基于聚类算法的视频内容识别研究

本文研究了视频网站内容监播、监控的规律,并且依据新的规律改进了现有的K-MEANS聚类算法。受互视频内容数据非结构化因素的影响,K-MEANS聚类算法进行聚类识别和计算效率上存在明显的缺陷。K-MEANS聚类改进算法的优势在考虑到了视频帧序列关系,并保持了可接受的检索速度。

网络视频内容的识别和过滤综述

随着网络视频的迅猛发展和广泛使用,网络不良视频的识别和过滤日益重要。通过对图像内容识别与过滤、视频结构分析与检索两个领域技术发展的分析,阐述了一种综合利用视频时域分割、关键帧提取、图像内容识别及皮肤检测等视频分析方面关键技术的解决方法。该方法简单,并且容易实现。此外,介绍了目前网络视频内容识别和过滤的研究现状和主要应用,分析了其面对的主要问题及未来发展趋势。

基于音视特征的视频内容检测方法

提出了一种结合音视频双重特征检测视频内容的新方法,以提高对视频内容的识别准确率。该方法分别对视觉特征和音频特征进行分析,引入支持向量机对音频段进行分类,并综合音视域的分析结果对视频内容进行判断。针对特殊视频片断进行分析,证明结合音视特征的分析方法可行有效,可应用于视频内容监控及特定视频片段的检索与分割。

一种可变码率视频内容检测技术

传媒产业蓬勃发展,音视频内容成为人们获取信息的重要途径之一,因此保障音视频内容安全是产业工作的重中之重。提出一种可变码率视频内容的检测技术,根据基因稳定唯一和不可破解及篡改的特性,解决了传统音视频内容识别技术的缺点不足,提高了视频内容识别的准确率,降低了音视频内容在生产、传播及播出过程中信息被篡改的风险。试验证明,对于若干种音视频内容篡改方式,视频基因技术识别率达到了95%左右。此外,从理论上与传统音视频内容识别技术基础理论进行对比,解释了视频基因技术的优越特性。