一种改进的敏感图像过滤方法

针对现有敏感图像过滤方法误检率较高的问题,提出一种结合肤色检测和方向梯度直方图(HOG)人体检测的敏感图像过滤方法。采用HOG特征提取人体目标的特征集,运用支持向量机训练人体检测模型,检验图像中是否存在人体,并结合肤色检测算法判别该图像是否为敏感图像。实验结果表明,该方法能有效检测复杂背景条件下的敏感图像,其精确度为90.2%、查全率为86.3%、误检率为3.5%。     

基于肤色和类Harr特征的人脸图像的人眼检测

人眼检测在表情识别和计算机视觉领域得到了广泛的关注和研究,但是在多数的人眼检测方法中,对于背景较复杂的图像,识别率急速下降,误检率急剧上升。经过研究,使用椭圆肤色模型预处理图像,分割出肤色区域和非肤色区域,检测算法只对肤色区域进行人眼检测,有效降低了复杂背景造成的高误检率。同时特征选取是决定检测算法识别率和误检率等性能标准的关键因素,选取类Harr特征训练Adaboost级联分类器,实验表明了类Harr特征的有效性。     

一种基于HSV颜色分割和模糊级联分类器的人脸检测技术

在复杂背景下的人脸检测技术是当今智能视觉技术中的一项难题。为了提高人脸检测的精度和实时性,降低误检率,基于HSV模型和模糊级联分类器对复杂背景中的人脸检测技术进行研究。首先在HSV模型中对图像进行选择性光线补偿,然后对图像在HSV模型中进行分割,接着用图形学的方法去噪,再将连通的肤色区域构建肤色团块,并且利用人脸的脸部比例特征来剔除不相符的人脸团块,最后利用模糊级联分类器对肤色团块检测人脸。该算法的误检率和漏检率分别为0.1%和5.9%,检测的准确率可以达到94.1%,并且有效提高了检测速度,具有一定的实用价值。实验结果表明,基于HSV肤色检测和模糊级联分类器的算法能更好地处理人脸在较差光线和有阴影干扰的环境下的检测。     

一种基于SVM的网络不良图像过滤方法

针对网络不良图像过滤的需求,提出一种基于SVM的不良图片快速过滤方法。该方法利用混合肤色模型实现裸露肤色区域的检测,提取人脸位置、形状和图像背景等特征,组成特征向量。用SVM分类器训练得到检测模型,利用这个模型进行判决,有效提高了不良图片的平均识别率。选取实际网络应用中的正常图像与不良图像,其中不良图像的识别率为83.9%,正常图像的识别率为93.4%,误检率为6.6%,平均识别率达到86.6%,实验显示该方法满足实际应用的需求。     

基于肤色和AdaBoost算法的人脸检测

本文介绍了一种将肤色信息和AdaBoost算法相结合的人脸检测方法。先用肤色分割法排除掉非肤色区域的干扰,然后用AdaBoost算法训练的分类器对肤色区域进行检测,该方法在保证检测率的同时,大大减少了目标区域的误检率,提高了人脸检测准确率。     

基于级联支持向量机融合多特征的人脸检测

人脸图像中包含丰富的特征信息,不同特征具有其各自的优势。基于此,提出一种基于级联支持向量机有效融合多种特征的人脸检测算法。该算法首先利用肤色模型对待检图像进行预处理,筛选出疑似人脸区域。然后在疑似区域中提取图像的HOG(Histogram of Oriented Gradients)和LBP(Local Binary Patterns)特征,并分别对这两种特征集进行特征选择,训练两个SVM(Support Vector Machine)分类器,最后将两个SVM分类器级联起来实现人脸检测。在多个人脸图像数据库上的实验结果表明,该人脸检测算法提高了人脸检测率,降低了误检率,并且对多种光照条件、姿态、表情以及部分遮挡的情况都具有较好的鲁棒性。     

JPEG图像压缩域上的自适应人体皮肤区域检测算法

快速而准确地检测图像中的人体皮肤区域在人脸检测、敏感图像过滤等应用中有重要价值．为了提高肤色检测的精度和速度,提出了一种在JPEG图像压缩域上的基于自适应闽值的人体皮肤区域检测算法．该算法的优点在于：①检测过程中能根据图像内容自适应地调节检测阈值,有效防止误检和漏检;②无需完全解压缩JPEG图像,直接在DCT系数域上计算每个图像块的颜色和纹理特征,利用颜色和纹理特征来检测图像块是否为人体皮肤．与现有肤色检测算法的对比实验表明我们的方法具有很好的准确性和很快的速度．     

基于肤色分割和AdaBoost算法的彩色图像的人脸检测

文章提出了肤色分割和AdaBoost算法结合的人脸检测算法。首先,对彩色图像进行肤色分割,通过人脸肤色的统计特征得到候选人脸区域：然后,基于AdaBoost算法,使用由强分类器组成的级联分类器对候选人脸区域进行扫描,最终得到精确定位的人脸。实验证明,该方法具有肤色检测快速和AdaBoost算法误检率低的优点,可以有效的运用于多姿态、多人脸和复杂背景的情况。     

基于肤色和AdaBoost算法的彩色人脸图像检测

针对肤色检测对复杂背景下的图像误检率高和AdaBoost算法对多姿态、多人脸图像检测效果不理想的问题,将基于肤色的人脸检测与基于AdaBoost算法的人脸检测结合起来,提出一种新的人脸检测方法,即首先利用肤色和形态学操作分割肤色区域,再根据人脸区域的统计特性筛选出人脸候选区域,然后用AdaBoost级联分类器对候选区域扫描,以精确定位人脸.实验表明,该方法同时具有肤色检测正确率高与AdaBoost算法误检率低的优点,可以有效地运用于多姿态、多人脸和复杂背景的情况,具有较好的检测效果.     

敏感图片自动检测系统的研究

设计并实现了一个敏感图片自动识别系统。该系统首先利用肤色模型从敏感图片中检测出肤色区域,再从图片肤色区域中,提取大量经验特征表示图像内容,然后采用Haar特征算法设计一个检测敏感部位对象的分类器,最后通过敏感部位的几何特征逐级识别正常图片与敏感图片。该检测系统具有良好的系统性能。     

基于高层语义视觉词袋的色情图像过滤模型

针对目前色情图像过滤算法对比基尼图像和类肤色图像误检率过高,且不能有效过滤带有淫秽动作的多人色情图像的缺点,提出一种基于高层语义视觉词袋的色情图像过滤模型。该模型首先通过改进的SURF算法提取色情场景局部特征点,然后融合视觉单词的上下文和空间相关高层语义特征,从而构建色情图像的高层语义词典。实验结果表明,该模型检测带有淫秽动作的多人色情图像准确率可达87.6%,明显高于现有的视觉词袋色情图像过滤算法。     

Fine-Grained Pornographic Image Recognition with Multi-Instance Learning

Image has become an essential medium for expressing meaning and disseminating information. Many images are uploaded to the Internet, among which some are pornographic, causing adverse effects on public psychological health. To create a clean and positive Internet environment, network enforcement agencies need an automatic and efficient pornographic image recognition tool. Previous studies on pornographic images mainly rely on convolutional neural networks (CNN). Because of CNN’s many parameters, they must rely on a large labeled training dataset, which takes work to build. To reduce the effect of the database on the recognition performance of pornographic images, many researchers view pornographic image recognition as a binary classification task. In actual application, when faced with pornographic images of various features, the performance and recognition accuracy of the network model often decrease. In addition, the pornographic content in images usually lies in several small-sized local regions, which are not a large proportion of the image. CNN, this kind of strong supervised learning method, usually cannot automatically focus on the pornographic area of the image, thus affecting the recognition accuracy of pornographic images. This paper established an image dataset with seven classes by crawling pornographic websites and Baidu Image Library. A weakly supervised pornographic image recognition method based on multiple instance learning (MIL) is proposed. The Squeeze and Extraction (SE) module is introduced in the feature extraction to strengthen the critical information and weaken the influence of non-key and useless information on the result of pornographic image recognition. To meet the requirements of the pooling layer operation in Multiple Instance Learning, we introduced the idea of an attention mechanism to weight and average instances. The experimental results show that the proposed method has better accuracy and F1 scores than other methods.     

基于目标区域的敏感图像特征提取

针对互联网中色情图像传播愈来愈严重的现象,在充分分析色情图像的特征和图像分块处理的基础上,提出了目标区域分割算法。该方法能够有效地提取网络色情图像的特征,具有较高的实用性和研究价值。     

基于比例特征的网络不良图像过滤算法研究

目前对网络不良图像进行过滤的方法中,裸露肤色比依然是常被利用的数据,但是其存在一些缺陷,如伪肤色的干扰、非关键区域肤色的干扰、整体裸露肤色比有时候不与裸露程度呈正相关等。本算法利用人体肤色的一致性和人体结构特点,计算了以下三个比例特征作为判决依据——人脸尺寸占比、用人脸肤色数据改进肤色模型后的整体裸露肤色比及人体关键区域的裸露肤色比,有效地解决了上述问题;同时,对人脸检测增加了合适的旋转图像的处理过程,使其对于倾斜很大的人脸也能较好地检测。经过测试,算法的识别率达到91.5%,基本能满足实际应用的需求。     

Color pornographic image detection based on color-saliency preserved mixture deformable part model

To utilize the rich semantic information of sexual organs, we propose a new framework for pornographic image detection based on sexual organ detectors. Traditional sexual organ detectors are built on shape features. Since the color distribution of sexual organ in same pose is consistent, color is an important visual clue to represent sexual organs. We use color attribute to describe the local color of sexual organs and concatenate it with histogram of oriented gradients based shape feature to represent sexual organs. Based on the concatenated feature, we train sexual organ detectors by the color-saliency preserved mixture deformable part model (CPMDPM). We detect pornographic images sequentially with sexual organ detectors. In experiments, the optimal part number of the deformable part model is chosen experimentally. We evaluate the performance of each CPMDPM based sexual organ detector, which is superior over the shape feature based detector. The proposed pornographic detection method is superior over methods based on low level features of skin regions, bag of words model and color incorporated SIFT features etc.     

基于D-S证据理论的邮件筛选方法

针对目前色情邮件筛选中只针对邮件的文本内容进行过滤的不足，考虑邮件的文本和附件中所携带的图片信息，提出了一种基于证据理论的色情邮件的筛选方法。新方法分别使用一个色情图片检测器和一个文本分类器分别对邮件的附件及其内容进行初判别，然后将两个检测器的判别结果作为证据，使用D-S理论融合两个检测器的输出得到最后的判别结果。实验表明，该方法能有效地提高色情邮件的识别率。     

基于纹理的皮肤检测

实时敏感图像检测可以有效地控制国际互连网中的色情图像传播。它的检测手段主要是对皮肤区域进行辨识,而皮肤纹理检测又是皮肤区域辨识中的重要内容。该文采用基于DCT变换和Gabor小波变换两种方法进行皮肤纹理的特征提取,提取的特征作为高斯混合模型(GMM)输入向量,然后通过GMM进行皮肤纹理检测。实验是在360幅敏感图像以及2400幅经过分类的非敏感图像的测试集进行,结果表明基于Gabor小波变换的皮肤纹理检测取得了比基于DCT变换更好的效果,其正检率可以达到95%。     

基于内容的特定图像过滤方法

针对互联网中色情图像传播愈来愈严重的现象,在充分分析色情图像的特征的基础上,提出基于计算机视觉与模式识别的图像过滤方法,该方法将人体肤色模型、面部模型以及图像轮廓、面积等多项图像特征识别技术相结合,实现网络色情图像识别过滤。该过滤方法,能够有效地过滤掉网络色情图像,实验结果表明,该方法能够达到80％以上的准确率,具有较高的实用性和应用价值。     

基于直觉模糊——神经网络的色情图像识别算法

网络中色情图像的传播严重影响了网络信息内容的安全性。为提高色情图像识别的准确度,提出了一种直觉模糊理论和FP（Forward Propagation）神经网络相结合的色情图像识别算法。算法以颜色直方图为底层特征,根据色情图像颜色分布情况,由模糊理论和直觉模糊理论共同构建图像特征矩阵;采用FP网络实现色情图像特征训练过程,其中特征矩阵的权重通过反向传播神经网络训练得到,以加权距离建立球形邻域半径;最后通过球形邻域覆盖情况识别色情图像。实验结果表明,该算法能够在不影响识别速率的前提下,有效的提高识别准确度。