一种图标识别的方法以及相关装置与流程

本申请涉及图像处理领域，尤其涉及一种图标识别的方法以及相关装置。
背景技术：
：随着大量视频信息涌入人们的现实生活，视频台标检测已成为对视频来源分析的一个有效手段。通过视频的台标可以相对容易的确定视频的发布者，通过节目中的台标能定位到具体的节目。这些重要语义信息用于提供精确的视频搜索。此外，通过检测视频节目中的台标还可以去除广告片段，进而提高观赏性。在视频安全领域，视频台标检测技术可以有效的确定视频来源。目前，可以采用基于光学字符识别(opticalcharacterrecognition，ocr)的方法对台标进行检测和识别。在用户切换节目的时候，视频画面上会出现具有文字的台标。在显示台标之前还存在一小段时间的延迟，在段时间内即可对台标进行ocr文字识别，基于文字直接判别台标类型。然而，随着视频类型的不断增加，越来越多的台标涌现出来。这些台标往往具有一些特殊的效果，比如，a类台标会不断抖动，b类台标的字幕渐次滚动出现后再消失，并交替出现在视频的左上角和右下角，c类台标的图像和文字都会不断旋转等等。这些类型的台标随时间变化而发生变化，也可以称为动图台标。基于ocr的方法对动图台标进行识别，其准确率较低，且不适用于纯图像的动态台标，导致适应范围较小。技术实现要素：本申请实施例提供了一种图标识别的方法以及相关装置，一方面利用随机采样能够增加台标背景变化的多样性，达到更好的采样效果，另一方面，将多帧视频图像进行融合能够将动态台标变为相对稳定的静态台标，进而对静态台标进行识别，由此适用于对静态台标以及动态台标的检测，从而提升识别准确率。有鉴于此，本申请第一方面提供一种图标识别的方法，包括：从待检测视频中随机获取p帧待检测图像，其中，所述待检测视频包括q帧视频图像，所述q为大于1的整数，所述p为大于或等于1，且小于或等于所述q的整数；对所述p帧待检测图像中的待检测图像进行边缘检测，得到目标边缘检测图集合，其中，所述目标边缘检测图集合中包括m个目标边缘检测图，每个目标边缘检测图是对p个边缘检测图融合后得到的，所述m为大于或等于1的整数；根据所述目标边缘检测图集合确定图标区域；根据所述p帧待检测图像以及所述图标区域确定所述待检测视频中的图标；将所述图标与预设图标集合进行匹配，获取所述待检测视频的图标识别结果，其中，所述预设图标集合包括至少一个预设图标。本申请第二方面提供一种图标识别装置，包括：获取模块，用于从待检测视频中随机获取p帧待检测图像，其中，所述待检测视频包括q帧视频图像，所述q为大于1的整数，所述p为大于或等于1，且小于或等于所述q的整数；检测模块，用于对所述获取模块获取的所述p帧待检测图像中的待检测图像进行边缘检测，得到目标边缘检测图集合，其中，所述目标边缘检测图集合中包括m个目标边缘检测图，每个目标边缘检测图是对p个边缘检测图融合后得到的，所述m为大于或等于1的整数；确定模块，用于根据所述检测模块检测得到的所述目标边缘检测图集合确定台标区域；所述确定模块，还用于根据所述p帧待检测图像以及所述图标区域确定所述待检测视频中的图标；识别模块，用于将所述确定模块确定的所述图标与预设图标集合进行匹配，获取所述待检测视频的图标识别结果，其中，所述预设图标集合包括至少一个预设图标。在一种可能的设计中，在本申请实施例的第二方面的第一种实现方式中，所述图标识别装置还包括划分模块以及提取模块；所述划分模块，用于在所述检测模块对所述p帧待检测图像中的待检测图像进行边缘检测，得到目标边缘检测图集合之前，对所述p帧待检测图像中的所述每帧待检测图像进行划分，得到所述每帧待检测图像所对应的多个图像区域；所述提取模块，用于从所述划分模块划分得到的所述每帧待检测图像所对应的多个图像区域中提取所述每帧待检测图像所对应的m个图像区域，其中，所述m个图像区域用于进行边缘检测。在一种可能的设计中，在本申请实施例的第二方面的第二种实现方式中，所述检测模块，具体用于对所述每帧待检测图像的所述m个图像区域中的目标图像区域进行边缘检测，得到所述目标图像区域所对应的p个边缘检测图，其中，所述目标图像区域属于所述m个图像区域中的任意一个图像区域；根据所述目标图像区域所对应的p个边缘检测图，确定所述目标图像区域所对应的目标边缘检测图；当获取到所述m个图像区域所对应的目标边缘检测图时，得到所述目标边缘检测图集合。在一种可能的设计中，在本申请实施例的第二方面的第三种实现方式中，所述确定模块，具体用于对所述目标边缘检测图集合中的每个目标边缘检测图进行直方图统计，得到m个统计结果，其中，所述直方图统计用于对目标边缘检测图进行水平方向以及垂直方向的统计；分别判断所述m个统计结果中的每个统计结果是否满足台标区域提取条件；若所述m个统计结果中的至少一个统计结果满足所述统计阈值，则确定所述目标边缘检测图集合存在台标区域；若所述m个统计结果中的无统计结果满足所述统计阈值，则确定所述目标边缘检测图集合不存在台标区域。在一种可能的设计中，在本申请实施例的第二方面的第四种实现方式中，所述确定模块，具体用于根据所述p帧待检测图像确定所述台标区域中待匹配图像的图像分值；若所述待匹配图像的图像分值大于或等于台标图像阈值，则确定所述待检测视频中存在所述台标图像。在一种可能的设计中，在本申请实施例的第二方面的第五种实现方式中，所述识别模块，具体用于获取所述台标图像的待匹配局部特征集合，其中，所述待匹配局部特征集合包括至少一个待匹配局部特征；获取所述预设图标集合中每个预设图标的局部特征集合，其中，所述局部特征集合包括至少一个局部特征；根据所述待匹配局部特征集合以及所述每个预设图标的局部特征集合，通过k近邻算法从所述预设图标集合中确定候选台标图像集合，其中，所述候选台标图像集合包括n个候选台标图像，所述n为大于或等于1的整数；对所述台标图像以及所述候选台标图像集合中每个候选台标图像进行比对，得到所述每个候选台标图像的配对点集合，其中，所述配对点集合包括至少一个配对点，所述配对点表示候选台标图像与所述台标图像配对成功的特征点；根据所述每个候选台标图像的配对点集合以及所述每个候选台标图像的局部特征集合，计算得到n个相似度分值；根据所述n个相似度分值中相似度分值的最大值，从所述候选台标图像集合中确定待检测视频的目标台标图像。在一种可能的设计中，在本申请实施例的第二方面的第六种实现方式中，所述识别模块，具体用于1)获取所述待匹配局部特征集合中的一个待匹配局部特征；2)根据所述待匹配局部特征，从所述每个预设图标的局部特征集合中获取与所述待匹配局部特征最近的k个候选特征，其中，所述k为大于或等于1的整数；重复执行步骤1)至步骤2)，直至获取到所述待匹配局部特征集合中的每个待匹配局部特征的候选特征；根据所述待匹配局部特征集合中的每个待匹配局部特征的候选特征，获取所述候选台标图像集合。在一种可能的设计中，在本申请实施例的第二方面的第七种实现方式中，所述识别模块，具体用于将所述台标图像中的每个待匹配局部特征与所述每个候选台标图像的每个局部特征进行匹配，得到投影矩阵，其中，所述投影矩阵表示所述台标图像经过投影后的位置坐标；根据所述台标图像以及所述投影矩阵，确定所述每个候选台标图像的配对点集合。在一种可能的设计中，在本申请实施例的第二方面的第八种实现方式中，所述识别模块，具体用于采用如下方式计算相似度分值：其中，所述score表示所述相似度分值，所述a表示候选台标图像的配对点集合所对应的面积并集，所述b表示所述候选台标图像的局部特征集合所对应的面积并集。在一种可能的设计中，在本申请实施例的第二方面的第九种实现方式中，所述图标识别装置还包括处理模块以及提取模块；所述获取模块，还用于在所述识别模块将所述图标与预设图标集合进行匹配，获取所述待检测视频的图标识别结果之前，获取待处理视频集合，其中，所述待处理视频集合中包括至少一个待处理视频；所述检测模块，还用于对所述获取模块获取的所述待处理视频集合中的每个待处理视频进行检测，得到待处理台标图像集合，其中，所述待处理台标图像集合包括至少一个待处理台标图像，所述待处理台标图像集合中的至少一个待处理台标图像对应同一个标识；所述处理模块，用于对所述检测模块检测得到的所述待处理台标图像集合中的待处理台标图像进行处理，得到所述预设图标集合；所述提取模块，用于对所述处理模块处理得到的所述预设图标集合中的每个预设图标进行特征提取，得到所述每个预设图标的局部特征集合，其中，所述局部特征集合包括至少一个局部特征，所述局部特征包括特征点位置坐标以及特征信息。在一种可能的设计中，在本申请实施例的第二方面的第十种实现方式中，所述处理模块，具体用于当接收到第一处理指令时，根据所述第一处理指令从所述待处理台标图像集合中剔除第一待处理台标图像，其中，所述第一处理指令中携带所述第一待处理台标图像的标识；当接收到第二处理指令时，根据所述第二处理指令对所述待处理台标图像集合中的第二待处理台标图像进行调整，得到所述预设图标集合中的预设图标，其中，所述第二处理指令中携带所述第二待处理台标图像的标识。本申请第三方面提供一种服务器，包括：存储器、收发器、处理器以及总线系统；其中，所述存储器用于存储程序；所述处理器用于执行所述存储器中的程序，包括如下步骤：从待检测视频中随机获取p帧待检测图像，其中，所述待检测视频包括q帧视频图像，所述q为大于1的整数，所述p为大于或等于1，且小于或等于所述q的整数；对所述p帧待检测图像中的待检测图像进行边缘检测，得到目标边缘检测图集合，其中，所述目标边缘检测图集合中包括m个目标边缘检测图，每个目标边缘检测图是对p个边缘检测图融合后得到的，所述m为大于或等于1的整数；根据所述目标边缘检测图集合确定图标区域；根据所述p帧待检测图像以及所述图标区域确定所述待检测视频中的图标；将所述图标与预设图标集合进行匹配，获取所述待检测视频的图标识别结果，其中，所述预设图标集合包括至少一个预设图标；所述总线系统用于连接所述存储器以及所述处理器，以使所述存储器以及所述处理器进行通信。本申请第四方面提供一种终端设备，包括：存储器、收发器、处理器以及总线系统；其中，所述存储器用于存储程序；所述处理器用于执行所述存储器中的程序，包括如下步骤：从待检测视频中随机获取p帧待检测图像，其中，所述待检测视频包括q帧视频图像，所述q为大于1的整数，所述p为大于或等于1，且小于或等于所述q的整数；对所述p帧待检测图像中的待检测图像进行边缘检测，得到目标边缘检测图集合，其中，所述目标边缘检测图集合中包括m个目标边缘检测图，每个目标边缘检测图是对p个边缘检测图融合后得到的，所述m为大于或等于1的整数；根据所述目标边缘检测图集合确定图标区域；根据所述p帧待检测图像以及所述图标区域确定所述待检测视频中的图标；将所述图标与预设图标集合进行匹配，获取所述待检测视频的图标识别结果，其中，所述预设图标集合包括至少一个预设图标；所述总线系统用于连接所述存储器以及所述处理器，以使所述存储器以及所述处理器进行通信。本申请的第五方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述各方面所述的方法。从以上技术方案可以看出，本申请实施例具有以下优点：本申请实施例中，提供了一种图标识别的方法，首先需要从待检测视频中随机获取p帧待检测图像，然后对p帧待检测图像中的待检测图像进行边缘检测，得到目标边缘检测图集合，目标边缘检测图集合中包括m个目标边缘检测图，每个目标边缘检测图是对p个边缘检测图融合后得到的，根据目标边缘检测图集合确定图标区域，根据p帧待检测图像以及图标区域确定待检测视频中的图标，将图标与预设图标集合进行匹配，获取待检测视频的图标识别结果，其中，预设图标集合包括至少一个预设图标。通过上述方式，随机采样多帧视频图像进行融合，一方面利用随机采样能够增加台标背景变化的多样性，达到更好的采样效果，另一方面，将多帧视频图像进行融合能够将动态图标变为相对稳定的静态图标，进而对静态图标进行识别，由此适用于对静态图标以及动态图标的检测，从而提升识别准确率。附图说明图1为本申请实施例中图标识别系统的一个架构示意图；图2为本申请实施例中图标识别系统的一个整体流程示意图；图3为本申请实施例中图标识别的方法一个实施例示意图；图4为本申请实施例中待检测图像的m个图像区域的一个实施例示意图；图5为本申请实施例中待检测图像的m个图像区域的另一个实施例示意图；图6为本申请实施例中待检测图像的m个图像区域的另一个实施例示意图；图7为本申请实施例中生成目标边缘检测图的一个实施例示意图；图8为本申请实施例中对目标边缘检测图进行直方图统计的一个实施例示意图；图9为本申请实施例中台标图像的一个示意图；图10为本申请实施例中相似度比对的一个实施例示意图；图11为本申请实施例中同一个台标不同显示形式的示意图；图12为本申请实施例中图标识别装置一个实施例示意图；图13为本申请实施例中图标识别装置另一个实施例示意图；图14为本申请实施例中图标识别装置另一个实施例示意图；图15为本申请实施例中服务器一个实施例示意图；图16为本申请实施例中终端设备一个实施例示意图。具体实施方式本申请实施例提供了一种图标识别的方法以及相关装置，一方面利用随机采样能够增加图标背景变化的多样性，达到更好的采样效果，另一方面，将多帧视频图像进行融合能够将动态图标变为相对稳定的静态图标，进而对静态图标进行识别，由此适用于对静态图标以及动态图标的检测，从而提升识别准确率。本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“对应于”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。应理解，本申请所提供的台标识别方法可以用于人工智能领域、视频图像分析领域以及检索领域等。台标(logo)是指电视台或视频网站的标志与标识，通常悬挂与视频的左上角、右上角或右下角等角落位置。台标检测与识别是采用图像处理与识别技术自动从视频中获取台标图像，并自动分类为已知的某种台标。随着电视技术和互联网技术的飞速发展，通过卫星以及微波等方式传输到各级电视台的节目多达几十乃至上百套，成千上万的视频内容通过网络方式传输到用户使用的终端设备上。为了对电视节目以及网络视频进行实时监测，本申请提出一种图标识别的方法，对静态台标以及动态台标的检测率都较高，并且检测过程中无需人为操作，节省了人力资源。众所周知，保障电视节目以及网络视频的安全性，防止非法插播和干扰是安全播出的一项非常重要的任务。可以通过对台标的识别来监测非法插播和非法信号入侵，进而根据台标检测结果对多渠道电视节目以及网络视频进行实时报警，从而有效地防止非法插播和入侵，降低工作人员的劳动强度，并避免操作失误。具体地，基于台标检测与识别的非法视频拦截系统，可以通过人工收集有台标的相关非法视频，并生成索引库，对网络上需要审核的视频进行自动台标检测与识别，如果视频命中索引库中的台标，则拦截该视频，否则放行该视频。此外，网络视频可以根据台标分类，收集需要分类的具有台标的视频(每类仅需少量视频)，建立台标索引库，对网络上大量未标注的视频，自动进行台标识别，并按台标进行分类。为了便于理解，本申请提出了一种图标识别的方法，该方法应用于图1所示的图标识别系统，请参阅图1，图1为本申请实施例中图标识别系统的一个架构示意图，如图所示，本申请提供的台标识别方法可以用于服务器，也可以用于终端设备，下面将结合图2，并以应用于服务器为例进行说明。请参阅图2，图2为本申请实施例中图标识别系统的一个整体流程示意图，如图所示，整个台标识别的流程可以分为两个部分，其一为离线建库过程，另一为在线台标检测与识别。在离线建库过程中，具体包括如下步骤：步骤a1中，服务器获取人工收集的相关视频，这些视频中携带台标，其中，这些视频是在客户端上播放的视频，需要说明的是，客户端部署于终端设备上，其中，终端设备包含但不仅限于平板电脑、笔记本电脑、掌上电脑、手机、语音交互设备及个人电脑(personalcomputer，pc)，此处不做限定；步骤a2中，服务器对视频中的台标进行检测，也就是从视频中提取相应的台标；步骤a3中，服务器可以自动对这些提取后的台标进行清洗，清洗的目的是剔除一些不属于台标的图像，当然，在实际应用中，也可以人工剔除非台标的图像，无论如何，目的都是为了获取到台标图像；步骤a4中，在服务器获取到视频之后，也可以完全以人工的方式获取台标图像，即人工剪裁每个台标图像；步骤a5中，在得到视频所对应的台标图像之后，对台标图像进行局部特征提取，比如尺度不变特征变换(scale-invariantfeaturetransform，sift)特征提取；步骤a6中，对提取后的特征建立快速索引，比如对sift特征的快速索引，即给定一个sift特征，经过这个快速索引，快速的找到与这个sift特征距离最近的其他sift特征，至此离线建库过程完成。在在线台标检测与识别过程中，具体包括如下步骤：步骤b1中，首先获取待检测视频；步骤b2中，对于待检测视频也需要服务器进行台标检测，从而得到台标图像，此时，台标检测为自动检测，无需人工提取台标图像；步骤b3中，服务器对检测到的台标图像进行局部特征的提取，可以理解的是，特征提取过程与步骤a5的特征提取过程类型，此处不做赘述；步骤b4中，服务器将待检测视频中的局部特征与局部特征快速索引库中的局部特征进行粗匹配；步骤b5中，服务器在上述建立的局部特征快速索引库中检索到最相似的n个台标图像；步骤b6中，服务器对这n个台标图像做1比1的相似度比对，选出相似度得分最高的台标图像；步骤b7中，如果该相似度得分大于给定的阈值，则输出的台标识别结果为a台标，反之，如果该相似度得分小于给定的阈值，则说明该待检测视频的台标不在台标库中。结合上述介绍，下面将对本申请中图标识别的方法进行介绍，请参阅图3，本申请实施例中图标识别的方法一个实施例包括：101、从待检测视频中随机获取p帧待检测图像，其中，待检测视频包括q帧视频图像，q为大于1的整数，p为大于或等于1，且小于或等于q的整数；本实施例中，图标识别装置获取待检测视频，该待检测视频可以是网络视频，或者是电视节目等，此处不做限定。待检测视频中包括q帧视频图像，从q帧视频图像中随机选择p帧待检测图像，比如，待检测视频中有1000帧视频图像，可以从中随机选择64视频图像作为待检测图像。其中，随机获取p帧待检测图像的方法有多种，比如采用随机函数生成p帧待检测图像，具体可以是c语言的rand()函数，或者matlab中的rand()函数等。随机数是用确定性的算法计算出来自[0,1]均匀分布的随机数序列，具有类似于随机数的统计特征，如均匀性和独立性等。在计算伪随机数时，若使用的初值不变，那么随机数的数序也不变。随机数可以用计算机大量生成。在现有技术中往往是从待检测视频中抽取一帧图像，或者抽取连续一段时间的图像，这种取帧方法对于动图台标有可能根本取不到带有台标的视频图像，这是因为有些视频是在播放一段时间后才出现台标，而如果取待检测视频中的全部视频图像则会极大的降低系统的效率，对于较长的视频，解码全部图像视频会消耗大量的时间。而等间隔取帧的方法，对于有些动图台标而言，可能会全部取得在台标消失时刻的视频图像。因此，采用随机取帧会增加台标背景的变化，多帧叠加后的台标会减少背景的影响。102、对p帧待检测图像中的待检测图像进行边缘检测，得到目标边缘检测图集合，其中，目标边缘检测图集合中包括m个目标边缘检测图，每个目标边缘检测图是对p个边缘检测图融合后得到的，m为大于或等于1的整数；本实施例中，图标识别装置对p帧待检测图像中的每帧待检测图像进行边缘检测，其中，每帧待检测图像包括边缘检测图，边缘检测图为待检测图像中经过边缘检测得到的图像。于是，将每帧待检测图像中边缘检测图进行融合，即对p帧边缘检测图进行融合，从而得到目标边缘检测图。可以理解的是，一帧待检测图像中可能存在多个边缘检测图，对于相同位置上的p个边缘检测图进行融合，即可得到目标边缘检测图。当对每个位置上的p个边缘检测图都融合完成后，即可得到目标边缘检测图集合。边缘检测的目的是标识数字图像中亮度变化明显的点，图像的边缘检测可以大幅度地减少了数据量，并且剔除了可以认为不相关的信息，保留了图像重要的结构属性。有许多方法用于边缘检测，包括基于查找一类和基于零穿越的一类。其中，基于查找的方法通过寻找图像一阶导数中的最大和最小值来检测边界，通常是将边界定位在梯度最大的方向。而基于零穿越的方法通过寻找图像二阶导数零穿越来寻找边界，通常是拉普拉斯(laplacian)过零点或者非线性差分表示的过零点。103、根据目标边缘检测图集合确定图标区域；本实施例中，图标识别装置对目标边缘检测图集合中的每个目标边缘检测图进行检测，判断是否存在图标区域，其中该图标区域具体可以是台标区域。如果检测到存在台标区域，则图标识别装置根据p帧待检测图像以及台标区域继续检测待检测视频中是否存在台标图像。反之，如果未检测到存在台标区域，则可以认为待检测视频中不包括台标图像。104、根据p帧待检测图像以及图标区域确定待检测视频中的图标；本实施例中，图标识别装置根据p帧待检测图像以及图标区域，检测出待检测视频中的图标，该图标具体可以是台标图像。105、将图标与预设图标集合进行匹配，获取待检测视频的图标识别结果，其中，预设图标集合包括至少一个预设图标。本实施例中，图标识别装置根据p帧待检测图像以及台标区域，检测台标区域中是否存在待检测的台标图像，如果存在台标图像，那么可以将台标图像与预设图标集合中个各个预设图标进行匹配，根据匹配结果选择匹配度最高的预设图标作为待检测视频的图标识别结果。如果台标图像与预设图标集合中个各个预设图标进行匹配之后，确定没有匹配的预设图标，那么可以将台标识别失败的结果作为该待检测视频的图标识别结果。本申请实施例中，提供了一种图标识别的方法，首先需要从待检测视频中随机获取p帧待检测图像，然后对p帧待检测图像中的待检测图像进行边缘检测，得到目标边缘检测图集合，目标边缘检测图集合中包括m个目标边缘检测图，每个目标边缘检测图是对p个边缘检测图融合后得到的，根据目标边缘检测图集合确定图标区域，根据p帧待检测图像以及图标区域确定待检测视频中的图标，将图标与预设图标集合进行匹配，获取待检测视频的图标识别结果，其中，预设图标集合包括至少一个预设图标。通过上述方式，随机采样多帧视频图像进行融合，一方面利用随机采样能够增加台标背景变化的多样性，达到更好的采样效果，另一方面，将多帧视频图像进行融合能够将动态图标变为相对稳定的静态图标，进而对静态图标进行识别，由此适用于对静态图标以及动态图标的检测，从而提升识别准确率。可选地，在上述图3对应的实施例的基础上，本申请实施例提供的图标识别的方法第一个可选实施例中，对p帧待检测图像中的每帧待检测图像进行边缘检测，得到目标边缘检测图集合之前，还可以包括：对p帧待检测图像中的每帧待检测图像进行划分，得到每帧待检测图像所对应的多个图像区域；从每帧待检测图像所对应的多个图像区域中提取每帧待检测图像所对应的m个图像区域，其中，m个图像区域用于进行边缘检测。本实施例中，将介绍一种待检测图像的划分方式，对于整个待检测图像而言，在进行边缘检测之前，图标识别装置可以对该待检测图像进行划分，为了便于介绍，请参阅图4，图4为本申请实施例中待检测图像的m个图像区域的一个实施例示意图，如图所示，假设将p帧待检测图像中的每帧待检测图像平均分成4×4等份，每一份即为一个图像区域，待检测图像包括16个图像区域。可以理解的是，在实际应用中，还可以设计其他的划分比例，比如平均分成5×5等份，或者平均分成4×5等份，此处仅为一个示意，并不应理解为对本申请的限定。接下来，图标识别装置从每帧待检测图像所对应的多个图像区域中，分别提取每帧待检测图像所对应的m个图像区域，请继续参阅图4，假设待检测图像被划分为16个图像区域，此时需要从这16个图像区域中选择若干个图像区域进行后续处理。考虑到台标图像往往存在于视频画面的几个角落，分别是左上顶角(即如图4所示的1号图像区域)、右上顶角(即如图4所示的2号图像区域)、左下顶角(即如图4所示的3号图像区域)以及右下顶角(即如图4所示的4号图像区域)。因此，可以仅取四个顶角的图像区域进行后续操作，即m取4。可以理解的是，在实际应用中，还可以取其他m值，且选择的m个图像区域也可以在待检测图像的其他位置上。比如，请参阅图5，图5为本申请实施例中待检测图像的m个图像区域的另一个实施例示意图，如图所示，假设选择待检测图像的m个上沿部分的图像区域，即分别为图5所示的1号图像区域、图4所示的2号图像区域、图4所示的3号图像区域和图4所示的4号图像区域，此时m设置为4。又比如，请参阅图6，图6为本申请实施例中待检测图像的m个图像区域的另一个实施例示意图，如图所示，假设选择待检测图像的m个右上的图像区域，即为图6所示的1号图像区域，此时m设置为1。图标识别装置在提取每帧待检测图像所对应的m个图像区域之后，可以对m个图像区域中的每个图像区域进行边缘检测。假设存在64帧待检测图像，每帧待检测图像中提取4个图像区域进行边缘检测，则一共需要对256个图像区域进行边缘检测。其次，本申请实施例中，提供了一种待检测图像的划分方式，在对p帧待检测图像中的每帧待检测图像进行边缘检测，得到目标边缘检测图集合之前，可以对p帧待检测图像中的每帧待检测图像进行划分，得到每帧待检测图像所对应的多个图像区域，再从每帧待检测图像所对应的多个图像区域中提取每帧待检测图像所对应的m个图像区域。通过上述方式，对待检测图像进行合理的划分，形成多个可操作的区域，便于后续的操作，从而提升方案的灵活性和可操作性。可选地，在上述图3对应的第一个实施例的基础上，本申请实施例提供的图标识别的方法第二个可选实施例中，对p帧待检测图像中的每帧待检测图像进行边缘检测，得到目标边缘检测图集合，可以包括：对每帧待检测图像的m个图像区域中的目标图像区域进行边缘检测，得到目标图像区域所对应的p个边缘检测图，其中，目标图像区域属于m个图像区域中的任意一个图像区域；根据目标图像区域所对应的p个边缘检测图，确定目标图像区域所对应的目标边缘检测图；当获取到m个图像区域所对应的目标边缘检测图时，得到目标边缘检测图集合。本实施例中，将介绍如何生成目标边缘检测图集合，为了便于说明，请参阅图7，图7为本申请实施例中生成目标边缘检测图的一个实施例示意图，如图所示，以p帧待检测图像中的其中一帧待检测图像为例进行介绍，可以理解的是，其他待检测图像的处理方式也类似，故此处不做赘述。假设m为4，即m个图像区域为图7所示的1号图像区域、2号图像区域、3号图像区域以及4号图像区域。以m个图像区域中的任意一个图像区域为例进行说明，该图像区域即为目标图像区域，可以理解的是，m个图像区域中的其他图像区域处理方式与目标图像区域的处理方式类似，故此处不做赘述。假设目标图像区域为图7所示的1号图像区域，此时，对1号图像区域进行边缘检测，得到边缘检测图，由于共有p帧待检测图像，每帧待检测图像都对1号图像区域进行边缘检测，因此，可以得到p个边缘检测图，即图7所示的1号图像区域所对应的p个边缘检测图。将1号图像区域所对应的p个边缘检测图进行叠加，得到1号图像区域所对应的目标边缘检测图，即如图7所示的目标边缘检测图a。对2号图像区域、3号图像区域以及4号图像区域进行类似处理，由此得到2号图像区域对应的目标边缘检测图b，3号图像区域对应的目标边缘检测图c，4号图像区域对应的目标边缘检测图d。当获取到m个图像区域所对应的目标边缘检测图时，得到目标边缘检测图集合。也就是说，当获取到目标边缘检测图a、目标边缘检测图b、目标边缘检测图c和目标边缘检测图d时，即认为得到目标边缘检测图集合。边缘检测的任务是为了找到具有阶跃变化或者屋顶变化的像素点的集合。其中，边缘是不同区域的分界线，是周围像素有显著变化的像素的集合，有幅值与方向两个属性。一般认为轮廓是对物体的完整边界的描述，边缘点一个个连接起来构成轮廓。边缘可以是一段边缘，而轮廓一般是完整的。本申请采用的边缘检测方法包含但不仅限于canny算子、roberts算子、sobel算子、prewitt算子、kirsch算子以及robinson算子。比如采用canny算子做边缘检测，可以得到边缘检测图，具体地，基于canny算子的边缘检测流程如下：第一步，将彩色图像转换为灰度图像；第二步，对图像进行高斯模糊；第三步，计算图像梯度，根据梯度计算图像边缘幅值与角度，可以使用微分边缘检测算子来计算梯度幅值方向；第四步，采用非最大信号进行压制处理，即进行边缘细化；第五步，双阈值边缘连接处理；第六步，二值化图像输出结果。再次，本申请实施例中，提供一种得到目标边缘检测图集合的方式，首先对每帧待检测图像的m个图像区域中的目标图像区域进行边缘检测，得到目标图像区域所对应的p个边缘检测图，然后根据目标图像区域所对应的p个边缘检测图，确定目标图像区域所对应的目标边缘检测图，当获取到m个图像区域所对应的目标边缘检测图时，即可得到目标边缘检测图集合。通过上述方式，可以从待检测图像中提取部分的图像区域进行边缘检测，而不需要针对整个待检测图像进行边缘检测，从而减少了计算量，并且提升了检测效率。可选地，在上述图3对应的实施例的基础上，本申请实施例提供的图标识别的方法第三个可选实施例中，根据目标边缘检测图集合确定图标区域，可以包括：对目标边缘检测图集合中的每个目标边缘检测图进行直方图统计，得到m个统计结果，其中，直方图统计用于对目标边缘检测图进行水平方向以及垂直方向的统计；分别判断m个统计结果中的每个统计结果是否满足台标区域提取条件；若m个统计结果中的至少一个统计结果满足台标区域提取条件，则确定目标边缘检测图集合存在台标区域；若m个统计结果中的无统计结果满足台标区域提取条件，则确定目标边缘检测图集合不存在台标区域。本实施例中，将介绍一种检测是否存在台标区域的方法，假设目标边缘检测图集合中存在m个目标边缘检测图，那么对每个目标边缘检测图进行直方图统计，基于给定的统计阈值，沿着左右边沿和上下边沿剔除统计结果小于统计阈值的部分，从而得到更为紧致的台标区域。在实际应用中，需要对每个目标边缘检测图都执行如上操作，如果m个目标边缘检测图所对应的统计结果中，存在至少一个统计结果满足台标区域提取条件，则确定符合后续处理的台标区域。具体地，为了便于介绍，请参阅图8，图8为本申请实施例中对目标边缘检测图进行直方图统计的一个实施例示意图，如图所示，以一个目标边缘检测图为例，假设该目标边缘检测图为5×5像素的图像，其中，黑色表示0，灰白色表示1，沿水平方向统计灰白色像素的个数依次为1、4、3、5和2，沿垂直方向统计灰白色像素的个数依次为2、4、2、5和2，假设统计阈值为3，则沿左右边缘剔除小于3的像素，即左右两边值为2的两列不符合要求，沿上下边缘剔除小于3的区域，即剔除值为1和2的两行，最后得到中间3×3的台标区域。于是，确定该统计结果满足台标区域提取条件，即该目标边缘检测图存在台标图像。如果统计结果均小于统计阈值，则认为该目标边缘检测图不存在台标图像。可以理解的是，图8中的第三列虽然为2，但是因为碰到第二列和第四列的时候就停止了，因此，第三列不会被剔除。其次，本申请实施例中，提供了一种检测是否存在台标区域的方法。在检测待检测视频中是否存在台标图像之前，还可以对目标边缘检测图集合中的每个目标边缘检测图进行直方图统计，得到m个统计结果，然后分别判断m个统计结果中的每个统计结果是否满足台标区域提取条件，若m个统计结果中的至少一个统计结果满足台标区域提取条件，则确定目标边缘检测图集合存在台标区域，若m个统计结果中的无统计结果满足台标区域提取条件，则确定目标边缘检测图集合不存在台标区域。通过上述方式，在给定统计阈值的情况下，对目标边缘检测图分别沿水平方向和垂直方向进行直方图统计，剔除直方图小于统计阈值的部分，即可得到紧致的台标区域，从而提升方案的可行性。可选地，在上述图3对应的实施例的基础上，本申请实施例提供的图标识别的方法第四个可选实施例中，根据p帧待检测图像以及台标区域确定待检测视频中的台标图像，可以包括：根据p帧待检测图像确定台标区域中待匹配图像的图像分值；若待匹配图像的图像分值大于或等于台标图像阈值，则确定待检测视频中存在台标图像。本实施例中，介绍了一种检测待检测视频中是否存在台标图像的方法，基于已经检测到的台标区域，在p帧待检测图像上求取平均值。具体地，假设检测到当前存在一个台标区域，该台标区域为待检测图像的a区域，于是，将p帧待检测图像上的每帧待检测图像所对应的a区域进行叠加。假设有64帧待检测图像，每帧待检测图像所对应台标区域检测结果为1或0，如果有50帧台标区域检测结果为1，剩下14帧台标区域检测结果为0，那么计算得到该待匹配图像的图像分值为0.83。根据待匹配图像的图像分值，判断该图像分值是否大于或等于台标图像阈值，假设台标图像阈值为0.5，则待匹配图像的图像分值大于台标图像阈值，由此确定待检测视频中存在台标图像。一个检测到的台标图像如图9所示，请参阅图9，图9为本申请实施例中台标图像的一个示意图，其中，台标图像可以包括图案或文字。反之，如果待匹配图像的图像分值小于台标图像阈值，由此确定待检测视频中不存在台标图像。对一个待检测视频而言，假设m个图像区域均满足台标区域提取条件，则表示待检测视频存在m个台标区域，因此，检测到的台标图像数量最多为m个(即每个台标区域都存在台标图像)，检测到的台标图像数量最少为0个(即待检测视频中完全没有台标图像)。其次，本申请实施例中，提供了一种检测待检测视频中是否存在台标图像的方法，首先根据p帧待检测图像确定台标区域中待匹配图像的图像分值，如果待匹配图像的图像分值大于或等于台标图像阈值，则确定待检测视频中存在台标图像。通过上述方式，对于一个待检测视频而言，检测到的台标图像数量最少为0个，也就是待检测视频中完全没有台标图像，检测到的台标图像数量最多为每个台标区域都有一个台标图像，将图像分值大于或等于台标图像阈值的待匹配图像确定为台标图像，能够有效地降低检测错误率，并且得到较为稳定的台标图像。可选地，在上述图3对应的实施例的基础上，本申请实施例提供的图标识别的方法第五个可选实施例中，将台标图像与预设图标集合进行匹配，获取待检测视频的图标识别结果，可以包括：获取台标图像的待匹配局部特征集合，其中，待匹配局部特征集合包括至少一个待匹配局部特征；获取预设图标集合中每个预设图标的局部特征集合，其中，局部特征集合包括至少一个局部特征；根据待匹配局部特征集合以及每个预设图标的局部特征集合，通过k近邻算法从预设图标集合中确定候选台标图像集合，其中，候选台标图像集合包括n个候选台标图像，n为大于或等于1的整数；对台标图像以及候选台标图像集合中每个候选台标图像进行比对，得到每个候选台标图像的配对点集合，其中，配对点集合包括至少一个配对点，配对点表示候选台标图像与台标图像配对成功的特征点；根据每个候选台标图像的配对点集合以及每个候选台标图像的局部特征集合，计算得到n个相似度分值；根据n个相似度分值中相似度分值的最大值，从候选台标图像集合中确定待检测视频的目标台标图像。本实施例中，将介绍一种获取台标识别结果的方式。首先需要提取台标图像的待匹配局部特征集合，待匹配局部特征集合包括至少一个待匹配局部特征，可以理解的是，该待匹配局部特征具体可以是sift特征，也可以是加速稳健特征(speededuprobustfeatures，surf)，或者是快速定向和快速旋转(orientedfastandrotatedbrief，orb)特征等，此处以提取sift特征为例进行说明，然而这并不应理解为对本申请的限定。类似地，还需要获取预设图标集合中每个预设图标的局部特征集合，其中，局部特征集合包括至少一个局部特征，可以理解的是，该局部特征具体可以是sift特征，也可以是surf，或者orb特征等，此处以提取sift特征为例进行说明，然而这并不应理解为对本申请的限定。基于上述介绍，假设预设图标集合中有s个预设图标，从每个预设图标集合中提取到的sift特征点的个数为ni(i＝1,2,…,s)，则预设图标集合总共具有个sift特征点，对每一个sift特征点需要保存两类信息，一是特征点的位置坐标(xi,yi)，一是特征点的特征信息fi，其中，特征信息fi通常为128维的浮点数，对应预设图标集合中的sa个局部特征以及待匹配局部特征集合，可以采用k近邻快速索引方法建立局部特征的快速索引，其中，建立k近邻快速索引的方法包含但不仅限于快速最近邻搜索包(fastlibraryforapproximatenearestneighbors，flann)以及相似性搜索库(fastsimilaritysearch,faiss)。即通过k近邻算法从预设图标集合中确定候选台标图像集合，其中，候选台标图像集合包括n个候选台标图像，n为大于或等于1的整数。接下来需要对台标图像以及候选台标图像集合中每个候选台标图像进行比对，具体为1比1的相似度比对，从而得到每个候选台标图像的配对点集合，其中，配对点集合包括至少一个配对点，配对点表示候选台标图像与台标图像配对成功的特征点。进而根据每个候选台标图像的配对点集合以及每个候选台标图像的局部特征集合，计算得到n个相似度分值。最后，从n个相似度分值中相似度分值的最大值，该最大值所对应的候选台标图像即为待检测视频的目标台标图像。其次，本申请实施例中，提供了一种获取台标识别结果的方式，首先获取台标图像的待匹配局部特征集合，然后获取预设图标集合中每个预设图标的局部特征集合，通过k近邻算法从预设图标集合中确定候选台标图像集合，然后可以对台标图像以及候选台标图像集合中每个候选台标图像进行比对，得到每个候选台标图像的配对点集合，进而根据每个候选台标图像的配对点集合以及每个候选台标图像的局部特征集合，计算得到n个相似度分值，最后根据n个相似度分值从候选台标图像集合中确定待检测视频的目标台标图像。通过上述方式，先采用粗匹配，再采用精匹配可以得到台标识别结果，由此降低了匹配的计算量，同时还能够有效地提升检测准确度，从而提升方案的可靠性。可选地，在上述图3对应的第五个实施例的基础上，本申请实施例提供的图标识别的方法第六个可选实施例中，根据待匹配局部特征集合以及每个预设图标的局部特征集合，通过k近邻算法从预设图标集合中确定候选台标图像集合，可以包括：1)获取待匹配局部特征集合中的一个待匹配局部特征；2)根据待匹配局部特征，从每个预设图标的局部特征集合中获取与待匹配局部特征最近的k个候选特征，其中，k为大于或等于1的整数；重复执行步骤1)至步骤2)，直至获取到待匹配局部特征集合中的每个待匹配局部特征的候选特征；根据待匹配局部特征集合中的每个待匹配局部特征的候选特征，获取候选台标图像集合。本实施例中，将介绍如何通过k近邻算法从预设图标集合中确定候选台标图像集合，为了便于说明，将以一个待匹配局部特征为例进行说明，可以理解的是，待匹配局部特征集合中其他待匹配局部特征的处理方式类似，故此处不做赘述。具体地，获取待匹配局部特征集合中的一个待匹配局部特征，该待匹配局部特征可以是sift特征，对于待匹配局部特征集合中的每个待匹配局部特征而言，可以在预设图标的局部特征集合(即局部特征快速索引库)中，在给定半径r的范围内进行k近邻检索，然后在预设图标的局部特征集合中按照台标进行命中k近邻次数由多到少排列，取命中次数最多的n个候选台标作为粗匹配选中的候选台标图像集合。其中，k近邻次数可以取任意整数，r是一个经验值，下面将以一个例子说明如何采用k近邻算法得到候选台标图像集合。假设k＝5，且假设预设图标集合中有50个预设图标，即a1,a2,…,a50，每个预设图标提取10个局部特征，由此可知，预设图标集合共有50×10＝500个局部特征。假设提取到的台标图像也具有10个待匹配局部特征，此时，对台标图像的第一个待匹配局部特征而言，需要在500个局部特征中查找最近的5个候选特征，如果这5个候选特征为a1、a2、a3、a4和a5，则a1、a2、a3、a4和a5分别被k近邻命中了1次。接下来，针对台标图像的第二个待匹配局部特征，仍需要在500个局部特征中查找最近的5个候选特征，假如这次5个候选特征分别属于a1、a36、a8、a10和a25，则a1已经被命中2次了，以此类推，最后选取命中次数最多的n(比如n＝3)个候选特征作为候选台标图像集合。再次，本申请实施例中，提供了一种确定候选台标图像集合的方法，即获取待匹配局部特征集合中的一个待匹配局部特征，然后根据待匹配局部特征，从每个预设图标的局部特征集合中获取与待匹配局部特征最近的k个候选特征，重复执行上述步骤，直至获取到待匹配局部特征集合中的每个待匹配局部特征的候选特征，最后根据待匹配局部特征集合中的每个待匹配局部特征的候选特征，获取候选台标图像集合。通过上述方式，利用k近邻算法得到粗匹配的结果，即得到候选台标图像集合，这样可以快速地筛选出最为可能的候选台标图像，避免遍历预设图标集合中所有的预设图标，从而提升台标检测效率。可选地，在上述图3对应的第五个实施例的基础上，本申请实施例提供的图标识别的方法第七个可选实施例中，对台标图像以及候选台标图像集合中每个候选台标图像进行比对，得到每个候选台标图像的配对点集合，可以包括：将台标图像中的每个待匹配局部特征与每个候选台标图像的每个局部特征进行匹配，得到投影矩阵，其中，投影矩阵表示台标图像经过投影后的位置坐标；根据台标图像以及投影矩阵，确定每个候选台标图像的配对点集合。本实施例中，将介绍如何得到每个候选台标图像的配对点集合，针对候选台标图像集合中的n个候选台标图像分别和当前检测到的台标图像进行1比1的相似度比对，从中选择出相似度分值最高且大于给定分数阈值的候选台标图像作为台标图像的最终识别结果。为了便于介绍，请参阅图10，图10为本申请实施例中相似度比对的一个实施例示意图，如图所示，以候选台标图像集合中的一个候选台标图像为例进行说明，首先将当前检测到的台标图像中每个待匹配局部特征(比如sift特征)在对应的候选台标图像中搜索得到欧式距离最近的局部特征(比如sift特征)，由此作为配对点。根据所有配对点的位置坐标，然后采用随机抽样一致性算法(randomsampleconsensus，ransac)计算对应的投影矩阵h。将当前检测到的台标图像中待匹配局部特征的位置坐标，采用投影矩阵h将台标图像投影到候选台标图像的坐标中。接下来计算投影点的位置坐标和原对应点的位置坐标之间的欧式距离，并且剔除欧式距离大于给定阈值的配对点，剩下的是正确匹配的各个配对点，即得到候选台标图像的配对点集合。再次，本申请实施例中，提供了一种确定每个候选台标图像的配对点集合的方法，首先可以将台标图像中的每个待匹配局部特征与每个候选台标图像的每个局部特征进行匹配，得到投影矩阵，然后根据台标图像以及投影矩阵，确定每个候选台标图像的配对点集合。通过上述方式，能够在相对数据较少的候选台标图像集合中获取到正确的配对点集合，由此计算得到台标图像与每个候选台标图像之间的相似度分值，从而提升台标匹配的精确度。可选地，在上述图3对应的第七个实施例的基础上，本申请实施例提供的图标识别的方法第八个可选实施例中，根据每个候选台标图像的配对点集合以及每个候选台标图像的局部特征集合，计算得到n个相似度分值，可以包括：采用如下方式计算相似度分值：其中，score表示相似度分值，a表示候选台标图像的配对点集合所对应的面积并集，b表示候选台标图像的局部特征集合所对应的面积并集。本实施例中，将介绍计算候选台标图像相似度分值的具体方式。在得到每个候选台标图像的配对点集合之后，为了便于说明，将以计算其中一个候选台标图像的相似度分值为例进行介绍，可以理解的是，其他的候选台标图像的相似度分值计算方式类似，故此处不做赘述。具体地，由于获取的是候选台标图像的局部特征，因此，可以令每一个局部特征(即特征点)代表半径为r的领域范围，r为经验值，比如可取值为9个像素。采用如下公式即可计算得到相似度分值：a表示候选台标图像的配对点集合所对应的面积并集，b表示候选台标图像的局部特征集合所对应的面积并集。在存在面积重合的情况下，需要减去面积重叠的部分，也就是说，所有面积重叠的部分只算一次面积。举个例子，假设都是匹配了10个局部特征的特征点，如果这10个局部特征的特征点都挤在一起，那只能说明一小块区域匹配上了，如果这10个局部特征的特征点均匀分布在候选台标图像上，那么该匹配的区域肯定比挤在一起的要大，因此，后者的相似度分值也就更高。相似度分值最高且大于给定阈值的候选台标图像最为最终识别的台标。进一步地，本申请实施例中，提供了一种计算相似度分值的具体方式，通过上述方式，为方案的实现提供了一种合理且可靠的实现方式，从而提升方案的可行性和可操作性。可选地，在上述图3以及图3对应的第一个至第八个实施例中任一项的基础上，本申请实施例提供的图标识别的方法第九个可选实施例中，将台标图像与预设图标集合进行匹配，获取待检测视频的图标识别结果之前，还可以包括：获取待处理视频集合，其中，待处理视频集合中包括至少一个待处理视频；对待处理视频集合中的每个待处理视频进行检测，得到待处理台标图像集合，其中，待处理台标图像集合包括至少一个待处理台标图像，待处理台标图像集合中的至少一个待处理台标图像对应同一个标识；对待处理台标图像集合中的待处理台标图像进行处理，得到预设图标集合；对预设图标集合中的每个预设图标进行特征提取，得到每个预设图标的局部特征集合，其中，局部特征集合包括至少一个局部特征，局部特征包括特征点位置坐标以及特征信息。本实施例中，将介绍一种建立预设图标集合的方法，首先获取待处理视频集合，待处理视频集合中包括至少一个待处理视频，待处理视频可以是人工提取的视频，也可以是从后台数据库中随机选择的视频。接下来对每个待处理视频进行检测，获取待处理台标图像集合，一个待处理视频中可包括至少一个待处理台标图像，可以理解的是，在实际应用中，至少一个待处理台标图像对应同一个标识。为了便于理解，请参阅图11，图11为本申请实施例中同一个台标不同显示形式的示意图，如图所示，同一个台标可以具有不同显示形式，比如一个名为“小太阳视频”的台标具有图11中(a)的表现实现，也可以具有图11中(b)的表现形式，因此，无论哪种表现形式，其标识都是“小太阳视频”所对应的标识。尽量收集多个待处理视频，使待处理视频包含不同的显示形式，这样可以增加图标识别系统的覆盖率。在得到处理台标图像集合之后，继续对该处理台标图像集合中的每个待处理台标图像进行处理，处理方式包含但不仅限于待处理台标图像的剪裁，待处理台标图像的缩放，待处理台标图像的清洗等。其中，在离线建库过程中，台标检测后需要人工清洗掉误检的非台标图像，在线台标识别过程中，这些误检会在后续的特征匹配过程被排除掉，因此不会影响最终的识别结果。台标清洗是指剔除有可能误检到非台标图像，我们需要确保预设图标集合中的预设图标是正确的台标图像，对于静态的台标图像也可以采用人工剪裁的方式获取台标图像，对动态台标则自动获取台标更佳。处理结束后即可得到预设图标集合。进一步地，基于预设图标集合，还可以进一步提取每个预设图标的局部特征，得到每个预设图标的局部特征集合，局部特征集合包括至少一个局部特征，局部特征包括特征点位置坐标以及特征信息，其中，特征点位置坐标具体是像素点的横坐标和纵坐标，特征信息可以是128维的浮点数。更进一步地，本申请实施例中，提供了一种建立预设图标集合的方法，即首先需要获取待处理视频集合，然后对待处理视频集合中的每个待处理视频进行检测，得到待处理台标图像集合，待处理台标图像集合包括至少一个待处理台标图像，待处理台标图像集合中的至少一个待处理台标图像对应同一个标识，然后对待处理台标图像集合中的待处理台标图像进行处理，得到预设图标集合，最后对预设图标集合中的每个预设图标进行特征提取，得到每个预设图标的局部特征集合。通过上述方式，可以在离线的状态下建立预设图标集合，即建立台标索引库，由此，便于后续的匹配操作，并且至少一个待处理台标图像对应同一个标识，也就是说，预设图标集合中还会存储同一个台标在不同显示形式下的预设图标，从而提升方案的可靠性和灵活性，进而提升匹配成功率。可选地，在上述图3对应的第九个实施例的基础上，本申请实施例提供的图标识别的方法第十个可选实施例中，对待处理台标图像集合中的待处理台标图像进行处理，得到预设图标集合，可以包括：当接收到第一处理指令时，根据第一处理指令从待处理台标图像集合中剔除第一待处理台标图像，其中，第一处理指令中携带第一待处理台标图像的标识；当接收到第二处理指令时，根据第二处理指令对待处理台标图像集合中的第二待处理台标图像进行调整，得到预设图标集合中的预设图标，其中，第二处理指令中携带第二待处理台标图像的标识。本实施例中，介绍如何对待处理台标图像集合中的待处理台标图像进行处理。主要包括两种方式，一种方式是对不符合条件的待处理台标图像进行剔除，另一种方式是对符合条件的待处理台标图像进行裁剪。具体地，以待处理台标图像集合中的第一待处理台标图像为例进行介绍，假设该第一待处理台标图像不符合台标条件，比如，第一待处理台标图像不是真正的台标图像，或者第一待处理台标图像上有较多噪点，又或者第一待处理台标图像发生严重变形等。在这个情况下，用户触发第一处理指令，第一处理指令携带第一待处理台标图像的标识，图标识别装置根据第一处理指令，从待处理台标图像集合中剔除第一待处理台标图像。以待处理台标图像集合中的第二待处理台标图像为例进行介绍，假设该第二待处理台标图像符合台标条件，但是第二待处理台标图像的尺寸偏大或者偏小。在这个情况下，用户触发第二处理指令，第二处理指令携带第二待处理台标图像的标识，图标识别装置根据第二处理指令，对第二待处理台标图像进行调整，比如对第二待处理台标图像进行剪裁或者放大等，从而得到预设图标。再进一步地，本申请实施例中，提供了一种对待处理台标图像进行处理的方法。当接收到第一处理指令时，根据第一处理指令从待处理台标图像集合中剔除第一待处理台标图像。当接收到第二处理指令时，根据第二处理指令对待处理台标图像集合中的第二待处理台标图像进行调整，得到预设图标集合中的预设图标。通过上述方式，在建立预设图标集合的过程中，可以根据实际情况对待处理台标图像进行剪裁，也可以剔除不符合要求的的待处理台标图像，由此，可以得到更加规整的预设图标，有利于后续的匹配，同时，还可以添加同一个标识对应的待处理台标图像，从而提升方案的多样性。应理解，本申请提出了一种通过多帧融合的方法，可以将动态台标为相对稳定的静态台标，在得到的静态台标上提取局部特征进行识别的方法，既能应对动态台标，也能使静态台标的识别更加准确。基于上述方式，我们进行了一系列试验，首先从网上收集360快视频、百度好看以及抖音等18种台标的相关视频，每种视频收集5个视频提取台标后作为台标索引库，另外收集相关有台标视频共728个，无台标视频1000个，作为测试集，测试结果如下表1所示。表1台标总量真实覆盖量覆盖率命中总量命中正确量准确率1号台标414098％4040100％2号台标4444100％454498％3号台标443886％3838100％4号台标3636100％3636100％5号台标3131100％323197％6号台标545194％5151100％7号台标212095％2020100％8号台标545093％5050100％9号台标322888％2828100％10号台标141393％1313100％11号台标575698％5656100％12号台标424198％4141100％13号台标474391％444398％14号台标5252100％5252100％15号台标555193％525198％16号台标322784％2727100％17号台标181689％1616100％18号台标545296％5252100％总计72868995％69368999％可见，本申请对5号台标的动态台标有很好的覆盖率和准确率，如果仅用视频的第一帧用作台标提取与识别，则动态台标的覆盖率则几乎为0。在coretmi7-4790中央处理器(centralprocessingunit，cpu)@3.6g赫兹(hertz，hz)的硬件测试环境下，每个视频平均耗时约为1.5秒，如果采用遍历台标库的方式，则每个视频平均耗时约为3秒，而且这一耗时会随台标库的图片数量线性增加，而采用粗匹配，然后仅对最相似的n个台标做1比1相似度比对的方式，则在台标库图片数量的增加时，其耗时的增加几乎可以忽略不计。下面对本申请中的图标识别装置进行详细描述，请参阅图12，图12为本申请实施例中图标识别装置一个实施例示意图，图标识别装置20包括：获取模块201，用于从待检测视频中随机获取p帧待检测图像，其中，所述待检测视频包括q帧视频图像，所述q为大于1的整数，所述p为大于或等于1，且小于或等于所述q的整数；检测模块202，用于对所述获取模块201获取的所述p帧待检测图像中的待检测图像进行边缘检测，得到目标边缘检测图集合，其中，所述目标边缘检测图集合中包括m个目标边缘检测图，每个目标边缘检测图是对p个边缘检测图融合后得到的，所述m为大于或等于1的整数；确定模块203，用于根据所述检测模块202检测得到的所述目标边缘检测图集合确定图标区域；所述确定模块203，还用于根据所述p帧待检测图像以及所述图标区域确定所述待检测视频中的图标；识别模块204，用于将所述确定模块203确定的所述图标与预设图标集合进行匹配，获取所述待检测视频的图标识别结果，其中，所述预设图标集合包括至少一个预设图标。本实施例中，获取模块201从待检测视频中随机获取p帧待检测图像，其中，所述待检测视频包括q帧视频图像，所述q为大于1的整数，所述p为大于或等于1，且小于或等于所述q的整数，检测模块202对所述获取模块201获取的所述p帧待检测图像中的待检测图像进行边缘检测，得到目标边缘检测图集合，其中，所述目标边缘检测图集合中包括m个目标边缘检测图，每个目标边缘检测图是对p个边缘检测图融合后得到的，所述m为大于或等于1的整数，确定模块203根据所述检测模块202检测得到的所述目标边缘检测图集合确定图标区域，所述确定模块203根据所述p帧待检测图像以及所述图标区域确定所述待检测视频中的图标，识别模块204将所述确定模块203确定的所述图标与预设图标集合进行匹配，获取所述待检测视频的图标识别结果，其中，所述预设图标集合包括至少一个预设图标。本申请实施例中，提供了一种图标识别装置，首先该图标识别装置需要从待检测视频中随机获取p帧待检测图像，然后对p帧待检测图像中的每帧待检测图像进行边缘检测，得到目标边缘检测图集合，目标边缘检测图集合中包括m个目标边缘检测图，每个目标边缘检测图是对p个边缘检测图融合后得到的，若根据目标边缘检测图集合确定存在台标区域，则根据p帧待检测图像以及台标区域检测待检测视频中是否存在台标图像。若待检测视频中存在台标图像，则将的台标图像与预设图标集合进行匹配，得到待检测视频的图标识别结果，其中，预设图标集合包括至少一个预设图标。通过上述方式，随机采样多帧视频图像进行融合，一方面利用随机采样能够增加台标背景变化的多样性，达到更好的采样效果，另一方面，将多帧视频图像进行融合能够将动态台标变为相对稳定的静态台标，进而对静态台标进行识别，由此适用于对静态台标以及动态台标的检测，从而提升识别准确率。可选地，在上述图12所对应的实施例的基础上，请参阅图13，本申请实施例提供的图标识别装置20的另一实施例中，所述图标识别装置20还包括划分模块205以及提取模块206；所述划分模块205，用于在所述检测模块202对所述p帧待检测图像中的待检测图像进行边缘检测，得到目标边缘检测图集合之前，对所述p帧待检测图像中的所述每帧待检测图像进行划分，得到所述每帧待检测图像所对应的多个图像区域；所述提取模块206，用于从所述划分模块205划分得到的所述每帧待检测图像所对应的多个图像区域中提取所述每帧待检测图像所对应的m个图像区域，其中，所述m个图像区域用于进行边缘检测。其次，本申请实施例中，提供了一种待检测图像的划分方式，在对p帧待检测图像中的每帧待检测图像进行边缘检测，得到目标边缘检测图集合之前，可以对p帧待检测图像中的每帧待检测图像进行划分，得到每帧待检测图像所对应的多个图像区域，再从每帧待检测图像所对应的多个图像区域中提取每帧待检测图像所对应的m个图像区域。通过上述方式，对待检测图像进行合理的划分，形成多个可操作的区域，便于后续的操作，从而提升方案的灵活性和可操作性。可选地，在上述图13所对应的实施例的基础上，本申请实施例提供的图标识别装置20的另一实施例中，所述检测模块202，具体用于对所述每帧待检测图像的所述m个图像区域中的目标图像区域进行边缘检测，得到所述目标图像区域所对应的p个边缘检测图，其中，所述目标图像区域属于所述m个图像区域中的任意一个图像区域；根据所述目标图像区域所对应的p个边缘检测图，确定所述目标图像区域所对应的目标边缘检测图；当获取到所述m个图像区域所对应的目标边缘检测图时，得到所述目标边缘检测图集合。再次，本申请实施例中，提供一种得到目标边缘检测图集合的方式，首先对每帧待检测图像的m个图像区域中的目标图像区域进行边缘检测，得到目标图像区域所对应的p个边缘检测图，然后根据目标图像区域所对应的p个边缘检测图，确定目标图像区域所对应的目标边缘检测图，当获取到m个图像区域所对应的目标边缘检测图时，即可得到目标边缘检测图集合。通过上述方式，可以从待检测图像中提取部分的图像区域进行边缘检测，而不需要针对整个待检测图像进行边缘检测，从而减少了计算量，并且提升了检测效率。可选地，在上述图12所对应的实施例的基础上，本申请实施例提供的图标识别装置20的另一实施例中，所述确定模块203，具体用于对所述目标边缘检测图集合中的每个目标边缘检测图进行直方图统计，得到m个统计结果，其中，所述直方图统计用于对目标边缘检测图进行水平方向以及垂直方向的统计；分别判断所述m个统计结果中的每个统计结果是否满足台标区域提取条件；若所述m个统计结果中的至少一个统计结果满足所述统计阈值，则确定所述目标边缘检测图集合存所述台标区域；若所述m个统计结果中的无统计结果满足所述统计阈值，则确定所述目标边缘检测图集合不存在台标区域。其次，本申请实施例中，提供了一种检测是否存在台标区域的方法。在检测待检测视频中是否存在台标图像之前，还可以对目标边缘检测图集合中的每个目标边缘检测图进行直方图统计，得到m个统计结果，然后分别判断m个统计结果中的每个统计结果是否满足台标区域提取条件，若m个统计结果中的至少一个统计结果满足台标区域提取条件，则确定目标边缘检测图集合存在台标区域，若m个统计结果中的无统计结果满足台标区域提取条件，则确定目标边缘检测图集合不存在台标区域。通过上述方式，在给定统计阈值的情况下，对目标边缘检测图分别沿水平方向和垂直方向进行直方图统计，剔除直方图小于统计阈值的部分，即可得到紧致的台标区域，从而提升方案的可行性。可选地，在上述图12所对应的实施例的基础上，本申请实施例提供的图标识别装置20的另一实施例中，所述确定模块203，具体用于根据所述p帧待检测图像确定所述台标区域中待匹配图像的图像分值；若所述待匹配图像的图像分值大于或等于台标图像阈值，则确定所述待检测视频中存在所述台标图像。其次，本申请实施例中，提供了一种检测待检测视频中是否存在台标图像的方法，首先根据p帧待检测图像确定台标区域中待匹配图像的图像分值，如果待匹配图像的图像分值大于或等于台标图像阈值，则确定待检测视频中存在台标图像。通过上述方式，对于一个待检测视频而言，检测到的台标图像数量最少为0个，也就是待检测视频中完全没有台标图像，检测到的台标图像数量最多为每个台标区域都有一个台标图像，将图像分值大于或等于台标图像阈值的待匹配图像确定为台标图像，能够有效地降低检测错误率，并且得到较为稳定的台标图像。可选地，在上述图12所对应的实施例的基础上，本申请实施例提供的图标识别装置20的另一实施例中，所述识别模块204，具体用于获取所述台标图像的待匹配局部特征集合，其中，所述待匹配局部特征集合包括至少一个待匹配局部特征；获取所述预设图标集合中每个预设图标的局部特征集合，其中，所述局部特征集合包括至少一个局部特征；根据所述待匹配局部特征集合以及所述每个预设图标的局部特征集合，通过k近邻算法从所述预设图标集合中确定候选台标图像集合，其中，所述候选台标图像集合包括n个候选台标图像，所述n为大于或等于1的整数；对所述台标图像以及所述候选台标图像集合中每个候选台标图像进行比对，得到所述每个候选台标图像的配对点集合，其中，所述配对点集合包括至少一个配对点，所述配对点表示候选台标图像与所述台标图像配对成功的特征点；根据所述每个候选台标图像的配对点集合以及所述每个候选台标图像的局部特征集合，计算得到n个相似度分值；根据所述n个相似度分值中相似度分值的最大值，从所述候选台标图像集合中确定待检测视频的目标台标图像。其次，本申请实施例中，提供了一种获取台标识别结果的方式，首先获取台标图像的待匹配局部特征集合，然后获取预设图标集合中每个预设图标的局部特征集合，通过k近邻算法从预设图标集合中确定候选台标图像集合，然后可以对台标图像以及候选台标图像集合中每个候选台标图像进行比对，得到每个候选台标图像的配对点集合，进而根据每个候选台标图像的配对点集合以及每个候选台标图像的局部特征集合，计算得到n个相似度分值，最后根据n个相似度分值从候选台标图像集合中确定待检测视频的目标台标图像。通过上述方式，先采用粗匹配，再采用精匹配可以得到台标识别结果，由此降低了匹配的计算量，同时还能够有效地提升检测准确度，从而提升方案的可靠性。可选地，在上述图12所对应的实施例的基础上，本申请实施例提供的图标识别装置20的另一实施例中，所述识别模块204，具体用于1)获取所述待匹配局部特征集合中的一个待匹配局部特征；2)根据所述待匹配局部特征，从所述每个预设图标的局部特征集合中获取与所述待匹配局部特征最近的k个候选特征，其中，所述k为大于或等于1的整数；重复执行步骤1)至步骤2)，直至获取到所述待匹配局部特征集合中的每个待匹配局部特征的候选特征；根据所述待匹配局部特征集合中的每个待匹配局部特征的候选特征，获取所述候选台标图像集合。再次，本申请实施例中，提供了一种确定候选台标图像集合的方法，即获取待匹配局部特征集合中的一个待匹配局部特征，然后根据待匹配局部特征，从每个预设图标的局部特征集合中获取与待匹配局部特征最近的k个候选特征，重复执行上述步骤，直至获取到待匹配局部特征集合中的每个待匹配局部特征的候选特征，最后根据待匹配局部特征集合中的每个待匹配局部特征的候选特征，获取候选台标图像集合。通过上述方式，利用k近邻算法得到粗匹配的结果，即得到候选台标图像集合，这样可以快速地筛选出最为可能的候选台标图像，避免遍历预设图标集合中所有的预设图标，从而提升台标检测效率。可选地，在上述图12所对应的实施例的基础上，本申请实施例提供的图标识别装置20的另一实施例中，所述识别模块204，具体用于将所述台标图像中的每个待匹配局部特征与所述每个候选台标图像的每个局部特征进行匹配，得到投影矩阵，其中，所述投影矩阵表示所述台标图像经过投影后的位置坐标；根据所述台标图像以及所述投影矩阵，确定所述每个候选台标图像的配对点集合。再次，本申请实施例中，提供了一种确定每个候选台标图像的配对点集合的方法，首先可以将台标图像中的每个待匹配局部特征与每个候选台标图像的每个局部特征进行匹配，得到投影矩阵，然后根据台标图像以及投影矩阵，确定每个候选台标图像的配对点集合。通过上述方式，能够在相对数据较少的候选台标图像集合中获取到正确的配对点集合，由此计算得到台标图像与每个候选台标图像之间的相似度分值，从而提升台标匹配的精确度。可选地，在上述图12所对应的实施例的基础上，本申请实施例提供的图标识别装置20的另一实施例中，所述识别模块204，具体用于采用如下方式计算相似度分值：其中，所述score表示所述相似度分值，所述a表示候选台标图像的配对点集合所对应的面积并集，所述b表示所述候选台标图像的局部特征集合所对应的面积并集。进一步地，本申请实施例中，提供了一种计算相似度分值的具体方式，通过上述方式，为方案的实现提供了一种合理且可靠的实现方式，从而提升方案的可行性和可操作性。可选地，在上述图12所对应的实施例的基础上，请参阅图14，本申请实施例提供的图标识别装置20的另一实施例中，所述图标识别装置20还包括处理模块207以及提取模块206；所述获取模块201，还用于在所述识别模块204将所述图标与预设图标集合进行匹配，获取所述待检测视频的图标识别结果之前，获取待处理视频集合，其中，所述待处理视频集合中包括至少一个待处理视频；所述检测模块202，还用于对所述获取模块201获取的所述待处理视频集合中的每个待处理视频进行检测，得到待处理台标图像集合，其中，所述待处理台标图像集合包括至少一个待处理台标图像，所述待处理台标图像集合中的至少一个待处理台标图像对应同一个标识；所述处理模块207，用于对所述检测模块202检测得到的所述待处理台标图像集合中的待处理台标图像进行处理，得到所述预设图标集合；所述提取模块206，用于对所述处理模块209处理得到的所述预设图标集合中的每个预设图标进行特征提取，得到所述每个预设图标的局部特征集合，其中，所述局部特征集合包括至少一个局部特征，所述局部特征包括特征点位置坐标以及特征信息。更进一步地，本申请实施例中，提供了一种建立预设图标集合的方法，即首先需要获取待处理视频集合，然后对待处理视频集合中的每个待处理视频进行检测，得到待处理台标图像集合，待处理台标图像集合包括至少一个待处理台标图像，待处理台标图像集合中的至少一个待处理台标图像对应同一个标识，然后对待处理台标图像集合中的待处理台标图像进行处理，得到预设图标集合，最后对预设图标集合中的每个预设图标进行特征提取，得到每个预设图标的局部特征集合。通过上述方式，可以在离线的状态下建立预设图标集合，即建立台标索引库，由此，便于后续的匹配操作，并且至少一个待处理台标图像对应同一个标识，也就是说，预设图标集合中还会存储同一个台标在不同显示形式下的预设图标，从而提升方案的可靠性和灵活性，进而提升匹配成功率。可选地，在上述图14所对应的实施例的基础上，本申请实施例提供的图标识别装置20的另一实施例中，所述处理模块207，具体用于当接收到第一处理指令时，根据所述第一处理指令从所述待处理台标图像集合中剔除第一待处理台标图像，其中，所述第一处理指令中携带所述第一待处理台标图像的标识；当接收到第二处理指令时，根据所述第二处理指令对所述待处理台标图像集合中的第二待处理台标图像进行调整，得到所述预设图标集合中的预设图标，其中，所述第二处理指令中携带所述第二待处理台标图像的标识。再进一步地，本申请实施例中，提供了一种对待处理台标图像进行处理的方法。当接收到第一处理指令时，根据第一处理指令从待处理台标图像集合中剔除第一待处理台标图像。当接收到第二处理指令时，根据第二处理指令对待处理台标图像集合中的第二待处理台标图像进行调整，得到预设图标集合中的预设图标。通过上述方式，在建立预设图标集合的过程中，可以根据实际情况对待处理台标图像进行剪裁，也可以剔除不符合要求的的待处理台标图像，由此，可以得到更加规整的预设图标，有利于后续的匹配，同时，还可以添加同一个标识对应的待处理台标图像，从而提升方案的多样性。图15是本申请实施例提供的一种服务器结构示意图，该服务器300可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上中央处理器(centralprocessingunits，cpu)322(例如，一个或一个以上处理器)和存储器332，一个或一个以上存储应用程序342或数据344的存储介质330(例如一个或一个以上海量存储设备)。其中，存储器332和存储介质330可以是短暂存储或持久存储。存储在存储介质330的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对服务器中的一系列指令操作。更进一步地，中央处理器322可以设置为与存储介质330通信，在服务器300上执行存储介质330中的一系列指令操作。服务器300还可以包括一个或一个以上电源326，一个或一个以上有线或无线网络接口350，一个或一个以上输入输出接口358，和/或，一个或一个以上操作系统341，例如windowsservertm，macosxtm，unixtm,linuxtm，freebsdtm等等。上述实施例中由服务器所执行的步骤可以基于该图15所示的服务器结构。在本申请实施例中，该服务器所包括的cpu322还具有以下功能：从待检测视频中随机获取p帧待检测图像，其中，所述待检测视频包括q帧视频图像，所述q为大于1的整数，所述p为大于或等于1，且小于或等于所述q的整数；对所述p帧待检测图像中的待检测图像进行边缘检测，得到目标边缘检测图集合，其中，所述目标边缘检测图集合中包括m个目标边缘检测图，每个目标边缘检测图是对p个边缘检测图融合后得到的，所述m为大于或等于1的整数；根据所述目标边缘检测图集合确定图标区域；根据所述p帧待检测图像以及所述图标区域确定所述待检测视频中的图标；将所述图标与预设图标集合进行匹配，获取所述待检测视频的图标识别结果，其中，所述预设图标集合包括至少一个预设图标。本申请实施例还提供了另一种图标识别装置，如图16所示，为了便于说明，仅示出了与本申请实施例相关的部分，具体技术细节未揭示的，请参照本申请实施例方法部分。该终端设备可以为包括手机、平板电脑、个人数字助理(personaldigitalassistant，pda)、销售终端设备(pointofsales，pos)、车载电脑等任意终端设备设备，以终端设备为手机为例：图16示出的是与本申请实施例提供的终端设备相关的手机的部分结构的框图。参考图16，手机包括：射频(radiofrequency，rf)电路410、存储器420、输入单元430、显示单元440、传感器450、音频电路460、无线保真(wirelessfidelity，wifi)模块470、处理器480、以及电源490等部件。本领域技术人员可以理解，图16中示出的手机结构并不构成对手机的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。下面结合图16对手机的各个构成部件进行具体的介绍：rf电路410可用于收发信息或通话过程中，信号的接收和发送，特别地，将基站的下行信息接收后，给处理器480处理；另外，将设计上行的数据发送给基站。通常，rf电路410包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器(lownoiseamplifier，lna)、双工器等。此外，rf电路410还可以通过无线通信与网络和其他设备通信。上述无线通信可以使用任一通信标准或协议，包括但不限于全球移动通讯系统(globalsystemofmobilecommunication，gsm)、通用分组无线服务(generalpacketradioservice，gprs)、码分多址(codedivisionmultipleaccess，cdma)、宽带码分多址(widebandcodedivisionmultipleaccess,wcdma)、长期演进(longtermevolution，lte)、电子邮件、短消息服务(shortmessagingservice，sms)等。存储器420可用于存储软件程序以及模块，处理器480通过运行存储在存储器420的软件程序以及模块，从而执行手机的各种功能应用以及数据处理。存储器420可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器420可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。输入单元430可用于接收输入的数字或字符信息，以及产生与手机的用户设置以及功能控制有关的键信号输入。具体地，输入单元430可包括触控面板431以及其他输入设备432。触控面板431，也称为触摸屏，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板431上或在触控面板431附近的操作)，并根据预先设定的程式驱动相应的连接装置。可选的，触控面板431可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器480，并能接收处理器480发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板431。除了触控面板431，输入单元430还可以包括其他输入设备432。具体地，其他输入设备432可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。显示单元440可用于显示由用户输入的信息或提供给用户的信息以及手机的各种菜单。显示单元440可包括显示面板441，可选的，可以采用液晶显示器(liquidcrystaldisplay，lcd)、有机发光二极管(organiclight-emittingdiode，oled)等形式来配置显示面板441。进一步的，触控面板431可覆盖显示面板441，当触控面板431检测到在其上或附近的触摸操作后，传送给处理器480以确定触摸事件的类型，随后处理器480根据触摸事件的类型在显示面板441上提供相应的视觉输出。虽然在图16中，触控面板431与显示面板441是作为两个独立的部件来实现手机的输入和输入功能，但是在某些实施例中，可以将触控面板431与显示面板441集成而实现手机的输入和输出功能。手机还可包括至少一种传感器450，比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示面板441的亮度，接近传感器可在手机移动到耳边时，关闭显示面板441和/或背光。作为运动传感器的一种，加速计传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；至于手机还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。音频电路460、扬声器461，传声器462可提供用户与手机之间的音频接口。音频电路460可将接收到的音频数据转换后的电信号，传输到扬声器461，由扬声器461转换为声音信号输出；另一方面，传声器462将收集的声音信号转换为电信号，由音频电路460接收后转换为音频数据，再将音频数据输出处理器480处理后，经rf电路410以发送给比如另一手机，或者将音频数据输出至存储器420以便进一步处理。wifi属于短距离无线传输技术，手机通过wifi模块470可以帮助用户收发电子邮件、浏览网页和访问流式媒体等，它为用户提供了无线的宽带互联网访问。虽然图16示出了wifi模块470，但是可以理解的是，其并不属于手机的必须构成，完全可以根据需要在不改变发明的本质的范围内而省略。处理器480是手机的控制中心，利用各种接口和线路连接整个手机的各个部分，通过运行或执行存储在存储器420内的软件程序和/或模块，以及调用存储在存储器420内的数据，执行手机的各种功能和处理数据，从而对手机进行整体监控。可选的，处理器480可包括一个或多个处理单元；可选的，处理器480可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器480中。手机还包括给各个部件供电的电源490(比如电池)，可选的，电源可以通过电源管理系统与处理器480逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。尽管未示出，手机还可以包括摄像头、蓝牙模块等，在此不再赘述。在本申请实施例中，该终端设备所包括的处理器480还具有以下功能：从待检测视频中随机获取p帧待检测图像，其中，所述待检测视频包括q帧视频图像，所述q为大于1的整数，所述p为大于或等于1，且小于或等于所述q的整数；对所述p帧待检测图像中的待检测图像进行边缘检测，得到目标边缘检测图集合，其中，所述目标边缘检测图集合中包括m个目标边缘检测图，每个目标边缘检测图是对p个边缘检测图融合后得到的，所述m为大于或等于1的整数；根据所述目标边缘检测图集合确定图标区域；根据所述p帧待检测图像以及所述图标区域确定所述待检测视频中的图标；将所述图标与预设图标集合进行匹配，获取所述待检测视频的图标识别结果，其中，所述预设图标集合包括至少一个预设图标。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-onlymemory，rom)、随机存取存储器(randomaccessmemory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。当前第1页12