随着互联网技术和机顶盒、网络播放机等嵌入式设备的迅猛发展，各种文本信息和流媒体每天都在成倍的增长。互联网上的各种色情小说、图像、视频等有害青少年身心健康的信息，可能使他们形成错误的人生观世界观价值观，给社会的精神文明建设造成一定的不良影响。为了减少不良视频对青少年健康成长的影响，我们有必要研究不良视频的特点并且对其进行检测。而研究不良视频特点和检测时，首先要进行场景分割、镜头分割和提取关键帧，我们利用关键帧序列代表视频的主要内容，进而把研究不良视频特点问题转换为研究关键帧中的内容，这样大大减少了处理的数据量。然后对关键帧序列可以从表情，动作等各方面开展，本文主要从表情方面进行研究，以辅助不良视频的检测。本课题组研究不良视频识别，已经完成的工作有场景分类，镜头分割，人脸检测和不良视频的初步检测。不良视频的初步检测，通过特定视频的能量曲线建立特征库，将待测视频的能量曲线与已经建立特征库中的曲线进行匹配，进而完成特定视频的检测。另外，特定视频的检测还可以辅助观众的表情实现不良视频的检测，首先通过录制观众的相关视频进行表情识别并综合不良视频的初步检测，然后判断是否为不良视频。我们还可以根据观众的年龄，对不适宜的视频提出警告。本文在上述工作的基础上，开展下面两个方面的研究：视频的关键帧提取，关键帧中表情的识别。在视频关键帧提取中，提出了基于视觉显著度和互补性相融合的关键帧提取方法。首先，由于单个特征具有不全面的特性，不同特征之间具有良好的互补性，显著度能表达一定的语义信息，所以我们利用亮度空间显著度、局部二值模式(Local BinaryPatterns,LBP)空间显著度和运动显著度分别进行关键帧的提取。其次上步获得的关键帧可能存在冗余，而冗余关键帧不但不能提供有效的信息而且会造成存储空间和浏览时间的浪费，可以通过比较已获得关键帧之间的相关系数，去除相关系数较大的关键帧，这样冗余关键帧的问题可得到一定程度的解决。实验表明，该方法提取的关键帧符合人类观察事物的视觉特性并且能比较全面的表达视频内容。在表情识别中，提出了基于改进LDP的表情识别方法。首先，对已经获得的关键帧进行基于AdaBoost算法的人脸检测，对于存在人脸的关键帧进行后续处理，然后由于LBP从概念上可以认为是没有方向性的一阶局部模式操作算子，然而LDP能够描述一定的方向信息，但不能区别方向变化的不同，所以我们提出了利用改进LDP提取表情的特征，改进的LDP对方向变化情况不同也能够编码。最后由于K近邻算法对于未知和非正态分布的数据可以取得较好的分类效果，容易实现，所以我们利用K近邻的方法来对表情进行分类。