CN112801062A - 直播视频识别方法、装置、设备及介质 - Google Patents

直播视频识别方法、装置、设备及介质 Download PDF

Info

Publication number
CN112801062A
CN112801062A CN202110374125.0A CN202110374125A CN112801062A CN 112801062 A CN112801062 A CN 112801062A CN 202110374125 A CN202110374125 A CN 202110374125A CN 112801062 A CN112801062 A CN 112801062A
Authority
CN
China
Prior art keywords
skin color
image
frame
brightness
video
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.)
Granted
Application number
CN202110374125.0A
Other languages
English (en)
Other versions
CN112801062B (zh
Inventor
杨德杰
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.)
Ping An Technology Shenzhen Co Ltd
Original Assignee
Ping An Technology Shenzhen 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 Ping An Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Priority to CN202110374125.0A priority Critical patent/CN112801062B/zh
Publication of CN112801062A publication Critical patent/CN112801062A/zh
Application granted granted Critical
Publication of CN112801062B publication Critical patent/CN112801062B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
    • H04N21/44008—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics in the video stream
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Geometry (AREA)
  • Signal Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及人工智能领域，提供一种直播视频识别方法、装置、设备及介质，能够首先根据亮度执行初步的肤色检测，有效避免由于亮度影响导致的误判，进一步结合亮度实现对椭圆肤色模型的调整及优化，避免由于亮度影响肤色检测的效果，有效降低了误检率，进而基于改进的椭圆肤色模型实现对直播视频中违规直播的自动检测，同时，由于是逐帧检测，也避免了传统方案中由于采用视频帧训练而对出现时间较短的违规画面造成误判。此外，本发明还涉及区块链技术，待检测视频可存储于区块链节点中。

Description

直播视频识别方法、装置、设备及介质
技术领域
本发明涉及人工智能技术领域，尤其涉及一种直播视频识别方法、装置、设备及介质。
背景技术
教育培训线上化已经成为当下互联网教育的重要手段。线上教育主要通过视频直播等方式进行，对于及时传播知识内容，增强与学员互动、提升学员学习参与度和学习效果都有十分重要的意义。
但是，线上直播也存在一定的安全隐患，如传播内容违法、用户产生的违规直播等，导致直播视频具有不合规性。
针对上述问题，目前主要采用人工审核的方式筛除违规视频，或者采用模型进行自动检测。然而，由于直播视频的数据量较大，人工审核需要消耗大量的人力，且耗时较长；当采用模型进行自动审核时，由于采用的是连续的视频帧进行训练，对于出现时间较短的违规画面则容易出现误判；当采用传统的肤色检测模型辅助进行识别时，由于检测维度较为单一，在实际应用中识别结果的准确率也不高。
发明内容
鉴于以上内容，有必要提供一种直播视频识别方法、装置、设备及介质，能够基于改进的椭圆肤色模型实现对直播视频中违规直播的自动检测，同时，由于是逐帧检测，也避免了传统方案中由于采用视频帧训练而对出现时间较短的违规画面造成误判。
一种直播视频识别方法，所述直播视频识别方法包括：
获取待检测视频；
对所述待检测视频中的每帧图像进行颜色空间转换，得到每帧图像的亮度特征及颜色特征；
根据每帧图像的亮度特征执行肤色检测，得到每帧图像的初始肤色检测数据；
调用椭圆肤色模型，并根据每帧图像的初始肤色检测数据调整所述椭圆肤色模型；
将每帧图像的颜色特征输入至调整后的椭圆肤色模型，得到每帧图像的肤色检测结果；
根据每帧图像的肤色检测结果进行图像分割，得到每帧图像的至少一个独立的肤色区域；
计算每帧图像的至少一个独立的肤色区域的数量，及每个独立的肤色区域的面积；
当所述至少一个独立的肤色区域的数量大于或者等于配置数量，且有独立的肤色区域的面积大于或者等于配置面积时，确定所述待检测视频有违规直播风险。
根据本发明优选实施例，所述方法还包括：
根据接收的直播视频识别指令获取待检测视频，包括：
解析所述直播视频识别指令的方法体，得到所述直播视频识别指令所携带的信息；
获取预设标签；
根据所述预设标签构建正则表达式；
利用所述正则表达式在所述直播视频识别指令所携带的信息中进行遍历，并将遍历到的数据确定为目标地址；
连接至所述目标地址，并获取所述目标地址处存储的数据作为所述待检测视频。
根据本发明优选实施例，所述根据每帧图像的亮度特征执行肤色检测，得到每帧图像的初始肤色检测数据包括：
计算每帧图像的亮度均值，并根据所述亮度均值计算第一阈值；
根据每帧图像的亮度特征确定每个像素点的亮度值；
当有像素点的亮度值小于所述第一阈值时，确定对应的像素点为非肤色；或者
当有像素点的亮度值大于或者等于所述第一阈值时，确定对应的像素点为待检测像素点。
根据本发明优选实施例，所述根据每帧图像的初始肤色检测数据调整所述椭圆肤色模型包括：
根据所述亮度均值计算第二阈值；
对于所述待检测像素点中的任意像素点，当所述像素点的亮度值小于或者等于所述第二阈值时，维持所述椭圆肤色模型；或者
当所述像素点的亮度值大于所述第二阈值时，将所述椭圆肤色模型的判定范围扩大至预设倍数。
根据本发明优选实施例，所述方法还包括：
获取根据所述椭圆肤色模型建立的椭圆；
当有像素点在所述椭圆的覆盖范围内时，确定对应的像素点为肤色；或者
当有像素点不在所述椭圆的覆盖范围内时，确定对应的像素点为非肤色。
根据本发明优选实施例，所述根据每帧图像的肤色检测结果进行图像分割，得到每帧图像的至少一个独立的肤色区域包括：
对确定为肤色的像素点执行第一标记，并对确定为非肤色的像素点执行第二标记；
根据所述第一标记及所述第二标记构建每帧图像的二值图；
对每帧图像的二值图进行连通域分析；
将所述第一标记对应的连通域确定为每帧图像的至少一个独立的肤色区域。
根据本发明优选实施例，在确定所述待检测视频有违规直播风险后，所述方法还包括：
保存所述待检测视频，并将所述待检测视频发送至指定终端；
关闭所述待检测视频，并发送提示信息。
一种直播视频识别装置，所述直播视频识别装置包括：
获取单元，用于获取待检测视频；
转换单元，用于对所述待检测视频中的每帧图像进行颜色空间转换，得到每帧图像的亮度特征及颜色特征；
检测单元，用于根据每帧图像的亮度特征执行肤色检测，得到每帧图像的初始肤色检测数据；
调整单元，用于调用椭圆肤色模型，并根据每帧图像的初始肤色检测数据调整所述椭圆肤色模型；
所述检测单元，还用于将每帧图像的颜色特征输入至调整后的椭圆肤色模型，得到每帧图像的肤色检测结果；
分割单元，用于根据每帧图像的肤色检测结果进行图像分割，得到每帧图像的至少一个独立的肤色区域；
计算单元，用于计算每帧图像的至少一个独立的肤色区域的数量，及每个独立的肤色区域的面积；
确定单元，用于当所述至少一个独立的肤色区域的数量大于或者等于配置数量，且有独立的肤色区域的面积大于或者等于配置面积时，确定所述待检测视频有违规直播风险。
一种电子设备，所述电子设备包括：
存储器，存储至少一个指令；及
处理器，执行所述存储器中存储的指令以实现所述直播视频识别方法。
一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现所述直播视频识别方法。
由以上技术方案可以看出，本发明能够获取待检测视频，对所述待检测视频中的每帧图像进行颜色空间转换，得到每帧图像的亮度特征及颜色特征，根据每帧图像的亮度特征执行肤色检测，得到每帧图像的初始肤色检测数据，首先根据亮度执行初步的肤色检测，能够有效避免由于亮度影响导致的误判，调用椭圆肤色模型，并根据每帧图像的初始肤色检测数据调整所述椭圆肤色模型，在基于亮度进行初步检测后，进一步结合亮度实现对椭圆肤色模型的调整及优化，避免由于亮度影响肤色检测的效果，有效降低了误检率，将每帧图像的颜色特征输入至调整后的椭圆肤色模型，得到每帧图像的肤色检测结果，根据每帧图像的肤色检测结果进行图像分割，得到每帧图像的至少一个独立的肤色区域，计算每帧图像的至少一个独立的肤色区域的数量，及每个独立的肤色区域的面积，当所述至少一个独立的肤色区域的数量大于或者等于配置数量，且有独立的肤色区域的面积大于或者等于配置面积时，确定所述待检测视频有违规直播风险，进而基于改进的椭圆肤色模型实现对直播视频中违规直播的自动检测，同时，由于是逐帧检测，也避免了传统方案中由于采用视频帧训练而对出现时间较短的违规画面造成误判。
附图说明
图1是本发明直播视频识别方法的较佳实施例的流程图。
图2是本发明直播视频识别装置的较佳实施例的功能模块图。
图3是本发明实现直播视频识别方法的较佳实施例的电子设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本发明进行详细描述。
如图1所示，是本发明直播视频识别方法的较佳实施例的流程图。根据不同的需求，该流程图中步骤的顺序可以改变，某些步骤可以省略。
所述直播视频识别方法应用于一个或者多个电子设备中，所述电子设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程门阵列(Field－Programmable Gate Array，FPGA)、数字处理器(Digital SignalProcessor，DSP)、嵌入式设备等。
所述电子设备可以是任何一种可与用户进行人机交互的电子产品，例如，个人计算机、平板电脑、智能手机、个人数字助理（Personal Digital Assistant，PDA）、游戏机、交互式网络电视（Internet Protocol Television，IPTV）、智能式穿戴式设备等。
所述电子设备还可以包括网络设备和/或用户设备。其中，所述网络设备包括，但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算(CloudComputing)的由大量主机或网络服务器构成的云。
所述电子设备所处的网络包括但不限于互联网、广域网、城域网、局域网、虚拟专用网络（Virtual Private Network，VPN）等。
S10，获取待检测视频。
在本实施例中，直播视频识别指令可以在检测到有直播视频时自动触发，以保证对每个直播视频进行全面检测。
在本发明的至少一个实施例中，所述方法还包括：
根据接收的直播视频识别指令获取待检测视频，包括：
解析所述直播视频识别指令的方法体，得到所述直播视频识别指令所携带的信息；
获取预设标签；
根据所述预设标签构建正则表达式；
利用所述正则表达式在所述直播视频识别指令所携带的信息中进行遍历，并将遍历到的数据确定为目标地址；
连接至所述目标地址，并获取所述目标地址处存储的数据作为所述待检测视频。
其中，所述直播视频识别指令实质上是一条代码，在所述直播视频识别指令中，根据代码的编写原则，{}之间的内容被称之为所述方法体。
所述预设标签可以进行自定义配置，所述预设标签与地址具有一一对应的关系，例如：所述预设标签可以是ADD，进一步以所述预设标签建立正则表达式ADD（），并以ADD（）进行遍历。
通过上实施方式，能够基于正则表达式及预设标签快速确定目标地址，并进一步获取所述目标地址处存储的数据作为所述待检测视频，提高了数据获取的效率。
S11，对所述待检测视频中的每帧图像进行颜色空间转换，得到每帧图像的亮度特征及颜色特征。
在本实施例中，在进行颜色空间转换后，能够得到每帧图像的YCbCr特征。
其中，Y表示所述亮度特征；Cb指蓝色色度分量，Cr指红色色度分量，CbCr表示所述颜色特征。
例如：可以采用下述公式执行所述颜色空间转换：
float Y= (color.r * 0.256789 + color.g * 0.504129 + color.b *0.097906)+ 16.0;
float Cb= (color.r *-0.148223 + color.g * -0.290992 + color.b *0.439215)+ 128.0;
float Cr= (color.r * 0.439215 + color.g * -0.367789 + color.b *-0.071426)+ 128.0;
其中，r为每帧图像的红色通道的数值，g为每帧图像的绿色通道的数值，b为每帧图像的蓝色通道的数值。
S12，根据每帧图像的亮度特征执行肤色检测，得到每帧图像的初始肤色检测数据。
在传统的肤色检测中，通常是直接采用椭圆肤色模型等经典模型进行处理，而椭圆肤色模型本身并未考虑亮度对肤色判定的影响。但是，在实际应用中，对于过亮或者过暗的区域，如果完全不考虑亮度的因素，很容易产生误判。
因此，不同于传统的单纯依赖于椭圆肤色模型的肤色检测模式，本实施例首先以亮度特征对肤色进行初步判定。
具体地，所述根据每帧图像的亮度特征执行肤色检测，得到每帧图像的初始肤色检测数据包括：
计算每帧图像的亮度均值，并根据所述亮度均值计算第一阈值；
根据每帧图像的亮度特征确定每个像素点的亮度值；
当有像素点的亮度值小于所述第一阈值时，确定对应的像素点为非肤色；或者
当有像素点的亮度值大于或者等于所述第一阈值时，确定对应的像素点为待检测像素点。
其中，所述根据所述亮度均值计算第一阈值可以包括：
计算所述亮度均值与预设值的商作为所述第一阈值。
所述预设值可以进行自定义配置，如：2。
其中，所述根据每帧图像的亮度特征确定每个像素点的亮度值包括：
从每帧图像的亮度特征中获取每个像素点的YCbCr取值，并获取其中的Y分量作为每个像素点的亮度值。
通过上述实施方式，首先根据亮度执行初步的肤色检测，能够有效避免由于亮度影响导致的误判。
S13，调用椭圆肤色模型，并根据每帧图像的初始肤色检测数据调整所述椭圆肤色模型。
在本实施例中，所述椭圆肤色模型是一种经典的肤色检测模型，通常可以部署于OpenCV。
进一步地，所述根据每帧图像的初始肤色检测数据调整所述椭圆肤色模型包括：
根据所述亮度均值计算第二阈值；
对于所述待检测像素点中的任意像素点，当所述像素点的亮度值小于或者等于所述第二阈值时，维持所述椭圆肤色模型；或者
当所述像素点的亮度值大于所述第二阈值时，将所述椭圆肤色模型的判定范围扩大至预设倍数。
其中，所述根据所述亮度均值计算第二阈值包括：
计算所述亮度均值与所述第一阈值的和作为所述第二阈值。
其中，所述预设倍数可以进行自定义配置，如1.3等。
需要说明的是，当所述像素点的亮度值小于或者等于所述第二阈值时，此时，亮度对肤色的判定没有影响，因此，维持所述椭圆肤色模型不变即可；而当所述像素点的亮度值大于所述第二阈值时，此时，亮度对肤色的判定会产生一定的影响，因此，可以将所述椭圆肤色模型的判定范围扩大至所述预设倍数，以取得更好的肤色判定效果。
通过上述实施方式，能够在基于亮度进行初步检测后，进一步结合亮度实现对椭圆肤色模型的调整及优化，避免由于亮度影响肤色检测的效果，有效降低了误检率。
S14，将每帧图像的颜色特征输入至调整后的椭圆肤色模型，得到每帧图像的肤色检测结果。
在本实施例中，所述肤色检测结果可以包括：肤色及非肤色。
在本实施例中，所述方法还包括：
获取根据所述椭圆肤色模型建立的椭圆；
当有像素点在所述椭圆的覆盖范围内时，确定对应的像素点为肤色；或者
当有像素点不在所述椭圆的覆盖范围内时，确定对应的像素点为非肤色。
其中，所述像素点在所述椭圆的覆盖范围内包括：像素点在所述椭圆内、像素点在所述椭圆的边界上。
S15，根据每帧图像的肤色检测结果进行图像分割，得到每帧图像的至少一个独立的肤色区域。
在本实施例中，所述根据每帧图像的肤色检测结果进行图像分割，得到每帧图像的至少一个独立的肤色区域包括：
对确定为肤色的像素点执行第一标记，并对确定为非肤色的像素点执行第二标记；
根据所述第一标记及所述第二标记构建每帧图像的二值图；
对每帧图像的二值图进行连通域分析；
将所述第一标记对应的连通域确定为每帧图像的至少一个独立的肤色区域。
其中，所述第一标记可以为1，所述第二标记可以为0。
具体地，当像素点的标记为1时，代表该像素点为肤色，对应的可以将该像素点处理为白色，并且，当像素点的标记为0时，代表该像素点为非肤色，对应的可以将该像素点处理为黑色。
进一步地，根据上述得到的标记构建黑白二值图，即可得到每帧图像的二值图。
其中，所述对每帧图像的二值图进行连通域分析包括：
连通具有相同标记的相邻像素点，以分割所述二值图。
也就是说，每个连通域中的像素点具有相同的标记，那么，如果一个连通域的标记为1，则说明该连通域为一个独立的肤色区域。
S16，计算每帧图像的至少一个独立的肤色区域的数量，及每个独立的肤色区域的面积。
可以理解的是，正常情况下，直播时通常只能看到直播者的上半身，上半身被暴露的部分通常也只包括脸和双手，因此，从肤色区域的数量上是可以辅助确定直播者的暴露情况的。
另一方面，暴露的肤色的面积也直接表明了当前的直播者是否有过于暴露的嫌疑。
因此，本实施例计算每帧图像的至少一个独立的肤色区域的数量，及每个独立的肤色区域的面积，以辅助进行后续的违规直播视频的判断。
S17，当所述至少一个独立的肤色区域的数量大于或者等于配置数量，且有独立的肤色区域的面积大于或者等于配置面积时，确定所述待检测视频有违规直播风险。
在本实施例中，所述配置数量及所述配置面积可以结合直播时的多种因素进行综合判断，如是否全身直播，以及当前的季节、温度等，本发明不限制。
通过上述实施方式，能够基于改进的椭圆肤色模型实现对直播视频中违规直播的自动检测，同时，由于是逐帧检测，也避免了传统方案中由于采用视频帧训练而对出现时间较短的违规画面造成误判。
在本发明的至少一个实施例中，在确定所述待检测视频有违规直播风险后，所述方法还包括：
保存所述待检测视频，并将所述待检测视频发送至指定终端；
关闭所述待检测视频，并发送提示信息。
其中，所述指定终端可以为负责审核直播视频的用户的终端设备。
其中，所述提示信息用于提示所述发起者停止进行不合规直播。
当然，在其他实施例中，还可以拦截所述待检测视频，以避免不合规视频被扩散，影响直播环境。
在本实施例中，所述违规直播可以包括暴露行为。
需要说明的是，为了进一步保证数据的安全性，可以将所述待检测视频部署于区块链，以避免数据被恶意篡改。
由以上技术方案可以看出，本发明能够获取待检测视频，对所述待检测视频中的每帧图像进行颜色空间转换，得到每帧图像的亮度特征及颜色特征，根据每帧图像的亮度特征执行肤色检测，得到每帧图像的初始肤色检测数据，首先根据亮度执行初步的肤色检测，能够有效避免由于亮度影响导致的误判，调用椭圆肤色模型，并根据每帧图像的初始肤色检测数据调整所述椭圆肤色模型，在基于亮度进行初步检测后，进一步结合亮度实现对椭圆肤色模型的调整及优化，避免由于亮度影响肤色检测的效果，有效降低了误检率，将每帧图像的颜色特征输入至调整后的椭圆肤色模型，得到每帧图像的肤色检测结果，根据每帧图像的肤色检测结果进行图像分割，得到每帧图像的至少一个独立的肤色区域，计算每帧图像的至少一个独立的肤色区域的数量，及每个独立的肤色区域的面积，当所述至少一个独立的肤色区域的数量大于或者等于配置数量，且有独立的肤色区域的面积大于或者等于配置面积时，确定所述待检测视频有违规直播风险，进而基于改进的椭圆肤色模型实现对直播视频中违规直播的自动检测，同时，由于是逐帧检测，也避免了传统方案中由于采用视频帧训练而对出现时间较短的违规画面造成误判。
如图2所示，是本发明直播视频识别装置的较佳实施例的功能模块图。所述直播视频识别装置11包括获取单元110、转换单元111、检测单元112、调整单元113、分割单元114、计算单元115、确定单元116。本发明所称的模块/单元是指一种能够被处理器13所执行，并且能够完成固定功能的一系列计算机程序段，其存储在存储器12中。在本实施例中，关于各模块/单元的功能将在后续的实施例中详述。
获取单元110获取待检测视频。
在本实施例中，直播视频识别指令可以在检测到有直播视频时自动触发，以保证对每个直播视频进行全面检测。
在本发明的至少一个实施例中，根据接收的直播视频识别指令获取待检测视频，包括：
解析所述直播视频识别指令的方法体，得到所述直播视频识别指令所携带的信息；
获取预设标签；
根据所述预设标签构建正则表达式；
利用所述正则表达式在所述直播视频识别指令所携带的信息中进行遍历，并将遍历到的数据确定为目标地址；
连接至所述目标地址，并获取所述目标地址处存储的数据作为所述待检测视频。
其中，所述直播视频识别指令实质上是一条代码，在所述直播视频识别指令中，根据代码的编写原则，{}之间的内容被称之为所述方法体。
所述预设标签可以进行自定义配置，所述预设标签与地址具有一一对应的关系，例如：所述预设标签可以是ADD，进一步以所述预设标签建立正则表达式ADD（），并以ADD（）进行遍历。
通过上实施方式，能够基于正则表达式及预设标签快速确定目标地址，并进一步获取所述目标地址处存储的数据作为所述待检测视频，提高了数据获取的效率。
转换单元111对所述待检测视频中的每帧图像进行颜色空间转换，得到每帧图像的亮度特征及颜色特征。
在本实施例中，在进行颜色空间转换后，能够得到每帧图像的YCbCr特征。
其中，Y表示所述亮度特征；Cb指蓝色色度分量，Cr指红色色度分量，CbCr表示所述颜色特征。
例如：可以采用下述公式执行所述颜色空间转换：
float Y= (color.r * 0.256789 + color.g * 0.504129 + color.b *0.097906)+ 16.0;
float Cb= (color.r *-0.148223 + color.g * -0.290992 + color.b *0.439215)+ 128.0;
float Cr= (color.r * 0.439215 + color.g * -0.367789 + color.b *-0.071426)+ 128.0;
其中，r为每帧图像的红色通道的数值，g为每帧图像的绿色通道的数值，b为每帧图像的蓝色通道的数值。
检测单元112根据每帧图像的亮度特征执行肤色检测，得到每帧图像的初始肤色检测数据。
在传统的肤色检测中，通常是直接采用椭圆肤色模型等经典模型进行处理，而椭圆肤色模型本身并未考虑亮度对肤色判定的影响。但是，在实际应用中，对于过亮或者过暗的区域，如果完全不考虑亮度的因素，很容易产生误判。
因此，不同于传统的单纯依赖于椭圆肤色模型的肤色检测模式，本实施例首先以亮度特征对肤色进行初步判定。
具体地，所述检测单元112根据每帧图像的亮度特征执行肤色检测，得到每帧图像的初始肤色检测数据包括：
计算每帧图像的亮度均值，并根据所述亮度均值计算第一阈值；
根据每帧图像的亮度特征确定每个像素点的亮度值；
当有像素点的亮度值小于所述第一阈值时，确定对应的像素点为非肤色；或者
当有像素点的亮度值大于或者等于所述第一阈值时，确定对应的像素点为待检测像素点。
其中，所述根据所述亮度均值计算第一阈值可以包括：
计算所述亮度均值与预设值的商作为所述第一阈值。
所述预设值可以进行自定义配置，如：2。
其中，所述根据每帧图像的亮度特征确定每个像素点的亮度值包括：
从每帧图像的亮度特征中获取每个像素点的YCbCr取值，并获取其中的Y分量作为每个像素点的亮度值。
通过上述实施方式，首先根据亮度执行初步的肤色检测，能够有效避免由于亮度影响导致的误判。
调整单元113调用椭圆肤色模型，并根据每帧图像的初始肤色检测数据调整所述椭圆肤色模型。
在本实施例中，所述椭圆肤色模型是一种经典的肤色检测模型，通常可以部署于OpenCV。
进一步地，所述调整单元113根据每帧图像的初始肤色检测数据调整所述椭圆肤色模型包括：
根据所述亮度均值计算第二阈值；
对于所述待检测像素点中的任意像素点，当所述像素点的亮度值小于或者等于所述第二阈值时，维持所述椭圆肤色模型；或者
当所述像素点的亮度值大于所述第二阈值时，将所述椭圆肤色模型的判定范围扩大至预设倍数。
其中，所述根据所述亮度均值计算第二阈值包括：
计算所述亮度均值与所述第一阈值的和作为所述第二阈值。
其中，所述预设倍数可以进行自定义配置，如1.3等。
需要说明的是，当所述像素点的亮度值小于或者等于所述第二阈值时，此时，亮度对肤色的判定没有影响，因此，维持所述椭圆肤色模型不变即可；而当所述像素点的亮度值大于所述第二阈值时，此时，亮度对肤色的判定会产生一定的影响，因此，可以将所述椭圆肤色模型的判定范围扩大至所述预设倍数，以取得更好的肤色判定效果。
通过上述实施方式，能够在基于亮度进行初步检测后，进一步结合亮度实现对椭圆肤色模型的调整及优化，避免由于亮度影响肤色检测的效果，有效降低了误检率。
所述检测单元112将每帧图像的颜色特征输入至调整后的椭圆肤色模型，得到每帧图像的肤色检测结果。
在本实施例中，所述肤色检测结果可以包括：肤色及非肤色。
在本实施例中，获取根据所述椭圆肤色模型建立的椭圆；
当有像素点在所述椭圆的覆盖范围内时，确定对应的像素点为肤色；或者
当有像素点不在所述椭圆的覆盖范围内时，确定对应的像素点为非肤色。
其中，所述像素点在所述椭圆的覆盖范围内包括：像素点在所述椭圆内、像素点在所述椭圆的边界上。
分割单元114根据每帧图像的肤色检测结果进行图像分割，得到每帧图像的至少一个独立的肤色区域。
在本实施例中，所述分割单元114根据每帧图像的肤色检测结果进行图像分割，得到每帧图像的至少一个独立的肤色区域包括：
对确定为肤色的像素点执行第一标记，并对确定为非肤色的像素点执行第二标记；
根据所述第一标记及所述第二标记构建每帧图像的二值图；
对每帧图像的二值图进行连通域分析；
将所述第一标记对应的连通域确定为每帧图像的至少一个独立的肤色区域。
其中，所述第一标记可以为1，所述第二标记可以为0。
具体地，当像素点的标记为1时，代表该像素点为肤色，对应的可以将该像素点处理为白色，并且，当像素点的标记为0时，代表该像素点为非肤色，对应的可以将该像素点处理为黑色。
进一步地，根据上述得到的标记构建黑白二值图，即可得到每帧图像的二值图。
其中，所述对每帧图像的二值图进行连通域分析包括：
连通具有相同标记的相邻像素点，以分割所述二值图。
也就是说，每个连通域中的像素点具有相同的标记，那么，如果一个连通域的标记为1，则说明该连通域为一个独立的肤色区域。
计算单元115计算每帧图像的至少一个肤色区域的数量，及每个独立的肤色区域的面积。
可以理解的是，正常情况下，直播时通常只能看到直播者的上半身，上半身被暴露的部分通常也只包括脸和双手，因此，从肤色区域的数量上是可以辅助确定直播者的暴露情况的。
另一方面，暴露的肤色的面积也直接表明了当前的直播者是否有过于暴露的嫌疑。
因此，本实施例计算每帧图像的至少一个肤色区域的数量，及每个独立的肤色区域的面积，以辅助进行后续的直播视频的判断。
当所述至少一个独立的肤色区域的数量大于或者等于配置数量，且有独立的肤色区域的面积大于或者等于配置面积时，确定单元116确定所述待检测视频有违规直播风险。
在本实施例中，所述配置数量及所述配置面积可以结合直播时的多种因素进行综合判断，如是否全身直播，以及当前的季节、温度等，本发明不限制。
通过上述实施方式，能够基于改进的椭圆肤色模型实现对直播视频中违规直播的自动检测，同时，由于是逐帧检测，也避免了传统方案中由于采用视频帧训练而对出现时间较短的违规画面造成误判。
在本发明的至少一个实施例中，在确定所述待检测视频有违规直播风险后，保存所述待检测视频，并将所述待检测视频发送至指定终端；
关闭所述待检测视频，并发送提示信息。
其中，所述指定终端可以为负责审核直播视频的用户的终端设备。
其中，所述提示信息用于提示所述发起者停止进行不合规直播。
当然，在其他实施例中，还可以拦截所述待检测视频，以避免不合规视频被扩散，影响直播环境。
在本实施例中，所述违规直播可以包括暴露行为。
需要说明的是，为了进一步保证数据的安全性，可以将所述待检测视频部署于区块链，以避免数据被恶意篡改。
由以上技术方案可以看出，本发明能够获取待检测视频，对所述待检测视频中的每帧图像进行颜色空间转换，得到每帧图像的亮度特征及颜色特征，根据每帧图像的亮度特征执行肤色检测，得到每帧图像的初始肤色检测数据，首先根据亮度执行初步的肤色检测，能够有效避免由于亮度影响导致的误判，调用椭圆肤色模型，并根据每帧图像的初始肤色检测数据调整所述椭圆肤色模型，在基于亮度进行初步检测后，进一步结合亮度实现对椭圆肤色模型的调整及优化，避免由于亮度影响肤色检测的效果，有效降低了误检率，将每帧图像的颜色特征输入至调整后的椭圆肤色模型，得到每帧图像的肤色检测结果，根据每帧图像的肤色检测结果进行图像分割，得到每帧图像的至少一个独立的肤色区域，计算每帧图像的至少一个独立的肤色区域的数量，及每个独立的肤色区域的面积，当所述至少一个独立的肤色区域的数量大于或者等于配置数量，且有独立的肤色区域的面积大于或者等于配置面积时，确定所述待检测视频有违规直播风险，进而基于改进的椭圆肤色模型实现对直播视频中违规直播的自动检测，同时，由于是逐帧检测，也避免了传统方案中由于采用视频帧训练而对出现时间较短的违规画面造成误判。
如图3所示，是本发明实现直播视频识别方法的较佳实施例的电子设备的结构示意图。
所述电子设备1可以包括存储器12、处理器13和总线，还可以包括存储在所述存储器12中并可在所述处理器13上运行的计算机程序，例如直播视频识别程序。
本领域技术人员可以理解，所述示意图仅仅是电子设备1的示例，并不构成对电子设备1的限定，所述电子设备1既可以是总线型结构，也可以是星形结构，所述电子设备1还可以包括比图示更多或更少的其他硬件或者软件，或者不同的部件布置，例如所述电子设备1还可以包括输入输出设备、网络接入设备等。
需要说明的是，所述电子设备1仅为举例，其他现有的或今后可能出现的电子产品如可适应于本发明，也应包含在本发明的保护范围以内，并以引用方式包含于此。
其中，存储器12至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器（例如：SD或DX存储器等）、磁性存储器、磁盘、光盘等。存储器12在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。存储器12在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、智能存储卡（Smart Media Card, SMC）、安全数字（Secure Digital, SD）卡、闪存卡（Flash Card）等。进一步地，存储器12还可以既包括电子设备1的内部存储单元也包括外部存储设备。存储器12不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如直播视频识别程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
处理器13在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器（Central Processing unit，CPU）、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。处理器13是所述电子设备1的控制核心（Control Unit），利用各种接口和线路连接整个电子设备1的各个部件，通过运行或执行存储在所述存储器12内的程序或者模块（例如执行直播视频识别程序等），以及调用存储在所述存储器12内的数据，以执行电子设备1的各种功能和处理数据。
所述处理器13执行所述电子设备1的操作系统以及安装的各类应用程序。所述处理器13执行所述应用程序以实现上述各个直播视频识别方法实施例中的步骤，例如图1所示的步骤。
示例性的，所述计算机程序可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器12中，并由所述处理器13执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述电子设备1中的执行过程。例如，所述计算机程序可以被分割成获取单元110、转换单元111、检测单元112、调整单元113、分割单元114、计算单元115、确定单元116。
上述以软件功能模块的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机、计算机设备，或者网络设备等）或处理器（processor）执行本发明各个实施例所述直播视频识别方法的部分。
所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指示相关的硬件设备来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。
其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read-Only Memory）、随机存取存储器等。
进一步地，计算机可读存储介质可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据区块链节点的使用所创建的数据等。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性（防伪）和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
总线可以是外设部件互连标准（peripheral component interconnect，简称PCI）总线或扩展工业标准结构（extended industry standard architecture，简称EISA）总线等。该总线可以分为地址总线、数据总线、控制总线等。为便于表示，在图3中仅用一根箭头表示，但并不表示仅有一根总线或一种类型的总线。所述总线被设置为实现所述存储器12以及至少一个处理器13等之间的连接通信。
尽管未示出，所述电子设备1还可以包括给各个部件供电的电源（比如电池），优选地，电源可以通过电源管理装置与所述至少一个处理器13逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
进一步地，所述电子设备1还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口（如WI-FI接口、蓝牙接口等），通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地，该电子设备1还可以包括用户接口，用户接口可以是显示器（Display）、输入单元（比如键盘（Keyboard）），可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED（Organic Light-Emitting Diode，有机发光二极管）触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
图3仅示出了具有组件12-13的电子设备1，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
结合图1，所述电子设备1中的所述存储器12存储多个指令以实现一种直播视频识别方法，所述处理器13可执行所述多个指令从而实现：
获取待检测视频；
对所述待检测视频中的每帧图像进行颜色空间转换，得到每帧图像的亮度特征及颜色特征；
根据每帧图像的亮度特征执行肤色检测，得到每帧图像的初始肤色检测数据；
调用椭圆肤色模型，并根据每帧图像的初始肤色检测数据调整所述椭圆肤色模型；
将每帧图像的颜色特征输入至调整后的椭圆肤色模型，得到每帧图像的肤色检测结果；
根据每帧图像的肤色检测结果进行图像分割，得到每帧图像的至少一个独立的肤色区域；
计算每帧图像的至少一个肤色区域的数量，及每个独立的肤色区域的面积；
当所述至少一个肤色区域的数量大于或者等于配置数量，且有独立的肤色区域的面积大于或者等于配置面积时，确定所述待检测视频有违规直播风险。
具体地，所述处理器13对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。
在本发明所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。本发明中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种直播视频识别方法，其特征在于，所述直播视频识别方法包括：
获取待检测视频；
对所述待检测视频中的每帧图像进行颜色空间转换，得到每帧图像的亮度特征及颜色特征；
根据每帧图像的亮度特征执行肤色检测，得到每帧图像的初始肤色检测数据；
调用椭圆肤色模型，并根据每帧图像的初始肤色检测数据调整所述椭圆肤色模型；
将每帧图像的颜色特征输入至调整后的椭圆肤色模型，得到每帧图像的肤色检测结果；
根据每帧图像的肤色检测结果进行图像分割，得到每帧图像的至少一个独立的肤色区域；
计算每帧图像的至少一个独立的肤色区域的数量，及每个独立的肤色区域的面积；
当所述至少一个独立的肤色区域的数量大于或者等于配置数量，且有独立的肤色区域的面积大于或者等于配置面积时，确定所述待检测视频有违规直播风险。
2.如权利要求1所述的直播视频识别方法，其特征在于，所述方法还包括：
根据接收的直播视频识别指令获取待检测视频，包括：
解析所述直播视频识别指令的方法体，得到所述直播视频识别指令所携带的信息；
获取预设标签；
根据所述预设标签构建正则表达式；
利用所述正则表达式在所述直播视频识别指令所携带的信息中进行遍历，并将遍历到的数据确定为目标地址；
连接至所述目标地址，并获取所述目标地址存储的数据作为所述待检测视频。
3.如权利要求1所述的直播视频识别方法，其特征在于，所述根据每帧图像的亮度特征执行肤色检测，得到每帧图像的初始肤色检测数据包括：
计算每帧图像的亮度均值，并根据所述亮度均值计算第一阈值；
根据每帧图像的亮度特征确定每个像素点的亮度值；
当有像素点的亮度值小于所述第一阈值时，确定对应的像素点为非肤色；或者
当有像素点的亮度值大于或者等于所述第一阈值时，确定对应的像素点为待检测像素点。
4.如权利要求3所述的直播视频识别方法，其特征在于，所述根据每帧图像的初始肤色检测数据调整所述椭圆肤色模型包括：
根据所述亮度均值计算第二阈值；
对于所述待检测像素点中的任意像素点，当所述像素点的亮度值小于或者等于所述第二阈值时，维持所述椭圆肤色模型；或者
当所述像素点的亮度值大于所述第二阈值时，将所述椭圆肤色模型的判定范围扩大至预设倍数。
5.如权利要求1所述的直播视频识别方法，其特征在于，所述方法还包括：
获取根据所述椭圆肤色模型建立的椭圆；
当有像素点在所述椭圆的覆盖范围内时，确定对应的像素点为肤色；或者
当有像素点不在所述椭圆的覆盖范围内时，确定对应的像素点为非肤色。
6.如权利要求5所述的直播视频识别方法，其特征在于，所述根据每帧图像的肤色检测结果进行图像分割，得到每帧图像的至少一个独立的肤色区域包括：
对确定为肤色的像素点执行第一标记，并对确定为非肤色的像素点执行第二标记；
根据所述第一标记及所述第二标记构建每帧图像的二值图；
对每帧图像的二值图进行连通域分析；
将所述第一标记对应的连通域确定为每帧图像的至少一个独立的肤色区域。
7.如权利要求1所述的直播视频识别方法，其特征在于，在确定所述待检测视频有违规直播风险后，所述方法还包括：
保存所述待检测视频，并将所述待检测视频发送至指定终端；
关闭所述待检测视频，并发送提示信息。
8.一种直播视频识别装置，其特征在于，所述直播视频识别装置包括：
获取单元，用于获取待检测视频；
转换单元，用于对所述待检测视频中的每帧图像进行颜色空间转换，得到每帧图像的亮度特征及颜色特征；
检测单元，用于根据每帧图像的亮度特征执行肤色检测，得到每帧图像的初始肤色检测数据；
调整单元，用于调用椭圆肤色模型，并根据每帧图像的初始肤色检测数据调整所述椭圆肤色模型；
所述检测单元，还用于将每帧图像的颜色特征输入至调整后的椭圆肤色模型，得到每帧图像的肤色检测结果；
分割单元，用于根据每帧图像的肤色检测结果进行图像分割，得到每帧图像的至少一个独立的肤色区域；
计算单元，用于计算每帧图像的至少一个独立的肤色区域的数量，及每个独立的肤色区域的面积；
确定单元，用于当所述至少一个独立的肤色区域的数量大于或者等于配置数量，且有独立的肤色区域的面积大于或者等于配置面积时，确定所述待检测视频有违规直播风险。
9.一种电子设备，其特征在于，所述电子设备包括：
存储器，存储至少一个指令；及
处理器，执行所述存储器中存储的指令以实现如权利要求1至7中任意一项所述的直播视频识别方法。
10.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现如权利要求1至7中任意一项所述的直播视频识别方法。
CN202110374125.0A 2021-04-07 2021-04-07 直播视频识别方法、装置、设备及介质 Active CN112801062B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110374125.0A CN112801062B (zh) 2021-04-07 2021-04-07 直播视频识别方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110374125.0A CN112801062B (zh) 2021-04-07 2021-04-07 直播视频识别方法、装置、设备及介质

Publications (2)

Publication Number Publication Date
CN112801062A true CN112801062A (zh) 2021-05-14
CN112801062B CN112801062B (zh) 2021-07-06

Family

ID=75816487

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110374125.0A Active CN112801062B (zh) 2021-04-07 2021-04-07 直播视频识别方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN112801062B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113705370A (zh) * 2021-08-09 2021-11-26 百度在线网络技术（北京）有限公司 直播间违规行为的检测方法及装置、电子设备和存储介质
CN115311607A (zh) * 2022-10-10 2022-11-08 南通蓝玺新材料有限公司 一种环氧树脂生产监控数据管理方法
CN115633166A (zh) * 2022-09-27 2023-01-20 北京星绚文化传播有限公司 一种视频检测方法、装置及电子设备

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101051344A (zh) * 2006-04-04 2007-10-10 上海阿帝凡思信息技术有限公司 基于光流方向直方图和肤色流形变分的敏感视频识别方法
CN102270303A (zh) * 2011-07-27 2011-12-07 重庆大学 敏感图像的联合检测方法
US20130004070A1 (en) * 2011-06-28 2013-01-03 Huanzhao Zeng Skin Color Detection And Adjustment In An Image
US20150281784A1 (en) * 2014-03-18 2015-10-01 Vixs Systems, Inc. E-reading system with interest-based recommendations and methods for use therewith
CN106446803A (zh) * 2016-09-07 2017-02-22 北京小米移动软件有限公司 直播内容识别处理方法、装置及设备
CN107864401A (zh) * 2017-11-08 2018-03-30 北京密境和风科技有限公司 一种基于直播的监控方法、装置、系统及终端设备
CN107895140A (zh) * 2017-10-20 2018-04-10 九次方大数据信息集团有限公司 基于人脸肤色的色情图片识别办法
CN111062859A (zh) * 2018-10-17 2020-04-24 奇酷互联网络科技（深圳）有限公司 视频监控方法、移动终端以及存储介质
CN111860377A (zh) * 2020-07-24 2020-10-30 中国平安人寿保险股份有限公司 基于人工智能的直播方法、装置、电子设备及存储介质
CN112232332A (zh) * 2020-12-17 2021-01-15 四川圣点世纪科技有限公司 一种基于视频序列的非接触式手掌检测方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101051344A (zh) * 2006-04-04 2007-10-10 上海阿帝凡思信息技术有限公司 基于光流方向直方图和肤色流形变分的敏感视频识别方法
US20130004070A1 (en) * 2011-06-28 2013-01-03 Huanzhao Zeng Skin Color Detection And Adjustment In An Image
CN102270303A (zh) * 2011-07-27 2011-12-07 重庆大学 敏感图像的联合检测方法
US20150281784A1 (en) * 2014-03-18 2015-10-01 Vixs Systems, Inc. E-reading system with interest-based recommendations and methods for use therewith
CN106446803A (zh) * 2016-09-07 2017-02-22 北京小米移动软件有限公司 直播内容识别处理方法、装置及设备
CN107895140A (zh) * 2017-10-20 2018-04-10 九次方大数据信息集团有限公司 基于人脸肤色的色情图片识别办法
CN107864401A (zh) * 2017-11-08 2018-03-30 北京密境和风科技有限公司 一种基于直播的监控方法、装置、系统及终端设备
CN111062859A (zh) * 2018-10-17 2020-04-24 奇酷互联网络科技（深圳）有限公司 视频监控方法、移动终端以及存储介质
CN111860377A (zh) * 2020-07-24 2020-10-30 中国平安人寿保险股份有限公司 基于人工智能的直播方法、装置、电子设备及存储介质
CN112232332A (zh) * 2020-12-17 2021-01-15 四川圣点世纪科技有限公司 一种基于视频序列的非接触式手掌检测方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113705370A (zh) * 2021-08-09 2021-11-26 百度在线网络技术（北京）有限公司 直播间违规行为的检测方法及装置、电子设备和存储介质
CN113705370B (zh) * 2021-08-09 2023-06-30 百度在线网络技术（北京）有限公司 直播间违规行为的检测方法及装置、电子设备和存储介质
CN115633166A (zh) * 2022-09-27 2023-01-20 北京星绚文化传播有限公司 一种视频检测方法、装置及电子设备
CN115311607A (zh) * 2022-10-10 2022-11-08 南通蓝玺新材料有限公司 一种环氧树脂生产监控数据管理方法

Also Published As

Publication number Publication date
CN112801062B (zh) 2021-07-06

Similar Documents

Publication Publication Date Title
CN112801062B (zh) 直播视频识别方法、装置、设备及介质
WO2021189855A1 (zh) 基于ct序列的图像识别方法、装置、电子设备及介质
CN111985504B (zh) 基于人工智能的翻拍检测方法、装置、设备及介质
CN112507923B (zh) 证件翻拍检测方法、装置、电子设备及介质
WO2021151313A1 (zh) 证件鉴伪方法、装置、电子设备及存储介质
CN115311167B (zh) 基于多色光线的色域控制方法、装置、设备及存储介质
CN111738212A (zh) 基于人工智能的交通信号灯识别方法、装置、设备及介质
CN117041484B (zh) 基于物联网的人流密集区域监控方法及系统
CN113887438A (zh) 人脸图像的水印检测方法、装置、设备及介质
CN113705469A (zh) 人脸识别方法、装置、电子设备及计算机可读存储介质
CN113888500B (zh) 基于人脸图像的炫光程度检测方法、装置、设备及介质
CN112037235B (zh) 伤情图片自动化审核方法、装置、电子设备及存储介质
EP2904546B1 (en) Method and apparatus for ambient lighting color determination
CN114913518B (zh) 基于图像处理的车牌识别方法、装置、设备及介质
CN114677319A (zh) 干细胞分布确定方法、装置、电子设备及存储介质
CN116311327B (zh) 处方图像检测方法
WO2024138793A1 (zh) 基于fpga的图像校正方法、装置、设备及介质
CN112101191A (zh) 基于边框注意力网络的表情识别方法、装置、设备及介质
WO2023134080A1 (zh) 相机作弊识别方法、装置、设备及存储介质
CN112101192B (zh) 基于人工智能的伪装检测方法、装置、设备及介质
CN115760645A (zh) 门禁图像增强方法、装置、设备及介质
CN113918769B (zh) 视频中关键动作标记方法、装置、设备及存储介质
CN112183347A (zh) 基于深度空间梯度的活体检测方法、装置、设备及介质
CN111047533A (zh) 一种人脸图像的美化方法和装置
CN113095284A (zh) 人脸选取方法、装置、设备及计算机可读存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant