[发明专利]一种基于卷积神经网络的IPTV和OTT视频特征提取方法

说明书

本发明属于电子信息技术领域，涉及了一种基于卷积神经网络的IPTV和OTT视频特征提取方法。本发明公开了一种基于卷积神经网络的IPTV和OTT视频特征提取方法，卷积神经网络是一种图像识别的重要技术，卷积神经网络顾名思义就是指在至少某一层中运用卷积运算来替代矩阵乘法的神经网络。卷积运算的特性决定了神经网络适用于处理具有网络状结构的数据。卷积函数可以逐层提取输入对象的特征。本发明利用卷积神经网络在图像识别重要应用，结合IPTV和OTT业务的视频关键帧画面特性，提出了一种基于卷积神经网络的IPTV和OTT视频特征提取方法，可以有效提升IPTV和OTT视频特征提取的效率和有效性，为IPTV和OTT视频内容监督工作打下坚实的基础。本发明包括了S1视频关键帧的提取、S2帧画面卷积处理、S3帧画面特征值提取、S4帧画面特征值对比。

技术领域

本发明属于电子信息技术领域，涉及了一种基于卷积神经网络的IPTV和OTT视频特征提取方法。

背景技术

近年来，各运营商大力发展IPTV和OTT电视业务，IPTV和OTT业务已有赶超传统有线电视、数字电视的劲头，用户量逐步扩大。由于IPTV和OTT业务网络传输渠道的特性，和广播电视安全播出管理规定的相关要求，IPTV和OTT视频内容的监管工作是每个月运营商势在必行的。目前IPTV和OTT视频内容的监管工作中，第一个也是最重要的一个环节就是如何获取视频内容。

单以IPTV和OTT业务视频内容量的庞大和视频画面图像识别的处理工作量，视频内容的监管工作困难重重。用什么样的方法可以简化视频内容的信息提取，把视频信息多维空间内容降维获取视频画面本质结构特征，是视频监管工作中首要解决的问题。

本发明提出的一种基于卷积神经网络的IPTV和OTT视频特征提取方法，通过反复的实验室测试和大量的研究工作表明，其可以高效、准确的提取出IPTV和OTT业务视频特征，可以被视频内容监管工作有效利用。

发明内容

本发明公开了一种基于卷积神经网络的IPTV和OTT视频特征提取方法，卷积神经网络是一种图像识别的重要技术，卷积神经网络顾名思义就是指在至少某一层中运用卷积运算来替代矩阵乘法的神经网络。卷积运算的特性决定了神经网络适用于处理具有网络状结构的数据。卷积函数可以逐层提取输入对象的特征。

基于卷积神经网络的IPTV和OTT视频特征提取方法和装置可以实现以下功能：

●通过视频帧间差分强度，提取关键帧画面；

●通过卷积运算同时训练多个核函数，可以提取同一帧画面的不同类型特征；

●卷积层核函数大小远远小于帧画面大小，可以发现帧画面的细微局部特征，提升算法的存储效率和运行效率；

●在每轮数据运算中用单个核函数和帧画面的所有分块做卷积，降低核函数参数；

●最大池化特征数据，将特征映射划分为若干个矩形区域，挑选每个区域的最大值，将最明显的特征作为采样结果，降低数据量及减少过拟合风险；

●按提取出来的视频帧画面特征加入视频帧画面特征库，为IPTV和OTT视频特征值比对分析提供参照物；

●帧画面特征库结合视频特征对比工作中获取的比对数据，加入无监督学习模式，同步特征库数据更新。

本发明利用卷积神经网络在图像识别重要应用，结合IPTV和OTT业务的视频关键帧画面特性，提出了一种基于卷积神经网络的IPTV和OTT视频特征提取方法，可以有效提升IPTV和OTT视频特征提取的效率和有效性，为IPTV和OTT视频内容监督工作打下坚实的基础。

附图说明

图1视频关键帧提取流程图；

图2视频帧画面卷积运算公式；

图3帧画面特征值提取流程图；