视频图像进行肤色分类的流程结构示意 图；
[0044] 图2为本发明一个实施例中视频实时来检测分类流程结构示意图。
【具体实施方式】
[0045] 下面通过具体的实施例结合附图对本发明做进一步的详细描述。
[0046] 考虑到目前检验互联网络视频演播室中演播内容的不良内容时，需要依附过大的 参照样本，且检测过程复杂、缓慢，无法适应实时播放的需要，为了解决该问题，本发明提供 了在互联网络视频演播室环境下实时彩色恒定特征提取方法和系统，用于对不良视频检测 系统，及检测方法和系统。
[0047] 一种对互联网络视频演播室环境下实时彩色恒定特征提取方法，其包括：
[0048]在线状态下，在互联网络视频演播中按预设原则提取含有主播人员的多张视频图 像；
[0049] 离线状态下，统计每位主播人员的每张视频图像中主播人员图像的皮肤分类概率 密度P (c/skin)、非皮肤分类概率密度p (c/_skin);
[0050] 根据
Θ为经验值，来获取每位主播人员彩色恒定特征的R0C曲线。
[0051] 将上述实时彩色恒定特征提取方法进行互联网络视频裸露的监测方法，具体步骤 包括：
[0052] 在线状态下，在互联网络视频演播中按预设原则提取某主播人员的多张视频图 像；
[0053] 离线状态下，统计该主播人员的每张视频图像中主播人员图像的皮肤分类概率密 度p (c/skin)、非皮肤分类概率密度p (c/_skin);
[0054] 根据
判定该主播人员是否超过裸露要求；Θ取自该主播人员彩色 恒定特征的R0C曲线，所述该主播人员彩色恒定特征的R0C曲线通过上述对互联网络视频演 播室环境下实时彩色恒定特征提取方法来获取。
[0055] 上述提取方法作为一个完整的系统在硬件上运行，同时也可以作为一个软件程序 的系统运行，具体为对互联网络视频演播室环境下实时彩色恒定特征提取系统，其包括：
[0056] 提取模块，用于在线状态下，在互联网络视频演播中按预设原则提取含有主播人 员的多张视频图像；
[0057] 统计模块，用于离线状态下，统计每位主播人员的每张视频图像中主播人员图像 的皮肤分类概率密度P(c/skin)、非皮肤分类概率密度p(c/_skin);
[0058] 获取模块，用于根据
Θ为经验值，来获取每位主播人员彩色恒定特 征的R0C曲线。
[0059] 上述检测方法也可以在具体的硬件上运行，或者作为一个软件程序的系统运行， 具体为，将包含上述对互联网络视频演播室环境下实时彩色恒定特征提取系统的检测装 置，其包括：
[0060] 提取模块，用于在线状态下，在互联网络视频演播中按预设原则提取含有主播人 员的多张视频图像；
[0061] 统计模块，用于离线状态下，统计每位主播人员的每张视频图像中主播人员图像 的皮肤分类概率密度P(c/skin)、非皮肤分类概率密度p(c/_skin);
[0062] 存储模块，用于存储每位主播人员彩色恒定特征的ROC曲线；
[0063] 比较模块，用于根据
判定该主播人员是否超过裸露要求；Θ取自所 述存储模块中该主播人员彩色恒定特征的R0C曲线。
[0064]采用离线和在线相结合的方法，即离线完互联网上演播室内主播群体皮肤与非皮 肤分类概率密度的统计分类，形成每个主播人员彩色恒定特征的R0C曲线，方便在线完成查 找表模式对播放的视频进行实时图像采集、处理，并与离线获取每个主播人员彩色恒定特 征的ROC曲线进行比较，既保证了肤色色温检测的准确性，又确保系统运行的实时性。
[0065]下面，具体描述：
[0066] 对互联网络视频演播室环境下实时彩色恒定特征提取方法，本方法针对目前流行 的肤色检测过程需要大量的训练样本，去做皮肤和非皮肤概率分布密度统计及R0C判别，无 法实时处理，因而不能满足互联网应用需求，需要寻求新的方法优化统计与分类过程，加快 分类速度。提出一种离线和在线相结合的方法，即离线完成对于人员(这里特指演播室的主 播群体)皮肤与非皮肤分类概率密度的统计分类，在线完成查找表模式实时处理，既保证了 肤色色温检测的准确性，又确保系统运行的实时性。其包括：
[0067] 步骤101，在线状态下，在互联网络视频演播中按预设原则提取含有主播人员的多 张视频图像；
[0068] 对互联网不良视频检测系统架构（图1)中关键部分"肤色特征"提取任务要求，它 既要保证准确提取裸露皮肤面积(误检率不高于10%)，又要确保检测期间不得干扰实时播 放流程(实时流程要求:每秒25帧及以上）。
[0069]面对浩如烟海而又不受约束的图像与视频环境，例如移动互联网，要想建立一种 快速准确的皮肤与非皮肤分类机制，必然遇到非常巨大的训练数据集，因为只有大的训练 样本集才能给出较准确的概率密度函数估值。如何既可以保证巨大数据集的使用，又保证 图像视频数据流的实时流畅，这是亟待解决的科学性与可行性的矛盾统一问题。对此，发明 人提出一种离线形成主播人员R0C曲线，以备后续查找比对的想法。
[0070] 为了形成每个主播人员的R0C曲线，需要采集一定量的样本，该样本采用在线提取 的方式。提取中需要对主播人员在不同场景下，不同穿着，不同皮肤裸露面积的视频图像进 行采集，以形成有效的样本。由于后续形成R0C曲线是不需要在线处理，所以，该在线是为了 后续离线形成R0C做前提准备工作。提取视频图像的预设原则为:主播人员图像的皮肤和非 皮肤区域比例不同，且处于0.01-99.9%之间。
[0071] 需要说明的是，本发明并不普适于范在的互联网领域，而是注重于面向互联网视 频演播室场景应用。
[0072] 步骤102,离线状态下，统计每位主播人员的每张视频图像中主播人员图像的皮肤 分类概率密度P(c/skin)、非皮肤分类概率密度p(c/_skin);
[0073] 离线完成对于人员（这里特指演播室的主播群体)皮肤与非皮肤分类概率密度的 直方图统计，这项检测在实时检测之前进行，对主播人员建立肤色特征数据库，描出R0C曲 线表，作为先验数据供系统使用，由于主播人员毕竟有限(不像互联网上人员不计其数），而 且R0C判决又无实时要求，可操作性很强。
[0074]该步骤具体包括：
[0075] 步骤1021，从视频图像中提取主播人员图像；
[0076] 本步骤采用了图像中提取前景图像的技术。
[0077]步骤1022,对主播人员图像中的每个像素分别提取RGB值；
[0078]由于本方法始终在图像视频的Ret inex原理空间中进行，理论和实践表明所检测 的彩色rgb数据，它具有比例变化、旋转变化、照度变化和部分遮挡条件下色彩相对关系稳 定不变性。
[0079] 步骤1023,根据RGB值比较，将每个像素归类于皮肤区域或非皮肤区域；
[0080] 对主播人员在正常演播室条件下图像皮肤色温特性进行研究，概括总结出其色温 关系特征规律：
[0081 ] (a).正常皮肤，必然是r>g>b;
[0082] (b) ·如果b>r or b>g or g>r则必定是非皮肤；
[0083] (c).具体到每位主播的皮肤色温参考范围，收录入相关数据库，如A138(主播编 号）统计数据为:A138max{rgbll92 165 138};A138mix{rgbll25 119 106}。