一种不良视频的鉴别方法和系统的制作方法
【专利摘要】本发明公开了一种不良视频的鉴别方法和系统，该方法包括预设不良事件的体态特征因子集合β的空间分布区域；按照周期提取待鉴别视频中帧序列中的人物图像；提取每一帧中人物图像的基准体态参考边沿T及其特性；提取帧间基准体态参考边沿T的时间变化特征μt和空间变化特征μs；提取帧内目标人物的体态特征因子集合β；将所述帧内目标人物的体态特征因子集合β与所述预设的不良事件的体态特征因子集合β的空间分布区域进行比对，判断所述待鉴别视频是否不良视频。本发明的技术方案由于采用色情视频中普遍存在的运动信息和体态变化信息，进行不良视频鉴别的依据，因此判决不良视频更为准确。
【专利说明】一种不良视频的鉴别方法和系统
【技术领域】
[0001]本发明涉及信息安全【技术领域】，尤其涉及一种不良视频的鉴别方法和系统。
【背景技术】
[0002]现在的不良视频检测办法大多基于静态单帧特征的分析，主要的方法是从图像序列中依据特定的规律抽取不同的图片帧进行分析，分析依据下面的考核进行:肤色的相似性，肤色的比率，人物外形轮廓，人物特征点的提取位置稳定性以及特殊部位的形态学模型匹配。
[0003]在获取不同的参数特征值后，再依据不同方案中对各个参数值的选用方法，决定最后是否满足判决该图片帧符合色情的条件，如是，则标记该图片为色情，并从而判定视频为色情视频。
[0004]现有技术方案的缺点在于，虽然选用的参数各有不同，但都是基于静态单帧图片做的分析。这种方案中选用的参数都是基于图像学进行的，未能模仿和利用人类在主观判决过程中使用视频的动态的相对稳定的情境因素反映的信息进行鉴别。
【发明内容】
[0005]为了解决现有技术中存在的基于静态单帧图片判断不良视频的技术问题，本发明提出一种不良视频的鉴别方法和系统，判决不良视频更为准确。
[0006]本发明一方面提供了一种不良视频的鉴别方法，包括以下步骤:
[0007]预设不良事件的体态特征因子集合β的空间分布区域；
[0008]按照周期提取待鉴别视频中帧序列中的人物图像；
[0009]提取每一帧中人物图像的基准体态参考边沿T及其特性；
[0010]提取帧间基准体态参考边沿T的时间变化特征μ t和空间变化特征μ s ;
[0011]提取帧内目标人物的体态特征因子集合β ;
[0012]将所述帧内目标人物的体态特征因子集合β与所述预设的不良事件的体态特征因子集合β的空间分布区域进行比对，判断所述待鉴别视频是否不良视频。
[0013]本发明另一方面提供了一种不良视频的鉴别系统，包括预设模块、第一提取模块、第二提取模块、第三提取模块、第四提取模块、第五提取模块、第六提取模块和判断模块，其中，
[0014]预设模块用于预设不良事件的体态特征因子集合β的空间分布区域；
[0015]第一提取模块用于按照周期提取待鉴别视频中帧序列中的人物图像；
[0016]第二提取模块用于提取每一帧中人物图像的基准体态参考边沿T ；
[0017]第三提取模块用于提取每一帧中人物图像的基准体态参考边沿T的特性；
[0018]第四提取模块用于提取帧间基准体态参考边沿T的时间变化特征μ t ;
[0019]第五提取模块用于提取帧间基准体态参考边沿T的空间变化特征μ s ；
[0020]第六提取模块用于提取帧内目标人物的体态特征因子集合β ； [0021]判断模块用于将所述帧内目标人物的体态特征因子集合β与所述预设的不良事件的体态特征因子 集合β的空间分布区域进行比对，判断所述待鉴别视频是否不良视频。[0022]本发明的技术方案由于采用色情视频中普遍存在的运动信息和体态变化信息，进行不良视频鉴别的依据，因此判决不良视频更为准确。
【专利附图】
【附图说明】
[0023]图1是本发明实施例中不良视频的鉴别的流程图。
[0024]图2是本发明实施例中不良视频的鉴别系统结构示意图。
【具体实施方式】
[0025]下面结合附图对本发明的【具体实施方式】进行详细描述。
[0026]本发明提出一种基于视频图像中人物(群类)运动信息的分析，划分鉴别不良视频相关动作类属和关联情境的方法。这种方法先使用一种专用的独立区块边沿鉴别算法检测人物，将人物划分为多个独立区块，然后标记出这些区块的边沿，再比较多帧中独立区块边沿本身的变化，计算每一个变化中区块的运动矢量，从而提取这个区块的多个的运动特征因子μ。通过运动特征因子μ的集合，得到这个区η块的体态特征因子集合β，而体态特征因子集合β本身可以对应不同的不良色情事件情境(体态变化，动作激烈程度，多人物肢体干涉等)之间有较好的对应关系，从而定义一个视频片段内的色情概率，可以对特定视频片段进行色情程度的评判。
[0027]图1是本发明实施例中不良视频的鉴别的流程图。如图1所示，该不良视频的鉴别流程包括以下步骤:
[0028]步骤101、预设不良事件的体态特征因子集合β的空间分布区域。
[0029]研究发现，典型的色情情节视频都有其特有的体态特征因子集合β，这些特征可以较好地区分一段视频是否具有该类色情情节。这些特征是多个因子的组合条件，这些条件形成了判断的充分条件。体态特征因子集合β包括一个标准时间区段Du中的时间变化特征μ t对应所述最小外延拟合椭圆Θ封闭区间的中心点空间位置坐标Ce、占空比OBR和空间扩散率SDR，即μ t_cc、μ t-obr和μ t_sdr，以及空间变化特征μ s对应所述最小外延拟合椭圆0封闭区间的中心点空间位置坐标Ce和空间扩散率SDR，即μ s-cc和μ S_sdr。
[0030]例如:
[0031]
【权利要求】
1.一种不良视频的鉴别方法，其特征在于，包括以下步骤: 预设不良事件的体态特征因子集合β的空间分布区域； 按照周期提取待鉴别视频中帧序列中的人物图像； 提取每一帧中人物图像的基准体态参考边沿T及其特性； 提取帧间基准体态参考边沿T的时间变化特征μ t和空间变化特征μ s ; 提取帧内目标人物的体态特征因子集合β ; 将所述帧内目标人物的体态特征因子集合β与所述预设的不良事件的体态特征因子集合β的空间分布区域进行比对，判断所述待鉴别视频是否不良视频。
2.根据权利要求1所述的一种不良视频的鉴别方法，其特征在于，所述体态特征因子集合β包括一个标准时间区段Du中的时间变化特征Ut对应所述最小外延拟合椭圆Θ封闭区间的中心点空间位置坐标Ce、占空比OBR和空间扩散率SDR，即μ t-cc、μ t_obr和μ t-sdr,以及空间变化特征μ s对应所述最小外延拟合椭圆Θ封闭区间的中心点空间位置坐标Ce和空间扩散率SDR，gp Us-CC和μ s-sdro
3.根据权利要求1所述的一种不良视频的鉴别方法，其特征在于，采用脸部映射或者体位轮廓映射提取待鉴别视频中帧序列中的人物图像。
4.根据权利要求1所述的一种不良视频的鉴别方法，其特征在于，所述提取每一帧中人物图像的基准体态参考 边沿T，进一步包括以下步骤: 将所有人物图像的像素同时在YUV模式和HSL模式下，提取每一个像素点的V分量和S分量； 计算所述每一个像素点的体态因子μ = (V*S)； 计算在整个人物区块的所有像素点的0=μ的一次变化曲率，其中前后间隔特定帧数Fe的两帧中的同一个点，其中5是邻点一次曲率； 提取每一帧中δ最大的点作为第一体态基准点，以所述第一体态基准点为准，依次向外扩展计算与其相连8个点的c'提取这8个点中S最大的点作为第二体态基准点； 重复上述步骤，在整个人物区块的范围内将所有的点都计算一次f得到人物图像点中所有的作为体态基准点的点，从而得到当前帧的一个由体态基准点构成的图像，作为该帧的基准体态参考边沿Τ。
5.根据权利要求4所述的一种不良视频的鉴别方法，其特征在于，所述提取每一帧中人物图像的基准体态参考边沿T的特性，进一步包括以下步骤: 提取每一帧中人物图像的基准体态参考边沿T的鉴别因子，包括最小外延拟合椭圆Θ封闭区间的中心点空间位置坐标Ce、占空比OBR和空间扩散率SDR，其中占空比OBR为基准体态参考边沿T的像素数量与最小外延拟合椭圆0边沿所围成的区域的像素数量之比。
6.根据权利要求5所述的一种不良视频的鉴别方法，其特征在于，还包括以下步骤: 以基准体态参考边沿T的几何中心位置为中心，以预定的角度Ω将基准体态参考边沿T所在的平面进行均分，形成不少于2个角度为Ω的椭圆扇型拟合区域； 基准体态参考边沿T的点在每一个由角度Ω平分线构成的坐标系的投影之和的绝对值组成了基准体态参考边沿T在这一方向上的向量； 所述空间扩散率SDR表示基准体态参考边沿T的内容点分布是否存在特定方向上的明显的趋向扩散。
7.根据权利要求6所述的一种不良视频的鉴别方法，其特征在于，角度Ω大于或者等于30度，且小于或者等于90度。
8.根据权利要求1所述的一种不良视频的鉴别方法，其特征在于，所述提取帧间基准体态参考边沿T的时间变化特征μ t，进一步包括以下步骤: 对前后帧的最小外延拟合椭圆Θ封闭区间的中心点空间位置坐标Ce、占空比OBR和空间扩散率SDR的变化做一次曲率分析，得到视频图像上最小外延拟合椭圆Θ封闭区间的中心点空间位置坐标Ce、占空比OBR和空间扩散率SDR的时间变化特征μ t。
9.根据权利要求8所述的一种不良视频的鉴别方法，其特征在于，以200ms作为一个标准时间区段DU，时间变化特征μ t对应所述最小外延拟合椭圆Θ封闭区间的中心点空间位置坐标Ce、占空比OBR和空间扩散率SDR分别是μ t_cc、μ t_obr和μ t_sdr。
10.根据权利要求1所述的一种不良视频的鉴别方法，其特征在于，所述提取帧间基准体态参考边沿T的空间变化特征μ s，进一步包括以下步骤: 在一个标准时间区段Du内，取所有帧的基准体态参考边沿T的最小外延拟合椭圆Θ封闭区间的中心点空间位置坐标Ce和空间扩散率SDR ； 计算两者在特定均匀划分的空间角度Ω上的分布密度和强度变化，得到基准体态参考边沿T的空间变化特征μ s。
11.根据权利要求10所述的一种不良视频的鉴别方法，其特征在于， 空间变化特征μ3是一 个由空间变化特征Us对应所述最小外延拟合椭圆Θ封闭区间的中心点空间位置坐标Ce和空间扩散率SDR，即μ S-CC和μ s-sdr构成的线性函数，μ s =Α* μ s-cc+B* μ S_sdr，其中，A和B是预定的系数，其斜率表征了操作者对不同不良事件特性的关注度。
12.根据权利要求11所述的一种不良视频的鉴别方法，其特征在于，获得所述ys-cc的步骤进一步包括: 计算在一个标准时间区段Du内相邻两帧中，第二帧的中心点坐标的在第一帧的Ω空间内所有坐标上空间变化量，得到第二帧的ys_cci，将一个标准时间区段Du内所有帧的μ s-cci相加,取绝对值,得到一个标准时间区段Du内的μ s_cc。
13.根据权利要求11所述的一种不良视频的鉴别方法，其特征在于，获得所述Us-Sdr的步骤进一步包括: 将一个标准时间区段Du内相邻两帧的第一帧上的空间扩散率SDR和第二帧的空间扩散率SDR做对比，取一次变化率得到第二帧μ S_sdri，将一个标准时间区段Du内所有帧的μ s-sdri相加,取绝对值,得到一个标准时间区段Du内的μ S_sdr。
14.根据权利要求1所述的一种不良视频的鉴别方法，其特征在于，所述提取帧内目标人物的体态特征因子集合β进一步包括以下步骤: 每一个标准时间区段Du中，对所有目标人物，时间变化特征μ t对应所述最小外延拟合椭圆Θ封闭区间的中心点空间位置坐标Ce、占空比OBR和空间扩散率SDR，即μ t-cc、μ t_obr和μ t-sdr,以及空间变化特征μ s对应所述最小外延拟合椭圆Θ封闭区间的中心点空间位置坐标Ce和空间扩散率SDRJP ys-CC和μ s-sdr，形成这个片段的所述目标人物区域的体态特征因子集合β，使用一个5维的空间加以描述。
15.一种不良视频的鉴别系统，其特征在于，包括预设模块、第一提取模块、第二提取模块、第三提取模块、第四提取模块、第五提取模块、第六提取模块和判断模块，其中， 预设模块用于预设不良事件的体态特征因子集合β的空间分布区域； 第一提取模块用于按照周期提取待鉴别视频中帧序列中的人物图像； 第二提取模块用于提取每一帧中人物图像的基准体态参考边沿T ； 第三提取模块用于提取每一帧中人物图像的基准体态参考边沿T的特性； 第四提取模块用于提取帧间基准体态参考边沿T的时间变化特征μ t ; 第五提取模块用于提取帧间基准体态参考边沿T的空间变化特征μ s ; 第六提取模块用于提取帧内目标人物的体态特征因子集合β; 判断模块用于将所述帧内目标人物的体态特征因子集合β与所述预设的不良事件的体态特征因子集合β的 空间分布区域进行比对，判断所述待鉴别视频是否不良视频。
【文档编号】G06K9/00GK103902954SQ201210575836
【公开日】2014年7月2日 申请日期:2012年12月26日 优先权日:2012年12月26日
【发明者】夏玉溪, 杨腾海, 汪蕾蕾, 张刚, 陈其勇, 周松, 翁先正, 郭麟, 王宇, 罗勇 申请人:中国移动通信集团贵州有限公司