专利名称：数字视频不良内容的分类方法和系统的制作方法
技术领域：
本发明涉及多媒体技术领域，特别涉及一种数字视频不良内容的分类方法和系统。
背景技术：
随着多媒体技术和互联网通信的迅速发展，数字视频已广泛传播于大量用户之间，成为人们获取信息和娱乐的主要来源之一。然而，有些数字视频内容包含色情、暴力、粗口等不良信息，如果不加以分类管理， 必将严重影响到未成年人的健康成长。目前，大部分数字视频的分类手段如下(1)、屏蔽掉列入“黑名单”的网络地址， 凡是黑名单上的地址提供的视频源都归属于不良视频而加以限制。(2)基于视频内容的识别方法，往往先对数字视频提取关键帧，然后根据图像肤色、纹理特征来进行色情图像的检测。(3)引入人脸检测手段。然而，这几种方法都存在一定的不足之处对于方法(1)来说，许多黑名单的网站采用不断改变网络地址来避免屏蔽，这单靠网络地址的方式来管控视频变得不可靠。对于方法(2)来说，仅靠纹理特征来判断是会有许多误检和漏检。比如，一张人脸特写照片与一张人体色情图像的肤色及纹理特征可能很相似。而不良视频的内容变化多样不仅有色情， 还有暴力粗口等。对于方法(3)来说，由于光线条件和人的视角变化，人脸检测也会出现大量的误检和漏检，比如人脸背对镜头，单靠人脸检测会失效。还有的方法是将视频与音频相融合来判断，然而，有些数字视频(如自拍、偷拍)根本就没有声音信息，靠声音就会失效。有鉴于此，需要提供一种新的数字视频不良内容的分类技术方案。
发明内容
鉴于上述现有技术的不足之处，本发明的目的在于提供一种数字视频不良内容的分类方法和系统，以解决现有技术中对数字视频分类方法准确率低，存在大量漏检和误检的问题。为了达到上述目的，本发明采取了以下技术方案
一种数字视频不良内容的分类方法，其中，所述方法包括以下步骤 建模步骤，建立血色模型和肤色模型；
检测分类步骤，对视频图像进行不良视频特征检测，并对所述不良视频特征进行分类， 所述不良视频特征检测包括运动检测、字符检测、敏感部位检测、肤色像素检测以及血色像素检测；
决策步骤，根据所述检测分类步骤的检测分类结果综合判定所述视频图像的限制级别。所述的数字视频不良内容的分类方法，其中，所述检测分类步骤中，对视频图像进行肤色像素检测和血色像素检测分类包括采用所述血色模型和所述肤色模型检测视频图像中的肤色像素和血色像素； 检测视频图像中人体区域像素和人头区域像素；
统计全局肤色像素与图像像素的比例、肤色像素和人体区域像素的比例、全局血色像素与图像像素的比例以及人头区域像素与肤色像素的比例；
根据预先设定的分类方法获取所述全局肤色像素与图像像素的比例、肤色像素和人体区域像素的比例、全局血色像素与图像像素的比例以及人头区域像素与肤色像素的比例的等级分类信息。所述的数字视频不良内容的分类方法，其中，所述检测分类步骤中，对视频图像进行运动检测分类包括获取视频图像中的运动特征，将所述运动特征与不良视频运动特征库存放的视频动作进行比对，并找出最接近的动作类型，获取所述动作类型的等级分类信肩、O所述的数字视频不良内容的分类方法，其中，所述检测分类步骤中，对视频图像进行字符检测分类包括获取视频图像中的字符特征，将所述字符特征与不良视频字符特征库存放的视频字符进行比对，并找出最接近的字符类型，获取所述字符类型的等级分类信肩、O所述的数字视频不良内容的分类方法，其中，所述检测分类步骤中，对视频图像进行敏感部位检测分类包括获取视频图像中的敏感部位特征，将所述敏感部位特征与不良视频敏感部位特征库存放的视频敏感部位进行比对，并找出最接近的敏感部位类型，获取所述敏感部位类型的等级分类信息。一种数字视频不良内容的分类系统，其中，包括 建模单元，建立血色模型和肤色模型；
检测分类单元，对视频图像进行不良视频特征检测，并对所述不良视频特征进行分类， 所述不良视频特征检测包括运动检测、字符检测、敏感部位检测、肤色像素检测以及血色像素检测；
决策单元，根据所述检测分类单元的检测分类结果综合判定所述视频图像的限制级别。所述的数字视频不良内容的分类系统，其中，所述检测分类单元中，对视频图像进行肤色像素检测和血色像素检测分类包括
采用所述血色模型和所述肤色模型检测视频图像中的肤色像素和血色像素； 检测视频图像中人体区域像素和人头区域像素；
统计全局肤色像素与图像像素的比例、肤色像素和人体区域像素的比例、全局血色像素与图像像素的比例以及人头区域像素与肤色像素的比例；
根据预先设定的分类方法获取所述全局肤色像素与图像像素的比例、肤色像素和人体区域像素的比例、全局血色像素与图像像素的比例以及人头区域像素与肤色像素的比例的等级分类信息。所述的数字视频不良内容的分类系统，其中，所述检测分类单元中，对视频图像进行运动检测分类包括获取视频图像中的运动特征，将所述运动特征与不良视频运动特征库存放的视频动作进行比对，并找出最接近的动作类型，获取所述动作类型的等级分类信肩、ο
所述的数字视频不良内容的分类系统，其中，所述检测分类单元中，对视频图像进行字符检测分类包括获取视频图像中的字符特征，将所述字符特征与不良视频字符特征库存放的视频字符进行比对，并找出最接近的字符类型，获取所述字符类型的等级分类信肩、ο所述的数字视频不良内容的分类系统，其中，所述检测分类单元中，对视频图像进行敏感部位检测分类包括获取视频图像中的敏感部位特征，将所述敏感部位特征与不良视频敏感部位特征库存放的视频敏感部位进行比对，并找出最接近的敏感部位类型，获取所述敏感部位类型的等级分类信息。本发明提供的数字视频不良内容的分类方法和系统，所述数字视频不良内容的分类方法首先建立血色模型和肤色模型，再根据血色模型和肤色模型对对视频图像进行血色像素检测和肤色像素检测，同时对视频图像进行运动检测、字符检测和敏感部位检测，并对上述检测结果进行分类，然后检测结果的分类信息综合判定所述视频图像的限制级别。通过肤色像素检测以及血色像素检测的引入，提高了检测率和可靠性，并使获得的比例特征变得更为可靠，从而能够更准确的提高检测不良视频的检测率，也方便了多媒体视频的管控服务和电影视频自动分级。
图1是本发明的数字视频不良内容的分类系统的结构框图。图2是本发明的数字视频不良内容的分类方法的流程图。
具体实施例方式本发明提供了一种数字视频不良内容的分类方法和系统。为使本发明的目的、技术方案及效果更加清楚、明确，以下参照附图并举实例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。请参阅图1，图1是本发明的数字视频不良内容的分类系统的结构框图。如图所示，所述数字视频不良内容的分类系统包括建模单元100、检测分类单元200和决策单元 300。具体说来，模型建立单元100初始化肤色模型、血色模型及阈值参数，以便下一步搜索数字视频图像中是否存在肤色区域和血色区域。肤色模型建立办法如下通过计算大量样本肤色图片的RGB (红绿蓝)颜色值，统计出RGB平均值的分布范围及关系
TH{ < B(x, y) < TH2, TH3 < BXx, 7) — G(χ, y) < TH4 ............公式(1)
类似地，血色模型建立办法通过计算大量样本血色图片的RGB颜色值，统计出RGB平均值的分布范围及关系
THB1 < B(x, y) < THB27THB3 < i (x5 j) — G(x5j) < THB4 公式(2) 其中，公式(1)中的m,、TH^、TH^、THt为预设阈值；公式(2)中的THB,、THB,.权利要求
1.一种数字视频不良内容的分类方法，其特征在于，所述方法包括以下步骤 建模步骤，建立血色模型和肤色模型；检测分类步骤，对视频图像进行不良视频特征检测，并对所述不良视频特征进行分类； 所述不良视频特征检测包括运动检测、字符检测、敏感部位检测、肤色像素检测以及血色像素检测；决策步骤，根据所述检测分类步骤的检测分类结果综合判定所述视频图像的限制级别。
2.根据权利要求1所述的数字视频不良内容的分类方法，其特征在于，所述检测分类步骤中，对视频图像进行肤色像素检测和血色像素检测分类包括采用所述血色模型和所述肤色模型检测视频图像中的肤色像素和血色像素； 检测视频图像中人体区域像素和人头区域像素；统计全局肤色像素与图像像素的比例、肤色像素和人体区域像素的比例、全局血色像素与图像像素的比例，以及人头区域像素与肤色像素的比例；根据预先设定的分类方法获取所述全局肤色像素与图像像素的比例、肤色像素和人体区域像素的比例、全局血色像素与图像像素的比例以及人头区域像素与肤色像素的比例的等级分类信息。
3.根据权利要求1所述的数字视频不良内容的分类方法，其特征在于，所述检测分类步骤中，对视频图像进行运动检测分类包括获取视频图像中的运动特征；将所述运动特征与不良视频运动特征库存放的视频动作进行比对，并找出最接近的动作类型，获取所述动作类型的等级分类信息。
4.根据权利要求1所述的数字视频不良内容的分类方法，其特征在于，所述检测分类步骤中，对视频图像进行字符检测分类包括获取视频图像中的字符特征；将所述字符特征与不良视频字符特征库存放的视频字符进行比对，并找出最接近的字符类型，获取所述字符类型的等级分类信息。
5.根据权利要求1所述的数字视频不良内容的分类方法，其特征在于，所述检测分类步骤中，对视频图像进行敏感部位检测分类包括获取视频图像中的敏感部位特征；将所述敏感部位特征与不良视频敏感部位特征库存放的视频敏感部位进行比对，并找出最接近的敏感部位类型，获取所述敏感部位类型的等级分类信息。
6.一种数字视频不良内容的分类系统，其特征在于，包括 建模单元，建立血色模型和肤色模型；检测分类单元，对视频图像进行不良视频特征检测，并对所述不良视频特征进行分类， 所述不良视频特征检测包括运动检测、字符检测、敏感部位检测、肤色像素检测以及血色像素检测；决策单元，根据所述检测分类单元的检测分类结果综合判定所述视频图像的限制级别。
7.根据权利要求6所述的数字视频不良内容的分类系统，其特征在于，所述检测分类单元中，对视频图像进行肤色像素检测和血色像素检测分类包括采用所述血色模型和所述肤色模型检测视频图像中的肤色像素和血色像素；检测视频图像中人体区域像素和人头区域像素；统计全局肤色像素与图像像素的比例、肤色像素和人体区域像素的比例、全局血色像素与图像像素的比例以及人头区域像素与肤色像素的比例；根据预先设定的分类方法获取所述全局肤色像素与图像像素的比例、肤色像素和人体区域像素的比例、全局血色像素与图像像素的比例以及人头区域像素与肤色像素的比例的等级分类信息。
8.根据权利要求6所述的数字视频不良内容的分类系统，其特征在于，所述检测分类单元中，对视频图像进行运动检测分类包括获取视频图像中的运动特征，将所述运动特征与不良视频运动特征库存放的视频动作进行比对，并找出最接近的动作类型，获取所述动作类型的等级分类信息。
9.根据权利要求6所述的数字视频不良内容的分类系统，其特征在于，所述检测分类单元中，对视频图像进行字符检测分类包括获取视频图像中的字符特征，将所述字符特征与不良视频字符特征库存放的视频字符进行比对，并找出最接近的字符类型，获取所述字符类型的等级分类信息。
10.根据权利要求6所述的数字视频不良内容的分类系统，其特征在于，所述检测分类单元中，对视频图像进行敏感部位检测分类包括获取视频图像中的敏感部位特征，将所述敏感部位特征与不良视频敏感部位特征库存放的视频敏感部位进行比对，并找出最接近的敏感部位类型，获取所述敏感部位类型的等级分类信息。
全文摘要
本发明公开了一种数字视频不良内容的分类方法和系统，数字视频不良内容的分类方法首先建立血色模型和肤色模型，并初始化阈值，再对视频图像进行不良视频特征检测，并对不良视频特征进行分类，不良视频特征检测包括运动检测、字符检测、敏感部位检测、肤色像素检测以及血色像素检测，然后根据检测分类步骤的检测分类结果综合判定视频图像的限制级别。通过肤色像素检测以及血色像素检测的引入，提高了检测率和可靠性，并使获得的比例特征变得更为可靠，从而能够更准确的提高检测不良视频的检测率，也方便了多媒体视频的管控服务和电影视频自动分级。
文档编号G06K9/62GK102236796SQ20111019588
公开日2011年11月9日 申请日期2011年7月13日 优先权日2011年7月13日
发明者谭文伟 申请人:Tcl集团股份有限公司