CN101996314B - 一种基于内容的人体上半身敏感图像识别方法及其装置 - Google Patents

Abstract

本发明公开了一种基于内容的人体上半身敏感图像识别方法及其装置，包括对静态图像进行人脸识别，排除不包含人脸信息的图像；利用神经网络识别对纹理图像进行识别，查出相关敏感信息位置；利用检测到的人脸区域的颜色分布信息与默认肤色信息生成此图像人体的肤色模型；根据所建立的人体肤色模型，提取出此图像中人体皮肤区域；如果敏感信息图像与人脸信息图像符合人体上半身形状模型，并且敏感信息图像所包含的皮肤比例超过阈值，则判定为敏感图像。本发明是采用人脸识别、上半身识别与敏感图像识别相配合，使其能够对性感写真图像与色情敏感图像进行区分，从而有效地降低了对性感写真图像的误报率。

Description

一种基于内容的人体上半身敏感图像识别方法及其装置

技术领域

本发明涉及敏感图像过滤技术领域，特别是涉及一种基于内容的人体上半身敏感图像识别方法及其装置。

背景技术

随着现代互联网技术的飞速发展，网络传播途径遍布世界的每一个角落。网络在带给人们便利使用的同时，也带来了一些安全隐患，比如互联网上色情图像的非法传播传就是其中一种，由于互联网上色情图像的非法传播因而带来了一系列的社会问题和法律问题，尤其是给青少年造成了极大的危害，因此引起了公众和业界的注意。一些用于过滤色情图像的软件也应运而生，这些软件旨在通过对色情图像的识别，达到将色情图像剔除的目的。

在现有的基于图像视觉内容的色情图像检测方法中，一般所采用的表示图像视觉内容的视觉特征只具有低级的语义内容，这些特征包括颜色，纹理和形状等。使用这些特征对图像内容的描述能力有限，与人对图像内容的理解相差比较大。特别是各种各样的写真集，暴露的皮肤是越来越多，衣服越来越少，形状也与色情图像一样的姿势，两类图像存在相似的颜色特征，纹理特征和形状特征。对于这两类图像，利用现有识别技术很难区别出哪一张是色情图像，哪一张不是色情图像，这就给人们的识别工作带来了很大的难度。

如何能够体现人的视觉模糊特点，建立敏感图像的高级语义特征以及利用这些特征来检测敏感图像成为基于图像视觉内容的敏感图像检测方法的一个难点。

发明内容

本发明的目的在于克服现有技术之不足，提供一种基于内容的人体上半身敏感图像识别方法及其装置，是采用人脸识别、上半身识别与敏感图像识别相配合，使其能够对性感写真图像与色情敏感图像进行区分，从而有效地降低了对性感写真图像的误报率。

本发明解决其技术问题所采用的技术方案是：一种基于内容的人体上半身敏感图像识别方法，包括：

输入图像的步骤；

对输入图像进行人脸识别处理的步骤；

对输入图像是否含有人脸信息进行判断的步骤；如果图像中不含有人脸信息，则直接判定为非敏感图像；

对输入图像进行纹理处理的步骤；

对产生的纹理图像进行神经网络识别并定位敏感信息部位的步骤；

对输入图像是否有敏感信息进行判断的步骤；如果图像中不含有敏感信息，则直接判定为非敏感图像；

根据输入图像的人脸信息构造出人体上半身形状模型的步骤；

对输入图像的敏感信息部位是否在人体上半身形状模型的范围内进行判断的步骤；如果敏感信息部位不在人体上半身形状模型的范围内，则直接判定为非敏感图像；

根据输入图像的人脸信息建立该图像人体肤色模型的步骤；

根据图像的人体肤色模型，对整个图像进行肤色检测，把非肤色信息过滤，生成肤色掩码图像的步骤；

将输入图像的敏感信息部位中所包含的肤色面积与预先设定的阈值进行比较的步骤；如果比较结果是小于阈值，则判定为非敏感图像；如果比较结果是大于或等于阈值，则判定为敏感图像。

所述的对产生的纹理图像进行神经网络识别并定位敏感信息部位的步骤，包括：

输入纹理图像的步骤；

进行神经网络处理的步骤；

获取特征检测结果的步骤。

进一步的，还包括预先进行的训练纹理图像神经网络识别过程，其包括：

输入图像的步骤；

构画出敏感区域的步骤；

生成纹理图像的步骤；

神经网络处理的步骤；

获取特征训练结果的步骤。

所述的根据输入图像的人脸信息构造出人体上半身形状模型的步骤：是以正方形作为人脸的模型；根据输入图像的人脸信息获得人脸的面积大小；设定对应于该人脸的头部的高度为h，宽度为w；定义人脸的面积S占整个头部的面积为如下的关系式：

S＝0.84w*0.64h

进而获得头部的高度h和宽度w；在头部以下，采用2.4w为宽、2.4w-0.36h为高，画一个椭圆；取椭圆的上半部分做为该人脸信息对应的上半身形状模型。

所述的根据输入图像的人脸信息建立该图像人体肤色模型的步骤：是通过使用反映人观察彩色方式的YCrCb(亮度、色度r、色度b)模型，在将彩色图像的RGB(红色、绿色、蓝色)色彩空间转化为YCrCb(亮度、色度r、色度b)色彩空间，利用基于阈值的分割方法及大量实验后所得到的最佳全局阈值对Y(亮度)、Cr(色度r)、Cb(色度b)三个值分别进行处理。

所述的根据图像的人体肤色模型，对整个图像进行肤色检测，把非肤色信息过滤，生成肤色掩码图像的步骤，其包括：

输入人脸肤色表与纹理图；

人脸肤色均值计算；

人脸肤色方差计算；

调取动态阈值U；

根据U取得图像区域；

图像区域是否光滑纹理；

计算动态阈值U；

返回肤色图像区域。

一种基于内容的人体上半身敏感图像识别装置，包括：

一输入装置，用来输入图像以及各阈值初值的设定；

一人脸识别处理装置，用来对输入图像进行人脸识别处理，采用人工神经网络进行人脸识别；

一第一比较判断装置，用来对输入图像是否含有人脸信息进行判断，并根据判断结果输出控制信号；

一纹理处理装置，用来对输入图像进行纹理处理；

一纹理图像神经网络识别装置，用来对产生的纹理图像进行神经网络识别并定位敏感信息部位；

一第二比较判断装置，用来对输入图像是否有敏感信息进行判断，并根据判断结果输出控制信号；

一构造人体上半身形状模型装置，用来根据输入图像的人脸信息构造出人体上半身形状模型；

一第三比较判断装置，用来对输入图像的敏感信息部位是否在人体上半身形状模型的范围内进行判断，并根据判断结果输出控制信号；

一建立图像人体肤色模型装置，用来根据输入图像的人脸信息建立该图像人体肤色模型；

一生成肤色掩码图像装置，用来根据图像的人体肤色模型，对整个图像进行肤色检测，把非肤色信息过滤，生成肤色掩码图像；

一第四比较判断装置，用来将输入图像的敏感信息部位中所包含的肤色面积与预先设定的阈值进行比较；对比较结果是小于阈值的，则输出该输入图像为非敏感图像的提示指令；对比较结果是大于或等于阈值的，则输出该输入图像为非敏感图像的提示指令；

输入装置的输出接至人脸识别处理装置的输入，前者将图像信号输出给后者处理；人脸识别处理装置的输出接至第一比较判断装置的输入，前者将人脸识别处理的信号输出给后者进行处理；第一比较判断装置的输出接至纹理处理装置的输入，前者将识别的人脸信息与预先训练的数据进行比较，在确认有人脸信息后向后者输出控制信号以启动后者的工作；纹理处理装置的输出接至纹理图像神经网络识别装置的输入，前者对输入图像进行纹理处理并将处理结果输给后者；纹理图像神经网络识别装置的输出接至第二比较判断装置的输入，前者对输入的纹理图像进行神经网络识别并将识别结果输出给后者；第二比较判断装置的输出接至构造人体上半身形状模型装置的输入，前者将纹理图像神经网络识别的结果与预先训练的数据进行比较，在确认有敏感信息后向后者输出控制信号以启动后者的工作；构造人体上半身形状模型装置的输出接至第三比较判断装置的输入，前者对人体上半身形状模型时行构造并将构造结果输给后者；第三比较判断装置的输出接至建立图像人体肤色模型装置的输入，前者将敏感信息是否在人体上半身形状模型内进行判断，在确认是后向后者输出控制信号以启动后者的工作；建立图像人体肤色模型装置的输出接至生成肤色掩码图像装置的输入，前者将构建的人体肤色模型输给后者；生成肤色掩码图像装置的输出接至第四比较判断装置的输入，前者将生成肤色掩码图像输给后者，后者将输入图像的敏感信息部位中所包含的肤色面积与预先设定的阈值进行比较并输出比较结果。

本发明的有益效果是，由于采用了对静态图像进行人脸识别，排除不包含人脸信息的图像；利用神经网络识别对纹理图像进行识别，查出相关敏感信息位置；利用检测到的人脸区域的颜色分布信息与默认肤色信息生成此图像人体的肤色模型；根据所建立的人体肤色模型，提取出此图像中人体皮肤区域；如果敏感信息图像与人脸信息图像符合人体上半身形状模型，并且敏感信息图像所包含的皮肤比例超过阈值，则判定为敏感图像。本发明采用反向传播人工神经网络识别技术、肤色模型识别技术和人体上半身形状模型识别技术三者相结合的方案解决现有技术的问题，本发明是采用人脸识别、上半身识别与敏感图像识别相配合，使其能够对性感写真图像与色情敏感图像进行区分，从而有效地降低了对性感写真图像的误报率。

以下结合附图及实施例对本发明作进一步详细说明；但本发明的一种基于内容的人体上半身敏感图像识别方法及其装置不局限于实施例。

附图说明

图1是本发明方法的主流程图；

图2是本发明方法的肤色掩码创建过程的流程图；

图3是本发明方法的纹理图像神经网络处理的流程图；

图4是本发明方法的训练纹理图像神经网络识别过程的流程图；

图5是本发明方法的上半身形状模型示意图；

图6是本发明装置的结构框图。

具体实施方式

参见图1所示，本发明的一种基于内容的人体上半身敏感图像识别方法，包括：

首先要进行系统初始化过程，阈值设定，系统根据已知的历史数据设定各种阈值初值；系统所用到的各种阈值由用户预先设定，全局肤色模型也是由用户在此建立；阈值是根据经验得来的，里面有肤色面积阈值、YCrCb大小阈值等；历史数据是指这一行业的一些经验数据；如图1中的框101所示；

输入图像的步骤；如图1中的框102所示；

对输入图像进行人脸识别处理的步骤；该步骤是采用人工神经网络进行人脸识别；先要进行人脸识别训练，采用两千张人脸图像与两万多张非人脸图像做训练，在算出其矩阵之后，进行新的人脸识别工作；如图1中的框103所示；

对输入图像是否含有人脸信息进行判断的步骤；如果图像中不含有人脸信息，则直接判定为非敏感图像，并转至结束；如果图像中含有人脸信息，继续下一步骤；如图1中的框104所示；

对输入图像进行纹理处理的步骤；该步骤是对输入的图像进行纹理处理，生成纹理图像，并根据纹理图像的信息进行直方图均衡化，去掉颜色的干扰，通过大量实验发现，敏感形状的部位往往具有较多且明显的纹理；如图1中的框105所示；

对产生的纹理图像进行神经网络识别并定位敏感信息部位的步骤；该步骤是对产生的纹理图像进行神经网络识别，定位图像可疑部位；如图1中的框106所示；

对输入图像是否有敏感信息进行判断的步骤；如果图像中不含有敏感信息，则直接判定为非敏感图像，并转至结束；如果图像中含有敏感信息，继续下一步骤；如图1中的框107所示；

根据输入图像的人脸信息构造出人体上半身形状模型的步骤；该步骤是根据发现的人脸信息构造出人体上半身形状模型；如图1中的框108所示；

对输入图像的敏感信息部位是否在人体上半身形状模型的范围内进行判断的步骤；如果敏感信息部位不在人体上半身形状模型的范围内，则直接判定为非敏感图像，并转至结束；如果敏感信息部位在人体上半身形状模型的范围内，继续下一步骤；如图1中的框109所示；

根据输入图像的人脸信息建立该图像人体肤色模型的步骤；如图1中的框110所示；

根据图像的人体肤色模型，对整个图像进行肤色检测，把非肤色信息过滤，生成肤色掩码图像的步骤；如图1中的框111所示；

将输入图像的敏感信息部位中所包含的肤色面积与预先设定的阈值进行比较的步骤；如果比较结果是小于阈值，则判定为非敏感图像，并转至结束；如果比较结果是大于或等于阈值，则判定为敏感图像；如图1中的框112所示。

本发明的方法中，其中，纹理的提取过程采用如下方式：

把彩色图片按照YCrCb的三个颜色空间分成Y(亮度)、Cr(色度r)、Cb(色度b)三维矢量，并根据该象素点的周边象素的YCrCb颜色分量计算该点的矢量，算出其点的上下左右等方向的相差值，如果颜色无变化，则其值为0；

设置当前点为point，它的Y(亮度)矢量对应于如下结构中的Y4；

Y0	Y1	Y2
			Y3	Y4	Y5
Y6	Y7	Y8

Cr(色度r)矢量对应于如下结构中的Cr4；

Cr0	Cr1	Cr2
			Cr3	Cr4	Cr5
Cr6	Cr7	Cr8

Cb(色度b)矢量对应于如下结构中的Cb4；

Cb0	Cb1	Cb2
			Cb3	Cb4	Cb5
Cb6	Cb7	Cb8

然后进行如下计算；

水平划分计算：y0＝((Y0+Y1+Y2)-(Y6+Y7+Y8))/3

垂直划分计算：y1＝((Y0+Y3+Y6)-(Y2+Y5+Y8))/3

右对角划分计算：y2＝((Y0+Y1+Y3)-(Y5+Y7+Y8))/3

左对角划分计算：y3＝((Y1+Y2+Y5)-(Y3+Y6+Y7))/3

以其的水平、垂直、右对角、左对角的最大值为该点的值；

point.Y＝max(y0，y1，y2，y3)；

同理可推算出point.Cr与point.Cb的值；

将YCrCb纹理改成灰度(Gray)图，其中灰度化公式如下所示：

把彩色图片按照YCrCb的三个颜色空间分成Y(亮度)、Cr(色度r)、Cb(色度b)三维矢量，把这三个颜色空间值改成灰度(Gray)一维颜色空间；

Gray＝Y+Cr×0.217569-Cb×0.216996

可以简化为：Gray＝Y+(Cr-Cb)×0.2172

为了避免低速的浮点运算，所以需要整数算法；

可以改为Gray＝Y+(Cr-Cb)×2172÷10000

将系数缩放成16位运算下的2整数幂Gray＝Y+(Cr-Cb)*14241＞＞16

将纹理灰度图进行直方图均衡化，其中直方图均衡化公式如下所示：

$\mathrm{point}.G_k=\left(\underset{j=0}{\overset{k}{\mathrm{\Σ}}}{\mathrm{Gn}}_j\right)\÷\mathrm{GN}\×255$

其中poing.G_k表示均衡化后的灰度值，？表示总和，Gn_j是原图中某个灰度色阶j的像素数量，j的范围是0~k，GN是图像像素总数。

参见图3所示，本发明的方法中，其中，对产生的纹理图像进行神经网络识别并定位敏感信息部位的步骤，包括：

输入纹理图像的步骤；如图3中的框301所示；

进行神经网络处理的步骤；如图3中的框302所示；

获取特征检测结果的步骤；如图3中的框303所示；

对产生的纹理图像进行神经网络识别是将纹理图像送到神经网络中进行识别，神经网络方法有着良好的并行处理性能，有着良好的泛化能力，并且不需要数据的先验概率分布，因此神经网络方法在模式识别领域中体现出巨大的优越性；BP神经网络是前馈型神经网络中研究的最为成熟且应用最广的一种网络，在本发明的方法中同样也是采用BP神经网络；

BP神经网络共分成三层：i为输入层节点；j为隐层节点；k为输出层节点；

定义网络的学习误差函数为

$E=\frac{1}{2}\underset{k}{\mathrm{\Σ}}{(d_k-y_k)}^2$

式中：d_k表示网络的期望输出；y_k表示网络的实际输出；于时可以推出各层权值修正公式如下：

隐含层与输出层：w_jk(t+1)w_jk(t)+ηδ_ky_j

                δ_k＝y_k(1-y_k)(d_k-y_k)

输入层与隐含层：w_ij(t+1)＝w_ij(t)+ηδ_jy_i

${\mathrm{\δ}}_j=y_j(1-y_j)\underset{k}{\mathrm{\Σ}}{\mathrm{\δ}}_k{w}_{\mathrm{jk}}$

上式中：η为学习率；δ_kδ_j为各层对应修正值。

本发明的方法中，还包括预先进行的训练纹理图像神经网络识别过程，用来辅助纹理图像进行局部敏感图像识别，如图4所示，该过程包括：

输入图像的步骤，如图4中的框401所示；输入要训练的2千张敏感图像和1万张非敏感图像；

构画出敏感区域的步骤，如图4中的框402所示；人为先对2千张敏感图像中的敏感区域进行定位及大小；把每一张敏感图像中的女性胸部以宽高比18∶10矩形勾画出来，得到敏感区域起启坐标x，y与宽高w，h；

生成纹理图像的步骤，如图4中的框403所示；对2千张敏感图像与1万张非敏感图像生成相应纹理图像；

神经网络处理的步骤，如图4中的框404所示；用人工神经网络对2千张敏感图像中的敏感区域的纹理图像进行正面训练，对1万张非敏感图像的纹理图像进行反面训练；2千张敏感图像与1万张非敏感图像的纹理图像统称为样本数据；

首先，从BP算法开始；设有输入为x₁、x₂、...、x_n的n维输入，输出为x^L ₁的一维输出和一层隐层组成的多输入、单一输出人工神经网络模型；这样的样本共有P＝12’000对；

第l层中第i个神经元节点所接收到的上一层输入总和为

$y_i=f(\underset{j=1}{\overset{m}{\mathrm{\Σ}}}{w}_{\mathrm{ij}}{x}_{\mathrm{ij}}-{\mathrm{\θ}}_i)$

式中：m为第1-1层神经元节点总数；w_ij为第l层i节点与第l-1层j节点之间的连接权重；θ_i为第l层i节点的阈值；f(X)是激发函数；

$f\left(x\right)=\frac{1}{1+e^{-x}},0\≤f\left(x\right)\≤1;$

式中：f(x)为激发函数，这里采用的是对数型的单极性Sigmoid函数；

设：输入向量为：I_p＝(i_p1，...，i_pm)^T

目标输出向量为(用户事先给定，如正确例子与错误例子)：

T_p＝(t_p1，...，t_pn)^T

网络输出向量为(网络计算产生)：O_p＝(o_p1，...，o_pn)^T

程序在开始运行时，会随机给w_ij进行赋值，然后计算o_pi值；

1)计算网络输出值： $o_{\mathrm{pi}}=f\left(\underset{j=1}{\overset{m}{\mathrm{\Σ}}}{w}_{\mathrm{ij}}{i}_{\mathrm{pj}}\right);$

2)计算用户要求输出值与计算网络输出的差值：

δ_pi＝t_pi-o_pi

3)计算权值调整系数：Δw_ij＝∑ηδ_pii_pj；η称为学习速率设为0.1；

4)调整权值系数， $w_{\mathrm{ij}}+{\mathrm{\Δw}}_{\mathrm{ij}}\⇒w_{\mathrm{ij}}$ 使实际输出与理论输出值的误差平方和

低于设定的阈值，如果没有低于阈值，再进行以上操作；

获取特征训练结果的步骤，如图4中的框405所示，将上一步骤产生的特征训练结果整理保存，即把训练的w_ij权值系数保存起来，以便后期识别时使用。

本发明的方法中，其中，根据输入图像的人脸信息构造出人体上半身形状模型具体过程如下：

参见图5所示；首先，在取得人脸信息之后，计算整个头部的高度与宽度；本发明所采用的识别模式是正方形的人脸识别，其训练方式也是为正方形的人脸信息；其识别出的人脸大小为整个头部的0.84w*0.64h，同样也可取得整个头部的大小；即根据输入图像的人脸信息获得人脸的面积大小；设定对应于该人脸的头部的高度为h，宽度为w；定义人脸的面积S占整个头部的面积为如下的关系式：

S＝0.84w*0.64h

进而获得头部的高度h和宽度w；

取得整个头部的高度与宽度后，在头部以下，采用2.4w为宽、2.4w-0.36h为高，画一个椭圆；取椭圆的上半部分做为此人脸信息对应的上半身形状模型；值得注意的是，本发明的形状模型是一个不可变形的模型，即对给定的人脸特征点，本发明的模型形状就固定下来，不会随着图像中人体的姿势而改变，比如躺着、倒立、斜着等；这主要是因为复杂的人体上半身的形状估计，往往比较耗时，对识别算法帮助不大，得不偿失。

本发明的方法中，其中，人体肤色构造过程，根据发现的人脸信息，先进行YCrCb全局肤色过滤，把头发等不可能是肤色的信息过滤，然后建立该图的人体肤色模型，如果有多个人脸，则都综合起来；

在发现的人脸信息中识别出该人脸的肤色，是要在所识别出的人脸范围中把所有非肤色的人脸信息过滤掉，以剩下的色调登记为此人脸肤色；本发明采用YCrCb全局肤色过滤方法，具体如下：

彩色图片按照YCrCb的三个颜色空间分成Y(亮度)、Cr(色度r)、Cb(色度b)三维矢量。首先，根据Y(亮度)对Cr(色度r)、Cb(色度b)进行调整，以免在高亮处与暗处Cr(色度r)、Cb(色度b)相差太大；

当Y(亮度)小于125时，

bb1＝108+(125-Y)*10/109；

rr1＝154-(125-Y)*10/109；

wcb＝23+(Y-16)*23.97/109；

wcr＝20+(Y-16)*18.76/109；

cb1＝(Cb-bb1)*46.97/wcb+bb1；

cr1＝(Cr-rr1)*38.76/wcr+rr1；

当Y(亮度)大于188时，

bb1＝108+(Y-188)*10/47；

rr1＝154+(Y-188)*22/47；

wcb＝14+(235-Y)*32.97/47；

wcr＝10+(235-Y)*28.76/47；

cb1＝(Cb-bb1)*46.97/wcb+bb1；

cr1＝(Cr-rr1)*38.76/wcr+rr1；

式中cb1与cr1为调整后的Cb与Cr值。

将cb1(调整色度b)高于阈值与cr1(调整色度r)低于阈值的像素过滤掉。

本发明的方法中，其中，肤色掩码图像的创建过程如图2所示，其包括：

输入人脸肤色表与纹理图；如图2中的框201所示；

人脸肤色均值计算，如图2中的框202所示；计算Y(亮度)、Cr(色度r)、Cb(色度b)三维矢量的均值μ_y、μ_cr、μ_cb三个值；

人脸肤色方差计算，如图2中的框203所示；计算Y(亮度)、Cr(色度r)、Cb(色度b)三维矢量的方差σ_y、σ_cr、σ_cb三个值；

调取动态阈值U，如图2中的框204所示；

根据U取得图像区域，如图2中的框205所示；

图像区域是否光滑纹理，如图2中的框206所示；

计算动态阈值U，如图2中的框207所示；

返回肤色图像区域，如图2中的框208所示；

该方法是利用动态肤色阈值U_y、U_cr、U_cb来获取肤色区域，三个肤色阈值U_y、U_cr、U_cb初始设置为2.5、2、2；对于人脸区域外的每一个像素点，如果它的Y(亮度)、Cr(色度r)、Cb(色度b)三维矢量满足以下条件判定其为皮肤像素：

|Y-μ_y|＜U_y*σ_yand|Cr-μ_cr|＜U_cr*σ_crand|Cb-μ_cb|＜U_cb*σ_cb

首先利用初始设置的肤色阈值进行肤色检测，然后判断检测结果中的每个肤色区域是否具有光滑的纹理，皮肤一般都是比较光滑的，没有明显的纹理信息。否则，每个肤色阈值U_y、U_cr、U_cb都乘以0.9，然后用新的肤色阈值在该图像上进行检测，直到检测出的区域具有光滑的纹理为止。

参见图6所示，本发明的一种基于内容的人体上半身敏感图像识别装置，包括：

一输入装置601，用来输入图像以及各阈值初值的设定；

一人脸识别处理装置602，用来对输入图像进行人脸识别处理，采用人工神经网络进行人脸识别；

一第一比较判断装置603，用来对输入图像是否含有人脸信息进行判断，并根据判断结果输出控制信号；

一纹理处理装置604，用来对输入图像进行纹理处理；

一纹理图像神经网络识别装置605，用来对产生的纹理图像进行神经网络识别并定位敏感信息部位；

一第二比较判断装置606，用来对输入图像是否有敏感信息进行判断，并根据判断结果输出控制信号；

一构造人体上半身形状模型装置607，用来根据输入图像的人脸信息构造出人体上半身形状模型；

一第三比较判断装置608，用来对输入图像的敏感信息部位是否在人体上半身形状模型的范围内进行判断，并根据判断结果输出控制信号；

一建立图像人体肤色模型装置609，用来根据输入图像的人脸信息建立该图像人体肤色模型；

一生成肤色掩码图像装置610，用来根据图像的人体肤色模型，对整个图像进行肤色检测，把非肤色信息过滤，生成肤色掩码图像；

一第四比较判断装置611，用来将输入图像的敏感信息部位中所包含的肤色面积与预先设定的阈值进行比较；对比较结果是小于阈值的，则输出该输入图像为非敏感图像的提示指令；对比较结果是大于或等于阈值的，则输出该输入图像为非敏感图像的提示指令；

输入装置601的输出接至人脸识别处理装置602的输入，前者将图像信号输出给后者处理；人脸识别处理装置602的输出接至第一比较判断装置603的输入，前者将人脸识别处理的信号输出给后者进行处理；第一比较判断装置603的输出接至纹理处理装置604的输入，前者将识别的人脸信息与预先训练的数据进行比较，在确认有人脸信息后向后者输出控制信号以启动后者的工作；纹理处理装置604的输出接至纹理图像神经网络识别装置605的输入，前者对输入图像进行纹理处理并将处理结果输给后者；纹理图像神经网络识别装置605的输出接至第二比较判断装置606的输入，前者对输入的纹理图像进行神经网络识别并将识别结果输出给后者；第二比较判断装置606的输出接至构造人体上半身形状模型装置607的输入，前者将纹理图像神经网络识别的结果与预先训练的数据进行比较，在确认有敏感信息后向后者输出控制信号以启动后者的工作；构造人体上半身形状模型装置607的输出接至第三比较判断装置608的输入，前者对人体上半身形状模型时行构造并将构造结果输给后者；第三比较判断装置608的输出接至建立图像人体肤色模型装置609的输入，前者将敏感信息是否在人体上半身形状模型内进行判断，在确认是后向后者输出控制信号以启动后者的工作；建立图像人体肤色模型装置609的输出接至生成肤色掩码图像装置610的输入，前者将构建的人体肤色模型输给后者；生成肤色掩码图像装置610的输出接至第四比较判断装置611的输入，前者将生成肤色掩码图像输给后者，后者将输入图像的敏感信息部位中所包含的肤色面积与预先设定的阈值进行比较并输出比较结果。

上述实施例仅用来进一步说明本发明的一种基于内容的人体上半身敏感图像识别方法及其装置，但本发明并不局限于实施例，凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均落入本发明技术方案的保护范围。

Claims (6)

1.一种基于内容的人体上半身敏感图像识别方法，其特征在于：包括：

输入图像的步骤；

对输入图像进行人脸识别处理的步骤；

对输入图像是否含有人脸信息进行判断的步骤；如果图像中不含有人脸信息，则直接判定为非敏感图像；

对输入图像进行纹理处理的步骤；

对产生的纹理图像进行神经网络识别并定位敏感信息部位的步骤；

对输入图像是否有敏感信息进行判断的步骤；如果图像中不含有敏感信息，则直接判定为非敏感图像；

根据输入图像的人脸信息构造出人体上半身形状模型的步骤；

对输入图像的敏感信息部位是否在人体上半身形状模型的范围内进行判断的步骤；如果敏感信息部位不在人体上半身形状模型的范围内，则直接判定为非敏感图像；

根据输入图像的人脸信息建立该图像人体肤色模型的步骤；

根据图像的人体肤色模型，对整个图像进行肤色检测，把非肤色信息过滤，生成肤色掩码图像的步骤；

将输入图像的敏感信息部位中所包含的肤色面积与预先设定的阈值进行比较的步骤；如果比较结果是小于阈值，则判定为非敏感图像；如果比较结果是大于或等于阈值，则判定为敏感图像。

2.根据权利要求1所述的基于内容的人体上半身敏感图像识别方法，其特征在于：所述的对产生的纹理图像进行神经网络识别并定位敏感信息部位的步骤，包括：

输入纹理图像的步骤；

进行神经网络处理的步骤；

获取特征检测结果的步骤。

3.根据权利要求2所述的基于内容的人体上半身敏感图像识别方法，其特征在于：进一步的，还包括预先进行的训练纹理图像神经网络识别过程，其包括：

输入图像的步骤；

构画出敏感区域的步骤；

生成纹理图像的步骤；

神经网络处理的步骤；

获取特征训练结果的步骤。

4.根据权利要求1所述的基于内容的人体上半身敏感图像识别方法，其特征在于：所述的根据输入图像的人脸信息构造出人体上半身形状模型的步骤：是以正方形作为人脸的模型；根据输入图像的人脸信息获得人脸的面积大小；设定对应于该人脸的头部的高度为h，宽度为w；定义人脸的面积S占整个头部的面积为如下的关系式：

S＝0.84w*0.64h

进而获得头部的高度h和宽度w；在头部以下，采用2.4w为宽、2.4w-0.36h为高，画一个椭圆；取椭圆的上半部分做为该人脸信息对应的上半身形状模型。

5.根据权利要求1所述的基于内容的人体上半身敏感图像识别方法，其特征在于：所述的根据输入图像的人脸信息建立该图像人体肤色模型的步骤：是通过使用反映人观察彩色方式的YCrCb(亮度、色度r、色度b)模型，在将彩色图像的RGB(红色、绿色、蓝色)色彩空间转化为YCrCb(亮度、色度r、色度b)色彩空间，利用基于阈值的分割方法及大量实验后所得到的最佳全局阈值对Y(亮度)、Cr(色度r)、Cb(色度b)三个值分别进行处理。

6.一种基于内容的人体上半身敏感图像识别装置，包括：

一输入装置，用来输入图像以及各阈值初值的设定；

一人脸识别处理装置，用来对输入图像进行人脸识别处理，采用人工神经网络进行人脸识别；

一第一比较判断装置，用来对输入图像是否含有人脸信息进行判断，并根据判断结果输出控制信号；如果图像中不含有人脸信息，则直接判定为非敏感图像；

一纹理处理装置，用来对输入图像进行纹理处理；

一纹理图像神经网络识别装置，用来对产生的纹理图像进行神经网络识别并定位敏感信息部位；

一第二比较判断装置，用来对输入图像是否有敏感信息进行判断，并根据判断结果输出控制信号；如果图像中不含有敏感信息，则直接判定为非敏感图像；

一构造人体上半身形状模型装置，用来根据输入图像的人脸信息构造出人体上半身形状模型；

一第三比较判断装置，用来对输入图像的敏感信息部位是否在人体上半身形状模型的范围内进行判断，并根据判断结果输出控制信号；如果敏感信息部位不在人体上半身形状模型的范围内，则直接判定为非敏感图像；

一建立图像人体肤色模型装置，用来根据输入图像的人脸信息建立该图像人体肤色模型；

一生成肤色掩码图像装置，用来根据图像的人体肤色模型，对整个图像进行肤色检测，把非肤色信息过滤，生成肤色掩码图像；

一第四比较判断装置，用来将输入图像的敏感信息部位中所包含的肤色面积与预先设定的阈值进行比较；对比较结果是小于阈值的，则输出该输入图像为非敏感图像的提示指令；对比较结果是大于或等于阈值的，则输出该输入图像为敏感图像的提示指令；

输入装置的输出接至人脸识别处理装置的输入，前者将图像信号输出给后者处理；人脸识别处理装置的输出接至第一比较判断装置的输入，前者将人脸识别处理的信号输出给后者进行处理；第一比较判断装置的输出接至纹理处理装置的输入，前者将识别的人脸信息与预先训练的数据进行比较，在确认有人脸信息后向后者输出控制信号以启动后者的工作；纹理处理装置的输出接至纹理图像神经网络识别装置的输入，前者对输入图像进行纹理处理并将处理结果输给后者；纹理图像神经网络识别装置的输出接至第二比较判断装置的输入，前者对输入的纹理图像进行神经网络识别并将识别结果输出给后者；第二比较判断装置的输出接至构造人体上半身形状模型装置的输入，前者将纹理图像神经网络识别的结果与预先训练的数据进行比较，在确认有敏感信息后向后者输出控制信号以启动后者的工作；构造人体上半身形状模型装置的输出接至第三比较判断装置的输入，前者对人体上半身形状模型进行构造并将构造结果输给后者；第三比较判断装置的输出接至建立图像人体肤色模型装置的输入，前者将敏感信息是否在人体上半身形状模型内进行判断，在确认是后向后者输出控制信号以启动后者的工作；建立图像人体肤色模型装置的输出接至生成肤色掩码图像装置的输入，前者将构建的人体肤色模型输给后者；生成肤色掩码图像装置的输出接至第四比较判断装置的输入，前者将生成肤色掩码图像输给后者，后者将输入图像的敏感信息部位中所包含的肤色面积与预先设定的阈值进行比较并输出比较结果。

Images