CN106708949A - 一种视频有害内容识别方法 - Google Patents

一种视频有害内容识别方法 Download PDF

Info

Publication number
CN106708949A
CN106708949A CN201611054105.0A CN201611054105A CN106708949A CN 106708949 A CN106708949 A CN 106708949A CN 201611054105 A CN201611054105 A CN 201611054105A CN 106708949 A CN106708949 A CN 106708949A
Authority
CN
China
Prior art keywords
video
harmful
harmful content
image
recognition methods
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201611054105.0A
Other languages
English (en)
Inventor
曾兵
沈宜
贾宇
郭先会
董文杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
CHENGDU 30KAITIAN COMMUNICATION INDUSTRY Co Ltd
Original Assignee
CHENGDU 30KAITIAN COMMUNICATION INDUSTRY Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by CHENGDU 30KAITIAN COMMUNICATION INDUSTRY Co Ltd filed Critical CHENGDU 30KAITIAN COMMUNICATION INDUSTRY Co Ltd
Priority to CN201611054105.0A priority Critical patent/CN106708949A/zh
Publication of CN106708949A publication Critical patent/CN106708949A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/73—Querying
    • G06F16/735—Filtering based on additional data, e.g. user or group profiles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/7844—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using original textual content or text extracted from visual content or transcript of audio data

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Library & Information Science (AREA)
  • Computational Linguistics (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种视频有害内容识别方法，该方法的步骤如下：S1、对视频信息进行视频近似拷贝检测；S2、通过有害视频文本识别技术对有害视频文本进行识别；S3、如果待测视频或图像经过以上两步均未发现有害信息时，则对视频的有害内容进行智能分析，并利用深度学习目标检测算法再次识别。通过深度学习、SIFT特征提取算法以及OCR光学字符识别技术相结合的方式，可以快速地识别出视频及图像中的待检测内容，达到了视频或图像信息多维度有害内容识别的目的。

Description

一种视频有害内容识别方法
技术领域
本发明涉及网络信息识别技术领域，尤其涉及一种视频有害内容识别方法。
背景技术
随着深度学习算法、计算机视觉技术以及移动通信技术的不断深入发展，可以通过互联网、移动通信网、广电有线网等渠道以及电脑、手机、机顶盒等终端向用户提供多媒体信息和娱乐节目。近年来大型视频分享网站的发展，为人们共享视频提供了更宽广的平台，同时视频的数据量呈现指数增长的趋势。庞大的数据量以及视频信息本身的无序性也使得视频的辨别、检索和管理变得越来越复杂，单纯依靠人工对视频信息进行分类、筛选和审核，不仅耗时耗力，而且容易出错。
现在互联网产生的大量图片数据为卷积神经网络模型提供了训练素材，同时，GPU计算能力的增强为卷积神经网络结合大数据的训练提供了基础运算能力，计算机视觉技术也在深度学习算法不断深入研究的基础上得到进一步发展，包括人脸识别、物体检测、物体跟踪等。所以，如何有效快速地识别出大规模视频内容中的有害内容，成为目前网络信息安全领域亟待解决的重要问题。
在现有技术的中国专利申请号200610079023.1中公开了一种视频码流过滤方法和过滤节点，提供的过滤方法只需要部分解码视频码流中的部分数据，进一步基于场景分割技术进行识别。可以基于现有有害内容的自动识别技术，可以高效的实现自动识别过滤并和人工识别机制配合使用，还可以同时采用现有的基于URL的过滤技术。该发明的过滤节点主要包括：视频码流延迟模块、开关模块、I帧检测/解码模块、符合特定分类定性分级标准的内容识别模块和判决模块，该发明技术方案减少了需要解码的数据数量，降低了处理复杂度。但是，该发明在检测过滤视频中的有害内容或者有害信息时，识别技术太过单一并不能准确有效的识别出视频中的有害内容。
发明内容
本发明的目的在于克服现有技术的不足，提供一种视频有害内容识别方法，通过SIFT（尺度不变特征变换）特征算法、OCR光学字符识别技术和深度学习相结合的方式达到视频及图像信息多维度有害内容识别的目的。
本发明的目的是通过以下技术方案来实现的：一种视频有害内容识别方法，该方法的步骤如下：
S1、对视频信息进行视频近似拷贝检测；
S2、对有害视频文本进行识别；
S3、如果S1与S2发现/或未发现有害信息时，对视频的有害内容进行智能分析，并利用深度学习目标检测算法再次识别。
所述S1的具体步骤如下：
S11、对未知的待测视频或图像进行有害内容识别，提取待测视频的视频指纹；
S12、将视频指纹与视频指纹库中的视频指纹信息以遍历的方式进行匹配，逐一检测待测视频中是否存在不良及受控媒资中的视频片段。
所述的方法还包括一个建立所述的视频指纹的步骤，包括以下子步骤：
A1、将不良及受控媒资按照顺序提取每个关键帧的特征点；
A2、对特征点进行过滤和精确定位后，剔除不稳定的特征点；
A3、提取特征点处的特征描述符，并为特征点分配方向值形成特征向量；
A4、将所有特征点的特征向量集合成视频指纹后入库形成视频指纹库。
所述S2的具体步骤如下：
S21、利用分词、文本聚类的方式提取素材库中每个文本信息的有害关键词并形成对应文符集；
S22、将待测视频图像帧中的文本信息依次与文符集进行匹配，如果匹配相似度在预设权值范围内，则认为文本信息中包含有害内容。
所述的方法还包括建立一个所述的素材库的步骤，包括以下子步骤：
B1、利用COR技术提取视频图像帧中的文本信息；
B2、根据视频图像帧中的文本信息建立带有有害关键词的相关文本信息的素材库。
所述S3包括以下步骤：
S31、将待测视频或图像作为有害内容输入智能分析模型，如果待测视频或图像中含有有害内容信息，标注出有害内容位于图片中的坐标和类型。
所述的方法还包括建立一个所述的智能分析模型的步骤，包括以下子步骤：
C1、利用深度学习目标检测算法对有害视频或图像进行训练；
C2、建立有害内容识别智能分析模型。
所述C1的具体步骤如下：
C11、根据有害视频或图像生成有害视频或图像训练集，并生成图片库，包括利用Fast-RCNN深度学习目标检测算法将图片库中的图片打上标签；
C12、通过Fast-RCNN深度学习目标检测算法修改有害内容模型配置文件；
C13、在生成有害内容训练集及完成有害内容识别智能分析模型配置文件后，启动Fast-RCNN网络训练，主要是加载网络训练文件、训练机器GPU编号、模型配置文件、初始化的权重文件、训练数据库名称。
所述的标签包括图片名称、图片路径和图片类别；所述的模型配置文件修改的内容包括检测类别个数、学习速率和步长。
优选S1与S2未发现有害信息时，对视频的有害内容进行智能分析，并利用深度学习目标检测算法再次识别。
本发明的有益效果是：一种视频有害内容识别方法，通过深度学习、SIFT特征提取算法以及OCR光学字符识别技术相结合的方式，可以快速地识别出视频及图像中的待检测内容，达到了视频或图像信息多维度有害内容识别的目的。
附图说明
图1为方法的流程图。
具体实施方式
下面结合附图进一步详细描述本发明的技术方案，但本发明的保护范围不局限于以下所述。
如图1所示，一种视频有害内容识别方法，该方法的步骤如下：
S1、对视频信息进行视频近似拷贝检测；
S2、对有害视频文本进行识别；
S3、如果S1与S2发现/或未发现有害信息时，对视频的有害内容进行智能分析，并利用深度学习目标检测算法再次识别。
所述S1的具体步骤如下：
S11、对未知的待测视频或图像进行有害内容识别，提取待测视频的视频指纹；
S12、将视频指纹与视频指纹库中的视频指纹信息以遍历的方式进行匹配，逐一检测待测视频中是否存在不良及受控媒资中的视频片段。
所述的方法还包括一个建立所述的视频指纹的步骤，包括以下子步骤：
A1、将不良及受控媒资按照顺序提取每个关键帧的特征点；
A2、对特征点进行过滤和精确定位后，剔除不稳定的特征点；
A3、提取特征点处的特征描述符，并为特征点分配方向值形成特征向量；
A4、将所有特征点的特征向量集合成视频指纹后入库形成视频指纹库。
所述S2的具体步骤如下：
S21、利用分词、文本聚类的方式提取素材库中每个文本信息的有害关键词并形成对应文符集；
S22、将待测视频图像帧中的文本信息依次与文符集进行匹配，如果匹配相似度在预设权值范围内，则认为文本信息中包含有害内容（涉暴、涉恐和反动等）。
所述的方法还包括建立一个所述的素材库的步骤，包括以下子步骤：
B1、利用COR技术提取视频图像帧中的文本信息；
B2、根据视频图像帧中的文本信息建立带有有害关键词的相关文本信息的素材库。
所述S3包括以下步骤：
S31、将待测视频或图像作为有害内容输入智能分析模型，如果待测视频或图像中含有有害内容信息，标注出有害内容位于图片中的坐标和类型。
所述的方法还包括建立一个所述的智能分析模型的步骤，包括以下子步骤：
C1、利用深度学习目标检测算法对有害视频或图像进行训练；
C2、建立有害内容识别智能分析模型。
所述C1的具体步骤如下：
C11、根据有害视频或图像生成有害视频或图像训练集，并生成图片库（约为5000张），包括利用Fast-RCNN深度学习目标检测算法将图片库中的图片打上标签；
C12、通过Fast-RCNN深度学习目标检测算法修改有害内容模型配置文件；
C13、在生成有害内容训练集及完成有害内容识别智能分析模型配置文件后，启动Fast-RCNN网络训练，主要是加载网络训练文件、训练机器GPU编号、模型配置文件、初始化的权重文件、训练数据库名称。
所述的标签包括图片名称、图片路径和图片类别（枪支、蒙面、坦克、旗帜、恐怖组织标识和聚众等）；所述的模型配置文件修改的内容包括检测类别个数、学习速率和步长。
优选S1与S2未发现有害信息时，对视频的有害内容进行智能分析，并利用深度学习目标检测算法再次识别。
若待测视频指纹与视频指纹库中对应的受控媒资视频指纹匹配度大于65%，则认为待测视频或图像与视频指纹库中对应的受控媒资视频或图像相似。
所述的匹配相似度的预设权值范围为匹配相似度大于55%，则认为文本信息中包含有害内容。
优选地，当待测视频或图像经过视频指纹库检测和OCR检测均未发现有害信息时，利用深度学习目标检测算法再次识别待测视频或图像，将待测视频或图像作为有害内容输入智能分析模型，在经过有害内容识别智能分析模型处理后，如果图像中含有有害内容信息，将以XML文件形式将有害内容位于图片中的坐标、类型（枪支、蒙面、坦克、旗帜、恐怖组织标识和聚众等）进行标注，以此更加准确地识别出未知视频或图像是否含有有害内容。将过深度学习、SIFT特征提取算法以及OCR技术相结合，利用三重检测判断机制实现涉暴、涉恐、血腥和政治有害视频或图像有害内容的识别。
以上所述仅是本发明的优选实施方式，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。

Claims (10)

1.一种视频有害内容识别方法，其特征在于：该方法的步骤如下：
S1、对视频信息进行视频近似拷贝检测；
S2、对有害视频文本进行识别；
S3、如果S1与S2发现/或未发现有害信息时，对视频的有害内容进行智能分析，并利用深度学习目标检测算法再次识别。
2.根据权利要求1所述的一种视频有害内容识别方法，其特征在于：所述S1的具体步骤如下：
S11、对未知的待测视频或图像进行有害内容识别，提取待测视频的视频指纹；
S12、将视频指纹与视频指纹库中的视频指纹信息以遍历的方式进行匹配，逐一检测待测视频中是否存在不良及受控媒资中的视频片段。
3.根据权利要求2所述的一种视频有害内容识别方法，其特征在于：所述的方法还包括一个建立所述的视频指纹的步骤，包括以下子步骤：
A1、将不良及受控媒资按照顺序提取每个关键帧的特征点；
A2、对特征点进行过滤和精确定位后，剔除不稳定的特征点；
A3、提取特征点处的特征描述符，并为特征点分配方向值形成特征向量；
A4、将所有特征点的特征向量集合成视频指纹后入库形成视频指纹库。
4.根据权利要求1所述的一种视频有害内容识别方法，其特征在于：所述S2的具体步骤如下：
S21、利用分词、文本聚类的方式提取素材库中每个文本信息的有害关键词并形成对应文符集；
S22、将待测视频图像帧中的文本信息依次与文符集进行匹配，如果匹配相似度在预设权值范围内，则认为文本信息中包含有害内容。
5.根据权利要求4所述的一种视频有害内容识别方法，其特征在于：所述的方法还包括建立一个所述的素材库的步骤，包括以下子步骤：
B1、利用COR技术提取视频图像帧中的文本信息；
B2、根据视频图像帧中的文本信息建立带有有害关键词的相关文本信息的素材库。
6.根据权利要求1所述的一种视频有害内容识别方法，其特征在于：所述S3包括以下步骤：
S31、将待测视频或图像作为有害内容输入智能分析模型，如果待测视频或图像中含有有害内容信息，标注出有害内容位于图片中的坐标和类型。
7.根据权利要求6所述的一种视频有害内容识别方法，其特征在于：所述的方法还包括建立一个所述的智能分析模型的步骤，包括以下子步骤：
C1、利用深度学习目标检测算法对有害视频或图像进行训练；
C2、建立有害内容识别智能分析模型。
8.根据权利要求7所述的一种视频有害内容识别方法，其特征在于：所述C1的具体步骤如下：
C11、根据有害视频或图像生成有害视频或图像训练集，并生成图片库，包括利用Fast-RCNN深度学习目标检测算法将图片库中的图片打上标签；
C12、通过Fast-RCNN深度学习目标检测算法修改有害内容模型配置文件；
C13、在生成有害内容训练集及完成有害内容识别智能分析模型配置文件后，启动Fast-RCNN网络训练，主要是加载网络训练文件、训练机器GPU编号、模型配置文件、初始化的权重文件、训练数据库名称。
9.根据权利要求8所述的一种视频有害内容识别方法，其特征在于：所述的标签包括图片名称、图片路径和图片类别；所述的模型配置文件修改的内容包括检测类别个数、学习速率和步长。
10.根据权利要求1所述的一种视频有害内容识别方法，其特征在于：优选S1与S2未发现有害信息时，对视频的有害内容进行智能分析，并利用深度学习目标检测算法再次识别。
CN201611054105.0A 2016-11-25 2016-11-25 一种视频有害内容识别方法 Pending CN106708949A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611054105.0A CN106708949A (zh) 2016-11-25 2016-11-25 一种视频有害内容识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611054105.0A CN106708949A (zh) 2016-11-25 2016-11-25 一种视频有害内容识别方法

Publications (1)

Publication Number Publication Date
CN106708949A true CN106708949A (zh) 2017-05-24

Family

ID=58933911

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611054105.0A Pending CN106708949A (zh) 2016-11-25 2016-11-25 一种视频有害内容识别方法

Country Status (1)

Country Link
CN (1) CN106708949A (zh)

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107909014A (zh) * 2017-10-31 2018-04-13 天津大学 一种基于深度学习的视频理解方法
CN108304481A (zh) * 2017-12-29 2018-07-20 成都三零凯天通信实业有限公司 一种面向多通道互联网新媒体数据的视图像内容布控方法
CN108334861A (zh) * 2018-03-02 2018-07-27 北京未来媒体科技股份有限公司 一种基于机器学习的视频内容识别方法及装置
CN108846364A (zh) * 2018-06-22 2018-11-20 国家计算机网络与信息安全管理中心 一种基于fpga的视频特征检测方法和系统
CN108965920A (zh) * 2018-08-08 2018-12-07 北京未来媒体科技股份有限公司 一种视频内容拆条方法及装置
CN109005382A (zh) * 2018-06-27 2018-12-14 深圳市轱辘汽车维修技术有限公司 一种视频采集管理方法及服务器
CN109145940A (zh) * 2018-07-02 2019-01-04 北京陌上花科技有限公司 图像识别方法和装置
CN109446461A (zh) * 2018-10-29 2019-03-08 成都思维世纪科技有限责任公司 一种cdn及cache缓存不良信息内容审计的方法
CN109558792A (zh) * 2018-10-11 2019-04-02 成都三零凯天通信实业有限公司 一种基于样本和特征检测互联网徽标内容的方法和系统
CN109635159A (zh) * 2018-12-17 2019-04-16 成都国腾实业集团有限公司 网络视频深度搜索及在线分析方法
CN109862394A (zh) * 2019-03-27 2019-06-07 北京周同科技有限公司 视频内容的审核方法、装置、设备和存储介质
CN110837581A (zh) * 2019-11-04 2020-02-25 云目未来科技(北京)有限公司 视频舆情分析的方法、装置以及存储介质
CN111259216A (zh) * 2018-12-03 2020-06-09 Tcl集团股份有限公司 一种信息识别方法、装置及设备
WO2021082589A1 (zh) * 2019-10-31 2021-05-06 百果园技术(新加坡)有限公司 内容审核模型的训练方法和装置、视频内容的审核方法和装置、计算机设备以及存储介质
CN113542908A (zh) * 2020-04-22 2021-10-22 国家广播电视总局广播电视科学研究院 视频检测方法、装置及电子设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1968408A (zh) * 2006-04-30 2007-05-23 华为技术有限公司 一种视频码流过滤方法和过滤节点
CN101035280A (zh) * 2007-04-19 2007-09-12 鲍东山 分级内容审核终端系统
CN101441666A (zh) * 2008-12-19 2009-05-27 清华大学 一种基于内容的视频拷贝监测的方法及系统
CN105654059A (zh) * 2015-12-31 2016-06-08 武汉鸿瑞达信息技术有限公司 互联网络视频图像低俗成人内容的检出方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1968408A (zh) * 2006-04-30 2007-05-23 华为技术有限公司 一种视频码流过滤方法和过滤节点
CN101035280A (zh) * 2007-04-19 2007-09-12 鲍东山 分级内容审核终端系统
CN101441666A (zh) * 2008-12-19 2009-05-27 清华大学 一种基于内容的视频拷贝监测的方法及系统
CN105654059A (zh) * 2015-12-31 2016-06-08 武汉鸿瑞达信息技术有限公司 互联网络视频图像低俗成人内容的检出方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
常亮等: ""图像理解中的卷积神经网络"", 《自动化学报》 *

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107909014A (zh) * 2017-10-31 2018-04-13 天津大学 一种基于深度学习的视频理解方法
CN108304481A (zh) * 2017-12-29 2018-07-20 成都三零凯天通信实业有限公司 一种面向多通道互联网新媒体数据的视图像内容布控方法
CN108334861A (zh) * 2018-03-02 2018-07-27 北京未来媒体科技股份有限公司 一种基于机器学习的视频内容识别方法及装置
CN108846364A (zh) * 2018-06-22 2018-11-20 国家计算机网络与信息安全管理中心 一种基于fpga的视频特征检测方法和系统
CN108846364B (zh) * 2018-06-22 2022-05-03 国家计算机网络与信息安全管理中心 一种基于fpga的视频特征检测方法和系统
CN109005382A (zh) * 2018-06-27 2018-12-14 深圳市轱辘汽车维修技术有限公司 一种视频采集管理方法及服务器
CN109145940A (zh) * 2018-07-02 2019-01-04 北京陌上花科技有限公司 图像识别方法和装置
CN108965920A (zh) * 2018-08-08 2018-12-07 北京未来媒体科技股份有限公司 一种视频内容拆条方法及装置
CN109558792A (zh) * 2018-10-11 2019-04-02 成都三零凯天通信实业有限公司 一种基于样本和特征检测互联网徽标内容的方法和系统
CN109558792B (zh) * 2018-10-11 2023-10-13 深圳市网联安瑞网络科技有限公司 一种基于样本和特征检测互联网徽标内容的方法和系统
CN109446461A (zh) * 2018-10-29 2019-03-08 成都思维世纪科技有限责任公司 一种cdn及cache缓存不良信息内容审计的方法
CN111259216A (zh) * 2018-12-03 2020-06-09 Tcl集团股份有限公司 一种信息识别方法、装置及设备
CN111259216B (zh) * 2018-12-03 2024-05-24 Tcl科技集团股份有限公司 一种信息识别方法、装置及设备
CN109635159A (zh) * 2018-12-17 2019-04-16 成都国腾实业集团有限公司 网络视频深度搜索及在线分析方法
CN109862394A (zh) * 2019-03-27 2019-06-07 北京周同科技有限公司 视频内容的审核方法、装置、设备和存储介质
WO2021082589A1 (zh) * 2019-10-31 2021-05-06 百果园技术(新加坡)有限公司 内容审核模型的训练方法和装置、视频内容的审核方法和装置、计算机设备以及存储介质
CN110837581A (zh) * 2019-11-04 2020-02-25 云目未来科技(北京)有限公司 视频舆情分析的方法、装置以及存储介质
CN113542908A (zh) * 2020-04-22 2021-10-22 国家广播电视总局广播电视科学研究院 视频检测方法、装置及电子设备

Similar Documents

Publication Publication Date Title
CN106708949A (zh) 一种视频有害内容识别方法
Cozzolino et al. Image forgery detection through residual-based local descriptors and block-matching
CN102549603B (zh) 基于相关性的图像选择
US10304458B1 (en) Systems and methods for transcribing videos using speaker identification
Tüzkö et al. Open set logo detection and retrieval
Pishchulin et al. Fine-grained activity recognition with holistic and pose based features
CN111191067A (zh) 绘本识别方法、终端设备及计算机可读存储介质
Wang et al. Improving human action recognition by non-action classification
CN106355154B (zh) 一种监控视频中检测频繁过人的方法
CN111797820B (zh) 一种视频数据处理方法、装置、电子设备及存储介质
CN103988232A (zh) 使用运动流形来改进图像匹配
CN109033476B (zh) 一种基于事件线索网络的智能时空数据事件分析方法
CN114465737B (zh) 一种数据处理方法、装置、计算机设备及存储介质
Li et al. Face anti-spoofing with deep neural network distillation
CN106845513A (zh) 基于条件随机森林的人手检测器及方法
CN112989950A (zh) 一种面向多模态特征语义关联特征的暴力视频识别系统
Dong et al. An adult image detection algorithm based on Bag-of-Visual-Words and text information
CN115775363A (zh) 一种基于文本与视频融合的违规视频检测方法
Zuo et al. Recognition of blue movies by fusion of audio and video
Wang et al. Violence video detection by discriminative slow feature analysis
Ruiz-Santaquiteria et al. Improving handgun detection through a combination of visual features and body pose-based data
Liu et al. Automated player identification and indexing using two-stage deep learning network
Valle et al. Content-based filtering for video sharing social networks
CN113435438A (zh) 一种图像和字幕融合的视频报幕板提取及视频切分方法
Wu et al. A robust symmetry-based method for scene/video text detection through neural network

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20170524