基于视频内容的敏感信息检测

摘要

飞速发展的互联网，在给人们带来便利的同时，也成为色情信息快速传播的一种途径。泛滥的网络色情已经成为危害人们特别是青少年身心健康的全球性公害，因此阻止不健康内容视频在网络上的传播将成为净化互联网的一项重要任务。迫切需要加大对网络视频内容进行更加有效的监管和控制，基于视频内容的敏感信息检测正成为这方面研究的热点之一。
　　视频数据具有一定的隐含层次性与时间冗余性。要实现内容的敏感信息检测，视频数据流必须结构化，将视频分割成不同层次的基本单元。镜头是视频语义理解最基本的物理单元，因此镜头的边界检测在基于视频内容的敏感信息检测中起着关键性的作用。本文在研究现有视频镜头边界检测算法的基础上，提出一种快速的自适应镜头边界检测方法，利用跳帧技术有效减少视频处理数据，提高计算速度，通过计算滑窗内亮度直方图帧差到帧差均值距离实现阈值的自适应。镜头是在同一个场景下拍摄的，同一个镜头中的各帧图像有相当多的重复信息，关键帧可以简洁有效地表达镜头内容，达到数据压缩减少计算量的效果，本文在镜头边界检测的基础上给出一种简洁的关键帧提取方法，为后续处理提供条件。
　　肤色检测分割在敏感视频处理中占据重要的地位，因为敏感视频最大的特点之一是包含大量裸露的皮肤，一种好的肤色检测方法应能够分割出图像帧中的皮肤区域。本文研究了肤色像素在HSV和YCgCr颜色空间的聚类分布，提出一种新的H-CgCr肤色模型进行肤色检测，该模型充分利用色调和色度信息区分肤色像素和非肤色像素。实验结果表明该算法在复杂光照条件下能有效检测出肤色区域。皮肤的纹理特征是皮肤与其相似颜色的其它区域区分的另一重要特征，本文研究了皮肤的纹理特征并选择用灰度共生矩阵度描述，通过实验分析选择能够很好区分皮肤区域和非皮肤区域的反差和能量两个指标去度量纹理特征。
　　在分析敏感视频特点的基础上，建立视频敏感性判断机制。提取视频关键帧图像的颜色和纹理特征，引入人工智能和机器学习的方法，分别用BP神经网络和支持向量机对视频敏感性进行检测。实验结果表明，这两种方法都能对视频的敏感性进行有效检测，支持向量机的检测正确率比BP神经网络的检测正确率更高。
　　最后对全文的研究工作进行总结，并指出今后工作中进一步研究的方向。

目录

封面

中文摘要

英文摘要

目录

1 绪 论

1.1 引言

1.2 课题的研究背景和意义

1.3 课题的国内外研究现状

1.4 课题来源与论文研究的基本内容和结构

2 视频镜头边界检测与关键帧提取

2.1 引言

2.2 视频数据的基本结构划分

2.3 镜头边界检测

2.4 视频关键帧提取

2.5 本章小结

3 关键帧图像的肤色检测

3.1 引言

3.2 颜色空间

3.3 基于H-CgCr肤色模型的肤色检测

3.4 本章小结

4 皮肤的纹理检测

4.1 引言

4.2 皮肤纹理

4.3 基于灰度共生矩阵的皮肤纹理检测

4.4 本章小结

5 基于视频内容的敏感信息检测

5.1 引言

5.2 视频内容的敏感信息判断机制和实验数据准备

5.3 基于BP神经网络的视频敏感信息检测

5.4 基于支持向量机的视频敏感信息检测

5.5 本章小结

6 总结与展望

6.1 论文总结

6.2 未来工作展望

致谢

参考文献

附 录