对输入的图片按照特定方式进行变换处理生成新的图片；图片标注步骤，对图片中台标的特定信息进行标注；离线训练步骤，向离线训练系统输入特定图片进行检测训练直到训练收敛为止；在线检测步骤，利用离线训练系统生成的参数集初始化在线检测系统，并采用该系统对视频台标进行在线检测。

【技术特征摘要】
1.一种基于深度学习的台标检测方法，其特征在于，该方法包含以下步骤：训练图片输入步骤，向离线训练系统输入训练所需类型的图片；图片变换处理步骤，对输入的图片按照特定方式进行变换处理生成新的图片；图片标注步骤，对图片中台标的特定信息进行标注；离线训练步骤，向离线训练系统输入特定图片进行检测训练直到训练收敛为止；在线检测步骤，利用离线训练系统生成的参数集初始化在线检测系统，并采用该系统对视频台标进行在线检测。2.如权利要求1所述的一种基于深度学习的台标检测方法，其特征在于，所述训练图片输入步骤中，所述所需类型的图片是指包含台标标志的图片。3.如权利要求1所述的一种基于深度学习的台标检测方法，其特征在于，所述图片变换处理步骤中，所述特定方式包括对图片进行缩放、平移、加黑边和裁剪等，其目的是增强对台标图片识别能力的鲁棒性。4.如权利要求1所述的一种基于深度学习的台标检测方法，其特征在于，所述图片标注步骤中，所述特定信息包括：台标的中心点坐标及台标的宽、高等及类别信息。5.如权利要求1所述的一种基于深度学习的台标检测方法，其特征在于，所述离线训练步骤中，所述离线训练系统包括：图像缩放单元、单卷积及池化单元、多卷积及池...

【专利技术属性】
技术研发人员：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