[发明专利]一种台标检测方法

说明书

技术领域

本发明涉及图形图像处理技术领域，尤其涉及一种台标检测方法。

背景技术

台标是电视台的重要标志，目前，合法播出的电视信号中画面均附有台标，它已成为基于内容的多媒体检索中重要的语义信息之一，台标检测技术在版权保护、视频分类，以及收视率统计等方面发挥着重要作用。在国内外的研究中，已经有很多台标检测方法，但其中大多数是基于多个连续视频帧的检测，而基于单帧的台标检测算法较少。另外，有些方法较高地追求算法的通用性，导致其检测的效率和正确率普遍较低。

现有的基于多个连续视频帧的台标检测方法通常基于时间域上像素点的变化，该方法假设视频的内容一直在变，只有台标是不变的区域。其计算连续帧之间的像素差值，再根据时间域上像素的差异来确定阈值T，将差值小于阈值T的区域判为台标。然而，在背景变化很小或者台标区域很细小、镂空、半透明的情况下，这类方法很难根据视频中的不变区域来准确地检测台标。此外，这类方法由于用到了多帧视频，从而检测速度很慢，无法满足高速的要求。因此，这类方法很难扩展到其它一些应用之中，例如难以应用到一些无法取得多帧信息或者检测速度要求很高的实时系统。

为了弥补基于多个连续视频帧的台标检测方法的不足，目前还有一类基于单帧的台标检测方法，这类方法能够检测静止背景和半透明台标，在检测速度上也高于多帧方法。基于单帧的台标检测方法包括基于模板匹配的方法和基于局部特征的方法。其中，模版匹配方法包括提取台标边缘和轮廓，比较台标内部和外部的边缘上相邻点差与模板中边缘上相邻点差的相似程度，以此来确定台标，但这种方法对台标的形变敏感。有研究者指出局部特征比全局特征更适合描述台标，基于局部特征的方法在图像中提取局部特征并且聚类形成视觉词，通过匹配视觉词的方法来检测台标。这种方法针对镂空的台标，效果要比基于模版匹配的方法好。然而，该方法受局部特征的影响较大，如何选择好的局部特征来描述台标是该方法面临的巨大困难，局部特征选择不好，很可能导致台标检测失败。

综上所述，使用基于多个连续视频帧的台标检测方法速度较慢、成本高昂，且在背景变化小或台标区域镂空等情况下不准确；而基于单帧的台标检测方法对形变敏感，且可能会有检测失败的问题。因此，需要一种既高效又准确的方法来进行台标的检测。

发明内容

根据本发明的一个实施例，提供一种台标检测方法，包括：

步骤1）、对查询图像进行特征点定位，且对每个特征点提取HOG特征；

步骤2）、对查询图像的每个特征点的HOG特征，在特征库中搜索其K个近邻，由查询图像的每个特征点向对应于该K个近邻的K个投票位置进行投票；其中，所述特征库由台标模板的特征点提取的SHOG特征构成，所述SHOG特征包括台标模板的特征点的HOG特征和位置信息向量，位置信息向量是该台标模板的特征点相对该台标模板中心的偏移，所述K个投票位置包括查询图像的特征点的坐标与其K个近邻的位置信息向量的差值所表示的点；

步骤3）、根据投票位置的得票数，确定所述查询图像中是否存在台标。

在一个实施例中，步骤3）包括：找到得票数最高的投票位置，如果该投票位置的得票数超过给定阈值，则所述查询图像中存在台标，否则所述查询图像中不存在台标。

在一个实施例中，所述SHOG特征还包括台标信息，表示该SHOG特征属于该台标信息指示的台标。

在进一步的实施例中，步骤3）之后还包括：如果所述查询图像中存在台标，则根据所述查询图像中得票数最高的投票位置对应的SHOG特征中的台标信息得到所述查询图像中的台标。

在进一步的实施例中，投票位置的得票数由数组表示，数组中的不同元素表示在相同投票位置对应于不同台标信息的得票数。

在一个实施例中，所述SHOG特征还包括权重信息，表示该SHOG特征对其所属的台标模板的重要性。

在进一步的实施例中，SHOG特征中的权重信息为该SHOG特征所属的台标模板的总特征数的倒数。

在一个实施例中，由查询图像的每个特征点向对应于该K个近邻的K个投票位置进行投票包括：

由所述查询图像的每个特征点向对应于K个近邻的K个投票位置进行投票，每票的权重为该投票位置对应的SHOG特征中的权重信息。

在一个实施例中，步骤1）包括：

步骤11）、对查询图像的特征点进行定位，其中所述特征点包括角点和边点；

步骤12）、在以每个特征点为中心的区域内提取HOG特征。

在一个实施例中，根据以下步骤建立特征库：

步骤a）、获取台标模板；