Automatic TV Logo Detection And Classification
Summary:
Television (TV) logos are the only semantic objects that appear commonly in all TV broadcast videos. And they can be utilized in the development of many useful applications such as TV commercial detection, and audience measurement. In this study, we have developed an automatic TV logo identification system. The proposed TV logo identification system consists of two parts, namely, TV logo detection and TV logo classification. In the TV logo detection part, we utilized from the idea that `the broadcast video content is changing over time except the TV logos' and we used time averaged edges method to obtain static regions (TV logos) in broadcast videos. In the TV logo classification part, we have used Support Vector Machine (SVM) as classifier. We have compared some well known subspace analysis methods such as Principle Component Analysis (PCA), Non-negative Matrix Factorization (NMF), Independent Component Analysis (ICA), and Discrete Cosine Transform (DCT) to find best feature to describe TV logos. Before applying the subspace analysis methods, all logo images are converted into a fixed size representation by using Grid Descriptor (GD) method. For classification experiments, a TV logo DB of 3040 images is constructed from 152 different TV channels. The best classification performance is obtained by ICA2 with an accuracy rate of 99.21%. For the logo detection and identification experiments, we have collected 240 videos from the 12 most popular TV channels of Turkey. The proposed system achieves to 99.17% logo detection rate and 96.03% average accuracy rate for logo identification. Results of the experiments show that the proposed TV logo identification system works with high accuracy rates and can be utilized in an audience measurement process.
Özet:
Televizyon (TV) kanallarına ait logolar televizyon yayınlarındaki anlam taşıyan yegane nesnelerdir. Bu logolardan yararlanlarak TV reklam tespiti ve ya izleyici oranlarının ölçümü gibi pek çok faydalı uygulama geliştirilebilir. Bu çalışmada otomatik bir TV logo tanılama sistemi geliştirilmiştir. Bu sistem iki kısımdan oluşmaktadır: TV logo tespiti ve TV logo sınıflandırması. TV logo tespiti kısmında, şu fikirden yola çıktık: `bir televizyon yayınında tüm içerik zamanla değişir, değişmeyen tek şey TV logolarıdır'. Videodaki değişmeyen bu sabit alanları (TV logolarını) bulabilmek için zamana göre ortalaması alınmış ayrıtlardan yararlanılmıştır. TV logo sınıflandırması kısmında ise sınıflandırıcı olarak Karar Destek Makinesi (SVM) kullanılmıştır. TV logolarını en iyi temsil edebilecek öznitelikleri belirleyebilmek için yaygın kullanılan bazı altuzay analiz yöntemlerinden Temel Bileşenler Analizi (PCA), Negatif Olmayan Matrislerde Çarpanlara Ayırma (NMF), Bağımsız Bileşenler Analizi (ICA) ve Ayrık Kosinüs Dönüşümü (DCT) yöntemleri karşılaştırılmıştır. Bu altuzay analiz yöntemlerini uygulayabilmek için tüm logo imgeleri Izgara Öznitelikleri (GD) kullanılarak sabit boyutlu gösterime dönüştürülmüştür. Sınıflandırma deneyleri için 152 farklı kanaldan toplanmış 3040 imgeden oluşan bir logo veritabanı oluşturulmuştur. En iyi sonucu %99.21 ile ICA2 vermiştir. Logo tespit ve tanılama deneyleri için ise Türkiye'de en çok izlenen 12 TV kanalından kayıtlar yapılmış ve 240 kayıttan oluşan bir veritabanı oluşturulmuştur. Önerilen sistem ile logo tespiti için %99.17, logo tanılama için ise %96.03 gibi başarım oranlarına ulaşılmıştır. Yapılan deneyler sonucunda önerilen TV logo tanılama sisteminin yüksek başarım oranlarıyla çalıştığı ve izleyici oranlarını ölçme sürecinde kullanılabileceği gösterilmiştir.