[发明专利]视频中的暴力内容检测方法、装置及设备

说明书

本申请属于图像处理领域，提供了一种视频的暴力内容检测方法、装置及设备。该方法包括：获取待检测视频；对所述待检测视频进行人像检测，提取待检测视频的帧画面中的人像所在区域的图像；根据所提取的人像所在区域的图像，确定待检测视频中的人像所对应的光流；将所述人像所在区域的图像和所述光流输入到已训练的暴力检测模型中处理，输出暴力内容的检测结果。由于本申请仅需对待检测视频中的人像区域进行处理，通过暴力检测模型对人像区域和人像对应的光流进行计算，有利于减少冗余信息干扰，有利于提升对视频的暴力内容的检测精度。

技术领域

本申请属于图像处理领域，尤其涉及视频中的暴力内容检测方法、装置及设备。

背景技术

随着视频监控系统的大量部署，获取到的视频数据也越来越多。为了能够及时的发现所监控的内容中存在的异常内容，比如及时的发现视频中的暴力内容，以便于及时的采取应对措施，减小异常事故所带来的损失。

在对视频内容进行实时监控的方式中，传统的人工监控不能有效的满足对大量的视频监控内容的检测要求。为了减少内容监控的人工成本，可以采用深度网络模型来提取图像的全局特征，基于全局特征确定暴力内容的检测结果。然而，在视频监控等场景中，往往会包括较多的冗余信息，使得深度网络模型进行暴力内容检测的结果的精度不高。

发明内容

有鉴于此，本申请实施例提供了一种视频中的暴力内容检测方法、装置及设备，以解决现有技术中通过深度网络模型进行暴力内容检测的结果的精度不高的问题。

本申请实施例的第一方面提供了一种视频中的暴力内容检测方法，所述方法包括：

获取待检测视频；

对所述待检测视频进行人像检测，提取待检测视频的帧画面中的人像所在区域的图像；

根据所提取的人像所在区域的图像，确定待检测视频中的人像所对应的光流；

将所述人像所在区域的图像和所述光流输入到已训练的暴力检测模型中处理，输出暴力内容的检测结果。

结合第一方面，在第一方面的第一种可能实现方式中，将所述人像所在区域的图像和所述光流输入到已训练的暴力检测模型中处理，输出暴力内容的检测结果，包括：

将所述人像所在区域的图像输入已训练的暴力检测模型中的第一时空卷积层进行时空卷积，获得第一特征信息；

将所述光流输入已训练的暴力检测模型中的第二时空卷积层进行时空卷积，获得第二特征信息；

激活所述第一特征信息和第二特征信息，然后依次经过池化层、融合层和全连接层处理，输出暴力内容的检测结果；

其中，第一时空卷积层和第二时空卷积层包括局部卷积层和非局部卷积层。

结合第一方面的第一种可能实现方式，在第一方面的第二种可能实现方式中，所述非局部卷积层的卷积操作表示为：

其中，x_i表示第i个卷积块的输入，z_i表示第i个卷积块的输出，W_v1和W_v2表示线性变换矩阵，W_v2ReLU(LN(W_v1)表示残差卷积中的瓶颈设计，N_p＝H·W·T表示参数量，H表示图像长度，W表示图像宽度，T表示图像深度，表示全局注意力的权重，W_k表示线性变换矩阵，x_j表示遍历全局时第j个卷积块的输入，x_m表示遍历全局时第m个卷积块的输入。

结合第一方面的第一种可能实现方式，在第一方面的第三种可能实现方式中，所述局部卷积层的卷积操作表示为：