[發明專利]基于視頻識別與提取影片圖像的系統

有效

• 申請號: 201110104465.8
• 申請日: 2011-04-25
• 公開（公告）號: CN102222227A
• 公開（公告）日: 2011-10-19
• 發明（設計）人: 李亞歐
• 申請（專利權）人: 中國華錄集團有限公司;華錄文化產業有限公司
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06K9/36;G06F17/30
• 代理公司: 大連東方專利代理有限責任公司 21212
• 代理人: 李洪福

技術領域

本發明涉及一種基于視頻識別與提取影片圖像的系統。

背景技術

隨著網絡信息的發展，音頻、圖像和視頻等多媒體內容目前在互聯網中占據了很重要的位置，各行業對音視頻的使用越來越廣泛，如何從海量的音視頻信息中獲取有用的信息，即音視頻信息資源的識別和提取顯得日益重要，音視頻已成為網絡用戶最頻繁使用觀看的資源之一。目前的主流視頻播放器已經較好的解決了觀看視頻，但在音視頻識別與提取方面，這些播放器系統仍然沒有開發出這個功能，這使得音視頻資源自身的內容沒有被很好的識別，一些有用的資源被忽略，解決這個問題的途徑之一，就是利用識別技術從音視頻資源里分析出可用的信息，再通過提取技術去索引這些資源，以達到提取有用信息的目的。

鑒于以上內容，有必要提供一種基于視頻識別與提取影片圖像的系統，通過圖像識別技術對視頻中出現的人物形象、道具、品牌標識、場景、天氣狀況等視頻特征進行分析，并將分析數據整理存儲，并通過文字、圖片、視頻段等關鍵信息進行視頻檢索，針對靜態圖像及動態視頻圖像序列，完成圖像檢測、跟蹤及進行分離的系統。

發明內容

本發明針對以上問題的提出，而研制一種基于視頻識別與提取影片圖像的系統。本發明采用的技術手段如下：

一種基于視頻識別與提取影片圖像的系統，其特征在于包括如下步驟：

步驟1預處理服務器將預處理視頻中的音頻部分轉化為標準的待識別語音；

步驟2預處理服務器將預處理視頻轉化為標準的待識別圖片：即預處理服務器先將視頻分割成獨立的鏡頭，然后通過選取每個鏡頭的關鍵幀來表示該鏡頭，從輸入的視頻中利用關鍵幀提取視頻文件中的多組圖片，并保持分離出來的圖片與原來的關鍵幀時間點一致，然后對圖片數據進行數字降噪處理，并將非標準像素點轉化為標準像素點后，輸出標準的待識別圖片，以此獲取圖片樣本庫；

步驟3預處理服務器將預處理視頻中的視頻字幕轉化為標準的待識別二值化圖像；將視頻文字尺寸、長寬、筆畫類型和筆畫密度提取，然后將視頻中的文本看作具有特征的特殊符號，綜合視頻的時域特征信息，進而轉化成待識別的二值化圖像；

步驟4對待識別語音和圖片樣本庫以及二值化圖像進行特征提取，即進行聲音的語調和波長特征提取，圖像的顏色、紋理和形狀特征提取，文字的尺寸、筆畫密度、對象信息和空間關系特征提取；最后輸出標準的特征值，以此獲得特征數據庫；

步驟5索引服務器對被識別的視頻文件進行語音、圖像或文字進行特征提取，然后索引服務器將獲取的語音、圖像或文字的特征同步驟4得的特征數據庫中的特征值進行相似度的比較，如果比較的結果滿足相似度80％以上，這個被識別的視頻文件中的語音、圖像或文字被識別，然后將被識別的語音、圖像或文字對應的圖像進行提取，并存儲在本地服務器上，用于用戶調用；如果比較的結果不滿足相似度80％，返回到上述相似度的比較操作，再進行相似性匹配，直到滿足于匹配條件。

所述步驟1中音頻部分轉化為標準的待識別語音的過程如下：通過檢測音頻部分的聲音信號中是否有連續穩定的基音頻率或基波周期存在，在提取出音頻部分的數據，并保持了提取出來的音頻和原有的視頻在時間軸方向的一致，對原始語言進行處理，濾除掉背景噪聲，而后進行語音信號的預加重、語音分幀、端點檢測處理，音頻數據經過數字降噪技術處理后形成標準的待識別語音。

所述步驟3還包括如下步驟：將預處理視頻分割為獨立的鏡頭，根據上述特性在鏡頭段內利用字幕的出現與消失所引起的相繼兩幀的差別，定位出字幕區域，得到了原始圖像中出現文字的一系列矩形區域，將這些矩形區域分離出來，就得到了原圖像的一系列子圖像，從以上的文字塊中將背景去除，得到只含文字信息的二值圖像。

同現有技術相比本發明具有如下有益效果：

1、提供廣告、服務等附加價值：促進經濟的發展識別與提取影片圖像系統從某一方面來說，提高了網頁的積極性，吸引更多的用戶參與，在用戶互動的過程中，傳遞產品信息，增加產品的曝光度，提高產品的信息度，提升網站的流量，并占領產品的宣傳領地。使用識別與提取影片圖像系統進行網站推廣、網絡品牌、信息發布、顧客關系，顧客服務、銷售渠道、銷售促進等行為。從根本上說，視頻網站使用識別與提取影片圖像系統是為了提高企業知名度，樹立企業品牌，也促進了經濟的增長。