视频播放次数统计方法技术

本发明专利技术涉及图像处理技术和模式识别技术领域，公开了一种视频播放次数统计方法，包括以下步骤：S1、定义视频图像序列F＝{f1，f2，f3，…，fN}，抽取其中的关键帧的特征向量，并得到特征向量集合adv＝{V1，V2，…，VM}以及得到特征数据库adv_db＝{adv1，adv2，…，advL}；S2、对一定数量的视频进行检测并根据所述特征数据库统计视频播放次数。本发明专利技术采用一组关键特征来表述一段视频，利用多尺度网格与haar特征相结合的方法实现了视频自动提取关键特征的功能，从而实现了实时视频与模板视频的图像内容匹配，且利用关键特征频率直方图累计积分的方法统计视频广告播放次数，这种方法由于关键帧特征向量长度短，匹配快，非常适合大规模的视频库搜索比对，适用于统计视频播放次数。

【技术实现步骤摘要】

本专利技术涉及图像处理技术和模式识别
，具体涉及一种。
技术介绍
传统的视频广告播放统计主要是人工方式实现，即人员通过事后回放录像，手工记录播出广告的时长、名称、内容以及类型等数据，然后进行信息汇总。这种人工监视方式耗时耗力，已经无法满足大规模多媒体信息统计查询的需求。而智能广告统计技术是通过视频分析技术来实现自动统计广告播放次数的功能。 该技术是利用图像处理和模式识别技术实现对视频广告监测，通过对实时电视节目或者节目录像数据进行监测，实现自动统计各类广告或其它图像的识别和数据统计，并根据要求报警，为进一步分析提供支持。该技术的核心是通过对待处理视频流进行特征提取并和存储的广告模板特征进行特征比对，对特征相似的模板进行进一步分析，确认为图像与模板匹配，若没有模板与该帧图像匹配则进行下一帧图像的识别处理。常用的特征提取主要包括图像的灰度、边界、面积、分块重心等，首先计算图像的分块重心，再进行特征提取的时候要进行灰度分析、区域分割等的计算。匹配时通过分块重心对模板库进行初步匹配，如果匹配成功，在进行每一像素的匹配。由于该技术采用多级特征检索技术，在一定程度提高了模板匹配速度，但由本文档来自技高网...

【技术保护点】
一种视频播放次数统计方法，其特征在于，包括以下步骤：S1、定义视频图像序列F＝{f1，f2，f3，…，fN}，抽取其中的关键帧的特征向量，并得到特征向量集合adv＝{V1，V2，…，VM}以及得到特征数据库adv_db＝{adv1，adv2，…，advL}，L为视频总个数，M、N均为正整数；S2、对一定数量的视频进行检测并根据所述特征数据库统计视频播放次数。

【技术特征摘要】
1.一种视频播放次数统计方法，其特征在于，包括以下步骤51、定义视频图像序列F={f1;f2，f3，…，fN}，抽取其中的关键帧的特征向量，并得到特征向量集合 adv= (V1, V2, ···, VM}以及得到特征数据库 adv_db = {adv1； adv2, ...，advL}, L为视频总个数，Μ、N均为正整数；52、对一定数量的视频进行检测并根据所述特征数据库统计视频播放次数。2.如权利要求1所述的方法，其特征在于，步骤SI具体包括1.O，设视频图像序号η为I ;1.1，对视频图像fn作网格划分，定义/fa/ 为划分后的子图像，k代表分割的尺寸，k =2,4,8, i代表网格行坐标，j代表网格列坐标；1.2，利用积分图方法对子图像Zfa/)提取8个haar特征，得到特征向量O+,))， G(U)表示Zf(U)对应子块的特征向量；1.3，若η = 1，则保存F/(/,_/+)，转到步骤1.1 ;若η > 1，则转到步骤1. 4 ；1.4,对连续两巾贞视频图像计算相似度S(fn, fn+1)；3.如权利要求2所述的方法，其特征在于，步骤S2具体包括2.0,定义 adv_stat = {freqj | i = 1,2,3,…，L}, Ifreqi 为第 i 个视频的播放次数，L 为视频总个数；2. 1，对于任一视频t时刻的一帧图像ft，利用步骤1.1和1. 2计算图像特征向量Vt ； 2. 2,判断ft是否在特征数据库adv_db中，并统计ft的播放次数；2. 3，将t加1，若t < T，则转至步骤2. 2 ;否则转至步骤2. 4，T表示连续视频帧总数； 2. 4，统计所有视频播放次数。4.如权利要求3所述的方法，其特征在于，步骤2.2具体包括2. 2. O,定义 adv_freq = Rreqi,」i = 1,2,3,…，L ; j = I, 2, 3,…，M}, Freqi,」表示第i个视频的第j个关键帧fi,」出现的次数，M为视频的特征向量个数；2. 2.1,初始化集合adv_freq为零，即freq^」=O ；2. 2. 2，令 i = l；....

【专利技术属性】
技术研发人员：苏鹏宇，徐洪伟，
申请(专利权)人：北京捷成世纪科技股份有限公司，
类型：发明
国别省市：