Detekcja reklam w bazach danych video

Majewicz, M.; Gąciarz, T.; Czajkowski, K.

Artykuł - szczegóły

Tytuł artykułu

Detekcja reklam w bazach danych video

Autorzy

Majewicz M. , Gąciarz T. , Czajkowski K.

Identyfikatory

Warianty tytułu

Detecting of tv commercials in video databases

Języki publikacji

Abstrakty

Reklamy telewizyjne są obecne niemal w każdym emitowanym materiale telewizyjnym. Umieszczanie takich treści w bazach danych video powoduje dodatkowe problemy, z których najważniejsze to większy rozmiar plików oraz dłuższy czas ich przeszukiwania. W artykule przedstawiono metody wykrywania i usuwania niepożądanych treści reklamowych z materiału video, z wykorzystaniem klasyfikatorów bazujących na zestawach tzw. cech typu Haara. Proponowany algorytm, dzięki dostosowaniu do konkretnej stacji telewizyjnej, osiąga wysoki poziom dokładności detekcji.

TV commercials are present in almost each currently emitted telecast. Placing such content in video databases creates additional problems, most important of which is a larger file size and longer duration of their search. This paper shows methods of detecting and removing of undesirable TV commercials from video material by using classifiers based on Haar-like features. The proposed algorithm can adapt to a particular TV channel and achieves a high level of precision.

Słowa kluczowe

baza danych video wykrywanie reklam ekstrakcja cech obrazu analiza materiału video cechy Haara

video database tv commercials detecting extracting image features video material analyzing Haar-like features

Wydawca

Wydawnictwo Politechniki Śląskiej

Czasopismo

Studia Informatica

Rocznik

2012

Tom

Vol. 33, nr 2B

Strony

61--76

Opis fizyczny

Bibliogr. 23 poz.

Twórcy

autor

Majewicz M.

autor

Gąciarz T.

autor

Czajkowski K.

Politechnika Krakowska, Instytut Teleinformatyki, Wydział Fizyki, Matematyki i Informatyki, majewicz@mars.iti.pk.edu.pl

Bibliografia

1. Rowe L. A., Boreczky J. S., Eads C. A.: Indexes for User Access to Large Video Databases. IS & / SPIE Symposium on Electronic Imaging Science and Technology, Conference, 1994.
2. Aas K., Eikvil L.: Indexes for User Access to Large Video Databases. 1997.
3. Brunelli R., Mich O., Modena C. M.: A Survey on the Automatic Indexing of Video Data. Journal of Visual Communication and Image Representation 10, Trento, Italy 1999.
4. Snoek C. G. M., Worring M.: Concept-Based Video Retrieval. Journal Foundations and Trends in Information Retrieval, Vol. 2, Issue 4, April 2008.
5. Thi-Lan L., Boucher A., Thonnat M., Bremond F.: A framework for surveillance video indexing and retrieval. Content-Based Multimedia Indexing, 2008.
6. Viola P., Jones M. J.: Rapid Object Detection using a Boosted Cascade of Simple Features. IEEE CVPR, 2001.
7. Papageorgiou C. P., Oren M., Poggio T.: A General Framework for Object Detection. International Conference on Computer Vision, 1998.
8. Gąciarz T.: Fast Adaptive Binarisation for Camera-based Document Images. Proceedings of International Conference on Artificial Intelligence, IIS Kraków 2009.
9. Gąciarz T., Czajkowski K.: Klasyfikacja zdjęć w multimedialnych bazach danych. Studia Informatica, Vol. 31, No. 2A (89), Wydawnictwo Politechniki Śląskiej, Gliwice 2010.
10. Nayak A., Stojmenović I.: Hanbook of Applied Algorithms - Solving Scientific, Engineering and Practical Problems. Wiley-Interscience, New Jersey 2008.
11. Schapire R. E.: The Boosting Approach To Machine Learning, An Overview. Lecture Notes In Statistics, Springer Verlag, New York 2002.
12. Freund Y., Schapire R. E.: A decision-theoretic generalization of on-line learning and an application to boosting. Computational Learning Theory: Eurocolt 95, Springer-Verlag, 1995, s. 23÷37.
13. Wang J., Duan L., Li Z., Liu J., Lu H., Jin J. S.: A robust method for TV logo tracking in video streams. Multimedia and Expo, IEEE International Conference, 2006.
14. Marlow S., Sadlier D. A., McGeough K., O’Connor N., Murphy N.: Audio and Video Processing for Automatic TV Advertisement Detection. ISSC 2001 - Irish Signals and Systems Conference, 25-27 June 2001, Maynooth, Ireland 2001.
15. Dimitrova N., Jeannin S., Nesvadba J., McGee T., Agnihotri L., Mekenkamp G.: Real time commercial detection using MPEG features. Visual Information Processing (EUVIP), 2010.
16. Li Y., Zhang D., Zhou X., Jin J. S.: A Confidence Based Recognition System for TV Commercial Extraction. Proc. Nineteenth Australasian Database Conference (ADC 2008), Wollongong, NSW, Australia 2008.
17. Stewart T.: Intel® Integrated Performance Primitves - How to Optimize Software Applications Using Intel® IPP. Intel Press, 2004.
18. Crow F.: Summed-area tables for texture mapping. Proceedings of SIGGRAPH, Vol. 18(3), 1984, s. 207÷212.
19. Lienhart R., Maydt J.: An extended set of Haar-like features for rapid object detection. Proceedings of the International Conference on Image Processing, 2002.
20. Wang J., Duan L. et al.: A robust method for TV logo tracking in video streams. IEEE International Conference on Multimedia and Expo, 2006.
21. Marlow S., Sadlier D. A., McGeough K., O’Connor N., Murphy N.: Audio and Video Processing for Automatic TV Advertisement Detection, ISSC 2001.
22. Dimitrova N., Jeannin S., et al.: Real time commercial detection using MPEG features. International Conference on Information Processing and Management of Uncertainty in Knowledge-Based Systems, Annecy, France 2002, s. 1÷6.
23. Li Y., Zhang D., Zhou X., Jin J. S.: A Confidence Based Recognition System for TV Commercial Extraction. ADC, Vol. 75, Australian Computer Society, 2008.

Typ dokumentu

Bibliografia

Identyfikator YADDA

bwmeta1.element.baztech-article-BSL2-0026-0067