專利名稱：不良視頻內(nèi)容識別方法及裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及數(shù)據(jù)業(yè)務(wù)技術(shù)領(lǐng)域，尤其是涉及一種不良視頻內(nèi)容識別方法及裝置。
背景技術(shù)：
隨著移動通信技術(shù)的快速發(fā)展，移動多媒體信息業(yè)務(wù)正日益廣泛的深入到人們的日常生活中，眾多基于現(xiàn)代移動多媒體信息的業(yè)務(wù)如短信、彩信、手機(jī)報(bào)紙、移動票證、手機(jī)電視和流媒體等被開發(fā)和運(yùn)用于人們的日常生活中，這些業(yè)務(wù)在帶給人們方便的同時(shí)，也帶來一些潛在的危險(xiǎn)。如色情暴力、邪教傳播、敵對宣傳、盜版內(nèi)容等各種類型的不良視頻信息已經(jīng)在手機(jī)等移動終端上有所出現(xiàn)，如何對這些基于移動多媒體業(yè)務(wù)的不良視頻進(jìn)行有效管控，并保障移動多媒體信息的內(nèi)容安全，已經(jīng)成為不良信息檢索、監(jiān)控和研究的主要內(nèi)容之一。 目前，常用的檢測不良視頻的視頻內(nèi)容識別方法，往往是通過對視頻進(jìn)行關(guān)鍵幀抽取，然后再對抽取的關(guān)鍵幀采用圖像內(nèi)容識別的方法進(jìn)行檢測。這類方法主要是基于不良圖片的檢測方法，如現(xiàn)有技術(shù)中提出的人體皮膚檢測，針對抽取的每個(gè)關(guān)鍵幀對應(yīng)的圖像信息，使用組合的顏色和紋理屬性標(biāo)記出類似皮膚的像素，利用皮膚區(qū)域組成的輪廓，判斷該圖像信息是否為不良圖片，如果為不良圖片則確定對應(yīng)的關(guān)鍵幀為不良關(guān)鍵幀；在抽取的關(guān)鍵幀中，如果檢測到的不良關(guān)鍵幀的概率高于預(yù)定的閾值，則可以判斷待檢測的視頻內(nèi)容為不良視頻內(nèi)容?；谔崛∫曨l的關(guān)鍵幀來進(jìn)行整個(gè)視頻的研判方法，停留在使用關(guān)鍵幀的靜態(tài)圖像特征進(jìn)行檢測，容易造成對不良視頻的誤判，同時(shí)在不良視頻中存在的不良關(guān)鍵幀數(shù)量不多、相對較集中的情況下，很容易造成對不良視頻的漏判。

發(fā)明內(nèi)容
本發(fā)明實(shí)施例提供一種不良視頻內(nèi)容識別方法及裝置，用以提高對不良視頻內(nèi)容的識別準(zhǔn)確度。相應(yīng)的，本發(fā)明實(shí)施例還提供一種視頻關(guān)鍵幀的提取方法及其裝置。相應(yīng)的，本發(fā)明實(shí)施例還提供一種視頻鏡頭的分割方法及其裝置。相應(yīng)的，本發(fā)明實(shí)施例還提供一種視頻場景的分割方法及其裝置。本發(fā)明實(shí)施例技術(shù)方案如下一種不良視頻內(nèi)容識別方法，包括在待檢測視頻中提取視頻關(guān)鍵幀；對提取的視頻關(guān)鍵幀進(jìn)行分組，分組得到的每一組視頻關(guān)鍵幀構(gòu)成對待檢測視頻進(jìn)行鏡頭分割的一個(gè)視頻鏡頭；并針對分割得到的每個(gè)視頻鏡頭分別執(zhí)行提取該視頻鏡頭的運(yùn)動特征信息，并根據(jù)提取的運(yùn)動特征信息判斷該視頻鏡頭是否為不良視頻鏡頭；根據(jù)判斷出的不良視頻鏡頭的數(shù)目，確定所述待檢測視頻是否為不良視頻內(nèi)容。一種不良視頻內(nèi)容識別方法，包括在待檢測視頻中提取視頻關(guān)鍵幀；對提取的視頻關(guān)鍵幀進(jìn)行分組，分組得到的每一組視頻關(guān)鍵幀構(gòu)成對待檢測視頻進(jìn)行鏡頭分割的一個(gè)視頻鏡頭；并基于分割得到的各個(gè)視頻鏡頭信息，對待檢測視頻進(jìn)行視頻場景分割，得到不同的視頻場景；針對分割得到的每個(gè)視頻場景分別執(zhí)行判斷該視頻場景是否為不良視頻場景；根據(jù)判斷出的不良視頻場景的數(shù)目，確定所述待檢測視頻是否為不良視頻內(nèi)容。一種視頻關(guān)鍵幀的提取方法，包括對視頻進(jìn)行等時(shí)間間隔提取N個(gè)視頻幀，抽取出的N個(gè)視頻幀分別代表N個(gè)聚類的聚類中心幀；對于視頻中除聚類中心幀之外的每個(gè)視頻幀，分別執(zhí)行下述操作，形成N個(gè)聚類分別確定該視頻幀與N個(gè)聚類中心幀之間的相似度，將該視頻幀歸類到與該視頻幀具有最高相似度的聚類中心幀所在的聚類中；判斷形成的N個(gè)聚類中的每個(gè)聚類中包含的視頻幀中任意兩個(gè)視頻幀之間的相似度是否均大于第一閾值，且任意兩個(gè)聚類中包含的視頻幀之間的相似度均小于第二閾值；如果判斷結(jié)果均為是，對形成的每個(gè)聚類分別執(zhí)行從該聚類中選擇一個(gè)與該聚類中的聚類中心幀相似度最低的視頻幀作為視頻關(guān)鍵幀，提取視頻關(guān)鍵幀過程結(jié)束；否則對形成的每個(gè)聚類分別執(zhí)行從該聚類中選擇一個(gè)與該聚類中的聚類中心幀相似度最低的視頻幀作為新的聚類中心幀；重新選擇出的N個(gè)新的聚類中心幀分別歸屬N個(gè)不同的聚類后，返回繼續(xù)執(zhí)行對于視頻中除聚類中心幀之外的每個(gè)視頻幀的操作。一種視頻鏡頭的分割方法，包括在視頻中提取多個(gè)視頻關(guān)鍵幀；對提取的多個(gè) 視頻關(guān)鍵幀分別進(jìn)行分析，得到提取的多個(gè)視頻關(guān)鍵幀之間的相關(guān)特征；根據(jù)分析得到的多個(gè)視頻關(guān)鍵幀之間的相關(guān)特征，對多個(gè)視頻關(guān)鍵幀進(jìn)行分組，每一個(gè)分組中包含的視頻關(guān)鍵幀構(gòu)成一個(gè)對視頻進(jìn)行分割得到的視頻鏡頭。一種視頻場景的分割方法，包括對視頻進(jìn)行鏡頭分割處理，得到多個(gè)視頻鏡頭；計(jì)算分割的各個(gè)視頻鏡頭之間的相關(guān)性；根據(jù)計(jì)算出的各個(gè)視頻鏡頭之間的相關(guān)性，將分割出的各個(gè)視頻鏡頭進(jìn)行分組，每組視頻鏡頭構(gòu)成一個(gè)視頻場景。一種不良視頻內(nèi)容識別裝置，包括視頻關(guān)鍵幀提取單元，用于在待檢測視頻中提取視頻關(guān)鍵幀；視頻鏡頭分割單元，用于對視頻關(guān)鍵幀提取單元提取的視頻關(guān)鍵幀進(jìn)行分組，分組得到的每一組視頻關(guān)鍵幀構(gòu)成對待檢測視頻進(jìn)行鏡頭分割的一個(gè)視頻鏡頭；視頻鏡頭判斷單元，用于針對視頻鏡頭分割單元分割得到的每個(gè)視頻鏡頭分別執(zhí)行提取該視頻鏡頭的運(yùn)動特征信息，并根據(jù)提取的運(yùn)動特征信息判斷該視頻鏡頭是否為不良視頻鏡頭；視頻內(nèi)容判斷單元，用于根據(jù)視頻鏡頭判斷單元判斷出的不良視頻鏡頭的數(shù)目，確定待檢測視頻是否為不良視頻內(nèi)容。一種不良視頻內(nèi)容識別裝置，包括視頻關(guān)鍵幀提取單元，用于在待檢測視頻中提取視頻關(guān)鍵幀；視頻鏡頭分割單元，用于對視頻關(guān)鍵幀提取單元提取的視頻關(guān)鍵幀進(jìn)行分組，分組得到的每一組視頻關(guān)鍵幀構(gòu)成對待檢測視頻進(jìn)行鏡頭分割的一個(gè)視頻鏡頭；視頻場景分割單元，用于基于視頻鏡頭分割單元分割得到的各個(gè)視頻鏡頭信息，對待檢測視頻進(jìn)行視頻場景分割，得到不同的視頻場景；視頻場景判斷單元，用于判斷視頻場景分割單元分割得到的每個(gè)視頻場景是否為不良視頻場景；視頻內(nèi)容判斷單元，用于根據(jù)視頻場景判斷單元判斷出的不良視頻場景的數(shù)目，確定所述待檢測視頻是否為不良視頻內(nèi)容。一種視頻關(guān)鍵幀的提取裝置，包括聚類中心幀提取單元，用于對視頻進(jìn)行等時(shí)間間隔提取N個(gè)視頻幀，抽取出的N個(gè)視頻幀分別代表N個(gè)聚類的聚類中心幀；視頻幀聚類形成單元，用于對于視頻中除聚類中心幀提取單元提取的聚類中心幀之外的每個(gè)視頻幀，分別執(zhí)行下述操作，形成N個(gè)聚類分別確定該視頻幀與N個(gè)聚類中心幀之間的相似度，將該視頻幀歸類到與該視頻幀具有最高相似度的聚類中心幀所在的聚類中；判斷單元，用于判斷視頻幀聚類形成單元形成的N個(gè)聚類中的每個(gè)聚類中包含的視頻幀中任意兩個(gè)視頻幀之間的相似度是否均大于第一閾值，且任意兩個(gè)聚類中包含的視頻幀之間的相似度均小于第二閾值；第一執(zhí)行單元，用于當(dāng)判斷單元的判斷結(jié)果均為是時(shí)，對形成的每個(gè)聚類分別執(zhí)行從該聚類中選擇一個(gè)與該聚類中的聚類中心幀相似度最低的視頻幀作為視頻關(guān)鍵幀，第二執(zhí)行單元，用于當(dāng)判斷單元的判斷結(jié)果為否時(shí)，對形成的每個(gè)聚類分別執(zhí)行從該聚類中選擇一個(gè)與該聚類中的聚類中心幀相似度最低的視頻幀作為新的聚類中心幀，并觸發(fā)視頻幀聚類形成單元繼續(xù)執(zhí)行后續(xù)操作。一種視頻鏡頭的分割裝置，包括視頻關(guān)鍵幀提取單元，用于在視頻中提取多個(gè)視頻關(guān)鍵幀；視頻關(guān)鍵幀分析單元，用于對視頻關(guān)鍵幀提取單元提取的多個(gè)視頻關(guān)鍵幀分別進(jìn)行分析，得到提取的多個(gè)視頻關(guān)鍵幀之間的相關(guān)特征；視頻鏡頭分割單元，用于根據(jù)視頻關(guān)鍵幀分析單元分析得到的多個(gè)視頻關(guān)鍵幀之間的相關(guān)特征，對多個(gè)視頻關(guān)鍵幀進(jìn)行分組，每一個(gè)分組中包含的視頻關(guān)鍵幀構(gòu)成一個(gè)對視頻進(jìn)行分割得到的視頻鏡頭。
一種視頻場景的分割裝置，包括視頻鏡頭分割單元，用于對視頻進(jìn)行鏡頭分割處理，得到多個(gè)視頻鏡頭；相關(guān)性計(jì)算單元，用于計(jì)算視頻鏡頭分割單元分割的各個(gè)視頻鏡頭之間的相關(guān)性；視頻場景分割單元，用于根據(jù)相關(guān)性計(jì)算單元計(jì)算出的各個(gè)視頻鏡頭之間的相關(guān)性，將分割出的各個(gè)視頻鏡頭進(jìn)行分組，每組視頻鏡頭構(gòu)成一個(gè)視頻場景。本發(fā)明實(shí)施例技術(shù)方案中，通過結(jié)合場景風(fēng)格、圖像特征和運(yùn)動信息充分考慮視頻各關(guān)鍵巾貞之間的序列關(guān)系，綜合考慮視頻的靜態(tài)和動態(tài)特征，利用運(yùn)動特征提聞檢測的準(zhǔn)確度和識別率；在降低漏檢率方面，采用場景分割待檢測視頻，使每個(gè)片段都具有視頻內(nèi)容意義，以場景為單位進(jìn)行不良關(guān)鍵幀和不良鏡頭的綜合研判，避免發(fā)生在特定場景中的不良關(guān)鍵幀比例被平均化和弱化；同時(shí)，以場景為單位，逐一進(jìn)行不良關(guān)鍵幀和不良鏡頭識另O，出現(xiàn)不良場景后判定視頻為不良視頻，可以降低計(jì)算量，提高研判效率。


圖I為使用本發(fā)明實(shí)施例提出的基于運(yùn)動特征的視頻鏡頭識別方法判斷不良視頻的流程圖；圖2為本發(fā)明實(shí)施例提出的不同視頻鏡頭之間的區(qū)分邊界示意圖；圖3為使用本發(fā)明實(shí)施例提出的基于視頻關(guān)鍵幀的圖像特征和視頻鏡頭的運(yùn)動特征綜合判斷不良視頻的方法流程圖；圖4為使用本發(fā)明實(shí)施例提出的以視頻場景為單位進(jìn)行不良視頻內(nèi)容識別的方法流程圖；圖5所示為提取GIST特征的處理流程圖；圖6所示為本發(fā)明實(shí)施例中利用GIST方式對待檢測視頻進(jìn)行場景分割的處理流程圖；圖7為由多個(gè)頻繁鏡頭集合構(gòu)成整部視頻的示意圖；圖8為本發(fā)明實(shí)施例提出的第一種不良視頻內(nèi)容識別裝置主要組成結(jié)構(gòu)框圖；圖9為本發(fā)明實(shí)施例提出的第二種不良視頻內(nèi)容識別裝置主要組成結(jié)構(gòu)框圖；圖10為本發(fā)明實(shí)施例提出的視頻關(guān)鍵幀的提取裝置主要組成結(jié)構(gòu)框圖11為本發(fā)明實(shí)施例提出的視頻鏡頭的分割裝置主要組成結(jié)構(gòu)框圖；圖12為本發(fā)明實(shí)施例提出的視頻場景的分割裝置主要組成結(jié)構(gòu)框圖。
具體實(shí)施方式

現(xiàn)有技術(shù)中基于提取視頻的關(guān)鍵幀來對整個(gè)視頻進(jìn)行識別不良視頻內(nèi)容的識別方法，僅僅停留在對抽取的關(guān)鍵幀的靜態(tài)圖像特征進(jìn)行檢測，所以很容易造成對不良視頻內(nèi)容的誤判，同時(shí)對于不良視頻中存在不良關(guān)鍵幀數(shù)量不多、且相對較集中的情況，很容易造成對不良視頻的漏判?；诖耍景l(fā)明提出一種快速有效、保證一定準(zhǔn)確度的不良視頻內(nèi)容識別方案，通過結(jié)合場景風(fēng)格、圖像特征和運(yùn)動信息充分考慮視頻各關(guān)鍵幀之間的序列關(guān)系，綜合考慮視頻的靜態(tài)和動態(tài)特征，利用運(yùn)動特征提高檢測的準(zhǔn)確度和識別率；在降低漏檢率方面，采用場景分割待檢測視頻，使每個(gè)片段都具有視頻內(nèi)容意義，以場景為單位進(jìn)行不良關(guān)鍵幀和不良鏡頭的綜合研判，避免發(fā)生在特定場景中的不良關(guān)鍵幀比例被平均化和弱化；同時(shí)，以場景為單位，逐一進(jìn)行不良關(guān)鍵幀和不良鏡頭識別，出現(xiàn)不良場景后判定視頻為不良視頻，可以降低計(jì)算量，提高研判效率。下面將結(jié)合各個(gè)附圖對本發(fā)明實(shí)施例技術(shù)方案的主要實(shí)現(xiàn)原理具體實(shí)施方式
及其對應(yīng)能夠達(dá)到的有益效果進(jìn)行詳細(xì)地闡述。實(shí)施例一如圖I所示，為使用本發(fā)明實(shí)施例提出的基于運(yùn)動特征的視頻鏡頭識別方法判斷不良視頻的流程圖，具體實(shí)現(xiàn)過程如下步驟11，對于輸入的一個(gè)待檢測的視頻文件或者一段視頻流，進(jìn)行視頻關(guān)鍵幀的提?。籌)采用k-means聚類的方式對待檢測視頻進(jìn)行視頻關(guān)鍵幀的提取，具體為首先將待檢測視頻按照等時(shí)間間隔分成N段，分別在分成后的N個(gè)時(shí)間間隔內(nèi)隨機(jī)抽取一個(gè)視頻幀，抽取出的N個(gè)視頻幀分別代表N個(gè)聚類的聚類中心幀；2)然后對于待檢測視頻中除聚類中心幀之外的每個(gè)視頻幀，分別執(zhí)行分別計(jì)算該視頻幀與N個(gè)聚類中心幀之間的相似度，根據(jù)計(jì)算得到的該視頻幀與每個(gè)聚類中心幀之間的相似度，將該視頻幀歸類到與該視頻幀具有最高相似度的聚類中心幀所在的聚類中。3)對于經(jīng)過上述處理后形成的N個(gè)聚類，判斷每個(gè)聚類中包含的視頻幀中任意兩個(gè)視頻幀之間的相似度是否均大于第一閾值，且任意兩個(gè)聚類中包含的視頻幀之間的相似度均小于第二閾值，如果兩個(gè)判斷結(jié)果均為是時(shí)，對每個(gè)聚類分別執(zhí)行從該聚類中選擇一個(gè)與該聚類中的聚類中心幀相似度最低的視頻幀作為視頻關(guān)鍵幀。這樣從N個(gè)聚類中就可以選擇出N個(gè)視頻關(guān)鍵巾貞，從而實(shí)現(xiàn)從待檢測視頻中提取出多個(gè)視頻關(guān)鍵巾貞的目的。4)如果兩個(gè)判斷結(jié)果中存在至少一個(gè)判斷結(jié)果為否時(shí)，對每個(gè)聚類分別執(zhí)行從該聚類中選擇一個(gè)與該聚類中的聚類中心幀相似度最低的視頻幀作為新的聚類中心幀。這樣從N個(gè)聚類中就可以重新選擇出N個(gè)聚類中心幀，分別歸屬N個(gè)不同的聚類，然后返回繼續(xù)執(zhí)行2)及其之后的處理，直至上述兩個(gè)判斷結(jié)果均為是時(shí)，選擇出N個(gè)視頻關(guān)鍵幀，從而實(shí)現(xiàn)從待檢測視頻中提取出多個(gè)視頻關(guān)鍵幀的目的。上述基于k-means聚類的方式對待檢測視頻進(jìn)行視頻關(guān)鍵幀的提取，可以避免現(xiàn)有技術(shù)中僅采用等時(shí)間間隔提取視頻關(guān)鍵幀，對于不良視頻中存在不良關(guān)鍵幀數(shù)量不多、且相對較集中的情況，很容易造成對不良視頻的漏判，避免了不良關(guān)鍵幀比例被平均化和弱化的問題，可以較好的為后續(xù)不良視頻的判斷提供了良好基礎(chǔ)。由于視頻關(guān)鍵幀的提取直接關(guān)系到后續(xù)步驟的分析操作，也直接決定了對視頻內(nèi)容分析結(jié)果的可靠性，因此是比較重要的一個(gè)環(huán)節(jié)。此外，本發(fā)明實(shí)施例這里提出的該視頻關(guān)鍵幀的提取方法也可以單獨(dú)實(shí)施，不限于僅在本發(fā)明這里提出的不良視頻檢測方案中使用，即單獨(dú)實(shí)施本發(fā)明實(shí)施例這里提出的視頻關(guān)鍵幀提取方案，也在本發(fā)明權(quán)利要求書的保護(hù)范圍之內(nèi)。步驟12，對步驟11中提取的多個(gè)視頻關(guān)鍵幀分別進(jìn)行分析，得到提取的多個(gè)視頻關(guān)鍵幀之間的相關(guān)特征，如人體皮膚特征、人臉個(gè)數(shù)特征等；根據(jù)分析得到的多個(gè)視頻關(guān)鍵幀之間的相關(guān)特征，對多個(gè)視頻關(guān)鍵幀進(jìn)行分組處理，將分組后的每一組視頻關(guān)鍵幀作為一個(gè)待檢測的視頻鏡頭，即每一個(gè)待檢測的視頻鏡頭中包含多個(gè)特征相關(guān)的視頻關(guān)鍵幀。 視頻鏡頭是本發(fā)明實(shí)施例中對待檢測視頻進(jìn)行分析的重要單位，其中一個(gè)視頻鏡頭表示一個(gè)攝像機(jī)連續(xù)拍攝的幀序列，從一段連續(xù)的視頻當(dāng)中找出每次鏡頭切換的具體位置，把整段的視頻以鏡頭為單元分割成片段。為了盡可能準(zhǔn)確地對提取的視頻關(guān)鍵幀進(jìn)行分組處理以得到不同的待檢測視頻鏡頭，本發(fā)明實(shí)施例中采用不同視頻關(guān)鍵幀之間的邊緣變化和顏色變化相結(jié)合的考量標(biāo)準(zhǔn)作為兩個(gè)不同視頻鏡頭之間的區(qū)分標(biāo)準(zhǔn)，利用下述公式對所有的視頻關(guān)鍵幀進(jìn)行計(jì)算W = ff^AECR+ff^HCR其中，W為兩個(gè)相鄰視頻關(guān)鍵幀之間的切變數(shù)值，W的取值范圍為[0，ILW1為當(dāng)前視頻關(guān)鍵幀邊緣變化率衡量標(biāo)準(zhǔn)的權(quán)值，AECR為當(dāng)前視頻關(guān)鍵幀相對相鄰視頻關(guān)鍵幀的邊緣變化率;W2為當(dāng)前視頻關(guān)鍵幀顏色變化率衡量標(biāo)準(zhǔn)的權(quán)值，HCR為前視頻關(guān)鍵幀相對相鄰兩個(gè)視頻關(guān)鍵幀的顏色變化率。這樣利用上述公式，就可以對每個(gè)視頻關(guān)鍵幀分別求取到對應(yīng)的W值，當(dāng)計(jì)算出來的相鄰兩個(gè)視頻關(guān)鍵幀之間的W值大于預(yù)先設(shè)定的閾值Ml時(shí)，所述兩個(gè)相鄰視頻關(guān)鍵幀就作為劃分不同鏡頭之間的邊界。具體請參考圖2所示的不同視頻鏡頭之間的區(qū)分邊界。以一個(gè)視頻中的任一 9個(gè)連續(xù)的視頻關(guān)鍵幀為例，分別計(jì)算9個(gè)連續(xù)的視頻關(guān)鍵幀之間任
意兩個(gè)相鄰的視頻關(guān)鍵幀之間的W值，分別用W12，W23，W34......等表示，將計(jì)算出來的
W12, W23，W34......等數(shù)值與預(yù)先設(shè)定的閾值Ml比較，對于比較結(jié)果大于Ml的W值對應(yīng)
的兩個(gè)相鄰視頻關(guān)鍵幀，這兩個(gè)視頻關(guān)鍵幀就是兩個(gè)鏡頭的邊界，如圖2所述，如果W34 >Ml，則視頻關(guān)鍵幀3和視頻關(guān)鍵幀4就成為鏡頭I和鏡頭2之間分割的邊界，鏡頭I中包括視頻關(guān)鍵幀I 3，依次類推，將整個(gè)視頻劃分為不同的視頻鏡頭。其中，當(dāng)前視頻關(guān)鍵幀相對相鄰視頻關(guān)鍵幀的邊緣變化率(AECR)可以按照下述公式確定
'Y'in \zoutAECR = max(~~—)其中，Xm表示當(dāng)前視頻關(guān)鍵巾貞m中的邊緣點(diǎn)的個(gè)數(shù),Xnrl表示當(dāng)前視頻關(guān)鍵巾貞的前一視頻關(guān)鍵幀m-1中的邊緣點(diǎn)的個(gè)數(shù)；X表示進(jìn)入當(dāng)前視頻關(guān)鍵幀m的邊緣點(diǎn)的個(gè)數(shù)，X=表示離開當(dāng)前視頻關(guān)鍵巾貞的前一視頻關(guān)鍵巾貞m-Ι的邊緣點(diǎn)的個(gè)數(shù)；當(dāng)前視頻關(guān)鍵幀相對相鄰兩個(gè)視頻關(guān)鍵幀的顏色變化率(HCR)可以按照下述公式確定
權(quán)利要求
1.一種不良視頻內(nèi)容識別方法，其特征在于，包括 在待檢測視頻中提取視頻關(guān)鍵巾貞; 對提取的視頻關(guān)鍵幀進(jìn)行分組，分組得到的每一組視頻關(guān)鍵幀構(gòu)成對待檢測視頻進(jìn)行鏡頭分割的一個(gè)視頻鏡頭；并 針對分割得到的每個(gè)視頻鏡頭分別執(zhí)行提取該視頻鏡頭的運(yùn)動特征信息，并根據(jù)提取的運(yùn)動特征信息判斷該視頻鏡頭是否為不良視頻鏡頭； 根據(jù)判斷出的不良視頻鏡頭的數(shù)目，確定所述待檢測視頻是否為不良視頻內(nèi)容。
2.如權(quán)利要求I所述的不良視頻內(nèi)容識別方法，其特征在于，在待檢測視頻中提取視頻關(guān)鍵幀，具體包括 對待檢測視頻進(jìn)行等時(shí)間間隔提取N個(gè)視頻幀，抽取出的N個(gè)視頻幀分別代表N個(gè)聚類的聚類中心幀； 對于待檢測視頻中除聚類中心幀之外的每個(gè)視頻幀，分別執(zhí)行下述操作，形成N個(gè)聚類分別確定該視頻幀與N個(gè)聚類中心幀之間的相似度，將該視頻幀歸類到與該視頻幀具有最高相似度的聚類中心幀所在的聚類中； 判斷形成的N個(gè)聚類中的每個(gè)聚類中包含的視頻幀中任意兩個(gè)視頻幀之間的相似度是否均大于第一閾值，且任意兩個(gè)聚類中包含的視頻幀之間的相似度均小于第二閾值；如果判斷結(jié)果均為是，對形成的每個(gè)聚類分別執(zhí)行從該聚類中選擇一個(gè)與該聚類中的聚類中心幀相似度最低的視頻幀作為視頻關(guān)鍵幀，提取視頻關(guān)鍵幀過程結(jié)束；否則 對形成的每個(gè)聚類分別執(zhí)行從該聚類中選擇一個(gè)與該聚類中的聚類中心幀相似度最低的視頻幀作為新的聚類中心幀； 重新選擇出的N個(gè)新的聚類中心幀分別歸屬N個(gè)不同的聚類后，返回繼續(xù)執(zhí)行對于待檢測視頻中除聚類中心幀之外的每個(gè)視頻幀的操作。
3.如權(quán)利要求I所述的不良視頻內(nèi)容識別方法，其特征在于，對提取的視頻關(guān)鍵幀進(jìn)行分組，具體包括 對提取的多個(gè)視頻關(guān)鍵幀分別進(jìn)行分析，得到提取的多個(gè)視頻關(guān)鍵幀之間的相關(guān)特征； 根據(jù)分析得到的多個(gè)視頻關(guān)鍵幀之間的相關(guān)特征，對多個(gè)視頻關(guān)鍵幀進(jìn)行分組。
4.如權(quán)利要求3所述的不良視頻內(nèi)容識別方法，其特征在于，基于下述公式，對提取的多個(gè)視頻關(guān)鍵幀分別進(jìn)行分析，得到提取的多個(gè)視頻關(guān)鍵幀之間的相關(guān)特征W = ff^AECR+ff^HCR 其中，W為兩個(gè)相鄰視頻關(guān)鍵幀之間的切變數(shù)值，W1為當(dāng)前視頻關(guān)鍵幀邊緣變化率衡量標(biāo)準(zhǔn)的權(quán)值，AECR為當(dāng)前視頻關(guān)鍵幀相對相鄰視頻關(guān)鍵幀的邊緣變化率;W2為當(dāng)前視頻關(guān)鍵幀顏色變化率衡量標(biāo)準(zhǔn)的權(quán)值，HCR為前視頻關(guān)鍵幀相對相鄰兩個(gè)視頻關(guān)鍵幀的顏色變化率； 根據(jù)分析得到的多個(gè)視頻關(guān)鍵幀之間的相關(guān)特征，對多個(gè)視頻關(guān)鍵幀進(jìn)行分組，具體包括 根據(jù)計(jì)算得到的任意兩個(gè)相鄰視頻關(guān)鍵幀之間的切變數(shù)值W，將切換數(shù)值W大于預(yù)先設(shè)定的閾值Ml的切變數(shù)值W對應(yīng)的兩個(gè)相鄰視頻關(guān)鍵幀作為對視頻關(guān)鍵幀進(jìn)行分組的邊界；根據(jù)確定的邊界，對多個(gè)視頻關(guān)鍵幀進(jìn)行分組。
5.如權(quán)利要求4所述的不良視頻內(nèi)容識別方法，其特征在于，按照下述公式確定當(dāng)前視頻關(guān)鍵幀相對相鄰視頻關(guān)鍵幀的邊緣變化率AECR
6.如權(quán)利要求4所述的不良視頻內(nèi)容識別方法，其特征在于，按照下述公式確定當(dāng)前視頻關(guān)鍵幀相對相鄰兩個(gè)視頻關(guān)鍵幀的顏色變化率HCR
7.如權(quán)利要求I所述的不良視頻內(nèi)容識別方法，其特征在于，提取該視頻鏡頭的運(yùn)動特征信息，具體包括 確定該視頻鏡頭中包含的每一視頻關(guān)鍵幀的運(yùn)動特征信息； 綜合該視頻鏡頭中包含的各個(gè)視頻關(guān)鍵幀的運(yùn)動特征信息，確定該視頻鏡頭的運(yùn)動特征信息。
8.如權(quán)利要求7所述的不良視頻內(nèi)容識別方法，其特征在于，基于下述公式，確定該視頻鏡頭中包含的每一視頻關(guān)鍵幀的運(yùn)動特征信息 Vt = {(xit，Vit) I i = 1，· · ·，η} 其中，Vt表示視頻關(guān)鍵幀的運(yùn)動特征信息，Vit代表著一個(gè)二維運(yùn)動向量，Xit代表對視頻關(guān)鍵幀進(jìn)行分塊處理后每個(gè)塊在視頻關(guān)鍵幀中的位置，t代表視頻關(guān)鍵幀在視頻鏡頭中的時(shí)間信息。
9.如權(quán)利要求I所述的不良視頻內(nèi)容識別方法，其特征在于，根據(jù)提取的運(yùn)動特征信息判斷該視頻鏡頭是否為不良視頻鏡頭，具體包括 根據(jù)針對該視頻鏡頭提取的運(yùn)動特征信息，確定對應(yīng)該視頻鏡頭的運(yùn)動特征值和運(yùn)動矢量強(qiáng)度值； 在確定的運(yùn)動特征值與預(yù)設(shè)的運(yùn)動特征的權(quán)重值的乘積，與確定的運(yùn)動矢量強(qiáng)度值與預(yù)設(shè)的運(yùn)動矢量的強(qiáng)度值的權(quán)重值的乘積的和值,大于預(yù)設(shè)的閾值BadShotThreshold時(shí)，判定該視頻鏡頭為不良視頻鏡頭，否則判定該視頻鏡頭為正常視頻鏡頭。
10.如權(quán)利要求I所述的不良視頻內(nèi)容識別方法，其特征在于，根據(jù)判斷出的不良視頻鏡頭的數(shù)目，確定所述待檢測視頻是否為不良視頻內(nèi)容，包括 當(dāng)判斷出的不良視頻鏡頭的數(shù)目大于預(yù)先設(shè)定的閾值J時(shí)，判斷所述待檢測視頻為不良視頻內(nèi)容，否則判斷所述待檢測視頻為正常視頻內(nèi)容；或 確定判斷出的不良視頻鏡頭的數(shù)目與針對該待檢測視頻分割得到的視頻鏡頭總數(shù)目的比值，在確定的比值大于閾值G時(shí)，判斷所述待檢測視頻為不良視頻內(nèi)容，否則判斷所述待檢測視頻為正常視頻內(nèi)容。
11.如權(quán)利要求I所述的不良視頻內(nèi)容識別方法，其特征在于，還包括 分析提取的視頻關(guān)鍵巾貞之間的相關(guān)特征； 根據(jù)分析得到的視頻關(guān)鍵幀之間的相關(guān)特征，分別判斷每個(gè)視頻關(guān)鍵幀是否為不良視頻關(guān)鍵巾貞; 根據(jù)判斷出的不良視頻鏡頭的數(shù)目，確定所述待檢測視頻是否為不良視頻內(nèi)容，具體包括 根據(jù)判斷出的不良視頻鏡頭的數(shù)目和不良視頻關(guān)鍵幀的數(shù)目，綜合判斷所述待檢測視頻是否為不良視頻內(nèi)容。
12.如權(quán)利要求9所述的不良視頻內(nèi)容識別方法，其特征在于，綜合判斷所述待檢測視頻是否為不良視頻內(nèi)容，具體包括 確定判斷出的不良視頻關(guān)鍵幀的數(shù)目與提取的視頻關(guān)鍵幀的總數(shù)目的比值與預(yù)設(shè)的不良視頻關(guān)鍵幀權(quán)重系數(shù)的乘積，與判斷出的不良視頻鏡頭的數(shù)目與分割得到的視頻鏡頭的總數(shù)目的比值與預(yù)設(shè)的不良視頻鏡頭權(quán)重系數(shù)的乘積的和值； 在確定的和值大于預(yù)設(shè)的閾值M時(shí)，判定所述待檢測視頻為不良視頻內(nèi)容，否則判斷所述待檢測視頻為正常視頻內(nèi)容。
13.一種不良視頻內(nèi)容識別裝置，其特征在于，包括 視頻關(guān)鍵巾貞提取單兀，用于在待檢測視頻中提取視頻關(guān)鍵巾貞; 視頻鏡頭分割單元，用于對視頻關(guān)鍵幀提取單元提取的視頻關(guān)鍵幀進(jìn)行分組，分組得到的每一組視頻關(guān)鍵幀構(gòu)成對待檢測視頻進(jìn)行鏡頭分割的一個(gè)視頻鏡頭； 視頻鏡頭判斷單元，用于針對視頻鏡頭分割單元分割得到的每個(gè)視頻鏡頭分別執(zhí)行提取該視頻鏡頭的運(yùn)動特征信息，并根據(jù)提取的運(yùn)動特征信息判斷該視頻鏡頭是否為不良視頻鏡頭； 視頻內(nèi)容判斷單元，用于根據(jù)視頻鏡頭判斷單元判斷出的不良視頻鏡頭的數(shù)目，確定待檢測視頻是否為不良視頻內(nèi)容。
14.一種不良視頻內(nèi)容識別方法，其特征在于，包括 在待檢測視頻中提取視頻關(guān)鍵巾貞; 對提取的視頻關(guān)鍵幀進(jìn)行分組，分組得到的每一組視頻關(guān)鍵幀構(gòu)成對待檢測視頻進(jìn)行鏡頭分割的一個(gè)視頻鏡頭；并 基于分割得到的各個(gè)視頻鏡頭信息，對待檢測視頻進(jìn)行視頻場景分割，得到不同的視頻場景； 針對分割得到的每個(gè)視頻場景分別執(zhí)行判斷該視頻場景是否為不良視頻場景； 根據(jù)判斷出的不良視頻場景的數(shù)目，確定所述待檢測視頻是否為不良視頻內(nèi)容。
15.如權(quán)利要求14所述的不良視頻內(nèi)容識別方法，其特征在于，基于分割得到的各個(gè)視頻鏡頭信息，對待檢測視頻進(jìn)行視頻場景分割，得到不同的視頻場景，具體包括 計(jì)算分割的各個(gè)視頻鏡頭之間的相關(guān)性； 根據(jù)計(jì)算出的各個(gè)視頻鏡頭之間的相關(guān)性，將分割出的各個(gè)視頻鏡頭進(jìn)行分組，每組視頻鏡頭構(gòu)成一個(gè)視頻場景。
16.如權(quán)利要求15所述的不良視頻內(nèi)容識別方法，其特征在于，基于各個(gè)視頻鏡頭中的視頻關(guān)鍵幀之間的相關(guān)性來表征各個(gè)視頻鏡頭之間的相關(guān)性，包括 基于下述公式，計(jì)算分割的各個(gè)視頻鏡頭中的視頻關(guān)鍵幀之間的相關(guān)性
17.如權(quán)利要求15所述的不良視頻內(nèi)容識別方法，其特征在于，根據(jù)計(jì)算出的各個(gè)視頻鏡頭之間的相關(guān)性，將分割出的各個(gè)視頻鏡頭進(jìn)行分組，具體包括 51、在所有分割的視頻鏡頭中選取一個(gè)視頻鏡頭作為基準(zhǔn)視頻鏡頭； 52、按照計(jì)算得到的基準(zhǔn)視頻鏡頭分別與其他視頻鏡頭之間的相關(guān)性從小到大的順序，對其它各個(gè)視頻鏡頭進(jìn)行排序，并選取排序在前N位的N個(gè)視頻鏡頭； 53、在選取的N個(gè)視頻鏡頭中，選取距離該基準(zhǔn)視頻鏡頭的時(shí)間跨度小于預(yù)設(shè)的閾值Z的M個(gè)視頻鏡頭； 54、將選取出的M個(gè)視頻鏡頭與該基準(zhǔn)視頻鏡頭構(gòu)成一個(gè)頻繁鏡頭集合； 55、針對選取出的M個(gè)視頻鏡頭中的每個(gè)視頻鏡頭，分別執(zhí)行將該視頻鏡頭重新作為一個(gè)新的基準(zhǔn)視頻鏡頭，繼續(xù)返回S2，直至選擇不出視頻鏡頭加入到S4中得到的頻繁鏡頭集合中為止后，將S4中得到的頻繁鏡頭集合作為一個(gè)視頻鏡頭分組； 56、在所有視頻鏡頭中沒有被選取到任何一個(gè)頻繁鏡頭集合中的視頻鏡頭中，選取一個(gè)視頻鏡頭作為新的基準(zhǔn)視頻鏡頭，然后返回S2繼續(xù)執(zhí)行。
18.如權(quán)利要求14所述的不良視頻內(nèi)容識別方法，其特征在于，判斷該視頻場景是否為不良視頻場景，具體包括 判斷該視頻場景中包含的不良視頻關(guān)鍵幀的數(shù)目是否大于預(yù)設(shè)的閾值Q1，如果是，判斷該視頻場景為不良視頻場景，否則判斷該視頻場景為正常視頻場景；或者 判斷該視頻場景中包含的不良視頻關(guān)鍵幀的數(shù)目與該視頻場景中包含的所有視頻關(guān)鍵幀的總數(shù)目的比值，是否大于預(yù)設(shè)的閾值Q2，如果是，判斷該視頻場景為不良視頻場景，否則判斷該視頻場景為正常視頻場景；或者 判斷該視頻場景中包含的不良視頻鏡頭的數(shù)目是否大于預(yù)設(shè)的閾值Q3，如果是，判斷該視頻場景為不良視頻場景，否則判斷該視頻場景為正常視頻場景；或者 判斷該視頻場景中包含的不良視頻鏡頭的數(shù)目與該視頻場景中包含的所有視頻鏡頭的總數(shù)目的比值，是否大于預(yù)設(shè)的閾值Q4，如果是，判斷該視頻場景為不良視頻場景，否則判斷該視頻場景為正常視頻場景；或者 確定該視頻場景中包含的不良視頻關(guān)鍵幀的數(shù)目與該視頻場景中包含的所有視頻關(guān)鍵幀的總數(shù)目的比值與預(yù)設(shè)的不良視頻關(guān)鍵幀權(quán)重系數(shù)的乘積，與該視頻場景中包含的不良視頻鏡頭的數(shù)目與該視頻場景中包含的所有視頻鏡頭的總數(shù)目的比值與預(yù)設(shè)的不良視頻鏡頭權(quán)重系數(shù)的乘積的和值；在確定的和值大于預(yù)設(shè)的閾值Q5時(shí)，判斷該視頻場景為不良視頻場景，否則判斷該視頻場景為正常視頻場景。
19.如權(quán)利要求14所述的不良視頻內(nèi)容識別方法，其特征在于，根據(jù)判斷出的不良視頻場景的數(shù)目，確定所述待檢測視頻是否為不良視頻內(nèi)容，包括 當(dāng)判斷出的不良視頻場景的數(shù)目大于預(yù)先設(shè)定的閾值Y時(shí)，判斷所述待檢測視頻為不良視頻內(nèi)容，否則判斷所述待檢測視頻為正常視頻內(nèi)容；或 確定判斷出的不良視頻場景的數(shù)目與針對該待檢測視頻分割得到的視頻場景總數(shù)目的比值，在確定的比值大于閾值H時(shí)，判斷所述待檢測視頻為不良視頻內(nèi)容，否則判斷所述待檢測視頻為正常視頻內(nèi)容。
20.一種不良視頻內(nèi)容識別裝置，其特征在于，包括 視頻關(guān)鍵巾貞提取單兀，用于在待檢測視頻中提取視頻關(guān)鍵巾貞; 視頻鏡頭分割單元，用于對視頻關(guān)鍵幀提取單元提取的視頻關(guān)鍵幀進(jìn)行分組，分組得到的每一組視頻關(guān)鍵幀構(gòu)成對待檢測視頻進(jìn)行鏡頭分割的一個(gè)視頻鏡頭； 視頻場景分割單元，用于基于視頻鏡頭分割單元分割得到的各個(gè)視頻鏡頭信息，對待檢測視頻進(jìn)行視頻場景分割，得到不同的視頻場景； 視頻場景判斷單元，用于判斷視頻場景分割單元分割得到的每個(gè)視頻場景是否為不良視頻場景； 視頻內(nèi)容判斷單元，用于根據(jù)視頻場景判斷單元判斷出的不良視頻場景的數(shù)目，確定所述待檢測視頻是否為不良視頻內(nèi)容。
21.一種視頻關(guān)鍵幀的提取方法，其特征在于，包括 對視頻進(jìn)行等時(shí)間間隔提取N個(gè)視頻幀，抽取出的N個(gè)視頻幀分別代表N個(gè)聚類的聚類中心幀； 對于視頻中除聚類中心幀之外的每個(gè)視頻幀，分別執(zhí)行下述操作，形成N個(gè)聚類分別確定該視頻幀與N個(gè)聚類中心幀之間的相似度，將該視頻幀歸類到與該視頻幀具有最高相似度的聚類中心幀所在的聚類中； 判斷形成的N個(gè)聚類中的每個(gè)聚類中包含的視頻幀中任意兩個(gè)視頻幀之間的相似度是否均大于第一閾值，且任意兩個(gè)聚類中包含的視頻幀之間的相似度均小于第二閾值；如果判斷結(jié)果均為是，對形成的每個(gè)聚類分別執(zhí)行從該聚類中選擇一個(gè)與該聚類中的聚類中心幀相似度最低的視頻幀作為視頻關(guān)鍵幀，提取視頻關(guān)鍵幀過程結(jié)束；否則 對形成的每個(gè)聚類分別執(zhí)行從該聚類中選擇一個(gè)與該聚類中的聚類中心幀相似度最低的視頻幀作為新的聚類中心幀； 重新選擇出的N個(gè)新的聚類中心幀分別歸屬N個(gè)不同的聚類后，返回繼續(xù)執(zhí)行對于視頻中除聚類中心幀之外的每個(gè)視頻幀的操作。
22.一種視頻關(guān)鍵幀的提取裝置，其特征在于，包括 聚類中心幀提取單元，用于對視頻進(jìn)行等時(shí)間間隔提取N個(gè)視頻幀，抽取出的N個(gè)視頻幀分別代表N個(gè)聚類的聚類中心幀； 視頻幀聚類形成單元，用于對于視頻中除聚類中心幀提取單元提取的聚類中心幀之外的每個(gè)視頻幀，分別執(zhí)行下述操作，形成N個(gè)聚類分別確定該視頻幀與N個(gè)聚類中心幀之間的相似度，將該視頻幀歸類到與該視頻幀具有最高相似度的聚類中心幀所在的聚類中； 判斷單元，用于判斷視頻幀聚類形成單元形成的N個(gè)聚類中的每個(gè)聚類中包含的視頻幀中任意兩個(gè)視頻幀之間的相似度是否均大于第一閾值，且任意兩個(gè)聚類中包含的視頻幀之間的相似度均小于第二閾值； 第一執(zhí)行單元，用于當(dāng)判斷單元的判斷結(jié)果均為是時(shí)，對形成的每個(gè)聚類分別執(zhí)行從該聚類中選擇一個(gè)與該聚類中的聚類中心幀相似度最低的視頻幀作為視頻關(guān)鍵幀， 第二執(zhí)行單元，用于當(dāng)判斷單元的判斷結(jié)果為否時(shí)，對形成的每個(gè)聚類分別執(zhí)行從該聚類中選擇一個(gè)與該聚類中的聚類中心幀相似度最低的視頻幀作為新的聚類中心幀，并觸發(fā)視頻幀聚類形成單元繼續(xù)執(zhí)行后續(xù)操作。
23.一種視頻鏡頭的分割方法，其特征在于，包括 在視頻中提取多個(gè)視頻關(guān)鍵巾貞; 對提取的多個(gè)視頻關(guān)鍵幀分別進(jìn)行分析，得到提取的多個(gè)視頻關(guān)鍵幀之間的相關(guān)特征； 根據(jù)分析得到的多個(gè)視頻關(guān)鍵幀之間的相關(guān)特征，對多個(gè)視頻關(guān)鍵幀進(jìn)行分組，每一個(gè)分組中包含的視頻關(guān)鍵幀構(gòu)成一個(gè)對視頻進(jìn)行分割得到的視頻鏡頭。
24.如權(quán)利要求23所述的視頻鏡頭的分割方法，其特征在于，基于下述公式，對提取的多個(gè)視頻關(guān)鍵幀分別進(jìn)行分析，得到提取的多個(gè)視頻關(guān)鍵幀之間的相關(guān)特征W = ff^AECR+ff^HCR 其中，W為兩個(gè)相鄰視頻關(guān)鍵幀之間的切變數(shù)值，W1為當(dāng)前視頻關(guān)鍵幀邊緣變化率衡量標(biāo)準(zhǔn)的權(quán)值，AECR為當(dāng)前視頻關(guān)鍵幀相對相鄰視頻關(guān)鍵幀的邊緣變化率;W2為當(dāng)前視頻關(guān)鍵幀顏色變化率衡量標(biāo)準(zhǔn)的權(quán)值，HCR為前視頻關(guān)鍵幀相對相鄰兩個(gè)視頻關(guān)鍵幀的顏色變化率； 根據(jù)分析得到的多個(gè)視頻關(guān)鍵幀之間的相關(guān)特征，對多個(gè)視頻關(guān)鍵幀進(jìn)行分組，具體包括 根據(jù)計(jì)算得到的任意兩個(gè)相鄰視頻關(guān)鍵幀之間的切變數(shù)值W，將切換數(shù)值W大于預(yù)先設(shè)定的閾值Ml的切變數(shù)值W對應(yīng)的兩個(gè)相鄰視頻關(guān)鍵幀作為對視頻關(guān)鍵幀進(jìn)行分組的邊界； 根據(jù)確定的邊界，對多個(gè)視頻關(guān)鍵幀進(jìn)行分組。
25.如權(quán)利要求23所述的視頻鏡頭的分割方法，其特征在于，按照下述公式確定當(dāng)前視頻關(guān)鍵幀相對相鄰視頻關(guān)鍵幀的邊緣變化率AECR 其中，Xm表示當(dāng)前視頻關(guān)鍵巾貞m中的邊緣點(diǎn)的個(gè)數(shù),Xnrl表示當(dāng)前視頻關(guān)鍵巾貞的前一視頻關(guān)鍵幀m-1中的邊緣點(diǎn)的個(gè)數(shù)；X表示進(jìn)入當(dāng)前視頻關(guān)鍵幀m的邊緣點(diǎn)的個(gè)數(shù)，X=表示離開當(dāng)前視頻關(guān)鍵幀的前一視頻關(guān)鍵幀m-Ι的邊緣點(diǎn)的個(gè)數(shù)。
26.如權(quán)利要求25所述的視頻鏡頭的分割方法，其特征在于，按照下述公式確定當(dāng)前視頻關(guān)鍵幀相對相鄰兩個(gè)視頻關(guān)鍵幀的顏色變化率HCR
27.一種視頻鏡頭的分割裝置，其特征在于，包括 視頻關(guān)鍵幀提取單元，用于在視頻中提取多個(gè)視頻關(guān)鍵幀； 視頻關(guān)鍵幀分析單元，用于對視頻關(guān)鍵幀提取單元提取的多個(gè)視頻關(guān)鍵幀分別進(jìn)行分析，得到提取的多個(gè)視頻關(guān)鍵巾貞之間的相關(guān)特征； 視頻鏡頭分割單元，用于根據(jù)視頻關(guān)鍵幀分析單元分析得到的多個(gè)視頻關(guān)鍵幀之間的相關(guān)特征，對多個(gè)視頻關(guān)鍵幀進(jìn)行分組，每一個(gè)分組中包含的視頻關(guān)鍵幀構(gòu)成一個(gè)對視頻進(jìn)行分割得到的視頻鏡頭。
28.一種視頻場景的分割方法，其特征在于，包括 對視頻進(jìn)行鏡頭分割處理，得到多個(gè)視頻鏡頭； 計(jì)算分割的各個(gè)視頻鏡頭之間的相關(guān)性； 根據(jù)計(jì)算出的各個(gè)視頻鏡頭之間的相關(guān)性，將分割出的各個(gè)視頻鏡頭進(jìn)行分組，每組視頻鏡頭構(gòu)成一個(gè)視頻場景。
29.如權(quán)利要求28所述的視頻場景的分割方法，其特征在于，基于各個(gè)視頻鏡頭中的視頻關(guān)鍵幀之間的相關(guān)性來表征各個(gè)視頻鏡頭之間的相關(guān)性； 基于下述公式，計(jì)算分割的各個(gè)視頻鏡頭中的視頻關(guān)鍵幀之間的相關(guān)性
30.如權(quán)利要求28所述的視頻場景的分割方法，其特征在于，根據(jù)計(jì)算出的各個(gè)視頻鏡頭之間的相關(guān)性，將分割出的各個(gè)視頻鏡頭進(jìn)行分組，具體包括51、在所有分割的視頻鏡頭中選取一個(gè)視頻鏡頭作為基準(zhǔn)視頻鏡頭；52、按照計(jì)算得到的基準(zhǔn)視頻鏡頭分別與其他視頻鏡頭之間的相關(guān)性從小到大的順序，對其它各個(gè)視頻鏡頭進(jìn)行排序，并選取排序在前N位的N個(gè)視頻鏡頭；53、在選取的N個(gè)視頻鏡頭中，選取距離該基準(zhǔn)視頻鏡頭的時(shí)間跨度小于預(yù)設(shè)的閾值Z 的M個(gè)視頻鏡頭；54、將選取出的M個(gè)視頻鏡頭與該基準(zhǔn)視頻鏡頭構(gòu)成一個(gè)頻繁鏡頭集合；55、針對選取出的M個(gè)視頻鏡頭中的每個(gè)視頻鏡頭，分別執(zhí)行將該視頻鏡頭重新作為一個(gè)新的基準(zhǔn)視頻鏡頭，繼續(xù)返回S2，直至選擇不出視頻鏡頭加入到S4中得到的頻繁鏡頭集合中為止后，將S4中得到的頻繁鏡頭集合作為一個(gè)視頻鏡頭分組；56、在所有視頻鏡頭中沒有被選取到任何一個(gè)頻繁鏡頭集合中的視頻鏡頭中，選取一個(gè)視頻鏡頭作為新的基準(zhǔn)視頻鏡頭，然后返回S2繼續(xù)執(zhí)行。
31.一種視頻場景的分割裝置，其特征在于，包括視頻鏡頭分割單元，用于對視頻進(jìn)行鏡頭分割處理，得到多個(gè)視頻鏡頭；相關(guān)性計(jì)算單元，用于計(jì)算視頻鏡頭分割單元分割的各個(gè)視頻鏡頭之間的相關(guān)性；視頻場景分割單元，用于根據(jù)相關(guān)性計(jì)算單元計(jì)算出的各個(gè)視頻鏡頭之間的相關(guān)性， 將分割出的各個(gè)視頻鏡頭進(jìn)行分組，每組視頻鏡頭構(gòu)成一個(gè)視頻場景。
全文摘要
本發(fā)明公開了一種不良視頻內(nèi)容識別方法，包括在待檢測視頻中提取視頻關(guān)鍵幀；對提取的視頻關(guān)鍵幀進(jìn)行分組，分組得到的每一組視頻關(guān)鍵幀構(gòu)成對待檢測視頻進(jìn)行鏡頭分割的一個(gè)視頻鏡頭；并針對分割得到的每個(gè)視頻鏡頭分別執(zhí)行提取該視頻鏡頭的運(yùn)動特征信息，并根據(jù)提取的運(yùn)動特征信息判斷該視頻鏡頭是否為不良視頻鏡頭；根據(jù)判斷出的不良視頻鏡頭的數(shù)目，確定所述待檢測視頻是否為不良視頻內(nèi)容。使用本發(fā)明提出的不良視頻內(nèi)容識別方法，能夠提高對不良視頻內(nèi)容的識別準(zhǔn)確度。
文檔編號G06T7/20GK102930553SQ20111022811
公開日2013年2月13日 申請日期2011年8月10日 優(yōu)先權(quán)日2011年8月10日
發(fā)明者王斌, 周晨艷, 貝悅, 李輝, 朱劍 申請人:中國移動通信集團(tuán)上海有限公司