[发明专利]一种基于HOG特征的电视台标识别方法

说明书

技术领域

本发明属于计算机视觉、模式识别领域，更具体地，涉及一种基于HOG特征的电视台标识别方法。

背景技术

电视台标是区分不同电视台的唯一标识，面对每天庞大的电视节目，通过人工识别方式，不仅效率低下，也容易受到外界干扰。通过对台标的自动匹配识别，不仅能在海量的电视视频序列中正确找出目标台，还能够为电视节目的自动搜索、收录、分析和检索提供有效支持。

目前存在的台标识别算法主要分为两类：基于颜色直方图的台标识别和普通Hu不变矩的台标识别。其中，基于颜色直方图的台标识别是利用不同台标的不同色调进行识别，将待识别的台标提取颜色直方图，与库中预存的直方图采用欧式距离匹配，距离越接近的即为检测台标，该算法最大缺点在于，对相似颜色和透明台标不易识别；普通Hu不变矩算法利用了台标的形状特征进行匹配识别，由于台标背景的干扰和噪声的存在，影响了轮廓的提取，降低了识别率。鉴于此，陈科宇等提出了一种基于颜色和形状的电视台标识别方法，潘达等提出一种基于分块形状特征匹配的台标识别系统，目的是综合利用台标的颜色和形状信息，减少背景的影响，以提高识别率，然而他们没有考虑到背景与台标的相关性，因此当画面较为干净、所含噪声较少、提取的台标图较为清晰时，识别结果较好；而当台标背景复杂多变、噪声很大时容易识别错误。

发明内容

针对现有技术的缺陷，本发明的目的在于提供一种基于HOG特征的电视台标识别方法，旨在解决现有方法中存在的当台标背景复杂多变、噪声很大时容易识别错误的问题。

为实现上述目的，本发明提供了一种基于HOG特征的电视台标识别方法，包括以下步骤：

（1）从输入的电视截图中截取台标区域SIZE；

（2）对截取出的台标区域SIZE提取HOG描述符；

（3）使用PCA方法对提取的HOG描述符使用降维，降维后的维度与以下步骤d中的维度相同；

（4）使用SVM分类器对降维后的HOG描述符进行识别，以得到识别结果；

其中SVM分类器是通过以下步骤训练获得：

a.获取所有电视台的台标区域SIZE；

b.获取所有电视台的图片，截取该图片中的台标区域SIZE，并将截取的台标区域存储在各个电视台的模板文件夹中；

c.对每一个截取的台标区域提取HOG特征描述符；

d.使用PCA方法对生成的HOG特征描述符进行降维处理，降维后的维度不大于所有电视台的图片总和；

e.根据降维后的HOG特征描述符训练SVM分类器，其中SVM分类器的类别数被设置为模板文件夹的总数。

步骤a具体为，对所有电视台的台标区域进行统计，以确定能包含至少90%的电视台的台标范围的最小矩形，然后对该最小矩形的大小向上取整为偶数，微调的结果为台标区域SIZE。

步骤c包括以下子步骤：

（3-1）将每一个截取的台标区域划分为多个子区域，并将每个子区域划分为多个细胞单元；

（3-2）使用一维的离散微分模板计算每个细胞单元的梯度值；

（3-3）使用计算得到的梯度值构建各个细胞单元的梯度直方图；

（3-4）对各个子区域中的所有细胞单元的梯度直方图进行归一化处理，以形成各个子区域的HOG特征描述符。

子区域的大小是根据截取的台标区域的大小来确定，且能被台标区域的大小整除，细胞单元的大小与子区域的划分方式相同。

SVM训练过程和识别过程均采用线性核函数。

通过本发明所构思的以上技术方案，与现有技术相比，本发明具有以下的有益效果：

1、台标识别率高：由于采用了步骤a和步骤c，步骤a仅仅考虑台标区域，最大程度的减少了背景的影响；步骤c使用HOG描述符，HOG特征对图像几何的和光学的形变都能保持很好的不变性，因此本发明方法有较高的识别率；

2、计算效率高：由于采用了步骤d对HOG描述符进行降维，可以将4000维以上的HOG描述符降维到500维以内，大大减少了计算量，提高了计算速度。

附图说明

图1是本发明基于HOG特征的电视台标识别方法的流程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

如图1所示，本发明基于HOG特征的电视台标识别方法包括以下步骤：