Detección automática de anuncios de televisión

Detección de anuncios
de televisión mediante
software
Autor: Daniel Martín...
Índice de contenidos
1. Introducción
1. Necesidad tecnológica
2. Aproximación al problema
2. Desarrollo de contenidos
1. C...
Introducción: Necesidad tecnológica

Publicidad
en TV

Reduce
error y
costes

Gran
negocio

Detección
automática
de anunci...
Introducción: Aproximación al problema

Cambio de plano

Generación de
huella

Detección de huella
Pág. 3
Detección de anu...
Desarrollo de contenidos: Conceptos

Mapa de bits
Secuencia de vídeo

Fotograma

Zona ampliada

Estructura de color

Pixel...
Desarrollo de contenidos: Conceptos

Cambio de plano

Cambio de plano
Detección de anuncios de televisión mediante softwar...
Desarrollo de contenidos: Conceptos

Procesamiento de imagen
Escala de grises

Imagen capturada

0

0

0

0

0

0

1

1

1...
Desarrollo de contenidos: Conceptos

Color negro
Escala de grises

ColorGris = 0.3𝑅 𝑖 + 0.59𝐺 𝑖 + 0.11𝐵 𝑖

1
𝐶𝑜𝑙𝑜𝑟 =
𝑁

h
...
Desarrollo de contenidos: Conceptos

Falsos cambios de plano

Cambio de plano de difícil detección
Detección de anuncios d...
Desarrollo de contenidos: Conceptos

Umbral de negro

Frecuencia

Histograma

Intensidad de color
Detección de anuncios de...
Desarrollo de contenidos: Algoritmos
Captura, convierte B/N y comprime

Generación de
huellas

Calcula valor medio de colo...
Desarrollo de contenidos: Algoritmos

Detección de
huellas
No

Captura, convierte B/N y comprime
Calcula valor medio de co...
Desarrollo de contenidos: Muestreo

Frecuencia de
muestreo
𝑡 𝑟 = 𝑇𝑖𝑒𝑚𝑝𝑜 𝑑𝑒 𝑟𝑒𝑠𝑝𝑢𝑒𝑠𝑡𝑎
𝑑𝑒𝑙 𝑜𝑗𝑜 𝑕𝑢𝑚𝑎𝑛𝑜

PAL = 25 fps

𝑡 𝑟 > 3...
Desarrollo de contenidos: Interfaz

Generación de
huellas
1

2

3

4
1.
2.
3.
4.
5.
6.

5

6

Detección de anuncios de tel...
Desarrollo de contenidos: Interfaz

Detección de
huellas

Archivo de huellas

Archivo de anuncios

Pág. 14
Detección de an...
Desarrollo de contenidos: Pruebas

Detección

Cambios de
plano

Falsos
cambios de
plano

Vídeos

Anuncios

Detectados

Fal...
Desarrollo de contenidos: Pruebas

Detección
1,2
1
0,8

Probabilidad de detectar
anuncio correcto

0,6

Probabilidad falso...
Desarrollo de contenidos: Pruebas

Degradación de imagen
Frecuencia
0
1
2
3
4
5
6
7
8
9
10
11
12
Num.Anuncios
Num.Errores
...
Desarrollo de contenidos: Pruebas

Degradación de imagen
10 kbps

25

20

Frecuecnia

30
25
20
15
10
5
0

110 kbps

Frecue...
Desarrollo de contenidos: Pruebas

Degradación de imagen

Probabilidad de error

Prob.Error
0,70
0,60
0,50
0,40
0,30
0,20
...
Conclusiones

Número de bits
por huella
H1
h1

12 bits

h
h2

212 = 4096 huellas
Ph =

w
Detección de anuncios de televisi...
Conclusiones

Número de bits
por huella
H1
4 bits
24 = 16 huellas
Ph =

1
=
16

6.25 %
Pág. 19

Detección de anuncios de t...
Conclusiones

Umbral de negro

Frecuencia

Histograma

Intensidad de color
Detección de anuncios de televisión mediante so...
Conclusiones

Frecuencia de
muestreo
• Más de 40 ms por ciclo de captura, procesado y comparación hace no
garantiza detecc...
Conclusiones

Rendimiento
Comparativas de bitrate(kbps)
Video a 250 Kbps
Frecuencia

VEO TV

250 kbps

23%

77%

30
25
20
...
Conclusiones

Rendimiento
Comparativas de bitrate(kbps)
TVE HD

250 kbps

Video a 250 kbps
Frecuencia

3%

97%

30
25
20
1...
Conclusiones

Rendimiento
Comparativas de bitrate(kbps)
Video a 10 Kbps
1%

99%

Probabilidad de error

VEO TV

Prob.Error...
Conclusiones

Rendimiento
Comparativas de bitrate(kbps)
Video a 10 Kbps
0%

100%

Probabilidad de error

TVE HD

Prob.Erro...
Upcoming SlideShare
Loading in...5
×

Detección de anuncios de televisión mediante software presentación

492

Published on

0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total Views
492
On Slideshare
0
From Embeds
0
Number of Embeds
2
Actions
Shares
0
Downloads
2
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

Detección de anuncios de televisión mediante software presentación

  1. 1. Detección automática de anuncios de televisión Detección de anuncios de televisión mediante software Autor: Daniel Martínez Campos Tutor: José Ramón Cerquides Bueno Dpt. Teoría de la señal y comunicaciones – ETSI Sevilla, 26 de Septiembre de 2013 Detección de anuncios de televisión mediante software
  2. 2. Índice de contenidos 1. Introducción 1. Necesidad tecnológica 2. Aproximación al problema 2. Desarrollo de contenidos 1. Conceptos 1. Cambio de plano 2. Concepto de huella 2. Desarrollo 1. Algoritmo 2. Frecuencia de muestreo 3. Interfaz 3. Pruebas 1. De detección 2. De calidad de vídeo 3. Conclusiones Detección de anuncios de televisión mediante software Pág. 1 Daniel Martínez Campos
  3. 3. Introducción: Necesidad tecnológica Publicidad en TV Reduce error y costes Gran negocio Detección automática de anuncios Seguimiento Interés de grandes empresas Pág. 2 Detección de anuncios de televisión mediante software Daniel Martínez Campos
  4. 4. Introducción: Aproximación al problema Cambio de plano Generación de huella Detección de huella Pág. 3 Detección de anuncios de televisión mediante software Daniel Martínez Campos
  5. 5. Desarrollo de contenidos: Conceptos Mapa de bits Secuencia de vídeo Fotograma Zona ampliada Estructura de color Pixel Detección de anuncios de televisión mediante software Pág. 4 Daniel Martínez Campos
  6. 6. Desarrollo de contenidos: Conceptos Cambio de plano Cambio de plano Detección de anuncios de televisión mediante software Pág. 5 Daniel Martínez Campos
  7. 7. Desarrollo de contenidos: Conceptos Procesamiento de imagen Escala de grises Imagen capturada 0 0 0 0 0 0 1 1 1 1 1 1 0 0 0 Imagen comprimida 1 1 0 1 0 1 Huella de imagen 1 1 1 0 0 0 1 0 1 0 1 0 0 1 0 0 0 0 0 0 0 Pág. 6 Detección de anuncios de televisión mediante software Daniel Martínez Campos
  8. 8. Desarrollo de contenidos: Conceptos Color negro Escala de grises ColorGris = 0.3𝑅 𝑖 + 0.59𝐺 𝑖 + 0.11𝐵 𝑖 1 𝐶𝑜𝑙𝑜𝑟 = 𝑁 h 𝑁 (0.3𝑅 𝑖 + 0.59𝐺 𝑖 + 0.11𝐵 𝑖 ) 𝑖=0 w N=w·h Pág. 7 Detección de anuncios de televisión mediante software Daniel Martínez Campos
  9. 9. Desarrollo de contenidos: Conceptos Falsos cambios de plano Cambio de plano de difícil detección Detección de anuncios de televisión mediante software Pág. 8 Daniel Martínez Campos
  10. 10. Desarrollo de contenidos: Conceptos Umbral de negro Frecuencia Histograma Intensidad de color Detección de anuncios de televisión mediante software Pág. 9 Daniel Martínez Campos
  11. 11. Desarrollo de contenidos: Algoritmos Captura, convierte B/N y comprime Generación de huellas Calcula valor medio de color No CamPlano == true No Plano Negro Sí Sí 𝑑𝑖𝑓𝑡 = HoraAct - 𝑡1 No 𝑑𝑖𝑓𝑡 > 𝑡 𝑒𝑠𝑡𝑏 No Flag Cambio Plano = true, 𝑡1 = Hora actual Sí Flag Cambia Plano = false Genera Huella, guarda huella y muestra resultados Detección de anuncios de televisión mediante software Pág. 10 Daniel Martínez Campos
  12. 12. Desarrollo de contenidos: Algoritmos Detección de huellas No Captura, convierte B/N y comprime Calcula valor medio de color No CamPlano == true Plano Negro Sí No No Sí 𝑑𝑖𝑓𝑡 > 𝑡 𝑒𝑠𝑡𝑏 Genera y busca huella No Flag Cambio Plano = true, 𝑡1 = Hora actual Encuentra Huella Guardar en lista Muestra resultados Detección de anuncios de televisión mediante software Pág. 11 Daniel Martínez Campos
  13. 13. Desarrollo de contenidos: Muestreo Frecuencia de muestreo 𝑡 𝑟 = 𝑇𝑖𝑒𝑚𝑝𝑜 𝑑𝑒 𝑟𝑒𝑠𝑝𝑢𝑒𝑠𝑡𝑎 𝑑𝑒𝑙 𝑜𝑗𝑜 𝑕𝑢𝑚𝑎𝑛𝑜 PAL = 25 fps 𝑡 𝑟 > 33 𝑚𝑠𝑒𝑔 ≈ 30 𝑓𝑝𝑠 NTSC = 30 fps 𝑡 𝑡𝑓 𝑚 < 𝑡𝑓 𝑡 𝑓 = 𝑇𝑖𝑒𝑚𝑝𝑜 𝑑𝑒 𝑓𝑟𝑎𝑚𝑒 𝑡 𝑚 = 𝑇𝑖𝑒𝑚𝑝𝑜 𝑑𝑒 𝑚𝑢𝑒𝑠𝑡𝑟𝑒𝑜 𝑡 𝑚 Detección de anuncios de televisión mediante software Pág. 12 Daniel Martínez Campos
  14. 14. Desarrollo de contenidos: Interfaz Generación de huellas 1 2 3 4 1. 2. 3. 4. 5. 6. 5 6 Detección de anuncios de televisión mediante software Nombre de la aplicación Filtro de negro Botón de comienzo Botón de parada Salida de vídeo Salida de información Pág. 13 Daniel Martínez Campos
  15. 15. Desarrollo de contenidos: Interfaz Detección de huellas Archivo de huellas Archivo de anuncios Pág. 14 Detección de anuncios de televisión mediante software Daniel Martínez Campos
  16. 16. Desarrollo de contenidos: Pruebas Detección Cambios de plano Falsos cambios de plano Vídeos Anuncios Detectados Falsas detecciones La Sexta 1 26 26 0 26 7 La Sexta 2 27 27 0 27 4 Mejores anuncios 13 13 0 13 3 Totales 66 66 0 66 14 Pág. 15 Detección de anuncios de televisión mediante software Daniel Martínez Campos
  17. 17. Desarrollo de contenidos: Pruebas Detección 1,2 1 0,8 Probabilidad de detectar anuncio correcto 0,6 Probabilidad falso cambio de plano 0,4 0,2 0 La Sexta 1 La Sexta 2 Mejores anuncios Pág. 16 Detección de anuncios de televisión mediante software Daniel Martínez Campos
  18. 18. Desarrollo de contenidos: Pruebas Degradación de imagen Frecuencia 0 1 2 3 4 5 6 7 8 9 10 11 12 Num.Anuncios Num.Errores Prob.Error 10 kbps 10 9 1 3 2 1 0 0 0 0 0 0 0 26 16 0,62 30 kbps 19 5 1 1 0 0 0 0 0 0 0 0 0 26 7 0,27 50 kbps 25 0 1 0 0 0 0 0 0 0 0 0 0 26 1 0,04 70 kbps 23 2 1 0 0 0 0 0 0 0 0 0 0 26 3 0,12 90 kbps 25 1 0 0 0 0 0 0 0 0 0 0 0 26 1 0,04 110 kbps 130 kbps 150 kbps 170 kbps 200 kbps 22 25 26 25 26 3 1 0 0 0 1 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 26 26 26 26 26 4 1 0 1 0 0,15 0,04 0,00 0,04 0,00 Pág. 17 Detección de anuncios de televisión mediante software Daniel Martínez Campos
  19. 19. Desarrollo de contenidos: Pruebas Degradación de imagen 10 kbps 25 20 Frecuecnia 30 25 20 15 10 5 0 110 kbps Frecuencia Frecuencia 200 kbps 15 10 5 0 0 2 4 6 8 10 12 Distancia de huella 0 2 4 6 8 10 12 Distancia de huella 12 10 8 6 4 2 0 0 2 4 6 8 10 12 Distancia de huella Pág. 18 Detección de anuncios de televisión mediante software Daniel Martínez Campos
  20. 20. Desarrollo de contenidos: Pruebas Degradación de imagen Probabilidad de error Prob.Error 0,70 0,60 0,50 0,40 0,30 0,20 0,10 0,00 10 30 50 70 90 110 130 150 170 200 kbps kbps kbps kbps kbps kbps kbps kbps kbps kbps Bitrate Pág. 19 Detección de anuncios de televisión mediante software Daniel Martínez Campos
  21. 21. Conclusiones Número de bits por huella H1 h1 12 bits h h2 212 = 4096 huellas Ph = w Detección de anuncios de televisión mediante software 1 = 4096 0.02 % Pág. 19 Daniel Martínez Campos
  22. 22. Conclusiones Número de bits por huella H1 4 bits 24 = 16 huellas Ph = 1 = 16 6.25 % Pág. 19 Detección de anuncios de televisión mediante software Daniel Martínez Campos
  23. 23. Conclusiones Umbral de negro Frecuencia Histograma Intensidad de color Detección de anuncios de televisión mediante software Pág. 20 Daniel Martínez Campos
  24. 24. Conclusiones Frecuencia de muestreo • Más de 40 ms por ciclo de captura, procesado y comparación hace no garantiza detección de anuncios. Aunque el rendimiento pueda ser alto. • La aplicación debe ser configurada para que los ciclos de trabajo se ajusten a la potencia de trabajo del equipo: • Un equipo potente que no es optimizado puede presentar eventualmente errores que podían haber sido evitados. • Un equipo al que se le exige una frecuencia de muestreo superior a sus capacidades presentará una alta incertidumbre que igualmente repercutirá en eventuales fallos . Detección de anuncios de televisión mediante software Pág. 21 Daniel Martínez Campos
  25. 25. Conclusiones Rendimiento Comparativas de bitrate(kbps) Video a 250 Kbps Frecuencia VEO TV 250 kbps 23% 77% 30 25 20 15 10 5 0 0 2 4 6 8 10 12 Distancia de huella Pág. 22 Detección de anuncios de televisión mediante software Daniel Martínez Campos
  26. 26. Conclusiones Rendimiento Comparativas de bitrate(kbps) TVE HD 250 kbps Video a 250 kbps Frecuencia 3% 97% 30 25 20 15 10 5 0 0 2 4 6 8 10 12 Distancia de huella Pág. 23 Detección de anuncios de televisión mediante software Daniel Martínez Campos
  27. 27. Conclusiones Rendimiento Comparativas de bitrate(kbps) Video a 10 Kbps 1% 99% Probabilidad de error VEO TV Prob.Error 0,80 0,60 0,40 0,20 0,00 10 kbps Bitrate Pág. 24 Detección de anuncios de televisión mediante software Daniel Martínez Campos
  28. 28. Conclusiones Rendimiento Comparativas de bitrate(kbps) Video a 10 Kbps 0% 100% Probabilidad de error TVE HD Prob.Error 0,80 0,60 0,40 0,20 0,00 10 kbps Bitrate Pág. 25 Detección de anuncios de televisión mediante software Daniel Martínez Campos
  1. A particular slide catching your eye?

    Clipping is a handy way to collect important slides you want to go back to later.

×