如果“VS”几乎相同（除了第二个示例中的一些徽章覆盖），您可以使用简单的互相关来检测视频帧中模板的存在。我在 MATLAB on Stack Overflow 上回答了一个类似的问题。您可以使用 Photoshop 中的“魔术棒”工具从框架中选择“VS”来创建模板。我已经这样做并将图像二值化以获得此模板。

查看两个图像中的不同颜色通道 (RGB)，红色通道似乎是检测模板的最佳选择。

您现在可以将红色通道与您的二值化模板进行交叉关联，并且您应该在模板的位置获得一个峰值。我也选择对红色模板进行阈值化和二值化，尽管您可以不这样做就检测到它。我更喜欢使用距离函数而不是原始的互相关值，因为它对误报更加稳健。我不知道 C#/.NET，但这里是 Mathematica 中方法的概述：

image = Import["http://i.stack.imgur.com/7RwAh.png"];
ImageCorrelate[ Binarize[ColorSeparate[image][[1]], 0.1], vsTemplate, 
   NormalizedSquaredEuclideanDistance] // Binarize[#, 0.2] & // ColorNegate

它为您提供以下内容。白点标记了两幅图像中距离最小的区域

然后，您可以根据需要在下一步中使用上述内容。请注意，通常，互相关会导致悬垂。换句话说（使用 1D 示例），如果您要对$N$点信号与$M$第一点，你会得到一个结果$N+M-1$点长。Mathematica 的实现会为您处理悬垂问题。但是，我不知道 C# 是做什么的，您可能要记住这一点（MATLAB 不这样做，我必须在上面的链接答案中说明这一点）。

您还可以在此基础上构建自己的更强大的阈值标准。现在，为了他人的利益，我将只强调检测：

您可以使用组合功能生成上述内容：

detectVS[i_Image] := 
 Module[{mask = 
    ImageCorrelate[ Binarize[ColorSeparate[i][[1]], 0.1], vsTemplate, 
       NormalizedSquaredEuclideanDistance] ~Binarize~ 0.2 // 
     ColorNegate},

  ColorConvert[i, "Grayscale"]~ImageAdd~ 
   ImageMultiply[i, Image[mask]~Dilation~ DiskMatrix@100]
  ]

这里有很多改进的潜力。我是图像处理的业余爱好者，所以我不知道最快的算法是什么。但是，您可以研究以下几点：

1. 如果 VS 在每个视频中的位置大致相同，则无需使用整个图像进行互相关 - 您只需选择中间的一个框并使用它即可。
2. 对于每一帧，这可能是一项昂贵的操作。但是，查看您的视频，您有大约 4 秒多一点的帧，其中显示了 VS 和角色名称。因此，我建议您每秒或最多每 2 秒分析一帧，从而保证您将降落在带有 VS 的帧上。一旦检测到 VS，您就可以开始处理每个连续的帧以进行下一部分处理。
3. 在合理的范围内，这个过程对于大小的变化应该是稳健的，即，您可以对小图像进行互相关，但您需要一个合适的模板来匹配。如果您知道您的图像将采用某些设置/标准尺寸，那么您可以为每个图像创建模板并根据图像尺寸选择适当的模板。
4. 我选择的阈值是反复试验，但它们似乎确实适用于上面的两张图片和其他相关的 youtube 视频，它们可能适用于其中的大多数。更专业的方法是将其分成块并查看直方图以推断它是否属于 VS——也许是贝叶斯分类器。但是，请绝对确定您需要在开始之前执行此操作。在我看来，它很简单，你不需要它。