陈浩

摘要：视频广告就是要传播商业信息，在时间方面是存在限制的，所以，这就需要控制时间，在有限的时间内将商品的各种信息集中呈现出来。观众是观看广告的人，是非常重要的衡量标准。视频广告中的镜头持续时间比较短，本文基于视频的特征，分析了电视广告单元的分割技术运用。

关键词：视频特征下;电视广告;单元分割技术;运用

视频广告就是要将商业信息传播给受众，和一般节目内镜头对比，视频广告的镜头持续时间要更短，一般视频中广告段落有一些特征，如，图像颜色鲜艳、对象频繁、镜头切换快、内部镜头切换率高、图像噪声大、关键帧极难抽取。广告的类型很丰富，所以，能够在规定中检测视频数据，在时间轴的基础上对分析针镜头频率的使用情况进行统计，从视频数据中定位视频广告。

一、算法原理

结合广告段落的音频特征，选择了图1的方法来自动分割广告单元。第一，先把电视广告进行划分，一部分是音频流，另一部分是视频流，视频分析就是对切变镜头进行检查，而音频分析中能够检测静音位置。视频的基础是镜头，广告单元切割也是基于检测镜头基础上的。广告单元和单元间的切换主要体现在画面切换上，因此，能不能检测出其切变镜头会直接影响到分割的准确性[1]。在音频上，广告单元的切换主要体现在小段静音上，要是能够正确的检测出静音的地方，就能够更好的明确广告单元边界。在匹配处理方面，广告单元的结束帧就选择为静音位置的镜头切变帧。

二、镜头检测

视频镜头的转换主要有两种方式，一种是切变，另一种就是渐变。在电视广告段落中，广告单元间的转换一般采取的就是前一种方法，即切变。而广告单元内的转换一般就是渐变方式，本文要对分割广告单元进行研究，因此，要分析的是切变镜头检测。

现阶段对这一镜头的检测算法一般有：基于直方图、像素差、区域块、统计量的方法等。以直方图为基础的测量方法中，其检测的准确性一般在百分之九十之上，但是在噪声、运动很小的情况下，则不是很适应应用，因此，本文选择基于直方图的镜头检测方法，且对其做出了优化。优化之后的检测算法将直方图差当作判决条件，对于镜头突变的判别标准则应用自适应阈值，设计了滑动窗口，进而能够更好的提取自适应阈值，还能够更好的检测镜头，提升检测的正确性，能够打破固定阈值的限制。

（一）直方图特征提取

灰度直方图平均值能够对相邻帧间的差距进行放大，因此，本文选择直方图平均差法进行镜头的检测，其计算公式是：，其中Hi（j）表示的就是第i帧中第j列的灰度值;Di就是第i帧和第i-1帧的直方图平均差的差。在Di比设计的阈值大时，就代表是切变。

（二）自适应阈值的选取和算法过程

在不一样的视频片段中转换或者是一个视频片段中不一样镜头转换的地方，帧差存在较大的差距。要是应用固定阈值进行判别，那么就无法确保检测的正确性，很有可能出现遗漏和错误的问题，使得镜头检测受限，所以，为了避免这一问题的出现，就需要结合不同镜头的实际变化情况自适应的选择阈值。经过实验可以得出，在相同镜头内的帧差并不明显，一般都是在该镜头帧差的平均值上下，但是在镜头边界处的帧差就要大一些，要比其帧差平均值大出很多，这就需要应用帧差平均值自适应得出镜头的阈值。要想有效的选择自适应阈值，本文应用一个滑动窗口，对其内部的帧差进行计算，选择其平均值当做阈值，在窗口内判断有没有出现切变，之后把窗口向后滑动，持续到检测好全部的视频帧。

本文选择了优化之后的基于直方图的镜头检测方法检测广告段落中的镜头。因为广告视频的时间比较短，所以对滑动窗口进行定义的值是11，把帧差平均值和系数相乘当作阈值，在多次验证广告视频之后，认为阈值系数取值应该是8-9间。实验结果也显示，这一方法适合检测切变镜头，效果比较理想。

三、音频检测

音频数据在视频广告中的变化和视觉变化相比要更剧烈，对检测广告视频是一个有效的检测方法。现阶段在处理音频时一般都是考虑其短时特征，常见的特征包括：频域、时域以及声学感知特征。时域特征只是运用音频信号的时域上的信息，在提取方面很便利，要检测静音时能够直接运用短时过零率以及短时能量，实验证明，这能够有效的检测音频中静音的地方。

四、匹配处理

在找出镜头切变的地方和静音地方之后就应该匹配处理。对于广告单元的切换帧，在选择图像帧时，需要符合静音帧以及切变帧，进而能够获得每个广告单元的起始帧位置，这样就实现了广告单元的分割。在检测时，因为选择的最小静音帧长是20ms，在广告单元间静音时间太长时，就会检测有三个静音帧，这时就要选择一帧当作静音帧，不然就会出现重复错误;如果切變帧以及静音帧未全对应，这时要想做到匹配算法，就需要获得和静音帧最近的切变帧，这就是切换帧。

五、结束语

综上所述，当前视频广告得到了极大的发展，随着科技的高速发展，视频广告的检测算法也在不断的优化和完善。通过静音以及镜头检测能够分割视频广告段落中的广告单元，然而其还是有限制，对广告单元之间衔接不是很显著的静音的地方是检测不出来的，这就会误检单元内的静音时段，所以，还需要继续优化广告单元的分割算法。

参考文献：

[1]李炜.视频动态纹理特征提取与分割技术研究与实现[J].成都：西南交通大学，2014.