CN1508755A - 敏感视频检测方法 - Google Patents

Abstract

一种敏感视频检测方法，包括步骤：选择关键视频帧；检测皮肤的存在；确定关键帧是否敏感；计算敏感帧分布密度，如果敏感帧分布密度超过阈值，则判为敏感视频。本发明能够有效防止用户从互联网观看敏感视频信息。一旦用户点击网页上的视频链接，该软件能自动下载视频，并且在播放过程中检测视频的敏感性。当播放到视频的敏感信息部分时，自动终止对视频的播放。本发明还能以直方图的方式表示出视频的每一关键帧的敏感程度。

Description

敏感视频检测方法

技术领域

本发明涉及计算机网络技术，特别涉及敏感视频检测方法。

背景技术

Internet的迅速普及和广泛应用对计算机技术的发展产生了深刻影响，计算机软件应用的网络化对软件技术提出了新的要求，网络信息安全是新的要求中的一个极为重要的问题，对网络敏感信息(如不文明或反动文字、图像)的过滤则是信息安全中的一个具体课题。对网络敏感信息的过滤已经进行了一些研究，并出现了一些网页过滤与检测的产品，例如SmartFilter、NoPorn等防黄软件可以防止一般的计算机使用者利用浏览器访问色情网站。其中SmartFilter对互联网络访问的管理及监督就是通过SmartFilter控制列表资料库来达到的，SmartFilter公司的专业人员每天由世界各地的服务器收集目前增加或消失的网站资讯，并且每星期更新一次，SmartFilter控制列表资料库提供的完整URL资料库，所有采用SmartFilter产品的客户都可以每星期下载最新的控制列表资料库。为方便管理者设定且依据各单位不同的需求、兴趣及政策，控制列表资料库被区分为27种类别。如：聊天，网络约会，赌博，过激言论，谣言，色情等。但是这种产品人为参与的因素太多，不能实现信息的自动处理。VisionNEXT公司生产的eefind多媒体搜索系列，过滤系列软件能实现简单的图像检测，搜索与过滤，但是在敏感图片的检测，过滤与搜索方面准确率太低。

在敏感信息检测方面，国外一些大学(Berkeley，Iowa)开展了部分对网络上敏感图片进行分析的探索。Fleck与Forsyth通过检测人体的皮肤，并把各部分皮肤区域连成一组，来识别一幅图片是否包含裸体内容。该系统使用组合的颜色和纹理属性标记出类似皮肤的象素，然后将这些皮肤区域送到一特定的成组器。成组器利用人体结构上的几何约束把这些区域组成一个人的轮廓。如果成组器发现了一个足够复杂的结构，它就认为这幅图片中包含有人。这种方法对于存在大范围阴影和皮肤颜色的场合是很有效的。Aberdeen的Ian Craw在皮肤检测中用SOM网对肤色的概率模型进行学习，检验样本输入网络后得到一个可能为肤色的概率值，然后设置一阀值来判定是否为肤色[7]。此外，还有一些通用的基于内容的图像检索系统，如IBM的QBIC，Attrasoft的ImageFinder、MWLabs的Imatch等，这些系统均支持对颜色、形状、纹理等特征的匹配。但是这种通用的图像检索系统并非特定为敏感图片而设计，在进行敏感图片搜索时效率不高。

国内网络安全方面的产品有PC卫士，PC卫士1.0版主要通过两种手段来过滤网络色情信息，一种是基于网站地址的数据包过滤，另一种是智能信息过滤。其中，智能过滤的基础是截获网络包上一级的数据和不良站点网络数据包特征的提取，该产品不具备敏感图像的自动识别与理解功能。

视频过滤是建立在图象过滤的基础之上的。目前动态黄色信息的过滤依然是个空白，对视频的过滤比对静态图像的过滤要更难，实时性要求更高。但社会对此有迫切需求，因为动态黄色信息危害性更大。

发明内容

本发明的目的是提供一种敏感视频检测方法，以便准确地识别视频敏感信息。

为实现上述目的，一种敏感视频检测方法，包括步骤：

选择关键视频帧；

检测皮肤的存在；

确定关键帧是否敏感；

计算敏感帧分布密度，如果敏感帧分布密度超过阈值，则判为敏感视频。

本发明能够有效防止用户从互联网观看敏感视频信息。一旦用户点击网页上的视频链接，该软件能自动下载视频，并且在播放过程中检测视频的敏感性。当播放到视频的敏感信息部分时，自动终止对视频的播放。本发明还能以直方图的方式表示出视频的每一关键帧的敏感程度。

附图说明

图1成像系统的几何结构；

图2关键帧选择流程；

图3立方体分割示意图；

图4敏感视频的检测框图；

图5敏感视频测试平台主界面图；

图6视频中的敏感帧分布示意图。

具体实施方式

本发明欲解决的技术问题是获取视频的单帧信息以及帧间的运动信息。我们通过获取帧间信息找出视频中运动对象的运动特征，并找出视频中的关键帧。在获取关键帧以后，对关键帧进行皮肤检测和人体分割，求出皮肤的暴露程度，然后在识别所有关键帧的基础上对整个视频的敏感性做一个综合评价。

在说明光流的定义之前，我们必需先了解图像流与光流之间的分别。所谓的图像流是用三维空间中物体在图像平面上的投影点的二维速度来表示三维空间中相对应投射点的速度，以附图1来说明，一个刚体B相对于图像平面作任意方向的运动，而在刚体上有一点P具有速度S，其世界坐标为(X，Y，Z)，原点固定于OW。图像平面是以OW作为投影中心(即观察点)，同时在图像平面上有图像坐标系统(x，y)，原点OI被世界坐标系的Z轴所通过。假如图像平面上的一点p是空间中点P的投影点，则p的速度向量V＝(u，v)就是空间中点P速度向量S的投影，所以经由前面的定义，速度向量V就是P点速度向量S投影在p点的图像流速度向量，并且可用它来代替描述点P在空间中的运动。而像这种图像流速度向量在整个图像平面上的分布情形就构成了所谓的图像流场(Image-flow field)，附图1所示为图像流场之示意图。

而光流的产生主要来自于摄影机与环境物体之间的相对运动，使得所获得的连续图像的图像强度产生时间空间上的变化，因此其纯粹从连续图像中，计算图像亮度样型在时间空间上二维的可视速度。在光流的定义中并没有描述到与三维场景的关系。所以当图像的光流不为零时，视场中事实上不见得有物体的运动产生。产生这种情形的原因很多，最简单的原因就是场景中光源照度的改变。例如对一个静止的场景取像，但是照射于场景中的光源却是会移动的，则在定义上，既然场景是静止的，场景投射在图像上的图像流会等于零。然而因为光源是移动的，所以在图像中的图像强度是会变动的，使得计算得到的光流不为零。同样地，也会产生有光流等于零，而图像流不等于零的情形。例如，一个表面光滑均匀的球体，由于其表面特性，当球体开始转动而且环境照度均匀，则撷取到的连续影像其图像强度并不会变化，因此计算所得的光流等于零，而实际上图像的图像流却是不为零的。

因此，如果要解析三维场景的结构与运动真正所需要的是图像流场。然而古典的作法却是撷取一连串场景的图像强度变化，从连续图像估测出光流场，然后在环境照度均匀，物体表面为平面等假设条件下，让光流场等效于图像流场，并且用以分析三维场景的架构与物体的运动。

光流的约束方程：

考虑图象的象素m＝(x，y)^T，时刻t的灰度值I(x，y，t)。令点m的速度为V_m＝(v_x+v_v)^T.若点m的速度保持不变，那么在很短的时间间隔dt内，我们有：

我们可以用正则化技术求光流使下式最小：

I(x+V_xdt，y+v_ydt，t+dt)＝I(x，y，t)

$I(x,y,t)+\frac{\∂I}{\∂x}{v}_x+\frac{\∂I}{\∂y}{v}_y+\frac{\∂I}{\∂t}+O\left({\mathrm{dt}}^2\right)=I(x,y,t)$

$\▿I\·v_m+\frac{\∂I}{\∂t}=0$

其中 $\▿I={[\frac{\∂I}{\∂x},\frac{\∂I}{\∂y}]}^T$ 设v_x＝u，v_y＝v

$\frac{\∂I}{\∂t}=\frac{\∂I}{\∂x}u+\frac{\∂I}{\∂y}v$

$\∫\∫{(\▿I\·v+\frac{\∂I}{\∂t})}^2+\mathrm{\λ}({\left|\right|{\▿v}_x\left|\right|}^2+{\left|\right|{\▿v}_y\left|\right|}^2)\mathrm{dxdy}$

${\▿v}_x={(\frac{{\∂v}_x}{\∂x},\frac{{\∂v}_x}{\∂y})}^T;{\▿v}_y={(\frac{{\∂v}_y}{\∂x},\frac{{\∂v}_y}{\∂y})}^T$

关键帧选择：

我们提出了一种基于运动分析的方法，该方法通过对每帧光流的计算，寻找摄像机运动的局部最小点，对应的帧将选作关键帧，这种选择基于如下的观察，当摄像机停留时通常意味着重要人物或事件的存在。设

$M\left(t\right)=\underset{i}{\mathrm{\Σ}}\underset{j}{\mathrm{\Σ}}\left|v_x(i,j,t)\right|+\left|v_y(i,j,t)\right|$

表示在时间t时整幅图象的光流总和。我们的目的是找出M(t)所对应的局部最小点，以确定其所对应的关键帧。其算法的基本流程如附图2所示。

在RGB空间中，r，g，b三分量不仅代表颜色，还代表光照的明暗。为消除光照影响，对颜色采用正则化处理：r＝R/(R+G+B)，b＝B/(R+G+B).在原有的皮肤检测中，颜色模型可以用高斯模型N(m，c)表示。

均值：m＝E｛x}其中x＝(rb)^T

方差：c＝E{(x-m)(x-m)^T｝P(r，b)＝exp[-0.5(x-m)^Tc^-1(x-m)]其中x＝(rb)^T

通过取一定阈值，就能把皮肤分割出来。但事实并非如此，真实的皮肤分布可能比多高斯分布还要复杂，另外这种模型的反馈麻烦。

本发明采用了一种基于立方体统计的方法。对于一个RGB立方体，其大小为256×256×256。图象中的每一个象素就落在这个空间里面，我们将立方体进行细分，每个小立方体大小为8×8×8，总共得到32×32×32个立方体。我们的目的是看这个象素究竟是落在哪个小立方体中。立方体分割示意图如附图3所示。

同时，为了统计的精确性，我们增加了每个小立方体内的约束

$r_1\≤\frac{R}{R+G+B}\≤r_2$

$g_1\≤\frac{R}{R+G+B}\≤g_2$

$b_1\≤\frac{R}{R+G+B}\≤b_2$

${\mathrm{rg}}_1\≤\frac{R-G}{G-B}\≤{\mathrm{rg}}_2$

其中r₁、r₂、g₁、g₂、b₁、b₂、rg₁、rg₂均为立方体统计所得到的阈值。

以此为依据，我们进行数据库设计，并动态建立皮肤数据库。同时数据库具有如下特点：可以在识别过程中动态建立数据库，动态反馈。可以对数据库进行快速检索(库的记录一般在3万条左右)

在进行皮肤分割时，对图象上的每一个象素依数据库检索，可知其是否落在预先统计的皮肤区域中(即小立方体中)，如果落在皮肤区域，即认为是皮肤色，并分割为皮肤，否则为非皮肤。

整个敏感视频检测系统做成COM组件的形式。首先是输入一段视频，视频的输入可以是本地输入，也可以接收远程的视频URL输入。当接收远程URL时，该组件可以自动完成视频下载功能，并且以流媒体的方式进行下载和播放。在视频下载的同时进行视频解压缩处理，然后计算每一帧的光流，找出关键帧。对关键帧进行皮肤检测，在进行皮肤分割时先读取皮肤数据库信息，在预先建立的肤色模型的基础上进行皮肤分割。敏感视频的检测与静态敏感图象的检测有所不同：静态图象是单帧的，这一幅图象要么是敏感，要么非敏感。而视频则不同，里面含有较多的冗余信息，如果某一帧是敏感的，那最好不要马上决策这段视频是敏感的，因为这样会使检测的错误率提高。因为根据常识，如果一段视频是敏感的，那么这段视频绝不可能只有一个关键帧是敏感的。因此，我们就需要计算敏感帧的分布情况。如果在某个时间段敏感关键帧的分布密度过高，则我们有理由认为这一段视频就含有敏感信息。实际上，在敏感帧分布密度的基础上来判别视频的敏感性，其准确性往往比静态的敏感图象检测要高。敏感视频的检测框图如附图4所示。

为了测试该软件在敏感视频库中的识别率，我们建立了一个敏感视频测试平台，运行该测试平台后，再选择一个敏感视频库目录，然后测试平台启动视频过滤组件并进行测试。测试完后程序给出相应的准确率和误检率。启动视频过滤组件后的敏感视频测试平台主界面图如附图5所示。

我们通过对每一关键帧进行敏感性估计，得到视频的敏感帧分布情况，如附图6所示，其中红色代表可能含有敏感信息的帧。

通过对敏感帧分布密度进行估计，可以决策出视频是否敏感。如果敏感帧的分布密度超过一定阈值，那我们就认为这个视频是敏感的。我们在100幅视频的样本上做检测，对敏感视频检测的准确率达到85％，误检率为5％。

Claims (3)

1.一种敏感视频检测方法，包括步骤：

选择关键视频帧；

检测皮肤的存在；

确定关键帧是否敏感；

计算敏感帧分布密度，如果敏感帧分布密度超过阈值，则判为敏感视频。

2.按权利要求1所述的方法，其特征在于所述的选择关键视频帧包括步骤：

计算出每一帧的光流；

寻找摄像机运动的局部最小点；

将对应最小点的帧选为关键帧。

3.按权利要求1所述的方法，其特征在于所述的检测皮肤的存在包括步骤：

获取图像中每一点的象素信息；

每一点的象素信息与数据库中的皮肤信息进行比对；

将匹配点作为皮肤点，从而求出整个肤色区域。

Images