电视台标检测方法、系统、计算机设备及存储介质技术方案

本发明专利技术公开了一种电视台标检测方法、系统、计算机设备及存储介质，该方法包括如下步骤：构建包含台标的电视视频数据库，并将视频数据通过抽帧的方式转换为图像数据形成电视视频台标数据集；对所述电视视频台标数据集进行标注，标注出每帧图像中的台标所在图像的位置及台标类别；构建台标检测模型并基于所述电视视频台标数据集进行目标检测的训练；利用训练后的所述台标检测模型进行电视视频信号的台标检测，对接收到的视频信号间隔N帧进行台标检测。本发明专利技术的台标检测系统采用边缘系统，其独立于播出系统，因此完全不用占用播出系统的任何资源；但播出系统或其他系统可以通过访问台标检测系统来访问台标检测结果、报警信息及其他状态信息。

TV station logo detection method, system, computer equipment and storage medium

【技术实现步骤摘要】
电视台标检测方法、系统、计算机设备及存储介质
本专利技术涉及数据处理
，尤其涉及一种电视台标检测方法、系统、计算机设备及存储介质。
技术介绍
电视视频信号中的台标对于对区分电视台有着重大意义，台标不仅仅是电视台视频播出时所携带的身份信息，更是具有在融媒体端进行区分电视视频产权归属的标志。因此，电视视频信号在播出时就必须保证所有播出的视频信号携带电视台的台标信息。播出系统需要适配不同电视台的电视视频信号的播出，在播出视频画面时，台标所在位置的背景有可能和台标的颜色相似或台标为半透明的。播出系统的计算资源被其他的任务所占用，通常情况下，增加一个台标检测算法在播出系统中会占用更多的播出系统计算资源，增加了播出系统的负担。基于以上情况，现有的台标检测功能具有以下不足之处：（1）现有的台标检测方法部署在播出系统上，严重占用播出系统的资源，降低了台标检测的速度同时也影响了其他任务的处理速度。（2）播出系统需要适配不同电视台的电视信号播出，不同电视台的台标又千差万别，现有台标检测方法很难适配所有电视台的台标检测。（3）在本文档来自技高网...

【技术保护点】
1.一种电视台标检测方法，其特征在于，包括如下步骤：/nA、构建包含台标的电视视频数据库，并将视频数据通过抽帧的方式转换为图像数据形成电视视频台标数据集；/nB、对所述电视视频台标数据集进行标注，标注出每帧图像中的台标所在图像的位置及台标类别；/nC、构建台标检测模型并基于所述电视视频台标数据集进行目标检测的训练；/nD、利用训练后的所述台标检测模型进行电视视频信号的台标检测，对接收到的视频信号间隔N帧进行台标检测。/n

【技术特征摘要】
1.一种电视台标检测方法，其特征在于，包括如下步骤：
A、构建包含台标的电视视频数据库，并将视频数据通过抽帧的方式转换为图像数据形成电视视频台标数据集；
B、对所述电视视频台标数据集进行标注，标注出每帧图像中的台标所在图像的位置及台标类别；
C、构建台标检测模型并基于所述电视视频台标数据集进行目标检测的训练；
D、利用训练后的所述台标检测模型进行电视视频信号的台标检测，对接收到的视频信号间隔N帧进行台标检测。


2.如权利要求1所述的一种电视台标检测方法，其特征在于，先对训练后的所述台标检测模型进行压缩，降低模型存储大小，再将压缩后的所述台标检测模型用于台标检测。


3.如权利要求2所述的一种电视台标检测方法，其特征在于，对所述台标检测模型进行压缩的方式包括：对卷积神经网络进行通道剪枝来压缩模型，相应步骤如下：
第一步，读取训练好的卷积神经网络中的BN层的缩放因子，将BN层的γ参数作为网络剪枝操作的缩放因子，对BN层的操作如下：



其中，是BN层输入的标准化值，zin和zout分别是BN层的输入和输出，μβ和σβ分别是输入偏置β的平均方差和标准方差，是一个固定的常量，γ为缩放因子；
第二步，设定阈值θ，将γ<θ的卷积通道从卷积神经网络中移除，并将原训练好的卷积神经网络权重重新初始化新的卷积神经网络，并在原数据集上进行微调；
第三步，在测试集上对新的卷积神经网络模型进行测试；
第四步，若在测试集上测试结果满足精度要求，则提高阈值θ并重复第一~三步；若不能满足测试精度要求，则降低阈值θ并重复第一~三步，直到找到在满足精度要求的前提下的最大阈值θ；
第五步，保存最终剪枝后的卷积神经网络和权重。


4.如权利要求2所述的一种电视台标检测方法，其特征在于，对所述台标检测模型进行压缩的方式包括：利用模型量化技术来压缩模型，将浮点数参数转换为定点数参数，转换公式如下：


<...

【专利技术属性】
技术研发人员：温序铭，陈尧森，
申请(专利权)人：成都索贝数码科技股份有限公司，
类型：发明
国别省市：四川;51