檢測畫面中是否存在標志的設備及方法
【專利摘要】公開了一種用于檢測在當前視頻畫面中是否存在標志的方法。該方法包括：確定（10）當前畫面中的當前候選標志邊界框，以及當前畫面前一畫面中的前一候選標志邊界框；如果滿足以下條件中的至少一個條件（12），那么檢測（16）到在當前畫面中存在標志：當前和前一候選標志邊界框的中心之間的距離小于第一閾值，或者當前和前一候選標志邊界框之間的重疊大于第二閾值；或者當前候選標志邊界框和當前畫面的顯著性掩模之間的重疊大于第三閾值，其中顯著性掩模標識顯著性峰值周圍的區(qū)域。
【專利說明】檢測畫面中是否存在標志的設備及方法
【技術領域】
[0001]本發(fā)明涉及畫面處理。更具體地說，本發(fā)明涉及一種用于檢測畫面序列的一個畫面中是否存在標志的方法和相應的設備。該方法進一步使得可以更精確地確定標志(即，它的位置)。
【背景技術】
[0002]多種應用都對畫面中的標志檢測感興趣。作為示例，重定向設備中使用這種檢測以避免在重定向畫面中包括標志的一部分。其他的應用要求從畫面中刪除標志。作為示例，最初在TV頻道上廣播的節(jié)目(如，體育比賽)可以稍后以追趕模式(catch-up mode)在同一頻道上獲得，或可以出售給其他TV頻道以展示精彩部分。在前一種情形中，通常刪除TV頻道的標志，用特定的標志替換，表明節(jié)目處于追趕模式。在后一種情形中，第一 TV頻道的標志在節(jié)目在第二 TV頻道播出之前刪除。
[0003]根據2012年I月6日公布的歐洲專利申請EP2141658 了解到，可以只使用顯著信息檢測標志。更精確地，基于顯著信息在畫面的搜索區(qū)域中對標志進行粗略檢測。搜索區(qū)域是例如畫面的四個角。這種解決方案只能處理標志是靜態(tài)不透明的最簡單的情形，并且有標志在整個要處理的視頻片段中都存在的限制。此外，當標志不是畫面中的視覺最顯著區(qū)域時(例如，當畫面中存在高對比度的對象時)，該解決方案就會失效。
[0004]另一方面，根據Ozay等人在EUSIPC02009上發(fā)表的題為《Automatic TV logodetection and classification in broadcast videos》的論文了解到，可以基于多個畫面的靜態(tài)邊緣的累加來檢測標志。更精確地，根據該方法，檢測N個畫面的邊緣。然后，累加該N個畫面的邊緣。如果N足夠大，那么累加的邊緣是很好的用于檢測標志的信息。然而，對于實時應用，如視頻重定向應用，N不可能足夠大到可以獲得用于標志檢測的相關信息。

【發(fā)明內容】

[0005]本發(fā)明的目的是克服現有技術的至少一個缺點。為了達到此目的，本發(fā)明涉及一種用于檢測在視頻的當前畫面中是否存在標志的方法，包括:
[0006]-確定當前畫面中的當前候選標志邊界形狀和在當前畫面前一畫面中的前一候選標志邊界形狀；
[0007]-如果滿足下列條件中的至少一個，那么檢測當前畫面中標志的存在:
[0008]-當前和前一候選標志邊界形狀的中心之間的距離小于第一閾值或當前和前一候選標志邊界形狀之間的重疊大于第二閾值；或
[0009]-當前候選標志邊界形狀和當前畫面的顯著性掩模(saliencymask)之間的重疊大于第三閾值，其中顯著性掩模標識顯著性峰值(saliency peak)周圍的區(qū)域。
[0010]因此，標志檢測具有更好的魯棒性。
[0011]根據特定的特征，候選標志邊界形狀是候選標志邊界框。
[0012]有利地，每當在視頻的當前畫面中檢測到存在標志時，置信水平就增加N，否則，就減少N，當置信水平是正數時，在當前畫面中最終檢測到存在標志。這使得可以處理標志在視頻持續(xù)過程中出現和消失的情況。
[0013]根據特定的特征，N等于I。
[0014]根據另一個特征，在進行幾次連續(xù)檢測或未檢測到之后，增加N的值。
[0015]根據另一個實施例，當在當前畫面中檢測到存在標志時，按照如下步驟確定當前畫面中的標志:檢查當前候選標志邊界框是否包括顯著性峰值，如果檢查的結果是肯定的，那么將當前候選標志邊界框添加到標志候選邊界框列表，當列表包括M個候選標志邊界框時，當前畫面中的標志是從候選標志邊界框列表計算得到的邊界框，否則，當前畫面中的標志是當前候選標志邊界框。因此，標志的定位(大小和位置)在整個視頻持續(xù)過程中更加穩(wěn)定和精確。
[0016]根據特定的特征，M等于10。
[0017]根據本發(fā)明的另一個方面，確定當前候選標志邊界框包括:
[0018]a)計算至少一個搜索區(qū)域中的檢測窗口中的每個畫面的邊緣圖,檢測窗口包括當前畫面和當前畫面之前的P個畫面；
[0019]b)將多個畫面的邊緣圖相加得到累加邊緣圖，并二值化處理累加邊緣圖；
[0020]c)濾波二值化處理后的累加邊緣圖得到濾波后的邊緣圖；
[0021]d) 二值化處理濾波后的邊緣圖得到斑點圖(map of blobs)；
[0022]e)在包含其值是濾波后的邊緣圖中的最大值的像素的斑點中選擇包含濾波后的邊緣圖中的最大的像素值總和的斑點；
[0023]f)確定包圍所選斑點的框，候選邊界框是該邊界框。
[0024]即使當標志為透明或半透明時，步驟a)至f)也可以幫助確定候選邊界框。
[0025]有利地，檢測窗口滑過k個畫面，其中步驟a)至f)在被滑過的檢測窗口上重復執(zhí)行，以檢測被滑過的檢測窗口中一個畫面中的標志，該一個畫面被稱為下一個畫面。
[0026]根據本發(fā)明的另一個方面，至少一個搜索區(qū)域包括當前畫面的四個角以及頂部和底部水平橫條(horizontal banner)。
[0027]本發(fā)明還涉及一種用于檢測在視頻的當前畫面中存在標志的設備，包括:
[0028]-用于確定當前畫面中的當前候選標志邊界形狀和在當前畫面前一畫面中的前一候選標志邊界形狀的部件；
[0029]-用于在滿足下列條件中的至少一個時檢測到在當前畫面中存在標志的部件:
[0030]-當前和前一候選標志邊界形狀的中心之間的距離小于第一閾值或當前和前一候選標志邊界形狀之間的重疊大于第二閾值；或
[0031]-當前候選標志邊界形狀和當前畫面的顯著性掩模之間的重疊大于第三閾值，其中顯著性掩模標識顯著性峰值周圍的區(qū)域。
[0032]根據特定的特征，候選標志邊界形狀是候選標志邊界框。
[0033]有利地，設備包括用于以下的部件:每當在視頻的當前畫面中檢測到存在標志時，置信水平就增加N，否則，就減少N，當置信水平是正數時，在當前畫面中最終檢測到標志存在。
[0034]根據特定的特征，N等于I。
[0035]根據另一個特征，在連續(xù)幾次檢測到或未檢測到之后，增加N的值。[0036]根據本發(fā)明的另一個方面，該設備包括用于當在當前畫面中檢測到存在標志時確定當前畫面中的標志的部件，其中用于確定標志的部件檢查當前候選標志邊界框是否包括顯著性峰值，如果檢查的結果是肯定的，那么將當前候選標志邊界框添加到標志候選邊界框列表，當列表包括M個候選標志邊界框時，當前畫面中的標志是從候選標志邊界框列表計算得到的邊界框，否則，當前畫面中的標志是當前候選標志邊界框。
[0037]根據特定的特征，M等于10。
【專利附圖】

【附圖說明】
[0038]通過下面一些實施例的描述，本發(fā)明的其他特征和優(yōu)點將更明顯，這些描述結合附圖進行，在附圖中:
[0039]-圖1表示根據本發(fā)明的第一實施例的用于檢測在視頻中是否存在標志的方法的流程圖；
[0040]-圖2和3表示根據本發(fā)明的第一實施例的方法的流程圖的細節(jié)；
[0041]-圖4示出根據本發(fā)明的時間一致性的原理；
[0042]-圖5表示根據本發(fā)明的第二實施例的用于檢測在視頻中是否存在標志的方法的流程圖；
[0043]-圖6、圖7和圖8表示根據本發(fā)明的第二實施例的方法的流程圖的細節(jié)；
[0044]-圖9表示根據本發(fā)明的用于確定候選標志邊界框的方法的流程圖；
[0045]-圖10表示根據本發(fā)明的用于確定候選標志邊界框的方法的流程圖的第一細節(jié)；
[0046]-圖11表示根據本發(fā)明的用于確定候選標志邊界框的方法的流程圖的第二細節(jié)；
[0047]-圖12表示根據本發(fā)明的用于確定顯著性掩模的方法的流程圖；以及
[0048]-圖13表示用于檢測視頻中是否存在標志的設備。
【具體實施方式】
[0049]本發(fā)明涉及一種用于檢測視頻中是否存在標志的方法。標志是任意形狀的。圖(map)是其中除了亮度或色度之外還有其他信息(例如，顯著信息、梯度信息等)與像素相關聯(lián)的圖像。
[0050]圖1表示根據本發(fā)明的第一實施例的用于檢測是否存在標志的方法的流程圖。
[0051]在步驟10中，在當前畫面I (t)中確定候選標志邊界框，在所述當前畫面前一畫面I(t-1)中確定另一個候選標志邊界框。本發(fā)明不受確定候選標志邊界框的方式的限制。作為第一示例，候選標志邊界框由操作員手動確定。根據一種變型，候選標志邊界框根據一種圖像處理方法確定，如參照圖9描述的方法。候選標志邊界框表示被確定為可能是標志的圖像區(qū)域的邊界框。區(qū)域的邊界框是包括該區(qū)域的最小矩形。
[0052]在一種變型中，用任意形狀(若可以確定該形狀的中心)替換該候選標志邊界框。作為一個示例，該任意形狀是圓形、三角形、菱形、四邊形。因此，在步驟10中，在當前畫面I (t)確定候選標志邊界形狀，在所述當前畫面前一畫面I (t-1)中確定另一個候選標志邊界形狀。候選標志邊界形狀表示被確定為可能是標志的圖像區(qū)域的形狀。
[0053]在步驟12中，基于候選標志邊界框，并進一步基于當前畫面I (t)的顯著性掩模，計算兩個分數。本發(fā)明不受確定顯著性掩模方式的限制。顯著性掩模是標識顯著性峰值的圖像。作為第一示例，顯著性掩模通過對顯著圖(saliency map)使用閾值進行二值化(thresholding)獲得。因此，顯著性掩模是二值圖像，其中最顯著的像素具有第一值(例如，值255)，而所有其他的像素具有另一個值(例如，值O)。顯著圖是將顯著性值與圖像的每個像素相關聯(lián)的圖像。顯著性值表示像素的視覺重要性。在視覺上更具吸引力的像素具有更高的顯著性值。因此，顯著圖使得可以識別視覺上感興趣的圖像區(qū)域。通常，顯著圖基于視覺系統(tǒng)的建模確定。這種視覺注意模型在2005年6月30日以編號1695288公布的EP專利申請04804828.4中獲得專利。根據一種變型，顯著性掩模根據一種圖像處理方法確定，如參照圖12描述的圖像處理方法。
[0054]根據本實施例，兩個分數的值是二值的。分數I按照圖2所示使用當前畫面和前一畫面的候選標志邊界框的信息計算。在步驟120中，計算當前候選標志邊界框的中心。在步驟122中，計算前一候選標志邊界框的中心。在步驟124中，計算這兩個中心之間的空間距離。作為示例，使用(x-x’)* (x-x，)+ (y_y’)* (y_y’)的平方根計算距離，其中(x，y)及(x’，I，)分別為當前和前一邊界框的中心的坐標。在步驟126中，將該差異與閾值THRESH0LD_BB_CENTR0ID比較。在步驟128中，比較這兩個候選標志邊界框，以檢查在兩個候選標志邊界框之間是否有足夠的重疊。如果有足夠的重疊，或者如果在步驟124中計算的差異小于THRESH0LD_BB_CENTR0ID，那么分數1=1，否則分數1=0。當分數1=1時，這意味著候選標志邊界框的中心在連續(xù)的畫面之間沒有變化太多。如果共有像素的數量在某個閾值之上，那么兩個候選標志邊界框之間的重疊是足夠的。作為示例，閾值I用來判定在邊界框之間存在重疊。然而，該閾值可以有利地設置為更高的值，以對重疊測試設置更嚴格的約束。
[0055]分數2按照圖3所示計算。在步驟130中，當前候選邊界框與當前顯著性掩模比較，以檢查在這兩者之間是否有足夠的重疊。如果重疊是足夠的，那么分數2=1，否則分數2=0。如果當前候選邊界框和顯 著性掩模之間的共有像素數的數量高于某個閾值，那么重疊是足夠的。該閾值與步驟128中使用的閾值相同。
[0056]在步驟16中，基于在步驟12中計算得到的分數值檢測標志是否存在。如果分數1=1或分數2=1，那么在當前畫面中檢測到標志存在，否則沒有檢測到標志。
[0057]根據一種變型，圖1中的方法還包括步驟14，以對標志是否存在的判定進行檢查。
[0058]在可選的步驟14中，按照圖4所示在進行標志是否存在的最終判定之前進行時間一致性檢查?；诜謹礗和分數2的值進行標志是否存在的初始臨時判定。更確切地說，如果分數1=1或分數2=1，那么在當前畫面中檢測到標志存在，否則沒有檢測到標志。然而，最終判定在結合時間一致性之后做出。時間一致性是基于以下原理:
[0059]?如果當前畫面的初始臨時判定導致肯定的回答(由于分數I或分數2等于1，因此檢測到標志)，那么比照過去判定的歷史對該判定進行檢查，以判定對當前畫面的檢測結果是真檢測(true detection)還是假陽性。
[0060]?如果對當前畫面的初始臨時判定導致否定的回答(未檢測到標志)，那么比照過去判定的歷史對該判定進行檢查，以判定對當前畫面的檢測結果是真否定(truenegative)還是假陰性。
[0061]為了達到此目的，計算置信水平。每當在當前畫面中檢測到標志存在時，置信水平就增加N，否則，降低N，當所述置信水平是正數時，在當前畫面中最終檢測到標志存在。只要該置信水平保持為零或負數，最終判定就是“沒有標志存在”。作為示例，N=10
[0062]根據一種變型，當連續(xù)幾次檢測到標志存在時，存在的置信水平迅速地增加(例如，N=2)。當連續(xù)幾次未檢測到時，存在的置信水平迅速地下降。
[0063]圖5表示根據本發(fā)明第二實施例的用于檢測是否存在標志的方法的流程圖。與根據第一實施例的方法的步驟相同的步驟在圖5中用相同的參考數字標識。
[0064]在替換第一實施例的步驟12的步驟13中，除了分數I和分數2以外還計算第三分數。分數I和分數2在步驟12中計算。分數3根據圖6中所描述的計算。在步驟132中，檢查視覺顯著性峰值是否存在于當前候選標志邊界框的內部。如果存在顯著性峰值，那么分數3=1，否則分數3=0。使用此分數，可以增強使用其他的測試獲得的檢測判定結果的置信度，而不是只依靠判定自身。這基于下述觀察到的事實:標志通常但不總是在視覺上是顯著的。
[0065]在步驟15中，如圖7所示，計算當前畫面的參考邊界框。通過臨時存儲與標志存在的置信度和位置有關的信息來計算參考邊界框。這基于標志大小和位置在整個序列上應該保持一致的想法(即使標志消失并稍后在視頻中重現)。
[0066]一旦找到當前畫面的候選邊界框，就在步驟70中使用分數3的值:
[0067]?如果分數3=1:存在標志存在的更高的置信度，在步驟72中將當前候選標志邊界框添加到參考列表。
[0068]?如果分數3=0:在步驟74中，當當前畫面的候選邊界框與是前一畫面的候選邊界框足夠相似時，通過增加相似連續(xù)候選標志邊界框計數器(Simi larBBConsecCount),來應用時間相似性原理。為了確定兩個候選邊界框之間的相似性，比較兩個候選邊界框的左上和右下角的坐標。如果計算得到的一方面左上角之間和另一方面右下角之間的空間距離小于某個閾值，那么認為邊界框是相似的。`作為示例，該閾值設置為5個像素。然后，在步驟76中，將計數器的值與閾值THRESHOLD進行比較。如果Simi larBBConsecCount>THRESHOLD，那么在步驟72中，將當前候選標志邊界框添加到參考列表。否則，當發(fā)現當前和前一候選邊界框之間不相似時，在步驟78將計數器復位到零。
[0069]在步驟80中，將值SizeList表示的參考列表中存在的候選邊界框的數量與閾值REFERENCE_BUFFER_SIZE 比較。REFERENCE_BUFFER_SIZE 等于例如 10。當參考列表中的候選邊界框的數量達到REFERENCE_BUFFER_SIZE時，計算參考邊界框，因為判定已經以足夠數量的次數以較高的置信度檢測到標志。一旦計算出參考邊界框，每當新的候選標志邊界框通過所有導致判定標志是否存在的測試時，都會使用參考邊界框的坐標，而不是使用當前候選標志邊界框的坐標。標志位conf_position_flag被設置為I,以指示已經計算出參考邊界框(ReferenceBoundingBox),在后續(xù)的處理中沒有重新計算它的必要。根據一種變型，在后續(xù)的處理中重新計算ReferenceBoundingBox。在這種情況下,不需要將標志位conf_position_flag I 設置為 I。
[0070]參考邊界框的坐標從列表中通過對左上和右下角的X和y坐標排序，并選擇列表中的值之一，例如第三個值計算得到。在理想的情景中，參考列表中的邊界框非常相似，得到的參考邊界框也將與列表中的邊界框非常相似(如第三個值將與第一個值相似)。另一方面，如果參考列表中的邊界框非常不同，那么該方法將選擇列表中邊界框之間具有非常高的重疊的區(qū)域。計算參考邊界框的另一種方法是計算參考列表中邊界框坐標的直方圖，并考慮每個坐標的峰值。
[0071]在步驟17，對標志是否存在做出最終判定，做出判定的過程如圖8所示。標志檢測的最初臨時判定是基于分數I和分數2的值。然而，標志是否存在的最終判定在結合時間一致性之后做出。如果計算出參考邊界框，那么每次判定標志是否存在都會產生肯定的答案，參考邊界框的信息都會覆蓋(override)當前候選標志邊界框的信息。否則，使用當前邊界框的信息。一旦計算出參考邊界框，當隨后檢測標志時，在剩余的視頻畫面中都使用相同的邊界框。根據一種變型，在畫面I (t)之后的畫面中計算新的參考邊界框。
[0072]圖9、10和11表示用于確定候選標志邊界框的方法的流程圖。在步驟92中，將邊緣檢測器(例如，Sobel邊緣檢測器)應用于當前畫面和當前畫面前一(ACCU_LENGTH-1)畫面。根據一種變型，邊緣檢測器僅應用于畫面中的搜索區(qū)域，例如畫面的四個角或頂部和底部水平橫條。根據變型，使用具有更好的魯棒性、更精細的邊緣檢測器，例如Canny邊緣檢測器。具有更好的魯棒性、更精細的邊緣檢測器可以改善在標志是半透明的以及標記具有模糊邊緣(soft edge)的情況下的邊緣檢測。
[0073]在步驟94中，作為Sobel邊緣檢測器的輸出的二值邊緣圖然后相加得到累加邊緣圖。然后通過僅考慮像素值等于累加邊緣圖中的最大總和值MaxEdgeValue的像素對累加邊緣圖進行二值化處理。根據一種變型，考慮像素值等于或高于(K*ACCU_LENGTH)(例如，K=0.8)的像素。事實上，ACCU_LENGTH是理論上的最大累加值。
[0074]在可選的步驟95中，將二值化的累加邊緣圖中的非零像素的數量與閾值L0G0_MINIMUM_EDGE_PTS比較。如果低于該閾值，那么檢查時間一致性(可選的步驟14)，否則，該方法繼續(xù)步驟96。
[0075]在步驟96中，使用平均濾波器對二值化處理過的累加邊緣圖進行濾波，確定濾波后的畫面中的峰值位置。
[0076]在步驟98中，對濾波后的圖像進行二值化處理，以產生表示時間累加的靜態(tài)邊緣區(qū)域的斑點。
[0077]在步驟100中，對斑點進行處理。更準確地說，確定在濾波后的畫面中包含峰值的斑點。對于每一個確定的斑點，計算濾波后的畫面中對應的像素值的總和。然后選擇總和值最高的斑點。包圍所選的斑點的矩形框是候選標志邊界框。根據一種變型，在步驟102中，將包圍所選的斑點的矩形框的表面(surface)、高度和寬度與閾值比較。如果其中之一低于閾值，那么丟棄該矩形框。
[0078]圖12表示用于從顯著圖確定當前畫面的顯著性掩模的方法的流程圖。在步驟1200中，確定灰度空間顯著圖中的最大值。在步驟1202中，將最大值與閾值SALIENCY_PEAK_MIN比較。如果最大值低于閾值，那么認為顯著性信息太弱以至于無法使用。如果最大值不低于閾值，那么在步驟1204中構建顯著性掩模。構建指示空間顯著圖中等于最大值的像素的位置的二值圖像SaliencyMaskl?？紤]第一顯著性掩模中每一個激活位置周圍的NEIGH像素的鄰域，可以構建第二顯著性掩模。為了計算分數2和分數3，可以使用兩個顯著性掩模。根據一種變型，在步驟1206中，考慮NB_SALIENCY_TOP_VALUES前幾個顯著性值。
[0079]優(yōu)選使用SaliencyMaskl計算分數3,使用SaliencyMask2計算分數2。
[0080]圖13表示根據一個特定的和非限制性實施例的標志檢測器2的示例性體系結構。標志檢測器例如集成到平板電腦、手機或PDA中。標志檢測器2包括通過數據和地址總線24連接在一起的以下元件:
[0081]-微處理器21(或CPU)，它是例如DSP (數字信號處理器)；
[0082]-ROM (只讀存儲器)22 ；
[0083]-RAM (隨機存取存儲器)23 ；
[0084]-一個或多個輸入/輸出接口25,例如鍵盤、鼠標以及
[0085]-電池26。
[0086]圖13中的這些元素中的每一個都是本領域的技術人員所熟知的，不會進一步公開。標志檢測器2可以包括顯示部件，如用于顯示處理后的畫面的屏幕。在每一個提到的存儲器中，本說明書中使用的詞語“寄存器”可以對應于小容量區(qū)域(幾個比特)或非常大的區(qū)域(例如，整個節(jié)目或大量接收到的或解碼后的數據)。根據本發(fā)明的處理方法的算法存儲在R0M22中。RAM43包括在寄存器中，程序通過CPU21執(zhí)行，并在開啟處理設備2之后上載。當開啟時，CPU21上載程序到RAM中，并執(zhí)行對應的指令。待處理的畫面在一個輸入/輸出接口 25處接收。
[0087]根據變型，根據一個純硬件實現，與本發(fā)明兼容的標志檢測器2以例如專用組件(例如，ASIC (專用集成電路)或FPGA (現場可編程門陣列)或VLSI (超大規(guī)模集成電路)，或集成到設備中的多個電子組件的形式實現，或甚至以硬件元件和軟件元件混合的形式實現。
[0088]分數的值(分數1、分數2、分數3)不一定是二值的。取代二值，它們可以采用概率值。事實上，使用二值會使得在使用這些分數的不同步驟中進行判定比較困難。取代二值，使用概率值可以提供特定置信水平的判定，還可以利用模糊邏輯方法在使用這些分數的不同步驟中做出判定。
【權利要求】
1.一種用于檢測當前視頻畫面中是否存在標志的方法，其特征在于，所述方法包括: -確定(10)所述當前畫面中的當前候選標志邊界形狀，以及所述當前畫面前一畫面中的前一候選標志邊界形狀； -如果滿足以下條件中的至少一個條件(12)，那么檢測(16)到在當前畫面中存在標志: -所述當前和所述前一候選標志邊界形狀的中心之間的距離小于第一閾值，或者所述當前和所述前一候選標志邊界形狀之間的重疊大于第二閾值； -當前候選標志邊界形狀和當前畫面的顯著性掩模之間的重疊大于第三閾值，其中顯著性掩模標識顯著性峰值周圍的區(qū)域。
2.如權利要求1所述的方法，其中所述候選標志邊界形狀是候選標志邊界框。
3.如權利要求2所述的方法，其中每當在所述視頻的當前畫面中檢測到存在標志時，置信水平就增加(14) N，否則，就減少N，當所述置信水平是正數時，在當前畫面中最終檢測到存在標志。
4.如權利要求3所述的方法，其中N=I。
5.如權利要求3所述的方法，其中N的值在幾次連續(xù)檢測到或未檢測到之后增加。
6.如權利要求2-5中任何一項所述的方法，其中當檢測到當前畫面中存在標志時，所述當前畫面中的標志按照以下確定: 檢查當前候選標志邊界框是否包括顯著性峰值，如果所述檢查是肯定的，那么將所述當前候選標志邊界框添加到標志候選邊界框列表，當所述列表包括M個候選標志邊界框時，所述當前畫面中的標志是從候選標志邊界框列表計算得到的邊界框，否則，所述當前畫面中的標志是當前候選標志邊界框。
7.如權利要求6所述的方法，其中M=10。
8.如權利要求2-7中任何一項所述的方法，其中確定當前候選標志邊界框包括: a)計算(92)至少一個搜索區(qū)域中的每個檢測窗口畫面的邊緣圖，所述檢測窗口包括當前畫面和所述當前畫面前面的P個畫面。 b)將多個畫面的邊緣圖相加(94)得到累加的邊緣圖，并對累加的邊緣圖進行二值化處理； c)對二值化處理后的累加的邊緣圖進行濾波(96)得到濾波過的邊緣圖； d)對濾波過的邊緣圖進行二值化處理(98)得到斑點圖； e)在包含濾波過的邊緣圖中的像素最大值的像素的斑點中選擇(100)包含濾波過的邊緣圖中的最大像素值之和的斑點；以及 f)確定包圍所選斑點的框，所述候選邊界框是所述邊界框。
9.如權利要求8所述的方法，其中所述檢測窗口滑過k個畫面，并且其中所述步驟a) _f)在被滑過的檢測窗口上重復執(zhí)行以檢測所述被滑過的檢測窗口中的一個畫面中的標志，所述一個畫面被稱為下一個畫面。
10.如權利要求8或9所述的方法，其中所述至少一個搜索區(qū)域包括當前畫面的四個角以及頂部和底部水平橫帶。
11.一種用于檢測當前視頻畫面中是否存在標志的設備，其特征在于，所述設備包括: -用于確定(21，22，23，24，25，26)所述當前畫面中的當前候選標志邊界形狀，以及所述當前畫面前一畫面中的前一候選標志形狀的部件； -用于在滿足以下條件中的至少一個條件(21，22，23，24，25，26)時檢測(21，22，23，24，25，26)到在當前畫面中存在標志的部件: -所述當前和所述前一候選標志邊界形狀的中心之間的距離小于第一閾值，或者所述當前和所述前一候選標志邊界形狀之間的重疊大于第二閾值；當前候選標志邊界形狀和當前畫面的顯著性掩模之間的重疊大于第三閾值，其中顯著性掩模標識顯著性峰值周圍的區(qū)域。
12.如權利要求11所述的設備，其中所述候選標志邊界形狀是候選標志邊界框。
13.如權利要求12所述的設備，包括用于以下的部件:每當在所述視頻的當前畫面中檢測到存在標志時，置信水平就增加N，否則，所述置信水平就減少N，當所述置信水平是正數時，在當前畫面中最終檢測到存在標志。
14.如權利要求13所述的設備，其中N=I。
15.如權利要求13所述的設備，其中N的值在幾次連續(xù)檢測到或未檢測到之后增加。
16.如權利要求12-15中任何一項所述的設備,包括用于在檢測到存在所述標志時確定所述當前畫面中的標志的部件，其中所述用于確定標志的部件檢查當前候選標志邊界框是否包括顯著性峰值，如果所述檢查是肯定的，那么將所述當前候選標志邊界框添加到標志候選邊界框列表，當所述列表包括M個候選標志邊界框時，所述當前畫面中的標志是從候選標志邊界框列表 計算得到的邊界框，否則，所述當前畫面中的標志是當前候選標志邊界框。
17.如權利要求16所述的設備，其中M=10。
18.一種計算機程序產品，其特征在于，它包括用于當所述程序在計算機上執(zhí)行時執(zhí)行根據權利要求1-10中任何一項所述方法的步驟的程序代碼指令。
【文檔編號】G06K9/62GK103761527SQ201310424716
【公開日】2014年4月30日 申請日期:2013年9月17日 優(yōu)先權日:2012年9月17日
【發(fā)明者】T.Q.休因-圖, F.厄本 申請人:湯姆遜許可公司