梁家欣　李海峰　马琳

摘 要：针对传统方法忽略时序信息的问题，提出了一种基于张量模型的暴力音频分类技术。该方法首先对音频样本提出矩阵特征，然后把同一类型的样本特征组成一个张量特征。采用ALS算法对张量进行分解，然后提出一个基于张量模型的分类器。实验结果表明，张量模型的特征对暴力音频分类问题具有一定提高效果，证明了保留时间维度上的信息是有意义的。

关键词：时序信息；特征矩阵；张量；ALS分解

中图分类号： TP391 文献标识码： A 文章编号：2095-2163（2015）04-

Abstract： Due to traditional method ignoring the temporal information， a new technique of audio classification based on tensor model is proposed.The method extracts the features of the audio samples in matrix form and then composes a tensor feature of the matrix feature belonged to the same category.And ALS algorithm is used to decompose the tensor， and then a classifier based on tensor feature is proposed.Experimental results show that the tensor feature has been effective on the detection of violence audio， and it proves that the temporal information is meaningful.

Keywords： Temporal Information； Feature Matrix； Tensor； ALS Algorithm

0引 言

随着互联网的发展与多媒体的普及，信息科技与网络便捷给人们的生活带来很大影响。网络上的音视频如果没有经过检测，则不可避免地会有一些暴力信息流入，对于未成年等特定人群来说，这些信息会对其行为习惯等产生负面影响。传统的方法是对用户上传的音视频进行人工审核，而由于网络多媒体数量大，人工方法会浪费大量人力，因此，需要一种算法可以自动识别暴力内容。音频是多媒体信息的重要组成部分，且暴力场景中经常采用特定音频事件来渲染气氛，可以在一定程度上影响视频的暴力程度判定。因此暴力音频的检测是非常有必要的。

由于大多数音频信号的特征都是基于帧粒度提取的，因此对于每一个样本，提取的原始特征是由帧的特征序列组成的矩阵，传统方法往往需要将矩阵转换为向量特征再进行分类。简单的做法是对每个特征的时间序列求统计值，一般取均值或方差等[1]。……