基于感興趣區(qū)域檢測的網絡不良圖片識別研究.pdf

1、互聯(lián)網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，主要針對網絡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，從皮膚檢測的結果中提取與膚色相關的一些信息，如膚色像素所占面積比例等，再結合皮膚的顏色、紋理、形狀等特征進行分類。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。
　　我們在總結了已有方法不足的基礎上，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的軀干區(qū)域，結合此興趣區(qū)域和SIFT特征訓練高斯混合模型，獲取具有判別力的Fisher向量，再利用SVM學習算法訓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的位置有一定的偏移。為了克服這一缺點，我們進一步提出了一種自適應的算法，即根據軀干檢測器輸出的置信度自適應的選擇多個軀干候選區(qū)域，并通過集成多個區(qū)域的判別結果來得到最終結果。
　　此外，為了訓練基于軀干的SVM分類器和驗證算法的有效性，本文通過互聯(lián)網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)模數據集，并對色情部位進行了標注，標注信息可用于自動生成訓練數據。本文提出的基于軀干的自適應分類算法