一种网络暴力视频的识别方法技术
【技术实现步骤摘要】
一种网络暴力视频的识别方法
本专利技术涉及模式识别和计算机网络内容安全领域，特别涉及视频分类问题。
技术介绍
随着互联网技术和应用的迅速发展，人们对互联网的认识和使用已越来越深入，通过互联网人们可以获得丰富的信息与知识，可以便捷地交流，并享受到多样的娱乐活动。然而互联网是开放性的，它承载的海量信息也必然含有不良影响的，如色情、暴力、恐怖等有害信息也随着互联网广泛传播。而未成年人群体的生理与心理都处在成长阶段，容易受到外界的不良影响，有些甚至走上了犯罪道路并由此引发了很多社会问题，比如流行的古惑仔电影，导致不少的青少年走上了错误的道路。视频网站如雨后春笋般出现，网络视频用户增幅明显，是中国网民继即时通信、搜索、音乐、新闻之后的第五大应用。网络视频已经成为网民娱乐的主要方式之一，也成为不良信息的重要传播途径。网络暴力视频识别过滤具有重要的意义。网络上的暴力视频信息严重危害青少年的身心健康，还会引发青少年犯罪。因此，有效地对互联网中的暴力视频信息进行过滤，对于保护青少年的健康成长，降低青少年犯罪，维护社会稳定，都具有重要的实际意义。目前暴力视频的识别方法主要基于视频信息...
【技术保护点】
一种基于多示例多特征的网络暴力视频识别方法，该方法包括：步骤1：从视频共享网站上抓取暴力视频与非暴力视频及其评论、简介构建一个视频数据训练集；步骤2：从训练集的文本信息中提取文本特征组成文本特征向量来训练文本预分类器，该预分类器筛选出候选的暴力视频；步骤3：采用基于自适应双阈值的镜头分割算法对所述候选的暴力视频的视频片段进行分割，对每一个镜头提取相关的视觉特征、音频特征来表示该镜头，每一个镜头是多示例学习的一个示例，视频片段是一个包，该包映射到示例空间；步骤4：使用MILES算法将所述包转化为单示例，包由单示例的特征向量表达，采用该特征向量训练分类器模型，采用该分类器模型对...
【技术特征摘要】
1.一种基于多示例多特征的网络暴力视频识别方法，该方法包括：步骤1：从视频共享网站上抓取暴力视频与非暴力视频及其评论、简介构建一个视频数据训练集；步骤2：从训练集的文本信息中提取文本特征组成文本特征向量来训练文本预分类器，该预分类器筛选出候选的暴力视频；步骤3：采用基于自适应双阈值的镜头分割算法对所述候选的暴力视频的视频片段进行分割，对每一个镜头提取相关的视觉特征、音频特征来表示该镜头，每一个镜头是多示例学习的一个示例，视频片段是一个包括多个示例的包，该包映射到示例空间；步骤4：使用MILES算法将所述包转化为单示例，包由单示例的特征向量表达，采用该特征向量训练分类器模型，采用该分类器模型对候选暴力视频进行分类；其中，所提取的视觉特征和音频特征包括：运动强度特征火焰像素的变化速度特征血液像素的变化特征镜头长度L、音频能量音频能量熵Is和Mel倒谱系数Cn；其中，步骤4中使用改进的MILES算法进行示例选择，使多示例问题转换为单示例监督学习问题，所述改进的MILES算法，是将每一个包只选择与正包相似度最高的示例，即选择包中最有用的示例来表达；其中，步骤3中包括：假如视频段内相邻p帧与q帧之间的帧间差异SDp，q的均值为μ，方差为σ，则两个阈值可表达为：Tb＝μ+α1σ，α1∈[5，6]Ts＝μ+α2σ，α2∈[2，3]检测的基本流程如下：1、假如SDp，q＞Tb，p帧与q帧之间发生了镜头的切变；2、假如SDp，q＜Tb，p帧与q帧之间没有发生镜头变换；3、假如Tb＞SDp，q＞Ts，则q帧被标记为起始帧Fs，从该q帧起计算两类不同的帧之间的差异，一类是相邻的帧之间的差异，一类是起始帧和后续帧之间相隔帧之间的帧间差异SDp，k，当从q帧开始相隔帧之间帧间差异不断增加时，在相邻帧之间的帧间差异大于Ts的前提下，只要相隔帧之间的帧间差异超过Tb时，则镜头发生了渐变切换；当相邻帧之间的帧间差异小于Ts，而累积帧间差SDp，k小于Tb时，原来标注的起始帧Fs就被放弃；然后对镜头提取视频特征和音频特征，包括：1)运动强度：运动向量的大小即运动强度M，公式如下Mk(i)是镜头第k帧的第i块的运动强度；...
【专利技术属性】
技术研发人员：胡卫明，邹星宇，吴偶，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：
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。