[发明专利]媒体视听信息流监测监管数据样本及其标注方法

说明书

本发明公开了一种媒体视听信息流监测监管数据样本及其标注方法，每一个视听信息流经过监测监管平台，实时采样、标注、转码后衍生出一段多媒体信息流，取名为：视听信息流监测监管数据样本，具体样本格式为：镜头序列前缀以及依次排列在镜头序列前缀后的多个镜头数据，任一个镜头的格式包括镜头前缀以及依次设置在镜头前缀后面的多个关键帧序列；该方案可以建立视听信息流监测监管大数据集(堆、库)，利用大数据分析和机器智能算法对大数据样本进行分析并学习和揭示其中的统计特征和舆论泛起模式(规律)，提高视听信息流监测监管效率。对移动互联网上发布的海量短视频可以建立机器索引和内容分类标准，为提高搜索视频内容提供厚实的技术基础。

技术领域

本发明属于广播电视、互联网等媒体数据处理领域，具体涉及一种媒体视听信息流监测监管数据样本及其标注方法。

背景技术

互联网尤其是移动互联网、高速数据处理能力以及高速数据存储和传输能力使得大数据采集成为可能，以此为基础的大数据分析开始应用到各个邻域，成为解决不确定(随机)问题的有力工具和方法。

广播电视、互联网新媒体视听信息流监测监管的大数据是如何的？它是图像中的像素点、还是一帧图像、还是一段视频流？形式如何？

目前广电部尚未有或颁布广播电视、互联网新媒体视听信息流监测监管数据样本的标准，各个国家、省市地方监管部门还是各自为政，依据监管需求和功能，检测图像质量、声音质量、内容安全违规违法事态，之后出相应统计报表；显然，这种方法不能形成大数据，不会有经验的积累，更不会有大数据分析和AI技术的应用基础。

发明内容

本发明所要解决的技术问题是：提供一种媒体视听信息流监测监管数据样本及其标注方法，解决了现有技术中广播电视、互联网新媒体视听信息流监测监管数据没有统一标准，难以形成大数据的问题。

本发明为解决上述技术问题采用以下技术方案：

一种媒体视听信息流监测监管数据样本，所述样本格式定义为：

镜头序列前缀以及依次排列在镜头序列前缀后的多个镜头数据，任一个镜头的格式包括镜头前缀以及依次设置在镜头前缀后面的多个关键帧序列；其中，镜头序列前缀包括镜头数量、帧数、镜头数据属性，镜头前缀包括序列号、时间轴坐标、帧数、镜头属性、镜头内容描述。

镜头数据属性包括时间、内容、名称、节目流出处、有关内容监测报告。

镜头属性包括颜色空间坐标矢量、亮度分布矢量、几何特征点矢量。

镜头内容描述包括语音转文本关键词、画面文字提取识别的关键词、人工输入关键词。

关键帧可以是初始TS流中的I帧、也可以是每间隔一段时间后的抽帧；存储格式为静止图像格式。

媒体视听信息流监测监管数据样本的标注方法，包括如下步骤：

步骤1、计算每帧图像的图像属性特征，首先计算颜色类属性，构成颜色矢量并对其进行标注，然后，计算SIFT_Sobel特征点属性，构成SIFT_Sobel特征矢量并进行标注；

步骤2、镜头聚类分析计算，将一段视听信息媒体流分割成镜头序列；

步骤3、对镜头序列中的每一个镜头进行标注。

步骤1中计算颜色类属性，构成颜色矢量并对其进行标注的具体过程如下：

步骤a、在一帧图像内选择％65左右像素点构成集合，在颜色域内对该集合的像素点进行颜色聚类运算；

步骤b、引入类别数的限制参数C1，引入每个颜色类最少个数的限制参数C2，按最近邻颜色距离规则聚类每一像素点；按最近邻颜色类规则合并颜色类，使得帧内颜色聚类的类别数为C1或小于C1；