IVA音視頻識別技術(shù)解析

　　隨著(zhù)全球觸屏時(shí)代的到來(lái)，交流平臺的移動(dòng)化、社交化、智能化已成為必然的發(fā)展方向。在這樣的趨勢下，視頻互動(dòng)成為視頻行業(yè)制定戰略的最新重要考慮因素。下面重點(diǎn)介紹下在歐美近兩年最受關(guān)注的IVA技術(shù)。

　　IVA是In Video Action技術(shù)的縮寫(xiě)，IVA目前與Google Voice的字幕自動(dòng)化生成技術(shù)、百度Video In視頻無(wú)痕植入技術(shù)并稱(chēng)改變視頻行業(yè)的三大革命性技術(shù)。

　　隨著(zhù)觸屏時(shí)代的到來(lái)，交流平臺的移動(dòng)化、社交化、智能化已成為必然的發(fā)展方向。在這樣的趨勢下，視頻互動(dòng)成為視頻行業(yè)制定戰略的重要考慮因素。

　　IVA技術(shù)簡(jiǎn)單來(lái)說(shuō)是一種音視頻識別技術(shù)，加上一套互動(dòng)工具所構成的互動(dòng)體系。識別技術(shù)就像一個(gè)探頭，能夠尋找視頻中撥動(dòng)心弦(或人為設定)的時(shí)刻，并用互動(dòng)技術(shù)實(shí)現與觀(guān)眾的互動(dòng)共鳴。值得一提的是，IVA技術(shù)可將直播視頻畫(huà)面中的人物、物體、品牌、紋理、場(chǎng)景甚至情緒等信息分揀出來(lái)，再通過(guò)各種互動(dòng)工具與受眾進(jìn)行雙向交流。

　　IVA的使命分三個(gè)層次，初級IVA、中級IVA、高級IVA。

　　其中，初級IVA是依據音視頻樣本庫標記視頻流中與樣本庫匹配的視頻片斷，比如從視頻流中識別廣告時(shí)段和廣告主、識別新聞聯(lián)播等節目的片頭、根據錄音識別用戶(hù)正在觀(guān)看的節目等。

　　中級IVA利用圖像處理技術(shù)、大數據技術(shù)和深度學(xué)習技術(shù)，識別視頻流中的場(chǎng)景、形狀、紋理和人物等。中級IVA可以從視頻流中識別大海、森林、鬧市等多達200多種場(chǎng)景，在場(chǎng)景連續出現超過(guò)30幀的情況下，識別率可以高達90%以上;形狀識別的典型案例是從視頻流中準確識別1000多種飲料瓶的品牌、容積;衣物、布料的質(zhì)地和品牌識別屬于紋理識別的范疇;人物識別被廣泛應用在機場(chǎng)、車(chē)站等場(chǎng)所的嫌疑犯追逃和運動(dòng)追蹤，也被電視臺用來(lái)進(jìn)行視頻索引和標簽。

　　高級IVA是識別音視頻對受眾的感性**和情緒影響，比如識別一部電影中的淚點(diǎn)、笑點(diǎn)等，高級IVA才剛剛起步，還有很長(cháng)的路要走。

　　目前，IVA已被應用在EPG(電子節目單)自動(dòng)校準、視頻自動(dòng)索引和標簽、電視“搖一搖”等領(lǐng)域。IVA更具廣闊前景的應用是互動(dòng)營(yíng)銷(xiāo)(又稱(chēng)心性營(yíng)銷(xiāo))。2011年，國內就引進(jìn)歐美技術(shù)開(kāi)始了在這方面的嘗試和探索。人性付費模式是在IVA技術(shù)基礎上的另一種延伸，利用IVA技術(shù)加強視頻內容與受眾之間的情感聯(lián)系，讓觀(guān)眾在一定情緒的引導下掏腰包。以《中國好聲音》為例，當觀(guān)眾被天籟的聲音所陶醉，通過(guò)IVA技術(shù)可以彈出互動(dòng)窗口，讓觀(guān)眾為歌手獻上鮮花以資鼓勵;亦或是在破音時(shí)，用雞蛋表達無(wú)奈;甚至可以在選手表演時(shí)，直接通過(guò)手機參與到導師轉椅子的過(guò)程中。將傳統的被動(dòng)收視改變?yōu)橛^(guān)眾與觀(guān)眾之間、觀(guān)眾與節目之間全方位的互動(dòng)，極大地激發(fā)出觀(guān)眾的存在感、溝通欲、控制欲等人性需求。當然，在播放廣告的過(guò)程中，在某個(gè)消費**點(diǎn)時(shí)利用IVA技術(shù)，可以出現互動(dòng)按鈕，為感興趣的用戶(hù)直接提供營(yíng)銷(xiāo)通道，將廣告、銷(xiāo)售合二為一。