專利名稱：一種基于感知知識(shí)庫的視頻內(nèi)容審查系統(tǒng)及方法
一種基于感知知識(shí)庫的視頻內(nèi)容審查系統(tǒng)及方法
技術(shù)領(lǐng)域：
本發(fā)明涉及多媒體處理技術(shù)，更具體地說，涉及一種基于感知知識(shí)庫的視頻內(nèi)容審查系統(tǒng)及方法。
背景技術(shù)：
目前視頻內(nèi)容審查基本上都是采用人工觀看的方式，一個(gè)視頻節(jié)目需要用戶人工從頭到尾看一遍，有時(shí)還需要多個(gè)用戶分別多次觀看，耗費(fèi)大量時(shí)間和人力，效率較低?，F(xiàn)有技術(shù)也提出一些算法，用于識(shí)別特定的視頻內(nèi)容，如特定類型的裸體。但現(xiàn)有技術(shù)的算法通用性差，對(duì)于稍有變化或不符合預(yù)先定義類型的視頻內(nèi)容就無法識(shí)別，實(shí)用性較低。

發(fā)明內(nèi)容基于此，本發(fā)明提出一種基于感知知識(shí)庫的視頻內(nèi)容審查系統(tǒng)，包括視頻樣本數(shù)據(jù)庫，包括至少一視頻樣本子庫，分別存儲(chǔ)并管理與至少一類特定審查類別對(duì)應(yīng)的樣本視頻；樣本數(shù)據(jù)感知特征抽取模塊，對(duì)視頻樣本子庫中的樣本視頻逐幀進(jìn)行感知特征抽取，產(chǎn)生與其每一幀對(duì)應(yīng)的樣本特征描述；對(duì)樣本特征描述進(jìn)行匯總得到樣本特征知識(shí)，定義樣本特征知識(shí)的取值范圍；視頻感知知識(shí)庫，存儲(chǔ)并管理樣本特征知識(shí)及其取值范圍；待審數(shù)據(jù)感知特征抽取模塊，對(duì)待審視頻逐幀進(jìn)行感知特征抽取，產(chǎn)生與其每一幀對(duì)應(yīng)的待審特征描述；感知特征模糊匹配模塊，分別從視頻感知知識(shí)庫中搜索與各待審特征描述最接近的樣本特征知識(shí)；視頻數(shù)據(jù)類型模糊判別模塊，分析找到的樣本特征知識(shí)，確定待審特征描述對(duì)應(yīng)待審視頻幀所屬的特定審查類別；用戶視頻 數(shù)據(jù)類型庫，存儲(chǔ)并管理待審視頻幀及其所屬的特定審查類別和審查結(jié)果綜合查詢模塊，根據(jù)用戶指令查詢用戶視頻數(shù)據(jù)類型庫中的待審視頻幀及其所屬的特定審查類別；和/或根據(jù)用戶指定的特定類型視頻告警設(shè)置，當(dāng)待審視頻中包含符合特定類型視頻告警設(shè)置的幀，則向用戶發(fā)出告警。其中，上述樣本數(shù)據(jù)感知特征抽取模塊分別對(duì)樣本視頻每一幀的至少一特征進(jìn)行感知特征抽取，獲得與每一幀分別對(duì)應(yīng)的樣本特征描述的至少一分項(xiàng)。其中，上述樣本數(shù)據(jù)感知特征抽取模塊對(duì)樣本特征描述進(jìn)行匯總得到樣本特征知識(shí)，是對(duì)樣本特征描述的至少一分項(xiàng)分別加權(quán)平均，得到至少一分項(xiàng)樣本特征知識(shí)；樣本數(shù)據(jù)感知特征抽取模塊分別對(duì)各分項(xiàng)樣本特征知識(shí)取最小值和最大值，作為樣本特征知識(shí)的取值范圍。其中，視頻感知知識(shí)庫包括與至少一類特定審查類別對(duì)應(yīng)的視頻感知知識(shí)子庫，分別存儲(chǔ)與特定審查類別對(duì)應(yīng)的分項(xiàng)樣本特征知識(shí)及其取值范圍；其中，上述待審數(shù)據(jù)感知特征抽取模塊分別對(duì)待審視頻每一幀的至少一特征進(jìn)行感知特征抽取，產(chǎn)生與其每一幀分別對(duì)應(yīng)的待審特征描述的至少一分項(xiàng)。對(duì)于待審特征描述的所有分項(xiàng)均與視頻感知知識(shí)庫中某一樣本特征知識(shí)相應(yīng)分項(xiàng)最接近的，視頻數(shù)據(jù)類型模糊判別模塊分別比較待審特征描述的各分項(xiàng)是否均落入樣本特征知識(shí)的相應(yīng)分項(xiàng)的取值范圍，是則確定待審特征描述屬于樣本特征知識(shí)對(duì)應(yīng)的特定類型，否則感知特征模糊匹配模塊從視頻感知知識(shí)庫中搜索所有分項(xiàng)均與待審特征描述的相應(yīng)分項(xiàng)次接近的樣本特征知識(shí)；視頻數(shù)據(jù)類型模糊判別模塊分別比較待審特征描述的各分項(xiàng)是否均落入次接近的樣本特征知識(shí)的相應(yīng)分項(xiàng)的取值范圍，是則確定待審特征描述屬于次接近的樣本特征知識(shí)對(duì)應(yīng)的特定類型，否則感知特征模糊匹配模塊繼續(xù)查找次接近的樣本特征知識(shí)，直到確定待審特征描述所屬的特定類型，或完成對(duì)視頻感知知識(shí)庫中所有樣本特征知識(shí)的查找。對(duì)于待審特征描述某一分項(xiàng)與視頻感知知識(shí)庫中第一樣本特征知識(shí)的對(duì)應(yīng)分項(xiàng)最接近，且其他分項(xiàng)均與第二樣本特征知識(shí)的相應(yīng)分項(xiàng)最接近的，視頻數(shù)據(jù)類型模糊判別模塊分別求出待審特征描述與第一樣本特征知識(shí)的總距離、待審特征描述與第二樣本特征知識(shí)的總距離；視頻數(shù)據(jù)類型模糊判別模塊比較待審特征描述與第一樣本特征知識(shí)的總距離和待審特征描述與第二樣本特征知識(shí)的總距離，從總距離較小的樣本特征知識(shí)到總距離較大的樣本特征知識(shí)，視頻數(shù)據(jù)類型模糊判別模塊分別比較待審特征描述的各分項(xiàng)均落入哪一樣本特征知識(shí)相應(yīng)分項(xiàng)的取值范圍，由此確定待審特征描述屬于哪一樣本特征知識(shí)對(duì)應(yīng)的特定類型；如果待審特征描述的各分項(xiàng)既未均落入總距離較小的樣本特征知識(shí)的相應(yīng)分項(xiàng)的取值范圍，也未均落入總距離較大的樣本特征知識(shí)相應(yīng)分項(xiàng)的取值范圍，則感知特征模糊匹配模塊從視頻感知知識(shí)庫中搜索待審特征描述某一分項(xiàng)與對(duì)應(yīng)分項(xiàng)次接近的第一樣本特征知識(shí)，且其他分項(xiàng)均與相應(yīng)分項(xiàng)次接近的第二樣本特征知識(shí)，重復(fù)求出總距離并比較判斷直到確定待審特征描述所屬的特定類型，或完成對(duì)視頻感知知識(shí)庫中所有樣本特征知識(shí)的查找。對(duì)于待審特征描述各分項(xiàng)分別與視頻感知知識(shí)庫中至少一樣本特征知識(shí)的對(duì)應(yīng)一分項(xiàng)最接近的，視頻數(shù)據(jù)類型模糊判別模塊分別求出待審特征描述與各樣本特征知識(shí)的總距離；視頻數(shù)據(jù)類型模糊判別模塊比較待審特征描述與各樣本特征知識(shí)的總距離，從總距離最小的樣本特征知識(shí)到總距離最大的樣本特征知識(shí)，視頻數(shù)據(jù)類型模糊判別模塊分別比較待審特征描述的各分項(xiàng)均落入哪一樣本特征知識(shí)相應(yīng)分項(xiàng)的取值范圍，由此確定待審特征描述屬于哪一樣本特征知識(shí)對(duì)應(yīng)的特定類型；如果待審特征描述的各分項(xiàng)未均落入任何一樣本特征知識(shí)相應(yīng)分項(xiàng)的取值范圍，，則感知特征模糊匹配模塊從視頻感知知識(shí)庫中搜索待審特征描述某一分項(xiàng)與對(duì)應(yīng)分項(xiàng)次接近的至少一樣本特征知識(shí)，重復(fù)求出總距離并比較判斷直到確定待審特征描述所屬的特定類型，或完成對(duì)視頻感知知識(shí)庫中所有樣本特征知識(shí)的查找。本發(fā)明還提出一種基于感知知識(shí)庫的視頻內(nèi)容審查方法，包括視頻樣本數(shù)據(jù)庫包括至少一視頻樣本子庫，分別預(yù)先存儲(chǔ)并管理與至少一類特定審查類別對(duì)應(yīng)的樣本視頻的步驟；樣本數(shù)據(jù)感知特征抽取模塊對(duì)視頻樣本子庫中預(yù)先存儲(chǔ)的樣本視頻，分別根據(jù)每一幀的至少一特征進(jìn)行感知特征抽取，獲得與每一幀分別對(duì)應(yīng)的樣本特征描述的至少一分項(xiàng)的步驟；樣本數(shù)據(jù)感知特征抽取模塊對(duì)樣本特征描述的至少一分項(xiàng)分別加權(quán)平均，得到至少一分項(xiàng)樣本特征知識(shí)；分別對(duì)各分項(xiàng)樣本特征知識(shí)取最小值和最大值，作為樣本特征知識(shí)的取值范圍的步驟；視頻感知知識(shí)庫將與特定審查類別對(duì)應(yīng)的分項(xiàng)樣本特征知識(shí)及其取值范圍存入與至少一類特定審查類別對(duì)應(yīng)的視頻感知知識(shí)子庫中的步驟；待審數(shù)據(jù)感知特征抽取模塊分別對(duì)待審視頻每一幀的至少一特征進(jìn)行感知特征抽取，產(chǎn)生與其每一幀分別對(duì)應(yīng)的待審特征描述的至少一分項(xiàng)的步驟；感知特征模糊匹配模塊分別從視頻感知知識(shí)庫中搜索相應(yīng)分項(xiàng)與待審特征描述的至少一分項(xiàng)最接近的樣本特征知識(shí)的步驟；視頻數(shù)據(jù)類型模糊判別模塊分析找到的至少一樣本特征知識(shí)，確定與其對(duì)應(yīng)的待審視頻幀所屬的特定審查類別的步驟；用戶視頻數(shù)據(jù)類型庫存儲(chǔ)并管理待審視頻幀及其所屬的特定審查類別的步驟；和審查結(jié)果綜合查詢模塊根據(jù)用戶指令查詢用戶視頻數(shù)據(jù)類型庫中的待審視頻幀及其所屬的特定審查類別的步驟；和/或根據(jù)用戶指定的特定類型視頻告警設(shè)置，當(dāng)待審視頻中包含符合特定類型視頻告警設(shè)置的幀，則向用戶發(fā)出告警的步驟。其中，上述視頻數(shù)據(jù)類型模糊判別模塊分析找到的至少一樣本特征知識(shí)，確定與其對(duì)應(yīng)的待審視頻幀所屬的特定審查類別的步驟包括視頻數(shù)據(jù)類型模糊判別模塊分析待審特征描述各分項(xiàng)分別與視頻感知知識(shí)庫中哪些樣本特征知識(shí)的對(duì)應(yīng)分項(xiàng)最接近的步驟；對(duì)于待審特征描述各分項(xiàng)均與一樣本特征知識(shí)的對(duì)應(yīng)分項(xiàng)最接近的，視頻數(shù)據(jù)類型模糊判別模塊比較待審特征描述的各分項(xiàng)是否落入樣本特征知識(shí)的相應(yīng)分項(xiàng)的取值范圍，由此確定待審特征描述屬于樣本特征知識(shí)對(duì)應(yīng)的特定類型的步驟；對(duì)于待審特征描述各分項(xiàng)分別與至少二樣本特征知識(shí)的對(duì)應(yīng)分項(xiàng)最接近的，視頻數(shù)據(jù)類型模糊判別模塊分別求出待審特征描述與各樣本特征知識(shí)的總距離的步驟；視頻數(shù)據(jù)類型模糊判別模塊比較待審特征描述與各樣本特征知識(shí)的總距離，從總距離最小的樣本特征知識(shí)到總距離最大的樣本特征知識(shí)，視頻數(shù)據(jù)類型模糊判別模塊分別比較待審特征描述的各分項(xiàng)均落入哪一樣本特征知識(shí)相應(yīng)分項(xiàng)的取值范圍，由此確定待審特征描述屬于哪一樣本特征知識(shí)對(duì)應(yīng)的特定類型的步驟；如果待審特征描述的各分項(xiàng)未能均落入找到的樣本特征知識(shí)相應(yīng)分項(xiàng)的取值范圍，則感知特征模糊匹配模塊從視頻感知知識(shí)庫中搜索待審特征描述各分項(xiàng)與對(duì)應(yīng)分項(xiàng)次接近的至少一樣本特征知識(shí)，重復(fù)求出總距離并比較判斷直到確定待審特征描述所屬的特定類型，或完成對(duì)視頻感知知識(shí)庫中所有樣本特征知識(shí)的查找的步驟。本發(fā)明對(duì)樣本視頻數(shù)據(jù)自動(dòng)抽取感知知識(shí)并采用數(shù)據(jù)庫管理，利用感知知識(shí)自動(dòng)地審查視頻內(nèi)容，達(dá)到了全自動(dòng)審查的目的，無需人工操作、無需編寫特定的審查算法，通用性強(qiáng)。

圖1為本發(fā)明一實(shí)施 例的基于感知知識(shí)庫的視頻內(nèi)容審查系統(tǒng)系統(tǒng)結(jié)構(gòu)示意圖；圖2為本發(fā)明一實(shí)施例的基于感知知識(shí)庫的視頻內(nèi)容審查方法流程示意圖；圖3為本發(fā)明一實(shí)施例的確定待審視頻幀所屬的特定審查類別部分流程示意圖。
具體實(shí)施方式為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖及實(shí)施例，對(duì)本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。本發(fā)明第一實(shí)施例參照?qǐng)D1示出的基于感知知識(shí)庫的視頻內(nèi)容審查系統(tǒng)系統(tǒng)結(jié)構(gòu)示意圖和圖2示出的視頻內(nèi)容審查主要流程示意圖，本發(fā)明提出基于感知知識(shí)庫的視頻內(nèi)容審查系統(tǒng)一實(shí)施例包括視頻樣本數(shù)據(jù)庫S，包括至少一視頻樣本子庫Si，分別存儲(chǔ)并管理與至少一類特定審查類別對(duì)應(yīng)的樣本視頻；
樣本數(shù)據(jù)感知特征抽取模塊I，對(duì)視頻樣本子庫Si中的樣本視頻逐幀進(jìn)行感知特征抽取，產(chǎn)生與其每一幀對(duì)應(yīng)的樣本特征描述；對(duì)樣本特征描述進(jìn)行匯總得到樣本特征知識(shí)，定義樣本特征知識(shí)的取值范圍；視頻感知知識(shí)庫K，存儲(chǔ)并管理樣本特征知識(shí)及其取值范圍；待審數(shù)據(jù)感知特征抽取模塊2，對(duì)待審視頻逐幀進(jìn)行感知特征抽取，產(chǎn)生與其每一幀對(duì)應(yīng)的待審特征描述；感知特征模糊匹配模塊3，分別從視頻感知知識(shí)庫K中搜索與各待審特征描述最接近的樣本特征知識(shí)；視頻數(shù)據(jù)類型模糊判別模塊4，分析找到的樣本特征知識(shí),確定待審特征描述對(duì)應(yīng)待審視頻幀所屬的特定審查類別；用戶視頻數(shù)據(jù)類型庫U，存儲(chǔ)并管理待審視頻幀及其所屬的特定審查類別；審查結(jié)果綜合查詢模塊5，根據(jù)用戶指令查詢用戶視頻數(shù)據(jù)類型庫U中的待審視頻幀及其所屬的特定審查類別；和/或根據(jù)用戶指定的特定類型視頻告警設(shè)置，當(dāng)待審視頻中包含符合特定類型視頻告警設(shè)置的幀，則向用戶發(fā)出告警?；谏鲜鰧?shí)施例，本發(fā)明提出一實(shí)施例，樣本數(shù)據(jù)感知特征抽取模塊I分別對(duì)樣本視頻每一幀的至少一特征進(jìn)行感知特征抽取，獲得與每一幀分別對(duì)應(yīng)的樣本特征描述的至少一分項(xiàng)。視頻包括文字、圖像和/或聲音等特征，則對(duì)應(yīng)獲得樣本特征描述的分項(xiàng)為文字特征描述、圖像特征描述和/或聲音特征描述。本實(shí)施例的樣本數(shù)據(jù)感知特征抽取模塊I對(duì)樣本特征描述進(jìn)行匯總得到樣本特征知識(shí)，是對(duì)樣本特征描述的至少一分項(xiàng)分別加權(quán)平均，得到至少一分項(xiàng)樣本特征知識(shí)；樣本數(shù)據(jù)感知特征抽取模塊I分別對(duì)各分項(xiàng)樣本特征知識(shí)取最小值和最大值，作為樣本特征知識(shí)的取值范圍。視頻感知知識(shí)庫K包括與至少一類特定審查類別對(duì)應(yīng)的視頻感知知識(shí)子庫Ki，分別存儲(chǔ)與特定審查類別對(duì)應(yīng)的分項(xiàng)樣本特征知識(shí)及其取值范圍；待審數(shù)據(jù)感知特征抽取模塊2分別對(duì)待審視頻每一幀的至少一特征進(jìn)行感知特征抽取，產(chǎn)生與其每一幀分別對(duì)應(yīng)的待審特征描述的至少一分項(xiàng)。基于上述實(shí)施例，本發(fā)明提出一實(shí)施例，其中感知特征模糊匹配模塊3和視頻數(shù)據(jù)類型模糊判別模塊4配合，共同確定待審特征描述對(duì)應(yīng)待審視頻幀所屬的特定審查類別。本實(shí)施例將感知特征模糊匹配模塊3找到的樣本特征知識(shí)分為以下三種情況第一種情況，對(duì)于待審特征描述的所有分項(xiàng)均與視頻感知知識(shí)庫K中某一樣本特征知識(shí)相應(yīng)分項(xiàng)最接近的，視頻數(shù)據(jù)類型模糊判別模塊4分別比較待審特征描述的各分項(xiàng)是否均落入樣本特征知識(shí)的相應(yīng)分項(xiàng)的取值范圍，是則確定待審特征描述屬于樣本特征知識(shí)對(duì)應(yīng)的特定類型，否則感知特征模糊匹配模塊3從視頻感知知識(shí)庫K中搜索所有分項(xiàng)均與待審特征描述的相應(yīng)分項(xiàng)次接近的樣本特征知識(shí)；視頻數(shù)據(jù)類型模糊判別模塊4分別比較待審特征描述的各分項(xiàng)是否均落入次接近的樣本特征知識(shí)的相應(yīng)分項(xiàng)的取值范圍，是則確定待審特征描述屬于次接近的樣本特征知識(shí)對(duì)應(yīng)的特定類型，否則
感知特征模糊匹配模塊3繼續(xù)查找次接近的樣本特征知識(shí)，直到確定待審特征描述所屬的特定類型，或完成對(duì)視頻感知知識(shí)庫K中所有樣本特征知識(shí)的查找。第二種情況，對(duì)于待審特征描述某一分項(xiàng)與視頻感知知識(shí)庫K中第一樣本特征知識(shí)的對(duì)應(yīng)分項(xiàng)最接近，且其他分項(xiàng)均與第二樣本特征知識(shí)的相應(yīng)分項(xiàng)最接近的，視頻數(shù)據(jù)類型模糊判別模塊4分別求出待審特征描述與第一樣本特征知識(shí)的總距離、待審特征描述與第二樣本特征知識(shí)的總距離。視頻數(shù)據(jù)類型模糊判別模塊4比較待審特征描述與第一樣本特征知識(shí)的總距離和待審特征描述與第二樣本特征知識(shí)的總距離，從總距離較小的樣本特征知識(shí)到總距離較大的樣本特征知識(shí)，視頻數(shù)據(jù)類型模糊判別模塊4分別比較待審特征描述的各分項(xiàng)均落入哪一樣本特征知識(shí)相應(yīng)分項(xiàng)的取值范圍，由此確定待審特征描述屬于哪一樣本特征知識(shí)對(duì)應(yīng)的特定類型。如果待審特征描述的各分項(xiàng)既未均落入總距離較小的樣本特征知識(shí)的相應(yīng)分項(xiàng)的取值范圍，也未均落入總距離較大的樣本特征知識(shí)相應(yīng)分項(xiàng)的取值范圍，則感知特征模糊匹配模塊3從視頻感知知識(shí)庫K中搜索待審特征描述某一分項(xiàng)與對(duì)應(yīng)一分項(xiàng)次接近的第一樣本特征知識(shí)，且其他分項(xiàng)均與相應(yīng)分項(xiàng)次接近的第二樣本特征知識(shí)，重復(fù)求出總距離并比較判斷直到確定待審特征描述所屬的特定類型，或完成對(duì)視頻感知知識(shí)庫K中所有樣本特征知識(shí)的查找。第三種情況，對(duì)于待審特征描述各分項(xiàng)分別與視頻感知知識(shí)庫K中至少一樣本特征知識(shí)的對(duì)應(yīng)分項(xiàng)最接近的，視頻數(shù)據(jù)類型模糊判別模塊4分別求出待審特征描述與各樣本特征知識(shí)的總距離。視頻數(shù)據(jù)類型模糊判別模塊4比較待審特征描述與各樣本特征知識(shí)的總距離，從總距離最小的樣本特征知識(shí)到總距離最大的樣本特征知識(shí)，視頻數(shù)據(jù)類型模糊判別模塊4分別比較待審特征描述的各分項(xiàng)均落入哪一樣本特征知識(shí)相應(yīng)分項(xiàng)的取值范圍，由此確定待審特征描述屬于哪一樣本特征`知識(shí)對(duì)應(yīng)的特定類型；如果待審特征描述的各分項(xiàng)未均落入任何一樣本特征知識(shí)相應(yīng)分項(xiàng)的取值范圍，則感知特征模糊匹配模塊3從視頻感知知識(shí)庫K中搜索待審特征描述某一分項(xiàng)與對(duì)應(yīng)分項(xiàng)次接近的至少一樣本特征知識(shí)，重復(fù)求出總距離并比較判斷直到確定待審特征描述所屬的特定類型，或完成對(duì)視頻感知知識(shí)庫K中所有樣本特征知識(shí)的查找。以下給出本發(fā)明一具體實(shí)施例說明本發(fā)明方案。設(shè)視頻樣本數(shù)據(jù)庫S包括至少一視頻樣本子庫Si，分別對(duì)應(yīng)i類類特定審查類別。如第一視頻樣本子庫SI對(duì)應(yīng)I類槍擊視頻；第二視頻樣本子庫S2對(duì)應(yīng)2類性交視頻；第三視頻樣本子庫S3對(duì)應(yīng)3類裸乳視頻；第四視頻樣本子庫S4對(duì)應(yīng)4類裸臀視頻；第五視頻樣本子庫S5對(duì)應(yīng)5類打砸視頻等。設(shè)第i類視頻字庫Si中包含樣本視頻的m個(gè)視頻巾貞，Si={sil, si2,…，sim},樣本數(shù)據(jù)感知特征抽取模塊I分別對(duì)樣本視頻每一幀的文字、圖像和聲音特征進(jìn)行感知特征抽取，獲得與每一幀分別對(duì)應(yīng)的文字特征描述、圖像特征描述和聲音特征描述。樣本數(shù)據(jù)感知特征抽取模塊I運(yùn)行文字特征抽取函數(shù)fw得到樣本文字特征描述fw (sil)、fw (si2)、…、fw (sim);運(yùn)行聲音特征抽取函數(shù)fv得到樣本聲音特征描述fv (sil)、fv (si2)、…、fv (sim);運(yùn)行圖像特征抽取函數(shù)fg得到樣本圖像特征描述fg(sil)、fg (si2)、…、fg(sim))。樣本數(shù)據(jù)感知特征抽取模塊I對(duì)樣本特征描述的至少一分項(xiàng)進(jìn)行匯總,本實(shí)施例是采用加權(quán)平均，得到至少一分項(xiàng)樣本特征知識(shí)，包括文字樣本特征知識(shí)kwi= (fw (sil)+fw (si2)+…+fw (sim))/m ;聲音樣本特征知識(shí) kvi= (fv (sil)+fv (si2)+…+fv (sim))/m ;圖像樣本特征知識(shí) kgi= (fg (sil) +fg (si2) ++fg (sim))/m。樣本數(shù)據(jù)感知特征抽取模塊I分別對(duì)各分項(xiàng)樣本特征知識(shí)取最小值和最大值，作為樣本特征知識(shí)的取值范圍。文字樣本特征知識(shí)最小值kwi_min=min (fw (sil)+fw (si2)++fw (sim)),文字樣本特征知識(shí)最大值 kwi_max=max (fw (sil) +fw (si2) ++fw(sim));聲音樣本特征知識(shí)最小值 kvi_min=min (fv (sil) +fv (si2)+…+fv (sim)),聲音樣本特征知識(shí)最大值kvi_max=max (fv (sil) +fv (si2) ++fv (sim));圖像樣本特征知識(shí)最小值kgi_min=min (fg (sil) +fg (si2)+…+fg (sim)),圖像樣本特征知識(shí)最大值kgi_max=max (fg (sil) +fg (si2) ++fg (sim)))。與視頻樣本庫S中的視頻樣本子庫S1--對(duì)應(yīng)地，視頻感知知識(shí)庫K包括多個(gè)視
頻感知知識(shí)子庫Ki，分別存儲(chǔ)樣本特征知識(shí)及其取值范圍文字特征知識(shí)kwi及其取值范圍(kwi_min, kwi_max)、聲音特征知識(shí)kvi及其取值范圍(kvi_min, kvi_max)、圖像特征知識(shí)kgi及其取值范圍(kgi_min , kgi_max)。設(shè)用戶提交的待審視頻Vi=Ivil, vi2,…，vin},包含待審視頻的n個(gè)視頻巾貞。待審數(shù)據(jù)感知特征抽取模塊2對(duì)其每一幀的文字、圖像和聲音特征進(jìn)行感知特征抽取，運(yùn)行文字特征抽取函數(shù)fw得到待審文字特征描述fw (vij) ={fw (vil), fw (vi2),，fw(vin)}、運(yùn)行聲音特征抽取fv得到待審聲音特征描述fv (vij) = {fv (vil), fv (vi2),…,fv (vin) };運(yùn)行圖像特征抽取fg得到得到待審圖像特征描述fg (vij) ={fg (vil), fg(vi2),…,fg (vin) }。參照?qǐng)D3示出的確定待審視頻幀所屬的特定審查類別部分流程示意圖，其中圖3(a)示出對(duì)于第一種情況,確定待審視頻巾貞vij所屬的特定審查類別的方案,包括步驟S611、感知特征模糊匹配模塊3找到某一樣本特征知識(shí)，待審特征描述的所有分項(xiàng)均與其相應(yīng)分項(xiàng)最接近，進(jìn)行步驟S711 ；即感知特征模糊匹配模塊3從視頻感知知識(shí)庫K中找到第一樣本特征知識(shí)ka，包括第一文字特征知識(shí)kwa、第一聲音特征知識(shí)kva和第一圖像特征知識(shí)kga。待審文字特征描述fw (vij)與其第一文字特征知識(shí)kwa最接近,且待審聲音特征描述fv (vij)與其第一聲音特征知識(shí)kva最接近且待審圖像特征描述fg (vij)與其第一圖像特征知識(shí)kga最接近。步驟S711、視頻數(shù)據(jù)類型模糊判別模塊4分別比較待審特征描述的各分項(xiàng)是否均落入樣本特征知識(shí)的相應(yīng)分項(xiàng)的取值范圍，如果是則進(jìn)行步驟S712，否則進(jìn)行步驟S612 ；即判斷是否待審文字特征描述fw (vij)落入第一文字特征知識(shí)取值范圍(kwa_min, kwa_max),且待審聲音特征描述fv (vij)落入第一聲音特征知識(shí)取值范圍(kva_min, kva_max)范圍，且待審圖像特征描述fg (vij)落入第一圖像特征知識(shí)取值范圍(kga_min, kga_max)。步驟S712、確定待審視頻巾貞vij屬于與第一樣本特征知識(shí)ka對(duì)應(yīng)的第a類特定審查類別，如槍擊類視頻，本流程結(jié)束。步驟S612、判斷是否已經(jīng)完成對(duì)視頻感知知識(shí)庫3中所有樣本特征知識(shí)的查找，如果否則進(jìn)行步驟S613，如果是則本流程結(jié)束。步驟S613、感知特征模糊匹配模塊3從視頻感知知識(shí)庫K中搜索所有分項(xiàng)均與待審特征描述的相應(yīng)分項(xiàng)次接近的樣本特征知識(shí)，進(jìn)行步驟711 ；即從視頻感知知識(shí)庫K中取與待審視頻巾貞vij次接近的第二樣本特征知識(shí)kb。本發(fā)明又提出一實(shí)施例，參照?qǐng)D3 (b)所示的對(duì)于第二種情況，確定待審視頻幀vij所屬的特定審查類別的方案包括步驟S621、感知特征模糊匹配模塊3找到第一樣本特征知識(shí)ka和第二樣本特征知識(shí)kb,待審文字特征描述fw (vij)的某一分項(xiàng)與第一樣本特征知識(shí)ka的對(duì)應(yīng)分項(xiàng)最接近，待審文字特征描述fw (vij)的其他二分項(xiàng)均與第二樣本特征知識(shí)kn的相應(yīng)二分項(xiàng)最接近，則進(jìn)行步驟721 ；例如待審文字特征描述fw (vij)與第一文字特征知識(shí)kwa最接近,待審聲音特征描述fv (vij)與第二聲音特征知識(shí)kvb最接近,且待審圖像特征描述fg (vij)與第二圖像特征知識(shí)kgb最接近,或如果待審文字特征描述fw (vij)與第一文字特征知識(shí)kwa最接近,待審聲音特征描述fv (vij)與第二聲音特征知識(shí)kvb最接近,且待審圖像特征描述fg (vij)與第一圖像特征知識(shí)kga最接近,或

如果待審文字特征描述fw (vij)與第二文字特征知識(shí)kwb最接近,待審聲音特征描述fv (vij)與第一聲音特征知識(shí)kva最接近,且待審圖像特征描述fg (vij)與第一圖像特征知識(shí)kga最接近,或如果待審文字特征描述fw (vij)與第二文字特征知識(shí)kwb最接近,待審聲音特征描述fv (vij)與第一聲音特征知識(shí)kva最接近,且待審圖像特征描述fg (vij)與第二圖像特征知識(shí)kgb最接近,或如果待審文字特征描述fw (vij)與第二文字特征知識(shí)kwb最接近,待審聲音特征描述fv (vij)與第二聲音特征知識(shí)kvb最接近,且待審圖像特征描述fg (vij)與第一圖像特征知識(shí)kga最接近......等多種情況。步驟S721、視頻數(shù)據(jù)類型模糊判別模塊4分別求出待審特征描述與第一樣本特征知識(shí)的總距離、待審特征描述與第二樣本特征知識(shí)的總距離；例如分別求出待審文字特征描述fw (vij)與第一文字特征知識(shí)kwa的距離dwa、待審聲音特征描述fv (vij)與第一聲音特征知識(shí)kva的距離dva,待審圖像特征描述fg(vij)與第一圖像特征知識(shí)kga的距離dga,綜合三距離得到待審特征描述與第一樣本特征知識(shí)ka的總距離da=( (dwa) '2+ (dva) '2+ (dga) '2)' (1/2) )) 同樣地求出待審特征描述與第二樣本特征知識(shí)的kb的總距離db ( (dwb) '2+ (dvb) '2+ (dgb) '2) ~ (1/2)))。步驟S722，視頻數(shù)據(jù)類型模糊判別模塊4比較待審特征描述與第一樣本特征知識(shí)ka的總距離da和待審特征描述與第二樣本特征知識(shí)kb的總距離db，如果da〈db，則進(jìn)行步驟S723，否則進(jìn)行步驟S727。步驟S723、判斷是否待審文字特征描述fw (vij)落入第一文字特征知識(shí)取值范圍(kwa_min, kwa_max)，且待審聲音特征描述fv (vij)落入第一聲音特征知識(shí)取值范圍(kva_min, kva_max),且待審圖像特征描述fg(vi j)落入第一圖像特征知識(shí)取值范圍(kga_min, kga_max);如果是則進(jìn)行步驟S724，否則進(jìn)行步驟S725。步驟S724、待審視頻幀vij屬于與第一樣本特征知識(shí)ka對(duì)應(yīng)的第a類特定審查類另Ij，如槍擊類視頻，本流程結(jié)束。步驟S725、判斷是否待審文字特征描述fw (vij)落入第二文字特征知識(shí)取值范圍(kwb_min, kwb_max)，且待審聲音特征描述fv (vij)落入第二聲音特征知識(shí)取值范圍(kvb_min, kvb_max),且待審圖像特征描述fg(vi j)落入第二圖像特征知識(shí)取值范圍(kgb_min, kgb_max);如果是則進(jìn)行步驟S726，否則進(jìn)行步驟S622。步驟S726、確定待審視頻幀vij屬于與第二樣本特征知識(shí)kb對(duì)應(yīng)的第b類特定審查類別，如搶砸類視頻，本流程結(jié)束。步驟S727、判斷是否待審文字特征描述fw (vij)落入第二文字特征知識(shí)取值范圍(kwb_min, kwb_max)，且待審聲音特征描述fv (vij)落入第二聲音特征知識(shí)取值范圍(kvb_min, kvb_max),且待審圖像特征描述fg(vi j)落入第二圖像特征知識(shí)取值范圍(kgb_min, kgb_max);如果是則進(jìn)行步驟S726，否則進(jìn)行步驟S729。步驟S729、判斷是否待審文字特征描述fw (vij)落入第一文字特征知識(shí)取值范圍(kwa_min, kwa_max)，且待審聲音特征描述fv (vij)落入第一聲音特征知識(shí)取值范圍(kva_min, kva_max),且待審圖像特征描述fg(vi j)落入第一圖像特征知識(shí)取值范圍(kga_min, kga_max);如果是則進(jìn)行步驟S724，否則進(jìn)行步驟S622。步驟S622、判斷是否已經(jīng)完成對(duì)視頻感知知識(shí)庫3中所有樣本特征知識(shí)的查找，如果否則進(jìn)行步驟S623，如果是則本流程結(jié)束。步驟S623、感知特征模糊匹配模塊3從視頻感知知識(shí)庫K中搜索對(duì)應(yīng)分項(xiàng)與待審特征描述某一分項(xiàng)次接近的第一樣本特征知識(shí)，及相應(yīng)分項(xiàng)均與其他分項(xiàng)次接近的第二樣本特征知識(shí)，然后進(jìn)行步驟S721。本發(fā)明又提出一實(shí)施例，參照?qǐng)D3 (c)所示的對(duì)于第三種情況，確定待審視頻幀vij所屬的特定審查類別的方案包括步驟S631、感知特征模糊匹配模塊3找到第一樣本特征知識(shí)ka、第二樣本特征知識(shí)kb和第三樣本特征知識(shí)kc，三者分別有一分項(xiàng)是與待審特征描述某一分項(xiàng)最接近，則進(jìn)行步驟S731 ；即如果待審文字特征描述fw (vij)與第一文字特征知識(shí)kwa最接近,待審聲音特征描述fv (vij)與第二聲音特征知識(shí)kvb最接近,而待審圖像特征描述fg (vij)與第三圖像特征知識(shí)kgc最接近。步驟S731、視頻數(shù)據(jù)類型模糊判別模塊4分別求出待審特征描述與各樣本特征知識(shí)的總距離；即分別求出待審文字特征描述fw( vij)與第一文字特征知識(shí)kwa的距離dwa,待審聲音特征描述fv (vij)與第一聲音特征知識(shí)kva的距離dva,待審圖像特征描述fg (vij)與第一圖像特征知識(shí)kga的距離dga,得到待審特征描述與第一樣本特征知識(shí)ka的總距離dao同樣地分別求出待審特征描述與第二樣本特征知識(shí)的kb的總距離db和待審特征描述與第三樣本特征知識(shí)的kc的總距離dc。步驟S732、視頻數(shù)據(jù)類型模糊判別模塊4比較待審特征描述與各樣本特征知識(shí)的總距離，如果da〈db〈dc,則進(jìn)行步驟S733。步驟S733、判斷是否待審文字特征描述fw (vij)落入第一文字特征知識(shí)取值范圍(kwa_min, kwa_max)，且待審聲音特征描述fv (vij)落入第一聲音特征知識(shí)取值范圍(kva_min, kva_max)范圍，且待審圖像特征描述fg (vij)落入第一圖像特征知識(shí)取值范圍(kga_min, kga_max);如果是則進(jìn)行步驟S734,否則進(jìn)行步驟S735。步驟S734、待審視頻巾貞vij屬于與第一樣本特征知識(shí)ka對(duì)應(yīng)的第a類特定審查類另IJ，如槍擊類視頻，則本流程結(jié)束。步驟S735、判斷是否待審文字特征描述fw (vij)落入第二文字特征知識(shí)取值范圍(kwb_min, kwb_max)，且待審聲音特征描述fv (vij)落入第二聲音特征知識(shí)取值范圍(kvb_min, kvb_max)范圍，且待審圖像特征描述fg (vij)落入第二圖像特征知識(shí)取值范圍(kgb_min, kgb_max);如果是則進(jìn)行步驟S736,否則進(jìn)行步驟S737。步驟S736、確定待審視頻巾貞vij屬于與第二樣本特征知識(shí)kb對(duì)應(yīng)的第b類特定審查類別，如搶砸類視頻，則本流程結(jié)束。步驟S737、判斷是否待審文字特征描述fw (vij)落入第三文字特征知識(shí)取值范圍(kwc_min, kwc_max)，且待審聲音特征描述fv (vij)落入第三聲音特征知識(shí)取值范圍(kvc_min, kvc_max)范圍，且待審圖像特征描述fg (vij)落入第三圖像特征知識(shí)取值范圍(kgc_min, kgc_max);如果是則進(jìn)行步驟S738,否則進(jìn)行步驟S632。步驟S738、確定待審視頻幀vij屬于與第三樣本特征知識(shí)kc對(duì)應(yīng)的第c類特定審查類別，如裸臀類視頻。步驟S632、判斷是否已經(jīng)完成對(duì)視頻感知知識(shí)庫3中所有樣本特征知識(shí)的查找，如果否則進(jìn)行步驟S633，如果是則本流程結(jié)束。步驟S633、感知特征模糊匹配模塊3從視頻感知知識(shí)庫K中搜索對(duì)應(yīng)一分項(xiàng)分別與待審特征描述各分項(xiàng)次接近的第一樣本特征知識(shí)ka、第二樣本特征知識(shí)kb和第三樣本特征知識(shí)kc，然后進(jìn)行步驟S731。對(duì)于db〈da〈dc、dc<db<da等多種情況，按照從總距離最小的樣本特征知識(shí)到總距離最大的順序，調(diào)整比較順序，采用與步驟S733至步驟S738類似的步驟，依次比較待審特征描述的各分項(xiàng)均落入哪一樣本特征知識(shí)相應(yīng)分項(xiàng)的取值范圍，由此確定待審特征描述屬于哪一樣本特征知識(shí)對(duì)應(yīng)的特定類型，具體流程不再贅述。若比較完三個(gè)樣本特征知識(shí)，待審特征描述的各分項(xiàng)沒有均落入同一樣本特征知識(shí)的取值范圍，則進(jìn)行步驟S632。本發(fā)明采用的特征抽取、匯總、求距離、求總距離、求取值范圍等數(shù)據(jù)處理均不限于上述各實(shí)施例中給出的示例方案，還可采用其他方案實(shí)現(xiàn)。參照?qǐng)D2示出的總流程示意圖，本發(fā)明還提出一種基于感知知識(shí)庫的視頻內(nèi)容審查方法，包括步驟S1、視頻樣本數(shù)據(jù)庫S包括至少一視頻樣本子庫Si，分別預(yù)先存儲(chǔ)并管理與至少一類特定審查類別對(duì)應(yīng)的樣本視頻；步驟S2、樣本數(shù)據(jù)感知特征抽取模塊I對(duì)視頻樣本子庫Si中預(yù)先存儲(chǔ)的樣本視頻，分別根據(jù)每一幀的至少一特征進(jìn)行感知特征抽取，獲得與每一幀分別對(duì)應(yīng)的樣本特征描述的至少一分項(xiàng)；步驟S3、樣本數(shù)據(jù)感知特征抽取模塊2對(duì)樣本特征描述的至少一分項(xiàng)分別加權(quán)平均，得到至少一分項(xiàng)樣本特征知識(shí)；分別對(duì)各分項(xiàng)樣本特征知識(shí)取最小值和最大值，作為樣本特征知識(shí)的取值范圍；步驟S4、視頻感知知識(shí)庫K將與特定審查類別對(duì)應(yīng)的分項(xiàng)樣本特征知識(shí)及其取值范圍存入與至少一類特定審查類別對(duì)應(yīng)的視頻感知知識(shí)子庫Ki中；步驟S5、待審數(shù)據(jù)感知特征抽取模塊2分別對(duì)待審視頻每一幀的至少一特征進(jìn)行感知特征抽取，產(chǎn)生與其每一幀分別對(duì)應(yīng)的待審特征描述的至少一分項(xiàng)；步驟S6、感知特征模糊匹配模塊3分別從視頻感知知識(shí)庫K中搜索相應(yīng)分項(xiàng)與待審特征描述的至少一分項(xiàng)最接近的樣本特征知識(shí)；步驟S7、視頻數(shù)據(jù)類型模糊判別模塊4分析找到的至少一樣本特征知識(shí)，確定與其對(duì)應(yīng)的待審視頻幀所屬的特定審查類別；步驟S8、用戶視頻數(shù)據(jù)類型庫U存儲(chǔ)并管理待審視頻幀及其所屬的特定審查類別；步驟S9、審查結(jié)果綜合查詢模塊5根據(jù)用戶指令查詢用戶視頻數(shù)據(jù)類型庫U中的待審視頻幀及其所屬的特定審查類別；和/或根據(jù)用戶指定的特定類型視頻告警設(shè)置，當(dāng)待審視頻中包含符合特定類型視頻告警設(shè)置的幀，則向用戶發(fā)出告警。本發(fā)明提出一實(shí)施例，基于上述實(shí)施例提出，步驟S6和步驟S7具體包括步驟S701、視頻數(shù)據(jù)類型模糊判別模塊4分析待審特征描述各分項(xiàng)分別與視頻感知知識(shí)庫K中哪些樣本特征知識(shí)的對(duì)應(yīng)分項(xiàng)最接近；步驟S702、對(duì)于待審特征描述各分項(xiàng)均與一樣本特征知識(shí)的對(duì)應(yīng)分項(xiàng)最接近的，視頻數(shù)據(jù)類型模糊判別模塊4比較待審特征描述的各分項(xiàng)是否落入樣本特征知識(shí)的相應(yīng)分項(xiàng)的取值范圍，由此確定待審特征描述屬于樣本特征知識(shí)對(duì)應(yīng)的特定類型；步驟S703、對(duì)于待審特征描述各分項(xiàng)分別與至少二樣本特征知識(shí)的對(duì)應(yīng)分項(xiàng)最接近的，視頻數(shù)據(jù)類型模糊判別模塊4分別求出待審特征描述與各樣本特征知識(shí)的總距離；步驟S704、視頻數(shù)據(jù)類型模糊判別模塊4比較待審特征描述與各樣本特征知識(shí)的總距離，從總距離最小的樣本特征知識(shí)到總距離最大的樣本特征知識(shí)，視頻數(shù)據(jù)類型模糊判別模塊4分別比較待審特征描述的各分項(xiàng)均落入哪一樣本特征知識(shí)相應(yīng)分項(xiàng)的取值范圍，由此確定待審特征描述屬于哪一樣本特征知識(shí)對(duì)應(yīng)的特定類型；如果待審特征描述的各分項(xiàng)未能均落入找到的樣本特征知識(shí)相應(yīng)分項(xiàng)的取值范圍，則步驟S601、感知特征模糊匹配模塊3從視頻感知知識(shí)庫K中搜索待審特征描述各分項(xiàng)與對(duì)應(yīng)分項(xiàng)次接近的至少一樣本特征知識(shí)，重復(fù)求出總距離并比較判斷直到完成對(duì)視頻感知知識(shí)庫K中所有樣本特征知識(shí)的查找。以上實(shí)施例僅表達(dá)了本發(fā)明的幾種實(shí)施方式，其描述較為具體和詳細(xì)，但并不能因此而理解為對(duì)本發(fā)明專利范圍的限制。應(yīng)當(dāng)指出的是，對(duì)于本領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干變形和改進(jìn)，這些都屬于本發(fā)明的保護(hù)范圍。因此，本發(fā)明專利的保護(hù)范圍應(yīng)以所附權(quán)利要求為準(zhǔn)。
權(quán)利要求
1.一種基于感知知識(shí)庫的視頻內(nèi)容審查系統(tǒng)，包括 視頻樣本數(shù)據(jù)庫，包括至少一視頻樣本子庫，分別存儲(chǔ)并管理與至少一類特定審查類別對(duì)應(yīng)的樣本視頻； 樣本數(shù)據(jù)感知特征抽取模塊，對(duì)視頻樣本子庫中的樣本視頻逐幀進(jìn)行感知特征抽取，產(chǎn)生與其每一幀對(duì)應(yīng)的樣本特征描述；對(duì)樣本特征描述進(jìn)行匯總得到樣本特征知識(shí)，定義樣本特征知識(shí)的取值范圍； 視頻感知知識(shí)庫，存儲(chǔ)并管理樣本特征知識(shí)及其取值范圍； 待審數(shù)據(jù)感知特征抽取模塊，對(duì)待審視頻逐幀進(jìn)行感知特征抽取，產(chǎn)生與其每一幀對(duì)應(yīng)的待審特征描述； 感知特征模糊匹配模塊，分別從視頻感知知識(shí)庫中搜索與各待審特征描述最接近的樣本特征知識(shí)； 視頻數(shù)據(jù)類型模糊判別模塊，分析找到的樣本特征知識(shí)，確定所述待審特征描述對(duì)應(yīng)待審視頻幀所屬的特定審查類別； 用戶視頻數(shù)據(jù)類型庫，存儲(chǔ)并管理待審視頻幀及其所屬的特定審查類別； 審查結(jié)果綜合查詢模塊，根據(jù)用戶指令查詢用戶視頻數(shù)據(jù)類型庫中的待審視頻幀及其所屬的特定審查類別；和/或根據(jù)用戶指定的特定類型視頻告警設(shè)置，當(dāng)待審視頻中包含符合特定類型視頻告警設(shè)置的幀，則向用戶發(fā)出告警。
2.根據(jù)權(quán)利要求1所述的基于感知知識(shí)庫的視頻內(nèi)容審查系統(tǒng)，其特征在于 所述樣本數(shù)據(jù)感知特征抽取模塊分別對(duì)樣本視頻每一幀的至少一特征進(jìn)行感知特征抽取，獲得與每一幀分別對(duì)應(yīng)的樣本特征描述的至少一分項(xiàng)。
3.根據(jù)權(quán)利要求2所述的基于感知知識(shí)庫的視頻內(nèi)容審查系統(tǒng)，其特征在于 所述樣本數(shù)據(jù)感知特征抽取模塊對(duì)樣本特征描述進(jìn)行匯總得到樣本特征知識(shí)，是對(duì)樣本特征描述的至少一分項(xiàng)分別加權(quán)平均，得到至少一分項(xiàng)樣本特征知識(shí)；所述樣本數(shù)據(jù)感知特征抽取模塊分別對(duì)各分項(xiàng)樣本特征知識(shí)取最小值和最大值，作為樣本特征知識(shí)的取值范圍。
4.根據(jù)權(quán)利要求2所述的基于感知知識(shí)庫的視頻內(nèi)容審查系統(tǒng)，其特征在于 視頻感知知識(shí)庫包括與至少一類特定審查類別對(duì)應(yīng)的視頻感知知識(shí)子庫，分別存儲(chǔ)與特定審查類別對(duì)應(yīng)的分項(xiàng)樣本特征知識(shí)及其取值范圍。
5.根據(jù)權(quán)利要求2所述的基于感知知識(shí)庫的視頻內(nèi)容審查系統(tǒng)，其特征在于 所述待審數(shù)據(jù)感知特征抽取模塊分別對(duì)待審視頻每一幀的至少一特征進(jìn)行感知特征抽取，產(chǎn)生與其每一幀分別對(duì)應(yīng)的待審特征描述的至少一分項(xiàng)。
6.根據(jù)權(quán)利要求2至5任意一項(xiàng)所述的基于感知知識(shí)庫的視頻內(nèi)容審查系統(tǒng)，其特征在于 對(duì)于待審特征描述的所有分項(xiàng)均與視頻感知知識(shí)庫中某一樣本特征知識(shí)相應(yīng)分項(xiàng)最接近的，視頻數(shù)據(jù)類型模糊判別模塊分別比較待審特征描述的各分項(xiàng)是否均落入所述樣本特征知識(shí)的相應(yīng)分項(xiàng)的取值范圍，是則確定待審特征描述屬于所述樣本特征知識(shí)對(duì)應(yīng)的特定類型，否則 感知特征模糊匹配模塊從視頻感知知識(shí)庫中搜索所有分項(xiàng)均與所述待審特征描述的相應(yīng)分項(xiàng)次接近的樣本特征知識(shí)；視頻數(shù)據(jù)類型模糊判別模塊分別比較待審特征描述的各分項(xiàng)是否均落入所述次接近的樣本特征知識(shí)的相應(yīng)分項(xiàng)的取值范圍，是則確定待審特征描述屬于所述次接近的樣本特征知識(shí)對(duì)應(yīng)的特定類型，否則 感知特征模糊匹配模塊繼續(xù)查找次接近的樣本特征知識(shí)，直到確定待審特征描述所屬的特定類型，或完成對(duì)視頻感知知識(shí)庫中所有樣本特征知識(shí)的查找。
7.根據(jù)權(quán)利要求2至5任意一項(xiàng)所述的基于感知知識(shí)庫的視頻內(nèi)容審查系統(tǒng)，其特征在于 對(duì)于待審特征描述某一分項(xiàng)與視頻感知知識(shí)庫中第一樣本特征知識(shí)的對(duì)應(yīng)分項(xiàng)最接近，且其他分項(xiàng)均與第二樣本特征知識(shí)的相應(yīng)分項(xiàng)最接近的，視頻數(shù)據(jù)類型模糊判別模塊分別求出待審特征描述與第一樣本特征知識(shí)的總距離、待審特征描述與第二樣本特征知識(shí)的總距離； 視頻數(shù)據(jù)類型模糊判別模塊比較待審特征描述與第一樣本特征知識(shí)的總距離和待審特征描述與第二樣本特征知識(shí)的總距離，從總距離較小的樣本特征知識(shí)到總距離較大的樣本特征知識(shí)，視頻數(shù)據(jù)類型模糊判別模塊分別比較待審特征描述的各分項(xiàng)均落入哪一樣本特征知識(shí)相應(yīng)分項(xiàng)的取值范圍，由此確定待審特征描述屬于哪一樣本特征知識(shí)對(duì)應(yīng)的特定類型； 如果待審特征描述的各分項(xiàng)既未均落入總距離較小的樣本特征知識(shí)的相應(yīng)分項(xiàng)的取值范圍，也未均落入總距離較大的樣本特征知識(shí)相應(yīng)分項(xiàng)的取值范圍，則 感知特征模糊匹配模塊從視頻感知知識(shí)庫中搜索待審特征描述某一分項(xiàng)與對(duì)應(yīng)分項(xiàng)次接近的第一樣本特征知識(shí)，且其他分項(xiàng)均與相應(yīng)分項(xiàng)次接近的第二樣本特征知識(shí)，重復(fù)求出所述總距離并比較判斷直到確定待審特征描述所屬的特定類型，或完成對(duì)視頻感知知識(shí)庫中所有樣本特征知識(shí)的查找。
8.根據(jù)權(quán)利要求2至5任意一項(xiàng)所述的基于感知知識(shí)庫的視頻內(nèi)容審查系統(tǒng)，其特征在于 對(duì)于待審特征描述各分項(xiàng)分別與視頻感知知識(shí)庫中至少一樣本特征知識(shí)的對(duì)應(yīng)一分項(xiàng)最接近的，視頻數(shù)據(jù)類型模糊判別模塊分別求出待審特征描述與各樣本特征知識(shí)的總距離； 視頻數(shù)據(jù)類型模糊判別模塊比較待審特征描述與各樣本特征知識(shí)的總距離，從總距離最小的樣本特征知識(shí)到總距離最大的樣本特征知識(shí)，視頻數(shù)據(jù)類型模糊判別模塊分別比較待審特征描述的各分項(xiàng)均落入哪一樣本特征知識(shí)相應(yīng)分項(xiàng)的取值范圍，由此確定待審特征描述屬于哪一樣本特征知識(shí)對(duì)應(yīng)的特定類型； 如果待審特征描述的各分項(xiàng)未均落入任何一樣本特征知識(shí)相應(yīng)分項(xiàng)的取值范圍，則 感知特征模糊匹配模塊從視頻感知知識(shí)庫中搜索待審特征描述某一分項(xiàng)與對(duì)應(yīng)分項(xiàng)次接近的至少一樣本特征知識(shí)，重復(fù)求出所述總距離并比較判斷直到確定待審特征描述所屬的特定類型，或完成對(duì)視頻感知知識(shí)庫中所有樣本特征知識(shí)的查找。
9.一種基于感知知識(shí)庫的視頻內(nèi)容審查方法，包括 視頻樣本數(shù)據(jù)庫包括至少一視頻樣本子庫，分別預(yù)先存儲(chǔ)并管理與至少一類特定審查類別對(duì)應(yīng)的樣本視頻； 樣本數(shù)據(jù)感知特征抽取模塊對(duì)視頻樣本子庫中預(yù)先存儲(chǔ)的樣本視頻，分別根據(jù)每一幀的至少一特征進(jìn)行感知特征抽取，獲得與每一幀分別對(duì)應(yīng)的樣本特征描述的至少一分項(xiàng)；樣本數(shù)據(jù)感知特征抽取模塊對(duì)樣本特征描述的至少一分項(xiàng)分別加權(quán)平均，得到至少一分項(xiàng)樣本特征知識(shí)；分別對(duì)各分項(xiàng)樣本特征知識(shí)取最小值和最大值，作為樣本特征知識(shí)的取值范圍； 視頻感知知識(shí)庫將與特定審查類別對(duì)應(yīng)的分項(xiàng)樣本特征知識(shí)及其取值范圍存入與至少一類特定審查類別對(duì)應(yīng)的視頻感知知識(shí)子庫中； 待審數(shù)據(jù)感知特征抽取模塊分別對(duì)待審視頻每一幀的至少一特征進(jìn)行感知特征抽取，產(chǎn)生與其每一幀分別對(duì)應(yīng)的待審特征描述的至少一分項(xiàng)； 感知特征模糊匹配模塊分別從視頻感知知識(shí)庫中搜索相應(yīng)分項(xiàng)與待審特征描述的至少一分項(xiàng)最接近的樣本特征知識(shí)； 視頻數(shù)據(jù)類型模糊判別模塊分析找到的至少一樣本特征知識(shí)，確定與其對(duì)應(yīng)的待審視頻幀所屬的特定審查類別； 用戶視頻數(shù)據(jù)類型庫存儲(chǔ)并管理待審視頻幀及其所屬的特定審查類別； 審查結(jié)果綜合查詢模塊根據(jù)用戶指令查詢用戶視頻數(shù)據(jù)類型庫中的待審視頻幀及其所屬的特定審查類別；和/或根據(jù)用戶指定的特定類型視頻告警設(shè)置，當(dāng)待審視頻中包含符合特定類型視頻告警設(shè)置的幀，則向用戶發(fā)出告警。
10.如權(quán)利要求9所述的一種基于感知知識(shí)庫的視頻內(nèi)容審查方法，其特征在于，所述視頻數(shù)據(jù)類型模糊判別模塊分析找到的至少一樣本特征知識(shí)，確定與其對(duì)應(yīng)的待審視頻幀所屬的特定審查類別包括 視頻數(shù)據(jù)類型模糊判別模塊分析待審特征描述各分項(xiàng)分別與視頻感知知識(shí)庫中哪些樣本特征知識(shí)的對(duì)應(yīng)分項(xiàng)最接近； 對(duì)于待審特征描述各分項(xiàng)均與一樣本特征知識(shí)的對(duì)應(yīng)分項(xiàng)最接近的，視頻數(shù)據(jù)類型模糊判別模塊比較待審特征描述的各分項(xiàng)是否均落入所述樣本特征知識(shí)的相應(yīng)分項(xiàng)的取值范圍，由此確定待審特征描述屬于所述樣本特征知識(shí)對(duì)應(yīng)的特定類型； 對(duì)于待審特征描述各分項(xiàng)分別與至少二樣本特征知識(shí)的對(duì)應(yīng)分項(xiàng)最接近的，視頻數(shù)據(jù)類型模糊判別模塊分別求出待審特征描述與各樣本特征知識(shí)的總距離； 視頻數(shù)據(jù)類型模糊判別模塊比較待審特征描述與各樣本特征知識(shí)的總距離，從總距離最小的樣本特征知識(shí)到總距離最大的樣本特征知識(shí)，視頻數(shù)據(jù)類型模糊判別模塊分別比較待審特征描述的各分項(xiàng)均落入哪一樣本特征知識(shí)相應(yīng)分項(xiàng)的取值范圍，由此確定待審特征描述屬于哪一樣本特征知識(shí)對(duì)應(yīng)的特定類型； 如果待審特征描述的各分項(xiàng)未能均落入找到的樣本特征知識(shí)相應(yīng)分項(xiàng)的取值范圍，則感知特征模糊匹配模塊從視頻感知知識(shí)庫中搜索待審特征描述各分項(xiàng)與對(duì)應(yīng)分項(xiàng)次接近的至少一樣本特征知識(shí)，重復(fù)求出所述總距離并比較判斷直到確定待審特征描述所屬的特定類型，或完成對(duì)視頻感知知識(shí)庫中所有樣本特征知識(shí)的查找。
全文摘要
本發(fā)明提出一種基于感知知識(shí)庫的視頻內(nèi)容審查系統(tǒng)，包括視頻樣本數(shù)據(jù)庫、樣本數(shù)據(jù)感知特征抽取模塊、視頻感知知識(shí)庫、感知特征模糊匹配模塊、視頻數(shù)據(jù)類型模糊判別模塊、用戶視頻數(shù)據(jù)類型庫和審查結(jié)果綜合查詢模塊，根據(jù)用戶指令查詢用戶視頻數(shù)據(jù)類型庫中的待審視頻幀及其所屬的特定審查類別；和/或根據(jù)用戶指定的特定類型視頻告警設(shè)置，當(dāng)待審視頻中包含符合特定類型視頻告警設(shè)置的幀，則向用戶發(fā)出告警。本發(fā)明還提出一種基于感知知識(shí)庫的視頻內(nèi)容審查方法。本發(fā)明對(duì)樣本視頻數(shù)據(jù)自動(dòng)抽取感知知識(shí)并采用數(shù)據(jù)庫管理，利用感知知識(shí)自動(dòng)地審查視頻內(nèi)容，達(dá)到了全自動(dòng)審查的目的，無需人工操作、無需編寫特定的審查算法，通用性強(qiáng)。
文檔編號(hào)G06F17/30GK103064940SQ201210572338
公開日2013年4月24日 申請(qǐng)日期2012年12月25日 優(yōu)先權(quán)日2012年12月25日
發(fā)明者朱定局 申請(qǐng)人:深圳先進(jìn)技術(shù)研究院