【技术实现步骤摘要】
本专利技术基于视频切分的不良视频检测方法及检测装置涉及一种能够提高检测效率和准确率的检测方法及检测装置，属于不良视频检测，特别涉及一种通过将预处理后的视频切分为若干个连续的视频片段，对每个视频片段进行单独的分析与检测，根据每个视频片段的检测结果判断整个视频是否为不良视频，能够提高检测效率和准确率的检测方法及检测装置。
技术介绍
1、网络视频已深入人们的日常生活，成为人们娱乐和获取知识的主要手段。网络视频内容涉及的范围较广，视频内容良莠不齐，常常会有血腥、暴力、色情、或者引导不理性消费等不良视频混杂在内。不良视频的传播会扰乱社会秩序，破坏社会风气，给人们尤其是青少年的健康成长造成极大的负面影响。因此需要对网络视频的内容进行检测，以便在不良视频发布前或者播放时被过滤和处理，减少不良视频的传播，建立健康和谐的网络环境。现有的对不良视频的检测方法是通过人工或者智能检测对输入的整个视频进行分析和检测，然而很多视频的时间较长、信息量较大，需要耗费的计算资源和存储空间较大，检测效率较低，且不良视频可能分散在整个视频的不同片段，细节容易被忽略，准确率较低。
2、公告号cn106973305b公开了一种视频中不良内容的检测方法及装置，包括：获取待检测视频文件；对待检测视频文件进行视频音频分离，获得音频信息和图像信息；将音频信息转换成第一文本内容，以及将图像信息转换成第二文本内容；对第一文本内容和第二文本内容进行合并和去重处理，获得目标文本内容；对比目标文本内容与敏感词汇列表，查找出目标文本内容中的敏感词汇以及获得敏感词汇的总字数；根据
3、准确率较低。
技术实现思路
1、为了改善上述情况，本专利技术基于视频切分的不良视频检测方法及检测装置提供了一种通过将预处理后的视频切分为若干个连续的视频片段，对每个视频片段进行单独的分析与检测，根据每个视频片段的检测结果判断整个视频是否为不良视频，能够提高检测效率和准确率的检测方法及检测装置。
2、本专利技术基于视频切分的不良视频检测方法及检测装置是这样实现的：本专利技术基于视频切分的不良视频检测装置包括预处理模块、视频切分模块、特征提取模块、分类模块、判断模块以及处理模块，其特征在于，
3、预处理模块通过数据传输线和视频切分模块相连接，
4、视频切分模块通过数据传输线和特征提取模块相连接，
5、特征提取模块通过数据传输线和分类模块相连接，
6、分类模块通过数据传输线和判断模块相连接，
7、判断模块通过数据传输线和处理模块相连接，
8、预处理模块，用于对输入的视频进行预处理，包括去除噪声、调整亮度和对比度，通过去除噪声，可以使视频中的声音更加清晰和真实，通过调整亮度和对比度，可以使视频中的画面更加清晰和生动，能够有助于分析和检测视频中是否包含不良内容，提高检测的效率和准确率，
9、优选的，所述预处理模块可以采用高斯降噪滤波器对视频的像素周围值进行平均化处理，以减小输入视频中的噪声，使图像变得平滑，提高视频的质量，
10、优选的，所述预处理模块可以采用 gamma 校正的方式对视频的亮度和对比度进行调整，如果视频的亮度和对比度大于预设的亮度和对比度的阈值，则减小gamma值，如果视频的亮度和对比度小于预设的亮度和对比度的阈值，则增大gamma值，以提高视频的视觉效果，
11、视频切分模块，用于将预处理后的视频切分为若干个连续的视频片段，便于后续可以并行处理多个不同的视频片段，能够避免浪费计算资源和存储空间，提高检测的效率和准确率，
12、优选的，所述视频切分模块可以根据预设的开始切分时间、结束切分时间以及根据预处理后的视频的长度设置的切分段数对预处理后的视频进行切分，
13、优选的，所述视频切分模块可以根据预处理后的视频中的不同场景的动态变化对预处理后的视频进行切分，
14、优选的，所述视频切分模块可以对可能包含不良内容的视频片段进行再次切分，能够提高检测的准确率，
15、优选的，所述视频切分模块可以使用pyscenedetect命令行工具进行视频切分，在pyscenedetect中输入split-video命令，能够自动将预处理后的视频切分为若干个连续的视频片段，
16、特征提取模块，用于对每个视频片段进行特征提取，得到特征向量，
17、所述特征是每个视频片段的视频内容中具有代表性的属性或者信息，包括颜色直方图特征、运动特征、音频特征、情感特征、肤色特征、模糊特征以及文字特征，将不同类型的所述特征进行归一化处理之后组合在一起得到所述特征向量，
18、优选的，不良视频中包括血腥、暴力、色情或者引导不理性消费等内容，针对不同类型的不良视频，可以采取不同的特征提取方法，血腥的视频内容中通常会伴随较多的红色调，可以通过分析每个视频片段中红色的色调分布情况来提取颜色直方图特征；暴力的视频内容通常会伴随着激烈的动作以及剧烈的声音，可以通过分析每个视频片段中的光流、声音的频率和音量以及角色的愤怒、恐惧等情绪来提取运动特征、音频特征以及情感特征；色情的视频内容中通常会伴随暧昧的声音、裸露的身体部位以及遮挡关键部位的性行为，可以通过分析每个视频片段中的声音的频率和音量、角色的皮肤以及模糊区域来提取音频特征、肤色特征以及模糊特征；引导不理性消费的视频内容通常会伴随过渡夸大的方式宣传产品或者服务，可以通过分析每个视频片段中的声音的频率和音量、出现的文字信息以及图片信息来提取音频特征和文字特征，
19、优选的，所述特征提取模块可以通过基于深度学习构建的特征提取模型来进行所述特征的提取，得到所述特征向量，
20、分类模块，用于将所述特征向量输入到预先训练好的不良视频分类模型中，得到每个视频片段的分类结果，确保所述分类结果的准确性，以便进行后续的判断和处理，
21、所述分类结果指每个视频片段所属的不良视频的类别，包括血腥、暴力、色情或者引导不理性消费，
22、优选的，所述分类模块可以采用机器学习算法等先进技术，针对大量的不良视频的样本进行预先训练，建立分类模型，
23、判断模块，用于根据分类结果，判断整个视频是否为不良视频，以便决定后续对整个视频的处理方式，
24、优选的，所述判断模块可以根据每个视频片段的所述分类结果，统计整个视频中每一种分类结果的总和，如果每一种分类结果的总和大于预设的阈值，则判本文档来自技高网...
【技术保护点】
1.一种基于视频切分的不良视频检测方法，其特征在于：利用基于视频切分的不良视频检测装置进行检测，具体步骤包括：（1）预处理模块对输入的视频进行预处理，包括去除噪声、调整亮度和对比度，通过预处理模块可以使视频中的声音更加清晰和真实，使视频中的画面更加清晰和生动，能够为后续的特征提取模块提供高质量的视频，预处理模块将预处理后的视频传输给视频切分模块；（2）视频切分模块将预处理后的视频切分为若干个连续的视频片段，以便于后续可以并行对每个视频片段的视频特征进行分别提取，能够减少分析和检测不良视频的时间，提高检测效率和准确率，视频切分模块将切分后的若干个连续的视频片段传输给特征提取模块；（3）特征提取模块对每个视频片段的视频进行特征提取，得到特征向量，特征提取模块将得到特征向量传输给分类模块；（4）分类模块将特征向量输入到预先训练好的不良视频分类模型中，得到每个视频片段的分类结果，分类模块将得到的分类结果传输给判断模块；（5）判断模块根据每个视频片段的分类结果，判断整个视频是否为不良视频，如果不是，则正常播放，如果是，则对整个视频进行过滤或者处理。
2.根据权利要求1所述的一种
3.根据权利要求1所述的一种基于视频切分的不良视频检测方法，其特征在于所述分类模块可以采用随机森林算法，针对大量的不良视频的样本进行预先训练，通过构建多个决策树建立分类模型，将特征向量输入到建立的分类模型中，得到每个视频片段的分类结果，具体步骤包括：1）打开本地终端窗口，确保已经安装Python，在Python中使用命令安装Numpy库；2）在Python中使用命令导入Numpy库；3）将收集的大量的不良视频的样本保存在本地终端上，使用Numpy库进行加载；4）对收集的大量的不良视频进行预处理，包括去除噪声、调整亮度和对比度，在处理好的不良视频中选择对分类结果影响较大的数据特征，构成特征集；5）将处理好的不良视频划分为训练集和测试集，训练集和测试集是独立的，并且训练集足够大，测试集足够小，训练集和测试集的比例可以为7:3或8:2；6）创建随机森林模型，通过构建多个决策树来创建随机森林模型，每个决策树都是使用训练集中的不同训练子集和不同的特征子集训练的；7）使用测试集评估随机森林模型的性能，常见的评估指标包括准确率、召回率、均方误差以及平均绝对误差等；8）对于输入的特征向量，计算所有决策树T_i（i从1到N）的分类结果y_i（i从1到N），并对y_i（i从1到N）进行平均或投票，以得到随机森林算法的最终分类结果。
4.根据权利要求3所述的一种基于视频切分的不良视频检测方法，其特征在于所述创建随机森林模型的具体步骤包括：A、从训练集中随机抽取一个训练子集；B、从特征集中随机抽取一个特征子集；C、使用抽取的训练子集和特征子集训练一个决策树，训练一个决策树T_i（i从1到N）的具体步骤包括：a.从训练子集D中随机有放回地抽取n个样本，形成一个训练子集D_i；c.如果D_i中的特征数量大于1，则从所有特征中随机选择m个特征，用于划分数据；c.根据选定的特征和划分准则，将D_i划分为k个子集；d.递归地对每个子集D_j（j从1到k）重复步骤a-c，直到每个子集中只包含一个样本或满足停止条件；e.计算决策树T_i的分类结果；D、重复步骤A-C，直到训练出足够数量的决策树；E、将所有决策树组合成一个随机森林模型。
5.根据权利要求1所述的一种基于视频切分的不良视频检测方法，其特征在于所述基于视频切分的不良视频检测装置包括预处理模块、视频切分模块、特征提取模块、分类模块、判断模块以及处理模块，所述预处理模块通过数据传输线和视频切分模块相连接，所述视频切分模块通过数据传输线和特征提取模块相连接，所述特征提取模块通过数据传输线和分类模块相连接，所述分类模块通过数据传输线和判断模块相连接，所述判断模块通过数据传输线和处理模块相连接；所述预处理模块，用于对输入的视频进行预处理，包括去除噪声、调整亮度和对比度，通过去除噪声，可以使视频中的声音更加清晰和真实，通过调整亮...
【技术特征摘要】
1.一种基于视频切分的不良视频检测方法，其特征在于：利用基于视频切分的不良视频检测装置进行检测，具体步骤包括：（1）预处理模块对输入的视频进行预处理，包括去除噪声、调整亮度和对比度，通过预处理模块可以使视频中的声音更加清晰和真实，使视频中的画面更加清晰和生动，能够为后续的特征提取模块提供高质量的视频，预处理模块将预处理后的视频传输给视频切分模块；（2）视频切分模块将预处理后的视频切分为若干个连续的视频片段，以便于后续可以并行对每个视频片段的视频特征进行分别提取，能够减少分析和检测不良视频的时间，提高检测效率和准确率，视频切分模块将切分后的若干个连续的视频片段传输给特征提取模块；（3）特征提取模块对每个视频片段的视频进行特征提取，得到特征向量，特征提取模块将得到特征向量传输给分类模块；（4）分类模块将特征向量输入到预先训练好的不良视频分类模型中，得到每个视频片段的分类结果，分类模块将得到的分类结果传输给判断模块；（5）判断模块根据每个视频片段的分类结果，判断整个视频是否为不良视频，如果不是，则正常播放，如果是，则对整个视频进行过滤或者处理。
2.根据权利要求1所述的一种基于视频切分的不良视频检测方法，其特征在于所述视频切分模块可以通过python的moviepy库将预处理后的视频切分为若干个连续的视频片段，具体步骤包括：1）打开本地终端窗口，确保已经安装python，在python中使用命令安装moviepy库；2）在python中使用命令导入moviepy库；3）将需要进行切分的视频文件保存在本地终端上，使用moviep库打开视频文件；4）根据视频文件的长度设定需要将视频文件进行切分的开始时间、结束时间以及切分的段数；5）使用moviep库中提供的subclip方法对视频文件进行切分；6）切分完成后，将切分后的视频文件保存在本地终端上。
3.根据权利要求1所述的一种基于视频切分的不良视频检测方法，其特征在于所述分类模块可以采用随机森林算法，针对大量的不良视频的样本进行预先训练，通过构建多个决策树建立分类模型，将特征向量输入到建立的分类模型中，得到每个视频片段的分类结果，具体步骤包括：1）打开本地终端窗口，确保已经安装python，在python中使用命令安装numpy库；2）在python中使用命令导入numpy库；3）将收集的大量的不良视频的样本保存在本地终端上，使用numpy库进行加载；4）对收集的大量的不良视频进行预处理，包括去除噪声、调整亮度和对比度，在处理好的不良视频中选择对分类结果影响较大的数据特征，构成特征集；5）将处理好的不良视频划分为训练集和测试集，训练集和测试集是独立的，并且训练集足够大，测试集足够小，训练集和测试集的比例可以为7:3或8:2；6）创建随机森林模型，通过构建多个决策树来创建随机森林模型，每个决策树都是使用训练集中的不同训练子集和不同的特征子集训练的；7）使用测试集评估随机森林模型的性能，常见的评估指标包括准确率、召回率、均方误差以及平均绝对误差等；8）对于输入的特征向量，计算所有决策树t_i（i从1到n）的分类结果y_i（i从1到n），并对y_i（i从1到n）进行平均或投票，以得到随机森林算法的最终分类结果。
4.根据权利要求3所述的一种基于视频切分的不良视频检测方法，其特征在于所述创建随机森林模型的具体步骤包括：a、从训练集中随机抽取一个训练子集；b、从特征集中随机抽取一个特征子集；c、使用抽取的训练子集和特征子集训练一个决策树，训练一个决策树t_i（i从1到n）的具体步骤包括：a.从训练子集d中随机有放回地抽取n个样本，形成一个训练子集d_i；c.如果d_i中的特征数量大于1，则从所有特征中随机选择m个特征，用于划分数据；c.根据选定的特征和划分准则，将d_i划分为k个子集；d.递归地对每个子集d_j（j从1到k）重复步骤a-c，直到每个子集中只包含一个样本或满足停止条件；e.计算决策树t_i的分类结果；d、重复步骤a-c，直到训练出足够数量的决策树；e、将所有决策树组合成一个随机森林模型。
5.根据权利要求1所述的一种基于视频切分的不良视频检测方法，其特征在于所述基于视频切分的不良视频检测装置包括预处理模块、视频切分模块、特征提取模块、分类模块、判断模块以及处理模块，所述预处理模块通过数据传输线和视频切分模块相连接，所述视频切分模块通过数据传输线和特征提取模块相连接，所述特征提取模块通过数据传输线和分类模块相连接，所述分类模块通过数据传输线和判断模块相连接，...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。