В рубрику "Оборудование и технологии" | К списку рубрик | К списку авторов | К списку публикаций
Чтобы получить требуемый набор видеозаписей, нужно иметь:
В самом простом варианте это выглядит так: большая распределенная сеть записывающих центров, которые принимают весь интересующий рекламодателя набор каналов и круглосуточно осуществляют контрольную запись всего, что происходит в эфире. Затем запись разбивается на куски, из которых вычленяется реклама – либо по заказчику, либо по типу, либо по каким-то другим признакам. Эта реклама классифицируется, собирается в виде отчета, записывается на DVD и предоставляется рекламодателю вместе с той самой эфирной справкой, без которой все же не обойтись.
Понятно, что самым сложным и трудоемким в этой истории является процесс выделения из огромного объема записей нужной рекламы, классификация и сборка-статистика. Нетрудно посчитать, что при максимальных рекламных девяти минутах в часе вещания только с одного канала в одном городе за сутки получается несколько часов рекламы, которые нужно отсмотреть, подготовить, вырезать. Если делать это преимущественно вручную, то требуется огромное количество персонала. И нет доверия к полученному результату, ведь люди ошибаются. Поэтому все заинтересованные стороны – компании, занимающиеся медиамониторингом, рекламные агентства, телеканалы – стараются как-то автоматизировать процесс.
Самый простой способ автоматизации в случае с телеканалом – это наложение расписания вещания на видеозапись эфира и нарезка на кусочки в соответствии с расписанием. Просто, хорошо, удобно... К сожалению, в 99% случаев не работает. Потому что “все точно по расписанию” не бывает. Обычно что-то меняется, что-то делает региональный партнер, к тому же вещающий в записи, с переменной задержкой этой записи с помощью сервера задержки… Вот и получается, что простое – технически невозможно.
Раньше, когда производительность вычислительных систем была довольно низкой, ориентировались на анализ и поиск по звуковому содержанию. В звуковой дорожке выделялись ключевые моменты, позволяющие уникально идентифицировать звуковые клипы. И по этим звуковым клипам можно было производить поиск на предмет их совпадения с некой базой данных, в которой содержится информация о выходящих в эфир роликах. На основании этой статистики затем в автоматическом режиме собиралась информация о том, какие видеоролики выходили.
Но у нас же люди талантливы и изобретательны, особенно в регионах. Они быстро сориентировались в такой системе мониторинга и нашли, как ее обойти: оставляя неизменным звуковой ряд, заменяли видео или пускали поверх бегущую строку. Получалось (и это реальный случай!), что поверх рекламы дорогих автомобилей, порой полностью закрывая ее, шла информация о скидках на дешевые машины. И время эти умельцы дважды продали, и систему мониторинга вокруг пальца обвели!
Поскольку анализа звукового ряда, как мы убедились, недостаточно, потребовались решения, позволяющие выделять и анализировать видеоряд. И хотя в силу определенных ограничений машинной обработки ни одно из имеющихся решений не может дать стопроцентную достоверность, некоторые очень близки к идеалу.
Подходов к выделению контента существует несколько. Для западных стран традиционно нанесение так называемых водяных знаков, что позволяет уникально идентифицировать контент по малозаметным человеческому глазу изменениям, которые вносятся в изображение. Может быть, вы даже замечали их, когда смотрели кино на большом экране: на грани восприятия по углам видеоизображения на миг, на один-два кадра, проскакивают черные овалы. Это варианты водяных знаков – малозаметные, довольно устойчивые к различным искажениям, по ним достаточно легко определить тип контента.
В силу разных причин, в том числе в связи с защитой информации, у нас нанесение водяных знаков на видеоизображение не применяется. В России и многих других странах получила распространение технология так называемых цифровых отпечатков – когда метрики снимаются с видеоряда, аналогично тому, как это было со звуковым рядом. Процедура сбора цифровых видеоотпечатков сложнее, чем в звуке – больше объем информации, больше вычислительная сложность.
Ноу-хау метода состоит в том, как правильно снимать отпечатки. Во-первых, в одном часе видео 90 тыс. кадров, и из них требуется выбрать необходимое и достаточное количество ключевых для сравнения. Обычно таких ключевых кадров требуется от 900 до 1500 в зависимости от типа контента. Во-вторых, ключевые кадры необходимо преобразовать в набор уникальных характеристик, которые пригодны для сравнения и являются устойчивыми к различным искажениям видеоряда – изменению разрешения и соотношения сторон, обрезке изображения, изменению цветности и яркости, наличию шумов, помех отражений и т.п. В-третьих, технология выборки, анализа и сравнения должна работать в режиме реального времени, а объем передаваемых данных должен быть минимальным (поскольку сети передачи данных в регионах пока оставляют желать лучшего).
В результате сейчас, когда производительность серверов выросла, технологии стали более продвинутыми, появилась возможность применять эти алгоритмы, чтобы анализировать видеоряд и выделять из него рекламные ролики или другой интересующий контент, за которым необходимо следить и выход которого необходимо контролировать.
Итак, чтобы обеспечить необходимый уровень контроля за выходом рекламы (или иного контента), нужно:
В этом случае количество ручной работы сокращается даже не в сотни, а в десятки тысяч раз.
Вы спросите: “И что, кто-то так уже работает?” Конечно! В России, например, это компании, которые занимаются медиамониторингом. Разумеется, их интересует не только и не столько реклама, сколько анализ и смотрение телепрограмм в целом. Но я уверен, что совсем скоро по этой схеме будет работать большинство телеканалов. База для сбора необходимой информации уже есть, а облачные технологии позволяют делать аналитику удаленно.
В следующий раз мы обсудим особенности мониторинга в цифре и такой актуальный тренд, как использование сервисов ОТТ.
Опубликовано: Журнал "Broadcasting. Телевидение и радиовещание" #1, 2014
Посещений: 14039
Автор
| |||
В рубрику "Оборудование и технологии" | К списку рубрик | К списку авторов | К списку публикаций
