[发明专利]一种台标的自动检测和分类方法

说明书

技术领域

本发明涉及图像识别技术领域，特别涉及一种综合利用形状和颜色特征的台标的自动检测和分类方法。

背景技术

电视台台标是一个电视台地标志，包含了该电视台的台名、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意源之一。随着电视技术的飞速发展，各级电视台的节目已经多达上百套，如果通过人工对电视信号逆行实施监控，工作强度大、效率低，台标的识别技术是克服上述问题的关键，故此，具有十分重要的研究和应用价值。

现有的台标识别技术中，都是基于区域形状、边缘信息、颜色信息来进行识别的。如申请号为CN200810226266.2，名称为《一种电视台标训练方法和识别方法》，以及申请号为CN201010279070.7、名称为《一种台标检测和识别的方法》的中国专利申请。均存在以下不足之处：

（1）台标形状的描述严重依赖于视频画面，如果视频背景与台标颜色相似，上述方法将很难提取台标的边缘，而在实际情况中，台标与背景画面边缘模糊的情况却相当普遍。

（2）视频画面存在噪声的情况是非常普遍的，故随机噪声很容易被错误地当作台标边缘像素，当台标形状很独特时，这种随机噪声带来的影响可以忽略不计，但是当台标形状与视频画面边缘区别很小：像中央电视台、深圳电视台等一序列台标，其相互间的区别仅仅在于文字上的细微区别时，随机噪声很容易导致错误识别。

（3）当台标形状完全相似，区别仅在于颜色不同时（如江苏台各频道），则以上两专利申请中记载的技术方案完全失效。

有鉴于此，需要提供一种新的台标识别技术。

发明内容

鉴于上述现有技术的不足之处，本发明的目的在于提供一种台标的自动检测和分类方法，以解决现有技术中的台标检测识别技术不能解决台标识别中视频背景干扰、噪声影响和仅存在颜色区别的问题。

为了达到上述目的，本发明采取了以下技术方案：

一种台标的自动检测和分类方法，其中，所述方法包括以下步骤：

S1、把台标从视频图像背景中分割开；

S2、提取台标的特征；

S3、根据台标的特征，对台标进行分类。

所述的台标的自动检测和分类方法，其中，所述步骤S1进一步包括以下步骤：

S11、将选取的视频图像转换为灰度图像，取其中一帧灰度图像作为基准帧；

S12、将基准帧与其他帧的灰度图像作差，并对所有差求和，得到灰度差值总和；

S13、选取一个分割阈值，对灰度差值总和进行二分化，将台标从视频图像背景中分割开来。

所述的台标的自动检测和分类方法，其中，所述步骤S1还包括步骤S4、采用数学形态学中的腐蚀算子和膨胀算子来处理视频图像中的非台标区域。

所述的台标的自动检测和分类方法，其中，所述步骤S11中基准帧的选取方法为：计算灰度图像的灰度均值，取灰度均值最小的一帧灰度图像为基准帧。

所述的台标的自动检测和分类方法，其中，所述步骤S2中的台标的特征包括形状特征和图像特征。

所述的台标的自动检测和分类方法，其中，所述步骤S2进一步包括以下步骤：

S21、统计台标的像素点在不同空间区域的分布情况，建立空间分布直方图；

S22、根据HSV颜色模型提取台标的颜色特征：对比度、饱和度和亮度，并建立相应的彩色直方图。

所述的台标的自动检测和分类方法，其中，所述步骤S3进一步包括以下步骤：

S31、建立台标样本库，所述台标样本库包括有n个训练样本的m个频道，且每个频道都有一个对应的训练好的SVM，其中，n、m为自然数；

S32、根据输入的台标的特征，由m个SVM进行分类，判断其属于哪个对应的SVM，即确认了与SVM对应的频道；

S33、将台标样本库中所对应的频道的相关内容对所述台标进行语义标注。

所述的台标的自动检测和分类方法，其中，所述步骤S31进一步包括以下步骤：

S311、从台标样本库中取出第一频道的所有样本，将其标为类Ⅰ，将其他所有频道的所有样本标为类Ⅱ；将标好类别的所有样本作为输入样本，来训练一个SVM，得到相应的支持向量和相应的最优分类面，将所述SVM设定为1号SVM，则所述1号SVM与第一个频道相对应；

S312、采用相同的方法，遍历样台标样本库中的所有频道，最后得到了m个训练好的SVM，每一个SVM都与一个频道一一对应；