一种台标识别方法及电子设备

1.一种台标识别方法，应用于电子设备，其特征在于，包括：
获得第一图像，所述第一图像为电视信号中第一频道传送的一帧图像，所述第一图像中包括台标信息及背景信息；
对所述第一图像进行第一处理，获得与所述台标信息相关的第一分量；
对比所述第一分量与预存储的模型库中的模型分量，获得与所述第一分量匹配的第一模型分量，将与所述第一模型分量对应的台标作为识别结果；
所述对所述第一图像进行第一处理，获得与所述台标信息相关的第一分量之前，所述方法还包括：根据存在的M个频道，建立第一模型库；所述第一模型库包含M个模型分量，每个所述模型分量对应一个频道，所述M为大于1的正整数；
所述根据存在的M个频道，建立所述第一模型库，具体为：
针对M个频道中的每一个频道，选取N个样本图像，所述N为大于1的正整数；
对所述N个样本图像进行信号处理，获得所述N个样本图像中都存在的至少一个独立信号元；
对所述至少一个独立信号元进行归一化处理，获得至少一个台标信号元，利用所述至少一个台标信号元构成模型分量，所述模型分量对应于所述N个样本图像对应的频道；
构造离散余弦信号组，对所述离散余弦函数组进行归一化处理，获得背景信号元组；
获得M个模型分量，将所述M个模型分量与所述背景信号元组合并构成所述第一模型库。
2.根据权利要求1所述的方法，其特征在于，对所述第一图像进行第一处理，获得与所述台标信息相关的第一分量，具体为，
基于所述第一模型库，对所述第一图像进行稀疏信号分解，获得所述第一图像对应于所述模型库中每个所述台标信号元及所述背景信号元组上的信号分解结果；所述信号分解结果为所述第一分量。
3.根据权利要求2所述的方法，其特征在于，对比所述第一分量与预存储的模型库中的所有模型分量，获得与所述第一分量匹配的第一模型分量，将与所述第一模型分量对应的台标作为识别结果，具体为，
对比所述信号分解结果与所述模型库中各模型分量所对应的台标信号元，将满足预设条件的至少一个台标信号元对应的模型分量作为与所述信号分解结果匹配的第一模型分量，将与所述信号分解结果匹配的第一模型分量对应的台标作为识别结果；所述预设条件为响应大于门限值。
4.一种台标识别方法，应用于电子设备，其特征在于，包括：
获得第一图像，所述第一图像为电视信号中第一频道传送的一帧图像，所述第一图像中包括台标信息及背景信息；
对所述第一图像进行第一处理，获得与所述台标信息相关的第一分量；
对比所述第一分量与预存储的模型库中的模型分量，获得与所述第一分量匹配的第一模型分量，将与所述第一模型分量对应的台标作为识别结果；
所述对所述第一图像进行第一处理，获得与所述台标信息相关的第一分量之前，所述方法还包括：根据存在的M个频道，建立第一模型库；所述第一模型库包含M个模型分量，每个所述模型分量对应一个频道，所述M为大于1的正整数；
所述根据存在的M个频道，建立所述第一模型库，具体为，
针对M个频道中的每一个频道，选取N个样本图像，所述N为大于1的正整数，所述M为大于1的正整数；
针对所述N个样本图像中的每个子样本图像，检测所述子样本图像中的黑色边缘区域，确定所述子样本图像的比例，并确定所述子样本图像中的台标区域；提取所述台标区域的图像边缘点；
利用所述N个样本图像对应的所有图像边缘点中超过预设阈值的图像边缘点构成所述N个样本图像对应的频道的台标边缘图像，将所述台标边缘图像作为模型分量；所述模型分量对应于所述N个样本图像对应的频道；
获得M个模型分量，将所述M个模型分量合并构成所述第一模型库。
5.根据权利要求4所述的方法，其特征在于，对所述第一图像进行第一处理，获得与所述台标信息相关的第一分量，具体为，
基于所述第一模型库，检测所述第一图像中的黑色边缘，确定所述第一图像的比例，确定所述第一图像中的台标区域，并提取所述第一图像中的所述台标区域的边缘点，获得第一台标边缘图像；所述第一台标边缘图像为所述第一分量。
6.根据权利要求5所述的方法，其特征在于，对比所述第一分量与预存储的模型库中的所有模型分量，获得与所述第一分量匹配的第一模型分量，将与所述第一模型分量对应的台标作为识别结果，具体为，
对比所述第一台标边缘图像与模型库中各模型分量对应的台标边缘图像，将相似度最大的台标边缘图像对应的模型分量作为与所述第一台标边缘图像匹配的第一模型分量，将与所述第一台标边缘图像匹配的第一模型分量对应的台标作为识别结果。
7.一种电子设备，其特征在于，包括：
获得单元，用于获得第一图像，所述第一图像为电视信号中第一频道传送的一帧图像，所述第一图像中包括台标信息及背景信息；
处理单元，用于对所述第一图像进行第一处理，获得与所述台标信息相关的第一分量；
识别单元，用于对比所述第一分量与预存储的模型库中的模型分量，获得与所述第一分量匹配的第一模型分量，将与所述第一模型分量对应的台标作为识别结果；
还包括建立单元，所述建立单元用于，在所述处理单元对所述第一图像进行第一处理，获得与所述台标信息相关的第一分量之前，根据存在的M个频道，建立所述第一模型库；所述第一模型库包含M个模型分量，每个所述模型分量对应一个频道，所述M为大于1的正整数；
所述建立单元包括选取子单元、信号处理子单元以及构造子单元，
所述选取子单元，用于针对M个频道中的每一个频道，选取N个样本图像，所述N为大于1的正整数；
所述信号处理子单元用于，对所述N个样本图像进行信号处理，获得所述N个样本图像中都存在的至少一个独立信号元；
所述信号处理子单元还用于，对所述至少一个独立信号元进行归一化处理，获得至少一个台标信号元；
所述构造子单元，用于利用所述至少一个台标信号元构成模型分量，所述模型分量对应于所述N个样本图像对应的频道；
所述构造子单元还用于，构造离散余弦信号组；
所述信号处理子单元还用于，对所述离散余弦函数组进行归一化处理，获得背景信号元组；
所述构造子单元还用于，将获得的M个模型分量与所述背景信号元组合并构成所述第一模型库。
8.根据权利要求7所述的电子设备，其特征在于，
所述处理单元具体用于，基于所述第一模型库，对所述第一图像进行稀疏信号分解，获得所述第一图像对应于所述模型库中每个所述台标信号元及所述背景信号元组上的信号分解结果；所述信号分解结果为所述第一分量。
9.根据权利要求8所述的电子设备，其特征在于，
所述识别单元具体用于，对比所述信号分解结果与所述模型库中各模型分量所对应的台标信号元，将满足预设条件的至少一个台标信号元对应的模型分量作为与所述信号分解结果匹配的第一模型分量，将与所述信号分解结果匹配的第一模型分量对应的台标作为识别结果；所述预设条件为响应大于门限值。
10.一种电子设备，其特征在于，包括：
获得单元，用于获得第一图像，所述第一图像为电视信号中第一频道传送的一帧图像，所述第一图像中包括台标信息及背景信息；
处理单元，用于对所述第一图像进行第一处理，获得与所述台标信息相关的第一分量；
识别单元，用于对比所述第一分量与预存储的模型库中的模型分量，获得与所述第一分量匹配的第一模型分量，将与所述第一模型分量对应的台标作为识别结果；
还包括建立单元，所述建立单元用于，在所述处理单元对所述第一图像进行第一处理，获得与所述台标信息相关的第一分量之前，根据存在的M个频道，建立所述第一模型库；所述第一模型库包含M个模型分量，每个所述模型分量对应一个频道，所述M为大于1的正整数；
所述建立单元还包括：检测子单元以及提取子单元，
选取子单元，用于针对M个频道中的每一个频道，选取N个样本图像，所述N为大于1的正整数；
所述检测子单元，用于针对所述N个样本图像中的每个子样本图像，检测所述子样本图像中的黑色边缘区域，确定所述子样本图像的比例，并确定所述子样本图像中的台标区域；
所述提取子单元，用于提取所述台标区域的图像边缘点；
构造子单元用于，利用所述N个样本图像对应的所有图像边缘点中超过预设阈值的图像边缘点构成所述N个样本图像对应的频道的台标边缘图像，将所述台标边缘图像作为模型分量；所述模型分量对应于所述N个样本图像对应的频道；
所述构造子单元还用于，将获得的M个模型分量合并构成所述第一模型库。
11.根据权利要求10所述的电子设备，其特征在于，
所述处理单元具体用于，基于所述第一模型库，检测所述第一图像中的黑色边缘，确定所述第一图像的比例，确定所述第一图像中的台标区域，并提取所述第一图像中的所述台标区域的边缘点，获得第一台标边缘图像；所述第一台标边缘图像为所述第一分量。
12.根据权利要求11所述的电子设备，其特征在于，
所述识别单元具体用于，对比所述第一台标边缘图像与模型库中各模型分量对应的台标边缘图像，将相似度最大的台标边缘图像对应的模型分量作为与所述第一台标边缘图像匹配的第一模型分量，将与所述第一台标边缘图像匹配的第一模型分量对应的台标作为识别结果。

一种台标识别方法及电子设备\n技术领域\n[0001] 本发明涉及信息处理领域，尤其涉及一种台标识别方法及电子设备。\n背景技术\n[0002] 台标是电视台和电视栏目的标志，是学术界和工业界近年来的研究热点之一。电视通过识别用户观看的节目内容，可以为用户提供更多个性化的服务。这就需要电视对用户观看内容的台标进行识别，根据识别出来的台标为用户推荐电视节目，从而提高用户的体验。\n[0003] 现有的电视技术中，是基于图像特征进行台标识别，采用这种方法识别台标时，画面中除了台标以外的背景内容常常会被计算在内，从而造成识别率降低。\n发明内容\n[0004] 本发明实施例提供了一种台标识别方法及电子设备，基于预存储的模型库进行台标识别，可以较准确地区分台标与背景，提高识别率。\n[0005] 为达到上述目的，本发明的实施例采用如下技术方案：\n[0006] 第一方面，公开了一种台标识别的方法，应用于电子设备，包括：\n[0007] 获得第一图像，所述第一图像为电视信号中第一频道传送的一帧图像，所述第一图像中包括台标信息及背景信息；\n[0008] 对所述第一图像进行第一处理，获得与所述台标信息相关的第一分量；\n[0009] 对比所述第一分量与预存储的模型库中的模型分量，获得与所述第一分量匹配的第一模型分量，将与所述第一模型分量对应的台标作为识别结果。\n[0010] 结合第一方面，在第一种可能的实现方式中，所述对所述第一图像进行第一处理，获得与所述台标信息相关的第一分量之前，所述方法还包括：\n[0011] 根据存在的M个频道，建立模型库；所述模型库包含M个模型分量，每个所述模型分量对应一个频道，所述M为大于1的正整数。\n[0012] 结合第一方面的第一种可能的实现方式，在第二种可能的实现方式中，所述根据存在的M个频道，建立模型库，具体为，\n[0013] 针对M个频道中的每一个频道，选取N个样本图像，所述N为大于1的正整数；\n[0014] 对所述N个样本图像进行信号处理，获得所述N个样本图像中都存在的至少一个独立信号元；\n[0015] 对所述至少一个独立信号元进行归一化处理，获得至少一个台标信号元，利用所述至少一个台标信号元构成模型分量，所述模型分量对应于所述N个样本图像对应的频道；\n[0016] 构造离散余弦信号组，对所述离散余弦函数组进行归一化处理，获得背景信号元组；\n[0017] 获得M个模型分量，将所述M个模型分量与所述背景信号元组合并构成所述模型库。\n[0018] 结合第一方面的第二种可能的实现方式，在第三种可能的实现方式中，对所述第一图像进行第一处理，获得与所述台标信息相关的第一分量，具体为，\n[0019] 基于所述模型库，对所述第一图像进行稀疏信号分解，获得所述第一图像对应于所述模型库中每个所述台标信号元及所述背景信号元组上的信号分解结果；所述信号分解结果为所述第一分量。\n[0020] 结合第一方面的第三种可能的实现方式，在第四种可能的实现方式中，对比所述第一分量与预存储的模型库中的所有模型分量，获得与所述第一分量匹配的第一模型分量，将与所述第一模型分量对应的台标作为识别结果，具体为，\n[0021] 对比所述信号分解结果与所述模型库中各模型分量所对应的台标信号元，将满足预设条件的至少一个台标信号元对应的模型分量作为与所述信号分解结果匹配的第一模型分量，将与所述信号分解结果匹配的第一模型分量对应的台标作为识别结果；所述预设条件为响应大于门限值。\n[0022] 结合第一方面的第一种可能的实现方式，在第五种可能的实现方式中，所述根据存在的M个频道，建立模型库，具体为，\n[0023] 针对M个频道中的每一个频道，选取N个样本图像，所述N为大于1的正整数，所述M为大于1的正整数；\n[0024] 针对所述N个样本图像中的每个子样本图像，检测所述子样本图像中的黑色边缘区域，确定所述子样本图像的比例，并确定所述子样本图像中的台标区域；提取所述台标区域的图像边缘点；\n[0025] 利用所述N个样本图像对应的所有图像边缘点中超过预设阈值的图像边缘点构成所述N个样本图像对应的频道的台标边缘图像，将所述台标边缘图像作为模型分量；所述模型分量对应于所述N个样本图像对应的频道；\n[0026] 获得M个模型分量，将所述M个模型分量合并构成所述模型库。\n[0027] 结合第一方面的第五种可能的实现方式，在第六种可能的实现方式中，对所述第一图像进行第一处理，获得与所述台标信息相关的第一分量，具体为，\n[0028] 基于所述第一模型库，检测所述第一图像中的黑色边缘，确定所述第一图像的比例，确定所述第一图像中的台标区域，并提取所述第一图像中的所述台标区域的边缘点，获得第一台标边缘图像；所述第一台标边缘图像为所述第一分量。\n[0029] 结合第一方面的第六种可能的实现方式，在第七种可能的实现方式中，对比所述第一分量与预存储的模型库中的所有模型分量，获得与所述第一分量匹配的第一模型分量，将与所述第一模型分量对应的台标作为识别结果，具体为，\n[0030] 对比所述第一台标边缘图像与模型库中各模型分量对应的台标边缘图像，将相似度最大的台标边缘图像对应的模型分量作为与所述第一台标边缘图像匹配的第一模型分量，将与所述第一台标边缘图像匹配的第一模型分量对应的台标作为识别结果。\n[0031] 第二方面，公开了一种电子设备，其特征在于，包括：\n[0032] 获得单元，用于获得第一图像，所述第一图像为电视信号中第一频道传送的一帧图像，所述第一图像中包括台标信息及背景信息；\n[0033] 处理单元，用于对所述第一图像进行第一处理，获得与所述台标信息相关的第一分量；\n[0034] 识别单元，用于对比所述第一分量与预存储的模型库中的模型分量，获得与所述第一分量匹配的第一模型分量，将与所述第一模型分量对应的台标作为识别结果。\n[0035] 结合第二方面，在第一种实现方式中，所述电子设备还包括建立单元，[0036] 所述建立单元用于，在所述处理单元对所述第一图像进行第一处理，获得与所述台标信息相关的第一分量之前，根据存在的M个频道，建立模型库；所述模型库包含M个模型分量，每个所述模型分量对应一个频道，所述M为大于1的正整数。\n[0037] 结合第二方面的第一种可能的实现方式，在第二种可能的实现方式中，所述建立单元包括选取子单元、信号处理子单元以及构造子单元，\n[0038] 所述选取子单元，用于针对M个频道中的每一个频道，选取N个样本图像，所述N为大于1的正整数；\n[0039] 所述信号处理子单元用于，对所述N个样本图像进行信号处理，获得所述N个样本图像中都存在的至少一个独立信号元；\n[0040] 所述信号处理子单元还用于，对所述至少一个独立信号元进行归一化处理，获得至少一个台标信号元；\n[0041] 所述构造子单元，用于利用所述至少一个台标信号元构成模型分量，所述模型分量对应于所述N个样本图像对应的频道；\n[0042] 所述构造子单元还用于，构造离散余弦信号组；\n[0043] 所述信号处理子单元还用于，对所述离散余弦函数组进行归一化处理，获得背景信号元组；\n[0044] 所述构造子单元还用于，将获得的M个模型分量与所述背景信号元组合并构成所述模型库。\n[0045] 结合第二方面的第二种可能的实现方式，在第三种可能的实现方式中，[0046] 所述处理单元具体用于，基于所述模型库，对所述第一图像进行稀疏信号分解，获得所述第一图像对应于所述模型库中每个所述台标信号元及所述背景信号元组上的信号分解结果；所述信号分解结果为所述第一分量。\n[0047] 结合第二方面的第三种可能的实现方式，在第四种可能的实现方式中，[0048] 所述识别单元具体用于，对比所述信号分解结果与所述模型库中各模型分量所对应的台标信号元，将满足预设条件的至少一个台标信号元对应的模型分量作为与所述信号分解结果匹配的第一模型分量，将与所述信号分解结果匹配的第一模型分量对应的台标作为识别结果；所述预设条件为响应大于门限值。\n[0049] 结合第二方面的第一种可能的实现方式，在第五种可能的实现方式中，所述建立单元还包括：检测子单元以及提取子单元，\n[0050] 所述选取子单元，用于针对M个频道中的每一个频道，选取N个样本图像，所述N为大于1的正整数；\n[0051] 所述检测子单元，用于针对所述N个样本图像中的每个子样本图像，检测所述子样本图像中的黑色边缘区域，确定所述子样本图像的比例，并确定所述子样本图像中的台标区域；\n[0052] 所述提取子单元，用于提取所述台标区域的图像边缘点；\n[0053] 所述构造子单元用于，利用所述N个样本图像对应的所有图像边缘点中超过预设阈值的图像边缘点构成所述N个样本图像对应的频道的台标边缘图像，将所述台标边缘图像作为模型分量；所述模型分量对应于所述N个样本图像对应的频道；\n[0054] 所述构造子单元还用于，将获得的M个模型分量合并构成所述模型库。\n[0055] 结合第二方面的第五种可能的实现方式，在第六种可能的实现方式中，[0056] 所述处理单元具体用于，基于所述第一模型库，检测所述第一图像中的黑色边缘，确定所述第一图像的比例，确定所述第一图像中的台标区域，并提取所述第一图像中的所述台标区域的边缘点，获得第一台标边缘图像；所述第一台标边缘图像为所述第一分量。\n[0057] 结合第二方面的第六种可能的实现方式，在第七种可能的实现方式中，[0058] 所述识别单元具体用于，对比所述第一台标边缘图像与模型库中各模型分量对应的台标边缘图像，将相似度最大的台标边缘图像对应的模型分量作为与所述第一台标边缘图像匹配的第一模型分量，将与所述第一台标边缘图像匹配的第一模型分量对应的台标作为识别结果。\n[0059] 本发明提供的台标识别方法及电子设备，针对存在的频道，预先建立模型库，该模型库包含所有频道对应台标的模型量，在进行台标识别时，对图像进行稀疏信号分解或提取图像台标区域的边缘点，最后将得到的结果与模型库进行对比，将模型库中匹配的模型量对应的台标作为识别结果。与现有技术中，基于图像特征进行台标识别相比，可以较准确地区分台标与背景，排除背景对台标识别的影响，提高识别率。\n附图说明\n[0060] 图1为本发明实施例1提供的台标识别方法的流程示意图；\n[0061] 图2为本发明实施例2提供的台标识别方法的流程示意图；\n[0062] 图3为本发明实施例3提供的台标识别方法的流程示意图；\n[0063] 图4为本发明实施例4提供的电子设备的结构框图；\n[0064] 图5为本发明实施例4提供的电子设备的另一结构框图。\n具体实施方式\n[0065] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。\n[0066] 实施例1：\n[0067] 本发明实施例提供了一种台标识别方法，应用于智能电视、机顶盒、计算机等有处理能力的电子设备，如图1所示，所述方法包括以下步骤：\n[0068] 101、获得第一图像，所述第一图像为电视信号中第一频道传送的一帧图像，所述第一图像中包括台标信息及背景信息。\n[0069] 这里获得的第一图像中包括所述第一频道对应的台标，以及电视画面当前显示的背景图像。在具体实现中，电视可以通过无线接收获取第一图像，也可以是从机顶盒获取第一图像。机顶盒通过接收来自有线电缆、卫星天线、宽带网络以及地面广播等发送的信号就可以获取第一图像。计算机可以通过网络获取第一图像。\n[0070] 另外，在这之前还需要根据存在的M个频道，建立模型库；所述模型库包含M个模型分量，每个所述模型分量对应一个频道，所述M为大于1的正整数。这里，若当前存在M个频道，那么就需要建立一个包含M个台标的模型库，以便在对获取的电视屏幕显示的一帧图像进行识别时，可以在所述模型库内找到匹配的台标模型。这里，可以是识别台标的设备预先建立模型库并将其存储在自身，也可以是其他的外部设备预先建立所述模型库，之后再将所述模型库存储在所述识别台标的设备中。\n[0071] 在具体实现中，可以对应建立两种不同的模型库，针对这两种模型库存在两种不同的台标识别方案。第一种建立模型库的方法包括：针对M个频道中的每一个频道，选取N个样本图像，所述N为大于1的正整数；对所述N个样本图像进行信号处理，获得所述N个样本图像中都存在的至少一个独立信号元；构造离散余弦信号组；利用所述至少一个独立信号元构成模型分量，所述模型分量对应于所述N个样本图像对应的频道。\n[0072] 这样，就可以获得M个模型分量，并对所述M个模型分量包含的所有独立信号元和所述离散余弦信号组进行归一化处理，将所述M个模型分量与所述离散余弦信号组合并构成第一模型库。\n[0073] 另一种建立模型库的方法包括：针对M个频道中的每一个频道，选取N个样本图像，所述N为大于1的正整数；针对所述N个样本图像中的每个子样本图像，检测所述子样本图像中的黑色边缘区域，确定所述子样本图像的比例，并确定所述子样本图像中的台标区域；提取所述台标区域的图像边缘点；利用所述N个样本图像对应的所有图像边缘点中超过预设阈值的图像边缘点构成所述N个样本图像对应的频道的台标边缘图像，将所述台标边缘图像作为模型分量；所述模型分量对应于所述N个样本图像对应的频道。\n[0074] 这样，也就获得了M个模型分量，将所述M个模型分量合并构成第所述第一模型库。\n[0075] 102、对所述第一图像进行第一处理，获得与所述台标信息相关的第一分量。\n[0076] 在获得所述第一图像之后，需要对所述第一图像进行处理，以获得所述第一图像中与所述台标信息相关的分量，这样才能根据获得的分量对所述第一图像的台标信息进行识别。如上所述，由于存在两种建立模型库的方式，因此在对所述第一图像进行处理时，也相对应地存在两种分析方法。对应步骤102中所述的第一种建立模型库的方法，对所述第一图像进行稀疏信号分解，获得所述第一图像对应于所述第一模型库中每个所述模型分量及所述离散余弦信号上的信号分解结果；所述信号分解结果为所述第一分量。对应步骤102中所述的第二种建立模型库的方法，检测所述第一图像中的黑色边缘，确定所述第一图像的比例以及所述第一图像中的台标区域，并提取所述台标区域的边缘点，获得台标边缘图像；\n所述台标边缘图像为所述第一分量。这里两种处理方式虽然不同，但核心思想都是通过对所述第一图像中的台标信息和背景信息进行区分，获得与所述台标信息相关的第一分量。\n[0077] 103、对比所述第一分量与预存储的模型库中的模型分量，获得与所述第一分量匹配的第一模型分量，将与所述第一模型分量对应的台标作为识别结果。\n[0078] 由于预存储的模型库中包含M个频道对应的M个模型分量，因此只要对比所述第一分量与所述模型库中的所有分量就可以将匹配的模型分量对应的台标作为识别结果。基于所述模型库，若在步骤102中采用信号稀疏分解的方法处理所述第一图像获得信号分解结果，这里就对比所述信号分解结果与所述模型库中各模型分量对应的独立信号元，将响应大于门限值的至少一个独立信号元对应的模型分量作为与所述信号分解结果匹配的第一模型分量，并将所述第一模型分量对应的台标作为识别结果。基于所述模型库，若在步骤\n102中通过检测所述第一图像中的黑色边缘对所述第一图像进行处理获得第一台标边缘图像，这里就对比所述第一台标边缘图像与所述模型库中各模型分量对应的台标边缘图像，将相似度最大的台标边缘图像对应的模型分量作为与所述第一台标边缘图像匹配的第一模型分量，将所述第一模型分量对应的台标作为识别结果。\n[0079] 本发明提供的台标识别方法，针对存在的频道，预先建立模型库，该模型库包含所有频道对应台标的模型量，在进行台标识别时，对图像进行稀疏信号分解或提取图像台标区域的边缘点，最后将得到的结果与模型库进行对比，将模型库中匹配的模型量对应的台标作为识别结果。与现有技术中，基于图像特征进行台标识别相比，可以较准确地区分台标与背景，排除背景对台标识别的影响，提高识别率。\n[0080] 实施例2：\n[0081] 本发明实施例提供了一种台标识别方法，应用于智能电视、机顶盒、计算机等有处理能力的电子设备，如图2所示，所述方法包括以下步骤：\n[0082] 201、针对M个频道中的每一个频道，选取N个样本图像。\n[0083] 其中，所述N为大于1的正整数。本发明实施例所提供的台标识别方法需要预先建立一个包含所有频道对应台标在内的模型库。因此就需要建立每一个频道对应的台标模型，以便将该台标模型存储在模型库中用于台标匹配。在为每个频道建立台标模型时，为保证模型跟真实台标的相似度尽可能的大，需要首先为该频道选取N个样本图像，之后再对这N个样本图像进行处理，获得稳定的台标模型。在具体实现中，在保证是同一频道的前提下，截取N张电视画面，作为样本图像。\n[0084] 202、对所述N个样本图像进行信号处理，获得所述N个样本图像中都存在的至少一个独立信号元。\n[0085] 对每个样本图像进行灰度化处理，之后用向量的方式来表示该样本图像，这样就可以获得一个二维矩阵。接着对该二维矩阵进行独立成分分析，该分析方法可以分析出矩阵当中互相独立的主要信息分量。因为这些图像都包含同一个台标，所以在进行独立成分分析时，前景台标会被作为最重要的分量分解出来。这里所述的主要信息分量就是本发明实施例中所述的独立信号元，对于一个台标而言可以存在多个独立信号元，另外，独立信号元可以是余弦函数。将该方法重复地应用于各个频道对应的N个样本图像，就可以得到各频道对应的台标的台标模型。\n[0086] 203、对所述至少一个独立信号元进行归一化处理，获得至少一个台标信号元，利用所述至少一个台标信号元构成模型分量，所述模型分量对应于所述N个样本图像对应的频道。\n[0087] 对N个样本图像进行信号处理之后获得的所述至少一个独立信号元进行归一化处理，会获得至少一个台标信号元，将所述至少一个台标信号元作为所述N个样本图像对应的频道的台标模型。由于所述至少一个独立信号元是通过对所述N个样本图像进行独立成分分析获得的，与所述N个样本图像对应的频道的台标极其相似，因此用所述至少一个独立信号元归一化的至少一个台标信号元构成的模型分量完全可以用来表达所述N个样本图像对应的频道的台标。\n[0088] 204、构造离散余弦信号组，对所述离散余弦函数组进行归一化处理，获得背景信号元组。\n[0089] 在获得所有频道对应的台标模型之后，还需要构造一组离散余弦函数，用于重建图像的复杂背景。另外，还需要，对所述离散余弦函数组进行归一化处理，获得背景信号元组。所构造的离散余弦信号与任何台标对应的独立信号都不相同，其对应的图像只与自然图像纹理相似，因此在对图像进行分析处理的时候，可以用这组余弦函数归一化后获得的背景信号元来表达图像中除了台标以外的复杂背景。需要说明的是，对各独立信号元和离散余弦信号的归一化可以一起进行，也可以像本发明实施例中所述步骤进行，并不限定对二者归一化处理的顺序。\n[0090] 另外，步骤202中获得的各频道对应的至少一个独立信号元与离散余弦信号元之间没有本质关系，它们是不同的信号元。所述至少一个独立信号元用于表达图像中的台标，而构造的离散余弦函数主要是为了表达图像中的复杂背景。\n[0091] 205、获得M个模型分量，将所述M个模型分量与所述背景信号元组合并构成所述模型库。\n[0092] 若当前存在M个频道，对这M个频道都分别进行步骤201-204，就可以获得M个频道对应的M个模型分量。这里，这M个模型分量包含的所有台标信号元和背景信号元组都是对信号进行归一化处理之后的结果，将所述M个模型分量与所述背景信号元组合并构成模型库。这样建立的模型库既包含了所有频道对应台标的台标模型，又可以表达图像中的复杂背景。\n[0093] 206、获得第一图像，所述第一图像为电视信号中第一频道传送的一帧图像。\n[0094] 其中，所述第一图像中包括台标信息及背景信息。可以是随机获取的第一图像。在具体实现中，电视可以通过无线接收获取第一图像，也可以是从机顶盒获取第一图像。机顶盒通过接收来自有线电缆、卫星天线、宽带网络以及地面广播等发送的信号就可以获取第一图像。计算机可以通过网络获取第一图像。\n[0095] 207、基于模型库，对所述第一图像进行稀疏信号分解，获得所述第一图像对应于所述模型库中每个所述台标信号元及所述背景信号元组上的信号分解结果；所述信号分解结果为所述第一分量。\n[0096] 为了识别包含复杂背景的图像中所包含的台标，需要将该图像在步骤205所建立的模型库上做稀疏分解。信号的稀疏性指的是可以用少数信号元的线性组合来表示信号。\n所谓稀疏信号分解就是在进行信号分解的时候，加以稀疏性约束，使得分解系数包含尽可能多的零元素，也就是分解之后可以用少数的独立信号元来表示。经过分解之后，图像中的台标内容会分解在模型库中的模型分量上，而复杂背景内容会分解在离散余弦信号元上。\n这样一来，图像中的台标和复杂背景就可以被自然分开。这里，对所述图像进行稀疏信号分解之后，获得的信号分解结果就是所述第一分量，进而可以根据所述第一分量结合模型库确定所述图像对应的台标。综上可以得出，所述信号分解结果也包含了至少一个独立信号元，所述第一图像对应与每个模型分量的分解结果也可以是至少一个独立信号元。\n[0097] 208、对比所述信号分解结果与所述模型库中各模型分量所对应的台标信号元，将满足预设条件的至少一个台标信号元对应的模型分量作为与所述信号分解结果匹配的第一模型分量，将与所述信号分解结果匹配的第一模型分量对应的台标作为识别结果。\n[0098] 经过分解之后，图像中的台标内容会分解在模型库中的模型分量上，即台标内容会被分解在模型库的各台标信号元上，背景内容也会被分解在模型库中离散余弦函数上。\n之后对比所述信号分解结果与所述模型库中各模型分量所对应的台标信号元，将满足预设条件的至少一个台标信号元对应的模型分量作为与所述信号分解结果匹配的第一模型分量，将与所述信号分解结果匹配的第一模型分量对应的台标作为识别结果。这里由于台标内容可以对应由至少一个台标信号元来表达，因此在对第一图像进行稀疏信号分解，获得的信号分解结果除了包含离散余弦函数之外，还包含至少一个信号元，再对比所述至少一个信号元与模型库中各模型分量对应的台标信号元，因此获得的匹配结果也是响应值大于门限值的至少一个台标信号元。\n[0099] 本发明提供的台标识别方法，针对存在的频道，预先建立模型库，该模型库包含所有频道对应台标的模型量，在进行台标识别时，对图像进行稀疏信号分解或提取图像台标区域的边缘点，最后将得到的结果与模型库进行对比，将模型库中匹配的模型量对应的台标作为识别结果。与现有技术中，基于图像特征进行台标识别相比，可以较准确地区分台标与背景，排除背景对台标识别的影响，提高识别率。\n[0100] 实施例3：\n[0101] 本发明实施例提供了一种台标识别方法，如图3所示，所述方法包括以下步骤：\n[0102] 301、针对M个频道中的每一个频道，选取N个样本图像。\n[0103] 这里，所述M、N均为大于1的正整数。本发明实施例所提供的台标识别方法需要预先建立一个包含所有频道对应台标在内的模型库。因此就需要建立每一个频道对应的台标模型，以便将该台标模型存储在模型库中用于台标匹配。在为每个频道建立台标模型时，为保证模型跟真实台标的相似度尽可能的大，需要首先为该频道选取N个样本图像，之后再对这N个样本图像进行处理，获得稳定的台标模型。在具体实现中，在保证是同一频道的前提下，截取N张电视画面，作为样本图像。\n[0104] 302、针对所述N个样本图像中的每个子样本图像，检测所述子样本图像中的黑色边缘区域，确定所述子样本图像的比例，并确定所述子样本图像中的台标区域；提取所述台标区域的图像边缘点。\n[0105] 对N个样本图像中的每个子样本图像进行黑边检测，实际上就是检测图像左右两边存在多少0像素点。画面比例指的是图像高宽比，可以进行图像拉伸得到标准比例的画面。实际上，电视台发送的信号当中是不包含黑边的，图像存在黑边是由于运营商机顶盒与电视分辨率设置不同而造成的。实际上样本图像以及处理的画面是从电视得到的，是需要根据画面的分辨率以及左右两边包含黑色像素的多少来进行处理。一般情况下，默认台标区域为画面的左上角。但必须要保证画面不存在黑边，且画面为标准比例才能将画面的左上角作为台标区域。因此在处理图像时，首先确定该图像是否存在黑边，若存在黑边就应该采取相应处理消除黑边。进而在检测该图像的比例是否为标准比例，如果不是标准比例，可以进行图像拉伸得到标准比例的图像。这样在将图像的左上角作为台标区域，提取所述台标区域的边缘点，就可以获得准确稳定的台标边缘图像。\n[0106] 303、利用所述N个样本图像对应的所有图像边缘点中超过预设阈值的图像边缘点构成所述N个样本图像对应的频道的台标边缘图像，将所述台标边缘图像作为模型分量；所述模型分量对应于所述N个样本图像对应的频道。\n[0107] 实践中发现，相比于台标的颜色来说，台标的边缘点不容易受到背景内容的影响，适合做匹配和识别的模型。因此，将N个样本图像对应的所有图像边缘点中超过预设阈值的图像边缘点作为所述N个样本图像对应的频道的台标边缘图像，舍弃其余边缘点，就可以得到所述N个样本图像对应的频道的稳定的边缘图像模型。\n[0108] 304、获得M个模型分量，将所述M个模型分量合并构成第所述第一模型库。\n[0109] 若当前存在M个频道，对这M个频道都分别进行步骤301-304，就可以获得M个频道对应的M个模型分量。之后，还利用这M个模型分量构成模型库。这样建立的模型库就包含了M个频道对应的台标的稳定的边缘图像模型，用于在台标识别中进行匹配，获得准确的识别结果。\n[0110] 305、基于所述模型库，检测所述第一图像中的黑色边缘，确定所述第一图像的比例以及所述第一图像中的台标区域，并提取所述台标区域的边缘点，获得第一台标边缘图像。\n[0111] 其中，所述台标边缘图像就是分解之后获得的与所述第一图像的台标内容相关的第一分量。这里，同样需要确定该图像是否存在黑边，若存在黑边就应该采取相应处理消除黑边。进而在检测该图像的比例是否为标准比例，如果不是标准比例，可以进行图像拉伸得到标准比例的图像。这样在将图像的左上角作为台标区域，提取所述台标区域的边缘点，就可以获得准确稳定的第一台标边缘图像。再将这个第一台标边缘图像与模型库中各台标边缘图像进行对比匹配，就可以获得准确的识别结果。\n[0112] 306、对比所述第一台标边缘图像与模型库中各模型分量对应的台标边缘图像，将相似度最大的台标边缘图像对应的模型分量作为与所述第一台标边缘图像匹配的第一模型分量，将与所述第一台标边缘图像匹配的第一模型分量对应的台标作为识别结果。\n[0113] 在具体实现中，对所述第一台标边缘进行逐点匹配，即将所述第一台标边缘图像包含的各个边缘点与模型库中各模型分量对应的台标边缘图像所包含的所述边缘点一一进行对比匹配，将相似度最大的台标边缘图像对应的模型分量作为匹配的第一模型分量，将该第一模型分量对应的台标作为识别结果。其中，相似度可以用匹配边缘点占台边边缘图像包含边缘点的百分比来表示。示例的，若所述第一台标边缘图像与模型库中台标边缘图像A中的80个边缘点匹配，且台标边缘图像A中包含100个边缘点，因此所述第一台标边缘图像与台标边缘图像A的相似度为百分之八十。若所述第一台标边缘图像与模型库中台标边缘图像B中的90个边缘点匹配，且台标边缘图像B中包含100个边缘点，因此所述第一台标边缘图像与台标边缘图像B的相似度为百分之九十。因此将相似度较大的台标边缘图像B对应的模型分量作为与所述第一台标边缘图像匹配的第一模型分量，将与所述第一台标边缘图像匹配的第一模型分量对应的台标作为识别结果。\n[0114] 本发明提供的台标识别方法，针对存在的频道，预先建立模型库，该模型库包含所有频道对应台标的模型量，在进行台标识别时，对图像进行稀疏信号分解或提取图像台标区域的边缘点，最后将得到的结果与模型库进行对比，将模型库中匹配的模型量对应的台标作为识别结果。与现有技术中，基于图像特征进行台标识别相比，可以较准确地区分台标与背景，排除背景对台标识别的影响，提高识别率。\n[0115] 实施例4：\n[0116] 本发明实施例提供了一种电子设备，如图4所示，所述电子设备包括：获得单元\n401、处理单元402以及识别单元403。\n[0117] 获得单元401，用于获得第一图像，所述第一图像为电视信号中第一频道传送的一帧图像，所述第一图像中包括台标信息及背景信息；\n[0118] 处理单元402，用于对所述第一图像进行第一处理，获得与所述台标信息相关的第一分量。\n[0119] 识别单元403，用于对比所述第一分量与预存储的模型库中的模型分量，获得与所述第一分量匹配的第一模型分量，将与所述第一模型分量对应的台标作为识别结果。\n[0120] 如图5所示，所述电子设备还包括建立单元404，所述建立单元404用于，在所述处理单元401对所述第一图像进行第一处理，获得与所述台标信息相关的第一分量之前，根据存在的M个频道，建立模型库；所述模型库包含M个模型分量，每个所述模型分量对应一个频道，所述M为大于1的正整数。\n[0121] 所述建立单元404包括选取子单元、信号处理子单元以及构造子单元。所述选取子单元，用于针对M个频道中的每一个频道，选取N个样本图像，所述N为大于1的正整数。所述信号处理子单元用于，对所述N个样本图像进行信号处理，获得所述N个样本图像中都存在的至少一个独立信号元。所述信号处理子单元还用于，对所述至少一个独立信号元进行归一化处理，获得至少一个台标信号元。所述构造子单元，用于利用所述至少一个台标信号元构成模型分量，所述模型分量对应于所述N个样本图像对应的频道。所述构造子单元还用于，构造离散余弦信号组。所述信号处理子单元还用于，对所述离散余弦函数组进行归一化处理，获得背景信号元组。所述构造子单元还用于，将获得的M个模型分量与所述背景信号元组合并构成所述模型库。\n[0122] 所述处理单元402具体用于，基于所述模型库，对所述第一图像进行稀疏信号分解，获得所述第一图像对应于所述模型库中每个所述台标信号元及所述背景信号元组上的信号分解结果；所述信号分解结果为所述第一分量。\n[0123] 所述识别单元403具体用于，对比所述信号分解结果与所述模型库中各模型分量所对应的台标信号元，将满足预设条件的至少一个台标信号元对应的模型分量作为与所述信号分解结果匹配的第一模型分量，将与所述信号分解结果匹配的第一模型分量对应的台标作为识别结果；所述预设条件为响应大于门限值。\n[0124] 所述建立单元404还包括：检测子单元以及提取子单元。所述选取子单元，用于针对M个频道中的每一个频道，选取N个样本图像，所述N为大于1的正整数。所述检测子单元，用于针对所述N个样本图像中的每个子样本图像，检测所述子样本图像中的黑色边缘区域，确定所述子样本图像的比例，并确定所述子样本图像中的台标区域。所述提取子单元，用于提取所述台标区域的图像边缘点。所述构造子单元用于，利用所述N个样本图像对应的所有图像边缘点中超过预设阈值的图像边缘点构成所述N个样本图像对应的频道的台标边缘图像，将所述台标边缘图像作为模型分量；所述模型分量对应于所述N个样本图像对应的频道。所述构造子单元还用于，将获得的M个模型分量合并构成所述模型库。\n[0125] 所述处理单元402具体用于，基于所述第一模型库，检测所述第一图像中的黑色边缘，确定所述第一图像的比例，确定所述第一图像中的台标区域，并提取所述第一图像中的所述台标区域的边缘点，获得第一台标边缘图像；所述第一台标边缘图像为所述第一分量。\n[0126] 所述识别单元403具体用于，对比所述第一台标边缘图像与模型库中各模型分量对应的台标边缘图像，将相似度最大的台标边缘图像对应的模型分量作为与所述第一台标边缘图像匹配的第一模型分量，将与所述第一台标边缘图像匹配的第一模型分量对应的台标作为识别结果。\n[0127] 本发明提供的电子设备，针对存在的频道，预先建立模型库，该模型库包含所有频道对应台标的模型量，在进行台标识别时，对图像进行稀疏信号分解或提取图像台标区域的边缘点，最后将得到的结果与模型库进行对比，将模型库中匹配的模型量对应的台标作为识别结果。与现有技术中，基于图像特征进行台标识别相比，可以较准确地区分台标与背景，排除背景对台标识别的影响，提高识别率。\n[0128] 本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。\n[0129] 以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。