[发明专利]一种网络色情视频实时检测方法和系统

说明书

技术领域

本发明涉及网络色情视频检测技术领域，特别是涉及一种网络色情视频实时检测方法和系统。

背景技术

随着网络带宽和视频技术的飞速发展，网络视频的数量以及用户规模都呈现巨大增长。随之而来，网络上色情视频泛滥的问题也日趋严重，并已严重干扰、污染现有网络环境。为了净化网络空间，遏制网络上色情视频的肆意泛滥，一个非常重要的技术手段就是应用针对网络视频的色情内容检测技术，对网络视频进行有效监管。

现有的色情视频检测方法都是针对传统视频节目的检测方法，并没有专门针对网络视频的检测方法。现有色情视频检测方法首先要对视频进行结构化处理，即把视频节目分割成镜头，后续的检测将以镜头作为单元进行判定。在对一个镜头的判定中，目前主要采用的是基于学习模型的判定方法，即通过机器学习得到一个色情内容判定的模型，依据该模型对镜头是否包含色情内容做出判定。其中，模型判定的性能主要依赖于所提取的特征。目前，所采用的特征主要来源于三方面，其一是帧级特征，即从镜头里抽取关键帧，在关键帧上提取特征，这些特征通常是基于人脸检测，肤色检测，躯干检测等的检测结果构造而成；其二是时序特征，即从镜头里提取运动信息来构造特征，这些特征反映的是镜头内容的变化；其三是音频特征，即从镜头片段里提取音频信息来构造特征。

但是，由于网络视频数据量巨大且传播非常迅速，因而网络色情视频检测技术必须是高效率的检测，否则将没有应用前景。而现有方法由于针对的是传统视频节目，其应用多是离线处理，因而对检测效率并不看重。具体来说，把现有方法直接应用在网络色情视频检测上，主要存在如下三个问题严重影响网络色情视频的检测效率和检测性能：

(1)镜头分割耗时且冗余。传统视频节目(电视节目，电影)通常时间长度较长，并具有完整的视频结构(场景，镜头)，因而在检测之前，对视频进行镜头分割是必要的。但是，网络视频通常时间长度较短，内容较为单一，并且所含镜头也相对较少。此时，耗时的镜头分割处理就显得没有必要。

(2)基于模型的检测方法在线计算量大。基于模型的检测方法在判定时通常要进行复杂的计算，并且计算量是随着训练样本的增多而增加的。这大大影响了检测程序在线运行的效率。

(3)特征携带大量噪声。由于网络视频的视觉质量参差不齐，传统方法中所提取的精细特征(例如躯干检测，皮肤纹理分析，音频特征)在网络视频上性能波动较大，这些特征会给检测过程带来噪声干扰。

发明内容

本发明的目的在于提供一种网络色情视频实时检测方法和系统。其结合网络视频数据的特点，制定高效的抽帧和多帧结果融合策略，有效地提高了检测效率。

为实现本发明的目的而提供的一种网络色情视频实时检测方法，包括下列步骤：

步骤100.根据网络视频的长度，建立关键帧预抽取帧号队列KFN＝{n₁，n₂，…，n_N}，其中n₁＜n₂＜…＜n_N；

步骤200.根据步骤100确定的关键帧预抽取帧号队列，按顺序抽取一帧关键帧并解码；

步骤300.对步骤200得到解码后的关键帧进行色情内容检测，判断该关键帧是否包含色情内容；

步骤400.根据步骤300得到的对单个关键帧色情内容的检测结果，连同之前得到的其他关键帧的检测结果，进行决策融合判定：如果判定“是”，则认为该视频包含色情内容，结束检测；如果判定“否”，则认为该视频不包含色情内容，结束检测；如果判定“不定”，则返回步骤200，继续进行单个关键帧的检测。

所述步骤100，包括下列步骤：

步骤110.如果视频长度小于或等于L秒，则将根据公式(1)等间隔抽取N₁帧关键帧作为预抽取策略：