一种不良视频检测方法及装置制造方法及图纸

本发明专利技术提供一种不良视频检测方法及装置。方法包括：将待检测视频划分成多个镜头，从每个镜头中提取一个非边缘帧作为视频关键帧；提取所述视频关键帧中的肤色区域；根据提取的肤色区域检测所述视频关键帧是否为不良视频帧；根据检测到的不良视频帧与其前后各帧的相关性，确定所述待检测视频是否为不良视频。依照本发明专利技术，能够提高不良视频检测的效率和准确性。

【技术实现步骤摘要】

本专利技术属于模式识别和图像处理
，特别涉及一种不良视频检测方法及装置。
技术介绍
随着互联网的广泛应用以及移动通信技术的迅猛发展，用户在获得大量有用信息 的同时也可能遇到许多不良信息，其中尤其以色情视频最为严重。因此，如何通过分析视频 内容，来进行不良信息的精确识别与拦截，对打击不良信息的传播和保护青少年成长等方 面具有积极作用和深远的意义。由于视频由彩色图像帧构成，彩色图像不良信息检测方法可用于视频图像的敏感 性判别。图像帧中的不良信息检测主要依赖于肤色、皮肤纹理和人体姿态等特征和阈值 化、统计学习等分类器设计方法。如，Fleck等人通过肤色分割和人体姿态的几何特征检测 来识别色情图像；Kim等人提出基于肤色检测、纹理分析以及特征向量分类来识别色情图 像。徐欣欣等人提出一种基于自适应小波不变矩的色情图像过滤方法，通过肤色提取和皮 肤纹理判定，来过滤肤色区域中的色情信息。Jeong等提出一种基于感兴趣区域(Region of Interest, R0I)的敏感图像检测系统，利用ROI图像中的肤色信息提取特征，将提取到的 特征输入到支撑向量机分类器来判定输入的图像的敏感性。此外，还有基于神经网络法、规 则演算法的过滤方法。现有技术在文本过滤和图像过滤方面取得了较好的过滤效果，但在不良视频过滤 方面存在检测效率和准确率不高的缺陷。视频过滤是建立在图像过滤技术的基础之上，由 于视频包含大量数据使得动态敏感信息过滤的计算开销更大，导致对不良视频检测的效率 不高；另外，现有技术在色情识别时所采用的特征是图像的静态特征，而与静态图像相比， 视频本身还具有其他独有的特性，如视频的时间连续性等，这些特性在色情视频的识别中 并没有得到应用，导致对不良信息检测的准确率不高。
技术实现思路
本专利技术所要解决的技术问题是提供一种不良视频检测方法及装置，来提高不良视 频检测的效率和准确性。为解决上述技术问题，本专利技术的实施例提供技术方案如下一种不良视频检测方法，包括将待检测视频划分成多个镜头，从每个镜头中提取一个非边缘帧作为视频关键 帧；提取所述视频关键帧中的肤色区域；根据提取的肤色区域检测所述视频关键帧是否为不良视频帧；根据检测到的不良视频帧与其前后各帧的相关性，确定所述待检测视频是否为不 良视频。进一步地，所述将待检测视频划分为多个镜头包括在YCb(；空间中，构造所述待检测视频中的每个视频帧的色度直方图；根据所述色度直方图计算所述视频帧的主色度和次色度；分别计算每个视频帧与前一个视频帧的主色度差异值和次色度差异值，将所述主 色度差异值和次色度差异值作为所述视频帧的聚类特征；根据所述聚类特征，利用类均值软聚类算法对所述待检测视频的所有视频帧进行 聚类分析，得到镜头边缘帧和非镜头边缘帧，并根据所述镜头边缘帧和非镜头边缘帧完成 对所述待检测视频的镜头划分。进一步地，所述提取所述视频关键帧中的肤色区域包括获取所述视频关键帧中各像素点的Cb(；值；分别计算每个像素点的Cb(；值在多高斯敏感度判别模型中的概率值；将所述概率值大于第一阈值的像素点标记为肤色点，并将所有肤色点构成的区域 作为所述视频关键帧的肤色区域。进一步地，所述根据提取的肤色区域检测所述视频关键帧是否为不良视频帧包 括计算所述肤色区域的面积与所述视频关键帧的面积的比值；当所述比值大于第二阈值时，确定所述视频关键帧为不良视频帧。进一步地，所述根据提取的肤色区域检测所述视频关键帧是否为不良视频帧包 括计算所述肤色区域的面积与所述视频关键帧的面积的比值；当所述比值大于第二阈值时，判断所述肤色区域中是否包含人脸；当所述肤色区域中包含人脸时，根据人体结构学特征确定所述视频关键帧是否为 不良视频帧。进一步地，所述根据检测到的不良视频帧与其前后各帧的相关性，确定所述待检 测视频是否为不良视频包括构造包括所述不良视频帧及其前后若干个视频帧的视频帧序列；将所述视频帧序列构造成一个张量Z ；用高阶奇异值分解算法对张量Z进行分解Z = KXUxX&XUt，其中，Ux为横轴模 矩阵，Uy为纵轴模矩阵，Ut为时间模矩阵，K为核张量；计算Ui中各个系数之间的距离，用计算得到的距离来表征所述不良视频帧与其前 后各帧的相关性，当所述距离小于第三阈值时，确定所述待检测视频为不良视频。一种不良视频检测装置，包括关键帧提取单元，用于将待检测视频划分成多个镜头，从每个镜头中提取一个非 边缘帧作为视频关键帧；肤色区域提取单元，用于提取所述视频关键帧中的肤色区域；不良视频帧检测单元，用于根据提取的肤色区域检测所述视频关键帧是否为不良 视频帧；不良视频检测单元，用于根据检测到的不良视频帧与其前后各帧的相关性，确定 所述待检测视频是否为不良视频。所述关键帧提取单元进一步用于在YCb(；空间中，构造所述待检测视频中的每个视频帧的色度直方图；根据所述色度直方图计算所述视频帧的主色度和次色度；分别计算每个视频帧与前一个视频帧的主色度差异值和次色度差异值，将所述主 色度差异值和次色度差异值作为所述视频帧的聚类特征；根据所述聚类特征，利用类均值软聚类算法对所述待检测视频的所有视频帧进行 聚类分析，得到镜头边缘帧和非镜头边缘帧，并根据所述镜头边缘帧和非镜头边缘帧完成 对所述待检测视频的镜头划分。所述肤色区域提取单元进一步用于获取所述视频关键帧中各像素点的Cb(；值；分别计算每个像素点的Cb(；值在多高斯敏感度判别模型中的概率值；将所述概率值大于第一阈值的像素点标记为肤色点，并将所有肤色点构成的区域 作为所述视频关键帧的肤色区域。所述不良视频帧检测单元进一步用于计算所述肤色区域的面积与所述视频关键帧的面积的比值；当所述比值大于第二阈值时，确定所述视频关键帧为不良视频帧。所述不良视频帧检测单元进一步用于计算所述肤色区域的面积与所述视频关键帧的面积的比值；当所述比值大于第二阈值时，判断所述肤色区域中是否包含人脸；当所述肤色区域中包含人脸时，根据人体结构学特征确定所述视频关键帧是否为 不良视频帧。所述不良视频检测单元进一步用于构造包括所述不良视频帧及其前后若干个视频帧的视频帧序列；将所述视频帧序列构造成一个张量Z ；用高阶奇异值分解算法对张量Z进行分解Z = KXUxX&XUt，其中，Ux为横轴模 矩阵，Uy为纵轴模矩阵，Ut为时间模矩阵，K为核张量；计算Ut中各个系数之间的距离，用计算得到的距离来表征所述不良视频帧与其前 后各帧的相关性，当所述距离小于第三阈值时，确定所述待检测视频为不良视频。与现有技术相比，本专利技术实施例不需要对构成视频的每个视频帧进行敏感性判 断，而是从待检测视频中提取视频关键帧，在对每一帧图像进行敏感性判断的基础上，通过 相关性分析来评估整段视频的敏感性。由于不需要对每帧图像对进行敏感性判断，因此，提 高了不良视频检测的效率；由于利用了视频的时间连续性进行相关性分析，从而降低了单 帧敏感性判断失误的可能性，进而提高了不良视频检测的准确性。附图说明图1为本专利技术实施例的不良视频检测方法流程图；图2为本专利技术实施例中主动相关反馈选择训练样本集的示意图；图3为图2中嵌入的主动反馈选择技术的迭代结构示意图；图4为本专利技术实施例的不良视频检测方法的详细处理过程示意图5为本专利技术实施例的不良视频检测装置的结本文档来自技高网...

【技术保护点】
一种不良视频检测方法，其特征在于，包括：将待检测视频划分成多个镜头，从每个镜头中提取一个非边缘帧作为视频关键帧；提取所述视频关键帧中的肤色区域；根据提取的肤色区域检测所述视频关键帧是否为不良视频帧；根据检测到的不良视频帧与其前后各帧的相关性，确定所述待检测视频是否为不良视频。

【技术特征摘要】
1.一种不良视频检测方法，其特征在于，包括将待检测视频划分成多个镜头，从每个镜头中提取一个非边缘帧作为视频关键帧； 提取所述视频关键帧中的肤色区域；根据提取的肤色区域检测所述视频关键帧是否为不良视频帧； 根据检测到的不良视频帧与其前后各帧的相关性，确定所述待检测视频是否为不良视频。2.如权利要求1所述的不良视频检测方法，其特征在于，所述将待检测视频划分为多 个镜头包括在YCb(；空间中，构造所述待检测视频中的每个视频帧的色度直方图； 根据所述色度直方图计算所述视频帧的主色度和次色度；分别计算每个视频帧与前一个视频帧的主色度差异值和次色度差异值，将所述主色度 差异值和次色度差异值作为所述视频帧的聚类特征；根据所述聚类特征，利用类均值软聚类算法对所述待检测视频的所有视频帧进行聚类 分析，得到镜头边缘帧和非镜头边缘帧，并根据所述镜头边缘帧和非镜头边缘帧完成对所 述待检测视频的镜头划分。3.如权利要求2所述的不良视频检测方法，其特征在于，所述提取所述视频关键帧中 的肤色区域包括获取所述视频关键帧中各像素点的Cb(；值；分别计算每个像素点的Cb(；值在多高斯敏感度判别模型中的概率值； 将所述概率值大于第一阈值的像素点标记为肤色点，并将所有肤色点构成的区域作为 所述视频关键帧的肤色区域。4.如权利要求1所述的不良视频检测方法，其特征在于，所述根据提取的肤色区域检 测所述视频关键帧是否为不良视频帧包括计算所述肤色区域的面积与所述视频关键帧的面积的比值； 当所述比值大于第二阈值时，确定所述视频关键帧为不良视频帧。5.如权利要求1所述的不良视频检测方法，其特征在于，所述根据提取的肤色区域检 测所述视频关键帧是否为不良视频帧包括计算所述肤色区域的面积与所述视频关键帧的面积的比值； 当所述比值大于第二阈值时，判断所述肤色区域中是否包含人脸； 当所述肤色区域中包含人脸时，根据人体结构学特征确定所述视频关键帧是否为不良 视频帧。6.如权利要求1所述的不良视频检测方法，其特征在于，所述根据检测到的不良视频 帧与其前后各帧的相关性，确定所述待检测视频是否为不良视频包括构造包括所述不良视频帧及其前后若干个视频帧的视频帧序列； 将所述视频帧序列构造成一个张量Z ；用高阶奇异值分解算法对张量Z进行分解Z = KXUxXIX队，其中，Ux为横轴模矩阵， Uy,为纵轴模矩阵，Ut为时间模矩阵，K为核张量；计算队中各个系数之间的距离，用计算得到的距离来表征所述不良视频帧与其前后各 帧的相关性，当所述距离小于第三阈值时，确定所述待检测视频...

【专利技术属性】
技术研发人员：舒波，孔轶，陈东明，李英，黄昭文，李志锋，吕汉鑫，黄克书，林茂，陈涛，雷志勇，余士韬，
申请(专利权)人：中国移动通信集团广东有限公司，
类型：发明
国别省市：81