[发明专利]一种视频鉴别的方法和装置

摘要

本发明提供了一种视频鉴别的方法和装置，该方法通过构建特征模型，并设置匹配阈值，采集目标视频中各个图像；解析各个图像中每一个图像的像素点，确定每一个图像对应的特征集；计算每一个图像对应的特征集与特征模型之间的匹配度，当至少一个图像对应的特征集的匹配度大于匹配阈值，确定目标视频为不良视频。本发明提供的方案能够有效地提高视频鉴别效率。

主权项

1.一种视频鉴别的方法，其特征在于，构建特征模型，并设置匹配阈值，还包括：采集目标视频中各个图像；解析所述各个图像中每一个图像的像素点，确定每一个图像对应的特征集；计算所述每一个图像对应的特征集与所述特征模型之间的匹配度，当至少一个图像对应的特征集的匹配度大于所述匹配阈值，确定所述目标视频为不良视频；所述构建特征模型，包括：确定各个不良视频中的图像样本；从各个图像样本中提取至少一种特征样本，确定所述至少一种特征样本中每种特征样本的体态像素中心坐标；每一种特征样本作为当前特征样本，执行：根据下述公式，优化所述当前特征样本的体态特征；其中，T表征优化后体态特征值，(xⁱ，yⁱ)表征第i个图像样本中当前特征样本的体态像素中心坐标，m表征图像样本数，f(x)表征图像样本的神经网络代价函数，ω表征拟合当量，b表征校准量；根据下述公式，计算当前特征样本的特征权值和偏移量；表征当前特征样本的特征权值；表征当前特征样本的偏移量；利用所述特征权值和所述偏移量构建当前特征样本的特征模型；进一步包括：设置采集时间间隔和采集视频区间；所述采集目标视频中各个图像，包括：根据所述采集时间间隔，在目标视频的采集视频区间中，采集各个图像；所述计算所述每一个图像对应的特征集与所述特征模型之间的匹配度，包括：将特征集中每一种特征与对应的特征模型进行匹配；根据下述公式，计算每一个图像对应的特征集的匹配度；其中，θ表征匹配度；α表征特征集中与特征模型相匹配的特征个数；β表征特征集中特征总个数；进一步包括：设置不良阈值；所述当至少一个图像对应的特征集的匹配度大于所述匹配阈值，确定所述目标视频为不良视频，包括：当至少一个图像对应的特征集的匹配度大于所述匹配阈值，确定该至少一个图像为不良图像；根据下述公式，计算不良图像的比重；其中，表征不良图像的比重；A表征不良图像的个数；B表征采集的目标视频中图像的总个数；当所述不良图像的比重大于所述不良阈值时，确定所述目标视频为不良视频；进一步包括：将不良图像添加到图像样本中；利用不良图像对应的特征集中的各个特征，优化所述特征模型。