[发明专利]一种有害视频的检测方法及其系统

权利要求书

1.一种有害视频的检测方法，其特征在于，包括：

预训练检测模型；

获取待测视频图像帧，提取所述待测视频图像帧的全局特征和局部特征；

将所述待测视频图像帧的全局特征和局部特征与检测模型中有害视频图像帧的全局特征和局部特征进行比对，判断相似度是否高于阈值，若是则待测视频为安全视频，若否，则待测视频为有害视频。

2.根据权利要求1所述的检测方法，其特征在于，所述预训练检测模型具体为：

获取有害视频图像帧，提取所述有害视频图像帧的全局特征和局部特征，并进行深度学习，得到检测模型。

3.根据权利要求2所述的检测方法，其特征在于，所述深度学习，得到检测模型具体为：

将提取的所述有害视频图像帧的全局特征和局部特征进行分类，清洗和增强，得到预训练数据；

将所述预训练数据送入神经网络进行训练和调优；

将训练得到结果进行反复迭代，每一次得到的结果作为下一次迭代的初始值，直到训练的损失不再下降并趋于稳定，此时会收敛至0.001以下，得到检测模型。

4.根据权利要求1所述的检测方法，其特征在于，所述比对具体为：

获取待测视频图像帧，基于神经网络提取所述待测视频图像帧的全局特征，并与所述检测模型中有害视频全局特征比较相似度，判断是否高于第一阈值，若是，则为安全视频；

若否，则提取待测视频图像帧的局部特征，并与所述检测模型中的有害视频局部特征比较相似度，判断是否高于第二阈值，若是则为安全视频，若否则是有害视频。

5.根据权利要求1~4任意一项所述的检测方法，其特征在于，所述全局特征为：第一浮点型数组，所述局部特征为第二浮点型数组，且长度大于所述第一浮点型数组。

6.根据权利要求4所述的检测方法，其特征在于，判断是否高于第一阈值，具体为，

计算检测模型中的全局特征与待测图像中的全局特征之间的欧式距离，为第一欧式距离；

所述第一欧式距离高于所述第一阈值时，则为安全视频。

7.根据权利要求4所述的检测方法，其特征在于，判断是否高于第二阈值，具体为，

计算检测模型中的局部特征与待测图像中的局部特征之间的欧式距离，为第二欧氏距离；

所述第二欧式距离高于所述第二阈值，则为安全视频。

8.根据权利要求6或7任意一项所述的检测方法，其特征在于，所述欧式距离通过公式（1）计算：

（1）

其中_i代表有害视频图像的全局特征或局部特征，x_j代表待测的图像的全局特征或局部特征,L₂代表取x_i和x_j的欧式距离，l为全局特征或局部特征个数，n为求和次数，_i^(l)和x_j^(l)表示第l个全局特征或局部特征。

9.一种有害视频检测系统，其特征在于，包括：

网络库，用于预训练检测模型；

视频库，用于获取待测视频图像帧，提取所述待测视频图像帧的全局特征和局部特征；

检测单元，用于基于所述检测模型将所述待测视频图像帧的全局特征和局部特征与有害视频图像帧的全局特征和局部特征进行比对，判断相似度是否高于阈值，若是则待测视频为安全视频，若否，则待测视频为有害视频。

10.根据权利要求9所述的系统，其特征在于，所述检测单元包括：

第一比对单元，获取待测视频图像帧，基于神经网络提取所述待测视频图像帧的全局特征，并与所述检测模型中有害视频全局特征比较相似度，判断是否高于第一阈值，若是，则为安全视频；

第二比对单元，用于获取待测视频图像帧的局部特征，并与所述检测模型中的有害视频局部特征比较相似度，判断是否高于第二阈值，若是则为安全视频，若否则是有害视频。