1. DETECCIÓN E
IDENTIFICACIÓN DE
ANUNCIOS
DE RADIO Y TELEVISIÓN
EN TIEMPO REAL
PROYECTO FIN DE
CARRERA
ERNESTO SUBIRÁ NIMO

2. INDICE
1. INTRODUCCIÓN Y OBJETIVOS.
2. ALGORITMO DE DETECCIÓN.
3. HARDWARE Y SOFTWARE.
4. DESARROLLO DE LA APLICACIÓN.
5. RESULTADOS Y CONCLUSIONES.

3. 1. INTRODUCCIÓN Y OBJETIVOS

4. INTRODUCCION Y OBJETIVOS
 Grandes sumas de dinero en publicidad.
 Tipo de contrato depende del horario de
emisión.
 Necesidad de comprobar lo acordado en
los contratos publicitarios.
 Desarrollo y mejora de una aplicación que
proporciona una solución a este
problema.

5. INTRODUCCION Y OBJETIVOS
Requisitos de la aplicación:
 Funcionamiento en tiempo real.
 Eficiencia computacional.
 Sencillez.
 Portabilidad.

6. 2. ALGORITMO DE DETECCIÓN

7. IDENTIFICACÓN UTILIZANDO
AUDIO FINGERPRINTING
 Objetivo  Identificar anuncios de
Radio FM y Televisión.
 Necesidad de alguna técnica que
permita comparar tramas de audio.
 Esta técnica debe ser:
- Robusta.
- Eficiente computacionalmente.
- Precisa.

8. IDENTIFICACÓN UTILIZANDO
AUDIO FINGERPRINTING
 Capacidad de identificar una pieza de audio a
partir de unos pocos segundos.
 Busca características de la señal comunes a
todas ellas.
 Suficientemente robusta para identificar en
escenarios poco favorables.
 Genera una representación compacta (huella o
fingerprint) con estas características.
 Utiliza esta huella como elemento identificador.

9. IDENTIFICACIÓN UTILIZANDO
AUDIO FINGERPRINTING
Dos tareas en el proceso de identificación:
- Creación de la Base de Datos con los
anuncios.
- Identificación de esos anuncios.

10. IDENTIFICACIÓN UTILIZANDO
AUDIO FINGERPRINTING

11. ESQUEMA UTILIZADO EN LA
APLICACIÓN

12. COMPONENTES DEL SISTEMA DE
AUDIO FINGERPRINTING
Dos Bloques fundamentales:
1. Bloque de extracción de fingerprints.
2. Bloque de búsqueda en la base de datos.

13. COMPONENTES DEL SISTEMA DE
AUDIO FINGERPRINTING

14. CABECERA

15. MODELADO DE FINGERPRINT
Dar una representación final a la
fingerprint (huella) extraída.
Minimizar la redundancia.
Matriz con número de filas variable y
32 columnas.

16. OBJETIVO DEL PROCESO

17. ALGORITMO DE BUSQUEDA
Buscar la huella extraída en la base de
datos.
Muchos algoritmos de búsqueda.
Buscan la rapidez y la precisión.
Base de datos menor de 50 anuncios.
Algoritmo elegido  Fuerza Bruta

18. ALGORITMO DE BUSQUEDA

19. ALGORITMO DE BUSQUEDA

20. 3. HARDWARE Y SOFTWARE

21. HARDWARE
Sistema:
- Equipo Portátil
- Intel Centrino 1,6 GHz
- 512 MB RAM DDR.
Tarjeta Capturadora:
- WINTV USB de
Hauppauge

22. SOFTWARE
Sistema Entorno de Control de
Operativo programación la tarjeta

23. FUNCIONAMIENTO EN OTROS SISTEMAS
CASO CPU MEMORIA S.O. TARJETA TV FM OK
Intel
WIN Hauppauge
1 Centrino 512 MB SI SI
XP WinTV USB
1.4 GHz
Intel P4 WIN Hauppauge
2 256 MB SI SI
2.4 GHz XP WinTV USB
Intel P4 WIN Best Buy
3 512 MB NO SI
2.6 GHz XP Easy TV
Intel P3 WIN Pinnacle
4 256 MB NO SI
864 MHz XP PCTV Pro
Intel P3 WIN Hauppauge
5 256 MB SI SI
864 MHz XP WinTV USB

24. 4. DESARROLLO DE LA APLICACION

25. COMPONENTES DE LA APLICACIÓN
Existen 2 partes bien diferenciadas:
1. Interfase de comunicación entre PC y
tarjeta capturadora.
2. Implementación del algoritmo de
detección.

26. INTERFASE DE COMUNICACIÓN ENTRE
PC Y TARJETA CAPTURADORA
Grafo 1: Almacena las muestras capturadas
en un buffer para su posterior tratamiento.

27. INTERFASE DE COMUNICACIÓN ENTRE
PC Y TARJETA CAPTURADORA
Grafo 2: Almacena las muestras capturadas
en un fichero.

28. IMPLEMENTACION DEL ALGORITMO
DE DETECCION
1. Fase de Establecimiento
- Sólo se ejecuta una vez.
- Se leen las frecuencias o canales de TV.
- Se computa el tiempo de procesado.
2. Fase de Aplicación.
- Se ejecuta de forma periódica.
- Se recogen las muestras del buffer.
- Se extrae su fingerprint correspondiente.
- Se busca en la base de datos.

29. 5. RESULTADOS Y CONCLUSIONES

30. RESULTADOS Y CONCLUSIONES
Objetivo de las pruebas:
- Demostrar la eficiencia computacional.
- Comprobar los límites de la aplicación.
Extraer conclusiones que sirvan como
guía de aplicación.

31. TIEMPO DE PROCESADO
Tiempo de computación (Correlación)
Tiempo de computación (Audio Fingerprinting)
30
25
20
15
10
5
0
1 5 9 13 17 21 25 29 33 37 41 45

32. TASA DE ACIERTOS
Tasa de aciertos (detección en la misma
frecuencia que se grabó)
100
80
Porcentaje (%)
60
40
20
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29
Nº anuncios

33. TASA DE ACIERTOS
Tasa de aciertos (detección en diferente
frecuencia a la que se grabó)
100
80
Porcentaje (%)
60
40
20
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
Nº anuncios

34. CONCLUSIONES
Algoritmo Audio Fingerprinting 5 ó 6
veces más rapido que el de correlación.
Hasta 20 anuncios en la misma frecuencia
de grabación.
Hasta 7 anuncios en diferente frecuencia
de grabación.
Necesidad de un tiempo de captura menor
para trabajar con múltiples sintonías.