[发明专利]融合肤色、人脸和敏感部位检测的不良图像判别方法

说明书

技术领域

本发明属于图像处理技术领域，特别涉及一种融合肤色、人脸和敏感部位检测的不良图像判别方法。

背景技术

当今世界科技发展日新月异，互联网技术的飞速发展更是极大的影响着人类的日常生活。现在的互联网已经覆盖到全世界各个角落，而各种各样的图像，文字，声音信息也通过互联网传播到全世界的各个角落。这些信息中有些为人类的学习、工作和生活提供了巨大的帮助，但有些信息也带来了不良影响，比如色情信息。随着互联网的影响不断扩大，很多不法分子通过互联网技术传播色情信息。近年来，色情网站和色情网页疯狂增长，其中包含了大量的对感官产生强烈刺激的色情图像，这对经常使用互联网的青少年来说有着极坏的影响，不仅影响青少年的身心健康，更诱使青少年犯罪，引起了家长的极大担忧，同时也引起社会与政府的关注。

为了过滤色情图像等网上有害信息，近年来，诸多专家学者以及高校学子，提出了多种网络不良图像和视频的过滤方法。专利200510048577.0中提出了基于不良图像中人体肤色和人体姿态的检测方法，通过检测网络图像肤色暴露程度，分离出网页正常图像和可疑图像，并通过建立姿态检测系统，建立色情标准图像特征库，作为判决图像是否为色情图像的依据，区分出网页正常图像和可疑图像。但缺少对人体局部关键部位的检测，对于某些肤色暴露程度不大但暴露了关键部位的图像，容易出现漏检的情况。兰州大学王申《敏感图像关键部位识别研究》一文中，虽提出了女性乳房的检测方法，但是基于颜色和形状的简单特征，没有发掘出人体关键部位的典型特征，识别误报率较高。杭州电子科技大学周建政《一种基于SVM的网络不良图像过滤方法》一文中，引入机器学习中支持向量机（SVM）算法，提取肤色，人脸，形状等特征，该方法提取了更高层次的特征，并采用了机器学习的方法，提高了检测率并降低了误报率，但没有提出人体关键部位的检测，这对不良图像中没有大面积肤色裸露，但暴露关键部位的色情图像容易产生漏报。南京理工大学候纯《不良图像检测系统的设计与实现》一文中，提出了利用haar特征检测女性胸部和女性下体私处的方法，但是这种方法需要在整幅图像中搜索关键区域与滤波窗口进行匹配，不仅速度较慢，而且准确度也较低。

发明内容

为了克服上述现有技术的缺点，本发明的目的在于提供一种融合肤色、人脸和敏感部位检测的不良图像判别方法，将肤色检测，人脸检测，局部关键部位检测有效结合起来，在提高检测准确度的同时保证了方法的执行速度。

为了实现上述目的，本发明采用的技术方案是：

一种融合肤色、人脸和敏感部位检测的不良图像判别方法，包括如下步骤：

步骤一，建立肤色模型，对图像实现肤色分割，以检测出图像的皮肤区域；

步骤二，对图像的皮肤区域进行人脸检测，提取肤色和人脸特征组成特征向量，利用SVM算法进行训练，得到SVM分类器；

步骤三，针对人体局部关键部位中的女性乳房，提取SIFT特征，利用Adaboost算法进行训练，得到Adaboost分类器；

步骤四，针对人体局部关键部位中的女性下体私处，确定人体躯干区域，利用类haar特征作为模版在人体躯干区域内进行搜索和匹配；

步骤五，在训练样本集上，分别采用SVM分类器，Adaboost分类器和模板匹配的方法对图像进行检测，利用C4.5决策树方法对检测结果进行融合，构建决策树模型，针对测试的不良图像，采用决策树模型进行检测，实现对不良图像的综合判定。

所述步骤一中，肤色模型是在YCbCr颜色空间中构建的高斯肤色模型，运用高斯肤色模型对图像进行肤色分割，得到图像中的肤色区域。

所述步骤二中，人脸检测的方法是：对分割后的二值图像进行连通区域的标记，运用Canny算子对图像进行边缘提取，对得到的图像利用Hough变换检测其中包含的椭圆图形，将这些椭圆作为人脸检测的候选区域，然后运用Adaboost算法训练人脸检测分类器，对所述椭圆的区域进行人脸检测。

所述步骤三中，首先建立女性乳房图片的正样本库和负样本库，然后根据如下步骤提取SIFT特征：

检测尺度空间极值点，获取尺度不变性；

精确定位极值点，去除对比度低于设定值的特征点和不稳定的边缘响应点；

为每个关键点指定方向参数；

生成关键点描述子；

其中所述正样本库中的图片为仅含女性乳房的图片，所述负样本库中的图片为不包含女性乳房的图片。

所述步骤四中，确定人体躯干区域步骤如下：