基于神经网络的静态台标识别系统设计与实现

台标是电视台的重要标志,是对电视节目来源、类型等属性的描述,因此台标识别是实现电视视频自动收录、检索的重要技术基础.针对静态台标的特点和识别中存在的问题,在台标提取和特征识别的基础上,提出了一种基于BP神经网络的台标识别方法,并设计实现了一个静态台标识别系统,对系统的神经网络参数经过反复试验调整,最后得到令人满意的结果.实验结果表明,通过训练和识别分开,对包括半透明台标在内的电视视频,系统具有识别效率高、结果准确等优点.     

基于选择性Gabor滤波器组的网络视频台标识别

针对网络视频中模糊变化,以及镂空、透明台标的背景变化都易造成台标区域内容变化,导致现有台标识别算法效率降低的问题,提出一种针对网络视频的鲁棒的台标识别方法.为了应对多种台标变化,提出一种基于Gabor滤波器组的近似不变特征的鲁棒台标特征;建立了一种由拟合特征簇表面获得的若干超椭球组成的台标判定模型,用计算高维空间点和超椭球位置关系取代复杂的分类算法,且可以只利用单帧信息进行台标识别,显著地提高了判定速度.实验结果表明,该方法较好地解决了台标识别中模糊变化、镂空和透明台标背景变化下的识别问题,能够高效识别各种台标,在单帧条件下平均F1统计变量达97.3%.     

基于数据合成和度量学习的台标检测与识别

台标是视频的重要语义信息,其检测与识别面临类别多、结构复杂、区域小、信息量低、背景干扰大等难题.为提高模型的泛化能力,本文提出将台标图像叠加到背景图像中合成台标数据,来构建训练数据集.进一步,我们提出两阶段可伸缩台标检测与识别（scalable logo detection and recognition,SLDR）方法,其采用batch-hard度量学习方法快速训练匹配模型,确定台标类别.SLDR的检测与识别分离机制使得其可将检测目标扩展到未知类别.实验结果表明,合成数据可以有效提升模型的泛化能力和检测精度.实验亦显示SLDR方法在不更新检测模型的情况下,即可获得与端到端模型相当的精度.     

综合利用形状和颜色特征的台标识别

电视台台标是一个电视台的标志,包含了该电视台台名、节目取向等重要语义信息,是实现视频分析、理解和检索的重要语义源之一.本文根据台标的时空视觉特征,提出基于时空不变区域检测的方法来进行台标分割,并提出对台标特征用空间分布直方图和基于HSV空间的彩色直方图相结合的方法进行描述,最后用支持向量机进行台标识别.实验表明该算法识别正确率较高,效果基本令人满意.     

基于智能视频图像分析的安全帽识别

为解决石油行业工作现场人员不佩戴安全帽的情况,避免因违规操作或违反规定,造成不必要的伤亡,提出一套基于施工现场安防监控系统的智能安全帽检测系统。设计一套综合利用安全帽的颜色、轮廓,以及多层神经网络分类建立的统计模型,对是否佩戴安全帽进行检测。结合实例,验证了算法的有效性和系统的可行性。实例结果表明,该系统能很好检测出现场没佩戴安全帽的人员,一定程度上杜绝了安全隐患,减少了事故的发生。     

基于视频序列的人脸检测技术的研究

本文提出了一种视频序列中人脸检测的算法.算法首先使用边缘检测和轮廓提取的方法滤去了大量的非人脸窗口然后使用基于Haar特征的检测方法对过滤处理结果进行再次检测.实验结果表明该系统能够实时地时于人脸进行检测,可以被应用在视频监控方面.     

视频监控中特定区域入侵检测算法设计与实现

在视频监控中,需要对特定区域进行实时监控。为了克服传统的视频监控系统存在的数据量大、响应时间长和人类自身固有的弱点等缺陷导致的监控效率低下等问题,文中实现了一种智能区域入侵的检测算法。该算法是基于一种三层高斯背景建模的方法,在提取前景图像后,对前景图像进行阴影检测、全局灰度检测、目标完整性检测,同时在提取更加精确的前景目标后,分析运动目标轮廓,对目标的轮廓信息进行统计,计算出特定区域中入侵的人数。最后通过一段实际的监控视频验证了文中提出算法的有效性。     

基于结构分解的因果行为轮廓获取方法

模型因果行为轮廓不仅可用于度量业务模型之间的一致度,还可以监控业务流程的实际执行。针对现有因果行为轮廓获取方法的局限性,提出了基于最小T-不变量分解技术的因果行为轮廓获取方法。该方法首先将工作流系统模型分解成一组完备子系统,再由各完备子系统中的局部关系推导出系统模型中的全局关系,可用于捕获任意sound自由选择工作流系统的因果行为轮廓。     

基于几何活动轮廓模型初始轮廓自动分割方法的研究

提出一种几何活动轮廓模型初始轮廓自动分割的方法。此方法综合利用了分水岭算法以及几何活动轮廓模型算法,通过利用人脸的肤色特征、结构特征等逐级判别原理,从而实现了自动分割的目的。实验结果表明,采用此方法很好地实现了目标对象轮廓的自动分割,基本可达到与人工干预相近的效果。此方法同样可以广泛应用干人脸检测、图像自动分割、视频监控系统等领域。     

基于改进Chamfer匹配的台标识别

已有电视台台标的识别技术多基于视频流处理,实时性较差,且对半透明台标识别效果不佳。为此,提出一种基于改进Chamfer匹配的台标识别方法。利用Canny算子提取台标边缘颜色及梯度方向,采用RANSAC算法对台标边缘进行优化,通过距离变换计算边缘梯度方向的距离图,并基于距离最短准则对其识别。实验结果表明,该方法能实现台标的单帧识别,克服半透明台标的识别难题,平均识别率达97.7%,平均识别时间为801 ms。     

一种压缩域上的快速标题文字探测算法及其应用

提出了一种在MPEG压缩流上基于模型的快速标题文字探测算法。对标题文字叠加模型的分析表明,视频流各分量值在标题文字区将属于特定的 范围区间。基于该特征,该文给出了一种利用色度分量统计特征在压缩域上检测标题的快速算法,并对算法的加速以及模型建立方法进行了讨论,该技术被成功地应用到自动创建图片目录,实现了用户通过极少目的图片对一天新闻节目内容的快速浏览。实验结果表明算法不仅具有理想的正确率96．6％与查全率100％,而且具有超实时的探测速度。     

一种多模态融合新闻视频条目分割算法

新闻视频条目分割是新闻视频检索和浏览中重要的底层支持技术,本文提出了一种融合主持人模板匹配和主题字幕帧检测的多模态新闻视频条目分割算法。先用基于主持人模板的算法进行第一次分割,再用基于改进的字幕检测方法进行第二次分割,最后将两次分割的结果融合并去除重复的分割点。实验证明,该算法对新闻视频条目分割具有较好的效果。     

用于自动字幕生成系统的语音端点检测算法

字幕信息有助于观众对音视频内容进行理解,在音视频文件中起着不可或缺的作用.针对自动字幕生成系统的要求,提出了一种灵活、高效的语音端点检测算法,可以在复杂背景噪声的情况下,从连续的音频信号中提取语音端点.将短时能量、短时过零率、短时信息熵这3种基本音频参数进行结合,形成新的音频特征参数:短时能零熵(EZE-feature),在结合了音频信号时域特征和频域特征优点的同时,规避了它们各自的不足.在此基础上,还提出了一种环境自适应的语音端点判定算法,在端点检测过程中对背景噪声进行实时分析,并根据背景噪声的变化对短时能零熵参数进行调整.该语音端点检测算法已被成功应用于自动字幕生成系统中.     

一种有效的新闻视频主题字幕检测方法

提出一种新的有效的新闻视频主题字幕检测方法。利用像素的空间量化亮度值计算局部帧差变化,以便检测新闻视频字幕的出现帧和消失帧,并建立4条规则来进一步区分主题字幕和非主题字幕,然后对同一主题字幕所在帧利用多帧结合的方法生成两个候选的主题字幕文字检测帧,选择其中之一进行文字区域的定位和提取;最后用投影法分割字符,并对投影法产生的错误分割字符的常见情况,提出相应的解决方法。实验结果表明了该方法的有效性。     

新闻视频的场景分段索引及摘要生成

在提出一种新闻视频检索系统结构的基础上，介绍了基于标题条检测的新闻场景分段索引方法，并阐述了两种新闻摘要的生成策略．该方法利用新闻节目标题条出现的时空位置线索，结合标题关键词的识别，建立起一个层次化的新闻视频索引结构，并帮助用户通过新闻摘要实现不同要求的视频浏览．实验证明该方法有较高的检索成功率，并且简单快捷，为新闻视频检索提供了新的有效途径．     

两阶段的视频字幕检测和提取算法

视频字幕检测和提取是视频理解的关键技术之一。文中提出一种两阶段的字幕检测和提取算法,将字幕帧和字幕区域分开检测,从而提高检测效率和准确率。第一阶段进行字幕帧检测:首先,根据帧间差算法进行运动检测,对字幕进行初步判断,得到二值化图像序列;然后,根据普通字幕和滚动字幕的动态特征对该序列进行二次筛选,得到字幕帧。第二阶段对字幕帧进行字幕区域检测和提取:首先,利用Sobel边缘检测算法初检文字区域;然后,利用高度约束等剔除背景,并根据宽高比区分出纵向字幕和横向字幕,从而得到字幕帧中的所有字幕,即静止字幕、普通字幕、滚动字幕。该方法减少了需要检测的帧数,将字幕检测效率提高了约11%。实验对比结果证明, 相比单一使用帧间差和边缘检测的方法,该方法在F值上提升约9%。     

基于图像分析的数字视频字幕检测及恢复

视频已广泛应用于各个领域,所以对视频字幕的处理具有重要的意义。提出一种新的数字视频字幕检测及恢复算法。首先进行边缘检测,通过分析图像的边缘密度在水平和垂直方向的投影,得到字幕的粗略区域;再利用水平集方法进一步确定字幕的具体位置;最后用Criminisi算法对检测到的字幕进行恢复。通过对不同类型的视频素材进行实验验证,结果表明该方法能够达到理想效果。     

基于Intel MIC众核架构的视频字幕提取算法并行加速

视频字幕检索是视频检索领域的重要部分。随着OCR技术的不断完善,视频字幕检索算法也取得了很多重大突破,然而在检索效果提升的同时,视频包含的大量图像、文字信息使数据处理成为制约字幕提取的性能瓶颈。众核架构高性能协处理器近年发展迅猛,为高性能计算研究打下了良好的硬件基础。将Intel众核MIC应用到视频字幕提取中,选用OpenMP并行语言进行加速。通过在Intel Xeon Phi 7110P进行测试,获得了比较理想的加速比。     

新闻视频帧中的字幕探测

提出了一种新闻视频中的字幕探测方法，该方法主要针对新闻视频中的编辑字幕(如标题字幕)进行探测，包括灰度变换、边缘检测、字幕区域探测、字幕区域合并与过滤以及二值化等步骤。该算法具有简单、高效，对阈值的设定不敏感等特点，对大多数新闻视频中的字幕都具有较好的效果。     

基于局部能量特征的视频字幕分割

视频字幕能够给人们提供高度浓缩的与视频内容相关的信息 ,但字幕通常均以图象方式存在于视频、图象中 ,为了提取视频字幕 ,提出了一种基于局部能量的视频字幕分割方法 ,该方法利用局部能量与图象中边缘、轮廓特征之间的对应关系进行字幕的自动分割 .为了快速地进行局部能量的计算 ,在分析局部能量模型基础上 ,将局部能量计算方法进行了推广 ,即先通过选用具有对称性的双正交小波基及 Hilbert变换 ,构造了适于局部能量计算的 90°相移滤波器 ,然后通过多分辨率小波变换实现了信号的多分辨率频带分割 ,并在此基础上计算局部能量 .实验结果表明 ,该方法可获得较好的分割效果