基于运动特征的不良视频检测算法研究

论文摘要

21世纪是一个高度信息化的时代,互联网技术迅速发展,越来越多的信息都是依靠网络传播。互联网上的色情、暴力等有害信息也已引起社会的广泛关注,社会各界尤其是广大师生、学生家长要求采取有效措施,为青少年成长营造良好的网络文化环境。为了保障国家网络文化安全,针对网络中的不良视频,本文提出一种检测不良视频的算法,设计了相应的检测系统。并且运用HMM对人的六类动作进行行为分类和识别。本文检测算法的提出是基于mpeg压缩视频流中的运动矢量,因为运动矢量在一定程度上反映了视频中人的运动情况。通过提取mpeg压缩视频流中P帧和B帧中的运动矢量,分析视频中人的运动规律,对运动矢量的大小和方向分别进行特征矢量的提取。最终对视频运用本文提出的检测算法进行检测。实验结果表明该算法的正确识别率可以达到80%。近年来,运用HMM来对视频中人的各种行为动作进行分类已经比较广泛,本文通过初始化HMM模型,将视频中的帧序列进行三种类型的特征矢量提取、信号分配、最后输入到HMM进行识别。本文中选取六类动作行为进行实验和识别,结果表明,其正确识别率为90%。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景
• 1.2 国内外研究现状
• 1.2.1 国内研究现状
• 1.2.2 国外研究现状
• 1.2.3 研究现状分析
• 1.3 本文的主要工作及组织结构
• 第二章 运动矢量
• 2.1 运动矢量简介
• 2.2 提取运动矢量
• 第三章 不良视频检测算法
• 3.1 算法结构
• 3.2 归一化运动矢量
• 3.3 运动特征
• 3.4 实验结果
• 3.5 系统界面
• 3.6 结论
• 第四章 运用HMM模型识别不良视频
• 4.1 HMM模型识别流程图
• 4.2 特征提取
• 4.2.1 一维特征
• 4.2.2 二维极坐标特征
• 4.2.3 二维笛卡尔坐标特征
• 4.3 HMM模型简介
• 4.3.1 识别
• 4.3.2 前向算法定义如下
• 4.3.3 后向算法被定义如下
• 4.4 训练模型
• 4.5 运用HMM到MPEG压缩视频流
• 4.5.1 k-means算法简介
• 4.6 实验结果
• 4.7 HMM识别结果
• 4.8 总结
• 第五章 全文总结和下一步工作展望
• 5.1 全文总结
• 5.2 下一步工作展望
• 参考文献
• 研究生期间参加科研项目工作和发表论文情况
• 致谢