嵌入标识是人工添加到视频上的具有特定含义的标识,如电视标识、栏目标识、网站标识等等。视频中的嵌入标识包含着重要的语义信息,对其识别可以为视频内容分析提供重要语义信息,因而得到广泛应用,比如基于内容的视频图像检索、商业广告监测、视频内容监控管理、收视率统计等。本文围绕着网络视频嵌入标识识别展开研究,研究目的是从准确度和速度上提高标识识别的性能,取得如下研究成果:　　 1.基于选择性Gabor滤波器组的近似不变特征　　 针对网络视频质量参差不齐,嵌入标识多存在高度镂空、半透明现象,提出一种基于选择性Gabor滤波器组的近似不变特征(Gaborfilterbank-basedApproximateInvariantFeature,GAIF),用于嵌入标识的识别。首先,通过训练的方式确定合适的Cabor滤波器参数,然后对视频可能存在标识的区域进行Gabor滤波,继而对滤波后的系数进行后续处理,使得处理后的系数对镂空、半透明等现象不敏感,最后通过滤波系数积分图快速形成特征。实验结果显示在不同背景、不同模糊程度等条件下,同种标识的GAIF特征的平均距离为85左右(特征维数为24或36,每维的取值范围是[0,256]),证明了GAIF特征的近似不变性。　　 2.基于超椭球拟合的快速判定模型网络视频中存在标识位置不固定和缺失现象,须采用窗口扫描方式选择标识区域并判定,计算复杂度高。为此,提出一种由拟合特征簇表面获得的若干超椭球组成的标识判定模型,它用计算高维空间点和超椭球位置关系取代复杂的分类算法,极大提高了判定速度,而且可以仅利用单帧信息进行标识识别,使得算法适用于流式网络视频数据的标识识别。实验结果证明该模型充分利用了GAIF的特性,在与SVM保持几乎相同的准确率和召回率同时,速度提升了10倍左右。3.嵌入标识识别系统　　 为了验证GAIF特征和基于超椭球拟合的快速判定模型,设计了针对网络视频的嵌入标识识别系统。该系统包括两部分:训练子系统和识别子系统,其中训练子系统包括GAIF特征参数的确定及判定模型的生成。最终实验证明,该系统在准确率、召回率上均优于现有算法。