基于音視頻雙重特征的視頻內(nèi)容分析技術(shù)研究.pdf

1、隨著計算機和互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展，多媒體將越來越成為信息的主要載體進行傳播。這在提升人們生活質(zhì)量的同時，也帶來了新的風險，尤其是對青少年來說，使得他們接觸到某一類帶有色情內(nèi)容的視頻的可能性更大、渠道更多。本文中，將該類帶有色情內(nèi)容的視頻稱為不良視頻。因此，本文主要針對這類視頻的特點進行研究，提出一個識別并實時過濾該類視頻的方案，在特定類視頻內(nèi)容的分析技術(shù)上做出了一些新的嘗試。 基于視頻的獨特性，選擇充分利用其信息量，采用結(jié)合音視

2、頻雙重特征的分析方法，在視覺域和聽覺域分別展開研究，分別針對該類特殊視頻，分析并提取其區(qū)別于正常視頻的特征參量，以用于后續(xù)的分類，最后綜合利用兩方面的分析結(jié)果，給出對視頻內(nèi)容的判斷。 在視覺域，主要針對膚色展開研究，首先通過顏色空間的變換、光線補償、域值確定、紋理分析等技術(shù)提取出視頻幀圖像的皮膚掩碼圖像，之后研究敏感圖像區(qū)別于正常圖像的膚色信息分布規(guī)律，以提取有效的特征向量。在聽覺域，主要針對敏感女聲展開研究，通過分析并利用音頻

3、短時特征，實現(xiàn)對音頻的分段，以提取出所有的可疑音頻段，之后研究敏感女音段區(qū)別于正常音頻段的特征，提取出有效的段特征向量。對提取出的特征向量，選擇支持向量機(SVM)對其進行學(xué)習(xí)和分類，分別實現(xiàn)對圖像幀和音頻段的識別。 最后，采用基于COM 架構(gòu)的DirectShow 技術(shù)，對視頻流進行實時的分析。首先進行音視頻流的分離，并分別進行分析，在得到上文所提出的音視覺域分類結(jié)果之后，采用綜合判斷的方法，對視頻內(nèi)容進行分類和分段，取得了較