基于融合特征的網絡不良視頻識別方法研究

陳繡瑤

摘? 要： 為了提高視頻的識別檢測速度，提出基于融合特征的網絡不良視頻識別框架。先分離視頻音頻，利用MFCC特征匹配篩查部分恐怖視頻，減少視頻圖像提取、識別總量，以達到提高檢測速度目的;再通過OpenCV視覺軟件庫，結合顏色直方圖+SURF算法進行視頻鏡頭邊界檢測及MoSIFT特征、顏色信息等其他視頻特征的檢測，在保證識別準確率的基礎上進一步提升視頻檢測速率。

關鍵詞： MFCC特征; SURF特征; MoSIFT特征; 鏡頭邊界檢測; OpenCV

中圖分類號：TP37? ? ? ? ? 文獻標識碼：A? ? ?文章編號：1006-8228（2020）11-19-04

Abstract： In order to improve the video recognition ability and detection speed， this paper proposes a network bad video recognition framework based on features. Firstly， the video and audio are separated， and MFCC feature matching is used to screen some horror videos to reduce the total amount of video image for extraction and recognition， so as to improve the detection speed. In addition， by using OpenCV， combining with colour histogram and SURF algorithm， video lens boundary detection， and the detection of MoSIFT feature and motion， colour information and other video features are carried out to further improve video detection rate on the basis of ensuring recognition accuracy.

Key words： MFCC feature; SURF feature; MoSIFT feature; Lens boundary detection; OpenCV

0 引言

移動互聯網時代，視頻分享的規模呈現爆炸式增長，網絡視頻成了信息傳播的重要手段之一。然而，網絡視頻資源共享為人們提供便利的同時，一些恐暴、色情等不良視頻趁虛而入，嚴重危害青少年的身心健康，成為誘發青少年犯罪的重要因素。我國《憲法》《未成年人保護法》等對不良視頻內容明文禁止，廣電總局、各地公安局對遏制不良視頻內容的傳播也采取了相應措施，但收效甚微[1]。因此，如何有效、快速地過濾不良視頻，己成為視頻分析領域的研究重點。

網絡不良視頻主要包括恐怖、暴力和色情三種。不良視頻的過濾，其關鍵技術在于視頻內容的識別。在視頻檢測分析的相關研究中，通過查閱已有文獻發現，大部分只注重視頻的圖像信息，忽略了視頻的音頻及運動信息特征。因此，本文綜合各類不良視頻的信息特征如音頻、運動、紋理及顏色信息等進行視頻識別。另外，為了提高視頻識別速率，引入了MFCC特征匹配及直方圖結合SURF算法的鏡頭邊界檢測。……