کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
4957530 | 1364762 | 2017 | 18 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Identifying TV Channels & On-Demand Videos using Ambient Light Sensors
ترجمه فارسی عنوان
شناسایی کانال های تلویزیونی و فیلم های تقاضا با استفاده از سنسورهای نور محیط
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
ضبط ویدیو، سنسورهای نور محیطی حسگر موبایل شناسایی متن،
ترجمه چکیده
یک ویدیو پخش شده بر روی یک صفحه نمایش تلویزیونی موجی از نوردهی مشخص را منتشر می کند که به عنوان یک ویژگی شناسایی برای ویدیو عمل می کند. این مقاله یک روش برای تشخیص ویدئو را با نمونه گیری از حسگر نور محیط گوشی هوشمند یا رایانه ای قابل پوششی ارائه می دهد. ارزیابی نشان می دهد که با توجه به مجموعه ای از فیلم های شناخته شده، نرخ تشخیص تا 100٪ ممکن است با نمونه برداری از دنباله ای از 15 تا 120 ثانیه طول می کشد. روش ما کار می کند حتی اگر دستگاه هیچ خط مستقیم از بینش به صفحه تلویزیون ندارد، زیرا نور محیط منعکس شده از دیوار کافی است. یکی از عوامل تاثیرگذار در شناخت این است که تعدادی از فیلم هایی که نور را از روی صفحه نمایش تغییر می دهند را تغییر می دهد.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
شبکه های کامپیوتری و ارتباطات
چکیده انگلیسی
A video playing on a television screen emits a characteristic flickering, which serves as an identification feature for the video. This paper presents a method for video recognition by sampling the ambient light sensor of a smartphone or wearable computer. The evaluation shows that given a set of known videos, a recognition rate of up to 100% is possible by sampling a sequence of 15 to 120 s length. Our method works even if the device has no direct line of sight to the television screen, since ambient light reflected from walls is sufficient. A major factor of influence on the recognition is the number of video cuts that change the light emitted by the screen.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Pervasive and Mobile Computing - Volume 38, Part 2, July 2017, Pages 363-380
Journal: Pervasive and Mobile Computing - Volume 38, Part 2, July 2017, Pages 363-380
نویسندگان
Lorenz Schwittmann, Christopher Boelmann, Viktor Matkovic, Matthäus Wander, Torben Weis,