基于权重策略的不良图像识别

针对网络上不良图像泛滥问题,在人脸检测、肤色检测、图片纹理等分析方法的基础上,提出基于权重的不良图像识别的新方法。首先,选取合适的颜色空间;然后,对肤色区域的纹理信息进行提取;最后,采取特征权重策略,应用支持向量机方法对网络上搜集的不良图像和正常图片的相应特征进行训练与分类。研究结果表明:该方法对不良图像识别正确率达88.85%,正常图片识别正确率为86.70%,能应用于实际软件系统中对不良图像进行过滤。

基于YCgCr颜色空间的不良图像肤色检测

针对目前互联网图像内容过滤系统识别率低的情况,提出了一种基于YCgCr空间的不良图像肤色检测方法。首先检测图像中可能存在的人脸区域,利用人脸肤色像素来检测获得人体肤色,其次对不含人脸图像,则利用离线构建的肤色模型来实现肤色检测。实验结果证明,在不同光照以及复杂背景下,该算法能够较好地提高不良图像的肤色检测率和背景检测率。

融合YCbCr肤色分割的不良图像检测算法研究

针对当今互联网存在大量不良图像信息,严重影响青少年身心健康发展的问题,文中提出了人脸检测结合YCb Cr肤色分割的基于肤色比例判断模型的不良图像的检测方法。首先基于Open CV人脸检测,筛查出存在人脸的图像;然后通过提取人脸肤色特征,实现基于YCb Cr线性运算准确分割图像肤色区域;最后通过建立肤色比例权重模型,计算肤色面积所占比例,从而判断图像是否存在不良信息。选取正常和不良图像样本进行实验,不良图像检测率达到90%以上,正常图像的检测率达到91%,表明文中检测结构算法能够排除各种复杂背景下的干扰,应用在互联网不良图像检测上达到了良好的效果。