专利名称：一种敏感视频过滤方法及装置的制作方法
技术领域：
本发明主要涉及图像处理领域，特别是指图像处理领域的一种敏感视频过滤方法及装置。
背景技术：
随着科技的发展，互联网在人们的生活中发挥着越来越重要的作用，随着互联网飞速发展的还有网络色情的泛滥，网络色情视频等泛滥的现象已引起了广泛关注，一些预防网络色情的软件和方法相继被推出。例如在我国境内大部分网站多媒体视频检索中都采用了关键词分级方法。这种过滤方法在打击黄毒蔓延中起到了一定作用，但存在着技术缺陷如1、网址数据库不能及时跟踪网页域名或IP (Internet Protocol,网络互连协议)地址的变化；2、关键字过滤局限性比较大；如果不良网站躲避了网址过滤和关键字过滤，传统的过滤器没有任何防范措施；因此必须从源头上对网络色情进行遏制。近年来，基于内容的视频图像过滤技术已经引起了人们的广泛关注。主要采用的方法有一、用计算机视觉和图像理解技术对裸体图像等色情图像识别进行研究，通过对肤色分割和人体姿态的几何特征检测来判别图像是否含有裸体等色情图像。该技术方案对于一幅经过皮肤检测，并进一步通过人体表现姿态检测确定为可疑图像。二、用Daubechies小波和颜色直方图特征进行敏感图像检测。发明人在实现本发明的过程中发现，现有技术中各种方案对敏感图像的检测和过滤都不够精确。
发明内容
本发明提出一种敏感视频过滤方法及装置，能够更加精确的确定视频图像中是否存在敏感图像。本发明实施例的技术方案是这样实现的一种敏感视频过滤方法，包括步骤Al 从视频图像中获取一帧图像；步骤A2 根据肤色模型对所述一帧图像进行肤色检测，获得第一肤色区域；步骤A3 对所述第一肤色区域进行纹理处理，确定是否存在基于人的第二肤色区域，如果存在基于人的第二肤色区域，则进入下一步；步骤A4 过滤掉包含所述一帧图像的视频图像。优选的，所述步骤A4前还包括步骤Bl 根据区域检测模型检测存在第二肤色区域的所述一帧图像中是否存在敏感器官，如果存在敏感器官，则进入所述步骤A4。优选的，所述区域检测模型采用AdaBoost分类器对敏感器官图像区域进行训练和学习获得。
优选的，所述肤色模型为双色反射模型。优选的，所述步骤Al前还包括步骤AO 根据人脸识别模型检测所述视频图像中是否存在人脸，如果所述视频图像中存在人脸，则进入所述步骤Al。一种敏感视频过滤装置，包括获取单元，用于从视频图像中获取一帧图像；第一检测单元，用于根据肤色模型对所述一帧图像进行肤色检测，获得第一肤色区域；处理单元，用于对所述第一肤色区域进行纹理处理，确定是否存在基于人的第二肤色区域；过滤单元，用于过滤掉包含所述一帧图像的视频图像。优选的，还包括第二检测单元，用于根据区域检测模型检测存在第二肤色区域的所述一帧图像中是否存在敏感器官；其中，所述过滤单元在所述一帧图像中存在敏感器官时过滤掉包含所述一帧图像的视频图像。优选的，所述区域检测模型采用AdaBoost分类器对敏感器官图像区域进行训练和学习获得。优选的，所述肤色模型为双色反射模型。优选的，还包括第三检测单元，用于根据人脸识别模型检测所述视频图像中是否存在人脸。本发明技术方案通过进行纹理处理，确定视频图像中是否存在基于人的肤色区域，从而能够更加精确的确定视频图像中是否存在敏感图像。进一步，本发明技术方案对含有较小肤色区域但明显含有敏感器官的敏感图像根据区域检测模型检测是否存在敏感器官，从而能够更加精确的确定视频图像中是否存在敏感图像，最终达到更加准确过滤敏感视频的目的。
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本发明一种敏感视频过滤方法第一实施例的流程示意图；图2为本发明一种敏感视频过滤装置第一实施例的结构示意图。
具体实施例方式下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。参照图1，示出了本发明一种敏感视频过滤方法第一实施例的流程示意图，包括步骤步骤S110、从视频图像中获取一帧图像。视频图像是由一系列连续的帧组成的；帧是组成视频的最小单位，因此本发明中可以以帧为单位确定敏感视频。步骤S120、根据肤色模型对所述一帧图像进行肤色检测，获得第一肤色区域。敏感图像的光照条件比较特殊，涉及到人体各个部位的肤色。所述肤色模型在一定程度上反映了人的皮肤特征。所述肤色模型主要依靠颜色特征，特别是HSV(hue色调， saturation饱和度，value亮度)的值进行肤色检测，所述肤色模型在现有技术中已经有充分的公开，在此不再赘述。进行肤色检测时，传统的肤色检测算法是基于像素的，由于受光照条件和噪声等信息的干扰，导致许多肤色点不能被正确识别。因此，在本发明中，优选采用基于区域的肤色特征提取算法，在基于点的肤色特征检测的基础上，考虑了被检测点周围像素的颜色特征，并根据一定区域内像素的相似性质来确定被检测像素点的特征。进一步，为了使肤色模型能适应各种光照的变化，本发明优选应用双色反射模型来描述皮肤的反射光谱，并以此为基础进行肤色检测，所述双色反射模型在现有技术中已经有充分的公开，在此不再赘述。步骤S130、对所述第一肤色区域进行纹理处理，确定是否存在基于人的第二肤色区域。如果存在基于人的第二肤色区域，则进入下一步，否则，退出流程。在所述步骤S120中，单靠颜色特征，特别是HSV的值进行肤色检测，还并不能准确的确定所述第一肤色区域是否为人的皮肤区域。这是因为，在现实世界中，有很多物体的颜色和人类肤色具有相似性，如黄色桌面、狮子毛皮的颜色都与人类肤色相似。由于人类的肤色区域是均一纹理区域，因此，在所述步骤S120中检测出的肤色区域上，进一步加入纹理处理，从而可以进一步确定是否是人的皮肤区域。本发明采用局部二值模式(Local Byte Pattern)进行纹理处理，所述模式概括了局部灰度级结构，利用相应的算子分别将各像素与其邻域像素比较，得到每个像素的二进制取值，即LBP(Xc5yc)=^SiSign(Pi-Pc)
其中，LBP (χ。，yc)表示像素c的局部二值模式灰度值，Pc表示像素c的实际灰度值，Pi表示像素c的第i个邻域像素的实际灰度值，sign为符号函数。步骤S140、根据区域检测模型检测存在第二肤色区域的所述一帧图像中是否存在敏感器官，如果存在敏感器官，则进入步骤S150，否则，退出流程。在现有技术中，无法实现对于含有较小肤色区域但明显含有裸露器官等敏感器官的敏感图像进行检测，在本发明技术方案中，根据区域检测模型检测存在第二肤色区域的所述一帧图像中是否存在敏感器官，通过对特定区域的定位和识别，可以精确的实现对于含有较小肤色区域但明显含有裸露器官等敏感器官的敏感图像进行检测。CN 102201064 A
说明书
4/5页其中，所述区域检测模型采用AdaBoost分类器通过对大量的敏感器官图像区域进行训练和学习获得。AdaBoost是一种迭代算法，其核心思想是针对同一个训练集训练不同的分类器 (弱分类器)，然后把这些弱分类器集合起来，构成一个更强的最终分类器(强分类器)。 其算法本身是通过改变数据分布来实现的，它根据每次训练集之中每个样本的分类是否正确，以及上次的总体分类的准确率，来确定每个样本的权值。将修改过权值的新数据集送给下层分类器进行训练，然后将每次训练得到的分类器再最后融合起来，作为最后的决策分类器。步骤S150、过滤掉包含所述一帧图像的视频图像。如果存在第二肤色区域的所述一帧图像中存在敏感器官，如裸露器官，则表明所述一帧图像中敏感图像，从而过滤掉包含所述一帧图像的视频图像。在本发明的另一个实施例中，也可以不包括所述步骤S140，即从所述步骤S130直接至所述步骤S150，当然中，该实施例中对敏感视频的过滤效果肯定没有图1实施例所述技术方案的过滤效果精确。在本发明的另一实施例中，所述步骤SllO前还可以包括步骤S100、根据人脸识别模型检测所述视频图像中是否存在人脸。如果所述视频图像中存在人脸，则进入步骤S110，否则直接退出流程。本发明技术方案通过进行纹理处理，确定视频图像中是否存在基于人的肤色区域，从而能够更加精确的确定视频图像中是否存在敏感图像。进一步，本发明技术方案对含有较小肤色区域但明显含有敏感器官的敏感图像根据区域检测模型检测是否存在敏感器官，从而能够更加精确的确定视频图像中是否存在敏感图像，最终达到更加准确过滤敏感视频的目的。参照图2，示出了本发明一种敏感视频过滤装置第一实施例的结构示意图。所述敏感视频过滤装置200包括获取单元210，用于从视频图像中获取一帧图像。第一检测单元220，用于根据肤色模型对所述一帧图像进行肤色检测，获得第一肤色区域。所述肤色模型优选为双色反射模型。处理单元230，用于对所述第一肤色区域进行纹理处理，确定是否存在基于人的第二肤色区域。过滤单元250，用于过滤掉包含所述一帧图像的视频图像。在本发明的另一实施例中，所述敏感视频过滤装置200还包括第二检测单元M0，用于根据区域检测模型检测存在第二肤色区域的所述一帧图像中是否存在敏感器官。其中，所述过滤单元250在所述一帧图像中存在敏感器官时过滤掉包含所述一帧图像的视频图像。其中，所述区域检测模型采用AdaBoost分类器对敏感器官图像区域进行训练和学习获得。在本发明另一实施例中，所述敏感视频过滤装置200还包括
第三检测单元(图未示)，用于根据人脸识别模型检测所述视频图像中是否存在人脸。如果视频图像中不存在人脸，即当然不可能存在敏感图像，因此也就没必要进视频进行过滤了。所述敏感视频过滤装置200的各组成部分的工作过程和工作原理已经在图1所述实施例中进行了详细描述，为了篇幅考虑，在此不再赘述，在装置实施例中未详细描述的部分参照方法实施例相关部分的描述即可。本发明技术方案通过进行纹理处理，确定视频图像中是否存在基于人的肤色区域，从而能够更加精确的确定视频图像中是否存在敏感图像。进一步，本发明技术方案对含有较小肤色区域但明显含有敏感器官的敏感图像根据区域检测模型检测是否存在敏感器官，从而能够更加精确的确定视频图像中是否存在敏感图像，最终达到更加准确过滤敏感视频的目的。本领域普通技术人员可以理解，实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，所述的程序可以存储于一计算机可读取存储介质中， 该程序在执行时，包括如上述方法实施例的步骤，所述的存储介质，如磁碟、光盘、只读存储记忆体(Read-Only Memory, ROM)或随机存储记忆体(Random Access Memory, RAM)等。 在本发明各方法实施例中，所述各步骤的序号并不能用于限定各步骤的先后顺序，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，对各步骤的先后变化也在本发明的保护范围之内。以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，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。
权利要求
1.一种敏感视频过滤方法，其特征在于，包括 步骤Al 从视频图像中获取一帧图像；步骤A2 根据肤色模型对所述一帧图像进行肤色检测，获得第一肤色区域； 步骤A3 对所述第一肤色区域进行纹理处理，确定是否存在基于人的第二肤色区域， 如果存在基于人的第二肤色区域，则进入下一步； 步骤A4 过滤掉包含所述一帧图像的视频图像。
2.根据权利要求1所述的敏感视频过滤方法，其特征在于，所述步骤A4前还包括 步骤Bl 根据区域检测模型检测存在第二肤色区域的所述一帧图像中是否存在敏感器官，如果存在敏感器官，则进入所述步骤A4。
3.根据权利要求2所述的敏感视频过滤方法，其特征在于，所述区域检测模型采用 AdaBoost分类器对敏感器官图像区域进行训练和学习获得。
4.根据权利要求1至3任一项所述的敏感视频过滤方法，其特征在于，所述肤色模型为双色反射模型。
5.根据权利要求4所述的敏感视频过滤方法，其特征在于，所述步骤Al前还包括 步骤AO 根据人脸识别模型检测所述视频图像中是否存在人脸，如果所述视频图像中存在人脸，则进入所述步骤Al。
6.一种敏感视频过滤装置，其特征在于，包括 获取单元，用于从视频图像中获取一帧图像；第一检测单元，用于根据肤色模型对所述一帧图像进行肤色检测，获得第一肤色区域；处理单元，用于对所述第一肤色区域进行纹理处理，确定是否存在基于人的第二肤色区域；过滤单元，用于过滤掉包含所述一帧图像的视频图像。
7.根据权利要求6所述的敏感视频过滤装置，其特征在于，还包括第二检测单元，用于根据区域检测模型检测存在第二肤色区域的所述一帧图像中是否存在敏感器官；其中，所述过滤单元在所述一帧图像中存在敏感器官时过滤掉包含所述一帧图像的视频图像。
8.根据权利要求7所述的敏感视频过滤装置，其特征在于，所述区域检测模型采用 AdaBoost分类器对敏感器官图像区域进行训练和学习获得。
9.根据权利要求6至8任一项所述的敏感视频过滤装置，其特征在于，所述肤色模型为双色反射模型。
10.根据权利要求9所述的敏感视频过滤装置，其特征在于，还包括 第三检测单元，用于根据人脸识别模型检测所述视频图像中是否存在人脸。
全文摘要
本发明公开了一种敏感视频过滤方法及装置。所述方法包括步骤A1从视频图像中获取一帧图像；步骤A2根据肤色模型对所述一帧图像进行肤色检测，获得第一肤色区域；步骤A3对所述第一肤色区域进行纹理处理，确定是否存在基于人的第二肤色区域，如果存在基于人的第二肤色区域，则进入下一步；步骤A4过滤掉包含所述一帧图像的视频图像。本发明所述技术方案能够更加精确的确定视频图像中是否存在敏感图像，从而准确的过滤敏感视频。
文档编号G06K9/66GK102201064SQ20101013317
公开日2011年9月28日 申请日期2010年3月25日 优先权日2010年3月25日
发明者崔国勤 申请人:北京中星微电子有限公司