[发明专利]基于视觉特征的多媒体信息内容管控方法及系统

权利要求书

1.一种基于视觉特征的多媒体信息内容管控方法，其特征在于，所述基于视觉特征的多媒体信息内容管控方法包括步骤：

获取具备视觉特征的多媒体信息；

根据所述多媒体信息进行人体特征识别和/或语义特征识别，以得到特征内容；

根据所述特征内容进行AI人工智能识别，以得到用于表示实际状况的舆情场景；

根据所述舆情场景调用相匹配的管控策略，以管控所述多媒体信息的传播方式。

2.根据权利要求1所述的基于视觉特征的多媒体信息内容管控方法，其特征在于，所述根据所述多媒体信息进行人体特征识别和/或语义特征识别，以得到特征内容的步骤，具体包括：

根据所述多媒体信息进行包括肤色检测、人脸检测、性别判定的人体特征识别，以得到用于进行互联网图文内容监测的所述特征内容。

3.根据权利要求2所述的基于视觉特征的多媒体信息内容管控方法，其特征在于，所述根据所述多媒体信息进行包括肤色检测、人脸检测、性别判定的人体特征识别的步骤中，采用PCA主成分分析法、LBP局部二值模式学习法和/或Gabor小波特征方法进行人脸检测。

4.根据权利要求1所述的基于视觉特征的多媒体信息内容管控方法，其特征在于，所述根据所述多媒体信息进行人体特征识别和/或语义特征识别，以得到特征内容的步骤，具体包括：

根据所述多媒体信息进行包括互联网话题分析的语义特征识别，以得到用于表示互联网话题的所述特征内容。

5.根据权利要求4所述的基于视觉特征的多媒体信息内容管控方法，其特征在于，所述根据所述多媒体信息进行包括互联网话题分析的语义特征识别的步骤，具体包括：

采取结合互信息、χ2统计法、信息增益和术语强度的算法进行特征选择，通过词汇语义相似度计算提高特征的代表性并实现有效降维，采用SVM算法libsvm进行文本主题分类，采用文本聚类技术进行互联网话题检测与跟踪，采取向量空间模型对文本和话题模型进行向量表示，采取在线话题检测与跟踪技术实时监测商业话题信息，采取XMeans、OPTICS、NCut的聚类算法对互联网话题进行离线规整；

利用χ2统计法统计词性与不同类别事件的相关度，使用机器学习方法优化权重参数空间，基于词元特点对tf-idf模型进行改进以提高整体性能，利用文本命名实体识别工具ICTCLAS从话题中提取包括人名、地名、机构名、时间表达、地点表达的命名实体，为事件信息抽取提供候选内容，通过全文分析和多文档概率分析相结合实现命名实体与事件的关联；采取基于统计术语提取方法进行事件关键词提取；基于Co-Clustering的多文档文摘方法提取话题文摘和话题关键词，通过多轮递增学习获得全局最优的提取结果；

采用基于内涵向量空间模型c-VSM内涵单元表示内涵词、否定词和修饰词所形成的内涵有机整体，并以内涵单元的统计量作为特征的文本表示方法，使用包括贝叶斯、神经网络机器学习算法对网络内涵进行类别分析；

采用互联网话题影响分析工具或机器学习方法分析特定话题言论对互联网环境的影响。

6.根据权利要求1所述的基于视觉特征的多媒体信息内容管控方法，其特征在于，所述根据所述多媒体信息进行人体特征识别和/或语义特征识别，以得到特征内容的步骤，还包括：

从互联网包括图文信息的多媒体信息中抽取时间戳信息；

查找与目标互联网图文信息的重复图文信息；

创建话题溯源树的根节点；

构建特定类簇的词汇表；

计算两图文信息的内容相似度；

对当前层类簇进行基于相似性的划分；

创建更深一层次的话题树节点；

创建话题树的叶子节点；

对目标的图文信息进行构建话题溯源路径。

7.根据权利要求1所述的基于视觉特征的多媒体信息内容管控方法，其特征在于，所述根据所述多媒体信息进行人体特征识别和/或语义特征识别，以得到特征内容的步骤，还包括：

根据所述多媒体信息进行包括视频中人脸检索、视频中场景分析、视频中舆情分析的人体特征识别和/或语义特征识别，以得到用于进行视频视觉特征内容搜索或监测的所述特征内容。