基于感興趣區(qū)域檢測的網(wǎng)絡(luò)不良圖片識別研究.pdf

1、互聯(lián)網(wǎng)中色情圖片傳播泛濫，對其自動識別與過濾越來越重要。在本課題中，主要針對網(wǎng)絡(luò)上常見的單人色情寫真類圖片，提出了基于感興趣區(qū)域（Regions of Interest,ROIs）檢測的不良圖片識別算法。
　　傳統(tǒng)的不良圖像檢測算法主要將人體皮膚部分作為感興趣區(qū)域，從皮膚檢測的結(jié)果中提取與膚色相關(guān)的一些信息，如膚色像素所占面積比例等，再結(jié)合皮膚的顏色、紋理、形狀等特征進(jìn)行分類。這種方法雖然簡單直觀，但是在保證較高正檢率的前提下，往

2、往誤檢率也往往較高，尤其對于類如泳裝模特等裸露較多的正常圖片，效果不甚理想。
　　我們在總結(jié)了已有方法不足的基礎(chǔ)上，提出了將人體軀干部位作為感興趣區(qū)域的不良圖片檢測方法。首先使用基于Poselet姿態(tài)部件的人體軀干檢測方法定位出與色情信息密切相關(guān)的軀干區(qū)域，結(jié)合此興趣區(qū)域和SIFT特征訓(xùn)練高斯混合模型，獲取具有判別力的Fisher向量，再利用SVM學(xué)習(xí)算法訓(xùn)練得到裸露胸部的分類器。然而，由于人體外觀變化很大，軀干檢測器輸出的置信度

3、最大的位置往往較軀干真實(shí)的位置有一定的偏移。為了克服這一缺點(diǎn)，我們進(jìn)一步提出了一種自適應(yīng)的算法，即根據(jù)軀干檢測器輸出的置信度自適應(yīng)的選擇多個軀干候選區(qū)域，并通過集成多個區(qū)域的判別結(jié)果來得到最終結(jié)果。
　　此外，為了訓(xùn)練基于軀干的SVM分類器和驗(yàn)證算法的有效性，本文通過互聯(lián)網(wǎng)下載的方式收集了一個包含30,000幅單人色情寫真圖片的大規(guī)模數(shù)據(jù)集，并對色情部位進(jìn)行了標(biāo)注，標(biāo)注信息可用于自動生成訓(xùn)練數(shù)據(jù)。本文提出的基于軀干的自適應(yīng)分類算法