API调用视频鉴黄v1（不推荐）
视频鉴黄提供视频内容检测，识别视频中是否存在色情内容。
- 支持存储在七牛云 bucket（支持华东、华北和华南 bucket）或 非七牛云 bucket 中的视频进行视频鉴黄。
- 支持实时处理和异步处理两种方式：实时处理时，视频鉴黄结果会在识别完成后立即返回；异步处理时，会立即返回
job_id，视频鉴黄结果通过job_id获得。 - 视频鉴黄结果会返回所有视频片段是属于色情、性感、还是正常的识别结果。同时为了让用户知道一个视频整体的分类，返回的结果会包含视频片段中出现过的分类，并显示属于这个分类的视频片段的最高的置信度。
- 可以通过设置请求参数，仅返回满足客户需求的视频片段（例如：用户仅需要返回色情的视频片段，以便对这部分内容做人工审核）。
- 支持一次调用同时请求鉴黄、鉴暴恐、敏感人物识别。请查看文档中三鉴（鉴黄、鉴暴恐和敏感人物识别）同时调用的示例。
视频片段segments：视频鉴黄是把视频截帧后，对截帧图片进行鉴黄。当连续帧推理结果一致时，表示这些帧都属于同一种类型，则把这一时段的视频认为是一个视频片段。
请求语法
POST /v1/video/<vid>
Host: ai.qiniuapi.com
Content-Type: application/json
Authorization: Qiniu <AccessKey>:<Sign>
{
"data": {
"uri": "http://www.qiniu.com/video.mp4"
},
"params": {
"async": <async:bool>,
"vframe": {
"mode": <mode:int>,
"interval": <interval:float>
},
"save": {
"bucket": <bucket:string>,
"prefix": <prefix:string>
},
"hookURL": "http://yy.com/yyy"
},
"ops": [
{
"op": <op:string>,
"params": {
"labels": [
{
"label": <label:string>,
"select": <select:int>,
"score": <score:float>
},
...
]
}
},
...
]
}
注意： 需要在 POST 请求的 head 部分添加七牛鉴权，以进行用户身份验证。
| 参数 | 类型 | 必选 | 说明 |
|---|---|---|---|
vid |
string | 是 | 调用者设置的视频唯一标识，异步处理的返回结果中会带上该信息 |
data.uri |
string | 是 | 视频地址 |
params.async |
boolean | 否 | true是异步处理，false是同步处理，不填则取默认值false |
params.vframe.mode |
int | 否 | 截帧逻辑，可选值为[0, 1]。0表示每隔固定时间截一帧，固定时间在vframe.interval中设定；1表示截关键帧。不填表示取默认值1。 |
params.vframe.interval |
int | 否 | 当params.vframe.mode取0时，用来设置每隔多长时间截一帧，单位s, 取值范围为1～60,不填则取默认值5s |
params.save.bucket |
string | 否 | 保存截帧图片的Bucket名称，目前只支持华东的bucket。如何创建七牛云bucket,请参见文档。 |
params.save.prefix |
string | 否 | 截帧图片名称的前缀，图片名称的格式为<prefix>/<video_id>/<offset> （图片命名格式仅供参考，业务请不要依赖此命名格式） |
params.hookURL |
string | 否 | 视频检测结束后的回调地址 |
ops.op |
string | 是 | 视频检测执行的命令，支持多种视频检测操作。目前，视频鉴黄的命令就是pulp。 |
ops.op.params.labels.label |
string | 否 | 对某个命令返回label进行过滤，必须与ops.op.params.labels.select、ops.op.params.labels.score一起使用。例如，视频鉴黄的命令pulp的label有0色情, 1性感, 2正常。如果设置为label=0和select=2,则返回结果中只返回label=0的片段。注：score 越高，说明属于这一个分类（label）的概率越高。比如色情、性感、正常的label，正常这个label对应的score最高，则说明图片最有可能是正常的。 |
ops.op.params.labels.select |
int | 否 | 对ops.op.params.labels.label中设置的label,设置过滤条件，1表示忽略不选，2表示只选该类别。 |
ops.op.params.labels.score |
float | 否 | 过滤返回label结果的置信度参数，当ops.op.params.labels.select=1时表示忽略不选小于该设置的结果，当select=2时表示只选大于等于该设置的结果 |
响应语法
返回结果按照请求参数params.async分为两种：
params.async == false：实时处理请求，视频鉴黄完成后就返回结果
HTTP/1.1 200 OK
Content-Type: application/json
{
<op:string>: {
"labels": [
{
"label": <label:string>,
"score": <score:float>
},
...
],
"segments": [
{
"offset_begin": <offset:int>,
"offset_end": <offset:int>,
"labels": [
{
"label": <label:string>,
"score": <score:float>
},
...
],
"cuts": [
{
"offset": <offset:int>,
"uri": <uri:string>,
"result": {}
},
...
]
},
...
]
}
}
| 参数 | 类型 | 说明 |
|---|---|---|
op |
string | 视频检测命令 |
op.labels.label |
string | 视频维度的标签，与op.lables.score 成对返回。例如，某个视频进行视频鉴黄处理，视频片断中有若干个标签为0色情和1性感的结果，那么就表示这个视频有0色情和1性感两类标签。 |
op.lables.score |
float | 显示的是op.labels.label这类标签的置信度。这个值取的是该视频中属于这类的所有视频片断的置信度的最大值。 |
op.segments.offset_begin |
int | 视频片段起始的时间位置。 |
op.segments.offset_end |
int | 视频片段结束的时间位置。 |
op.segments.labels.label |
string | 视频片断所属的标签，一个视频片断只会有一个标签。 |
op.segments.labels.score |
float | 视频片断所属标签的置信度。这个值取的是该视频片断中所有帧的置信度的最大值。 |
op.segments.cuts.offset |
int | 视频截帧的时间位置 |
op.segments.cuts.uri |
string | 视频截帧的保存路径 |
op.segments.cuts.result |
interface | 视频截帧得到的图片的检测标签，结果与具体的命令有关。例如，视频鉴黄的命令pulp的标签有0色情, 1性感, 2正常。 |
params.async == true：异步处理请求，立即返回job_id
HTTP/1.1 200 OK
Content-Type: application/json
{
"job": <job_id>
}
| 参数 | 类型 | 必选 | 说明 |
|---|---|---|---|
job_id |
string | 是 | 服务器返回的，唯一标识该视频任务的ID。 |
异步处理的结果
- 异步处理后，获取单个视频鉴黄的结果
请求语法
GET /v1/jobs/video/<job-id> HTTP/1.1
Host: ai.qiniuapi.com
Authorization: Qiniu <AccessKey>:<Sign>
注意： 需要在请求的 head 部分添加七牛鉴权，以进行用户身份验证。
| 参数 | 类型 | 必选 | 说明 |
|---|---|---|---|
job_id |
string | 是 | 服务器返回的，唯一标识该视频任务的ID。 |
响应语法
{
"id": <job_id:string>,
"vid": <string>,
"request": {},
"status": <string>,
"result": {
<op>: {
},
...
},
"error": <string>,
"created_at": <string>,
"updated_at": <string>
}
| 参数 | 类型 | 说明 |
|---|---|---|
id |
string | 服务器返回的，唯一标识该视频任务的ID |
vid |
string | 视频唯一标识，申请任务时传入的vid |
request |
object | 视频分析请求 |
status |
string | 任务状态，WAITING/DOING/RESCHEDULED/FAILED/FINISHED,RESCHEDULED是指等待重试中 |
result |
object | 详细解释见实时处理请求返回结果 |
error |
string | 处理视频的过程中遇到的错误，会返回相应的错误信息，详细解释见错误代码含义 |
created_at |
string | 任务创建时间，like: 2006-01-02T15:03:04 |
updated_at |
string | 任务更新时间，like: 2006-01-02T15:03:04 |
错误代码含义
| Error Code | Error Message | Desc |
|---|---|---|
| 400 | "bad op" | 输入的op值不支持 |
| 400 | "invalid interval, allow mode is [0, 10]" | 输入的vframe的interval值不在[0-10]的范围 |
| 400 | "invalid mode, allow mode is [0, 1]" | 输入的vframe的mode值不在[0-1]的范围 |
| 424 | "cannot find the video" | 找不到输入的视频文件 |
| 400 | "cannot open the file" | 打不开输入的视频文件 |
| 500 | "cannot allow memory" | 发生内存不足等情况 |
异步处理时，获取视频处理任务状态
请求语法
GET /v1/jobs/video?status=<string> HTTP/1.1
Host: ai.qiniuapi.com
Authorization: Qiniu <AccessKey>:<Sign>
注意： 需要在请求的 head 部分添加七牛鉴权，以进行用户身份验证。
| 参数 | 类型 | 必选 | 说明 |
|---|---|---|---|
status |
string | 否 | 任务状态，WAITING/DOING/RESCHEDULED/FAILED/FINISHED,RESCHEDULED是指等待重试中 |
响应语法
[
{
"id": <string>,
"status": <string>,
"created_at": <string>,
"updated_at": <string>
},
...
]
| 参数 | 类型 | 说明 |
|---|---|---|
id |
string | 服务器返回的，唯一标识该视频任务的ID |
status |
string | 任务状态，WAITING/DOING/RESCHEDULED/FAILED/FINISHED,RESCHEDULED是指等待重试中 |
created_at |
string | 任务创建时间，like: 2006-01-02T15:03:04 |
updated_at |
string | 任务更新时间，like: 2006-01-02T15:03:04 |
视频处理的结果回调
- 所有op处理结束后的结果回调
CALLBACK /v1/video/result
请求语法
POST /xxxxx HTTP/1.1
Content-Type: application/json
{
"id": <vid:string>,
"result": {
<op>: {
},
...
}
}
| 参数 | 类型 | 说明 |
|---|---|---|
id |
string | 调用者设置的视频唯一标识 |
result |
object | 详细解释见实时处理请求返回结果 |
请求示例
{
"data": {
"uri": "http://foo.com/foo.mp4"
},
"params": {
"vframe": {
"interval": 5
}
},
"ops": [
{
"op": "pulp",
}
]
}
返回示例
{
"pulp": {
"labels": [{
"label": "2",
"score": 0.9991879
}, {
"label": "0",
"score": 0.49774298
}],
"segments": [{
"offset_begin": 0,
"offset_end": 2233,
"labels": [{
"label": "2",
"score": 0.99896765
}],
"cuts": [{
"offset": 0,
"result": {
"label": 2,
"score": 0.99896765,
"review": false,
"confidences": [{
"index": 2,
"class": "normal",
"score": 0.99896765
}, {
"index": 1,
"class": "sexy",
"score": 0.000120945006
}, {
"index": 0,
"class": "pulp",
"score": 0.000070455964
}]
}
}, {
"offset": 2233,
"result": {
"label": 2,
"score": 0.99812955,
"review": false,
"confidences": [{
"index": 2,
"class": "normal",
"score": 0.99812955
}, {
"index": 0,
"class": "pulp",
"score": 0.00028895753
}, {
"index": 1,
"class": "sexy",
"score": 0.00005779577
}]
}
}]
}, {
"offset_begin": 5300,
"offset_end": 5300,
"labels": [{
"label": "0",
"score": 0.49774298
}],
"cuts": [{
"offset": 5300,
"result": {
"label": 0,
"score": 0.49774298,
"review": true,
"confidences": [{
"index": 0,
"class": "pulp",
"score": 0.49774298
}, {
"index": 2,
"class": "normal",
"score": 0.14850456
}, {
"index": 1,
"class": "sexy",
"score": 0.027909799
}]
}
}]
}, {
"offset_begin": 10800,
"offset_end": 37800,
"labels": [{
"label": "2",
"score": 0.9991879
}],
"cuts": [{
"offset": 10800,
"result": {
"label": 2,
"score": 0.9991879,
"review": false,
"confidences": [{
"index": 2,
"class": "normal",
"score": 0.9991879
}, {
"index": 1,
"class": "sexy",
"score": 0.00008958933
}, {
"index": 0,
"class": "pulp",
"score": 0.000060963135
}]
}
}, {
"offset": 11666,
"result": {
"label": 2,
"score": 0.99494386,
"review": false,
"confidences": [{
"index": 2,
"class": "normal",
"score": 0.99494386
}, {
"index": 0,
"class": "pulp",
"score": 0.00061269634
}, {
"index": 1,
"class": "sexy",
"score": 0.00032472512
}]
}
}, {
"offset": 17466,
"result": {
"label": 2,
"score": 0.9978196,
"review": false,
"confidences": [{
"index": 2,
"class": "normal",
"score": 0.9978196
}, {
"index": 1,
"class": "sexy",
"score": 0.00024165121
}, {
"index": 0,
"class": "pulp",
"score": 0.00016254994
}]
}
}, {
"offset": 23133,
"result": {
"label": 2,
"score": 0.99635637,
"review": false,
"confidences": [{
"index": 2,
"class": "normal",
"score": 0.99635637
}, {
"index": 1,
"class": "sexy",
"score": 0.00047670802
}, {
"index": 0,
"class": "pulp",
"score": 0.00019879821
}]
}
}, {
"offset": 26600,
"result": {
"label": 2,
"score": 0.98734176,
"review": false,
"confidences": [{
"index": 2,
"class": "normal",
"score": 0.98734176
}, {
"index": 1,
"class": "sexy",
"score": 0.002269196
}, {
"index": 0,
"class": "pulp",
"score": 0.00007761171
}]
}
}, {
"offset": 31999,
"result": {
"label": 2,
"score": 0.99583465,
"review": false,
"confidences": [{
"index": 2,
"class": "normal",
"score": 0.99583465
}, {
"index": 1,
"class": "sexy",
"score": 0.00071806915
}, {
"index": 0,
"class": "pulp",
"score": 0.0000541617
}]
}
}, {
"offset": 37800,
"result": {
"label": 2,
"score": 0.99828905,
"review": false,
"confidences": [{
"index": 2,
"class": "normal",
"score": 0.99828905
}, {
"index": 1,
"class": "sexy",
"score": 0.00028825115
}, {
"index": 0,
"class": "pulp",
"score": 0.000028989076
}]
}
}]
}]
}
}
三鉴同时调用的示例
{
"data": {
"uri": "http://os4v3rzk2.bkt.clouddn.com/20180901184507plUL4y.mp4"
},
"params": {
"vframe": {
"interval": 5
}
},
"ops": [
{
"op": "pulp"
},
{
"op": "terror"
},
{
"op": "politician"
}
]
}
三鉴同时调用的返回示例
{
"politician": {
"segments": null
},
"pulp": {
"labels": [{
"label": "2",
"score": 0.9991879
}, {
"label": "0",
"score": 0.49775043
}],
"segments": [{
"offset_begin": 0,
"offset_end": 2233,
"labels": [{
"label": "2",
"score": 0.99896765
}],
"cuts": [{
"offset": 0,
"result": {
"label": 2,
"score": 0.99896765,
"review": false,
"confidences": [{
"index": 2,
"class": "normal",
"score": 0.99896765
}, {
"index": 1,
"class": "sexy",
"score": 0.000120948236
}, {
"index": 0,
"class": "pulp",
"score": 0.00007045435
}]
}
}, {
"offset": 2233,
"result": {
"label": 2,
"score": 0.99812955,
"review": false,
"confidences": [{
"index": 2,
"class": "normal",
"score": 0.99812955
}, {
"index": 0,
"class": "pulp",
"score": 0.00028895302
}, {
"index": 1,
"class": "sexy",
"score": 0.000057794834
}]
}
}]
}, {
"offset_begin": 5300,
"offset_end": 5300,
"labels": [{
"label": "0",
"score": 0.49775043
}],
"cuts": [{
"offset": 5300,
"result": {
"label": 0,
"score": 0.49775043,
"review": true,
"confidences": [{
"index": 0,
"class": "pulp",
"score": 0.49775043
}, {
"index": 2,
"class": "normal",
"score": 0.14849894
}, {
"index": 1,
"class": "sexy",
"score": 0.027908035
}]
}
}]
}, {
"offset_begin": 10800,
"offset_end": 37800,
"labels": [{
"label": "2",
"score": 0.9991879
}],
"cuts": [{
"offset": 10800,
"result": {
"label": 2,
"score": 0.9991879,
"review": false,
"confidences": [{
"index": 2,
"class": "normal",
"score": 0.9991879
}, {
"index": 1,
"class": "sexy",
"score": 0.00008958942
}, {
"index": 0,
"class": "pulp",
"score": 0.000060963186
}]
}
}, {
"offset": 11666,
"result": {
"label": 2,
"score": 0.99494386,
"review": false,
"confidences": [{
"index": 2,
"class": "normal",
"score": 0.99494386
}, {
"index": 0,
"class": "pulp",
"score": 0.00061269663
}, {
"index": 1,
"class": "sexy",
"score": 0.00032472447
}]
}
}, {
"offset": 17466,
"result": {
"label": 2,
"score": 0.9978196,
"review": false,
"confidences": [{
"index": 2,
"class": "normal",
"score": 0.9978196
}, {
"index": 1,
"class": "sexy",
"score": 0.00024165121
}, {
"index": 0,
"class": "pulp",
"score": 0.00016254994
}]
}
}, {
"offset": 23133,
"result": {
"label": 2,
"score": 0.99635637,
"review": false,
"confidences": [{
"index": 2,
"class": "normal",
"score": 0.99635637
}, {
"index": 1,
"class": "sexy",
"score": 0.00047670802
}, {
"index": 0,
"class": "pulp",
"score": 0.00019879821
}]
}
}, {
"offset": 26600,
"result": {
"label": 2,
"score": 0.9873413,
"review": false,
"confidences": [{
"index": 2,
"class": "normal",
"score": 0.9873413
}, {
"index": 1,
"class": "sexy",
"score": 0.002269225
}, {
"index": 0,
"class": "pulp",
"score": 0.000077612145
}]
}
}, {
"offset": 31999,
"result": {
"label": 2,
"score": 0.99583465,
"review": false,
"confidences": [{
"index": 2,
"class": "normal",
"score": 0.99583465
}, {
"index": 1,
"class": "sexy",
"score": 0.00071806915
}, {
"index": 0,
"class": "pulp",
"score": 0.0000541617
}]
}
}, {
"offset": 37800,
"result": {
"label": 2,
"score": 0.99828905,
"review": false,
"confidences": [{
"index": 2,
"class": "normal",
"score": 0.99828905
}, {
"index": 1,
"class": "sexy",
"score": 0.00028824853
}, {
"index": 0,
"class": "pulp",
"score": 0.00002898877
}]
}
}]
}]
},
"terror": {
"labels": [{
"label": "0",
"score": 0.99663216
}, {
"label": "1",
"score": 0.946602
}],
"segments": [{
"offset_begin": 0,
"offset_end": 0,
"labels": [{
"label": "0",
"score": 0.9935556
}],
"cuts": [{
"offset": 0,
"result": {
"label": 0,
"score": 0.9935556,
"review": false
}
}]
}, {
"offset_begin": 2233,
"offset_end": 2233,
"labels": [{
"label": "1",
"score": 0.946602
}],
"cuts": [{
"offset": 2233,
"result": {
"label": 1,
"score": 0.946602,
"review": false
}
}]
}, {
"offset_begin": 5300,
"offset_end": 37800,
"labels": [{
"label": "0",
"score": 0.99663216
}],
"cuts": [{
"offset": 5300,
"result": {
"label": 0,
"score": 0.83630264,
"review": false
}
}, {
"offset": 10800,
"result": {
"label": 0,
"score": 0.5058211,
"review": false
}
}, {
"offset": 11666,
"result": {
"label": 0,
"score": 0.99561405,
"review": false
}
}, {
"offset": 17466,
"result": {
"label": 0,
"score": 0.99663216,
"review": false
}
}, {
"offset": 23133,
"result": {
"label": 0,
"score": 0.95209014,
"review": false
}
}, {
"offset": 26600,
"result": {
"label": 0,
"score": 0.18816724,
"review": false
}
}, {
"offset": 31999,
"result": {
"label": 0,
"score": 0.86865,
"review": false
}
}, {
"offset": 37800,
"result": {
"label": 0,
"score": 0.97071385,
"review": false
}
}]
}]
}
}
价格
视频鉴黄的工作流程如下：
1）按照API里面的设置对视频进行截帧，不额外收费
2）对截帧进行图片鉴黄
所以，视频鉴黄的价格最终还是图片鉴黄的价格，具体价格请参考。
服务价格
视频鉴黄是对视频截帧后，对截帧进行图片鉴黄，所以视频鉴黄价格实际使用的是截帧图片鉴黄的价格，与图片鉴黄共用范围。
例：
某月视频文件使用视频鉴黄服务，视频截帧的数量为400万，即视频鉴黄产生的图片鉴黄量为400万；当月图片文件使用鉴黄服务，其调用量为106万。则这个月总的图片鉴黄调用量为506万，账单金额则为:
图片鉴黄：
3000000*0.155/100+2000000*0.145/100=4650+2900＝7550元
文档反馈
(如有产品使用问题，请 提交工单)
售前 
售后 