学位论文 > 优秀研究生学位论文题录展示

基于互动机制的特殊视频的检测

作　者: 秦敏
导　师: 李金屏
学　校: 济南大学
专　业: 信号与信息处理
关键词: 多颜色空间能量曲线视频特征库图像信息熵互动机制
分类号: TP391.41
类　型: 硕士论文
年　份: 2013年
下　载: 5次
引　用: 0次
阅　读: 论文下载

内容摘要

近年来，随着网络、通信等信息技术的快速发展，网络节目的内容形式由文字和图片为主逐渐转化为视频、音频节目。网络的快速发展，有利也有弊，一方面：给人们提供了多种多样的视频节目，而另一方面：也给不良视频提供了传播的平台。目前，不良视频已经严重影响了青少年的身心健康，许多青少年犯罪都是因为观看了某些不良视频，因此怎样建设一个良好的网络环境成为全社会所关注的焦点。不良视频检测是一个具有挑战性的难题，涉及到很多学科、很多领域的知识。本文研究基于互动机制的不良视频检测。所谓互动机制，即通过对观众表情（高兴、愤怒、悲伤等）的分析、判别，来推断观众所在观看的视频类型（喜剧、暴力、悲剧等），从而实现血腥、暴力、色情等不良视频的检测。其中针对不良视频不可能总是更新的，有不少所谓的“经典”视频在网络上重复出现，提出了一种新的人工参与和机器检测相结合的不良视频检测方法。通常不良视频在网络上开始传播的时候青少年的家长会看到，首先，当家长看到这些视频会把他们标记起来，然后，计算机会对这些视频进行相应处理，提取不良视频的特征并上传到特征库，当青少年再看到这些视频的时候检测系统就会对视频进行处理，提取这些视频的特征并与特征库中不良视频的特征相匹配，若匹配成功则会对这些视频做出特殊处理（马赛克、黑屏、跳过），使青少年不能观看这些视频。通常人的表情和人的心理息息相关，一般情况下当人做出某种表情时是受人的心理活动的支配。例如：当某人坐在电脑前看的是喜剧节目时，他的表情受他高兴的心理活动的支配脸上会出现笑容，并且随着心理活动的不断变化，脸部表情也不断变换，由牵动嘴角微笑、抿嘴小笑到最后开怀大笑。1、设计和实现不良视频检测和预警系统。系统可以打开和播放AVI格式的视频，并实时显示视频中每帧图像在多个颜色分量下的直方图、视频的有效能量曲线图。其中视频的有效能量曲线主要用于视频的特征提取，不同的视频有不同的能量曲线，不同的能量曲线可以反应视频的特征。提取网络上刚刚传播的不良视频的能量曲线并把它上传到特征库，当这种视频在网上重复出现的时候就可以实现匹配检测，从而杜绝它的进一步传播，防止进一步影响青少年的身心健康。本平台还可以用于检测任何人工所标记的视频。2、提取视频中的关键帧。视频和图像相比，虽然有形象生动，内容充实，更容易引人入胜的优点，但是视频包含的数据量很大，并且结构错综复杂，对它的研究和分析十分困难。本文为了实现从视频中有效提取关键帧，利用了图像信息熵的方法，并取得了较好的效果。3、基于人脸表情识别的不良视频检测。一般情况下，人脸表情是人心理活动的真实写照，是映射人类情感的一面镜子，表情的研究是对人类心理状态进行研究的基础。例如：当人们在观看不良视频，如暴力视频的时候，观众因为恐慌而产生恐惧的表情。因此如果把观众的表情检测出来，就可以推测出观众此时在观看视频的类型。最后与基于多颜色空间的不良视频检测结果进行有效融合，从而实现不良视频的快速、有效检测。

全文目录

摘要  7-9
ABSTRACT  9-11
第一章引言  11-19
  1.1 课题目的及意义  11-12
  1.2 国内外研究现状  12-17
    1.2.1 不良信息检测技术国内外研究现状  12-13
    1.2.2 关键帧提取国内外研究现状  13-15
    1.2.3 人脸表情识别国内外研究现状  15-17
  1.3 不良视频分析的难点  17
  1.4 本文的主要研究内容和章节安排  17-19
第二章基础知识和前期工作  19-33
  2.1 视频结构  19-21
  2.2 颜色空间  21-23
    2.2.1 RGB 颜色空间  21
    2.2.2 HSI、HSV 颜色空间  21-23
    2.2.3 YUV、YCbCr 颜色空间  23
  2.3 AdaBoost 算法简介  23-27
    2.3.1 扩展 Harr-Like 特征  23-24
    2.3.2 积分图像  24-25
    2.3.3 AdaBoost 算法描述  25-26
    2.3.4 级联结构  26-27
  2.4 课题组已经完成的相关工作  27-31
  2.5 本章小结  31-33
第三章基于多颜色空间的不良视频检测和预警  33-45
  3.1 视频有效能量  33-34
  3.2 基于多颜色空间的不良视频检测算法实现  34-38
    3.2.1 算法结构  34
    3.2.2 多颜色空间  34-35
    3.2.3 视频有效特征提取  35-36
    3.2.4 视频有效能量特征预处理  36-37
    3.2.5 视频有效能量特征匹配  37-38
    3.2.6 不良视频的特殊处理  38
  3.3 基于多颜色空间的不良视频检测系统的搭建  38-42
    3.3.1 不良视频检测系统各模块功能介绍  39-40
    3.3.2 不良视频检测系统检测过程和检测结果分析  40-42
  3.4 本章小结  42-45
第四章基于人脸表情识别的不良视频检测研究  45-59
  4.1 互动机制  45
  4.2 基于图像信息熵的关键帧提取算法  45-48
    4.2.1 图像信息熵  45-47
    4.2.2 实验结果及分析  47-48
  4.3 基于 CBP-TOP 特征的人脸表情识别  48-58
    4.3.1 LBP 算法  48-50
    4.3.2 CBP 算法  50-51
    4.3.3 基于图像序列的 CBP-TOP 特征提取  51-52
    4.3.4 CBP-TOP 算子的计算  52-53
    4.3.5 CBP-TOP 算子提取分块人脸表情图像特征  53-54
    4.3.6 人脸表情识别结果和分析  54-57
    4.3.7 基于多颜色空间的不良视频检测和表情识别的有效融合  57-58
  4.4 本章小结  58-59
第五章结论与展望  59-61
参考文献  61-67
致谢  67-69
附录  69
  一、在校期间发表的学术论文  69
  二、在校期间获奖情况  69

基于互动机制的特殊视频的检测

内容摘要

全文目录

相似论文