一種基于廣告視頻圖像數(shù)據(jù)的吸引力判定方法
【專利摘要】本發(fā)明提出一種基于廣告視頻圖像數(shù)據(jù)的吸引力判定方法，首先對得到的訓(xùn)練樣本集中的每個廣告視頻數(shù)據(jù)進(jìn)行特征提取，從視覺和聽覺方面共提取出58個特征，形成特征向量；然后根據(jù)訓(xùn)練樣本視聽覺特征向量以及其吸引力的類別標(biāo)簽來訓(xùn)練分類模型。最后根據(jù)已經(jīng)訓(xùn)練出的分類模型，對輸入的每個吸引力類別未知的廣告視頻數(shù)據(jù)，首先計(jì)算其視聽覺特征向量，作為分類模型的輸入，接著用分類模型輸出該廣告視頻數(shù)據(jù)的吸引力類別。本發(fā)明可以根據(jù)輸入廣告視頻數(shù)據(jù)的視覺特征和聽覺特征來對其吸引力大小進(jìn)行判定，判定為吸引力大或吸引力小。該方法的判定結(jié)果具有較高的準(zhǔn)確度，并且具有較低的運(yùn)算復(fù)雜度。
【專利說明】一種基于廣告視頻圖像數(shù)據(jù)的吸引力判定方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于計(jì)算機(jī)數(shù)據(jù)圖像處理，涉及一種基于廣告視頻圖像數(shù)據(jù)的吸引力判定方法。
【背景技術(shù)】
[0002]隨著互聯(lián)網(wǎng)、數(shù)字電視等多媒體的快速發(fā)展，以數(shù)字媒體作為載體傳播廣告視頻已經(jīng)成為商家的主要宣傳手段，同時越來越多的用戶將廣告視頻作為了解商品的主要途徑。然而在廣告視頻數(shù)量快速增長的同時，對廣告的效果評價仍缺乏有效的手段，廣告效果對廣告的定價，投放等都起著至關(guān)重要的作用?，F(xiàn)階段主要是以人工觀測的方式對廣告效果進(jìn)行評價，但是這種觀測方式的主觀性大，效率低，很難滿足廣告視頻的快速增長速度，所以找到一種可以快速，客觀準(zhǔn)確對廣告視頻效果進(jìn)行評價的手段是一個亟待解決的問題。廣告視頻對人們的吸引力是決定其效果的一個關(guān)鍵指標(biāo)，一段吸引人的廣告視頻也一定能夠帶來很好的廣告效果，但是目前在視頻研究領(lǐng)域還沒有人對廣告視頻的吸引力進(jìn)行研究。
[0003]目前已有的對廣告視頻的研究主要是學(xué)習(xí)怎樣將一段廣告視頻最無縫地插入到其他視頻中，并且能夠引起人們對該廣告視頻最多的關(guān)注。這種方法主要是根據(jù)給定廣告視頻和源視頻之間的相關(guān)性，并不能單獨(dú)用來對廣告視頻的吸引力進(jìn)行研究。此外，在專利號為 7742762 的美國專利 Systems and methods for generating a comprehensive userattention model中提到了一種通過建立用戶注意度模型來估計(jì)用戶對視頻的注意程度的方案。該方案首先從視頻數(shù)據(jù)中提取出特征成分；然后對提取出的特征成分應(yīng)用多種注意度模型生成注意度數(shù)據(jù)；最后將產(chǎn)生的注意度數(shù)據(jù)集成到一個綜合的用戶注意度模型上來對視頻數(shù)據(jù)進(jìn)行計(jì)算分析，產(chǎn)生一個用戶注意度模型，用來估計(jì)用戶在觀看視頻過程中被吸引的程度。但是這種方法只是在視頻內(nèi)部進(jìn)行吸引人程度分析，用來對視頻數(shù)據(jù)進(jìn)行檢索摘要，并沒有對視頻數(shù)據(jù)的整體吸引人程度進(jìn)行度量，因此不能直接用來對廣告視頻數(shù)據(jù)的整體吸引力進(jìn)行判定。本發(fā)明提出了一種廣告視頻數(shù)據(jù)的判定方法，該方法通過對廣告視頻數(shù)據(jù)的視聽覺特征的分析來對其吸引力進(jìn)行判定。

【發(fā)明內(nèi)容】

[0004]要解決的技術(shù)問題
[0005]為了避免現(xiàn)有技術(shù)的不足之處，本發(fā)明提出一種基于廣告視頻圖像數(shù)據(jù)的吸引力判定方法，自動地將輸入的廣告視頻數(shù)據(jù)判定為吸引力大或吸引力小，判定結(jié)果具有很高的準(zhǔn)確度。
[0006]技術(shù)方案
[0007]—種基于廣告視頻圖像數(shù)據(jù)的吸引力判定方法，其特征在于:
[0008]步驟1、提取每一個輸入的廣告視頻圖像數(shù)據(jù)的視覺特征和提取每一個輸入的廣告視頻圖像數(shù)據(jù)的聽覺特征:[0009]提取每一個輸入的廣告視頻圖像數(shù)據(jù)的視覺特征，具體的步驟如下:
[0010]步驟a:對廣告視頻圖像數(shù)據(jù)進(jìn)行鏡頭分割并提取視頻鏡頭關(guān)鍵幀:將整段視頻Videol分成η個單獨(dú)的視頻鏡頭，對于每個視頻鏡頭i，提取出其中間幀作為該視頻鏡頭的關(guān)鍵幀Pi ；
[0011]步驟b:計(jì)算廣告視頻圖像數(shù)據(jù)的動態(tài)視覺特征——視頻總體運(yùn)動強(qiáng)度特征，具體實(shí)施如下:
[0012]?計(jì)算廣告視頻圖像數(shù)據(jù)的平均視頻鏡頭運(yùn)動矢I W對步驟a中鏡頭分割得到的每個視頻鏡頭i用全搜索塊匹配算法計(jì)算其運(yùn)動矢量Mi，再根據(jù)加權(quán)平均法計(jì)算視頻內(nèi)
部的平均視頻鏡頭運(yùn)動矢量一，計(jì)算公式為
【權(quán)利要求】
1.一種基于廣告視頻圖像數(shù)據(jù)的吸引力判定方法，其特征在于: 步驟1、提取每一個輸入的廣告視頻圖像數(shù)據(jù)的視覺特征和提取每一個輸入的廣告視頻圖像數(shù)據(jù)的聽覺特征: 提取每一個輸入的廣告視頻圖像數(shù)據(jù)的視覺特征，具體的步驟如下: 步驟a:對廣告視頻圖像數(shù)據(jù)進(jìn)行鏡頭分割并提取視頻鏡頭關(guān)鍵幀:將整段視頻Videol分成η個單獨(dú)的視頻鏡頭，對于每個視頻鏡頭i，提取出其中間幀作為該視頻鏡頭的關(guān)鍵幀Pi ； 步驟b:計(jì)算廣告視頻圖像數(shù)據(jù)的動態(tài)視覺特征一視頻總體運(yùn)動強(qiáng)度特征，具體實(shí)施如下: 籲計(jì)算廣告視頻圖像數(shù)據(jù)的平均視頻鏡頭運(yùn)動矢量及:對步驟a中鏡頭分割得到的每個視頻鏡頭i用全搜索塊匹配算法計(jì)算其運(yùn)動矢量Mi,再根據(jù)加權(quán)平均法計(jì)算視頻內(nèi)部的平均視頻鏡頭運(yùn)動矢量m，計(jì)算公式為
2.根據(jù)權(quán)利要求1所述的一種廣告視頻圖像數(shù)據(jù)的吸引力判定方法，其特征在于:所述步驟I的c步驟中的亮度特征，對比度特征，高頻邊緣分布特征，色相計(jì)數(shù)特征為JoseSan Pedro, Stefan Siersdorfer.Ranking and Classifying Attractiveness of Photosin Folksonomies [J].Wffff' 09, 2009 中的特征。
3.根據(jù)權(quán)利要求1所述的一種廣告視頻圖像數(shù)據(jù)的吸引力判定方法，其特征在于:所述步驟I的b步驟中的視彩度特征,飽和度特征，自然性特征為Yan Ke, Xiaoou Tang, FengJing.The Design of High-Level Features for Photo Quality Assessment[J].ComputerVision and Pattern Recognition, 2006 中的特征。
4.根據(jù)權(quán)利要求1所述的一種廣告視頻圖像數(shù)據(jù)的吸引力判定方法，其特征在于:所述步驟I的e步驟中的低短時能量率特征為Lie Lu, Hao Jiang and HongJiang Zhang.ARobust Audio Classification and Segmentation Method[J].Multimedia’01，2001 中的特征。
5.根據(jù)權(quán)利要求1所述的一種廣告視頻圖像數(shù)據(jù)的吸引力判定方法，其特征在于:所述步驟I的g步驟中的高過零率比特征為Lie Lu, Hao Jiang and HongJiang Zhang.ARobust Audio Classification and Segmentation Method[J].Multimedia’01，2001 中的特征 。
【文檔編號】H04N21/2668GK103458279SQ201310380246
【公開日】2013年12月18日 申請日期:2013年8月27日 優(yōu)先權(quán)日:2013年8月27日
【發(fā)明者】韓軍偉, 權(quán)榮, 郭雷 申請人:西北工業(yè)大學(xué)