CN101763502A - 一种高效的敏感图像检测方法及其系统 - Google Patents

Abstract

本发明公开一种高效的敏感图像的检测方法及其系统，包括：收集敏感图像样本和正常图像样本建立训练集并提取兴趣点，结合肤色模型对兴趣点进行过滤，去掉或保留与肤色无关或相关的兴趣点，提取兴趣点处的局部不变量特征并进行聚类，建立数据驱动的树形金字塔模型，在此基础上针对每一幅图像提取多分辨率直方图特征；采用金字塔匹配算法计算任意两幅图像的相似度，并生成核函数矩阵；利用得到的核函数矩阵对支持向量机分类器进行训练，得到分类器参数，并对新图像样本进行检测，判定其是否为敏感图像。本发明可以高效的对互联网上的敏感图像进行检测并过滤，使广大青少年在享受互联网所带来的便利同时免受不良信息的毒害。

Description

一种高效的敏感图像检测方法及其系统

技术领域

本发明涉及计算机应用技术领域，特别涉及一种敏感图像的检测方法及其系统。

背景技术

随着互联网和多媒体技术的飞速发展，人们现在可以足不出户地获取各种所需要的信息：听音乐、看电影、聊天、购物......，然而在给人们带来各种便利的同时，各种敏感信息也开始充斥网络，网络成了色情信息传播的温床。据统计，目前互联网上的色情网站超过3.7亿个，每天大约有两万张新的色情照片流入互联网。在广大网民当中，青少年网民的自控能力较差，在青少年犯罪当中，有近80％的人受到过网络不良信息的诱惑。为了帮助青少年网民免遭不良信息的侵蚀，降低他们走上犯罪道路的几率，开发高效的敏感信息过滤算法，从技术上将这些有害信息拦截在青少年获取它们之前，就显得尤为必要。

在敏感信息过滤领域，过滤文字性内容显得相对较为容易，当前的算法过滤效率基本上都能达到99％以上，但对图像的过滤则比较困难，过滤效率一般都徘徊在90％以下。

发明内容

(一)要解决的技术问题

有鉴于此，本发明的主要目的是提供一种高效的敏感图像的检测方法，使广大青少年在享受互联网所带来的便利同时免受不良信息的毒害。

(二)技术方案

为达到上述目的，本发明提供了一种高效的敏感图像的检测方法，该方法包括：

收集敏感图像样本和正常图像样本建立训练集；

在训练集图像上提取兴趣点，并结合肤色模型对兴趣点进行过滤，去掉与肤色无关的兴趣点，保留肤色相关兴趣点，并提取肤色兴趣点处的局部不变量特征；

对得到的肤色相关局部不变量特征进行聚类，建立数据驱动的树形金字塔模型，在此基础上针对每一幅图像提取多分辨率直方图特征；

采用金字塔匹配算法计算任意两幅图像的相似度，并生成核函数矩阵；

利用得到的核函数矩阵对支持向量机分类器进行训练，得到分类器参数，并对新图像样本进行检测，判定其是否为敏感图像。

为达到上述目的，本发明提供了一种高效的敏感图像的检测系统，该系统包括：

肤色检测模块，用于检测给定原始图像的像素是否为人体的肤色像素；

图像局部特征提取模块与肤色检测模块连接，用于接收原始图像，并提取肤色兴趣点处的局部不变量特征；

图像整体特征提取模块与图像局部特征提取模块连接，接收原始图像肤色兴趣点处的局部不变量特征并进行聚类，用于提取原始图像多分辨率直方图特征；

分类模块与图像整体特征提取模块连接，用于接收图像整体特征提取模块输出的多分辨率直方图特征，获得图像分类结果。

(三)有益效果

从上述技术方案可以看出，本发明具有以下优点：

1、本发明提供的这种敏感图像的检测方法，由于兴趣点的选择方法多种多样，兴趣点处局部特征的选择也很灵活，使得如果今后出现了更为快速鲁棒的兴趣点检测方法及兴趣点处局部特征的提取方法，可以轻而易举地添加到本系统中，从而进一步提升系统的性能。

2、由于在图像上直接提取到的兴趣点数量往往非常大，包含了复杂的背景信息，这些背景信息的存在不仅会对后续的处理带来非常严重的干扰，降低分类的准确率，而且还极大地延长了图像处理的速度。本发明提供的这种敏感图像的检测方法，由于采用了肤色模型对兴趣点进行了过滤，大大减少了背景信息对分类过程的干扰，使得提取到的特征更具针对性，可以显著提高分类的准确度。同时由于每幅图像经过滤后所提的局部特征数量大幅减少，也极大的加快了图像处理的速度。

附图说明

图1为本发明的肤色像素点检测、兴趣点检测及过滤示例；

图2为本发明所采用的数据驱动的树形金字塔示意图；

图3为本发明提供的敏感图像检测方法的流程图。

图4为本发明提供的兴趣点过滤方法示意图

图5为本发明提供系统模块构成图

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。

本发明的执行环境采用一台具有3.0G赫兹中央处理器和2G字节内存的奔腾4计算机并用C++语言编制了高效的敏感图像的检测方法的算法程序，实现了本发明高效的敏感图像的检测系统，还可以采用其他的执行环境，在此不再赘述。

本发明的系统由以下四个模块组构成，如图5所示：

一、肤色检测模块1，该模块为一独立模块，该模块的主要功能是检测原始图像(如图1(a)示出)中每一个像素是否为人体的肤色。

二、图像局部特征提取模块2，用于接收原始图像，该模块的主要功能是检测图像中的兴趣点，并接收肤色检测模块1的检测人体肤色结果，并结合肤色检测模块1的肤色模型对检测到的兴趣点进行过滤，去掉与肤色无关的兴趣点，保留肤色相关兴趣点，并提取兴趣点处的局部不变量特征。

三、图像整体特征提取模块3与图像局部特征提取模块2连接，该模块的主要功能是对得到的肤色相关局部不变量特征进行聚类，建立数据驱动的树形金字塔模型，在此基础上针对每一幅图像提取多分辨率直方图特征。

四、分类模块4与图像整体特征提取模块3连接，用于接收图像整体特征提取模块3输出的多分辨率直方图特征，并采用金字塔匹配算法计算任意两幅图像的相似度，生成核函数矩阵，并将其分为训练集和测试集两部分，利用训练集对支持向量机分类器进行训练，得到分类器参数，利用训练好的支持向量机分类器模型对测试集分类，并输出分类结果。

所述图像局部特征提取模块2包括：兴趣点检测单元21、肤色相关兴趣点单元22和肤色相关局部特征单元23，其中：兴趣点检测单元21检测原始图像中的兴趣点；肤色相关兴趣点单元22接收兴趣点检测单元21输出的兴趣点和肤色检测模块1的检测结果，对兴趣点进行过滤，去掉与肤色无关的兴趣点，保留肤色相关兴趣点；肤色相关局部特征单元23接收肤色相关兴趣点单22元输出的肤色相关兴趣点，用于生成肤色相关局部特征。

所述图像整体特征提取模块3包括：树形金字塔模型单元31和多分辨率直方图特征单元32，其中：树形金字塔模型单元31，接收肤色相关局部特征单元23的肤色相关局部特征，利用多层k均值聚类算法生成数据驱动的树形金字塔模型；多分辨率直方图特征单元32，利用树形金字塔模型单元生成每一幅图像的多分辨率直方图特征。

所述分类模块4包括：核函数矩阵单元41、支持向量机分类器单元42，其中：核函数矩阵单元41接收图像整体特征提取模块3输出的多分辨率直方图特征，利用金字塔匹配算法计算任意两幅图像的相似度，并生成核函数矩阵；支持向量机分类器单元42，接收核函数矩阵单元41的核函数矩阵，并将其分为训练集和测试集两部分，利用训练集对支持向量机分类器进行训练，得到分类器参数，利用训练好的支持向量机分类器模型对测试集分类，并输出分类结果。

下面结合图3，详细给出本发明技术方案中所涉及的各个步骤细节问题的说明。

步骤301：收集敏感图像样本和正常图像样本建立训练集；此步骤应尽可能多地收集具有代表性的敏感图像样本和正常图像样本，使所建立的训练集具有广泛的代表性。

步骤302：在训练集图像上提取兴趣点，并结合肤色模型对兴趣点进行过滤，去掉与肤色无关的兴趣点，保留肤色相关兴趣点，并提取兴趣点处的局部不变量特征；

兴趣点的提取方法可以有很多选择，如：哈里斯角点(Harris)、哈里斯-拉普拉斯兴趣点(Harris Laplace)、黑森-拉普拉斯兴趣点(HessianLaplace)、哈里斯-仿射变换兴趣点(Harris Affine)、黑森-仿射变换兴趣点(Hessian_Affine)、最大稳定极值区域兴趣点(Maximally StableExtremal Regions，MSER)、快速鲁棒特征兴趣点(Speeded Up RobustFeatures，SURF)以及网格点(Grid)等。图1(c)给出了在图像上提取快速鲁棒特征(SURF)兴趣点的示意图。

由图1(c)可以看出，图像上所提的兴趣点数量往往非常大，包含了复杂的背景信息，这些背景信息的存在会对我们后续的处理带来非常严重的干扰。由于色情图像中最为稳定的特征就是人体的肤色，至于背景或者人身上的衣物等则千差万别，我们考虑首先对人体的肤色进行建模，这里我们采用了在亮度-色调-饱和度(YCrCb)色彩空间进行混合高斯建模的方法。

首先收集一定量的肤色图像样本作为训练集，读入图像数据并按如下公式将数据由红-绿-蓝(RGB)空间转换到YCrCb空间：

Y＝0.299*R+0.587*G+0.114*B

Cr＝(R-Y)*0.713+128                  (1)

Cb＝(B-Y)*0.564+128

由于亮度Y对光照较为敏感，不同光照条件下同一肤色会有较大的数值变化，我们这里去掉亮度Y分量，仅采用色调Cr分量和饱和度Cb分量来描述每一个像素点。因此对于每一个肤色像素点x(维数d＝2)，采用混合高斯模型描述其分布为：

$p(x;{\mathrm{\μ}}_k,{\mathrm{\Σ}}_k,{\mathrm{\π}}_k)=\underset{k=1}{\overset{m}{\mathrm{\Σ}}}{\mathrm{\π}}_k{p}_k\left(x\right),$ π_k≥0， $\underset{k=1}{\overset{m}{\mathrm{\Σ}}}{\mathrm{\π}}_k=1,---\left(2\right)$

$p_k\left(x\right)=\frac{1}{\sqrt{{\left(2\mathrm{\π}\right)}^{d/2}{\left|{\mathrm{\Σ}}_k\right|}^{1/2}}}\exp \{-\frac{1}{2}{(x-{\mathrm{\μ}}_k)}^T{\mathrm{\Σ}}_k^{-1}(x-{\mathrm{\μ}}_k)\},---\left(3\right)$

其中m是混合高斯的个数，P_k是高斯分布密度函数，μ_k为高斯中心，∑_k为协方差矩阵，π_k是第k个高斯的权重。我们采用期望最大算法(EM算法)求取上述混合高斯模型各参数的最大似然估计。

给定高斯个数m和样本集{x_i，i＝1...N}，有：

$L(x,\mathrm{\θ})=\log p(x,\mathrm{\θ})=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\log \left(\underset{k=1}{\overset{m}{\mathrm{\Σ}}}{\mathrm{\π}}_k{p}_k\left(x\right)\right)\→\underset{\mathrm{\θ}\∈\mathrm{\Θ}}{\max }---\left(4\right)$

$\mathrm{\Θ}=\{({\mathrm{\μ}}_k,{\mathrm{\Σ}}_k,{\mathrm{\π}}_k):{\mathrm{\μ}}_k\∈R^d,{\mathrm{\Σ}}_k={\mathrm{\Σ}}_k^T>0,{\mathrm{\Σ}}_k\∈R^{d\×d},{\mathrm{\π}}_k\≥0,\underset{k=1}{\overset{m}{\mathrm{\Σ}}}{\mathrm{\π}}_k=1\}---\left(5\right)$

期望最大算法提供了一种迭代估计参数Θ的方法，它包括求期望阶段(E阶段)和最大化阶段(M阶段)。

在求期望阶段：

${\mathrm{\α}}_{\mathrm{ki}}=\frac{{\mathrm{\π}}_k{p}_k(x;{\mathrm{\μ}}_k,{\mathrm{\Σ}}_k)}{\underset{j=1}{\overset{m}{\mathrm{\Σ}}}{\mathrm{\π}}_j{p}_k(x;{\mathrm{\μ}}_j,{\mathrm{\Σ}}_j)}---\left(6\right)$

其中，α_ki为样本i在当前的参数估计下，属于第k个高斯的概率。在最大化阶段：

${\mathrm{\π}}_k=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{\α}}_{\mathrm{ki}},$ ${\mathrm{\μ}}_k=\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{\α}}_{\mathrm{ki}}{x}_i}{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{\α}}_{\mathrm{ki}}},$ ${\mathrm{\Σ}}_k=\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{\α}}_{\mathrm{ki}}(x_i-{\mathrm{\μ}}_k){(x_i-{\mathrm{\μ}}_k)}^T}{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{\α}}_{\mathrm{ki}}}---\left(7\right)$

当相邻两次迭代的目标函数之差的绝对值小于某一设定值时，迭代收敛，得到混合高斯模型参数的一组估计值。

空间中两个点x，y的马氏距离定义为：

$d=(x,y)=\sqrt{{(x-y)}^T{\mathrm{\Σ}}^{-1}(x-y)}---\left(8\right)$

当图像中某一像素点与上述训练得到的混合高斯模型各高斯中心的马氏距离的最小值d_m小于某一设定阈值T时，该像素被视为肤色像素。图1(b)给出了采用该模型进行肤色检测结果的示例。

在得到了肤色模型之后，如图4示出，我们采用如下方法对图像中检测到的兴趣点进行过滤；首先获得兴趣点的坐标x，y和其尺度s，再以点(x，y)为中心，再以点(x，y)为中心，上下左右四个方向尺度s距离内的矩形区域中检测肤色像素点的数量，若矩形区域中肤色点的比例超过设定阈值，则该兴趣点被认为是肤色相关兴趣点，则保留肤色相关兴趣点；反之，该兴趣点被认为是肤色无关兴趣点，则舍弃肤色无关兴趣点。图1(d)肤色相关兴趣点给出了该过程的一个示例。

接下来提取肤色相关兴趣点处的局部图像特征，可供选择的局部特征提取方法有：尺度不变量特征(Scale Invariant Feature Transform，SIFT)、快速鲁棒特征(Speeded Up Robust Features，SURF)、以及形状上下文描述特征(Shape Context，SC)等。

步骤303：对得到的肤色相关局部不变量特征进行聚类，建立数据驱动的树形金字塔模型(Vocabulary-Guided Pyramid)，在此基础上针对每一幅图像提取多分辨率直方图特征；

为了提取图像的多分辨率直方图特征，首先需要建立一个树形金字塔结构，并且期望直方图各柄(bin)位置能够反映出数据在空间中的真实分布，此即数据驱动的含义。为此，采用多层k均值聚类算法来实现，聚类过程需要两个参数，即树的深度L和每层的分支数k。聚类开始时，空间中的数据点首先被聚到k个高层的类中，之后，在每一个类中这一过程被迭代地重复L-1次，在树的第i层，含有kⁱ个柄，每个柄都有不同的大小和形状，图2给出了该过程的一个示意图。树形金字塔结构建立后，图像中提取得到的局部特征点在金字塔中的位置通过其与各层k个柄中心的距离决定，距离最近的柄直方图计数增加1。接下来这个特征点被推到树的下一层在更高一级的分辨率上重复这一过程直到树的叶子节点为止，当一幅图像中所有的局部特征点都完成了这一过程，该图像的多分辨率直方图特征便提取完毕。

一幅图像的局部特征点集合X，其多分辨率直方图特征表示为：

Ψ(X)＝[H₀(X)，...，H_L-1(X)]，其中H_i(X)是一个kⁱ维的直方图，其中，0≤i＜L。

步骤304：采用金字塔匹配算法计算任意两幅图像的相似度，并生成核函数矩阵；

给定两幅图像的多分辨率直方图特征集合X，Y，采用如下的金字塔匹配算法它们的相似度：

$C(\mathrm{\Ψ}\left(X\right),\mathrm{\Ψ}\left(Y\right))=\underset{i=0}{\overset{L-1}{\mathrm{\Σ}}}\underset{j=1}{\overset{k^i}{\mathrm{\Σ}}}{\mathrm{\ω}}_{\mathrm{ij}}[\min (n_{\mathrm{ij}}\left(X\right),n_{\mathrm{ij}}\left(Y\right))-\underset{h=1}{\overset{k}{\mathrm{\Σ}}}\min (c_h\left(n_{\mathrm{ij}}\left(X\right)\right),c_h\left(n_{\mathrm{ij}}\left(Y\right)\right))]---\left(9\right)$

式中：

X，Y为两幅图像的多分辨率直方图特征集合；

n_ij(X)和n_ij(Y)分别代表落入直方图H_i(X)和H_i(Y)的第j个节点中的特征点数目；

c_h(n_ij(X))和c_h(n_ij(X))分别代表落入直方图H_i(X)和H_i(Y)的第j个节点的第h个子节点的特征点数目。L、k、i、j、h为自然数

ω_ij＝d_ij(X)+d_ij(Y)是一个权值，表示直方图H_i(X)和H_i(Y)的第j个节点中任一特征点距离节点中心最远距离之和。

步骤305：将得到的核函数矩阵分为训练集和测试集两部分，利用训练集对支持向量机分类器进行训练，得到分类器参数，利用训练好的支持向量机分类器模型对测试集分类，并输出分类结果。

以上所述，仅为本发明中的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉该技术的人在本发明所揭露的技术范围内，可理解想到的变换或替换，都应涵盖在本发明的包含范围之内，因此，本发明的保护范围应该以权利要求书的保护范围为准。

Claims (12)

1.一种敏感图像的检测方法，其特征在于，该方法包括：

步骤1：收集敏感图像样本和正常图像样本建立训练集；

步骤2：在训练集图像上提取兴趣点，并结合肤色模型对兴趣点进行过滤，去掉与肤色无关的兴趣点，保留肤色相关兴趣点，并提取肤色兴趣点处的局部不变量特征；

步骤3：对得到的肤色相关局部不变量特征进行聚类，建立数据驱动的树形金字塔模型，在此基础上针对每一幅图像提取多分辨率直方图特征；

步骤4：采用金字塔匹配算法计算任意两幅图像的相似度，并生成核函数矩阵；

步骤5：利用得到的核函数矩阵对支持向量机分类器进行训练，得到分类器参数，并对新图像样本进行检测，判定其是否为敏感图像。

2.根据权利要求1所述的敏感图像的检测方法，其特征在于，所述收集敏感图像样本，是收集具有代表性敏感特征的敏感图像样本和正常图像样本，建立具有广泛的敏感特征代表性的训练集。

3.根据权利要求1所述的敏感图像的检测方法，其特征在于，所述的图像兴趣点提取方法包括：采用哈里斯角点、哈里斯-拉普拉斯兴趣点、黑森-拉普拉斯兴趣点、哈里斯-仿射变换兴趣点、黑森-仿射变换兴趣点、最大稳定极值区域兴趣点、快速鲁棒特征兴趣点或网格点。

4.根据权利要求1所述的敏感图像的检测方法，其特征在于，建立所述肤色模型是采用在亮度-色调-饱和度色彩空间进行混合高斯建模。

5.根据权利要求1所述的敏感图像的检测方法，其特征在于，所述的结合肤色模型对兴趣点进行过滤方法为：首先获得兴趣点的坐标x，y和其尺度s，再以点(x，y)为中心，上下左右四个方向尺度s距离内的矩形区域中检测肤色像素点的数量，若矩形区域中肤色点的比例超过设定阈值，则该兴趣点被认为是肤色相关兴趣点，则保留肤色相关兴趣点；反之，则该兴趣点被认为是肤色无关兴趣点，则舍弃肤色无关兴趣点。

6.根据权利要求1所述的敏感图像的检测方法，其特征在于，所述的提取兴趣点处的局部不变量特征包括尺度不变量特征、快速鲁棒特征、或形状上下文描述特征。

7.根据权利要求1所述的敏感图像的检测方法，其特征在于，所述的金字塔匹配算法采用以下公式：

$C(\mathrm{\Ψ}\left(X\right),\mathrm{\Ψ}\left(Y\right))=\underset{i=0}{\overset{L-1}{\mathrm{\Σ}}}\underset{j=1}{\overset{k^i}{\mathrm{\Σ}}}{\mathrm{\ω}}_{\mathrm{ij}}[\min (n_{\mathrm{ij}}\left(X\right),n_{\mathrm{ij}}\left(Y\right))-\underset{h=1}{\overset{k}{\mathrm{\Σ}}}\min (c_h\left(n_{\mathrm{ij}}\left(X\right)\right),c_h\left(n_{\mathrm{ij}}\left(Y\right)\right))]$

式中：

X，Y为两幅图像的多分辨率直方图特征集合；

n_ij(X)和n_ij(Y)分别代表落入直方图H_i(X)和H_i(Y)的第j个节点中的特征点数目；

c_h(n_ij(X))和c_h(n_ij(X))分别代表落入直方图H_i(X)和H_i(Y)的第j个节点的第h个子节点的特征点数目，L、k、i、j、h为自然数

ω_ij＝d_ij(X)+d_ij(Y)是一个权值，表示直方图H_i(X)和H_i(Y)的第j个节点中任一特征点距离节点中心最远距离之和。

8.根据权利要求1所述的敏感图像的检测方法，其特征在于，采用支持向量机分类算法对图像进行分类，判定其是否为敏感图像。

9.一种敏感图像的检测系统，其特征在于，该系统包括：

肤色检测模块，用于检测给定原始图像的像素是否为人体的肤色像素；

图像局部特征提取模块与肤色检测模块连接，用于接收原始图像，并提取肤色兴趣点处的局部不变量特征；

图像整体特征提取模块与图像局部特征提取模块连接，接收原始图像肤色兴趣点处的局部不变量特征并进行聚类，用于提取原始图像多分辨率直方图特征；

分类模块与图像整体特征提取模块连接，用于接收图像整体特征提取模块输出的多分辨率直方图特征，获得图像分类结果。

10.根据权利要求9所述的敏感图像的检测系统，其特征在于，所述图像局部特征提取模块包括：兴趣点检测单元、肤色相关兴趣点单元和肤色相关局部特征单元，其中：

兴趣点检测单元检测原始图像中的兴趣点；

肤色相关兴趣点单元接收兴趣点检测单元输出的兴趣点和肤色检测模块的检测结果，对兴趣点进行过滤，去掉与肤色无关的兴趣点，保留肤色相关兴趣点；

肤色相关局部特征单元接收肤色相关兴趣点单元输出的肤色相关兴趣点，用于生成肤色相关局部特征。

11.根据权利要求9所述的敏感图像的检测系统，其特征在于，所述图像整体特征提取模块包括：树形金字塔模型单元和多分辨率直方图特征单元，其中：

树形金字塔模型单元，接收肤色相关局部特征单元的肤色相关局部特征，利用多层k均值聚类算法生成数据驱动的树形金字塔模型；

多分辨率直方图特征单元，利用树形金字塔模型单元生成每一幅图像的多分辨率直方图特征。

12.根据权利要求9所述的敏感图像的检测系统，其特征在于，所述分类模块包括：核函数矩阵单元、支持向量机分类器单元，其中：

核函数矩阵单元接收图像整体特征提取模块输出的多分辨率直方图特征，利用金字塔匹配算法计算任意两幅图像的相似度，并生成核函数矩阵；

支持向量机分类器单元，接收核函数矩阵单元的核函数矩阵，并将其分为训练集和测试集两部分，利用训练集对支持向量机分类器进行训练，得到分类器参数，利用训练好的支持向量机分类器模型对测试集分类，并输出分类结果。

Images