基于自適應(yīng)抽樣的視頻內(nèi)容檢測方法與系統(tǒng)

1.一種視頻內(nèi)容檢測方法，其特征在于，包括以下步驟：
(1)建立訓(xùn)練圖集，所述訓(xùn)練圖集中包括正常圖片和不良圖片；
(2)根據(jù)所述訓(xùn)練圖集訓(xùn)練得到圖像分類器，所述圖像分類器用于判斷待檢測視頻中的抽樣圖像是否為不良圖像；
(3)對待檢測視頻進(jìn)行解碼，以生成圖像序列；
(4)基于自適應(yīng)抽樣方法，利用所述圖像分類器對所述生成的圖像序列進(jìn)行抽樣檢測；
(5)根據(jù)所述圖像分類器對所述圖像序列抽樣檢測的結(jié)果，判斷所述待檢測視頻是否為不良視頻；
其中，所述步驟(4)具體包括以下子步驟：
(4-1)對解碼后生成的圖片序列，進(jìn)行時間間隔為τ的采樣，提取關(guān)鍵幀，關(guān)鍵幀總數(shù)為N＝T/τ，其中T為所述待檢測視頻總時間長度；
(4-2)根據(jù)上述步驟(2)中訓(xùn)練得到的圖像分類器，對所述采樣提取的每一幅關(guān)鍵幀進(jìn)行檢測；
(4-3)根據(jù)圖像分類器對每一幅關(guān)鍵幀的檢測結(jié)果判斷每一幅關(guān)鍵幀是否為不良圖像；
(4-4)統(tǒng)計不良圖像的數(shù)目n，并計算不良圖像占總關(guān)鍵幀的比率大小σ＝n/N；
所述判斷所述待檢測視頻是否為不良視頻具體為：
(5-1)判斷該比率σ是否大于設(shè)定的不良視頻的閾值P，如果高于閾值則該視頻被認(rèn)定為不良視頻，檢測過程結(jié)束；
如果所述比率σ低于閾值P，則所述方法還包括：
(5-2)在步驟(4-4)統(tǒng)計得到的n幅不良關(guān)鍵幀中，以每一幅不良關(guān)鍵幀為不良圖像檢測窗口的中心，分別在時間長度為S的不良圖像檢測窗口內(nèi)再次進(jìn)行抽樣檢測，抽樣時間間隔為τ'，其中S滿足S＝α*τ,0＜α＜1，τ'滿足τ'＝τ/β,β＞1，抽樣得到的關(guān)鍵幀數(shù)目為L＝S/τ'，若在每個窗口中不良圖像的數(shù)目為li(i＝1,2,...,n)，計算窗口檢測后不良圖像所占的比率大小
(5-3)根據(jù)應(yīng)用于視頻檢測內(nèi)容的視頻內(nèi)容評估模型，判斷該比率大小
是否大于設(shè)定的不良圖像檢測窗口的閾值Q，如果是，則該視頻被認(rèn)定為
不良視頻，否則該視頻被認(rèn)定為正常視頻。
2.如權(quán)利要求1所述的視頻內(nèi)容檢測方法，其特征在于，所述步驟(4-2)中根據(jù)圖像分類器對采樣提取的每一幅關(guān)鍵幀進(jìn)行檢測的方法包括膚色檢測或支持向量機檢測。

基于自適應(yīng)抽樣的視頻內(nèi)容檢測方法與系統(tǒng)\n技術(shù)領(lǐng)域\n[0001] 本發(fā)明屬于數(shù)字視頻處理領(lǐng)域，具體涉及一種基于自適應(yīng)抽樣的視頻內(nèi)容檢測方法與系統(tǒng)。\n背景技術(shù)\n[0002] 網(wǎng)絡(luò)已經(jīng)成為人們獲得信息和認(rèn)識世界的重要途徑，然而，目前網(wǎng)絡(luò)中的內(nèi)容良莠不齊。網(wǎng)絡(luò)上的敏感信息，特別是色情小說、色情圖像及視頻的傳播，擾亂了社會秩序，破壞了社會風(fēng)氣，給人們尤其是青少年的健康成長造成了負(fù)面影響。確保青少年不被網(wǎng)絡(luò)中大量傳播的不良網(wǎng)絡(luò)內(nèi)容影響，對應(yīng)維護(hù)社會穩(wěn)定以及保障青少年身心健康具有重要的理論價值與現(xiàn)實意義。\n[0003] 目前，在網(wǎng)絡(luò)不良視頻檢測方面，常用的是基于圖片順序的內(nèi)容檢測方法，然而現(xiàn)有的網(wǎng)絡(luò)視頻內(nèi)容檢測方法不僅具有工作量大的缺點，還具有工作效率低的弊端。\n發(fā)明內(nèi)容\n[0004] 針對現(xiàn)有技術(shù)的缺陷，本發(fā)明提出了一種基于自適應(yīng)抽樣的視頻內(nèi)容檢測方法，其目的在于解決現(xiàn)有技術(shù)中視頻內(nèi)容檢測工作量大工作效率低的技術(shù)問題。\n[0005] 為實現(xiàn)上述目的，按照本發(fā)明的一個方面，提供了一種視頻內(nèi)容檢測方法，包括以下步驟：\n[0006] (1)建立訓(xùn)練圖集，所述訓(xùn)練圖集中包括正常圖片和不良圖片；\n[0007] (2)根據(jù)所述訓(xùn)練圖集訓(xùn)練得到圖像分類器，所述圖像分類器用于判斷待檢測視頻中的抽樣圖像是否為不良圖像；\n[0008] (3)對待檢測視頻進(jìn)行解碼，以生成圖像序列；\n[0009] (4)基于自適應(yīng)抽樣方法，利用所述圖像分類器對所述生成的圖像序列進(jìn)行抽樣檢測；\n[0010] (5)根據(jù)所述圖像分類器對所述圖像序列抽樣檢測的結(jié)果，判斷所述待檢測視頻是否為不良視頻。\n[0011] 和傳統(tǒng)的視頻內(nèi)容檢測方法相比，本發(fā)明采用自適應(yīng)的抽樣方法進(jìn)行內(nèi)容檢測，可減少檢測時間提高檢測效率。\n[0012] 優(yōu)選地，所述步驟(4)具體包括以下子步驟：\n[0013] (4-1)對解碼后生成的圖片序列，進(jìn)行時間間隔為τ的采樣，提取關(guān)鍵幀，關(guān)鍵幀總數(shù)為N＝T/τ，其中T為所述待檢測視頻總時間長度；\n[0014] (4-2)根據(jù)上述步驟(2)中訓(xùn)練得到的圖像分類器，對所述采樣提取的每一幅關(guān)鍵幀進(jìn)行檢測；\n[0015] (4-3)根據(jù)圖像分類器對每一幅關(guān)鍵幀的檢測結(jié)果判斷每一幅關(guān)鍵幀是否為不良圖像；\n[0016] (4-4)統(tǒng)計不良圖像的數(shù)目n，并計算不良圖像占總關(guān)鍵幀的比率大小σ＝n/N。\n[0017] 本發(fā)明采用抽樣的方法對視頻內(nèi)容進(jìn)行檢測，不必對每一幀內(nèi)容進(jìn)行不良圖像判斷，當(dāng)解碼生成的圖片序列較長時，可以極大地減少檢測時間。\n[0018] 優(yōu)選地，所述判斷所述待檢測視頻是否為不良視頻具體為：\n[0019] (5-1)判斷該比率σ是否大于設(shè)定的不良視頻的閾值P，如果高于閾值則該視頻被認(rèn)定為不良視頻，檢測過程結(jié)束。\n[0020] 優(yōu)選地，如果所述比率σ低于閾值P，則所述方法還包括：\n[0021] (5-2)在步驟(4-4)統(tǒng)計得到的n幅不良關(guān)鍵幀中，以每一幅不良關(guān)鍵幀為不良圖像檢測窗口的中心，分別在時間長度為S的不良圖像檢測窗口內(nèi)再次進(jìn)行抽樣檢測，抽樣時間間隔為τ′，其中S滿足S＝α*τ，0＜α＜1，τ′滿足τ′＝τ/β，β＞1，抽樣得到的關(guān)鍵幀數(shù)目為L＝S/τ′，若在每個窗口中不良圖像的數(shù)目為li(i＝1，2，...，n)，計算窗口檢測后不良圖像所占的比率大小\n[0022] (5-3)根據(jù)應(yīng)用于視頻檢測內(nèi)容的視頻內(nèi)容評估模型，判斷該比率大小\n是否大于設(shè)定的不良圖像檢測窗口的閾值Q，如果是，則該視頻被認(rèn)定為\n不良視頻，否則該視頻被認(rèn)定為正常視頻。\n[0023] 在本發(fā)明的視頻內(nèi)容檢測方法中，對于不同的視頻內(nèi)容，第一次檢測得到的結(jié)果不同，及不良關(guān)鍵幀數(shù)目不同、位置也不同，使得不良圖像檢測窗口的位置以及檢測的次數(shù)也不相同，具有自適應(yīng)于視頻內(nèi)容的特點。\n[0024] 優(yōu)選地，所述步驟(4-2)中根據(jù)圖像分類器對采樣提取的每一幅關(guān)鍵幀進(jìn)行檢測的方法包括膚色檢測或支持向量機檢測。\n[0025] 膚色檢測可以快速地辨別出正常圖片和不良圖片，支持向量機檢測在膚色檢測的基礎(chǔ)上進(jìn)一步準(zhǔn)確地判別出不良圖片。\n[0026] 按照本發(fā)明的另一方面，還提供了一種視頻內(nèi)容檢測系統(tǒng)，包括：\n[0027] 訓(xùn)練圖集構(gòu)建模塊，用于建立訓(xùn)練圖集，所述訓(xùn)練圖集中包括正常圖片和不良圖片；\n[0028] 不良圖像判斷模塊，用于根據(jù)所述訓(xùn)練圖集訓(xùn)練得到圖像分類器，所述圖像分類器用于判斷待檢測視頻中的抽樣圖像是否為不良圖像；\n[0029] 視頻解碼模塊，對待檢測視頻進(jìn)行解碼，以生成圖像序列；\n[0030] 抽樣檢測模塊，基于自適應(yīng)抽樣方法，利用所述圖像分類器對所述生成的圖像序列進(jìn)行抽樣檢測；\n[0031] 不良視頻判斷模塊，根據(jù)所述圖像分類器對所述圖像序列抽樣檢測的結(jié)果，判斷所述待檢測視頻是否為不良視頻。\n[0032] 總體而言，通過本發(fā)明技術(shù)方案，采用動態(tài)的自適應(yīng)抽樣方法，對視頻的內(nèi)容檢測的時候，在檢測準(zhǔn)確率和檢測效率上到達(dá)了良好的平衡，在保證檢測準(zhǔn)確率的同時通過減少抽樣幀的數(shù)目提高了檢測效率，能夠取得快速檢測的有益效果。\n附圖說明\n[0033] 圖1是本發(fā)明視頻內(nèi)容檢測方法的整體流程圖；\n[0034] 圖2是本發(fā)明一優(yōu)選實施例所構(gòu)建的視頻內(nèi)容檢測方法的詳細(xì)流程圖。\n具體實施方式\n[0035] 為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點更加清楚明白，以下結(jié)合附圖及實施例，對本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。此外，下面所描述的本發(fā)明各個實施方式中所涉及到的技術(shù)特征只要彼此之間未構(gòu)成沖突就可以相互組合。\n[0036] 如圖1所示，本發(fā)明提出了一種視頻內(nèi)容檢測方法，包括：\n[0037] (1)建立訓(xùn)練圖集，所述訓(xùn)練圖集中包括正常圖片和不良圖片；\n[0038] (2)根據(jù)所述訓(xùn)練圖集訓(xùn)練得到圖像分類器，所述圖像分類器用于判斷待檢測視頻中的抽樣圖像是否為不良圖像；\n[0039] (3)對待檢測視頻進(jìn)行解碼，以生成圖像序列；\n[0040] (4)基于自適應(yīng)抽樣方法，利用所述圖像分類器對所述生成的圖像序列進(jìn)行抽樣檢測；\n[0041] (5)根據(jù)所述圖像分類器對所述圖像序列抽樣檢測的結(jié)果，判斷所述待檢測視頻是否為不良視頻。\n[0042] 優(yōu)選地，所述步驟(4)具體可以包括以下子步驟：\n[0043] (4-1)對解碼后生成的圖片序列，進(jìn)行時間間隔為τ的采樣，提取關(guān)鍵幀，關(guān)鍵幀總數(shù)為N＝T/τ，其中T為所述待檢測視頻總時間長度；\n[0044] (4-2)根據(jù)上述步驟(2)中訓(xùn)練得到的圖像分類器，對所述采樣提取的每一幅關(guān)鍵幀進(jìn)行檢測；\n[0045] (4-3)根據(jù)圖像分類器對每一幅關(guān)鍵幀的檢測結(jié)果判斷每一幅關(guān)鍵幀是否為不良圖像；\n[0046] (4-4)統(tǒng)計不良圖像的數(shù)目n，并計算不良圖像占總關(guān)鍵幀的比率大小σ＝n/N。\n[0047] 此時所述步驟(5)具體為：\n[0048] (5-1)判斷該比率σ是否大于設(shè)定的不良視頻的閾值P，如果高于閾值則該視頻被認(rèn)定為不良視頻，檢測過程結(jié)束。\n[0049] 優(yōu)選地，如果所述比率σ低于閾值P，則所述方法還包括：\n[0050] (5-2)在步驟(4-4)統(tǒng)計得到的n幅不良關(guān)鍵幀中，以每一幅不良關(guān)鍵幀為不良圖像檢測窗口的中心，分別在時間長度為S的不良圖像檢測窗口內(nèi)再次進(jìn)行抽樣檢測，抽樣時間間隔為τ′，其中S滿足S＝α*τ，0＜α＜1，τ′滿足τ′＝τ/β，β＞1，抽樣得到的關(guān)鍵幀數(shù)目為L＝S/τ′，若在每個窗口中不良圖像的數(shù)目為li(i＝1，2，...，n)，計算窗口檢測后不良圖像所占的比率大小\n[0051] (5-3)根據(jù)應(yīng)用于視頻檢測內(nèi)容的視頻內(nèi)容評估模型，判斷該比率大小\n是否大于設(shè)定的不良圖像檢測窗口的閾值Q，如果是，則該視頻被認(rèn)定為\n不良視頻，否則該視頻被認(rèn)定為正常視頻。\n[0052] 優(yōu)選地，所述步驟(4-2)中根據(jù)圖像分類器對采樣提取的每一幅關(guān)鍵幀進(jìn)行檢測的方法包括膚色檢測或支持向量機檢測。\n[0053] 膚色檢測可以快速地辨別出正常圖片和不良圖片，支持向量機檢測在膚色檢測的基礎(chǔ)上進(jìn)一步準(zhǔn)確地判別出不良圖片。\n[0054] 本發(fā)明還提供了一種視頻內(nèi)容檢測系統(tǒng)，包括：\n[0055] 訓(xùn)練圖集構(gòu)建模塊，用于建立訓(xùn)練圖集，所述訓(xùn)練圖集中包括正常圖片和不良圖片；\n[0056] 不良圖像判斷模塊，用于根據(jù)所述訓(xùn)練圖集訓(xùn)練得到圖像分類器，所述圖像分類器用于判斷待檢測視頻中的抽樣圖像是否為不良圖像；\n[0057] 視頻解碼模塊，對待檢測視頻進(jìn)行解碼，以生成圖像序列；\n[0058] 抽樣檢測模塊，基于自適應(yīng)抽樣方法，利用所述圖像分類器對所述生成的圖像序列進(jìn)行抽樣檢測；\n[0059] 不良視頻判斷模塊，根據(jù)所述圖像分類器對所述圖像序列抽樣檢測的結(jié)果，判斷所述待檢測視頻是否為不良視頻。\n[0060] 如圖2所示，為根據(jù)本發(fā)明所述的視頻內(nèi)容檢測方法所構(gòu)建的一個優(yōu)選實施例，具體地，所述方法包括：\n[0061] (1)建立訓(xùn)練圖集；\n[0062] (2)根據(jù)訓(xùn)練圖集離線訓(xùn)練得到圖像分類器，用于判斷待檢測視頻中的抽樣圖像是否為不良圖像；\n[0063] (3)對待檢測視頻進(jìn)行解碼，以生成圖像序列；\n[0064] (4)由連續(xù)的視頻圖片間的關(guān)聯(lián)性，根據(jù)一種應(yīng)用于視頻內(nèi)容檢測的自適應(yīng)抽樣方法，對待檢測視頻中關(guān)鍵幀進(jìn)行抽樣檢測，其具體步驟包括：\n[0065] (4-1)針對解碼后得到的圖片序列，進(jìn)行時間間隔為τ的采樣(τ的大小可根據(jù)圖片序列的長度T設(shè)定)，即提取關(guān)鍵幀，其總數(shù)N＝T/τ；\n[0066] (4-2)先對采樣提取得到的每一幅關(guān)鍵幀進(jìn)行膚色檢測；\n[0067] (4-3)再根據(jù)步驟(2)中訓(xùn)練得到的分類器，對采樣提取的每一幅關(guān)鍵幀進(jìn)行支持向量機檢測；\n[0068] (4-4)判斷每一幅關(guān)鍵幀是否為不良圖像；\n[0069] (4-5)統(tǒng)計步驟(4-4)中的不良圖像的數(shù)目n，并計算不良圖像占總關(guān)鍵幀的比率大小σ＝n/N；\n[0070] (4-6)根據(jù)應(yīng)用于視頻檢測內(nèi)容的視頻內(nèi)容評估模型，判斷該比率σ是否大于設(shè)定的不良視頻的閾值P(P的大小根據(jù)抽樣的時間間隔τ設(shè)定)，如果是則該視頻被認(rèn)定為不良視頻，過程結(jié)束，否則繼續(xù)步驟(4-7)；\n[0071] (4-7)在步驟(4-1)抽檢的N幀關(guān)鍵幀中，用長度為L的不良圖像檢測窗口進(jìn)行檢測。若在窗口中不良圖像的數(shù)目為li(i＝1，2，...，n)，計算窗口中不良圖像所占的比率大小\n[0072] (4-8)根據(jù)應(yīng)用于視頻檢測內(nèi)容的視頻內(nèi)容評估模型，判斷該比率大小\n是否大于設(shè)定的不良圖像檢測窗口的閾值Q(Q的大小根據(jù)不良圖像檢測\n窗口的長度L設(shè)定)，如果是，則該視頻被認(rèn)定為不良視頻，否則該視頻被認(rèn)定為正常視頻。\n[0073] 例如，對于時長為T＝159min的電影《色戒》，在離線訓(xùn)練得到圖像分類器后，抽樣檢測的具體實施方法如下：\n[0074] (1)對電影進(jìn)行解碼，得到圖像序列；\n[0075] (2)應(yīng)用自適應(yīng)抽樣方法對視頻內(nèi)容進(jìn)行檢測：\n[0076] (2-1)針對解碼后得到的圖片序列，進(jìn)行時間間隔τ＝2min的采樣，則提取得到的關(guān)鍵幀總數(shù)N＝T/τ＝80；\n[0077] (2-2)首先對采樣得到的80幀中的每一幀圖像進(jìn)行膚色檢測；\n[0078] (2-3)再根據(jù)離線訓(xùn)練得到的圖像分類器對采樣得到的80幀中的每一幀圖像進(jìn)行支持向量機檢測；\n[0079] (2-4)根據(jù)膚色檢測和支持向量機檢測判斷每一幀是否為不良圖像；\n[0080] (2-5)統(tǒng)計不良圖片的數(shù)目為n＝2，則不良圖片占總關(guān)鍵幀的比率大小為σ＝n/N＝2.5％；\n[0081] (2-6)根據(jù)應(yīng)用于視頻檢測內(nèi)容的視頻內(nèi)容評估模型，比率σ＝2.5％小于設(shè)定的不良視頻的閾值P＝10％，繼續(xù)檢測；\n[0082] (2-7)在步驟(2-5)抽檢的2幀不良關(guān)鍵幀中，用時間長度為S＝2min的不良圖像檢測窗口，進(jìn)行時間間隔為τ′＝15s的抽樣檢測。在滑動窗口檢測過程中，每個滑動窗口中抽取得到的關(guān)鍵幀數(shù)目為L＝S/τ′＝9。得到的不良圖片的數(shù)目依次為li＝7，5(i＝1，2)[0083] (2-8)根據(jù)應(yīng)用于視頻檢測內(nèi)容的視頻內(nèi)容評估模型，總的不良圖像比率大小小于設(shè)定的不良圖像檢測窗口的閾值Q＝15％，則該視頻被認(rèn)定\n為正常視頻。\n[0084] 本領(lǐng)域的技術(shù)人員容易理解，以上所述僅為本發(fā)明的較佳實施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。