基于人体关键部位检测的网上敏感图片过滤技术研究

随着网络技术的不断发展,因特网成为主要的信息来源之一。在因特网广泛使用的同时,大量的色情图像也被非法的传播。虽然人们已经采取了一定措施对网络敏感图像进行过滤,但是这些过滤方法主要基于图像的文本信息或者IP地址,缺乏动态性和实时性。因此运用基于内容的敏感图像过滤技术成为一个迫切需要解决的课题。 传统的基于内容的图像检测算法主要根据图像中与肤色面积相关的一些特征进行分类,如肤色总面积比例、最大肤色连通域面积比例等。然而,这种方法虽然简单快捷,但是在保证较高正检率的前提下,其误检率往往较高,效果不甚理想。而本文针对以往算法单纯依据肤色特征分类的一些不足,提出了一种在人脸信息提取和人体躯干定位的基础上,动态地检测肤色,而后对敏感部位进行识别的图像过滤方法。同时,本文利用一个简单快速的决策树分类器,将传统算法与新提出的方法相结合,构建了一个多层次的敏感图像分类系统。实验结果表明,该敏感图像检测系统能够达到较高的正检率。并且和以往的方法相比,该系统又大大降低了误检率。经实验,在对266幅裸露较多的人体图像的检测中,新方法降低了近20%的误检率,达到了37.97%。同时在对193幅敏感人体图像的检测中,该方法提升了约15%的正检率,达到了80.31%。而在对1259幅非敏感图像的检测中,该方法总正检率达到了81.70%。