一种对互联网视频直播中的不雅动作过滤的方法
【专利摘要】本发明公开了一种对互联网视频直播中的不雅动作过滤的方法，其特征在于，包括如下步骤：步骤1、建立正常动作特征库：录制演艺人员的正常动作视频，并将其分解为色彩分量，对各个色彩分量所对应的灰度图进行深度学习，建立正常动作特征库；步骤2、甄别不雅动作视频：获取直播过程中演艺人员动作的视频图像原始信息，并对其进行直播动作特征提取，将直播动作特征与正常动作特征库中的正常动作特征进行匹配，得出匹配率，甄别不雅动作视频；步骤3、对直播视频进行处理：若甄别为正常动作视频，则将该正常动作视频进行编码播出，否则中断视频录制。本发明中的方法在不增加运算量的基础上，提升处理的效率和速度。
【专利说明】
一种对互联网视频直播中的不雅动作过滤的方法
技术领域
[0001]本发明属于图像和视频处理领域，尤其涉及一种对互联网视频直播中的不雅动作过滤的方法。
【背景技术】
[0002]互联网视频直播是当前基于互联网的在线互动娱乐形式的一种，通过直播间内演艺人员与连接到该直播间的用户进行互动，响应用户的娱乐需求，形成在线娱乐。为维护互联网风气的纯净，需要对在线视频业务进行有效的监管，以遏制涉黄、暴恐等信息的传播。然而，互联网在线视频业务的监管在全球范围内都属于一项极具挑战性的工作，需要针对不良动作建立特征库，其特征庞大，不利于实际使用，且其在线系统追求实时性，从而导致处理情况不够多，而离线系统追求全面性，从而导致运算复杂，因此，目前仍无有效的方法能够实现全面的监管。
【发明内容】
[0003]为解决上述问题，本发明提供了一种对互联网视频直播中的不雅动作过滤的方法。用以解决目前在线系统处理情况不多，而离线系统运算复杂的问题，从中寻找平衡点，在不明显增加运算量的基础行，提升处理的效率和速度。
[0004]为了解决上述技术问题，本发明的技术方案为:
[0005]—种对互联网视频直播中的不雅动作过滤的方法，包括如下步骤:
[0006]步骤1、建立正常动作特征库:录制演艺人员的正常动作视频，并将其分解为色彩分量，对各个所述色彩分量所对应的灰度图进行深度学习，建立正常动作特征库；
[0007]步骤2、甄别不雅动作视频:获取直播过程中演艺人员动作的视频图像原始信息，并对其进行直播动作特征提取，将所述直播动作特征与所述正常动作特征库中的正常动作特征进行匹配，得出匹配率，根据匹配率判断是否为不雅动作视频；
[0008]步骤3、对直播视频进行处理:若甄别为正常动作视频，则将所述正常动作视频进行编码播出，再次执行步骤2;否则中断视频录制，输出不雅动作视频结果。
[0009]其中，步骤I具体为:
[0010]对当前直播间的演艺人员录制不低于30分钟的正常动作视频，所述演艺人员完成坐姿、站姿和舞蹈动作；
[0011]将录制的所述正常动作视频内容分解为YUV色彩分量，并对各个所述YUV色彩分量所对应的灰度图进行深度学习，建立出所述正常动作特征库。
[0012]其中，所述正常动作视频分辨率不低于320*240像素，帧率不低于10帧/秒。
[0013]其中，步骤I中录制所述正常动作视频时，室内灯光为普通照明，其平均照度在50?300流明之间。
[0014]其中，所述正常动作特征库中包括所述正常动作特征的色彩、亮度、边缘，并且所述正常动作特征的维度不小于1000维。
[0015]其中，步骤2具体为:
[0016]对直播间开播过程中演艺人员的演艺动作进行视频捕获，获取视频图像原始信息;
[0017]以T为时间点，连续取η帧，对η帧视频图像分别进行单独的直播动作特征提取，并与所述正常动作特征库中的正常特征进行匹配，得出匹配率；
[0018]对所述η帧的视频图像的所述匹配率计算均值，得出平均匹配率，若所述平均匹配率处于在阈值50%?100%之间，则判断所述演艺人员在所述η帧视频图像中没有做出不雅动作，为正常动作；否则，若所述平均匹配率处于所述阈值之外，判断所述演艺人员做出不雅动作；
[0019]其中，η = 0，1，2，3……的整数。
[0020]其中，步骤3具体为:若是正常动作，则将T时刻的帧输入到视频编码器中进行编码，并以η+1帧出现的时间为下一个时间点，再次连续取η帧，重复步骤2，若是不雅动作，则中断录制过程，输出不雅动作视频结果。
[0021]其中，所述η取值为5。
[0022]其中，所述阈值为80%?85%。
[0023]与现有技术相比，本发明的有益效果为:本发明建立的是纯净动作特征库，规模较小，并在现有的在线系统与离线系统中寻找平衡点，在不增加运算量的基础上，提升处理的效率和速度，处理情况增加并且运算简便，能够在实际使用中实现全面的监管。
【附图说明】
[0024]图1为本发明中对互联网视频直播中的不雅动作过滤的方法的流程图。
【具体实施方式】
[0025]为便于本领域技术人员对本发明的技术方案和有益效果进行理解，特结合附图对【具体实施方式】进行如下描述。
[0026]如图1所示，其为发明中对互联网视频直播中的不雅动作过滤的方法的流程图。从图中可知，该方法包括如下步骤:
[0027]1、一种对互联网视频直播中的不雅动作过滤的方法，其特征在于，包括如下步骤:
[0028]步骤1、建立正常动作特征库。
[0029]录制演艺人员的正常动作视频，并将其分解为色彩分量，对各个所述色彩分量的灰度图进行深度学习，建立正常动作特征库。具体为:
[0030]对当前直播间的演艺人员录制不低于30分钟的正常动作视频，演艺人员完成坐姿、站姿和舞蹈等动作，该正常动作视频分辨率不低于320*240像素，录制设备可为黑白或者彩色相机，帧率不低于10帧/秒，录制期间，演艺人员应日常着装，室内灯光为普通照明，其平均照度不低于50流明，不高于300流明，至少完成坐姿、站姿、舞蹈动作等一般动作。[0031 ]将录制的正常动作视频内容分解为YUV色彩分量，并对各个YUV色彩分量所对应的灰度图进行深度学习，建立出正常动作特征库，留存备用。正常动作特征库中的正常动作特征包括色彩、亮度、边缘等的统计特征，其特征维度不小于1000维。其中，深度学习方法包括但不限于深度卷积神经网络。
[0032]步骤2、甄别不雅动作视频。
[0033]获取直播过程中演艺人员动作的视频图像原始信息，并对其进行直播动作特征提取，将直播动作特征与正常动作特征库中的正常动作特征进行匹配，得出匹配率，甄别不雅动作视频。具体为:
[0034]在直播间开播过程中，通过计算机自带的摄像头对演艺人员所在的场景及其演艺动作进行视频捕获，获取彩色或者黑白的视频图像原始信息，原始信息即为未经压缩的数据。以T为时间点，连续取η帧，(n = 0，I，2，3……的整数)，对上述η帧的视频图像分别进行单独的特征提取，并与正常动作特征库中的正常特征进行匹配，得出匹配率。对η帧的视频图像的匹配率计算均值，得出平均匹配率，若平均匹配率处于阈值50%?100%之间，优选为80%?85%，则判断所述演艺人员在所述η帧视频图像中没有做出不雅动作，为正常动作。否则，若平均匹配率处于所述阈值之外，判断所述演艺人员做出不雅动作。其中，在取帧开始的阶段，η取值可以较小，如η为2或3，对该视频进行细致的甄别，当视频甄别过半未出现不雅动作，则可以将η值放大。在本实施例中，η取值为5。
[0035]步骤3、对直播视频进行处理:若是正常动作，则将T时刻的帧输入到视频编码器中进行编码，并以η+1帧出现的时间为下一个时间点，再次连续取η帧，即η+1到2η帧，重复步骤
2。若是不雅动作，从该T时刻开始的所有视频图像将不被输入到视频编码器中进行编码，通过计算机对摄像头发出中断视频录制过程的指令，结束录制过程，并输出不雅动作视频结果O
[0036]本发明所涉及的方法与现有方法相比，是一种逆向处理模式，传统方法需针对不良动作建立特征库，其库庞大，不利于实际使用。本发明建立的是正常动作特征库，规模相对小很多，简化了运算。而且其在现有的在线系统与离线系统中寻找平衡点，在不增加运算量的基础上，提升处理的效率和速度，处理情况增加并且运算简便，能够实现在实际使用中的全面的监管。
[0037]以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
【主权项】
1.一种对互联网视频直播中的不雅动作过滤的方法，其特征在于，包括如下步骤: 步骤1、建立正常动作特征库:录制演艺人员的正常动作视频，并将其分解为色彩分量，对各个所述色彩分量所对应的灰度图进行深度学习，建立正常动作特征库； 步骤2、甄别不雅动作视频:获取直播过程中演艺人员动作的视频图像原始信息，并对其进行直播动作特征提取，将所述直播动作特征与所述正常动作特征库中的正常动作特征进行匹配，得出匹配率，根据匹配率判断是否为不雅动作视频； 步骤3、对直播视频进行处理:若甄别为正常动作视频，则将所述正常动作视频进行编码播出，再次执行步骤2;否则中断视频录制，输出不雅动作视频结果。2.根据权利要求1所述的对互联网视频直播中的不雅动作过滤的方法，其特征在于，步骤I具体为: 对当前直播间的演艺人员录制不低于30分钟的正常动作视频，所述演艺人员完成坐姿、站姿和舞蹈动作； 将录制的所述正常动作视频内容分解为YUV色彩分量，并对各个所述YUV色彩分量所对应的灰度图进行深度学习，建立出所述正常动作特征库。3.根据权利要求2所述的对互联网视频直播中的不雅动作过滤的方法，其特征在于，所述正常动作视频分辨率不低于320*240像素，帧率不低于10帧/秒。4.根据权利要求2所述的对互联网视频直播中的不雅动作过滤的方法，其特征在于，步骤I中录制所述正常动作视频时，室内灯光为普通照明，其平均照度在50?300流明之间。5.根据权利要求2所述的对互联网视频直播中的不雅动作过滤的方法，其特征在于，所述正常动作特征库中包括所述正常动作特征的色彩、亮度、边缘，并且所述正常动作特征的维度不小于1000维。6.根据权利要求1所述的对互联网视频直播中的不雅动作过滤的方法，其特征在于，步骤2具体为: 对直播间开播过程中演艺人员的演艺动作进行视频捕获，获取视频图像原始信息； 以T为时间点，连续取η帧，对η帧视频图像分别进行单独的直播动作特征提取，并与所述正常动作特征库中的正常特征进行匹配，得出匹配率； 对所述η帧的视频图像的所述匹配率计算均值，得出平均匹配率，若所述平均匹配率处于在阈值50%?100%之间，则判断所述演艺人员在所述η帧视频图像中没有做出不雅动作，为正常动作；否则，若所述平均匹配率处于所述阈值之外，判断所述演艺人员做出不雅动作； 其中，η = 0，1，2，3……的整数。7.根据权利要求6所述的对互联网视频直播中的不雅动作过滤的方法，其特征在于，步骤3具体为:若是正常动作，则将T时刻的帧输入到视频编码器中进行编码，并以η+1帧出现的时间为下一个时间点，再次连续取η帧，重复步骤2，若是不雅动作，则中断录制过程，输出不雅动作视频结果。8.根据权利要求7所述的对互联网视频直播中的不雅动作过滤的方法，其特征在于，所述η取值为5。9.根据权利要求6所述的对互联网视频直播中的不雅动作过滤的方法，其特征在于，所述阈值为80%?85 %。
【文档编号】H04N21/454GK106060653SQ201610406742
【公开日】2016年10月26日
【申请日】2016年6月8日
【发明人】杨铀, 朱光喜
【申请人】武汉鸿瑞达信息技术有限公司