[发明专利]一种基于卷积神经网络模型的暴恐视频检测方法

说明书

一种基于卷积神经网络模型的暴恐视频检测方法，涉及计算机视觉和机器学习。包括以下步骤：1)深度神经网络模型的训练；2)在线暴恐视频检测。利用深度学习模型组合低层特征，形成更加抽象的高层表示属性或特征，以发现数据的分布式特征表示。通过该模型能够获取描述能力强的视频图像特征描述子。该特征描述子涵盖了视频图像从低到高各个层次的特征信息，从而大大提高了暴恐视频检测的准确率和召回率。通过少量样本来训练深度卷积网络来获得优秀的检测性能。对恐怖图片检测准确率达99％以上，召回率达98％以上。对于恐怖视频检测准确率达95％，召回率达99％。训练过程无需人工参与，自动根据少量样本生成海量数据。

技术领域

本发明涉及计算机视觉和机器学习，尤其是涉及一种基于卷积神经网络模型的暴恐视频检测方法。

背景技术

恐怖主义的横行给世界各国人民带来了巨大灾难和伤痛。它造成了重大人员伤亡和财产损失，妨碍国家安全和社会稳定，其危害性远超普通刑事犯罪。恐怖主义思想散播的一个主要渠道便是通过视频图像进行传播。目前对暴恐视频的检测主要通过人工审核标注，耗费大量财力物力。若对视频或者图片文件重新进行编辑(如翻拍、转录)，则又需要重新人工审核，效率十分低下。因此面对数据量日益增长的互联网，需要一种新型的技术自动过滤恐怖主义视频图像内容，并可以在重要公共场所布控预警。

现有的各种视频图像特征描述子(如sift、gist、mser、hessian等描述子)描述能力有限，难以全面准确描述视频图像中的内容，尤其在暴恐视频中需要针对特定的目标进行检测，从而导致该检测工作准确率(precious)和召回率(recall)相对较低。

目前市场上最相近的技术实现方案是利用文件的特征码进行过滤。特征码主要有MD5、SHA和CRC32等。使用特征码的方法只能过滤原始的文件。若文件发生了哪怕一比特的改变(转换格式，翻拍，视频图像编辑等)，文件的特征码就会发生改变，此时就无法过滤此文件。因此对于新出现的暴恐视频，检测方法主要通过人工审核。

现有的各种视频图像特征描述子(如sift、gist、mser、hessian等描述子)描述能力有限，难以全面准确描述视频图像中的内容，尤其在暴恐视频中需要针对特定的目标进行检测，从而导致该检测工作准确率(precious)和召回率(recall)相对较低。因此大部分情况下只能通过人工审核。人工审核费时费力，在当前信息爆炸时代非常有局限性。

深度学习的概念由Hinton等(Geoffrey E.,Simon Osindero,and Yee-WhyeTeh.A fast learning algorithm for deep belief nets.Neural computation 18.7(2006):1527-1554.)于2006年提出。基于深信度网(DBN)提出非监督贪心逐层训练算法，为解决深层结构相关的优化难题带来希望，随后提出多层自动编码器深层结构。此外Lecun等(LeCun,Y.,Bottou,L.,Bengio,Y.,Haffner,P.(1998).Gradient-based learningapplied to document recognition.Proceedings of the IEEE,86(11),2278-2324.)提出的卷积神经网络是第一个真正多层结构学习算法，它利用空间相对关系减少参数数目以提高训练性能。

发明内容

本发明的目的在于针对现有技术存在的上述问题，提供一种基于卷积神经网络模型的暴恐视频检测方法。

本发明包括以下步骤：

1)深度神经网络模型的训练，具体方法如下：

训练数据：

正样本：每个类别一张清晰包含特定目标的暴恐图片或者视频帧,所述特定目标包括但不限于LOGO、旗帜；

负样本：数百万张左右网络下载的正常图片；