[發明專利]一種基于廣告字樣檢測的廣告定位方法

在審

• 申請號: 201810058412.9
• 申請日: 2018-01-24
• 公開（公告）號: CN108182420A
• 公開（公告）日: 2018-06-19
• 發明（設計）人: 陳孟孟
• 申請（專利權）人: 北京中科火眼科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種基于廣告字樣檢測的廣告定位方法，包括以下步驟：收集包含廣告字樣的初始訓練樣本數據，擴充訓練集，生成擴充后訓練樣本，進行深度卷積神經網絡訓練，生成廣告字樣檢測模型，對播出視頻進行抽幀處理，得到播出視頻幀集合；對每一幀進行廣告字樣檢測，得到初始的單幀檢測結果；利用先驗知識濾除誤檢，得到最終的單幀檢測結果；整合單幀檢測結果，得到最終的廣告片段定位結果。本發明具有可實現廣告片段的準確定位，滿足應用需求，保證識別精度以及速度，提高效率的特點。

技術領域

本發明屬于圖像視頻處理領域，特別是涉及一種基于廣告字樣檢測的廣告定位方法。

背景技術

視頻數據是我們所接觸的數據中最重要的種類之一，因其直觀性和生動性而受到廣泛歡迎。電視節目和網絡視頻通常會因其趣味性而吸引大量的觀眾去觀看，因此節目前后和節目中間成為了插播廣告的絕佳之地，吸引了很多廠商的關注。其中，很多廣告內容具有一定的引導性，若不標明其為廣告，容易造成消費者的誤解。因此，在最新的電視和網絡節目視頻中，廣告片段的畫面角落都會印有“廣告”兩字的水印。正因如此，我們可以通過視頻畫面中的“廣告”字樣快速分辨其是否為廣告片段。然而，視頻數量和體積的龐大使得人工驗證幾乎沒有實施的可能，若能采用技術手段自動檢測視頻畫面中有無“廣告”字樣，則能自動判別當前幀是否為廣告，從而實現廣告片段的定位。

對于視頻中的廣告字樣檢測問題，通常需先對視頻進行關鍵幀提取，然后將其轉化為圖像中的文字識別問題。傳統的文字識別技術首先對圖像進行預處理，包括灰度化、降噪、二值化、字符切分、歸一化等，對校正后的單個文字圖像進行識別；然后，進行特征提取和降維；接著通過分類器識別出特征對應的文字；最后進行后處理，得到最終的識別結果。然而，對于廣告字樣檢測問題，一方面，“廣告”字樣通常在畫面中只占較小的部分，采用傳統識別方法會浪費大量資源，且只有兩個字，進行字符切分的意義也不大；另一方面，人工設計的特征具有一定的局限性，難以同時保障識別精度和速度。

發明內容

發明目的：本發明的目的是為了解決現有技術中的不足，提供一種可實現廣告片段的準確定位，滿足應用需求，保證識別精度以及速度，提高效率的基于廣告字樣檢測的廣告定位方法。

技術方案：本發明一種基于廣告字樣檢測的廣告定位方法，包括以下步驟：

(1)收集包含廣告字樣的初始訓練樣本數據，通過自動化樣本生成模塊擴充訓練集，生成擴充后訓練樣本；

(2)將步驟(1)中生成的擴充后訓練樣本進行深度卷積神經網絡訓練，生成廣告字樣檢測模型；

(3)對播出視頻進行抽幀處理，提取視頻中的圖像幀，得到播出視頻幀集合；

(4)對步驟(3)中得到的播出視頻幀集合中的每一幀進行廣告字樣檢測，得到初始的單幀檢測結果；

(5)利用先驗知識濾除誤檢，得到最終的單幀檢測結果；

(6)整合單幀檢測結果，同時加入生存周期時序約束，得到最終的廣告片段定位結果。

進一步的，步驟(1)在自動化生成樣本時包括“廣告”兩字字樣大小的調整，“廣告”兩字間距的調整以及“廣告”兩字字樣透明度的調整。

進一步的，步驟(2)中深度卷積神經網絡采用基于深度學習的物體識別算法。

進一步的，步驟(5)中的先驗知識包括“廣”和“告”兩字一定一同出現、“廣”和“告”兩字中間間隔不會超過一定閾值以及“廣”和“告”兩字旁邊通常沒有其他文字