检测本发明专利技术的图像中的图形对象的方法包括:确定图像的对象区域(31,33,37,39)中特征的第一值,该对象区域(31,33,37,39)可能包含图形对象;确定图像的参考区域(32,38)中特征的第二值,该参考区域(32,38)不可能包含所述图形对象;以及依赖于第一值和第二值之差超出特定门限来确定所述对象区域(31,33,37,39)是否包含图形对象。该电子设备包括可操作来执行本发明专利技术的方法的电子电路。
【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及检测图像中的图形对象(graphical object)的方法,例如 视频序列中的频道徽标(logo)。本专利技术还涉及用于使可编程设备可操作来执行检测图像中的图形对 象的方法的软件。本专利技术还涉及用于检测图像中的图形对象的电子设备。本专利技术另外涉及在检测图像中的图形对象的电子设备中使用的电子 电路。
技术介绍
US 6,100,941中描述了这样的方法的例子。US 6,100,941中描述的方 法检测视频序列中的静态徽标。它使用了在一个视频帧的四个角落 (corner)中的绝对的帧差值。当四个角落表明大量的像素没有改变(被 测量为具有零差值)时,该算法假定那些段(segment)对应于徽标。已 知方法的缺点在于直到场景中存在运动时才能检测出徽标。
技术实现思路
本专利技术的第一目的是提供一种在开头段落中描述的那种方法,其可 以在没有运动的场景中检测图形对象,例如徽标。本专利技术的第二目的是提供一种在开头段落中描述的那种电子设备, 其可以在没有运动的场景中检测图形对象,例如徽标。根据本专利技术实现了第一目的,因为该方法包括以下步骤确定图像 的对象区域中特征的第一值,该对象区域可能包含所述图形对象;确定 图像的参考区域中特征的第二值,该参考区域不可能包含所述图形对 象;并且依赖于笫 一值和第二值之差超出特定门限来检测所述对象区域 是否包含图形对象。通过将图形对象(例如TV徽标或其他覆盖的图形对 象)建模为与该场景的偏差(deviation )(在某些特征空间中,比如颜色), 不做出任何时间上的(静态的/活动的)假设并且图形对象可以因此在没 有运动的场景中被检测出来。徽标的快速检测对于一些商业节目 (commercial)检测器是很重要的。如果用户调谐到新频道,那么需要 快速定位徽标以便能够提供坚固的(robust)商业节目检测性能。时间信 息可以另外被集成到徽标检测器中,如果其可用的话。作为附加的好处,本专利技术的方法可以用于检测透明和活动的徽标。 有几种类型的徽标。对于运动特性,徽标可以是静态的或者活动的(该 徽标或者是运动的或者该徽标的颜色/强度特性改变)。在不透明性方面, 徽标可以是不透明的或透明的。绝大部分的现有徽标检测器都假定徽标 为静态的且不透明,或者至多略微透明。本专利技术的方法不是这样。作为 另外的好处,本专利技术的方法检测被插入到完全静止段上的徽标,所述完 全静止段比如是用于从16: 9到4: 3格式转换的垂直/水平黑条,以及其 强度/颜色特性周期地改变的徽标。本专利技术的方法可以用于US 6,100,941中描述的商业节目检测,和/或 用于US 2003/0091237中描述的商业节目识别。这里,US 6,100,941和US 2003/0091237作为参考被结合进来。TV徽标的检测对于内容理解和显示 器保护来说是必要的。对于前者,TV徽标的存在时间(lifespan)对于 识别商业节目段是非常宝贵的线索,因为商业节目通常导致频道徽标的 消失。后者针对保护大多数非CRT显示器不被烙印(burn-in) 烙印问 题指的是即使在显示器被关断之后,在显示器上长时间静态场景的可怕 出现。这可能是由显示器的化学属性中的永久变形引起的并且需要其更 新。因为频道徽标的一些或所有像素停留在同一位置,所以徽标检测可 以有助于定位烙印保护算法的工作区域。在本专利技术的方法的一个实施例中,第一值表示在对象区域中的多个 像素的值并且依赖于至少一定量的所述值和第二值之差超出特定门限而 将对象区域确定为包含图形对象。通过为各个像素而不是像素組(例如, 直方图值)确定它们的值和第二值之差是否超出特定门限,可以获得更 精确的徽标检测。与第二值之差超出特定门限的各个像素也称作孤立点(outlier )。该方法可以依赖于其值超出特定门限的像素的空间分布匹配于典型 的图形对象分布而确定对象区域包含图形对象。为了避免将与场景的其 他偏差误当作图形对象,孤立点的空间分布使用典型的图形对象分布来 验证。该特征可以是颜色。这是有利的,因为多数徽标以易于与内容区分 开的颜色去显现。第二值可以代表参考区域的概率密度函数。概率密度函数(pdf)已 经证明是对某些所选特征空间例如颜色或紋理中的实体建模有用的。第二值可以代表参考区域的非参量(non-parametric)概率密度函 数。尽管参量模型是强有力的密度估计器,但是它们做出关于所估计的 pdf的假设,比如"正态分布"。这是不利的,因为徽标特征和pdf逐个 频道地改变;因此,使用了非参量密度估计器,其不做出关于pdf形状 的任何假设,并且可以对任何类型的pdf建模。直方图可以用于估计参考区域的概率密度函数。直方图已经证明是 强有力的非参量密度估计器。图像可以包括至少九个区域,九个区域中的四个是角落区域,并且 对象区域可以包括四个角落区域中的至少一个。黄金分割规则,参见G. Millerson的The technique of television production(电视制作的技术)12th Ed. Focal,纽约,1990年3月,是一种由专业人员普遍采用的电影技术, 其推荐以3: 5: 3的比例水平和垂直划分帧并且将主要对象定位在GSR 线的交叉上。专利技术人已认识到,如果使用黄金分割规则划分帧的话,那 么徽标经常是被放置在帧的角落区域中。该方法可以为参考区域的子区域确定第二值,该对象区域和子区域 彼此相对接近。对象区域和参考区域优选地彼此相对接近。如果参考区 域较大,则使用相对接近对象区域的较小子区域是有好处的。这使得对 象区域和参考区域的更精确比较成为可能。如果将各个像素的值与第二 值比较,则子区域对于不同的各个像素可以不同。子区域可以通过对参 考区域中接近对象区域的像素值给以较高的权重或者通过移除参考区域 中不接近对象区域的像素值来产生。根据本专利技术实现了第二目的,因为电子设备包括电子电路,其可操 作来确定图像的对象区域中特征的第一值,所述对象区域可能包含图 形对象;确定图像的参考区域中特征的第二值,该参考区域不可能包含 图形对象;并且依赖于第一值和第二值之差超出特定门限来确定对象区 域包含图形对象。附图说明述,其中图1是本专利技术的方法的流程图;图2是本专利技术的电子设备的框图;图3是被划分成区域的图像的例子;图4示出了用于划分图3的图像的区域;图5示出了在本专利技术的方法的一个实施例中使用的等式;图6是覆盖在场景上的频道徽标的例子;以及图7示出了与图6的场景有偏差的像素。附图中的对应元素由相同的参考数字来标识。具体实施例参见图1,本专利技术的检测图像中的(覆盖)图形对象的方法包括步骤 1、 3和5。步骤1包括确定图像的对象区域中特征的第一值,该对象区 域可能包含(覆盖)图形对象。步骤3包括确定图像的参考区域中特征 的第二值,该参考区域不可能包含(覆盖)图形对象。步骤5包括依赖 于第一值和第二值之差超出特定门限来确定对象区域是否包含(覆盖) 图形对象。第一和/或第二值可以通过分析图像或者通过处理从分析图像 的电子设备接收的数据来确定,该数据包括第一和/或第二值。在本方法的一个实施例中,假设频道徽标位于帧的角落中。对于每 个角落, 一个场景模型通过使用各个角落的相邻像素来估计。黄金分割 规则(GSR)用于本文档来自技高网...
【技术保护点】
一种检测图像中的图形对象的方法,包括步骤:-确定(1)图像的对象区域中特征的第一值,该对象区域可能包含图形对象;-确定(3)图像的参考区域中特征的第二值,该参考区域不可能包含所述图形对象;以及-依赖于第一值和第二值之差超出特定门限来确定(5)所述对象区域是否包含图形对象。
【技术特征摘要】
【国外来华专利技术】...
【专利技术属性】
技术研发人员:A埃金,
申请(专利权)人:皇家飞利浦电子股份有限公司,
类型:发明
国别省市:NL[]
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。