CN102073676A - 一种网络色情视频实时检测方法和系统 - Google Patents

Abstract

本发明公开了一种网络色情视频实时检测方法和系统。所述方法包括下列步骤：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；根据所述关键帧预抽取帧号队列，按顺序抽取一帧关键帧并解码；对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；根据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”，则继续进行单个关键帧的检测。

Description

一种网络色情视频实时检测方法和系统

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：

$n_i=\frac{i\×W}{N_1+1},i=\mathrm{1,2},...,N_1---\left(1\right)$

其中，n_i是第i个关键帧的帧号，W是视频的总帧数，L取值5到10之间，N₁取值5到20之间；

步骤120.如果视频长度大于L秒，则将根据公式(2)对视频中间r％的视频段等间隔抽取N₂帧关键帧作为预抽取策略：

$n_i=N_r+\frac{i\×W_r}{N_2+1},i=\mathrm{1,2},...,N_2;N_r=W\×(1-r\%)/2---\left(2\right)$

其中，n_i是第i个关键帧的帧号，W是视频的总帧数，所述r取值50到90之间，N₂取值20到100之间。

所述步骤200，包括下列步骤：

步骤210.根据所述关键帧预抽取帧号队列，从视频中抽取一帧关键帧，该帧的帧号为当前KFN中的最小帧号；

步骤220.解码抽取的所述关键帧抽；

步骤230.从KFN中删去所述帧号，返回步骤210。

所述步骤300，包括下列步骤：

步骤310.对所述关键帧进行多角度正面人脸检测，并根据检测结果计算“正面人脸-图像比”表示关键帧所有像素点中正面人脸像素点所占的比例；

步骤320.对关键帧进行多角度侧面人脸检测，并根据检测结果计算“侧面人脸-图像比”表示关键帧所有像素点中侧面人脸像素点所占的比例；

步骤330.对关键帧进行多角度半身人体检测，并根据检测结果计算“半身人体-图像比”表示关键帧所有像素点中半身人体像素点所占的比例；

步骤340.采用贝叶斯方法，根据公式(3)所示的比较结果，对关键帧进行皮肤区域检测，并根据检测结果计算“皮肤-图像比”表示关键帧所有像素点中皮肤像素点所占的比例

P(p/skin)/P(p/non-skin)≥T₈                (3)

其中，p表示关键帧中任一个像素点，P(p/skin)表示肤色高斯模型下产生p的概率，P(p/non-skin)表示非肤色高斯模型下产生p的概率，如果公式(3)成立，则判断p为皮肤像素点，否则判断p为非皮肤像素点，T₈取值在1到10之间，该阈值控制单帧色情内容检测的精度。

步骤350.基于步骤310-340得到的检测结果，计算“身体皮肤-正面人脸比”表示关键帧中身体皮肤像素点与正面人脸像素点的个数之比；以及“身体皮肤-侧面人脸比”表示关键帧中身体皮肤像素点与侧面人脸像素点的个数之比；

步骤360.根据步骤310-350得到的计算结果，判断所述关键帧是否包含色情内容，判定规则如下：如果T₀≤半身人体-图像比≤T₁且T₂≤皮肤-图像比≤T₃且正面人脸-图像比≤T₄且侧面人脸-图像比≤T₅且身体皮肤-正面人脸比≥T₆且身体皮肤-侧面人脸比≥T₇，则判定关键帧包含色情内容，否则判断不包含色情内容，其中T₁、T₂、T₃、T₄、T₅取值都在0到1之间，T₆和T₇取值都在1到10之间。

所述步骤400，包括下列步骤：

步骤410.统计已检测的N_c帧关键帧中，判定为包含色情内容的关键帧数目N_p；

步骤420.令N为步骤100确定的所需抽取关键帧的数目，如果N_p/N≥T_p，判定为“是”；如果(N_c-N_p)/N≥(1-T_p)，判定为“否”；否则判定为“不定”；其中T_p取值在0到1之间，该阈值控制色情视频检测的精度。

为实现本发明的目的还提供一种网络色情视频实时检测系统，包括：

关键帧预抽取队列构建单元，用于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；

关键帧抽取单元，用于根据所述关键帧预抽取帧号队列，按顺序抽取一帧关键帧并解码；

关键帧检测单元，用于对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；

视频内容检测单元，用于根据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”，则触发关键帧抽取单元，继续进行单个关键帧的检测。

所述关键帧预抽取队列构建单元，包括：

抽取策略模块，根据视频的长度提供相应抽取策略：

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：

$n_i=\frac{i\×W}{N_1+1},i=\mathrm{1,2},...,N_1---\left(1\right)$

其中，n_i是第i个关键帧的帧号，W是视频的总帧数，L取值5到10之间，N₁取值5到20之间；

如果视频长度大于L秒，则将根据公式(2)对视频中间r％的视频段等间隔抽取N₂帧关键帧作为预抽取策略：

$n_i=N_r+\frac{i\×W_r}{N_2+1},i=\mathrm{1,2},...,N_2;N_r=W\×(1-r\%)/2---\left(2\right)$

其中，n_i是第i个关键帧的帧号，W是视频的总帧数，所述r取值50到90之间，N₂取值20到100之间。

所述关键帧抽取单元，包括：

解码模块，用于解码抽取的关键帧抽。

所述关键帧检测单元，包括：

正面人脸检测模块，用于对所述关键帧进行多角度正面人脸检测，并根据检测结果计算“正面人脸-图像比”表示关键帧所有像素点中正面人脸像素点所占的比例；

侧面人脸检测模块，用于对关键帧进行多角度侧面人脸检测，并根据检测结果计算“侧面人脸-图像比”表示关键帧所有像素点中侧面人脸像素点所占的比例；

半身人体检测模块，用于对关键帧进行多角度半身人体检测，并根据检测结果计算“半身人体-图像比”表示关键帧所有像素点中半身人体像素点所占的比例；

皮肤区域检测模块，用于采用贝叶斯方法，根据公式(3)所示的比较结果，对关键帧进行皮肤区域检测，并根据检测结果计算“皮肤-图像比”表示关键帧所有像素点中皮肤像素点所占的比例

P(p/skin)/P(p/non-skin)≥T₈             (3)

其中，p表示关键帧中任一个像素点，P(p/skin)表示肤色高斯模型下产生p的概率，P(p/non-skin)表示非肤色高斯模型下产生p的概率，如果公式(3)成立，则判断p为皮肤像素点，否则判断p为非皮肤像素点，T₈取值在1到10之间，该阈值控制单帧色情内容检测的精度。

比例计算模块，用于根据检测结果，计算“身体皮肤-正面人脸比”表示关键帧中身体皮肤像素点与正面人脸像素点的个数之比；以及“身体皮肤-侧面人脸比”表示关键帧中身体皮肤像素点与侧面人脸像素点的个数之比；

判定模块，用于根据计算结果，判断所述关键帧是否包含色情内容，判定规则如下：如果T₀≤半身人体-图像比≤T₁且T₂≤皮肤-图像比≤T₃且正面人脸-图像比≤T₄且侧面人脸-图像比≤T₅且身体皮肤-正面人脸比≥T₆且身体皮肤-侧面人脸比≥T₇，则判定关键帧包含色情内容，否则判断不包含色情内容，其中T₁、T₂、T₃、T₄、T₅取值都在0到1之间，T₆和T₇取值都在1到10之间。

所述视频内容检测单元，包括：

统计模块，用于统计已检测的N_c帧关键帧中，判定为包含色情内容的关键帧数目N_p；

色情视频判定模块，令N为所述关键帧预抽取队列中关键帧的数目，如果N_p/N≥T_p，判定为“是”；如果(N_c-N_p)/N≥(1-T_p)，判定为“否”；否则判定为“不定”；其中T_p取值在0到1之间，该阈值控制色情视频检测的精度。

本发明的有益效果是：针对网络视频监控、过滤系统的实时性要求，提出了一种快速的色情视频检测方法，该方法采用了高效的抽帧策略，制定了简洁的单帧检测规则以及多帧融合策略，具有很高的检测效率；同时，考虑到网络视频视觉质量参差不齐，无法做精细的内容分析，因此该方法融合性能稳定的人脸检测和皮肤检测结果进行判断，具有很高的检测精度以及性能稳定性；并且可以通过对阈值的调整，获得不同的检测性能，满足不同应用场景下对查全、查准指标的不同需求。

附图说明

图1是本发明的一种网络色情视频实时检测方法的步骤流程图；

图2是本发明中建立关键帧预抽取帧号队列的步骤流程图；

图3是本发明中抽取关键帧的步骤流程图；

图4是本发明中对单个关键帧进行色情内容检测的步骤流程图；

图5是本发明中对整个视频进行色情内容判定的步骤流程图

图6是本发明的一种网络色情视频实时检测系统的结构示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明的一种网络色情视频实时检测方法和系统进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明的一种网络色情视频实时检测方法和系统，结合网络视频数据的特点，通过分析待检测网络视频的视觉信息，制定高效的抽帧和多帧结果融合策略，并对抽取的关键帧逐一进行判定，一旦根据经过判定的关键帧的数目能够满足确定该视频文件包含色情内容的条件，就判定当前视频文件属于色情视频文件，而不再对其中其他未判定的关键帧进行判定。具体包括：关键帧提取策略，基于单帧的色情内容检测，以及多帧结果的决策融合。

下面结合上述目标详细介绍本发明的一种网络色情视频实时检测方法，图1是本发明的一种网络色情视频实时检测方法的步骤流程图，如图1所示，所述方法，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；

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)，因而传统的色情视频检测技术通常需要对视频进行镜头分割之后，再提取关键帧进行检测。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。因而，在网络色情视频检测中，耗时的镜头分割处理就显得没有必要。本发明采用了一种更加高效的关键帧抽取策略，大大提升了检测效率。

图2是本发明中建立关键帧预抽取帧号队列的步骤流程图，如图2所示，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建立关键帧预抽取帧号队列：

$n_i=\frac{i\×W}{N_1+1},i=\mathrm{1,2},...,N_1---\left(1\right)$

其中，n_i是第i个关键帧的帧号，W是视频的总帧数；

其中，L取值5到10之间，N₁取值5到20之间。

步骤120.如果视频长度大于L秒，则将根据公式(2)对视频中间r％的视频段等间隔抽取N₂帧关键帧作为预抽取策略建立关键帧预抽取帧号队列：

$n_i=N_r+\frac{i\×W_r}{N_2+1},i=\mathrm{1,2},...,N_2;N_r=W\×(1-r\%)/2---\left(2\right)$

其中，n_i是第i个关键帧的帧号，W是视频的总帧数；

其中，r取值50到90之间，N₂取值20到100之间。

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；

图3是本发明中抽取关键帧的步骤流程图，如图3所示，所述步骤200，包括下列步骤：

步骤210.根据所述关键帧预抽取帧号队列，从视频中抽取一帧关键帧，该帧的帧号为当前KFN中的最小帧号；

步骤220.解码抽取的所述关键帧抽；

步骤230.从KFN中删去所述帧号，返回步骤210；

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。本步骤的具体实现如下：

相对于传统视频节目，网络视频的视觉质量参差不齐，传统方法中对视频所做的细致内容分析(例如躯干检测，皮肤纹理分析)在网络视频上性能波动较大。本发明基于性能稳定的人脸检测和皮肤检测结果，提取简单有效的特征，基于这些特征的规则判定来进行检测，在提高检测效率的同时，也确保了检测性能的稳定性。

图4是本发明中对单个关键帧进行色情内容检测的步骤流程图，如图4所示，所述步骤300，包括下列步骤：

步骤310.对关键帧进行多角度正面人脸检测，并根据检测结果计算“正面人脸-图像比”(fface-img-ratio)表示关键帧所有像素点中正面人脸像素点所占的比例；

步骤320.对关键帧进行多角度侧面人脸检测，并根据检测结果计算“侧面人脸-图像比”(pface-img-ratio)表示关键帧所有像素点中侧面人脸像素点所占的比例；

步骤330.对关键帧进行多角度半身人体检测，并根据检测结果计算“半身人体-图像比”(upbody-img-ratio)表示关键帧所有像素点中半身人体像素点所占的比例；

步骤340.采用贝叶斯方法，根据公式(3)所示的比较结果，对关键帧进行皮肤区域检测，并根据检测结果计算“皮肤-图像比”(skin-img-ratio)表示关键帧所有像素点中皮肤像素点所占的比例

P(p/skin)/P(p/non-skin)≥T₈                (3)

其中，p表示关键帧中任一个像素点，P(p/skin)表示肤色高斯模型下产生p的概率，P(p/non-skin)表示非肤色高斯模型下产生p的概率。如果公式(3)成立，则判断p为皮肤像素点，否则判断p为非皮肤像素点。T₈取值在1到10之间，该阈值控制单帧色情内容检测的精度，该值越高，则查准越高，反之，则查全越高。

步骤350.基于步骤310-340得到的检测结果，计算“身体皮肤-正面人脸比”(bodyskin-fface-ratio)表示关键帧中身体皮肤像素点与正面人脸像素点的个数之比；以及“身体皮肤-侧面人脸比”(bodyskin-pface-ratio)表示关键帧中身体皮肤像素点与侧面人脸像素点的个数之比；

其中身体皮肤像素点是指该像素点是皮肤像素点，但不是正面人脸或者侧面人脸像素点。

步骤360.根据步骤310-350得到的计算结果，判断关键帧是否包含色情内容，判定规则如下：如果T₀≤upbody-img-ratio≤T₁且T₂≤skin-img-ratio≤T₃且fface-img-ratio≤T₄且pface-img-ratio≤T₅且bodyskin-fface-ratio≥T₆且bodyskin-pface-ratio≥T₇，则判定关键帧包含色情内容，否则判断不包含色情内容，其中T₁、T₂、T₃、T₄、T₅取值都在0到1之间，T₆和T₇取值都在1到10之间。

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。

考虑到面向网络视频的监控、过滤系统对检测效率的要求，传统的基于机器学习的检测方法把色情视频检测问题视为两类别的分类问题，分类模型在分类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。同时，分类模型的训练需要大量人工标注样本，且模型的分类性能受训练数据的影响较大；而且，分类模型一旦训练得到后，其分类性能也就相对固定，无法对其性能进行有效调节，从而无法适应对性能有不同需求的应用场景。本发明基于规则进行检测，相对传统的学习方法具有更高的检测效率；同时，通过简洁有效的多帧决策融合，来确保检测的高精度。

图5是本发明中对整个视频进行色情内容判定的步骤流程图，如图5所示，所述步骤400，包括下列步骤：

步骤410.统计已检测的N_c帧关键帧中，判定为包含色情内容的关键帧数目N_p。

步骤420.令N为步骤100确定的所需抽取关键帧的数目，如果N_p/N≥T_p，判定为“是”；如果(N_c-N_p)/N≥(1-T_p)，判定为“否”；否则判定为“不定”；其中T_p取值在0到1之间，该阈值控制色情视频检测的精度，该值越高，则查准越高，反之，则查全越高。

可以用反证法严格证明，随着已检测关键帧的数目N_c的增大，总会有一个N_c≤N，此时的判定结果仅为“是”或者“否”，从而结束检测。

本发明中，步骤300仅对根据抽取策略抽取的单个关键帧进行色情内容判定，步骤400是对经过判定的多个关键帧进行统计来最终判断当前视频是否包含色情内容，一旦根据经过判定的关键帧的数目能够满足确定该视频文件包含色情内容的条件，就判定当前视频文件属于色情视频文件，而不再对其中其他未判定的关键帧进行判定，这样能够降低系统开销，提高检测效率，满足对网络视频文件进行实时检测的需求。

相应于本发明的一种网络色情视频实时检测方法，还提供一种网络色情视频实时检测系统，图6是本发明的一种网络色情视频实时检测系统的结构示意图，如图6所示，所述系统，包括：

关键帧预抽取队列构建单元1，用于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；

关键帧抽取单元2，用于根据所述关键帧预抽取帧号队列，按顺序抽取一帧关键帧并解码；

关键帧检测单元3，用于对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；

视频内容检测单元4，用于根据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”，则触发关键帧抽取单元2，继续进行单个关键帧的检测。

其中，所述关键帧预抽取队列构建单元1，包括：

抽取策略模块11，根据视频的长度提供相应抽取策略：

①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：

$n_i=\frac{i\×W}{N_1+1},i=\mathrm{1,2},...,N_1---\left(1\right)$

其中，n_i是第i个关键帧的帧号，W是视频的总帧数，L取值5到10之间，N₁取值5到20之间；

②如果视频长度大于L秒，则将根据公式(2)对视频中间r％的视频段等间隔抽取N₂帧关键帧作为预抽取策略：

$n_i=N_r+\frac{i\×W_r}{N_2+1},i=\mathrm{1,2},...,N_2;N_r=W\×(1-r\%)/2---\left(2\right)$

其中，n_i是第i个关键帧的帧号，W是视频的总帧数，所述r取值50到90之间，N₂取值20到100之间。

所述关键帧抽取单元2，包括：

解码模块21，用于解码抽取的关键帧抽。

所述关键帧检测单元3，包括：

正面人脸检测模块31，用于对所述关键帧进行多角度正面人脸检测，并根据检测结果计算“正面人脸-图像比”表示关键帧所有像素点中正面人脸像素点所占的比例；

侧面人脸检测模块32，用于对关键帧进行多角度侧面人脸检测，并根据检测结果计算“侧面人脸-图像比”表示关键帧所有像素点中侧面人脸像素点所占的比例；

半身人体检测模块33，用于对关键帧进行多角度半身人体检测，并根据检测结果计算“半身人体-图像比”表示关键帧所有像素点中半身人体像素点所占的比例；

皮肤区域检测模块34，用于采用贝叶斯方法，根据公式(3)所示的比较结果，对关键帧进行皮肤区域检测，并根据检测结果计算“皮肤-图像比”表示关键帧所有像素点中皮肤像素点所占的比例

P(p/skin)/P(p/non-skin)≥T₈               (3)

其中，p表示关键帧中任一个像素点，P(p/skin)表示肤色高斯模型下产生p的概率，P(p/non-skin)表示非肤色高斯模型下产生p的概率，如果公式(3)成立，则判断p为皮肤像素点，否则判断p为非皮肤像素点，T₈取值在1到10之间，该阈值控制单帧色情内容检测的精度。

比例计算模块35，用于根据检测结果，计算“身体皮肤-正面人脸比”表示关键帧中身体皮肤像素点与正面人脸像素点的个数之比；以及“身体皮肤-侧面人脸比”表示关键帧中身体皮肤像素点与侧面人脸像素点的个数之比；

判定模块36，用于根据计算结果，判断所述关键帧是否包含色情内容，判定规则如下：如果T₀≤半身人体-图像比≤T₁且T₂≤皮肤-图像比≤T₃且正面人脸-图像比≤T₄且侧面人脸-图像比≤T₅且身体皮肤-正面人脸比≥T₆且身体皮肤-侧面人脸比≥T₇，则判定关键帧包含色情内容，否则判断不包含色情内容，其中T₁、T₂、T₃、T₄、T₅取值都在0到1之间，T₆和T₇取值都在1到10之间。

视频内容检测单元4，包括：

统计模块41，用于统计已检测的N_c帧关键帧中，判定为包含色情内容的关键帧数目N_p；

色情视频判定模块42，令N为所述关键帧预抽取队列中关键帧的数目，如果N_p/N≥T_p，判定为“是”；如果(N_c-N_p)/N≥(1-T_p)，判定为“否”；否则判定为“不定”；其中T_p取值在0到1之间，该阈值控制色情视频检测的精度。

本发明的有益效果在于：

1.本发明的一种网络色情视频实时检测方法和系统，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，具有很高的检测效率，可以满足针对网络视频的监控、过滤系统的实时性要求；

2.本发明的一种网络色情视频实时检测方法和系统，采用基于规则的检测方法，相对与传统的基于机器学习的检测方法，具有更高的检测效率；同时具有很好的灵活性，可以通过对阈值的调整，获得不同的检测性能，满足不同应用场景下对查全、查准指标的不同需求；

3.本发明的一种网络色情视频实时检测方法和系统，融合性能稳定的人脸检测和皮肤检测结果进行判定，可以适应网络视频参差不齐的视觉质量，得到稳定的检测结果。

通过结合附图对本发明具体实施例的描述，本发明的其它方面及特征对本领域的技术人员而言是显而易见的。

以上对本发明的具体实施例进行了描述和说明，这些实施例应被认为其只是示例性的，并不用于对本发明进行限制，本发明应根据所附的权利要求进行解释。

Claims (10)

1.一种网络色情视频实时检测方法，其特征在于，所述方法，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。

2.根据权利要求1所述的网络色情视频实时检测方法，其特征在于，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：

$n_i=\frac{i\×W}{N_1+1},i=\mathrm{1,2},...,N_1---\left(1\right)$

其中，n_i是第i个关键帧的帧号，W是视频的总帧数，L取值5到10之间，N₁取值5到20之间；

步骤120.如果视频长度大于L秒，则将根据公式(2)对视频中间r％的视频段等间隔抽取N₂帧关键帧作为预抽取策略：

$n_i=N_r+\frac{i\×W_r}{N_2+1},i=\mathrm{1,2},...,N_2;N_r=W\×(1-r\%)/2---\left(2\right)$

其中，n_i是第i个关键帧的帧号，W是视频的总帧数，所述r取值50到90之间，N₂取值20到100之间。

3.根据权利要求1所述的网络色情视频实时检测方法，其特征在于，所述步骤200，包括下列步骤：

步骤210.根据所述关键帧预抽取帧号队列，从视频中抽取一帧关键帧，该帧的帧号为当前KFN中的最小帧号；

步骤220.解码抽取的所述关键帧抽；

步骤230.从KFN中删去所述帧号，返回步骤210。

4.根据权利要求1所述的网络色情视频实时检测方法，其特征在于，所述步骤300，包括下列步骤：

步骤310.对所述关键帧进行多角度正面人脸检测，并根据检测结果计算“正面人脸-图像比”表示关键帧所有像素点中正面人脸像素点所占的比例；

步骤320.对关键帧进行多角度侧面人脸检测，并根据检测结果计算“侧面人脸-图像比”表示关键帧所有像素点中侧面人脸像素点所占的比例；

步骤330.对关键帧进行多角度半身人体检测，并根据检测结果计算“半身人体-图像比”表示关键帧所有像素点中半身人体像素点所占的比例；

步骤340.采用贝叶斯方法，根据公式(3)所示的比较结果，对关键帧进行皮肤区域检测，并根据检测结果计算“皮肤-图像比”表示关键帧所有像素点中皮肤像素点所占的比例

P(p/skin)/P(p/non-skin)≥T₈             (3)

其中，p表示关键帧中任一个像素点，P(p/skin)表示肤色高斯模型下产生p的概率，P(p/non-skin)表示非肤色高斯模型下产生p的概率，如果公式(3)成立，则判断p为皮肤像素点，否则判断p为非皮肤像素点，T₈取值在1到10之间，该阈值控制单帧色情内容检测的精度。

步骤350.基于步骤310-340得到的检测结果，计算“身体皮肤-正面人脸比”表示关键帧中身体皮肤像素点与正面人脸像素点的个数之比；以及“身体皮肤-侧面人脸比”表示关键帧中身体皮肤像素点与侧面人脸像素点的个数之比；

步骤360.根据步骤310-350得到的计算结果，判断所述关键帧是否包含色情内容，判定规则如下：如果T₀≤半身人体-图像比≤T₁且T₂≤皮肤-图像比≤T₃且正面人脸-图像比≤T₄且侧面人脸-图像比≤T₅且身体皮肤-正面人脸比≥T₆且身体皮肤-侧面人脸比≥T₇，则判定关键帧包含色情内容，否则判断不包含色情内容，其中T₁、T₂、T₃、T₄、T₅取值都在0到1之间，T₆和T₇取值都在1到10之间。

5.根据权利要求1所述的网络色情视频实时检测方法，其特征在于，所述步骤400，包括下列步骤：

步骤410.统计已检测的N_c帧关键帧中，判定为包含色情内容的关键帧数目N_p；

步骤420.令N为步骤100确定的所需抽取关键帧的数目，如果N_p/N≥T_p，判定为“是”；如果(N_c-N_p)/N≥(1-T_p)，判定为“否”；否则判定为“不定”；其中T_p取值在0到1之间，该阈值控制色情视频检测的精度。

6.一种网络色情视频实时检测系统，其特征在于，所述系统，包括：

关键帧预抽取队列构建单元，用于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；

关键帧抽取单元，用于根据所述关键帧预抽取帧号队列，按顺序抽取一帧关键帧并解码；

关键帧检测单元，用于对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；

视频内容检测单元，用于根据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”，则触发关键帧抽取单元，继续进行单个关键帧的检测。

7.根据权利要求6所述的网络色情视频实时检测系统，其特征在于，所述关键帧预抽取队列构建单元，包括：

抽取策略模块，根据视频的长度提供相应抽取策略：

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：

$n_i=\frac{i\×W}{N_1+1},i=\mathrm{1,2},...,N_1---\left(1\right)$

其中，n_i是第i个关键帧的帧号，W是视频的总帧数，L取值5到10之间，N₁取值5到20之间；

如果视频长度大于L秒，则将根据公式(2)对视频中间r％的视频段等间隔抽取N₂帧关键帧作为预抽取策略：

$n_i=N_r+\frac{i\×W_r}{N_2+1},i=\mathrm{1,2},...,N_2;N_r=W\×(1-r\%)/2---\left(2\right)$

其中，n_i是第i个关键帧的帧号，W是视频的总帧数，所述r取值50到90之间，N₂取值20到100之间。

8.根据权利要求6所述的网络色情视频实时检测系统，其特征在于，所述关键帧抽取单元，包括：

解码模块，用于解码抽取的关键帧抽。

9.根据权利要求6所述的网络色情视频实时检测系统，其特征在于，所述关键帧检测单元，包括：

正面人脸检测模块，用于对所述关键帧进行多角度正面人脸检测，并根据检测结果计算“正面人脸-图像比”表示关键帧所有像素点中正面人脸像素点所占的比例；

侧面人脸检测模块，用于对关键帧进行多角度侧面人脸检测，并根据检测结果计算“侧面人脸-图像比”表示关键帧所有像素点中侧面人脸像素点所占的比例；

半身人体检测模块，用于对关键帧进行多角度半身人体检测，并根据检测结果计算“半身人体-图像比”表示关键帧所有像素点中半身人体像素点所占的比例；

皮肤区域检测模块，用于采用贝叶斯方法，根据公式(3)所示的比较结果，对关键帧进行皮肤区域检测，并根据检测结果计算“皮肤-图像比”表示关键帧所有像素点中皮肤像素点所占的比例

P(p/skin)/P(p/non-skin)≥T₈            (3)

其中，p表示关键帧中任一个像素点，P(p/skin)表示肤色高斯模型下产生p的概率，P(p/non-skin)表示非肤色高斯模型下产生p的概率，如果公式(3)成立，则判断p为皮肤像素点，否则判断p为非皮肤像素点，T₈取值在1到10之间，该阈值控制单帧色情内容检测的精度。

比例计算模块，用于根据检测结果，计算“身体皮肤-正面人脸比”表示关键帧中身体皮肤像素点与正面人脸像素点的个数之比；以及“身体皮肤-侧面人脸比”表示关键帧中身体皮肤像素点与侧面人脸像素点的个数之比；

判定模块，用于根据计算结果，判断所述关键帧是否包含色情内容，判定规则如下：如果T₀≤半身人体-图像比≤T₁且T₂≤皮肤-图像比≤T₃且正面人脸-图像比≤T₄且侧面人脸-图像比≤T₅且身体皮肤-正面人脸比≥T₆且身体皮肤-侧面人脸比≥T₇，则判定关键帧包含色情内容，否则判断不包含色情内容，其中T₁、T₂、T₃、T₄、T₅取值都在0到1之间，T₆和T₇取值都在1到10之间。

10.根据权利要求6所述的网络色情视频实时检测系统，其特征在于，视频内容检测单元，包括：

统计模块，用于统计已检测的N_c帧关键帧中，判定为包含色情内容的关键帧数目N_p；

色情视频判定模块，令N为所述关键帧预抽取队列中关键帧的数目，如果N_p/N≥T_p，判定为“是”；如果(N_c-N_p)/N≥(1-T_p)，判定为“否”；否则判定为“不定”；其中T_p取值在0到1之间，该阈值控制色情视频检测的精度。

Images