[發明專利]基于慢特征分析的暴力視頻檢測方法

有效

• 申請號: 201210340160.1
• 申請日: 2012-09-13
• 公開（公告）號: CN102902981A
• 公開（公告）日: 2013-01-30
• 發明（設計）人: 王亮;張彰;王開業
• 申請（專利權）人: 中國科學院自動化研究所
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06T7/20
• 代理公司: 中科專利商標代理有限責任公司 11021
• 代理人: 宋焰琴

技術領域

本發明涉及模式識別技術領域，特別涉及一種基于慢特征分析的暴力視頻檢測方法。

背景技術

現在，隨著社交網站的快速發展，比如國外的Facebook，Twitter，Youtube，國內的人人網，新浪微博，優酷網，上傳到網絡上的視頻的數量迅猛增長，用戶可以方便地觀看和下載他們感興趣的視頻，然而在大量的視頻中，存在著很多暴力內容，這些內容會對青少年用戶產生不良的示范作用，有可能會誘導他們產生暴力行為，甚至犯罪。為了保護青少年用戶免受這些暴力內容的影響，現在急需一種有效地，自動地，基于內容的暴力視頻檢測方法，來過濾掉這些有害視頻。

現有的技術大多需要使用聲音信息進行暴力視頻的檢測，一些技術單獨用聲音信息構建特征向量，另一些技術將聲音信息和視覺信息結合構建特征向量，然后送入分類器進行模型構建，最后，對新來樣本進行分類。然而，在很多情況下，視頻中并沒有聲音信息，如監控錄像；而且，一些視頻的聲音信息和它們的視頻內容并不一致，甚至會干擾視頻內容的檢測。

發明內容

為了解決上述現有技術中存在的問題，本發明的目的是提供一種基于慢特征分析的暴力視頻檢測方法，提取能有效區分暴力內容的視覺特征，單獨使用視覺特征來檢測暴力視頻。

本發明提出的一種基于慢特征分析的暴力視頻檢測方法包括以下步驟：

步驟S1，對于已經標好類的視頻樣本，計算其密集光流場；

步驟S2，從所述視頻的每個幀中以一定步長提取多個密集特征點，分別跟蹤所述密集特征點在整個視頻中的軌跡，從而得到由所述視頻中所有密集特征點對應的密集軌跡組成的密集軌跡集合T；

步驟S3，對于所述密集軌跡集合T中的每條密集軌跡，提取其中各軌跡點鄰域的像素值，構建出與每條密集軌跡對應的多個向量V；

步驟S4，基于每條密集軌跡對應的多個向量V，通過慢特征學習方法，對于每一類向量，得到一個對該類向量對應的J維慢特征函數C1；

步驟S5，將步驟S3得到的與每條密集軌跡對應的多個向量V分別輸入到慢特征函數C1中，基于所述慢特征函數C1的輸出向量構建該視頻的特征表示f；

步驟S6，將所述視頻的特征表示f作為特征向量輸入到支持向量機SVM分類器中，構造分類器模型；

步驟S7，輸入一個測試視頻，將該測試視頻分為多個測試視頻段，對于每個測試視頻段計算其密集光流場；

步驟S8，從所述測試視頻段的每個幀中提取多個密集特征點，分別跟蹤所述密集特征點在整個視頻段中的軌跡，從而得到由所述測試視頻段中所有密集特征點對應的密集軌跡組成的密集軌跡集合T′；

步驟S9，對于所述密集軌跡集合T′中的每條密集軌跡，提取其中各軌跡點鄰域的像素值，構建出與每條密集軌跡對應的多個向量V′；

步驟S10，將步驟S9得到的與每條密集軌跡對應的多個向量V′輸入到所述慢特征函數C1中，基于所述慢特征函數C1的輸出向量得到該測試視頻段的特征表示f′；

步驟S11，將所述測試視頻段的特征表示f′作為特征向量輸入到所述步驟S6得到的分類器模型中，即可判斷該測試視頻段是否為暴力視頻段；

步驟S12，如果該測試視頻中超過一比例的視頻段被識別為暴力，則該測試視頻為暴力視頻，否則，為非暴力視頻。

根據本發明的方法，能有效檢測出互聯網上視頻的暴力內容，為互聯網不良內容的過濾提供強有力的依據。

附圖說明

圖1是本發明基于慢特征分析的暴力視頻檢測方法流程圖。

圖2是本發明基于軌跡的向量的構造示意圖。

圖3是根據本發明實施例的暴力視頻檢測結果。

圖4是根據本發明實施例的非暴力視頻的檢測結果。

具體實施方式

為使本發明的目的、技術方案和優點更加清楚明白，以下結合具體實施例，并參照附圖，對本發明進一步詳細說明。

圖1是本發明基于慢特征分析的暴力視頻檢測方法流程圖，如圖1所示，本發明基于慢特征分析的暴力視頻檢測方法流程圖，包括訓練過程和識別過程兩個部分：

所述訓練過程可以描述為：對已經標好類的視頻進行密集軌跡提取，基于軌跡用慢特征分析方法學習出慢特征函數，通過慢特征函數得到視頻段的特征表示，最后對提取的特征進行訓練并建模，即學習能有效區分暴力視頻和非暴力視頻的特征。所述識別過程可以描述為：對新來視頻進行特征提取，將提取的特征輸入到訓練得到的模型，從而得到視頻的類別(暴力視頻或非暴力視頻)。

所述訓練過程進一步包括以下步驟：