广告,作为宣传一件物品或是一项理念的重要手段,广泛的出现在人们的日常生活中;无论是物品的宣传还是理念的宣传,都会给社会带来一定的商业价值或是向人们传播一类文化,因此,一段高质量的广告总会给社会的发展带来助力。随着社会经济的发展,早期的报纸、广播等传统的广告形式已逐步被在线广告所替代,在线广告也称网络广告,互联网广告,指的是在线媒体上投放的广告,与传统广告不同的是,在线广告在过去二十几年的发展过程中形成了以人群为投放目标和以产品为导向的技术型投放模式。与此同时,如今的在线广告的产品形态和业务逻辑更为复杂,如果想要对在线广告的创作上有宏观的掌控,必须从两个方向去探索,一是广告的内涵,即广告商业活动的定义与目的;二是广告的外延,即在线广告发展过程中产生的关键产品形态;因此,内涵与外延成为了高质量广告创作的代名词,人群的需求和产品的导向成为了高质量广告的高影响因子。大数据时代,所有的分析方法都是基于高质量的数据统计结果,因此,本文提出针对室内家居这一类视频广告做广告元素统计的方法,获取并统计视频广告中每一类元素出现的频率信息;本方法中主要涉及到帧间差分算法、光流估计算法以及深度学习中的目标检测算法;本文从以下三个方面应用这三个算法。(一)提出不同应用场景下的视频采样分析;通过实验对比帧间差分算法与SimpleFlow光流算法的召回率、准确率以及运行时间等指标,分析两种视频采样算法分别在补充训练集和服务端视频采样两种场景下的应用前景。(二)提出不同需求下的元素检测模型;本文在构建元素检测模型的过程中提出了三类需求,分别为检测速度与精确率兼具的模型、检测速度更快的模型和检测精确率更高的模型;针对这三类需求,本文以DarkNet和ResNet两类backbone网络为主体,改进深度学习中yolo-v3目标检测模型的anchor box和多尺度检测层的结构,实现三类需求下的广告元素统计模型。(三)提出家居广告元素统计平台的实现;利用前端框架Bootstrap与服务端框架Spring-Boot搭建家居广告元素统计平台,用户不仅可直接查看服务端存储的各个时间段的广告元素饼状图统计结果,还可以添加新的视频上传,经过关键帧提取以及广告识别模型刷新广告元素统计的结果。