基于多视图的网络视频流不良内容在线识别研究

随着网络技术的方展，网络信息和文化安全成为国家关注的焦点。其中，色情视频传播是破坏网络文化安全的重要因素。本项目从视频内容中的多个视图分析入手，深入研究网络视频流中色情内容的在线识别关键技术，以期达到对网络上的不良视频传输进行监控的目的。本项目旨在研究在多类感知特征提取和表达的基础上采用多视图半监督学习理论对网络色情视频流进行在线识别，研究内容包括：颜色空间和颜色特征评价及近似最优肤色模型的建立、人体姿态建模及紧致运动特征的提取、适合于不良视频的多视图半监督学习方法及在线分类方法等。其中，多视图半监督学习方法将多类感知特征的提取与分类器在线学习有机结合起来。在关键技术研究基础上，提出一套完善而高效的网络不良视频流在线识别方法。本项目具有前瞻性和挑战性，研究成果可直接应用于网络不良视频传输的监控和监管，为国家在网络文化安全方面的决策提供理论依据和技术支持，对网络文化的净化起到有效的推动作用。

随着网络技术的方展，网络信息和文化安全成为国家关注的焦点。其中，色情视频传播是破坏网络文化安全的重要因素。本项目从视频内容中的多个视图分析入手，深入研究网络视频流中色情内容的在线识别关键技术，以期达到对网络上的不良视频传输进行监控的目的。本项目旨在研究在多类感知特征提取和表达的基础上采用多视图半监督学习理论对网络色情视频流进行在线识别，研究内容包括：颜色空间和颜色特征评价及近似最优肤色模型的建立、人体姿态建模及紧致运动特征的提取、适合于不良视频的多视图半监督学习方法及在线分类方法等。在关键技术研究基础上，提出一套完善而高效的网络不良视频流在线识别方法。. 经过3年的研究，课题组围绕该项目的主要研究内容，取得了5项理论成果，包括：1）高斯框架下近似最优的肤色检测方法，2）基于双重分解隐马尔可夫模型的人的运动分类方法，3）基于动态贝叶斯网络的室内人员估计方法，4）基于多图协同训练的在线半监督学习方法，5）基于局部协同训练的在线半监督学习方法。此外，在与该课题相关的其它几个问题的研究上也取得了一些研究成果。累计发表（或录用）与该课题相关的研究论文12篇，包括5篇SCI国际期刊论文、3篇国际会议论文和4篇EI国内期刊论文；另外申请专利2项。在以上理论研究成果基础上，课题组提出了一套网络不良视频内容在线识别方案。在5000个网络视频片断上进行了测试，结果表明：准确率达到85%以上，漏检率低于5%，该方案取得了很好的效果。. 本项目研究成果可直接应用于网络不良视频传输的监控和监管，为国家在网络文化安全方面的决策提供理论依据和技术支持，对网络文化的净化能够起到有效的推动作用。