一種視頻檢測(cè)方法及裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像識(shí)別技術(shù)領(lǐng)域，更具體的說，尤其涉及一種視頻檢測(cè)方法及裝置。
【背景技術(shù)】
[0002] 不良視頻是指在傳播形式或內(nèi)容上存在非法或違規(guī)行為的視頻。目前不良視頻 主要有兩種類型：盜版視頻以及其他類型的不良視頻，其中其他類型的不良視頻主要包括： 反動(dòng)視頻、暴恐視頻、詐騙視頻和色情視頻。這些不良視頻借助公眾網(wǎng)絡(luò)廣泛傳播，已成為 社會(huì)危害的重要誘因。
[0003] 為了凈化網(wǎng)絡(luò)環(huán)境，研究人員提出了多種對(duì)不良視頻進(jìn)行檢測(cè)的方法。其中針對(duì) 盜版視頻的檢測(cè)研究相對(duì)較為成熟，針對(duì)反動(dòng)視頻、暴恐視頻、詐騙視頻和色情視頻這類不 良視頻來(lái)說主要的檢測(cè)方法是基于內(nèi)容的檢測(cè)方法，其處理過程如下：
[0004] 首先獲取不良視頻中的視覺對(duì)象，并提取所述視覺對(duì)象的特征值作為匹配模板； 其次在獲得一個(gè)需要匹配的視頻后，對(duì)所述視頻中的每幀圖像進(jìn)行分區(qū)，并逐區(qū)提取每個(gè) 分區(qū)的特征值；然后將每個(gè)分區(qū)的特征值與上述作為匹配模板的特征值進(jìn)行基于距離的相 似度計(jì)算，相似度小于指定閾值則判定視頻為不良視頻。但是視頻是一個(gè)圖像、文本和話音 的集合，單純通過圖像檢測(cè)來(lái)確定視頻是否為不良視頻可能會(huì)導(dǎo)致視頻檢測(cè)不準(zhǔn)確。

【發(fā)明內(nèi)容】

[0005] 有鑒于此，本發(fā)明的目的在于提供一種視頻檢測(cè)方法及裝置，用于提高視頻檢測(cè) 的準(zhǔn)確度。
[0006] 本發(fā)明提供一種視頻檢測(cè)方法，所述方法包括：
[0007] 基于待檢測(cè)視頻中相鄰幀圖像的相似度，將所述待檢測(cè)視頻分割成多個(gè)子段視 頻；
[0008] 分別對(duì)各個(gè)子段視頻進(jìn)行圖像檢測(cè)、文本檢測(cè)和話音關(guān)鍵詞檢測(cè)，得到各個(gè)子段 視頻的圖像檢測(cè)結(jié)果、各個(gè)子段視頻的文本檢測(cè)結(jié)果和各個(gè)子段視頻的話音檢測(cè)結(jié)果，其 中所述圖像檢測(cè)結(jié)果用于指示基于圖像檢測(cè)得到的子段視頻的檢測(cè)結(jié)果，所述文本檢測(cè)結(jié) 果用于指示基于文本檢測(cè)得到的子段視頻的檢測(cè)結(jié)果，所述話音檢測(cè)結(jié)果用于指示基于話 音關(guān)鍵詞檢測(cè)得到的子段視頻的檢測(cè)結(jié)果；
[0009] 基于各個(gè)子段視頻的圖像檢測(cè)結(jié)果、各個(gè)子段視頻的文本檢測(cè)結(jié)果和各個(gè)子段視 頻的話音檢測(cè)結(jié)果，得到相應(yīng)子段視頻的檢測(cè)結(jié)果；
[0010] 基于各個(gè)子段視頻的檢測(cè)結(jié)果，得到所述待檢測(cè)視頻的檢測(cè)結(jié)果。
[0011] 優(yōu)選地，所述基于各個(gè)子段視頻的圖像檢測(cè)結(jié)果、各個(gè)子段視頻的文本檢測(cè)結(jié)果 和各個(gè)子段視頻的話音檢測(cè)結(jié)果，得到相應(yīng)子段視頻的檢測(cè)結(jié)果，包括：
[0012] 當(dāng)子段視頻的圖像檢測(cè)結(jié)果、子段視頻的文本檢測(cè)結(jié)果和子段視頻的話音檢測(cè)結(jié) 果中任意一項(xiàng)檢測(cè)結(jié)果指示檢測(cè)到目標(biāo)對(duì)象，且目標(biāo)對(duì)象的等級(jí)為一級(jí)時(shí)，得到指示所述 子段視頻為不良視頻子段的檢測(cè)結(jié)果；
[0013] 當(dāng)子段視頻的圖像檢測(cè)結(jié)果、子段視頻的文本檢測(cè)結(jié)果和子段視頻的話音檢測(cè) 結(jié)果中至少兩項(xiàng)檢測(cè)結(jié)果指示檢測(cè)到目標(biāo)對(duì)象，且目標(biāo)對(duì)象的等級(jí)為二級(jí)時(shí)，得到指示所 述子段視頻為不良視頻子段的檢測(cè)結(jié)果，其中所述二級(jí)的重要程度小于所述一級(jí)的重要程 度；
[0014] 當(dāng)子段視頻的圖像檢測(cè)結(jié)果、子段視頻的文本檢測(cè)結(jié)果和子段視頻的話音檢測(cè)結(jié) 果中任意一項(xiàng)檢測(cè)結(jié)果指示檢測(cè)到目標(biāo)對(duì)象，且目標(biāo)對(duì)象的等級(jí)為二級(jí)時(shí)，得到指示所述 子段視頻為疑似不良視頻子段的檢測(cè)結(jié)果。
[0015] 優(yōu)選地，所述基于各個(gè)子段視頻的檢測(cè)結(jié)果，得到所述待檢測(cè)視頻的檢測(cè)結(jié)果，包 括：
[0016] 基于所述檢測(cè)結(jié)果，得到為不良視頻子段的第一子段視頻數(shù)量以及疑似不良視頻 字段的第二子段視頻數(shù)量；
[0017] 當(dāng)所述第一子段視頻數(shù)量與子段視頻總數(shù)的比例大于第一閾值時(shí)，得到指示所述 待檢測(cè)視頻為不良視頻的檢測(cè)結(jié)果；
[0018] 當(dāng)所述第二子段視頻數(shù)量與所述子段視頻總數(shù)的比例大于第二閾值時(shí)，得到指示 所述待檢測(cè)視頻為不良視頻的檢測(cè)結(jié)果，其中所述第一閾值小于第二閾值。
[0019] 優(yōu)選地，對(duì)子段視頻進(jìn)行圖像檢測(cè)，得到子段視頻的圖像檢測(cè)結(jié)果，包括：
[0020] 提取所述子段視頻中每幀圖像的檢測(cè)區(qū)域的視覺特征；
[0021] 將所提取的視覺特征與預(yù)先建立的圖像對(duì)象模型進(jìn)行匹配分析，以得到所述每幀 圖像中的不良對(duì)象和所述不良對(duì)象的等級(jí)，其中所述圖像檢測(cè)結(jié)果包括所述每幀圖像中的 不良對(duì)象和所述不良對(duì)象的等級(jí)。
[0022] 優(yōu)選地，對(duì)子段視頻進(jìn)行文本檢測(cè)，得到子段視頻的文本檢測(cè)結(jié)果，包括：
[0023] 確定所述子段視頻中每幀圖像中的文本區(qū)域；
[0024] 對(duì)所確定的文本區(qū)域進(jìn)行文本識(shí)別，得到所述文本區(qū)域包括的文本；
[0025] 將得到的文本與預(yù)先建立的文本庫(kù)進(jìn)行匹配，以得到所述每幀圖像中的不良文本 和所述不良文本的等級(jí)，其中所述文本檢測(cè)結(jié)果包括所述每幀圖像中的不良文本和所述不 良文本的等級(jí)。
[0026] 優(yōu)選地，對(duì)子段視頻進(jìn)行話音檢測(cè)，得到子段視頻的話音檢測(cè)結(jié)果，包括：
[0027] 提取所述子段視頻中的音頻數(shù)據(jù)，并獲得所述音頻數(shù)據(jù)的語(yǔ)音特征序列；
[0028] 將所獲得的語(yǔ)音特征序列與預(yù)先建立的話音庫(kù)中各個(gè)關(guān)鍵詞的語(yǔ)音特征序列進(jìn) 行比對(duì)，得到所獲得的語(yǔ)音特征序列與各個(gè)關(guān)鍵詞的語(yǔ)音特征序列之間的距離；
[0029] 當(dāng)所獲得的語(yǔ)音特征序列與任意一個(gè)關(guān)鍵詞的語(yǔ)音特征序列之間的距離的取值 小于距離閾值時(shí)，確定所述子段視頻中包括不良話音；
[0030] 獲得距離的取值小于距離閾值的所述關(guān)鍵詞，并基于所述關(guān)鍵詞所在等級(jí)確定不 良話音的等級(jí)，所述話音檢測(cè)結(jié)果包括所述不良話音和所述不良話音的等級(jí)。
[0031] 本發(fā)明還提供一種視頻檢測(cè)裝置，所述裝置包括：
[0032] 分割單元，用于基于待檢測(cè)視頻中相鄰幀圖像的相似度，將所述待檢測(cè)視頻分割 成多個(gè)子段視頻；
[0033] 檢測(cè)單元，用于分別對(duì)各個(gè)子段視頻進(jìn)行圖像檢測(cè)、文本檢測(cè)和話音關(guān)鍵詞檢測(cè)， 得到各個(gè)子段視頻的圖像檢測(cè)結(jié)果、各個(gè)子段視頻的文本檢測(cè)結(jié)果和各個(gè)子段視頻的話音 檢測(cè)結(jié)果，其中所述圖像檢測(cè)結(jié)果用于指示基于圖像檢測(cè)得到的子段視頻的檢測(cè)結(jié)果，所 述文本檢測(cè)結(jié)果用于指示基于文本檢測(cè)得到的子段視頻的檢測(cè)結(jié)果，所述話音檢測(cè)結(jié)果用 于指示基于話音關(guān)鍵詞檢測(cè)得到的子段視頻的檢測(cè)結(jié)果；
[0034] 第一處理單元，用于基于各個(gè)子段視頻的圖像檢測(cè)結(jié)果、各個(gè)子段視頻的文本檢 測(cè)結(jié)果和各個(gè)子段視頻的話音檢測(cè)結(jié)果，得到相應(yīng)子段視頻的檢測(cè)結(jié)果；
[0035] 第二處理單元，用于基于各個(gè)子段視頻的檢測(cè)結(jié)果，得到所述待檢測(cè)視頻的檢測(cè) 結(jié)果。
[0036] 優(yōu)選地，所述第一處理單元用于：當(dāng)子段視頻的圖像檢測(cè)結(jié)果、子段視頻的文本檢 測(cè)結(jié)果和子段視頻的話音檢測(cè)結(jié)果中任意一項(xiàng)檢測(cè)結(jié)果指示檢測(cè)到目標(biāo)對(duì)象，且目標(biāo)對(duì)象 的等級(jí)為一級(jí)時(shí)，得到指示所述子段視頻為不良視頻子段的檢測(cè)結(jié)果，以及用于當(dāng)子段視 頻的圖像檢測(cè)結(jié)果、子段視頻的文本檢測(cè)結(jié)果和子段視頻的話音檢測(cè)結(jié)果中至少兩項(xiàng)檢測(cè) 結(jié)果指示檢測(cè)到目標(biāo)對(duì)象，且目標(biāo)對(duì)象的等級(jí)為二級(jí)時(shí)，得到指示所述子段視頻為不良視 頻子段的檢測(cè)結(jié)果，其中所述二級(jí)的重要程度小于所述一級(jí)的重要程度，以及用于當(dāng)子段 視頻的圖像檢測(cè)結(jié)果、子段視頻的文本檢測(cè)結(jié)果和子段視頻的話音檢測(cè)結(jié)果中任意一項(xiàng)檢 測(cè)結(jié)果指示檢測(cè)到目標(biāo)對(duì)象，且目標(biāo)對(duì)象的等級(jí)為二級(jí)時(shí)，得到指示所述子段視頻為疑似 不良視頻子段的檢測(cè)結(jié)果。
[0037] 優(yōu)選地，所述第二處理單元包括：獲取子單元和處理子單元；
[0038] 所述獲取子單元，用于基于所述檢測(cè)結(jié)果，得到為不良視頻子段的第一子段視頻 數(shù)量以及疑似不良視頻字段的第二子段視頻數(shù)量；
[0039] 所述處理子單元，用于當(dāng)所述第一子段視頻數(shù)量與子段視頻總數(shù)的比例大于第一 閾值時(shí)，得到指示所述待檢測(cè)視頻為不良視頻的檢測(cè)結(jié)果，以及當(dāng)所述第二子段視頻數(shù)量 與所述子段視頻總數(shù)的比例大于第二閾值時(shí)，得到指示所述待檢測(cè)視頻為不良視頻的檢測(cè) 結(jié)果，其中所述第一閾值小于第二閾值。
[0040] 優(yōu)選地，所述檢測(cè)單元包括：圖像檢測(cè)子單元、文本檢測(cè)子單元和話音檢測(cè)子單 元；
[0041] 所述圖像檢測(cè)子單元，用于提取所述子段視頻中每幀圖像的檢測(cè)區(qū)域的視覺特 征，將所提取的視覺特征與預(yù)先建立的圖像對(duì)象模型進(jìn)行匹配分析，以得到所述每幀圖像 中的不良對(duì)象和所述不良對(duì)象的等級(jí)，其中所述圖像檢測(cè)結(jié)果包括所述每幀圖像中的不良 對(duì)象和所述不良對(duì)象的等級(jí)；
[0042] 所述文本檢測(cè)子單元，用于確定所述子段視頻中每幀圖像中的文本區(qū)域，對(duì)所確 定的文本區(qū)域進(jìn)行文本識(shí)別，得到所述文本區(qū)域包括的文本，并將得到的文本與預(yù)先建立 的文本庫(kù)進(jìn)行匹配，以得到所述每幀圖像中的不良文本和所述不良文本的等級(jí)，其中所述 文本檢測(cè)結(jié)果包括所述每幀圖像中的不良文本和所述不良文本的等級(jí)；
[0043] 所述話音檢測(cè)子單元，用于提取所述子段視頻中的音頻數(shù)據(jù)，獲得所述音頻數(shù)據(jù) 的語(yǔ)音特征序列，將所獲得的語(yǔ)音特征序列與預(yù)先建立的話音庫(kù)中各個(gè)關(guān)鍵詞的語(yǔ)音特征 序列進(jìn)行比對(duì)，得到所獲得的語(yǔ)音特征序列與各個(gè)關(guān)鍵詞的語(yǔ)音特征序列之間的距離；當(dāng) 所獲得的語(yǔ)音特征序列與任意一個(gè)關(guān)鍵詞的語(yǔ)音特征序列之間的距離的取值小于距離閾 值時(shí)，確定所述子段視頻中包括不良話音；獲