一种识别台标的方法及装置制造方法及图纸

本发明专利技术适用于电视技术领域，提供了一种识别台标的方法，包括：存储台标图像和台标图像对应的标识；将台标图像分割为N个第一图像块；以N个第一图像块为神经网络的输入，以台标图像对应的标识为神经网络的输出，训练得到神经网络的权值；接收电视发送的第一播放信息，第一播放信息包括第一待识别台标图像；以所述权值构造神经网络，识别第一待识别台标图像，以得到第一待识别台标图像对应的标识。本发明专利技术中，获取已知的台标图像和对应的标识，将台标图像分割为N个图像块，根据N个图像块和标识训练得到神经网络的权值，以上述权值构造的神经网络识别待识别台标图像，得到待识别图像对应的标识，提高了神经网络对台标图像局部特征的识别能力。

【技术实现步骤摘要】
—种识别台标的方法及装置
本专利技术属于电视
，尤其涉及一种识别台标的方法及装置。
技术介绍
在云电视时代，云服务器通过识别电视正在播放的电视台的台标图像，可以为每个电视建立信息库用于数据统计。对于台标图像的识别，现有的基于颜色和形状的方法、基于模板匹配的方法、基于尺度不变特征转换(Scale-1nvariant Feature Transform, SIFT)特征点匹配的方法和基于小波特征的识别方法，在实际的工程应用中对台标图像局部特征的识别效果并不理想，而且也不能适应台标图像的背景变化、台标图像本身的半透明特性和台标图像位置随着时间变化等情况引起的识别准确度低的问题。
技术实现思路
本专利技术的目的在于提供一种识别台标的方法，旨在提高对台标图像局部特征的识别准确度和解决由于台标图像的背景变化和位置变化等因素引起的识别准确度低的问题。本专利技术是这样实现的，一种识别台标的方法，包括:存储台标图像和所述台标图像对应的标识，所述标识用于表征所述台标图像所属的电视台；将所述台标图像分割为N个第一图像块，N为大于I的正整数；以所述N个第一图像块为神经网络的输入，以所述台标图像对应的标识为神经网络的输出，训练得到所述神经网络的权值；接收电视发送的第一播放信息，所述第一播放信息包括第一待识别台标图像；以所述权值构造神经网络，识别所述第一待识别台标图像，以得到所述第一待识别台标图像对应的标识。本专利技术的另一目的在于提供一种识别台标的装置，包括:存储单元，用于存储台标图像和所述台标图像对应的标识，所述标识用于表征所述台标图像所属的电视台；分割单元，用于将所述台标图像分割为N个第一图像块，N为大于I的正整数；训练单元，用于以所述N个第一图像块为神经网络的输入，以所述台标图像对应的标识为神经网络的输出，训练得到所述神经网络的权值；第一接收单元，用于接收电视发送的第一播放信息，所述第一播放信息包括第一待识别台标图像；第一识别单元，用于以所述权值构造神经网络，识别所述第一待识别台标图像，以得到所述第一待识别台标图像对应的标识。在本专利技术中，获取已知的台标图像和其对应的标识，将台标图像分割为N个图像块，根据N个图像块和标识训练得到神经网络的权值，以上述权值构造的神经网络识别待识别台标图像，得到待识别图像对应的标识，提高了神经网络对台标图像局部特征的识别能力，提高识别的准确度。【附图说明】图1是本专利技术实施例一提供的识别台标的方法的实现流程图；图2是本专利技术实施例一提供的识别台标的方法中分割台标图像和训练神经网络的不意图；图3是本专利技术实施例一提供的识别台标的方法S103的具体实现流程图；图4是本专利技术实施例一提供的识别台标的方法S104的具体实现流程图；图5是本专利技术实施例二提供的识别台标的装置的结构框图；图6是本专利技术实施例三提供的包括识别台标的装置的系统；图7是本专利技术实施例三提供的包括识别台标的装置的系统中不同电视用户台号和台标信息对应列表的示意图；图8是本专利技术实施例三提供的包括识别台标的装置的系统中判断是否需要重新训练神经网络的流程示意图；图9是本专利技术实施例三提供的包括识别台标的装置的系统中判断是否需要重新训练神经网络的具体实现流程图。【具体实施方式】为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。在本专利技术实施例中，获取已知的台标图像和其对应的标识，将台标图像分割为N个图像块，根据N个图像块和标识训练得到神经网络的权值，以上述权值构造的神经网络识别待识别台标图像，得到待识别图像对应的标识，提高了神经网络对台标图像局部特征的识别能力，提闻识别的准确度。图1示出了本专利技术实施例一提供的识别台标的方法的实现流程，详述如下:在步骤SlOl中，存储台标图像和所述台标图像对应的标识，所述标识用于表征所述台标图像所属的电视台。在本专利技术实施例一中，台标图像为一幅二维的图像，用Xj表示，其中i表示台标名称，也是该台标对应的标识号，i=l、2、…、k,如I表示宁夏卫视、2表示云南卫视、k表示CCTV2等，j为该台标总的训练数量，如，从Xi到X^ck)表示宁夏卫视的2000张台标图像，训练过程可以采用同一个电视台的多张台标图像对神经网络进行训练，总的训练数量要权衡训练复杂度、神经网络的识别准确度等因素。台标图像对应的标识用Yi表示，i的意义如上。台标图像和其标识的对应关系是公共的，在电视和服务器中都遵循相同的对应关系。在后续步骤训练神经网络之前，获取并存储已知的台标图像和其对应的标识。在步骤S102中，将所述台标图像分割为N个第一图像块，N为大于I的正整数。在本专利技术实施例一中，将获取到的台标图像平均分割为N个图像块，N为大于I的正整数，具体的数量可以通过实验统计出兼顾计算复杂度和识别准确度的最优值。如图2所示，将台标图像分割为B1、B2、…、BN，具体的分割方法不做限定。对台标图像分割后，再进行训练和识别，提高了神经网络对台标图像局部特征的识别能力，提高识别的准确度。在步骤S103中，以所述N个第一图像块为神经网络的输入，以所述台标图像对应的标识为神经网络的输出，训练得到所述神经网络的权值。神经网络是一种分布式并行信息处理的数学模型，通过调整内部节点之间的相互连接关系和每个连接上的权值，以达到处理信息的目的。对于相同的输入和节点间已确定的连接关系，调整每个连接上的权值，可以得到不同的输出。采用的神经网络的结构为:所述神经网络包括第一神经网络组和第二神经网络组，所述第一神经网络组的输出为所述第二神经网络组的输入。如图2所示，第一神经网络组和第二神经网络组为串联结构，分割后的N个第一图像块作为第一神经网络组的输入，第一神经网络组的输出作为第二神经网络组的输入，台标图像对应的标识为第二神经网络组的输出。第一神经网络组中包含N个子神经网络，第二神经网络组中包含一个神经网络，子神经网络均采用传统的三层神经网络结构。对于上述结构的神经网络，只需确定其中的权值即可最终确定具体的用于识别台标图像的神经网络。分割台标图像和训练神经网络的过程如图2所示，作为本专利技术的一个实施例，训练神经网络的权值，如图3所示，S103具体为:在S301中，计算所述N个第一图像块的梯度，形成第一特征向量矩阵。将图像中像素点的灰度值以二维函数G(x，y)来表示，像素点的梯度为对该二维函数求导，然后计算幅值和方向角后得到的向量。在本专利技术实施例中，对于分割后的N个第一图像块，计算每个第一图像块中像素点的梯度作为第一神经网络组的输入。如计算BI的梯度得到GlJfGl中的多个梯`度按像素点的顺序从左到右、从上到下排列，形成一维特征向量矩阵，以该一维特征向量矩阵作为第一神经网络组中子神经网络NN_1的输入。对B2、…、BN的处理与上述步骤类似，即共形成N个一维特征向量矩阵。在S302中，对所述N个第一图像块进行降采样后，计算所述N个第一图像块的梯度，形成第二特征向量矩阵。在本专利技术实施例中，对于分割后的N个第一图像块，首先进行降采样，然后计算每个第一图像块中每个像素点的梯度作为第一神经网络组的输出，降采样的倍数根据实际情况而定，在此不做限定。如对BI进行3倍降采样得到SI本文档来自技高网...

【技术保护点】
一种识别台标的方法，其特征在于，所述方法包括：存储台标图像和所述台标图像对应的标识，所述标识用于表征所述台标图像所属的电视台；将所述台标图像分割为N个第一图像块，N为大于1的正整数；以所述N个第一图像块为神经网络的输入，以所述台标图像对应的标识为神经网络的输出，训练得到所述神经网络的权值；接收电视发送的第一播放信息，所述第一播放信息包括第一待识别台标图像；以所述权值构造神经网络，识别所述第一待识别台标图像，以得到所述第一待识别台标图像对应的标识。

【技术特征摘要】
1.一种识别台标的方法，其特征在于，所述方法包括: 存储台标图像和所述台标图像对应的标识，所述标识用于表征所述台标图像所属的电视台； 将所述台标图像分割为N个第一图像块，N为大于I的正整数； 以所述N个第一图像块为神经网络的输入，以所述台标图像对应的标识为神经网络的输出，训练得到所述神经网络的权值； 接收电视发送的第一播放信息，所述第一播放信息包括第一待识别台标图像； 以所述权值构造神经网络，识别所述第一待识别台标图像，以得到所述第一待识别台标图像对应的标识。2.如权利要求1所述的方法，其特征在于，所述神经网络包括第一神经网络组和第二神经网络组，所述第一神经网络组的输出为所述第二神经网络组的输入。3.如权利要求2所述的方法，其特征在于，所述以所述N个第一图像块为神经网络的输入，以所述台标图像对应的标识为神经网络的输出，训练得到所述神经网络的权值包括: 计算所述N个第一图像块的梯度，形成第一特征向量矩阵； 对所述N个第一图像块进行降采样后，计算所述N个第一图像块的梯度，形成第二特征向量矩阵； 以所述第一特征向量矩阵为所述第一神经网络组的输入，以所述第二特征向量矩阵为所述第一神经网络组的输出，训练得到所述第一神经网络组的权值； 以所述第二特征向量矩阵为所述第二神经网络组的输入，以所述台标图像对应的标识为所述第二神经网络组的输出，训练得到所述第二神经网络组的权值。4.如权利要求3所述的方法，其特征在于，所述以所述权值构造神经网络，识别所述第一待识别台标图像，以得到所述第一待识别台标图像对应的标识包括: 以所述第一神经网络组的权值和所述第二神经网络组的权值构造神经网络； 将所述第一待识别台标图像分割为N个第二图像块，N为大于I的正整数； 以所述N个第二图像块为构造后的所述神经网络的输入，通过所述神经网络识别出所述第一待识别台标图像对应的标识。5.如权利要求1~4任一项所述的方法，其特征在于，所述第一播放信息还包括台号，在所述电视中所述台号和所述第一待识别台标图像对应； 所述方法还包括: 建立所述台号和所述第一待识别台标图像的标识的对应关系，以使再次接收到所述台号时，能够根据所述对应关系查找得到所述台号对应的标识。6.如权利要求5所述的方法，其特征在于，所述方法还包括: 建立所述对应关系后，接收所述电视发送的第二播放信息，所述第二播放信息包括所述台号和第二待识别台标图像； 根据所述对应关系查找得到所述台号对应的标识； 通过训练后的所述神经网络识别得到所述第二待识别台标图像对应的标识； 当所述查找得到的标识和所述识别得到的标识不一致的次数达到预设值时，重新训练所述神经网络。7.一种识别台标的装置，其特征在于，所述方法包括:存储单元，...

【专利技术属性】
技术研发人员：周龙沙，邵诗强，
申请(专利权)人：TCL集团股份有限公司，
类型：发明
国别省市：