论文部分内容阅读
随着网络和计算机技术的快速发展,各类视频娱乐节目迅速涌现,但同时也导致了各类血腥、暴力、色情等不良视频的泛滥。不良视频的检测是一个相当具有挑战性的课题,就目前的技术很难做到。现在大多数研究只是针对不良图像的检测,而视频、音频识别技术处于起步阶段,所以对不良视频进行快速有效的检测便成为一个迫切需要解决的难题。因为不良视频中图像的颜色分布不同,颜色的统计特征也不同的,所以首先利用HSI空间中饱和度S等颜色分量的累计直方图对视频整体色彩风格进行分类。针对各种风格建立相应的肤色模型,更好地准确地提取肤色信息后,用直方图差分和图分割模型对视频流进行场景分割和镜头分割,然后提取关键帧。因为不良视频往往是在特定环境(即典型场景)下的不同相关镜头的组合,所以再利用基于多颜色空间构建的视频分析平台和叠加原理实现典型场景的分类,最后根据肤色模型和检测人脸表情进行不良视频的检测。本文重点研究了不良视频检测中的前期工作,解决了其中几个基础性问题,主要研究内容如下:1、提出了一种新的基于灰度直方图的叠加原理算法,并构造了相应的近似叠加公式,能够较好地描述背景和移动目标所形成的各种组合场景的灰度直方图;为进一步检测动态背景下的移动目标、镜头切换、场景切换与分割提供了一个良好基础,并对叠加原理进行了合理性的验证。实验表明,在背景布局较为均匀的条件下,基于灰度直方图的叠加原理可以很好地描述背景与多目标所构成的各种组合场景。2、基于多颜色空间和叠加原理初步构建了视频综合分析平台。多颜色空间是我们在研究MeanShift算法的概率图时引入的综合描述研究对象的一种方法。在研究视频场景和镜头边界检测的过程中,我们发现多颜色空间可以很好地用于场景和镜头分割,并在此基础上开发了一个面向视频分析的研究平台。我们一直在完善视频分析平台,以用于观察场景的变化情况,通过累计直方图的统计,可以判定视频的不同色彩风格,判断不同的典型场景,并可以利用帧间差直方图进行镜头切换和场景切换的检测。3、利用视频分析平台初步完成了视频色彩风格和典型场景的分类。通过对大量视频进行训练,利用基于直方图的矩分析法得到视频色彩风格分类的阈值范围,实现了视频片段的风格分类。在视频常见的几个典型场景中,利用多颜色空间中的H、Y、R、G、B多个颜色分量的累计直方图来区别各个典型场景。虽然目前典型场景分类的准确率和查全率不是很理想,但是今后课题组还会进一步改进或探索新的技术来更好地提高场景分类的精度,完善不良视频的检测。