一種不良視頻的鑑別方法和系統的製作方法
2023-09-21 08:31:10 1
一種不良視頻的鑑別方法和系統的製作方法
【專利摘要】本發明公開了一種不良視頻的鑑別方法和系統,該方法包括預設不良事件的體態特徵因子集合β的空間分布區域;按照周期提取待鑑別視頻中幀序列中的人物圖像;提取每一幀中人物圖像的基準體態參考邊沿T及其特性;提取幀間基準體態參考邊沿T的時間變化特徵μt和空間變化特徵μs;提取幀內目標人物的體態特徵因子集合β;將所述幀內目標人物的體態特徵因子集合β與所述預設的不良事件的體態特徵因子集合β的空間分布區域進行比對,判斷所述待鑑別視頻是否不良視頻。本發明的技術方案由於採用色情視頻中普遍存在的運動信息和體態變化信息,進行不良視頻鑑別的依據,因此判決不良視頻更為準確。
【專利說明】一種不良視頻的鑑別方法和系統
【技術領域】
[0001]本發明涉及信息安全【技術領域】,尤其涉及一種不良視頻的鑑別方法和系統。
【背景技術】
[0002]現在的不良視頻檢測辦法大多基於靜態單幀特徵的分析,主要的方法是從圖像序列中依據特定的規律抽取不同的圖片幀進行分析,分析依據下面的考核進行:膚色的相似性,膚色的比率,人物外形輪廓,人物特徵點的提取位置穩定性以及特殊部位的形態學模型匹配。
[0003]在獲取不同的參數特徵值後,再依據不同方案中對各個參數值的選用方法,決定最後是否滿足判決該圖片幀符合色情的條件,如是,則標記該圖片為色情,並從而判定視頻為色情視頻。
[0004]現有技術方案的缺點在於,雖然選用的參數各有不同,但都是基於靜態單幀圖片做的分析。這種方案中選用的參數都是基於圖像學進行的,未能模仿和利用人類在主觀判決過程中使用視頻的動態的相對穩定的情境因素反映的信息進行鑑別。
【發明內容】
[0005]為了解決現有技術中存在的基於靜態單幀圖片判斷不良視頻的技術問題,本發明提出一種不良視頻的鑑別方法和系統,判決不良視頻更為準確。
[0006]本發明一方面提供了一種不良視頻的鑑別方法,包括以下步驟:
[0007]預設不良事件的體態特徵因子集合β的空間分布區域;
[0008]按照周期提取待鑑別視頻中幀序列中的人物圖像;
[0009]提取每一幀中人物圖像的基準體態參考邊沿T及其特性;
[0010]提取幀間基準體態參考邊沿T的時間變化特徵μ t和空間變化特徵μ s ;
[0011]提取幀內目標人物的體態特徵因子集合β ;
[0012]將所述幀內目標人物的體態特徵因子集合β與所述預設的不良事件的體態特徵因子集合β的空間分布區域進行比對,判斷所述待鑑別視頻是否不良視頻。
[0013]本發明另一方面提供了一種不良視頻的鑑別系統,包括預設模塊、第一提取模塊、第二提取模塊、第三提取模塊、第四提取模塊、第五提取模塊、第六提取模塊和判斷模塊,其中,
[0014]預設模塊用於預設不良事件的體態特徵因子集合β的空間分布區域;
[0015]第一提取模塊用於按照周期提取待鑑別視頻中幀序列中的人物圖像;
[0016]第二提取模塊用於提取每一幀中人物圖像的基準體態參考邊沿T ;
[0017]第三提取模塊用於提取每一幀中人物圖像的基準體態參考邊沿T的特性;
[0018]第四提取模塊用於提取幀間基準體態參考邊沿T的時間變化特徵μ t ;
[0019]第五提取模塊用於提取幀間基準體態參考邊沿T的空間變化特徵μ s ;
[0020]第六提取模塊用於提取幀內目標人物的體態特徵因子集合β ; [0021]判斷模塊用於將所述幀內目標人物的體態特徵因子集合β與所述預設的不良事件的體態特徵因子 集合β的空間分布區域進行比對,判斷所述待鑑別視頻是否不良視頻。[0022]本發明的技術方案由於採用色情視頻中普遍存在的運動信息和體態變化信息,進行不良視頻鑑別的依據,因此判決不良視頻更為準確。
【專利附圖】
【附圖說明】
[0023]圖1是本發明實施例中不良視頻的鑑別的流程圖。
[0024]圖2是本發明實施例中不良視頻的鑑別系統結構示意圖。
【具體實施方式】
[0025]下面結合附圖對本發明的【具體實施方式】進行詳細描述。
[0026]本發明提出一種基於視頻圖像中人物(群類)運動信息的分析,劃分鑑別不良視頻相關動作類屬和關聯情境的方法。這種方法先使用一種專用的獨立區塊邊沿鑑別算法檢測人物,將人物劃分為多個獨立區塊,然後標記出這些區塊的邊沿,再比較多幀中獨立區塊邊沿本身的變化,計算每一個變化中區塊的運動矢量,從而提取這個區塊的多個的運動特徵因子μ。通過運動特徵因子μ的集合,得到這個區η塊的體態特徵因子集合β,而體態特徵因子集合β本身可以對應不同的不良色情事件情境(體態變化,動作激烈程度,多人物肢體幹涉等)之間有較好的對應關係,從而定義一個視頻片段內的色情概率,可以對特定視頻片段進行色情程度的評判。
[0027]圖1是本發明實施例中不良視頻的鑑別的流程圖。如圖1所示,該不良視頻的鑑別流程包括以下步驟:
[0028]步驟101、預設不良事件的體態特徵因子集合β的空間分布區域。
[0029]研究發現,典型的色情情節視頻都有其特有的體態特徵因子集合β,這些特徵可以較好地區分一段視頻是否具有該類色情情節。這些特徵是多個因子的組合條件,這些條件形成了判斷的充分條件。體態特徵因子集合β包括一個標準時間區段Du中的時間變化特徵μ t對應所述最小外延擬合橢圓Θ封閉區間的中心點空間位置坐標Ce、佔空比OBR和空間擴散率SDR,即μ t_cc、μ t-obr和μ t_sdr,以及空間變化特徵μ s對應所述最小外延擬合橢圓0封閉區間的中心點空間位置坐標Ce和空間擴散率SDR,即μ s-cc和μ S_sdr。
[0030]例如:
[0031]
【權利要求】
1.一種不良視頻的鑑別方法,其特徵在於,包括以下步驟: 預設不良事件的體態特徵因子集合β的空間分布區域; 按照周期提取待鑑別視頻中幀序列中的人物圖像; 提取每一幀中人物圖像的基準體態參考邊沿T及其特性; 提取幀間基準體態參考邊沿T的時間變化特徵μ t和空間變化特徵μ s ; 提取幀內目標人物的體態特徵因子集合β ; 將所述幀內目標人物的體態特徵因子集合β與所述預設的不良事件的體態特徵因子集合β的空間分布區域進行比對,判斷所述待鑑別視頻是否不良視頻。
2.根據權利要求1所述的一種不良視頻的鑑別方法,其特徵在於,所述體態特徵因子集合β包括一個標準時間區段Du中的時間變化特徵Ut對應所述最小外延擬合橢圓Θ封閉區間的中心點空間位置坐標Ce、佔空比OBR和空間擴散率SDR,即μ t-cc、μ t_obr和μ t-sdr,以及空間變化特徵μ s對應所述最小外延擬合橢圓Θ封閉區間的中心點空間位置坐標Ce和空間擴散率SDR,gp Us-CC和μ s-sdro
3.根據權利要求1所述的一種不良視頻的鑑別方法,其特徵在於,採用臉部映射或者體位輪廓映射提取待鑑別視頻中幀序列中的人物圖像。
4.根據權利要求1所述的一種不良視頻的鑑別方法,其特徵在於,所述提取每一幀中人物圖像的基準體態參考 邊沿T,進一步包括以下步驟: 將所有人物圖像的像素同時在YUV模式和HSL模式下,提取每一個像素點的V分量和S分量; 計算所述每一個像素點的體態因子μ = (V*S); 計算在整個人物區塊的所有像素點的0=μ的一次變化曲率,其中前後間隔特定幀數Fe的兩幀中的同一個點,其中5是鄰點一次曲率; 提取每一幀中δ最大的點作為第一體態基準點,以所述第一體態基準點為準,依次向外擴展計算與其相連8個點的c'提取這8個點中S最大的點作為第二體態基準點; 重複上述步驟,在整個人物區塊的範圍內將所有的點都計算一次f得到人物圖像點中所有的作為體態基準點的點,從而得到當前幀的一個由體態基準點構成的圖像,作為該幀的基準體態參考邊沿Τ。
5.根據權利要求4所述的一種不良視頻的鑑別方法,其特徵在於,所述提取每一幀中人物圖像的基準體態參考邊沿T的特性,進一步包括以下步驟: 提取每一幀中人物圖像的基準體態參考邊沿T的鑑別因子,包括最小外延擬合橢圓Θ封閉區間的中心點空間位置坐標Ce、佔空比OBR和空間擴散率SDR,其中佔空比OBR為基準體態參考邊沿T的像素數量與最小外延擬合橢圓0邊沿所圍成的區域的像素數量之比。
6.根據權利要求5所述的一種不良視頻的鑑別方法,其特徵在於,還包括以下步驟: 以基準體態參考邊沿T的幾何中心位置為中心,以預定的角度Ω將基準體態參考邊沿T所在的平面進行均分,形成不少於2個角度為Ω的橢圓扇型擬合區域; 基準體態參考邊沿T的點在每一個由角度Ω平分線構成的坐標系的投影之和的絕對值組成了基準體態參考邊沿T在這一方向上的向量; 所述空間擴散率SDR表示基準體態參考邊沿T的內容點分布是否存在特定方向上的明顯的趨向擴散。
7.根據權利要求6所述的一種不良視頻的鑑別方法,其特徵在於,角度Ω大於或者等於30度,且小於或者等於90度。
8.根據權利要求1所述的一種不良視頻的鑑別方法,其特徵在於,所述提取幀間基準體態參考邊沿T的時間變化特徵μ t,進一步包括以下步驟: 對前後幀的最小外延擬合橢圓Θ封閉區間的中心點空間位置坐標Ce、佔空比OBR和空間擴散率SDR的變化做一次曲率分析,得到視頻圖像上最小外延擬合橢圓Θ封閉區間的中心點空間位置坐標Ce、佔空比OBR和空間擴散率SDR的時間變化特徵μ t。
9.根據權利要求8所述的一種不良視頻的鑑別方法,其特徵在於,以200ms作為一個標準時間區段DU,時間變化特徵μ t對應所述最小外延擬合橢圓Θ封閉區間的中心點空間位置坐標Ce、佔空比OBR和空間擴散率SDR分別是μ t_cc、μ t_obr和μ t_sdr。
10.根據權利要求1所述的一種不良視頻的鑑別方法,其特徵在於,所述提取幀間基準體態參考邊沿T的空間變化特徵μ s,進一步包括以下步驟: 在一個標準時間區段Du內,取所有幀的基準體態參考邊沿T的最小外延擬合橢圓Θ封閉區間的中心點空間位置坐標Ce和空間擴散率SDR ; 計算兩者在特定均勻劃分的空間角度Ω上的分布密度和強度變化,得到基準體態參考邊沿T的空間變化特徵μ s。
11.根據權利要求10所述的一種不良視頻的鑑別方法,其特徵在於, 空間變化特徵μ3是一 個由空間變化特徵Us對應所述最小外延擬合橢圓Θ封閉區間的中心點空間位置坐標Ce和空間擴散率SDR,即μ S-CC和μ s-sdr構成的線性函數,μ s =Α* μ s-cc+B* μ S_sdr,其中,A和B是預定的係數,其斜率表徵了操作者對不同不良事件特性的關注度。
12.根據權利要求11所述的一種不良視頻的鑑別方法,其特徵在於,獲得所述ys-cc的步驟進一步包括: 計算在一個標準時間區段Du內相鄰兩幀中,第二幀的中心點坐標的在第一幀的Ω空間內所有坐標上空間變化量,得到第二幀的ys_cci,將一個標準時間區段Du內所有幀的μ s-cci相加,取絕對值,得到一個標準時間區段Du內的μ s_cc。
13.根據權利要求11所述的一種不良視頻的鑑別方法,其特徵在於,獲得所述Us-Sdr的步驟進一步包括: 將一個標準時間區段Du內相鄰兩幀的第一幀上的空間擴散率SDR和第二幀的空間擴散率SDR做對比,取一次變化率得到第二幀μ S_sdri,將一個標準時間區段Du內所有幀的μ s-sdri相加,取絕對值,得到一個標準時間區段Du內的μ S_sdr。
14.根據權利要求1所述的一種不良視頻的鑑別方法,其特徵在於,所述提取幀內目標人物的體態特徵因子集合β進一步包括以下步驟: 每一個標準時間區段Du中,對所有目標人物,時間變化特徵μ t對應所述最小外延擬合橢圓Θ封閉區間的中心點空間位置坐標Ce、佔空比OBR和空間擴散率SDR,即μ t-cc、μ t_obr和μ t-sdr,以及空間變化特徵μ s對應所述最小外延擬合橢圓Θ封閉區間的中心點空間位置坐標Ce和空間擴散率SDRJP ys-CC和μ s-sdr,形成這個片段的所述目標人物區域的體態特徵因子集合β,使用一個5維的空間加以描述。
15.一種不良視頻的鑑別系統,其特徵在於,包括預設模塊、第一提取模塊、第二提取模塊、第三提取模塊、第四提取模塊、第五提取模塊、第六提取模塊和判斷模塊,其中, 預設模塊用於預設不良事件的體態特徵因子集合β的空間分布區域; 第一提取模塊用於按照周期提取待鑑別視頻中幀序列中的人物圖像; 第二提取模塊用於提取每一幀中人物圖像的基準體態參考邊沿T ; 第三提取模塊用於提取每一幀中人物圖像的基準體態參考邊沿T的特性; 第四提取模塊用於提取幀間基準體態參考邊沿T的時間變化特徵μ t ; 第五提取模塊用於提取幀間基準體態參考邊沿T的空間變化特徵μ s ; 第六提取模塊用於提取幀內目標人物的體態特徵因子集合β; 判斷模塊用於將所述幀內目標人物的體態特徵因子集合β與所述預設的不良事件的體態特徵因子集合β的 空間分布區域進行比對,判斷所述待鑑別視頻是否不良視頻。
【文檔編號】G06K9/00GK103902954SQ201210575836
【公開日】2014年7月2日 申請日期:2012年12月26日 優先權日:2012年12月26日
【發明者】夏玉溪, 楊騰海, 汪蕾蕾, 張剛, 陳其勇, 周松, 翁先正, 郭麟, 王宇, 羅勇 申請人:中國移動通信集團貴州有限公司