基于聽覺及視覺雙重特征的不良視頻場景識別.pdf

1、當(dāng)前網(wǎng)絡(luò)不良視頻傳播呈逐步上升態(tài)勢，帶有各種色情、暴力等內(nèi)容的視頻的傳播，不僅對社會風(fēng)氣和群眾身心健康造成了不利影響，也是誘發(fā)很多刑事犯罪的主要原因之一。遏制不良視頻內(nèi)容的傳播，不僅需要制定嚴(yán)格的法律法規(guī)，也需要相關(guān)判別審計技術(shù)的支持。因此，研究網(wǎng)絡(luò)不良視頻識別相關(guān)技術(shù)已成為非常緊迫的任務(wù)。
　　 視頻場景是對視頻中某一特定事件的完整表述，通過某種視頻場景，可以確定視頻數(shù)據(jù)中是否包含相關(guān)特定的內(nèi)容。因此，在網(wǎng)絡(luò)不良視頻審計中，通

2、過識別不良視頻場景進(jìn)行不良視頻內(nèi)容判別是一種有效途徑。視頻場景在本質(zhì)上是聽覺、視覺等信息交互融合的結(jié)果，僅通過單一特征不能完整地表達(dá)場景內(nèi)容。本文通過分析不良視頻中的聽覺特征和視覺特征，再融合聽覺及視覺特征的方法來識別視頻中的不良場景。文中首先根據(jù)不良視頻數(shù)據(jù)中聽覺信息的特點，提取相應(yīng)的音頻段特征，結(jié)合使用動態(tài)時間歸整(DTW)算法和隱馬爾科夫(HMM)模型識別出聽覺信息中的不良語音段。然后在不良語音段所在的時間內(nèi)進(jìn)行關(guān)鍵幀提取，分析和