專利名稱：一種色情視頻檢測(cè)方法及檢測(cè)系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及視頻檢測(cè)領(lǐng)域，特別涉及一種色情視頻檢測(cè)方法及相應(yīng)的 檢測(cè)系統(tǒng)。
背景技術(shù)：
隨著互聯(lián)網(wǎng)的廣泛應(yīng)用，用戶在獲得大量有用信息的同時(shí)也可能遇到 許多不良信息，其中尤其以色情視頻最為嚴(yán)重。搜索引擎因其能夠?qū)⒋罅?成人網(wǎng)站地址提供給用戶而惡化了這一現(xiàn)象。因此，進(jìn)行色情信息的檢測(cè) 和過濾具有重要的意義。
過去的色情視頻檢測(cè)主要存在兩種過濾方式。第一種是通過檢測(cè)色情 網(wǎng)站的網(wǎng)址進(jìn)行封堵。但是，色情網(wǎng)站的網(wǎng)址通常是經(jīng)常變化的，該系統(tǒng) 需要大量的人力來搜集色情網(wǎng)站的網(wǎng)址，所以網(wǎng)址封堵的方式并不是一種
可行的方法。另 一種是通過視頻相應(yīng)的文本內(nèi)容進(jìn)4亍;險(xiǎn)測(cè)。盡管視頻對(duì)應(yīng) 的文本內(nèi)容分析方法更為準(zhǔn)確，但是該方法對(duì)文本信息有卩艮強(qiáng)的依賴性， 而色情^L頻通常并沒有相應(yīng)文本介紹，因此該方法并不是可靠的方法。
基于以上分析，根據(jù)視頻本身視覺特征檢測(cè)其內(nèi)容是更可靠和可行的 解決方式。目前，已有大量的研究人員從事該方面的研究。在現(xiàn)有技術(shù)中， 利用視頻自身的視覺特征檢測(cè)色情視頻的方法主要包括以下幾個(gè)步驟
1、 從一個(gè)視頻中提取一個(gè)視頻幀，對(duì)該幀是否為色情幀進(jìn)行檢測(cè)。 由于每一幀都相當(dāng)于一個(gè)靜態(tài)圖片，因此可采用現(xiàn)有的色情圖片檢測(cè)方法 對(duì)該幀是否為色情幀進(jìn)行檢測(cè)。在檢測(cè)過程中，通常采用建立膚色模型的 方法，對(duì)圖片中的膚色區(qū)域、膚色面積等進(jìn)行檢測(cè)，從而知道視頻幀是否 為色情幀。
2、 在所要檢測(cè)的視頻中提取一定數(shù)量的視頻幀，重復(fù)上述的色情幀 檢測(cè)過程，得到相應(yīng)的檢測(cè)結(jié)果。
3、 根據(jù)檢測(cè)到的色情幀占提取的視頻幀的比例，判斷所要檢測(cè)的視 頻幀是否為色情視頻。
上述類型的方法中，最主要的工作集中在如何建立理想的膚色模型和如何提高色情圖片的檢測(cè)準(zhǔn)確率。此類方法的一個(gè)局限性在于，它在色情 識(shí)別時(shí)所釆用的特征仍然是圖像的靜態(tài)特征，而與靜態(tài)圖像相比，視頻本 身還具有其它獨(dú)有的特性，如視頻時(shí)序特性等，這些特性在色情視頻的識(shí) 別中并沒有得到應(yīng)用。
在實(shí)際應(yīng)用中，現(xiàn)有的色情視頻方法存在以下限制檢測(cè)準(zhǔn)確率的因
素
a) 、在實(shí)際的檢測(cè)過程中，由于人種的多樣性、光線的變化等因素， 使得很難建立完善的膚色模型以實(shí)現(xiàn)膚色點(diǎn)的準(zhǔn)確檢測(cè)；
b) 、人體姿態(tài)多樣性，遮擋等外界因素使得難以實(shí)現(xiàn)色情圖片的準(zhǔn)確 檢測(cè)；
c) 、對(duì)于不同的視頻難以建立通用的規(guī)則，通過色情圖片的檢測(cè)來實(shí) 現(xiàn)色情視頻的準(zhǔn)確檢測(cè)。
鑒于現(xiàn)有的色情視頻方法所具有的上述缺陷及局限，需要一種新的色 情-見頻檢測(cè)方法。

發(fā)明內(nèi)容
因此，本發(fā)明的任務(wù)是克服現(xiàn)有的色情視頻檢測(cè)方法在色情視頻檢測(cè) 過程中無法應(yīng)用視頻時(shí)序特性、從而影響4企測(cè)準(zhǔn)確率的缺陷，從而提供一 種具有較高檢測(cè)效率的色情視頻檢測(cè)方法。
為了實(shí)現(xiàn)上述目的，本發(fā)明提供了一種色情視頻檢測(cè)方法，包括以下 步驟
步驟l)、在待檢測(cè)視頻的視頻幀中，利用膚色模型和非膚色模型，計(jì) 算所迷視頻幀的各個(gè)象素點(diǎn)的膚色概率值與非膚色概率值；
步驟2)、根據(jù)視頻幀中象素點(diǎn)的膚色概率值與非膚色概率值，為所述 視頻幀建立模版圖像；
步驟3)、根據(jù)所述的模版圖像，從所述視頻幀中提取圖像特征；
步驟4)、將連續(xù)視頻幀中的圖像特征組成觀測(cè)序列，將所述觀測(cè)序列 輸入到色情鏡頭模型中以檢測(cè)待檢測(cè)視頻是否為色情視頻。
上述技術(shù)方案中，在所述的步驟1)中，所述的膚色模型和非膚色模 型利用圖像數(shù)據(jù)庫中的圖像建立。
上述技術(shù)方案中，所述的建立膚色模型和非膚色模型包括以下步驟
步驟l-l)、利用圖像數(shù)據(jù)庫中的圖像建立訓(xùn)練集；所述訓(xùn)練集中的圖像標(biāo)注有膚色點(diǎn)和非膚色點(diǎn)；
步驟1-2)、利用步驟1-1)中的訓(xùn)練集樣本，采用混合高斯模型訓(xùn)練 膚色模型和非膚色模型。
上述技術(shù)方案中，所述的模版圖像包括二值模版圖像和灰度模版圖像。
上述技術(shù)方案中，所述二值模版圖像采用以下步驟建立
首先，利用所述的膚色模型和非膚色模型標(biāo)記所述視頻幀中的膚色點(diǎn)
和非膚色點(diǎn)，得到與所述視頻幀對(duì)應(yīng)的二值圖像；
然后，對(duì)所述二值圖像做連通區(qū)域分割，得到所述的二值模版圖像。
上述技術(shù)方案中，所述灰度模版圖像采用以下步驟建立
首先，根據(jù)所述膚色概率值和非膚色概率值計(jì)算所述視頻幀中各個(gè)象
素點(diǎn)的初始灰度值；
然后，對(duì)整個(gè)視頻幀中各個(gè)象素點(diǎn)上的初始灰度值做線性歸 一化處
理，得到各個(gè)象素點(diǎn)的最終灰度值，從而得到所述的灰度模版圖像。 上述技術(shù)方案中，所述的線性歸一化處理采用如下公式
其中，Psca,e表示所述的最終灰度值，PMin和PMax分別表示一幅圖像中 象素點(diǎn)的最小灰度值和最大灰度值。
上述技術(shù)方案中，在所述的步驟3)中，所述的圖像特征至少包括以
下一種特征
整幅圖像的平均膚色概率，所有膚色區(qū)域內(nèi)平均膚色概率，所有膚色 區(qū)域外平均膚色概率，最大連通區(qū)域面積，最大連通區(qū)域的平均膚色概率， 擬合橢圓區(qū)域的長軸、短軸、長軸繞縱軸逆時(shí)針旋轉(zhuǎn)的角度及其面積。
上述技術(shù)方案中，在所述的步驟4)中，所述的色情鏡頭模型利用訓(xùn) 練集的視頻幀中所提取的圖像特征建立。
上述技術(shù)方案中，所述的色情鏡頭模型為隱馬爾可夫模型。 上述技術(shù)方案中，采用所述的隱馬爾可夫模型檢測(cè)色情視頻時(shí)，將所 述的觀測(cè)序列作為所述隱馬爾可夫模型的輸入值，所述隱馬爾可夫模型根 據(jù)該輸入值得到一個(gè)用于表示鏡頭是否為色情鏡頭的概率值，將所述概率 值與一個(gè)設(shè)定的閾值進(jìn)行比較，若所述概率值大于所述的閾值，則待檢測(cè) 視頻為色情視頻，否則為非色情視頻。上述技術(shù)方案中，所述閾值的大小在0.5到0.7之間。 本發(fā)明還提供了一種色情視頻檢測(cè)系統(tǒng)，包括
膚色概率值與非膚色概率值計(jì)算模塊，該模塊用于在待檢測(cè)視頻的視 頻幀中，利用膚色模型和非膚色模型，計(jì)算所述視頻幀的各個(gè)象素點(diǎn)的膚 色概率值與非膚色概率值；
模版圖像建立模塊，該模塊根據(jù)視頻幀中象素點(diǎn)的膚色概率值與非膚 色概率值，為所述視頻幀建立模版圖像；
圖像特征提取模塊，該模塊根據(jù)所述的模版圖像，從所述視頻幀中提 取圖像特征；
色情視頻檢測(cè)模塊，該模塊用于將連續(xù)視頻幀中的圖像特征組成觀測(cè) 序列，然后將所述觀測(cè)序列輸入到色情鏡頭模型中以檢測(cè)待檢測(cè)視頻是否 為色情一見頻。
本發(fā)明的優(yōu)點(diǎn)在于
序特性，使得整個(gè)視頻檢測(cè)方法的魯棒性更強(qiáng)，檢測(cè)準(zhǔn)確率更高。、''
序特性，使得在檢測(cè)過程中降低了'、對(duì)膚色模型準(zhǔn)確率的依賴性； 、'、
3、 本發(fā)明的色情視頻檢測(cè)方法在檢測(cè)過程中，檢測(cè)的準(zhǔn)確率既依賴 于單幀圖象的信息，也依賴于相鄰幀特征的關(guān)系，所以在檢測(cè)過程中降低 了對(duì)單幀圖象處理和檢測(cè)準(zhǔn)確率的依賴性；
4、 本發(fā)明的色情視頻檢測(cè)方法在檢測(cè)過程中，不需要復(fù)雜的膚色區(qū) 域分割算法。


以下，結(jié)合附圖來詳細(xì)說明本發(fā)明的實(shí)施例，其中
圖1為本發(fā)明的色情視頻檢測(cè)方法在一個(gè)實(shí)施方式中的流程圖。
具體實(shí)施例方式
下面結(jié)合附圖和具體實(shí)施方式
，對(duì)本發(fā)明的色情視頻檢測(cè)方法進(jìn)行說明。
與現(xiàn)有技術(shù)中的色情視頻檢測(cè)方法相比，本發(fā)明的色情視頻檢測(cè)方法 在進(jìn)行色情視頻片全測(cè)時(shí)，利用了視頻的時(shí)序特性。在本發(fā)明中所涉及的4見頻時(shí)序特性是指視頻相鄰幀圖象特征在時(shí)間上的變化特性，如顏色、紋理等 特征的變化會(huì)隨著時(shí)間表現(xiàn)出 一定的特性，這種特性就可以被認(rèn)為是視頻時(shí) 序特性。本發(fā)明的色情視頻檢測(cè)方法在實(shí)現(xiàn)時(shí)，首先在待檢測(cè)的視頻或視 頻片段的各個(gè)視頻幀中提取圖像特征，然后對(duì)連續(xù)的視頻幀中所提取的圖 像特征進(jìn)行處理，根據(jù)處理的結(jié)果判斷所檢測(cè)的視頻是否為色情視頻。在 上述檢測(cè)過程中，無需對(duì)單幀是否為色情幀做出判斷。
下面結(jié)合圖1,對(duì)本發(fā)明的色情視頻檢測(cè)方法的一個(gè)最佳實(shí)施方式的
具體實(shí)現(xiàn)步驟做進(jìn)一步的說明
步驟IO、建立膚色模型和非膚色模型，具體而言，所述的膚色模型和 非膚色模型的建立過程可以包括以下兩個(gè)步驟
步驟11 、建立訓(xùn)練集。建立訓(xùn)練集是膚色模型建立過程中的常見步驟， 該步驟中所要完成的主要任務(wù)是建立大量的圖像數(shù)據(jù)庫，并對(duì)圖像數(shù)據(jù)庫 中的圖像標(biāo)注膚色點(diǎn)和非膚色點(diǎn)，標(biāo)注后的圖像可以用于后續(xù)的膚色,泉模 型以及非膚色點(diǎn)模型的訓(xùn)練過程。 一般來說，本步驟中標(biāo)注膚色點(diǎn)和非膚 色點(diǎn)的操作都是通過人工實(shí)現(xiàn)的。
步驟12、建立膚色模型和非膚色模型。
在建立膚色模型的過程中，每個(gè)膚色象素點(diǎn)的顏色可以被認(rèn)為是一個(gè)觀 測(cè)X,所述的觀測(cè)X表示膚色點(diǎn)RGB值，它是建立模型的輸入訓(xùn)練數(shù)據(jù)。所 述的觀測(cè)X可以被認(rèn)為是由特定的單高斯概率密度函數(shù)集合G-U(x;。，
《……}中有限個(gè)元素的加權(quán)平均組合而成。此觀測(cè)X的概率密度函數(shù) 戶(X;"可以表示為混合高斯模型(G畫)的如下形式
<formula>formula see original document page 9</formula>
其中，A為權(quán)重，0為由均值和協(xié)方差矩陣組成的參數(shù)向量。未知參數(shù);r, 和e可以通過期望最大化算法(Expectation Maximization,簡記為EM), 利用步驟11所得到的訓(xùn)練集中，所標(biāo)注的膚色點(diǎn)和非膚色點(diǎn)樣本計(jì)算得到。 EM算法的實(shí)現(xiàn)是成熟的現(xiàn)有技術(shù)，本領(lǐng)域的普通技術(shù)人員根據(jù)參考文獻(xiàn)1: "才莫式分類，Richard 0. Duda， Peter E. Hart, David G. Stork,才幾械工業(yè) 出版社，2005"實(shí)現(xiàn)該算法。在本實(shí)施方式中，選用象素點(diǎn)的RGB分量構(gòu)成 特征向量用于模型訓(xùn)練；對(duì)于每個(gè)G薩模型選用16個(gè)單高斯模型構(gòu)成。通過上述計(jì)算，得到觀測(cè)X的概率密度函數(shù)后，也就建立了相應(yīng)的膚色 模型。
建立非膚色模型的過程與上述的建立膚色模型的過程相類似，都采用了 前述的混合高斯模型(G腦)，兩者的不同點(diǎn)在于，建立膚色模型的過程中，
輸入數(shù)據(jù)為膚色點(diǎn)的RGB值，而建立非膚色模型的過程中，輸入數(shù)據(jù)為非膚 色點(diǎn)的RGB值。其余操作步驟在前述說明中已經(jīng)有相關(guān)的描述，在此不再做 重復(fù)說明。
本步驟的建立膚色模型和非膚色模型的操作不是色情視頻檢測(cè)所必需 的步驟，如果在色情視頻檢測(cè)過程中存在現(xiàn)有的膚色模型與非膚色模型，則 本步驟可以省略。
步驟20、在一個(gè)視頻幀中，通過步驟IO得到的膚色模型和非膚色模型， 對(duì)視頻幀中的各個(gè)象素點(diǎn)計(jì)算膚色概率值和非膚色概率值，根據(jù)膚色概率值 及非膚色概率值之間的比較，可知道某一個(gè)象素點(diǎn)是否為膚色點(diǎn)。在本步驟 中，膚色概率值表示一個(gè)象素點(diǎn)是膚色點(diǎn)的概率，類似地，非膚色概率值表 示一個(gè)象素點(diǎn)不是膚色點(diǎn)的概率。將膚色象素點(diǎn)的RGB值輸入到膚色模型的 GMM模型中，所得到的輸出結(jié)果就是膚色概率值。同樣的，將非膚色象素點(diǎn) 的RGB值輸入到非膚色模型的G麗模型中，所得到的輸出結(jié)果就是非膚色概 率值。用P^表示膚色概率值，用P^^表示非膚色概率值，如果滿足 PSkin>PN。n—Skin,則該象素點(diǎn)為膚色點(diǎn)，否則，該象素點(diǎn)為非膚色點(diǎn)。
步驟30、為視頻幀建立模版圖像。在本實(shí)施方式中，為視頻幀所建立 的模版圖像包括二值模版圖像和灰度模版圖像，它們的創(chuàng)建過程存在差 異，下面分步驟進(jìn)行描述。
步驟31、建立二值模版圖像。在前一個(gè)步驟中，已經(jīng)利用膚色模型和 非膚色模型對(duì)視頻幀的象素點(diǎn)是否為膚色點(diǎn)進(jìn)行了判斷，因此，在本步驟 中，對(duì)膚色點(diǎn)用"1"做標(biāo)記，對(duì)非膚色點(diǎn)用"0"做標(biāo)記，從而可以得到 與原圖像對(duì)應(yīng)的二值圖像，將此二值圖像再做連通區(qū)域分割，就得到原圖 像對(duì)應(yīng)的二值模版圖象Maski。本步驟的實(shí)現(xiàn)都是現(xiàn)有技術(shù)，其中關(guān)于連 通區(qū)域分割的相關(guān)操作可參見參考文獻(xiàn)2 "計(jì)算機(jī)視覺，賈云得，北京科 學(xué)出版社，2000"。
步驟32、建立灰度模版圖像。在本步驟中，首先計(jì)算視頻幀中的各個(gè) 象素點(diǎn)的初始灰度值P，初始灰度值的計(jì)算與前述步驟中所得到的膚色概 率值和非膚色概率值相關(guān)，其計(jì)算公式為<formula>formula see original document page 11</formula>
然后對(duì)整個(gè)視頻幀中各個(gè)象素點(diǎn)上的初始灰度值做線性歸 一化處理， 得到各個(gè)象素點(diǎn)的最終灰度值PSeale, —個(gè)視頻幀中所有象素點(diǎn)都進(jìn)行線性 歸一化處理后，也就得到與原圖像對(duì)應(yīng)的灰度模版圖像Mask2。上述過程 中，線性歸一化處理的/>式如下
其中，PMin和PMax分別表示一幅圖像中象素點(diǎn)的最小灰度值和最大灰 度值。
步驟40、對(duì)當(dāng)前視頻幀提取圖像特征。在本實(shí)施方式中，所提取的圖 像特征包括整幅圖像的平均膚色概率，所有膚色區(qū)域內(nèi)平均膚色概率，所 有膚色區(qū)域外平均膚色概率，最大連通區(qū)域面積，最大連通區(qū)域的平均膚 色概率，擬合橢圓區(qū)域的長軸、短軸、長軸繞縱軸逆時(shí)針旋轉(zhuǎn)的角度及其 面積等。本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)了解，在其他的實(shí)施方式中，可以從 上述圖像特征中選"^其中的幾個(gè)，也可以選用其他的圖像特征。
下面對(duì)各個(gè)圖像特征的提取過程進(jìn)行說明
步驟41、利用前一步驟中所得到的灰度模版圖像，提取整幅視頻幀圖 像的平均膚色概率l ,其計(jì)算公式如下
<formula>formula see original document page 11</formula>
其中，G，(,』表示圖像Mask2中位置(i, j )的灰度值，M和N分別表示 灰度模版圖像的寬和高。
步驟42、利用前一步驟中所得到的模版圖像，計(jì)算所有膚色區(qū)域內(nèi)平 均膚色概率。在計(jì)算時(shí)，只要計(jì)算圖像Maski中灰度為"1"的點(diǎn)對(duì)應(yīng)圖像 Mask2的象素點(diǎn)的灰度的平均值。
步驟43、利用前一步驟中所得到的模版圖像，計(jì)算所有膚色區(qū)域外平 均膚色概率。在計(jì)算時(shí)，只要計(jì)算圖像Mask,中灰度為"0"的點(diǎn)對(duì)應(yīng)圖像 Mash的象素點(diǎn)的灰度的平均值。
步驟44、計(jì)算最大連通區(qū)域面積。在計(jì)算時(shí)，計(jì)算圖像Maski中灰度為 "1"的各個(gè)連通區(qū)域包含的象素點(diǎn)最多的區(qū)域所對(duì)應(yīng)的象素點(diǎn)數(shù)。
步驟45、計(jì)算最大連通區(qū)域的平均膚色概率。在計(jì)算時(shí)，計(jì)算步驟44中得到的最大連通區(qū)域在圖像Mask2對(duì)應(yīng)象素點(diǎn)的平均灰度值。
步驟46、計(jì)算擬合橢圓區(qū)域的長軸、短軸、長軸繞縱軸逆時(shí)針旋轉(zhuǎn)的 角度及其面積。在本步驟中，所述的擬合橢圓是用來表征最大連通區(qū)域開
!7
狀的一個(gè)圖形，該橢圓的形狀、大小可以用來反映最大連通區(qū)域的形狀、 大小。在對(duì)擬合橢圓區(qū)域進(jìn)行相關(guān)計(jì)算前，首先計(jì)算最大連通區(qū)域的中心
的坐標(biāo)(r,c),它的計(jì)算公式如下
，^
其中，凡表示各象素點(diǎn)灰度值，C和c^分別表示象素點(diǎn)S的橫坐標(biāo)和縱
坐標(biāo)，"表示最大連通區(qū)域，A表示一幅圖像中所有象素點(diǎn)灰度值的和。 然后計(jì)算最大連通區(qū)域的二階矩，其計(jì)算公式如下
二階行矩&=i§(v)、 一F介歹U頭巨 乂《
一隊(duì)'曰人化&=4D(c _r)(c' _ck 一f介'/昆合殺巨 力- ;
接著，用橢圓擬合最大連通區(qū)域，并計(jì)算該橢圓區(qū)域的長軸'，，短軸 '"和長軸繞縱軸逆時(shí)針旋轉(zhuǎn)的角度e,存在如下四種情況
a、 當(dāng)&=0,且"""時(shí)
c諸=41
b、 當(dāng)&=0,且^" 時(shí):
c. 當(dāng)〃"*。，且〃"〃"時(shí):'，，=Vs(c",,+/o+如",-〃:j2+w)
''m,=如A + V(〃,T-/02+4a/)
0 = arctan-「2〃re
_ +如 - 〃J2 + W
4，=V8(".+〃")+v"-〃《)2+w)
.c諸=#〃" +-如'，-+ 4〃, )
0 t (a - /o+如 - 〃 .)2+4^7
y = arctan-^-^
最后，計(jì)算擬合橢圓的面積4:
步驟50、建立色情鏡頭模型，并利用該模型實(shí)現(xiàn)色情視頻的檢測(cè)。在 色情鏡頭中，不僅單幀圖像包含膚色信息，而且連續(xù)幀包含相關(guān)的膚色信 息，因此為了更好地表征這種空間特征和時(shí)序特性，本發(fā)明中利用統(tǒng)計(jì)模 型中的隱馬爾可夫模型(HMM)建立色情鏡頭模型并用于色情視頻的檢 測(cè)。本步驟包括模型訓(xùn)練階段和測(cè)試階段，兩個(gè)階段的具體說明如下
步驟51、模型訓(xùn)練階段。在該階段中，首先要建立訓(xùn)練集。建立訓(xùn)練 集就是人工建立色情視頻片段數(shù)據(jù)集，對(duì)每個(gè)視頻片段的連續(xù)幀提取如下 特征整幅圖像的平均膚色概率，所有膚色區(qū)域內(nèi)平均膚色概率，所有膚 色區(qū)域外平均膚色概率，最大連通區(qū)域面積，最大連通區(qū)域的平均膚色概 率，擬合橢圓區(qū)域的長軸，短軸，長軸繞縱軸逆時(shí)針旋轉(zhuǎn)的角度及其面積， 將上迷提取圖像特征后的連續(xù)幀作為訓(xùn)練樣本。圖像提取的具體操作在前 述的說明中已經(jīng)有了具體的說明，在此處不再做重復(fù)性說明。
在建立訓(xùn)練集后，再建立隱馬爾可夫模型(HMM)。隱馬爾可夫模型 是一個(gè)成熟的算法，它相當(dāng)于一個(gè)黑盒子，存在自己的計(jì)算方式。當(dāng)用戶 將包含一定特征的數(shù)據(jù)輸入到這一黑盒子后，該黑盒子可根據(jù)數(shù)據(jù)的特征 建立對(duì)應(yīng)的模型。當(dāng)所輸入的數(shù)據(jù)為包含有圖像特征的連續(xù)數(shù)據(jù)幀時(shí)，這 些相鄰數(shù)據(jù)之間隱含了時(shí)序特性，當(dāng)連續(xù)數(shù)據(jù)幀輸入到隱馬爾可夫模型 后，所得到的輸出結(jié)果中也包含了時(shí)序特性。HMM是一個(gè)雙重隨機(jī)過程， 它由兩個(gè)組成部分a.馬爾可夫鏈，該鏈用于描述狀態(tài)的轉(zhuǎn)移，用轉(zhuǎn)移概率描述；b.—般的隨機(jī)過程，該過程描述狀態(tài)與觀察序列間的關(guān)系，用觀
察值的概率描述。
HMM可以用一個(gè)五元組來表示
其中，N為狀態(tài)數(shù)目；"為起始狀態(tài)概率，"-^'^，A為狀態(tài) 轉(zhuǎn)移矩陣"( } = = /1 a—, = ' ); b為狀態(tài)輸出概率s = {《(。')} = = 。'1Q =力, 是觀測(cè)事件對(duì)應(yīng)狀態(tài)的概率分布，也就是對(duì)于一個(gè)狀態(tài)輸出每個(gè)觀測(cè)事件 的概率；M為每個(gè)狀態(tài)對(duì)應(yīng)的觀察事件數(shù)目。
HMM可以用來對(duì)連續(xù)狀態(tài)轉(zhuǎn)化進(jìn)行描述，通過訓(xùn)練樣本，即給定的 觀測(cè)序列0 = W，"，，W通過EM算法得到該模型參數(shù)A ,使得
A* = arg max i3((91義)
義
這樣，該HMM才莫型可以被用于描述給定類別的觀測(cè)序列的狀態(tài)轉(zhuǎn)移 關(guān)系。有關(guān)HMM的詳細(xì)介紹，可見參考文獻(xiàn)3 "模式分類，Richard O.Duda, Peter E.Hart, David G.Stork,才幾械工業(yè)出版社，2005"。
上述的模型訓(xùn)練階段并非色情視頻檢測(cè)過程中所必須經(jīng)歷的階段，假 如在色情視頻檢測(cè)中已經(jīng)有現(xiàn)有的隱馬爾可夫模型，則上述階段可省去。
步驟52、測(cè)試階段。在前述的步驟中，從視頻或者其中的視頻片段的 連續(xù)幀提取步驟40中所述的特征組成觀測(cè)序列后，將該觀測(cè)序列作為 HMM的輸入，HMM輸出 一個(gè)用于表示鏡頭是否為色情鏡頭的概率值P, 若P大于設(shè)定的閾值TH，則該鏡頭被判定為色情鏡頭，否則為非色情鏡 頭。在本實(shí)施方式中，TH的取值范圍在0.5-0.7之間，在本實(shí)施方式中選 取為0.6。
本實(shí)施方式中還提供了與色情視頻檢測(cè)方法相對(duì)應(yīng)的色情視頻檢測(cè) 系統(tǒng)，該系統(tǒng)中包括
膚色概率值與非膚色概率值計(jì)算模塊，該模塊用于在待檢測(cè)視頻的視 頻幀中，利用膚色模型和非膚色模型，計(jì)算所述視頻幀的各個(gè)象素點(diǎn)的膚 色概率值與非膚色概率值；
模版圖像建立模塊，該模塊根據(jù)視頻幀中象素點(diǎn)的膚色概率值與非膚 色概率值，為所述視頻幀建立模版圖像；
圖像特征提取模塊，該模塊根據(jù)所述的模版圖像，從所述視頻幀中提 取圖像特征；色情視頻檢測(cè)模塊，該模塊用于將連續(xù)視頻幀中的圖像特征組成觀測(cè) 序列，然后將所述觀測(cè)序列輸入到色情鏡頭模型中以檢測(cè)待檢測(cè)視頻是否 為色情視頻。
上述各個(gè)模塊的具體工作流程在色情視頻檢測(cè)方法的相關(guān)步驟中已 經(jīng)有了詳細(xì)的說明，因此，此處不再做重復(fù)性的描述。
最后所應(yīng)說明的是，以上實(shí)施例僅用以說明本發(fā)明的技術(shù)方案而非限制。 盡管參照實(shí)施例對(duì)本發(fā)明進(jìn)行了詳細(xì)說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理 解，對(duì)本發(fā)明的技術(shù)方案進(jìn)行修改或者等同替換，都不脫離本發(fā)明技術(shù)方案 的精神和范圍，其均應(yīng)涵蓋在本發(fā)明的權(quán)利要求范圍當(dāng)中。
權(quán)利要求
1、一種色情視頻檢測(cè)方法，包括以下步驟步驟1)、在待檢測(cè)視頻的視頻幀中，利用膚色模型和非膚色模型，計(jì)算所述視頻幀的各個(gè)象素點(diǎn)的膚色概率值與非膚色概率值；步驟2)、根據(jù)視頻幀中象素點(diǎn)的膚色概率值與非膚色概率值，為所述視頻幀建立模版圖像；步驟3)、根據(jù)所述的模版圖像，從所述視頻幀中提取圖像特征；步驟4)、將連續(xù)視頻幀中的圖像特征組成觀測(cè)序列，將所述觀測(cè)序列輸入到色情鏡頭模型中以檢測(cè)待檢測(cè)視頻是否為色情視頻。
2、 根據(jù)權(quán)利要求1所述的色情視頻檢測(cè)方法，其特征在于，在所述 的步驟1)中，所述的膚色模型和非膚色模型利用圖像數(shù)據(jù)庫中的圖像建 立。
3、 根據(jù)權(quán)利要求2所述的色情視頻檢測(cè)方法，其特征在于，所述的 建立膚色模型和非膚色模型包括以下步驟步驟l-l)、利用圖像數(shù)據(jù)庫中的圖像建立訓(xùn)練集；所述訓(xùn)練集中的圖 像標(biāo)注有膚色點(diǎn)和非膚色點(diǎn)；步驟1-2)、利用步驟1-1)中的訓(xùn)練集樣本，采用混合高斯模型訓(xùn)練 膚色模型和非膚色模型。
4、 根據(jù)權(quán)利要求1所述的色情視頻檢測(cè)方法，其特征在于，所述的 模版圖像包括二值模版圖像和灰度模版圖像。
5、 根據(jù)權(quán)利要求4所述的色情視頻檢測(cè)方法，其特征在于，所述二 值模版圖像采用以下步驟建立首先，利用所述的膚色模型和非膚色模型標(biāo)記所述視頻幀中的膚色點(diǎn) 和非膚色點(diǎn)，得到與所述視頻幀對(duì)應(yīng)的二值圖像；然后，對(duì)所述二值圖像做連通區(qū)域分割，得到所述的二值模版圖像。
6、 根據(jù)權(quán)利要求4所述的色情視頻檢測(cè)方法，其特征在于，所述灰 度模版圖像采用以下步驟建立首先，根據(jù)所述膚色概率值和非膚色概率值計(jì)算所述視頻幀中各個(gè)象 素點(diǎn)的初始灰度值；然后，對(duì)整個(gè)視頻幀中各個(gè)象素點(diǎn)上的初始灰度值做線性歸 一化處 理，得到各個(gè)象素點(diǎn)的最終灰度值，從而得到所述的灰度模版圖像。
7、根據(jù)權(quán)利要求6所述的色情視頻檢測(cè)方法，其特征在于，所述的線性歸一化處理采用如下公式其中，Pscaie表示所述的最終灰度值，PMm和PMax分別表示一幅圖像中 象素點(diǎn)的最小灰度值和最大灰度值。
8、 根據(jù)權(quán)利要求1所述的色情視頻檢測(cè)方法，其特征在于，在所述的步驟3)中，所述的圖像特征至少包括以下一種特征整幅圖像的平均膚色概率，所有膚色區(qū)域內(nèi)平均膚色概率，所有膚色 區(qū)域外平均膚色概率，最大連通區(qū)域面積，最大連通區(qū)域的平均膚色概率， 擬合橢圓區(qū)域的長軸、短軸、長軸繞縱軸逆時(shí)針旋轉(zhuǎn)的角度及其面積。
9、 根據(jù)權(quán)利要求1所述的色情視頻檢測(cè)方法，其特征在于，在所述 的步驟4)中，所述的色情鏡頭模型利用訓(xùn)練集的視頻幀中所提取的圖像 特征建立。
10、 根據(jù)權(quán)利要求9所述的色情視頻檢測(cè)方法，其特征在于，所述的 色情鏡頭模型為隱馬爾可夫模型。
11、 根據(jù)權(quán)利要求10所述的色情視頻檢測(cè)方法，其特征在于，采用 所述的隱馬爾可夫模型檢測(cè)色情視頻時(shí)，將所述的觀測(cè)序列作為所述隱馬 爾可夫模型的輸入值，所述隱馬爾可夫模型根據(jù)該輸入值得到 一個(gè)用于表 示鏡頭是否為色情鏡頭的概率值，將所述概率值與一個(gè)設(shè)定的閾值進(jìn)行比 較，若所述概率值大于所述的閾值，則待檢測(cè)視頻為色情視頻，否則為非 色情視頻。
12、 根據(jù)權(quán)利要求11所述的色情視頻檢測(cè)方法，其特征在于，所述 閾值的大小在0.5到0.7之間。
13、 一種色情視頻斥全測(cè)系統(tǒng)，包括膚色概率值與非膚色概率值計(jì)算模塊，該模塊用于在待檢測(cè)視頻的視 頻幀中，利用膚色模型和非膚色模型，計(jì)算所述視頻幀的各個(gè)象素點(diǎn)的膚 色概率值與非膚色概率值；模版圖像建立模塊，該模塊根據(jù)視頻幀中象素點(diǎn)的膚色概率值與非膚 色概率值，為所述視頻幀建立模版圖像；圖像特征提取模塊，該模塊根據(jù)所述的模版圖像，從所述視頻幀中提 取圖像特征；色情視頻檢測(cè)模塊，該模塊用于將連續(xù)視頻幀中的圖像特征組成觀測(cè) 序列，然后將所述觀測(cè)序列輸入到色情鏡頭模型中以檢測(cè)待檢測(cè)視頻是否 為色情視頻。
全文摘要
本發(fā)明提供一種色情視頻檢測(cè)方法，包括在待檢測(cè)視頻的視頻幀中，利用膚色模型和非膚色模型，計(jì)算視頻幀的各個(gè)像素點(diǎn)的膚色概率值與非膚色概率值；根據(jù)視頻幀中像素點(diǎn)的膚色概率值與非膚色概率值，為視頻幀建立模版圖像；根據(jù)模版圖像，從視頻幀中提取圖像特征；將連續(xù)視頻幀中的圖像特征組成觀測(cè)序列，將所述觀測(cè)序列輸入到色情鏡頭模型中以檢測(cè)待檢測(cè)視頻是否為色情視頻。本發(fā)明還提供了一種與色情視頻檢測(cè)方法相適應(yīng)的檢測(cè)系統(tǒng)。本發(fā)明在檢測(cè)過程中采用了相鄰視頻幀的時(shí)序特性，使得整個(gè)視頻檢測(cè)方法的魯棒性更強(qiáng)，檢測(cè)準(zhǔn)確率更高。
文檔編號(hào)G06K9/62GK101441717SQ20071017787
公開日2009年5月27日 申請(qǐng)日期2007年11月21日 優(yōu)先權(quán)日2007年11月21日
發(fā)明者劉安安, 勝 唐, 硯 宋, 張勇東, 李錦濤 申請(qǐng)人:中國科學(xué)院計(jì)算技術(shù)研究所