[发明专利]数字视频不良内容的分类方法和系统

说明书

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。

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；