[发明专利]一种有害视频的检测方法及其系统

说明书

本发明提出了一种有害视频的检测方法，包括通过网络模型提取有害视频图像帧，基于神经网络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；提取待测视频图像帧，基于所述神经网络提取所述待测视频图像帧的全局特征和局部特征；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所述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，若是则待测视频安全视频，若否则待测视频为有害视频。本发明的关键点在于全局特征提取和局部特征提取都是基于神经网络算法，相较于传统算法的召回，精度和速度更高。

技术领域

本发明涉及视频特征提取和识别领域，尤其涉及一种有害视频的检测方法及其系统。

背景技术

有害(色情\恐怖\暴力)视频, 严重危害网络的健康, 需要进行检测和过滤。现有的有害视频检测技术大多是基于感知哈希来进行图像检索，召回的数量多，精度低，一般召回后还需要进行top-k排序，速度较慢，难以承受大规模的检索任务。

发明内容

本发明的目的在于提供一种有害视频的检测方法及其系统，通过全局特征提取和局部特征提取以及比对，得到精度高，速度快的是有害视频检测结果。

为解决上述背景技术中所存在的问题，本发明提出了一种有害视频的检测方法，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。

优选的，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。

优选的，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。

优选的，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。

优选的，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。

优选的，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。

优选的，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。

优选的，所述欧式距离通过公式（1）计算：

（1）