[发明专利]一种基于深度学习的特定标志检测方法

说明书

本发明公开了一种基于深度学习的特定标志检测方法，具体包括：输入一段待检测视频；对所述待检测视频进行关键帧抽取，得到关键帧图像；对所述关键图像进行特定标志检测；根据特定标志检测结果对检测网络进行优化。通过本发明可以达到适用范围广、准确率高以及检测速度快的效果。

技术领域

本发明涉及视频检测技术领域，更具体的说是涉及一种基于深度学习的特定标志检测方法。

背景技术

随着互联网技术发展，随着互联网在不断地发展，人们获取信息的需求除了海量的图片和文字，蕴含信息量更大的视频也成为人们获取信息的重要途径，随着出现在互联网上的视频也会越来越多，如何制止网络敏感视频的蔓延，是社会各界普遍关注的问题。而分辨一个视频是否是敏感视频的很重要的因素是特定标志，敏感视频中的特定标志可以用来标识该视频内容的重要信息，对检测敏感视频有非常重要的作用，由于视频包含的信息量远远大于图像，对识别视频中特定标志方法的准确率和效率有更高的要求，因此，本发明主要是通过对视频中图像的特定标志进行检测，并且提出一系列优化的方法，进而有效地帮助我们判定视频是否是敏感视频。

目前，现有技术实现方案有两种：一种是开发纯人工审核系统，人工对待审视频逐一审核，找到敏感现频。另一种对现有特定标志检测方案主要是用传统的一些特征比如HOG，对图像进行滑窗操作，提取每张图像的特征，然后通过特征模板匹配来确定该标志是否是特定标志。

但是，面对海量的视频，纯人工审核系统识别准确率较低、审核成本高。且现有的特定标志检测方案还存在几个不足：一是通过人工设计的特定标志检测特征往往在面对海量数据时没有很好的普适性，二是基于模板匹配的方法，准确率以及效率并不高。

因此，提供一种基于深度学习的特定标志检测方法是本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明提供了一种基于深度学习的特定标志检测方法。

为了实现上述目的，本发明采用如下技术方案：

一种基于深度学习的特定标志检测方法，包括：

S100：输入一段待检测视频；

S200：对所述待检测视频进行关键帧抽取，得到关键帧图像；

S300：对所述关键帧图像进行特定标志检测。

优选的，所述步骤S200，具体步骤包括：

S210：对所述待检测视频进行转码；

S220：对转码视频进行关键帧抽取，得到关键帧图像。

优选的，所述步骤S300，具体步骤包括：

S310：将所述关键帧图像送入到FasterRCNN检测网络框架中，并提取所述FasterRCNN检测网络框架中关键帧图像的图像特征信息；

S320：根据所述图像特征信息产生若干的候选框；

S330：将每个所述候选框连接一个回归器以及分类器；

S340：根据所述回归器定位所述候选框位置；

S350：根据所述分类器判断所述候选框是否包含特定标志。

优选的，还包括对所述FasterRCNN检测网络进行网络优化：针对特定标志较小的视频进行网络优化以及针对特定标志尺度、姿态变化的视频进行网络优化。

经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种基于深度学习的特定标志检测方法，具有以下有益效果：

1、本发明能对线上视频中的特定标志进行有效地检测，具有较高的准确率；