视频特征识别方法和装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN105893930A(43)申请公布日2016.08.24(21)申请号201511017505.X(22)申请日2015.12.29(71)申请人乐视云计算有限公司地址100089北京市海淀区学院南路68号19号楼六层6184号房间(72)发明人刘阳魏伟白茂生蔡砚刚(74)专利代理机构北京国昊天诚知识产权代理有限公司11315代理人刘戈(51)Int.Cl.G06K9/00(2006.01)G06K9/62(2006.01)权利要求书4页说明书12页附图1页(54)发明名称视频特征识别方法和装置(57)摘要本发明公开了一种视频特征识别方法和装置，其中，所述方法包括获取待识别的视频样本，提取所述视频样本的所有关键帧；利用深度学习模型，对所述视频样本的所有关键帧进行分类；根据分类结果确定所述待识别的视频是否为色情视频。能够自动在视频库中识别色情视频，降低运营风险，节省审核人力及财力。CN105893930ACN105893930A权利要求书1/4页1.一种视频特征识别方法，其特征在于，包括：获取待识别的视频样本，提取所述视频样本的所有关键帧；利用深度学习模型，对所述视频样本的所有关键帧进行分类；根据分类结果确定所述待识别的视频是否为色情视频。2.如权利要求1所述的方法，其特征在于，根据分类结果确定所述待识别的视频是否为色情视频，包括：当所述分类结果为人物类的关键帧数量小于总关键帧数量的第一阈值时，则确定所述待识别的视频为非人物类视频，进而确定所述待识别的视频不是色情视频。3.如权利要求1或2所述的方法，其特征在于，根据分类结果确定所述待识别的视频是否为色情视频，则所述方法还包括：当所述分类结果为人物类的关键帧数量大于或等于总关键帧数量的第一阈值时，则对所述待识别的视频的所有关键帧的输入特征进行降维处理；利用所述降维后的输入特征及预先训练得到的视频识别模型，对所述待识别的视频中的每一个关键帧进行检测；若检测结果中色情关键帧数量大于总关键帧数量的第二阈值时，则确定所述待识别的视频是色情视频，并进行报警标记，否则确定所述待识别的视频是非色情视频。4.如权利要求3所述的方法，其特征在于，所述视频识别模型为根据输入特征，利用支持向量机对所述输入特征进行处理得到的模型；所述视频识别模型对应的计算公式包括：***T其中，α＝(α1,...,αl)；**通过从α中选取一个正分量0＜αj＜C得到j的数值，K(xi,xj)表示核函数；其中，核函数对应的计算公式包括：将核函数的参数σ的初始值设置为1e-5；C为惩罚参数，其初始值设置为0.1，εi表示第i个视频样本对应的松弛变量，xi表示第i个视频样本对应的样本特征参数，yi表示第i个视频样本的类型，xj表示第j个视频样本对应的样本特征参数，yj表示第j个视频样本的类型，σ为核函数的可调参数，l表示视频样本的总个数，符号“||||”表示范数；所述非线性软间隔分类机对应的计算公式包括：2CN105893930A权利要求书2/4页subjectto:yi((w×xi+b))≥1-εi,i＝1,..l.εi≥0,i＝1,..l.,C＞0其中，参数w的计算公式包括：所述非线性软间隔分类机的对偶计算公式包括：s.t.:0≤αi≤C,i＝1,...,l。5.如权利要求4所述的方法，其特征在于，所述视频识别模型选用K折交叉验证技术确定参数σ与C的最优值，其中，折数K为5，惩罚参数C的范围设置为[0.01，200]，核函数的参数σ的范围设置为[1e-6，4]，验证过程中选取的σ与C的步长均为2。6.一种视频特征识别装置，其特征在于，包括：提取模块，用于获取待识别的视频样本，提取所述视频样本的所有关键帧；分类模块，用于利用深度学习模型，对所述视频样本的所有关键帧进行分类；确定模块，用于根据分类结果确定所述待识别的视频是否为色情视频。7.如权利要求6所述的装置，其特征在于，所述确定模块具体用于：当所述分类结果为人物类的关键帧数量小于总关键帧数量的第一阈值时，则确定所述待识别的视频为非人物类视频，进而确定所述待识别的视频不是色情视频。8.如权利要求6或7所述的装置，其特征在于，所述确定模块具体用于：当所述分类结果为人物类的关键帧数量大于或等于总关键帧数量的第一阈值时，则对所述待识别的视频的所有关键帧的输入特征进行降维处理；利用所述降维后的输入特征及预先训练得到的视频识别模型，对所述待识别的视频中的每一个关键帧进行检测；若检测结果中色情关键帧数量大于总关键帧数量的第二阈值时，则确定所述待识别的视频是色情视频，并进行报警标记，否则确定所述待识别的视频是非色情视频。9.如权利要求8所述的装置，其特征在于:3CN105893930A权利要求书3/4页所述