刘琨



摘要:电视台标检测是网络视频审核的常用方法,但传统台标检测方法检测成功率较低,文章将基于深度学习的SSD算法应用于台标检测。首先选取79类237个常见台标视频作为台标基准库,以每秒一帧的速率对台标基准库进行处理,共127 980张图像顿,其中95 586张用于台标检测模型训练,32 394张用于模型测试,算法每訓练2 000次进行模型迭代,共训练90 000次并选取最优模型。经过大量的台标样本实验测试,准确率可达98.2%,优于权威文献中经典方法。表明该方法具有较高准确率和高扩充性。
关键词:网络视频审核;台标检测;深度学习;SSD;高扩充性
电视台的台标是确定电视台的台名、节目取义的重要信息,是区分不同电视台唯一标志。为了声明视频的所有权,往往会在播放的视频中加入台标。随着科技的迅猛发展,互联网每天都会产生大量视频,电视台标是视频的特有标识,通过识别台标来进行网络视频审核显得尤其重要。因此视频台标识别一直是学术界研究的热点。
在台标的研究中,王建等采用图像分割方法进行台标识别,通过时域抽样方法选取代表帧序列,计算梯度图像序列,并进行边缘匹配;史迎春等利用空间分布直方图和HSV空间的彩色直方图相结合的方法对台标特征进行描述,并采用知识库辅助直方图统计的方法进行台标识别;金阳等提出的极坐标角点对匹配方法,虽然较好地解决了半透明台标检测问题并且准确率有了较大提升,但算法实时性较差。……