探究視頻特征下的電視廣告單元分割技術運用

陳浩

摘要：視頻廣告就是要傳播商業信息，在時間方面是存在限制的，所以，這就需要控制時間，在有限的時間內將商品的各種信息集中呈現出來。觀眾是觀看廣告的人，是非常重要的衡量標準。視頻廣告中的鏡頭持續時間比較短，本文基于視頻的特征，分析了電視廣告單元的分割技術運用。

關鍵詞：視頻特征下;電視廣告;單元分割技術;運用

視頻廣告就是要將商業信息傳播給受眾，和一般節目內鏡頭對比，視頻廣告的鏡頭持續時間要更短，一般視頻中廣告段落有一些特征，如，圖像顏色鮮艷、對象頻繁、鏡頭切換快、內部鏡頭切換率高、圖像噪聲大、關鍵幀極難抽取。廣告的類型很豐富，所以，能夠在規定中檢測視頻數據，在時間軸的基礎上對分析針鏡頭頻率的使用情況進行統計，從視頻數據中定位視頻廣告。

一、算法原理

結合廣告段落的音頻特征，選擇了圖1的方法來自動分割廣告單元。第一，先把電視廣告進行劃分，一部分是音頻流，另一部分是視頻流，視頻分析就是對切變鏡頭進行檢查，而音頻分析中能夠檢測靜音位置。視頻的基礎是鏡頭，廣告單元切割也是基于檢測鏡頭基礎上的。廣告單元和單元間的切換主要體現在畫面切換上，因此，能不能檢測出其切變鏡頭會直接影響到分割的準確性[1]。在音頻上，廣告單元的切換主要體現在小段靜音上，要是能夠正確的檢測出靜音的地方，就能夠更好的明確廣告單元邊界。在匹配處理方面，廣告單元的結束幀就選擇為靜音位置的鏡頭切變幀。

二、鏡頭檢測

視頻鏡頭的轉換主要有兩種方式，一種是切變，另一種就是漸變。在電視廣告段落中，廣告單元間的轉換一般采取的就是前一種方法，即切變。而廣告單元內的轉換一般就是漸變方式，本文要對分割廣告單元進行研究，因此，要分析的是切變鏡頭檢測。

現階段對這一鏡頭的檢測算法一般有：基于直方圖、像素差、區域塊、統計量的方法等。以直方圖為基礎的測量方法中，其檢測的準確性一般在百分之九十之上，但是在噪聲、運動很小的情況下，則不是很適應應用，因此，本文選擇基于直方圖的鏡頭檢測方法，且對其做出了優化。優化之后的檢測算法將直方圖差當作判決條件，對于鏡頭突變的判別標準則應用自適應閾值，設計了滑動窗口，進而能夠更好的提取自適應閾值，還能夠更好的檢測鏡頭，提升檢測的正確性，能夠打破固定閾值的限制。

（一）直方圖特征提取

灰度直方圖平均值能夠對相鄰幀間的差距進行放大，因此，本文選擇直方圖平均差法進行鏡頭的檢測，其計算公式是：，其中Hi（j）表示的就是第i幀中第j列的灰度值;Di就是第i幀和第i-1幀的直方圖平均差的差。在Di比設計的閾值大時，就代表是切變。

（二）自適應閾值的選取和算法過程

在不一樣的視頻片段中轉換或者是一個視頻片段中不一樣鏡頭轉換的地方，幀差存在較大的差距。要是應用固定閾值進行判別，那么就無法確保檢測的正確性，很有可能出現遺漏和錯誤的問題，使得鏡頭檢測受限，所以，為了避免這一問題的出現，就需要結合不同鏡頭的實際變化情況自適應的選擇閾值。經過實驗可以得出，在相同鏡頭內的幀差并不明顯，一般都是在該鏡頭幀差的平均值上下，但是在鏡頭邊界處的幀差就要大一些，要比其幀差平均值大出很多，這就需要應用幀差平均值自適應得出鏡頭的閾值。要想有效的選擇自適應閾值，本文應用一個滑動窗口，對其內部的幀差進行計算，選擇其平均值當做閾值，在窗口內判斷有沒有出現切變，之后把窗口向后滑動，持續到檢測好全部的視頻幀。

本文選擇了優化之后的基于直方圖的鏡頭檢測方法檢測廣告段落中的鏡頭。因為廣告視頻的時間比較短，所以對滑動窗口進行定義的值是11，把幀差平均值和系數相乘當作閾值，在多次驗證廣告視頻之后，認為閾值系數取值應該是8-9間。實驗結果也顯示，這一方法適合檢測切變鏡頭，效果比較理想。

三、音頻檢測

音頻數據在視頻廣告中的變化和視覺變化相比要更劇烈，對檢測廣告視頻是一個有效的檢測方法。現階段在處理音頻時一般都是考慮其短時特征，常見的特征包括：頻域、時域以及聲學感知特征。時域特征只是運用音頻信號的時域上的信息，在提取方面很便利，要檢測靜音時能夠直接運用短時過零率以及短時能量，實驗證明，這能夠有效的檢測音頻中靜音的地方。

四、匹配處理

在找出鏡頭切變的地方和靜音地方之后就應該匹配處理。對于廣告單元的切換幀，在選擇圖像幀時，需要符合靜音幀以及切變幀，進而能夠獲得每個廣告單元的起始幀位置，這樣就實現了廣告單元的分割。在檢測時，因為選擇的最小靜音幀長是20ms，在廣告單元間靜音時間太長時，就會檢測有三個靜音幀，這時就要選擇一幀當作靜音幀，不然就會出現重復錯誤;如果切變幀以及靜音幀未全對應，這時要想做到匹配算法，就需要獲得和靜音幀最近的切變幀，這就是切換幀。

五、結束語

綜上所述，當前視頻廣告得到了極大的發展，隨著科技的高速發展，視頻廣告的檢測算法也在不斷的優化和完善。通過靜音以及鏡頭檢測能夠分割視頻廣告段落中的廣告單元，然而其還是有限制，對廣告單元之間銜接不是很顯著的靜音的地方是檢測不出來的，這就會誤檢單元內的靜音時段，所以，還需要繼續優化廣告單元的分割算法。

參考文獻：

[1]李煒.視頻動態紋理特征提取與分割技術研究與實現[J].成都：西南交通大學，2014.