IVA音视频识别技术解析 - 安防知识网

IVA是In Video Action技术的缩写，IVA目前与Google Voice的字幕自动化生成技术、百度Video In视频无痕植入技术并称改变视频行业的三大革命性技术。

　　随着全球触屏时代的到来，交流平台的移动化、社交化、智能化已成为必然的发展方向。在这样的趋势下，视频互动成为视频行业制定战略的最新重要考虑因素。下面重点介绍下在欧美近两年最受关注的IVA技术。

　　IVA是In Video Action技术的缩写，IVA目前与Google Voice的字幕自动化生成技术、百度Video In视频无痕植入技术并称改变视频行业的三大革命性技术。

　　随着触屏时代的到来，交流平台的移动化、社交化、智能化已成为必然的发展方向。在这样的趋势下，视频互动成为视频行业制定战略的重要考虑因素。

　　IVA技术简单来说是一种音视频识别技术，加上一套互动工具所构成的互动体系。识别技术就像一个探头，能够寻找视频中拨动心弦(或人为设定)的时刻，并用互动技术实现与观众的互动共鸣。值得一提的是，IVA技术可将直播视频画面中的人物、物体、品牌、纹理、场景甚至情绪等信息分拣出来，再通过各种互动工具与受众进行双向交流。

　　IVA的使命分三个层次，初级IVA、中级IVA、高级IVA。

　　其中，初级IVA是依据音视频样本库标记视频流中与样本库匹配的视频片断，比如从视频流中识别广告时段和广告主、识别新闻联播等节目的片头、根据录音识别用户正在观看的节目等。

　　中级IVA利用图像处理技术、大数据技术和深度学习技术，识别视频流中的场景、形状、纹理和人物等。中级IVA可以从视频流中识别大海、森林、闹市等多达200多种场景，在场景连续出现超过30帧的情况下，识别率可以高达90%以上;形状识别的典型案例是从视频流中准确识别1000多种饮料瓶的品牌、容积;衣物、布料的质地和品牌识别属于纹理识别的范畴;人物识别被广泛应用在机场、车站等场所的嫌疑犯追逃和运动追踪，也被电视台用来进行视频索引和标签。

　　高级IVA是识别音视频对受众的感性刺激和情绪影响，比如识别一部电影中的泪点、笑点等，高级IVA才刚刚起步，还有很长的路要走。

　　目前，IVA已被应用在EPG(电子节目单)自动校准、视频自动索引和标签、电视“摇一摇”等领域。IVA更具广阔前景的应用是互动营销(又称心性营销)。2011年，国内就引进欧美技术开始了在这方面的尝试和探索。人性付费模式是在IVA技术基础上的另一种延伸，利用IVA技术加强视频内容与受众之间的情感联系，让观众在一定情绪的引导下掏腰包。以《中国好声音》为例，当观众被天籁的声音所陶醉，通过IVA技术可以弹出互动窗口，让观众为歌手献上鲜花以资鼓励;亦或是在破音时，用鸡蛋表达无奈;甚至可以在选手表演时，直接通过手机参与到导师转椅子的过程中。将传统的被动收视改变为观众与观众之间、观众与节目之间全方位的互动，极大地激发出观众的存在感、沟通欲、控制欲等人性需求。当然，在播放广告的过程中，在某个消费刺激点时利用IVA技术，可以出现互动按钮，为感兴趣的用户直接提供营销通道，将广告、销售合二为一。