(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211429325.2 (22)申请日 2022.11.15 (71)申请人 福建中科中欣智能科技有限公司 地址 350015 福建省福州市 保税区综合大 楼15层A区-2708(自贸试验区内) (72)发明人 林兴相　付菊芳　陈天顺　林志钊　 (74)专利代理 机构 福州创蔚来知识产权代理有 限公司 3 5290 专利代理师 魏庆宇 (51)Int.Cl. G06V 20/40(2022.01) G06V 40/20(2022.01) G06V 10/82(2022.01) (54)发明名称 一种涉黄涉暴视频多目标检测算法和装置 (57)摘要 本发明涉及一种涉黄涉暴视频多目标检测 算法和装置， 该算法包括： 获取视频文件中的连 续的多帧图片数据； 基于连续的多帧图片数据， 获得单帧图片数据中的各人物形态数据； 基于各 人物形态数据与危险特征数据对比， 获得该单帧 图片数据涉黄涉暴的风险数值， 基于该图片的涉 黄涉暴的风险数值， 对图片进行进一步特征提取 与识别， 并判断该待判断的图片数据是否存在属 于涉黄涉暴的内容， 整个算法循环处理， 直至获 得某一图片数据存在属于涉黄涉暴的内容， 或全 部图片数据均不存在涉黄涉暴的内容， 输出该视 频的判断结果； 该涉黄涉暴视频多目标检测算法 和装置， 结构简单， 操作方便， 使用灵活， 便于涉 黄涉暴的图片以及视频识别处 理使用。 权利要求书4页 说明书9页 附图2页 CN 115512280 A 2022.12.23 CN 115512280 A 1.一种涉黄涉暴视频多目标检测算法， 其特 征在于， 包括： 获取视频文件中的连续的多帧图片数据； 基于连续的多帧图片数据， 获得 单帧图片数据中的各 人物形态数据； 基于各人物形态数据与危险特征数据的对比识别结果， 获得该单帧图片数据 涉黄涉暴 的风险数值， 其中， 该 单帧图片的风险数值分为低风险数值、 中风险数值与高风险数值； 当多帧图片数据中的每一张图片数据的风险数值均为非高风险数值 时， 获得多帧图片 中的人物动作形态数据， 基于每一人物动作形态数据与危险形态数据的对比识别结果， 重 新获得该多帧图片数据涉黄涉暴的风险数值， 该多帧图片的风险数值同样分为低风险数 值、 中风险数值与高风险数值； 当该多帧图片数据涉黄涉暴的风险数值为中风险时， 随机获得多帧图片数据中的任意 n1帧图片数据设为待判断的图片数据， 其中， n1为小于等于多帧图片数量的正整数； 基于待判断的图片数据以及人物动作的形态数据， 获得其中一张的待判断的图片数据 中的人物边缘图像特征、 该人物边缘图像特征中特定部位的特征以及该人物边缘图像特征 中的物品边缘图像特征， 并判断该待判断的图片数据是否存在属于涉黄涉暴的内容； 若该 图片数据存在属于涉黄涉暴的内容， 则输出 该视频的判断结果； 若该图片数据不存在涉黄涉暴的内容， 则继续处理其他的待判断的图片数据， 循环处 理过程， 直至获得某一图片数据存在属于涉黄涉暴的内容， 或全部图片数据均不存在涉黄 涉暴的内容， 输出 该视频的判断结果。 2.根据权利要求1所述的一种涉黄涉暴视频多目标检测算法， 其特征在于， 获得单帧图 片数据中的各个图形轮廓数据信息， 基于危险特征数据， 识别图形轮廓中的各图形是否为 涉黄涉暴相关的人体或物体， 基于图片中的人物匹配程度， 获得单帧风险数值D1； 其中， D1= a1*b1+a2*b2， b1和b2∈ ［0， 1］ ， 其中， a1为人体部位涉黄的匹配度， a2为人体部位涉暴的匹 配度， b1与b2为动态因子， 设置第一设定值与第二设定值， 当D1小于第一设定值时， 该风险 数值D1为低风险数值， 当D1大于第一设定值小于第二设定值时， 该风险数值D1为中风险数 值； 当D1大于第二设定值时， 该风险数值D1为高风险数值； 其中， 人体部位涉黄的匹配度是 指将图片 中的人体特征数据与危险特征数据进行对比， 从而获得相 应的匹配程度， 该程度 基于匹配度， 该匹配度的获取可以由图片识别对比程度来获得， 人体部位涉暴的匹配度同 理。 3.根据权利要求2所述的一种涉黄涉暴视频多目标检测算法， 其特征在于， 当多帧图片 中的各单帧风险数值D1均为非高风险数值时， 基于卷积神经网络， 获得连续各帧图片 中的 人体关键点模型， 获得各帧图片中人体关键点的姿态数据以及单个的人体关键点的移动变 化数据， 基于危险形态数据， 判断多帧图片数据涉黄涉暴的风险数值D2； 其中， D2=c1*d1+ c2*d2， d1和d2∈ ［0， 1］ ； 其中， c1为各帧中人体关键点的姿态数据与危险形态数据中的匹配 度之和除于总帧数， c2为单个的人体关键点的移动变化数据与危险形态数据中的匹配度， d1与d2为动态因子， 当D2小于第一设定值时， 该风险数值D2 为低风险数值， 当D2大于第一设 定值小于第二设定值时， 该风险数值D2 为中风险数值； 当D2大于第二设定值时， 该风险数值 D2为高风险数值； 其中， 人体 关键点的姿态数据与危险形态数据中的匹配度、 人体关键点的 移动变化数据与危险形态数据中的匹配度的获取方法为： 获取人体关键点信息， 以各关键 点信息来 获得人体的姿态数据， 从而判断人体关键点的姿态数据与危险形态数据中的匹配权　利　要　求　书 1/4 页 2 CN 115512280 A 2程度。 4.根据权利要求3所述的一种涉黄涉暴视频多目标检测算法， 其特征在于， 所述单个的 人体关键点的移动 变化数据Z， ； 其中，µ为关键点的平均匹配程 度数值， 为连续两帧中前一帧的特征关键点的向量， 为连续两帧中后一帧的特征 关键点的向量。 5.根据权利要求4所述的一种涉黄涉暴视频多目标检测算法， 其特征在于， 所述人体关 键点包括头部、 左右手掌、 左右手肘、 左右胸、 腹部、 左右膝盖、 左右脚， 所述特征关键点包括 手掌至手肘部分、 手掌至胸部分、 手掌至腹部位置、 脚部至膝盖部分以及脚部至腹部部分， 计算各特征关键点的移动变化数据。 6.根据权利要求5所述的一种涉黄涉暴视频多目标检测算法， 其特征在于， 基于人体的 头部关键点， 建立以其为原 点的坐标系， 获得对应人物像素图像的像素值集， 基于像素值集 获得特定部位的特征曲线与 物品边缘图像特征曲线， 基于像素值集以及特定部位的特征曲 线与物品边 缘图像特 征曲线， 获得图片的判断结果； 其中， 判断函数为： ； 其中， Q1为像素类型权重， M2为该图片中的像素类型数量值， M1为涉黄涉暴图片中的像 素类型数量值， Q2为人体关键点的移动变化数据的权重， µ为关键点的平均匹配程度数值； 表示连续两帧中前一帧的第i个特征关键点的向量， 表示连续两 帧中后一帧的 第i个特征关键点的向量， n表示所采用的特征关键点 的数量， Q3为图像特征权重， k表示图 像特征的总数量， 该图像特征为特定部位的特征以及物品边缘图像特征， Vj表示第j个图像 特征的面积， Fj（x， y） 为第j个图像特征曲线的函数； 设定第三设定值， 当U大于第三设定值 时， 判断该图片为涉黄涉暴图片； 当U小于等于第三设定值时， 判断该图片为非涉黄涉暴图 片。 7.一种涉黄涉暴视频多目标检测装置， 其特征在于， 包括存储器和处理器， 所述存储器 中包括涉黄涉暴视频多目标检测算法程序， 所述涉黄涉暴视频多目标检测算法程序被所述 处理器执行时实现如下步骤： 获取视频文件中的连续的多帧图片数据； 基于连续的多帧图片数据， 获得 单帧图片数据中的各 人物形态数据； 基于各人物形态数据与危险特征数据的对比识别结果， 获得该单帧图片数据 涉黄涉暴 的风险数值， 其中， 该 单帧图片的风险数值分为低风险数值、 中风险数值与高风险数值； 当多帧图片数据中的每一张图片数据的风险数值均为非高风险数值 时， 获得多帧图片 中的人物动作形态数据， 基于每一人物动作形态数据与危险形态数据的对比识别结果， 重权　利　要　求　书 2/4 页 3 CN 115512280 A 3