葛 菲，史 萍

（中國(guó)傳媒大學(xué) 信息工程學(xué)院，北京 100024）

1 引言

對(duì)于電視節(jié)目中的廣告，商家需要知道其投放的廣告是否正常播放，而國(guó)家為了嚴(yán)格控制廣告的播放時(shí)間需要知道廣告在一天中所占比例，普通電視觀眾為了觀看或收藏完整的節(jié)目視頻，希望將其中的廣告部分去除。因此，對(duì)電視節(jié)目的廣告進(jìn)行自動(dòng)檢測(cè)成為不同用戶的共同追求。筆者在分析廣告特有的視頻特征的基礎(chǔ)上，提出了一種以鏡頭為檢測(cè)單位，利用統(tǒng)計(jì)分析的方法實(shí)現(xiàn)廣告視頻段落自動(dòng)分割的方法。實(shí)驗(yàn)證明，該算法有較高的正確率。

2 系統(tǒng)設(shè)計(jì)

2.1 系統(tǒng)構(gòu)成

廣告視頻有區(qū)別于其他類型視頻的特征，如聲畫(huà)合一，圖像顏色鮮艷，鏡頭切換快，運(yùn)動(dòng)較多，對(duì)象繁雜，關(guān)鍵幀極難抽取，廣告段與電視節(jié)目之間音頻變化較大等。為將廣告片段從視頻節(jié)目中分離出來(lái)，可以檢測(cè)廣告片段中特有的特征，也可綜合利用切變檢測(cè)、靜止場(chǎng)景檢測(cè)、相似幀檢測(cè)、黑屏檢測(cè)和文字檢測(cè)等將廣告片段與正常節(jié)目區(qū)分開(kāi)來(lái)。依據(jù)廣告特有的視頻特征，本系統(tǒng)分為以下幾個(gè)模塊實(shí)現(xiàn)廣告段落的分割，如圖1所示。

2.2 鏡頭分割

面對(duì)數(shù)據(jù)量巨大的廣告視頻，準(zhǔn)確的鏡頭邊界檢測(cè)算法至關(guān)重要。目前已有的鏡頭邊界檢測(cè)算法有：直方圖特征值法、邊緣（輪廓）特征值法、運(yùn)動(dòng)特征值法等[1]。Yu等人采用信息熵確定幀間直方圖差的自適應(yīng)閾值，對(duì)候選的漸變采用了熵閾值法來(lái)檢測(cè)分析[2]。但是針對(duì)廣告視頻的鏡頭邊界檢測(cè)來(lái)說(shuō)其難點(diǎn)主要有以下幾方面：首先，與其他視頻相比，廣告段落鏡頭切換節(jié)奏快，而且涵蓋淡入淡出、切變等方式；其次，視頻中包含了大量的閃光處理，特別在廣告拍攝中更是常用的手法。按照一般的檢測(cè)算法，閃光出現(xiàn)時(shí)都會(huì)被認(rèn)為是切變。對(duì)此，Zhang Dong等人提出通過(guò)建立切變模型和閃光模型來(lái)進(jìn)行識(shí)別[3]，如圖2所示。

由圖2可以看出，切變模型和閃光模型的視頻幀特征值都出現(xiàn)了較大的變化，但不同的是切變模型變化后視頻幀特征值穩(wěn)定在另一個(gè)水平上，而閃光模型變化后，視頻幀特征值經(jīng)過(guò)一幀或幾幀之后又回到原來(lái)的水平。本文以幀間直方圖差和幀間直方圖平均強(qiáng)度差為特征，采用雙閾值幀間差檢測(cè)算法進(jìn)行鏡頭邊界檢測(cè)。雙閾值檢測(cè)算法流程如圖3所示。

定義抽取的特征為：

為了進(jìn)一步討論如何判定該幀是切變模型還是閃光模型，定義參數(shù)如下：H1為當(dāng)前幀和前一幀之間的強(qiáng)度差；H2為當(dāng)前幀的后續(xù)n幀和前n幀之間的強(qiáng)度差，取 n=3～5。

在理想的模型下，很容易看出R=H2/H1在閃光模型中等于0，對(duì)應(yīng)切變模型中的為1。因?yàn)榫唧w的視頻與理想模型之間的差異，引入閾值T1=0.5。

為實(shí)現(xiàn)自適應(yīng)閾值，本系統(tǒng)使用僅包含部分幀的基于時(shí)間軸的滑動(dòng)窗W1來(lái)決定閾值的選取?？紤]到在廣告中一個(gè)鏡頭可能持續(xù)不到1 s，以及閃光的持續(xù)實(shí)際上一般不會(huì)超過(guò)10幀，定義滑動(dòng)窗口大小n=11，此處的幀為偶數(shù)幀或奇數(shù)幀，Tb與Ts的選取建立在對(duì)滑動(dòng)窗口內(nèi)幀間差的歸一化，可將幀間直方圖差的噪聲看成是高斯分布噪聲，那么令σ為幀與幀間差序列的標(biāo)準(zhǔn)方差，μ為差序列的均值。由高斯分布的特性可知：Tb=μ+ασ。 由實(shí)驗(yàn)結(jié)果得知，當(dāng) α=5時(shí)，非鏡頭幀間差落在[0，μ+ασ]范圍外的概率為0。所以，計(jì)算Tb時(shí)的 α=3～5，計(jì)算 Ts時(shí)的 α=2～3。

2.3 字幕檢測(cè)

一般的電視節(jié)目大致是由一系列的正片、片頭、片尾和廣告簡(jiǎn)單連接而成，而且部分廣告段落是與片頭和片尾緊密相連的，片頭片尾部分包含大量的字幕信息，因此可以利用字幕特性確定片頭和片尾片段。此外，在電視劇、新聞、綜藝等節(jié)目播出時(shí)，在屏幕的左下角或右下角都會(huì)出現(xiàn)標(biāo)志該節(jié)目名稱的字幕區(qū)域。因此，字幕段落的出現(xiàn)往往表示一個(gè)廣告段落的結(jié)束和新的電視節(jié)目的開(kāi)始，或者一個(gè)電視節(jié)目的結(jié)束和新的廣告段落的開(kāi)始，它可以作為廣告段落分割的邊界。

本文選擇經(jīng)Sobel邊緣檢測(cè)[4]圖像的總邊緣像素點(diǎn)作為字幕檢測(cè)的特征值，具體實(shí)現(xiàn)流程如圖4所示。

其中

判決條件如下：

式中：Gx′和 Gx′′分別為 Z2和 Z8在水平方向的一階偏導(dǎo)，Gy′和 Gy′′分別為Z4和Z8在垂直方向的一階偏導(dǎo)。 滿足式（5）和式（6）或式（5）和式（7），則當(dāng)前像素點(diǎn)屬于水平邊緣部分或者垂直邊緣部分，即該像素點(diǎn)屬于邊緣像素點(diǎn)。最后對(duì)屬于邊緣部分的像素點(diǎn)進(jìn)行統(tǒng)計(jì)累加，得到值A(chǔ)，即為字幕特征值。

對(duì)于片頭片尾字幕片段的檢測(cè)來(lái)說(shuō)，主要有以下幾方面難點(diǎn)：首先廣告中紋理?xiàng)l紋較多造成圖像邊緣點(diǎn)增加；其次，廣告片段中也可能出現(xiàn)字幕片段。經(jīng)過(guò)試驗(yàn)觀察，字幕占據(jù)的區(qū)域文字排列較緊密。根據(jù)這一特性，可用字幕的塊密度[5]來(lái)判定該幀是否為字幕幀，這樣可避免因不必要的紋理及條紋而造成圖像邊緣點(diǎn)的增加。另外廣告中字幕片段持續(xù)時(shí)間遠(yuǎn)小于電視劇中字幕片段的持續(xù)時(shí)間，因此可設(shè)定一個(gè)持續(xù)幀數(shù)閾值Fth來(lái)判斷是否為電視劇中的字幕片段。

對(duì)于特定區(qū)域節(jié)目標(biāo)志的字幕檢測(cè)來(lái)說(shuō)，由于一般節(jié)目都附帶當(dāng)前正在播出節(jié)目的節(jié)目標(biāo)志，而這些節(jié)目標(biāo)志往往放置在電視節(jié)目的左下角或右下角，所以這里對(duì)這2個(gè)敏感區(qū)域進(jìn)行研究。如圖5所示，以352×288的視頻圖像為例，將左下角和右下角區(qū)域設(shè)為敏感區(qū)域，并根據(jù)統(tǒng)計(jì)經(jīng)驗(yàn)設(shè)定該區(qū)域的寬高值，單位為像素。

根據(jù)上述片頭片尾字幕檢測(cè)的算法，分別計(jì)算兩區(qū)域的字幕像素?cái)?shù)。由于節(jié)目標(biāo)志僅為左下角或右下角中的一側(cè)，所以將檢測(cè)出的字幕像素?cái)?shù)多的一側(cè)作為節(jié)目標(biāo)志出現(xiàn)區(qū)域。對(duì)分解出的鏡頭進(jìn)行分析，當(dāng)鏡頭中的每一幀的字幕像素?cái)?shù)大于某一閾值th1時(shí)，判定該幀為字幕幀，當(dāng)字幕幀比率Ratio超過(guò)另一個(gè)閾值th2時(shí)，則判定該鏡頭為字幕鏡頭，進(jìn)而判定該鏡頭為非廣告鏡頭。

其中，Ratio=鏡頭中字幕幀數(shù)/整個(gè)鏡頭總幀數(shù)。

2.4 音頻特征提取

與視頻特征類似，音頻特征[6]的提取用于表征音頻信息。音頻信號(hào)具有短時(shí)性，即在一段短時(shí)間隔里音頻信號(hào)可以保持相對(duì)穩(wěn)定的特征。實(shí)驗(yàn)證明，廣告視頻段落的短時(shí)能量均值要比其他視頻的短時(shí)能量均值要高，所以短時(shí)能量均值也成為廣告視頻段落分割的一個(gè)重要特征。

2.5 廣告段落的檢測(cè)

筆者介紹的視頻廣告段落的檢測(cè)方法以“判斷-統(tǒng)計(jì)-分組-修正”這4個(gè)步驟為核心，如圖6所示?！芭袛唷本褪且袛嗍欠穹弦欢ǖ呐袥Q條件；“統(tǒng)計(jì)”就是統(tǒng)計(jì)有多少鏡頭滿足條件；“分組”就是將相同條件的鏡頭分成一組進(jìn)而實(shí)現(xiàn)鏡頭的分類，最終分為字幕鏡頭（即非廣告鏡頭）、非字幕的廣告鏡頭和非字幕的非廣告鏡頭；“修正”就是將不滿足條件的鏡頭進(jìn)行修正。

現(xiàn)有的廣告視頻檢測(cè)方法，一般是從廣告具有的圖像特征來(lái)進(jìn)行識(shí)別。這種方法因?yàn)閮H僅利用了圖像特征，因此存在檢測(cè)錯(cuò)誤或檢測(cè)不全的問(wèn)題。針對(duì)現(xiàn)有技術(shù)的不足，筆者提出了同時(shí)利用廣告視頻具有的圖像和音頻特征綜合進(jìn)行檢測(cè)的方法。首先標(biāo)志鏡頭類型，由分割出的鏡頭強(qiáng)度來(lái)初步判斷是否為廣告鏡頭，當(dāng)鏡頭幀數(shù)小于某個(gè)閾值時(shí)，則初步判斷其為廣告鏡頭，反之為非廣告鏡頭。針對(duì)非廣告中字幕鏡頭、廣告中非字幕鏡頭和非廣告鏡頭這三種情況，對(duì)其做如下的判決與修正（見(jiàn)表1），進(jìn)而檢測(cè)出廣告段落。

表1 電視廣告段落分割算法中的判決/修正表

試驗(yàn)發(fā)現(xiàn)，這種統(tǒng)計(jì)分析的方法仍然存在問(wèn)題，其中的某些廣告段落可能因?yàn)殚撝颠x擇而出現(xiàn)一個(gè)段落被分割成多個(gè)廣告片段的情況。同時(shí)發(fā)現(xiàn)一普遍規(guī)律：每次插播的廣告時(shí)間一般不超過(guò)5 min。為了彌補(bǔ)上述問(wèn)題，可以將標(biāo)記為廣告的廣告段落從頭到尾搜索一遍，從第一個(gè)廣告段落的起始時(shí)間算起，將后續(xù)段落與第一個(gè)廣告段落的時(shí)間差小于5 min的段落合并為一個(gè)廣告段落，而超過(guò)5 min的段落作為下一廣告段落的起始點(diǎn)。

3 試驗(yàn)結(jié)果及分析

3.1 廣告段落檢測(cè)試驗(yàn)結(jié)果

對(duì)中央電視臺(tái)播出的部分節(jié)目進(jìn)行試驗(yàn)，經(jīng)過(guò)計(jì)算統(tǒng)計(jì)，電視廣告部分被正確地檢測(cè)出來(lái)，檢測(cè)結(jié)果如表2所示。

表2 中央臺(tái)某播出視頻節(jié)目廣告段落檢測(cè)結(jié)果

3.2 試驗(yàn)結(jié)果分析

從試驗(yàn)數(shù)據(jù)可以看出廣告段落檢測(cè)存在漏檢和誤檢的情況，原因如下：

1）閾值的選取是廣告段落檢測(cè)算法的關(guān)鍵。本文選取的閾值是經(jīng)過(guò)對(duì)大量視頻節(jié)目特征進(jìn)行分析統(tǒng)計(jì)得到的值，雖然在大部分情況下能夠正確檢測(cè)，但仍會(huì)出現(xiàn)漏檢和誤檢的情況，因此對(duì)閾值的選擇還需要進(jìn)一步優(yōu)化。

2）廣告段落檢測(cè)算法是在提取節(jié)目視頻的音視頻特征基礎(chǔ)上進(jìn)行的，通過(guò)鏡頭邊界檢測(cè)得到鏡頭強(qiáng)度，通過(guò)字幕檢測(cè)得到視頻的字幕特征，通過(guò)比較平均短時(shí)能量均值，來(lái)區(qū)分廣告和一般視頻。由于電視廣告視頻圖像復(fù)雜多變，目前還做不到完全準(zhǔn)確，所以廣告段落檢測(cè)時(shí)存在誤檢和漏檢的情況。

4 小結(jié)

筆者提出了基于內(nèi)容的電視廣告段落分割算法，首先對(duì)視頻節(jié)目進(jìn)行音頻和視頻特征分析，提取視音頻特征作為廣告段落分割算法的分析特征，最終根據(jù)統(tǒng)計(jì)分析的方法，利用“判斷－統(tǒng)計(jì)－分組－修正”的核心思想，最終分割出廣告段落。后續(xù)將對(duì)閾值的選取及特征提取的精準(zhǔn)度等進(jìn)行優(yōu)化，以達(dá)到更好的實(shí)用效果。

[1]XIN Ru，ZHANG Xiaotong，LI Hanzhang，et al.An area optimized directdigitalfrequency synthesizerbased on improved hybrid CORDIC algorithm[C]//IEEE 3rd International Workshop on Signal Design and Its Application in Communication.[S.l.]：IEEE Press，2007：243-246.

[2]VOLDER J E.The CORDIC trigonometric computing technique[J].IEEE Trans.Electronic Computer，1959，8（3）：330-334.

[3]WANG S，PIURI V，WARTZLANDER E E.Hybrid CORDIC algorithms[J].IEEE Trans.Computer，1997，46（11）：1202-1207.

[4]WANG Han，ZHENG Yousi，LIN Xiaokang.A parallel double-step CORDIC algorithm for digital down converter[C]//Proc.the 2009 Seventh Communication Networks and Services Research Conference.Washington DC，USA：IEEE Press，2009：257-261.

[5]吳芝路，楊水旺，任廣輝.基于MVR CORDIC算法的DDC設(shè)計(jì)與實(shí)現(xiàn)[J].電視技術(shù)，2007，31（1）：27-30.