[发明专利]一种音视频内容过滤系统及方法

权利要求书

1.一种音视频内容过滤系统，其特征在于，包括：视频帧数据库、音频帧数据库、播放模块、情绪监测模块；

所述音频帧数据库，用于对待播放的音视频内容中的所有音频帧进行聚类分析得到音频帧类，并存储所述音频帧类；

所述视频帧数据库，用于分析所述音视频内容中视频帧中的对象，以及所述对象对应的总出镜率，并存储相应数据；

所述情绪监测模块，用于在播放所述音视频内容时实时检测观众情绪，并且在所述观众情绪为目标情绪时获取疑似音视频内容；根据所述疑似音视频内容更新疑似音频信息和疑似视频信息；所述疑似音频信息包括所述疑似音视频内容的声音特征和所述声音特征的触发次数，所述疑似视频信息包括所述疑似音视频内容的疑似对象和所述疑似对象的触发次数；触发次数是指疑似音视频内容触发目标情绪的次数；

所述播放模块，当所述疑似音频信息的触发次数大于预设的音频观察次数时，过滤所述音视频内容中包括所述疑似音频信息对应的音频帧类的音视频内容；当所述疑似视频信息的触发次数大于预设的视频观察次数时，过滤包括所述疑似视频信息对应的疑似对象的音视频内容；

所述疑似音视频内容是指检测到所述目标情绪之前的某一时刻到检测到所述目标情绪的之后的某一时刻之间的时间段内所述播放模块播放的音视频内容；

所述疑似音视频内容的声音特征是指所述疑似音视频内容的每一个音频帧的声音特征的平均值；所述疑似音频信息对应的音频帧的声音特征满足音调、音响在预设的音调范围、音响范围内；

所述情绪监测模块包括视频分析单元，所述视频分析单元用于分析所述疑似音视频内容中各视频帧的对象以及所述对象的怀疑值，并且将怀疑值最高的一个或者多个所述对象作为疑似对象；视频分析单元分别将每个对象的分出镜率除以其总出镜率，再分别乘以该疑似音视频内容触发观众产生的目标情绪的情绪等级得到该对象的怀疑值；

所述总出镜率是指所述对象在所述音视频内容中的出镜率；所述分出镜率是指所述对象在所述疑似视频内容中的出镜率。

2.根据权利要求1所述的一种音视频内容过滤系统，其特征在于：所述情绪监测模块包括采集观众的面部特征和声音特征的特征采集单元，所述情绪监测模块根据所述面部特征和所述声音特征检测所述观众情绪。

3.一种音视频内容过滤方法，其特征在于，包括：

步骤S-1，对待播放的音视频内容中的所有音频帧进行聚类分析得到音频帧类，并存储于音频数据库；分析所述音视频内容中视频帧中的对象，以及所述对象对应的总出镜率，并将相应数据存储于视频帧数据库；

步骤S-2；播放所述音视频内容时实时检测观众情绪，并且在所述观众情绪为目标情绪时获取疑似音视频内容；

步骤S-3，根据所述疑似音视频内容更新疑似音频信息和疑似视频信息；所述疑似音频信息包括所述疑似音视频内容的声音特征和所述声音特征的触发次数，所述疑似视频信息包括所述疑似音视频内容的疑似对象和所述疑似对象的触发次数；触发次数是指疑似音视频内容触发目标情绪的次数；

步骤S-4，所述疑似音频信息的触发次数大于预设的音频观察次数时，过滤所述音视频内容中包括所述疑似音频信息对应的音频帧类的音视频内容；当所述疑似视频信息的触发次数大于预设的视频观察次数时，过滤包括所述疑似视频信息对应的疑似对象的音视频内容；

所述疑似音视频内容是指检测到所述目标情绪之前的某一时刻到检测到所述目标情绪的之后的某一时刻之间的时间段内所述播放模块播放的音视频内容；

所述疑似音视频内容的声音特征是指所述疑似音视频内容的每一个音频帧的声音特征的平均值；所述疑似音频信息对应的音频帧的声音特征满足音调、音响在预设的音调范围、音响范围内；

所述步骤S-4中还包括，分析疑似音视频内容中各视频帧的对象以及所述对象的怀疑值，并且将怀疑值最高的一个或者多个所述对象作为疑似对象；分别将每个对象的分出镜率除以其总出镜率，再分别乘以该疑似音视频内容触发观众产生的目标情绪的情绪等级得到该对象的怀疑值；

所述总出镜率是指所述对象在所述音视频内容中的出镜率；所述分出镜率是指所述对象在所述疑似音视频内容中的出镜率。

4.根据权利要求3所述的一种音视频内容过滤方法，其特征在于：根据采集到的观众的面部特征和声音数据监测所述观众情绪。