中插广告自动识别系统的设计与实现

发布时间：2021-05-18 04:40

　　随着互联网广告行业的快速发展,视频广告在广告投放中占据着越来越重要的地位,视频广告的自动识别可以帮助广告商判断网站是否按约定投放广告,同时也可以帮助咨询机构根据广告投放量分析广告主的经营状况。随着广告转化率提升需求的不断增长,近几年出现了一种在电视剧中插播的新型视频广告形式,广告方依托电视剧的故事背景和人物关系构思广告创意,将广告做成“番外篇短视频”穿插在剧集中,称为“中插广告”。这种广告形式模糊了广告与剧情的界限,使得传统广告的自动识别方法不再适用。本文针对传统广告自动识别系统在镜头切分、镜头分类和广告内容识别模块上不适应中插广告识别的具体问题,利用深度学习技术与传统的计算机视觉处理技术,结合图像特征、音频特征和文本特征,从时间和空间多角度出发,设计了一种中插广告的自动识别系统。本文的主要贡献有如下三点:（1）针对视频中镜头间渐变情况提出一种新的镜头切分方法。由于中插广告和剧情的场景相似,因而在剧情镜头与广告镜头之间较多采用镜头渐变切换,相比传统广告采用的镜头突变切换,镜头切分更为困难。基于对中插广告的观察,发现渐变过程中会出现黑镜头,本文跳出计算帧间距离的常规思路,提出一种简单有效... 

【文章来源】：北京交通大学北京市 211工程院校 教育部直属院校

【文章页数】：75 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
ABSTRACT
缩略词表
1 引言
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 镜头边界检测
        1.2.2 视频分类
        1.2.3 多特征视频分类
        1.2.4 文字区域检测
        1.2.5 文字内容识别
    1.3 本论文的主要研究内容
    1.4 本论文的主要贡献
    1.5 本论文的组织结构
2 技术背景
    2.1 开发平台
        2.1.1 视频处理平台
        2.1.2 Anaconda简介
        2.1.3 Pycharm简介
        2.1.4 Scikit-Learn库
        2.1.5 Tensorflow开源软件库
        2.1.6 Keras开源软件库
    2.2 镜头边界检测方法
        2.2.1 颜色直方图
        2.2.2 边缘检测
        2.2.3 曼哈顿差分距离
    2.3 机器学习算法
        2.3.1 支持向量机
        2.3.2 随机森林算法
        2.3.3 梯度提升树
        2.3.4 极端梯度提升
    2.4 深度学习算法
        2.4.1 卷积神经网络
        2.4.2 LSTM网络
        2.4.3 Attention网络
    2.5 文字区域检测
        2.5.1 R-CNN简介
        2.5.2 Faster R-CNN算法简介
    2.6 文字内容识别
        2.6.1 CTC损失函数简介
        2.6.2 CRNN算法简介
    2.7 本章小结
3 系统设计与数据集
    3.1 系统设计
    3.2 镜头边界检测
        3.2.1 突变与渐变
        3.2.2 镜头边界检测
    3.3 数据集介绍
        3.3.1 镜头图像数据集
        3.3.2 镜头音频数据集
    3.4 本章小结
4 镜头分类
    4.1 问题描述
    4.2 提取镜头的深度卷积特征
        4.2.1 镜头图像特征
        4.2.2 镜头音频特征
    4.3 特征融合
        4.3.1 特征并联
        4.3.2 特征拼接
    4.4 训练镜头分类器
        4.4.1 机器学习
        4.4.2 深度学习
    4.5 本章小结
5 广告内容识别
    5.1 问题描述
    5.2 利用文字进行内容识别
        5.2.1 文字数据库
        5.2.2 文字区域检测
        5.2.3 区域内容识别
    5.3 利用音频特征进行内容识别
        5.3.1 音频数据库
        5.3.2 色度特征匹配
    5.4 综合文字与音频方法进行文字识别
    5.5 本章小结
6 总结及展望
    6.1 本文工作总结
    6.2 未来工作展望
参考文献
作者简历及攻读硕士/博士学位期间取得的研究成果
学位论文数据集



本文编号：3193131