CN103258050A - 实现基于语义内容进行视频信息过滤控制的系统及其方法 - Google Patents

Abstract

本发明涉及一种实现基于语义内容进行视频信息过滤控制的系统，其中包括视频输入模块、视频结构化描述模块、视频双向切割模块、数据挖掘及语义匹配推理模块、中心控制模块。本发明还包括一种利该系统实现基于语义内容进行视频信息过滤控制的方法。采用该种实现基于语义内容进行视频信息过滤控制的系统及其方法，基于语义内容的视频过滤技术有效解决了传统方法中存在的“关键词过滤的可操作性差”、“敏感词汇的约束性弱”和“关键词过滤的可执行性差”等问题，使得在视频传播领域具有很强的实用价值，可以用于视频的内容检测、保密检测和安全监测，处理过程简单方便、适应能力较强、工作性能稳定可靠、适用范围较为广泛。

Description

实现基于语义内容进行视频信息过滤控制的系统及其方法

技术领域

本发明涉及信息安全管理领域，特别涉及视频信息的图像处理、数据挖掘和模式识别技术领域，具体是指一种实现基于语义内容进行视频信息过滤控制的系统及其方法。

背景技术

随着科学技术的飞速发展，互联网在人类认知世界的过程中扮演着越来越重要的角色，伴随着互联网对人们带来正面影响之余，危害未成年人健康成长以及有损文明社会逐步发展的视频信息也同时广泛存在着。由于这些非文明的信息严重影响了和谐社会建立正确的价值观和文化氛围，现有的大部分多媒体网站视频开始采用基于视频标题、关键词的文本过滤方法，这种人工界定的关键词过滤方法在筛除“垃圾”视频有一定的作用，但依然存在着诸多技术缺陷：

（1）关键词的文本过滤方法，其可操作性差：有些不良网站刻意将非法视频命名为“非敏感”词汇的视频标题，这样就能躲避网站过滤和关键字过滤；

（2）关键词的文本过滤方法，其约束性弱：虽然有些敏感关键词集合能一定程度地限制视频标题的内容所指，但是要真正定义一个和实时变化的敏感词汇集合是十分困难的。

（3）关键词的文本过滤方法，其可执行性差：如果不良网站刻意定期篡改“被禁视频”的标题来逃脱“关键词过滤”检查。

所以，仅仅只是凭借规则中的敏感词汇对视频标题过滤，很难从源头上遏制网络中“垃圾”视频的传播。近年来，基于视频内容的图像过滤技术已经引起了人们的广泛关注。现有的方法有：

（1）用计算机视觉和图像理解技术对“可疑”图像的识别进行研究，该技术通过皮肤检测，并进一步通过检测确定为可疑图像。

（2）用Daucechies小波和颜色直方图特征进行敏感图像检测。

（3）中国发明专利申请公布说明书（申请号：201010133176.6）公开了一种结合二次检测、纹理检测敏感图像的方法。

这些技术能在一定程度上解决视频中“可疑”图像的问题，但目前的视频过滤技术在完备性上、内容检索和扩充性上还不能满足完整的视频内容过滤的要求。

基于语义内容的视频过滤方法是完成视频流的内容审查和权限设定的重要功能之一，在视频传播领域具有很强的实用价值。在实际应用中，基于语义内容的视频过滤技术可以用于。

发明内容

本发明的目的是克服了上述现有技术中的缺点，提供一种能够实现视频的内容检测、保密检测和安全监测、实用价值较强、处理过程简单方便、适应能力较强、工作性能稳定可靠、适用范围较为广泛的实现基于语义内容进行视频信息过滤控制的系统及其方法。

为了实现上述的目的，本发明的实现基于语义内容进行视频信息过滤控制的系统及其方法如下：

该实现基于语义内容进行视频信息过滤控制的系统，其主要特点是，所述的系统包括：

视频输入模块，用于接收外部的原始视频信息；

视频结构化描述模块，接收所述的视频输入模块送来的原始视频信息，并从中提取相应的视频结构化描述内容；

视频双向切割模块，用于根据所述的视频结构化描述内容中的标注设置不同的语义分割点或区域，并将原始视频信息划分为多个具有语义标识的视频片段或同一视频图像中的不同区域；

数据挖掘及语义匹配推理模块，用于将各个所述的具有语义标识的视频片段作为最小粒度单元进行数据挖掘，识别其中是否具有系统预设的特定内容关键词，并对该关键词进行匹配和推理从而得到匹配和推理的结果集；

中心控制模块，用于查询所述的原始视频信息的结构化描述结果以及推理结果集与匹配结果集，并判断相应的结果和系统预设的特定内容关键词是否具有语义相似性，并对视频信息进行过滤控制。

该实现基于语义内容进行视频信息过滤控制的系统中的数据挖掘及语义匹配推理模块包括：

数据挖掘单元，用于将各个所述的具有语义标识的视频片段作为最小粒度单元进行数据挖掘，识别其中是否具有系统预设的特定内容关键词；

语义匹配和推理单元，用于对该关键词进行匹配和推理从而得到匹配和推理的结果集。

该实现基于语义内容进行视频信息过滤控制的系统中的最小粒度单元为根据视频的标注设置不同的语义分割点或区域，并对视频划分出的具有不同语义的视频片段。

该实现基于语义内容进行视频信息过滤控制的系统中的对关键词的匹配为根据相应领域的知识本体和语义词典对描述进行相关的推理，得到匹配结果集。

该实现基于语义内容进行视频信息过滤控制的系统中的对关键词的推理为根据相应领域的知识本体和语义词典对描述进行比较分析，得到推理结果集。

该利用上述的系统实现基于语义内容进行视频信息过滤控制的方法，其主要特点是，所述的方法包括以下步骤：

（1）所述的视频输入模块接收外部传来的原始视频信息；

（2）所述的视频结构化描述模块通过视频结构化描述处理提取出所述的原始视频信息的结构化特征描述内容；

（3）所述的数据挖掘及语义匹配推理模块设定相应领域的推理规则，并利用该推理规则对所述的结构化特征描述内容进行推理，得到推理结果集；

（4）所述的数据挖掘及语义匹配推理模块根据所述的推理结果集和相应领域特定的关键词集合进行语义相似度计算和语义匹配；

（5）所述的中心控制模块根据语义相似度和语义匹配结果来确定是否允许相应的视频信息进行传播；

（6）如果是，则赋予该视频信息传播的通行证；否则拦截过滤该视频信息。

该实现基于语义内容进行视频信息过滤控制的方法中的视频结构化描述处理，包括以下步骤：

（21）所述的视频结构化描述模块对所述的原始视频信息进行时空分割处理；

（22）所述的视频结构化描述模块对所述的原始视频信息进行特征提取处理；

（23）所述的视频结构化描述模块对所述的原始视频信息进行对象识别处理；

（24）得到该原始视频信息所对应的的多层次结构化特征描述内容。

该实现基于语义内容进行视频信息过滤控制的方法中的时空分割处理，具体为：

从视频序列中分割有意义的视频对象平面，每个视频对象平面包含语义级别视频对象的形状和纹理信息。

该实现基于语义内容进行视频信息过滤控制的方法中的分割方法为空域分割或者时域分割。

该实现基于语义内容进行视频信息过滤控制的方法中的空域分割为运用分水岭算法得到不同区域的边界。

该实现基于语义内容进行视频信息过滤控制的方法中的时域分割为利用时域变化检测来分隔视频对象，运动对象的位置和形状通过帧差法和减背景法得到。

该实现基于语义内容进行视频信息过滤控制的方法中的特征提取处理，具体为：

根据颜色特征和空间特征来表示视频帧的特征内容。

该实现基于语义内容进行视频信息过滤控制的方法中的对象识别处理，具体为：

依据统计模式识别的方法，即在已知训练对象集合的基础上设计识别和分类算法，从而对未知对象进行识别分类。

该实现基于语义内容进行视频信息过滤控制的方法中的根据推理结果集和相应领域特定的关键词集合进行语义相似度计算和语义匹配，具体为：

根据推理结果集和设定的领域特定关键词集，通过计算两个集合中对象的语义距离，得出与相应领域中特定关键词所具有的语义相似度。

采用了该发明的实现基于语义内容进行视频信息过滤控制的系统及其方法，由于其中从视频的本源——结构化描述的结果为出发点，审查视频的内容是否涉及敏感信息、涉密信息或非法信息，从而不同于以往的视频过滤技术，本发明基于语义内容的视频过滤技术有效解决了传统方法中存在的“关键词过滤的可操作性差”、“敏感词汇的约束性弱”和“关键词过滤的可执行性差”等问题，使得在视频传播领域具有很强的实用价值，可以用于视频的内容检测、保密检测和安全监测，处理过程简单方便、适应能力较强、工作性能稳定可靠、适用范围较为广泛。

附图说明

图1为本发明的实现基于语义内容进行视频信息过滤控制的系统的功能模块架构示意图。

图2为本发明的实现基于语义内容进行视频信息过滤控制的方法的整体流程图。

图3为本发明的实现基于语义内容进行视频信息过滤控制的方法中提取视频结构化描述处理的流程图。

图4为本发明的实现基于语义内容进行视频信息过滤控制的方法中基于关键字的数据挖掘、视频匹配和推理处理的流程图。

图5为应用本发明的实现基于语义内容进行视频信息过滤控制的方法的具体过程时序图。

具体实施方式

为了能够更清楚地理解本发明的技术内容，特举以下实施例详细说明。

请参阅图1所示，该实现基于语义内容进行视频信息过滤控制的系统，其主要特点是，所述的系统包括：

（1）视频输入模块，用于接收外部的原始视频信息；

（2）视频结构化描述模块，接收所述的视频输入模块送来的原始视频信息，并从中提取相应的视频结构化描述内容；

（3）视频双向切割模块，用于根据所述的视频结构化描述内容中的标注设置不同的语义分割点或区域，并将原始视频信息划分为多个具有语义标识的视频片段或同一视频图像中的不同区域；

（4）数据挖掘及语义匹配推理模块，用于将各个所述的具有语义标识的视频片段作为最小粒度单元进行数据挖掘，识别其中是否具有系统预设的特定内容关键词，并对该关键词进行匹配和推理从而得到匹配和推理的结果集；其中包括：

数据挖掘单元，用于将各个所述的具有语义标识的视频片段作为最小粒度单元进行数据挖掘，识别其中是否具有系统预设的特定内容关键词；

语义匹配和推理单元，用于对该关键词进行匹配和推理从而得到匹配和推理的结果集；

该最小粒度单元为根据视频的标注设置不同的语义分割点或区域，并对视频划分出的具有不同语义的视频片段，其中对关键词的匹配为根据相应领域的知识本体和语义词典对描述进行相关的推理，得到匹配结果集，对关键词的推理为根据相应领域的知识本体和语义词典对描述进行比较分析，得到推理结果集；

（5）中心控制模块，用于查询所述的原始视频信息的结构化描述结果以及推理结果集与匹配结果集，并判断相应的结果和系统预设的特定内容关键词是否具有语义相似性，并对视频信息进行过滤控制。

再请参阅图2至图5所示，该利用上述的系统实现基于语义内容进行视频信息过滤控制的方法，其中包括以下步骤：

（1）所述的视频输入模块接收外部传来的原始视频信息；

（2）所述的视频结构化描述模块通过视频结构化描述处理提取出所述的原始视频信息的结构化特征描述内容，包括以下步骤：

（a）所述的视频结构化描述模块对所述的原始视频信息进行时空分割处理；该时空分割处理具体为：

从视频序列中分割有意义的视频对象平面，每个视频对象平面包含语义级别视频对象的形状和纹理信息；其中，该分割方法为空域分割或者时域分割，所述的空域分割为运用分水岭算法得到不同区域的边界，所述的时域分割为利用时域变化检测来分隔视频对象，运动对象的位置和形状通过帧差法和减背景法得到；

（b）所述的视频结构化描述模块对所述的原始视频信息进行特征提取处理，具体为：根据颜色特征和空间特征来表示视频帧的特征内容；

（c）所述的视频结构化描述模块对所述的原始视频信息进行对象识别处理，具体为：依据统计模式识别的方法，即在已知训练对象集合的基础上设计识别和分类算法，从而对未知对象进行识别分类；

（d）得到该原始视频信息所对应的的多层次结构化特征描述内容；

（3）所述的数据挖掘及语义匹配推理模块设定相应领域的推理规则，并利用该推理规则对所述的结构化特征描述内容进行推理，得到推理结果集；

（4）所述的数据挖掘及语义匹配推理模块根据所述的推理结果集和相应领域特定的关键词集合进行语义相似度计算和语义匹配，具体为：

根据推理结果集和设定的领域特定关键词集，通过计算两个集合中对象的语义距离，得出与相应领域中特定关键词所具有的语义相似度；

（5）所述的中心控制模块根据语义相似度和语义匹配结果来确定是否允许相应的视频信息进行传播；

（6）如果是，则赋予该视频信息传播的通行证；否则拦截过滤该视频信息。

在实际使用当中，本发明的基本思想是基于语义内容的视频过滤处理，相应的系统包括视频输入模块、视频结构化描述模块、视频双向切割模块、数据挖掘模块（包括语义匹配和推理模块）和中心控制模块，其中：

视频输入模块，是用来接受来自互联网、局域网或视频数据库中的视频审查请求，视频输入模块首先接收它，并与上述介质建立视频传输的连接，接收视频的无损传输。

视频结构化描述模块，是用来提取视频的结构化描述内容，这是一种以机器自动化为主的视频信息处理和分析方法，采用语义关系、时空分割、特征提取、对象识别等处理手段，组织成可供计算机和人理解的文本信息的技术。它依赖图像处理技术、模式识别技术、语义理解技术等对视频数据进行多层次、多尺度的特征提取。视频首先传送到描述设备，类似人的大脑，机器在这里对内容进行分析理解，并产生多层次的结构化输出；接着对描述数据进行传输和存储，同时描述设备也输出一个原始视频供系统存储。从数据处理的流程看，视频结构化描述技术能够将监控视频转化为人和机器可理解的信息，并实现视频数据向关键信息的转化。

视频双向切割模块，是将从互联网或局域网中下载或接受得到待处理视频，根据视频的标注设置不同的语义分割点或区域，将视频划分为很多具有不同语义的视频片段或同一视频图像中的不同区域。

数据挖掘单元，是将各具有语义标识的视频片段作为最小粒度单元，对该语义描述结果进行数据挖掘，识别该语义描述中是否具有特定内容关键词，从而确定是否过滤该视频，其特征在于，对关键词进行匹配和推理，得到匹配和推理的结果集。

其中，最小粒度单元是指将视频的标注设置不同的语义分割点或区域，将视频划分为很多具有不同语义的视频片段。

语义匹配和推理单元，是将各具有语义标识的视频片段作为最小粒度单元，对该语义描述进行数据挖掘，识别该语义描述中是否具有特定内容关键词，从而确定是否过滤该视频，其特征在于，对关键词进行匹配和推理，得到匹配和推理的结果集。

其中，对关键词进行推理的处理过程，是指根据本领域的知识本体和语义词典对描述进行比较分析，得到推理结果集。

其中，对关键词进行匹配的处理过程，是指根据本领域的知识本体和语义词典对描述进行相关的推理，得到匹配结果集。

中心控制模块，是用来查询所述的视频的结构化描述结果，查询视频的结构化描述结果以及推理结果集与匹配结果集，和既定领域的本体敏感关键词是否具有语义相似性，并对所述的被认定为与既定领域的本体敏感关键词具有语义相似性的视频进行过滤。

其中，所述的查询视频的结构化描述结果以及推理结果集与匹配结果集，是指提供以针对视频内容的描述、推理结果集与匹配结果集进行查询、检索的接口。

本发明能够将可能涉及到对敏感视频进行过滤，根据提取结构化描述内容、关键词匹配、关键词推理来判断该视频的内容是否包含不合法的内容，如果是，则禁止该视频的上传、转载和下载，否则允许该视频数据的传播。

为了使本发明的目的、设计方法以及技术方案更加地清楚明白，以下结合附图及实施例，对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不限定本发明。

本发明提供的基于语义内容的视频过滤方法，可以从因特网、局域网和视频数据库中向装置中输入视频数据，应用视频结构化描述、语义推理和语义匹配等技术对该视频数据判断是否为涉及敏感视频信息内容，并根据判断结果允许其传播或者过滤拦截。终端以流媒体客户端为例，但具体应用本发明实例提供的技术方案时，并不局限于流媒体客户端，其他的具备流媒体下载、流媒体传输和流媒体上传的终端都可适用本发明提供的技术方案。

请参阅图1所示，其为本发明实现的视频过滤系统架构原理图，包括视频切割模块、视频结构化描述模块、数据挖掘模块和语义匹配与推理模块；其中数据挖掘模块与语义匹配与推理模块相连接，在处理顺序上从属于先后关系。该系统被用于视频的内容审查和观看权限设置中，用以自动拦截和过滤“非法”视频的传播。

再请参阅图2所示，其为本发明实施例的流程图，主要包括如下步骤。

步骤201，视频过滤系统接受来自互联网、局域网或视频数据库传来的视频数据发送请求。

步骤202，内容过滤系统通过视频结构化描述技术提取出视频的结构化特征内容。

步骤203，设定本领域的推理规则，利用该规则对描述结果进行推理，得到推理结果集。

步骤204和205，根据推理结果集和本领域特定的关键词集合进行语义相似度计算和语义匹配。

步骤206，根据语义距离和语义匹配结果来确定是否允许该视频传播，是则赋予该视频传播的通行证，否则拦截过滤该视频。

再请参阅图3所示，其为本发明中视频结构化描述的实施例的流程图，主要包括如下步骤。

步骤301，系统接受来自互联网、局域网或视频数据库传来的视频数据发送的请求。

步骤302，时空分割是指系统从视频序列中分离有意义的对象，每个视频对象平面包含语义级别视频对象的形状和纹理信息。根据分割方法的不同，分割算法可以分为：空域分割算法和时域分割算法两种。空域分割是运用分水岭算法得到不同区域的边界；时域分割是利用时域变化检测来分隔视频对象，运动对象的位置和形状通过帧差法和减背景法得到。

步骤303，特征提取是指根据颜色特征和空间特征，来表示视频帧的特征内容。

步骤304，对象识别是指依据统计模式识别的方法，即在已知训练对象集合的基础上设计识别和分类算法，从而对未知对象进行识别分类。

步骤305，根据上述的时空分割、特征提取和对象识别，得出视频的多层次结构化描述结果。

再请参阅图4所示，其为本发明中基于视频语义的数据挖掘和推理匹配实施例的流程图，主要包括如下步骤。

步骤401，根据设定的本领域的推理规则，对视频的结构化描述结果进行推理，得到推理结果集。

步骤402，根据推理结果集和设定的领域特定关键词（敏感词）集，通过计算两个集合中对象的语义距离，得出是否与某个领域特定关键词具有语义相似性。

再请参阅图5所示，其为本发明实施例中视频A、视频B通过视频过滤系统经过内容分析、过滤的时序图。

步骤501，视频过滤系统在接收到视频A和视频B的传输请求之后，与网络传输机制建立传输连接，接收视频A和视频B的数据。

步骤502，视频过滤系统针对视频A和视频B，利用时空分割、特征提取和对象识别等技术，提取出视频A和视频B的结构化描述结果。

步骤503，视频过滤系统的语义匹配和推理模块对视频A和视频B的结构化描述结果进行按照既定领域规则进行推理。

步骤504，分别计算视频A和视频B的推理集与既定关键词之间的语义距离。

步骤505，当视频B与关键词之间的语义距离小于某一距离阈值，则认为视频B包含有敏感词汇，则系统对其采取拦截过滤的处理方法；当视频A与与关键词之间的语义距离大于某一距离阈值，则认为视频A不包含敏感词汇，则系统对其采取允许通过的处理方式。

步骤506，系统对视频B拦截过滤。

步骤507，系统对视频A允许通过。

在本发明的基本思想实现的过程中，语义内容的视频过滤方法及装置，其中包括如下步骤：

以机器自动处理为主的视频结构化描述技术；

根据视频的结构化描述集对应地形成视频的语义标注；

根据视频的标注设置不同的语义分割点或区域，将视频划分为很多具有不同语义的视频片段或同一视频图像中的不同区域；

将各具有语义标识的视频片段作为最小粒度单元，对该语义描述进行数据挖掘，识别是否具有特定内容关键词，从而确定是否过滤该视频。

其中，以机器自动处理为主的视频结构化描述技术，具体为：

首先将视频传送到描述设备，采用时空分割、特征提取、对象识别等处理手段，对内容进行分析理解，并产生多层次的结构化输出，组织成可供计算机和人理解的文本信息的技术。

根据视频的结构化描述集对应地形成视频的语义标注，具体为：

将视频结构化描述语言转化为按照统一的数据结构形成的语义标注。

根据视频的标注设置不同的语义分割点，具体为：

对视频的不同语义意群进行归纳与分类，设置视频的分割点。

将视频划分为很多具有不同语义的视频片段，具体为：

按照视频被标注的不同意群节点，将之切割成很多独立的具有语义标识的视频片段。

将各具有语义标识的视频片段作为最小粒度单元，对该语义描述进行数据挖掘，识别该语义描述中是否具有特定内容关键词，从而确定是否过滤该视频，对关键词进行匹配和推理，得到匹配和推理的结果集。

其中，对关键词进行匹配，具体为：

根据本领域的知识本体和语义词典对描述进行匹配和语义相关性分析，得到匹配的结果集。

对关键词进行推理，具体为：

根据本领域的知识本体和语义词典对描述进行推理，得到推理的结果集。

其中，识别该语义描述中是否具有特定内容关键词，从而确定是否过滤该视频片段，将内容关键词与各视频片段的描述关键词的匹配和推理结果集做比对，如果比对合格，则过滤该视频片段。

采用了上述的实现基于语义内容进行视频信息过滤控制的系统及其方法，由于其中从视频的本源——结构化描述的结果为出发点，审查视频的内容是否涉及敏感信息、涉密信息或非法信息，从而不同于以往的视频过滤技术，本发明基于语义内容的视频过滤技术有效解决了传统方法中存在的“关键词过滤的可操作性差”、“敏感词汇的约束性弱”和“关键词过滤的可执行性差”等问题，使得在视频传播领域具有很强的实用价值，可以用于视频的内容检测、保密检测和安全监测，处理过程简单方便、适应能力较强、工作性能稳定可靠、适用范围较为广泛。

在此说明书中，本发明已参照其特定的实施例作了描述。但是，很显然仍可以作出各种修改和变换而不背离本发明的精神和范围。因此，说明书和附图应被认为是说明性的而非限制性的。

Claims (14)

1.一种实现基于语义内容进行视频信息过滤控制的系统，其特征在于，所述的系统包括：

视频输入模块，用于接收外部的原始视频信息；

视频结构化描述模块，接收所述的视频输入模块送来的原始视频信息，并从中提取相应的视频结构化描述内容；

视频双向切割模块，用于根据所述的视频结构化描述内容中的标注设置不同的语义分割点或区域，并将原始视频信息划分为多个具有语义标识的视频片段或同一视频图像中的不同区域；

数据挖掘及语义匹配推理模块，用于将各个所述的具有语义标识的视频片段作为最小粒度单元进行数据挖掘，识别其中是否具有系统预设的特定内容关键词，并对该关键词进行匹配和推理从而得到匹配和推理的结果集；

中心控制模块，用于查询所述的原始视频信息的结构化描述结果以及推理结果集与匹配结果集，并判断相应的结果和系统预设的特定内容关键词是否具有语义相似性，并对视频信息进行过滤控制。

2.根据权利要求1所述的实现基于语义内容进行视频信息过滤控制的系统，其特征在于，所述的数据挖掘及语义匹配推理模块包括：

数据挖掘单元，用于将各个所述的具有语义标识的视频片段作为最小粒度单元进行数据挖掘，识别其中是否具有系统预设的特定内容关键词；

语义匹配和推理单元，用于对该关键词进行匹配和推理从而得到匹配和推理的结果集。

3.根据权利要求1或2所述的实现基于语义内容进行视频信息过滤控制的系统，其特征在于，所述的最小粒度单元为根据视频的标注设置不同的语义分割点或区域，并对视频划分出的具有不同语义的视频片段。

4.根据权利要求1或2所述的实现基于语义内容进行视频信息过滤控制的系统，其特征在于，所述的对关键词的匹配为根据相应领域的知识本体和语义词典对描述进行相关的推理，得到匹配结果集。

5.根据权利要求1或2所述的实现基于语义内容进行视频信息过滤控制的系统，其特征在于，所述的对关键词的推理为根据相应领域的知识本体和语义词典对描述进行比较分析，得到推理结果集。

6.一种利用权利要求1所述的系统实现基于语义内容进行视频信息过滤控制的方法，其特征在于，所述的方法包括以下步骤：

（1）所述的视频输入模块接收外部传来的原始视频信息；

（2）所述的视频结构化描述模块通过视频结构化描述处理提取出所述的原始视频信息的结构化特征描述内容；

（3）所述的数据挖掘及语义匹配推理模块设定相应领域的推理规则，并利用该推理规则对所述的结构化特征描述内容进行推理，得到推理结果集；

（4）所述的数据挖掘及语义匹配推理模块根据所述的推理结果集和相应领域特定的关键词集合进行语义相似度计算和语义匹配；

（5）所述的中心控制模块根据语义相似度和语义匹配结果来确定是否允许相应的视频信息进行传播；

（6）如果是，则赋予该视频信息传播的通行证；否则拦截过滤该视频信息。

7.根据权利要求6所述的实现基于语义内容进行视频信息过滤控制的方法，其特征在于，所述的视频结构化描述处理，包括以下步骤：

（21）所述的视频结构化描述模块对所述的原始视频信息进行时空分割处理；

（22）所述的视频结构化描述模块对所述的原始视频信息进行特征提取处理；

（23）所述的视频结构化描述模块对所述的原始视频信息进行对象识别处理；

（24）得到该原始视频信息所对应的的多层次结构化特征描述内容。

8.根据权利要求7所述的实现基于语义内容进行视频信息过滤控制的方法，其特征在于，所述的时空分割处理，具体为：

从视频序列中分割有意义的视频对象平面，每个视频对象平面包含语义级别视频对象的形状和纹理信息。

9.根据权利要求8所述的实现基于语义内容进行视频信息过滤控制的方法，其特征在于，所述的分割方法为空域分割或者时域分割。

10.根据权利要求9所述的实现基于语义内容进行视频信息过滤控制的方法，其特征在于，所述的空域分割为运用分水岭算法得到不同区域的边界。

11.根据权利要求9所述的实现基于语义内容进行视频信息过滤控制的方法，其特征在于，所述的时域分割为利用时域变化检测来分隔视频对象，运动对象的位置和形状通过帧差法和减背景法得到。

12.根据权利要求7所述的实现基于语义内容进行视频信息过滤控制的方法，其特征在于，所述的特征提取处理，具体为：

根据颜色特征和空间特征来表示视频帧的特征内容。

13.根据权利要求7所述的实现基于语义内容进行视频信息过滤控制的方法，其特征在于，所述的对象识别处理，具体为：

依据统计模式识别的方法，即在已知训练对象集合的基础上设计识别和分类算法，从而对未知对象进行识别分类。

14.根据权利要求6至13中任一项所述的实现基于语义内容进行视频信息过滤控制的方法，其特征在于，所述的根据推理结果集和相应领域特定的关键词集合进行语义相似度计算和语义匹配，具体为：

根据推理结果集和设定的领域特定关键词集，通过计算两个集合中对象的语义距离，得出与相应领域中特定关键词所具有的语义相似度。

Images