[發明專利]一種識別直播視頻的特定數字區域的方法及裝置

在審

• 申請號: 201810949251.2
• 申請日: 2018-08-20
• 公開（公告）號: CN108965903A
• 公開（公告）日: 2018-12-07
• 發明（設計）人: 郭增潔
• 申請（專利權）人: 無錫天脈聚源傳媒科技有限公司
• 主分類號: H04N21/2187
• 分類號: H04N21/2187;H04N21/44;H04N5/21;H04N5/14
• 代理公司: 北京尚倫律師事務所 11477
• 代理人: 孟姣

1.一種識別直播視頻的特定數字區域的方法，其特征在于，包括：

抽取直播視頻的n幀圖像；

對所述直播視頻的n幀圖像進行圖像預處理，確認所述圖像預處理之后的所述直播視頻的n幀圖像為規則化圖像；

對所述規則化圖像進行邊緣檢測；

根據所述邊緣檢測出的邊緣，分析出每一幀圖像的所述邊緣圍成的連通域；

篩選出符合預設條件的所述連通域，確認所述連通域為所述直播視頻的特定數字區域。

2.如權利要求1所述的方法，其特征在于，所述抽取直播視頻的n幀圖像，包括：

在所述直播視頻的t時長內，每間隔m幀，抽取1幀圖像；

確認抽取出的圖像集合為所述直播視頻的n幀圖像。

3.如權利要求2所述的方法，其特征在于，所述對所述直播視頻的n幀圖像進行圖像預處理，確認所述圖像預處理之后的所述直播視頻的n幀圖像為規則化圖像，包括：

對所述直播視頻的n幀圖像進行灰度處理，形成所述直播視頻的n幀圖像的單通道圖像；

對所述直播視頻的n幀圖像的單通道圖像進行高通濾波處理。

4.如權利要求1所述的方法，其特征在于，所述對所述規則化圖像進行邊緣檢測，包括：

在所述對所述規則化圖像進行邊緣檢測之前，根據所述直播視頻的樣本集，進行梯度閾值的自適應訓練；

通過所述自適應訓練，推演出用于計算所述規則化圖像的最優化梯度閾值，所述最優化梯度閾值包括橫軸方向的梯度閾值和縱軸方向的梯度閾值；

根據所述最優化梯度閾值的橫軸方向的梯度閾值和縱軸方向的梯度閾值，分別計算出所述規則化圖像的橫軸方向的梯度和縱軸方向的梯度。

5.如權利要求1所述的方法，其特征在于，所述篩選出符合預設條件的所述連通域，確認所述連通域為所述直播視頻的特定數字區域，包括：

判斷所述連通域是否具備至少一對平行邊，確認所述判斷為第一判斷；

判斷所述n幀圖像中的至少x幀的圖像的所述連通域是否一致，確認所述判斷為第一判斷；

當第一判斷和第二判斷都為真時，確認所述連通域為所述直播視頻的特定數字區域。

6.一種識別直播視頻的特定數字區域的裝置，其特征在于，包括：

抽取模塊，用于抽取直播視頻的n幀圖像；

預處理模塊，用于對所述直播視頻的n幀圖像進行圖像預處理，確認所述圖像預處理之后的所述直播視頻的n幀圖像為規則化圖像；

檢測模塊，用于對所述規則化圖像進行邊緣檢測；

分析模塊，用于根據所述邊緣檢測出的邊緣，分析出每一幀圖像的所述邊緣圍成的連通域；

篩選模塊，用于篩選出符合預設條件的所述連通域，確認所述連通域為所述直播視頻的特定數字區域。

7.根據權利要求6的裝置，其特征在于，所述抽取模塊，包括：

抽取子模塊，用于在所述直播視頻的t時長內，每間隔m幀，抽取1幀圖像；

第一確認子模塊，用于確認抽取出的圖像集合為所述直播視頻的n幀圖像。

8.根據權利要求6的裝置，其特征在于，所述預處理模塊，包括：

形成子模塊，用于對所述直播視頻的n幀圖像進行灰度處理，形成所述直播視頻的n幀圖像的單通道圖像；

濾波子模塊，用于對所述直播視頻的n幀圖像的單通道圖像進行高通濾波處理。

9.根據權利要求6的裝置，其特征在于，所述預處理模塊，包括：

自適應子模塊，用于在所述對所述規則化圖像進行邊緣檢測之前，根據所述直播視頻的樣本集，進行梯度閾值的自適應訓練；

推演子模塊，用于通過所述自適應訓練，推演出用于計算所述規則化圖像的最優化梯度閾值，所述最優化梯度閾值包括橫軸方向的梯度閾值和縱軸方向的梯度閾值；

計算子模塊，用于根據所述最優化梯度閾值的橫軸方向的梯度閾值和縱軸方向的梯度閾值，分別計算出所述規則化圖像的橫軸方向的梯度和縱軸方向的梯度。

10.根據權利要求6的裝置，其特征在于，所述篩選模塊，包括：

第一判斷子模塊，用于判斷所述連通域是否具備至少一對平行邊，確認所述判斷為第一判斷；

第二判斷子模塊，用于判斷所述n幀圖像中的至少x幀的圖像的所述連通域是否一致，確認所述判斷為第一判斷；

第二確認子模塊，用于當第一判斷和第二判斷都為真時，確認所述連通域為所述直播視頻的特定數字區域。