CN102609728B - 特定类敏感图像检测方法 - Google Patents

Abstract

本发明公开了一种特定类敏感图像检测方法。该图像包括视频裸聊图像、网络卖淫图像和海滩裸体图像。视频裸聊图像检测模型抓住该类图像中裸聊视频窗口占据图像一角且窗口中有裸露人体，图像中有消息窗口且可检测出多行连续文字的文字区域的特点；网络卖淫图像抓住该类图像中文本区域占据图像一侧且可检测出多行连续文字的文字区域，图像一侧有肖像描写或裸体展示的特点；海滩裸体图像检测模型抓住图像远景是天空、近景是海滩的特点，建立天空模型，并根据人脸、肢体、肤色等信息检测是否存在裸露人体，判定图像的性质。本发明以特定类敏感图像为净化对象，是特定类敏感图像的“专杀工具”，辅助常规的敏感图像检测方法，能提高敏感图像检测的正识率。

Description

特定类敏感图像检测方法

技术领域

本发明涉及一种图像检测方法，尤其是涉及一种特定类敏感图像检测方法。

背景技术

越来越多的敏感信息，特别是含有淫秽色情内容的敏感图像，在互联网上大肆传播，不但极大危害了社会的稳定，而且严重影响了人们的日常生活，给人们的身心健康带来了严重的负面影响。因此，如何制止敏感图像的蔓延，如何保护广大青少年不受到淫秽色情信息的毒害，是社会各界普遍关注的问题，同时也是一个世界性的难题。严厉打击传播网络敏感信息的违法行为，建立网络敏感信息监管的长效机制迫在眉睫。

图像比文字信息更丰富，敏感图像比敏感文字危害更大。基于内容分析的图像识别是敏感图像过滤的关键环节，将基于内容分析的图像识别应用到敏感信息过滤中，受到了诸多研究者的关注。主要有两种方法：一是通过分析图像中人体的内容(如肢体等)，根据模板或设定的规则来区分敏感图像和正常图像；二是从图像中提取出特征，经过处理后形成特征向量，利用特征向量检测敏感图像。目前，后一种方法为主流。例如：美国衣阿华大学的Fleck和加洲大学伯克利分校的Forsyth等人[D.A.Forsyth，M.M.Fleck，C.Breger，“Finding NakedPeople”，Proc.of 4th European Conf.on Computer Vision，1996，pp.593-602.]，通过基于肤色的图像分割和人体姿态的几何特征检测，判断图像中是否包含裸露的人体。斯坦福大学的Wang等人[J.Z.Wang，J.Li，G.Wiederhold，O.Firschein，“System for Screening Objectionable Images”，Computer Communications，1998，21(15)，pp.1355-1360.]，利用结合小波纹理和颜色直方图的特征向量识别敏感图像中的裸体区域。英国阿伯丁大学的Craw等人[D.Brown，I.Craw，J.Lewthwaite，“A SOM Based Approach to Skin Detection with Application in Real Time Systems”，Proc.of British Conf.on Machine Vision，2001.]，采用自组织映射(SOM)建立肤色模型，通过肤色概率值来鉴别肤色像素点。

上述方法都是以大面积裸露皮肤为基础的，对多数敏感图像可起到较好的检测效果。针对有些皮肤裸露较多而并未裸露人体关键部位的图像(比如人脸、背部、手掌等特写图像)，有人提出了胸部等人体关键部位检测的方法[魏巍.基于人体关键部位的敏感图像过滤技术研究[D].吉林：吉林大学，2008；陆蓓，巩玉旺，姚金良，周建政.基于人体关键部位检测的敏感图像过滤方法[J].计算机应用与软件，2011，28(4)：154-158.]。

还有一些敏感图像，皮肤裸露面积小，且裸露人体位居图像的一侧或一角，上述敏感图像检测方法很难检测出来。针对这些特殊类的敏感图像，建立了特定类敏感图像的检测模型，该模型根据特定类敏感图像的特点，提取图像的特殊特征，有效地检测出常规手段不能检测出来的敏感图像。

发明内容

本发明的目的是提供一种特定类敏感图像检测方法。特定类敏感图像包括视频裸聊图像、网络卖淫图像、海滩裸体图像。特定类敏感图像检测方法解决了几类常规敏感图像检测方法很难识别的敏感图像。本发明辅助常规的敏感图像检测方法，可以有效地提高敏感图像检测的正识率。

本发明采用的技术方案是：该方法包括以下步骤：

(1)从所有图像中提取肤色和图像文字区域特征信息，并建立视频裸聊图像检测模型、网络卖淫图像检测模型和海滩裸体图像检测模型；

(2)根据所建立的视频裸聊图像检测模型，对视频裸聊图像进行匹配，若匹配成功，则图像直接判定为敏感图像，图像检测结束，否则，转入(3)；

(3)根据所建立的网络卖淫图像检测模型，对网络卖淫图像进行匹配，若匹配成功，则图像直接判定为敏感图像，图像检测结束，否则，转入(4)；

(4)根据所建立的海滩裸体图像检测模型，对海滩裸体图像进行匹配，若匹配成功，则图像直接判定为敏感图像，图像检测结束，否则，转入其它图像检测模块。

所述的肤色提取方法，采用基于RGB颜色空间的亮度自适应检测方法，对光照条件均衡、光线过强或者曝光过度、灯光影响导致图像变色条件下进行建模，建立肤色检测方法。

所述的图像文字区域提取方法，对待检测区域Rg，取水平方向上的梯度值作为点(i，j)的梯度，记作G(i，j)，滑动窗口在待检测区域中扫描，窗口内某行的文字像素点梯度G_T(i，j)的和大于行阈值Thr_L，则该行为文字行；若窗口内文字行的连续性大于窗口阈值Thr_W，说明当前窗口是文本窗口；若待检测区域Rg内统计为文本窗口数sumT大于区域阈值Thr_Rg，则确定待检测区域为文字区域。

所述的视频裸聊图像检测模型，设图像的右上部分为视频窗口，左边为消息窗口，若消息窗口的背景亮度大于消息窗口亮度阈值Thr_M且消息窗口为文字区域，视频窗口可以检测出人体且肤色比例大于视频窗口的肤色阈值Thr_S，视频窗口检测为非文字区域，则判定该图像为视频裸聊图像。

所述的网络卖淫图像检测模型，设图像的上部分为文本窗口，下部分为肖像窗口，文本窗口的背景亮度大于文本窗口亮度阈值Thr_T且文本窗口为文字区域，肖像窗口可以检测出人体且肖像窗口检测为非文字区域，则判定该图像为网络卖淫图像。

所述的海滩裸体图像检测模型，设定图像的远景部分为天空，近景部分为海滩，分别建立天空模型和海滩模型，若图像检测为海滩天空图像，且在海滩区域中可以检测出裸露人体，则判定该图像为海滩裸体图像。

所述的天空模型，图像I的上部分为天空，取上边缘n行作为天空检测区域Φ，计算Φ中检测为天空的像素所占的比例，天空区域可能都是蓝色天空，也可能是一部分是蓝色天空，一部分是白云，设BS(I(i，j))表示像素(i，j)被检测为蓝天，WC(I(i，j))表示像素(i，j)被检测为白云，R_Φ1表示检测为BS像素所占的比例，R_Φ2表示检测为BS和WC两类像素所占的比例，Thr_Sky1、Thr_Sky2分别为天空阈值和蓝天阈值，若满足R_Φ1＞Thr_Sky1或者满足R_Φ2＞Thr_Sky1且R_Φ1＞Thr_Sky2，则认为Φ为天空。

所述的海滩模型，取下边缘和左右两边缘的像素点集合Υ，设海滩颜色与肤色所用同一模型，计算Υ中检测为肤色的像素所占的比例R_Υ，若R_Υ大于海滩阈值Thr_Des，则认为图像下部分区域中有海滩。

本发明具有的有益效果是：

目前国内外研究敏感图像检测方法的文献很多，但是研究特殊敏感图像的文献较少，特别是缺少检测视频裸聊图像、网络卖淫图像、海滩裸体图像等特殊敏感图像的方法。本发明以特定类敏感图像为净化对象，是特定类敏感图像的“专杀工具”，辅助常规的敏感图像检测方法，可以有效地提高敏感图像检测的正识率。

附图说明

图1是本发明的特定类敏感图像检测方法的流程图。

图2是视频裸聊图像检测模型。

图3是网络卖淫图像检测模型。

图4是海滩裸体图像检测模型。

具体实施方式

以下结合附图和实施例对本发明作进一步详细描述。

如图1所示，本发明的特定类敏感图像检测方法主要包括以下步骤：

1、肤色检测方法

肤色检测方法，采用基于RGB颜色空间的亮度自适应检测方法，对光照条件均衡、光线过强或者曝光过度、灯光影响导致图像变色等条件下进行建模。

设采用RGB颜色空间获取图像的肤色点集合为Ψ(s)，在均衡的光照条件下，皮肤颜色描述如公式(1)，此时R、G、B三个颜色分量不能靠得太近，R分量的值是最大的，灰色不作考虑。

Ψl(s)＝{s∈(R，G，B)，R＞50∩G＞40∩B＞50∩10＜R-G＜95∩0＜R-B＜150}    (1)

如果光线过强或者曝光过度，皮肤颜色如公式(2)所示，此时R和G分量值相近，而B分量最小。

Ψ2(s)＝{s∈(R，G，B)，R＞220∩G＞210∩120＜B＜150∩0＜R-G＜10}    (2)

然而，RGB颜色空间易受光照的影响，为此，考虑了由于周边环境、灯光等因素导致肤色呈现偏红色或灰色的情况，如公式(3)和(4)所示。

$\mathrm{\&Psi;}3\left(s\right)=\left\{\begin{array}{c}s\&Element;(R,G,B),90<R<200\&cap;30<G<60\&cap;\\ 5<B<30\&cap;R-G>50\end{array}\right\}---\left(3\right)$

$\mathrm{\&Psi;}4\left(s\right)=\left\{\begin{array}{c}s\&Element;(R,G,B),60<R<245\&cap;60<G<230\&cap;60<B<220\\ \&cap;-10<R-G<30\&cap;0<R-B<20\&cap;0<G-B<30\end{array}\right\}---\left(4\right)$

综合以上几种情况，得到RGB颜色空间的肤色模型，如公式(5)所示。

Ψ(s)＝Ψ1(s)∪Ψ2(s)∪Ψ3(s)∪Ψ4(s)    (5)

2、图像文字区域检测

图像文字区域检测模型描述如下：

(1)设图像I的区域Rg为待检测区域，Rg的宽为W_R，高为H_R。取水平方向上的梯度值作为点(i，j)的梯度，记作G(i，j)。

(2)设大小为W_W×H_W的滑动窗口Window在区域Rg中扫描，梯度值G(i，j)大于梯度阈值Thr_G的像素点(i，j)记作文字像素点。当窗口Window移至(x，y)处时，若窗口内某行的文字像素点梯度G_T(i，j)的和大于行阈值Thr_L，则该行为文字行，记作TxtLine(y)，如公式(6)所示。

$\mathrm{TxtLine}\left(y\right)=\left\{\begin{array}{c}\begin{array}{ccc}1& \mathrm{if}& \underset{i=x}{\overset{x+W_W}{\mathrm{\&Sigma;}}}{G}_T(i,y)>{\mathrm{Thr}}_L\end{array}\\ 0\end{array}\right.---\left(6\right)$

(3)CWd(x，y)为滑动窗口Window移至(x，y)处时文字行的连续性，若CWd(x，y)大于窗口阈值Thr_W，说明当前窗口是文本窗口TxtWd(x，y)，如公式(7)、(8)所示。

$\mathrm{CWd}(x,y)=\frac{\underset{i=y}{\overset{y+H_W-1}{\mathrm{\&Sigma;}}}\mathrm{TxtLine}\left(i\right)\&CenterDot;\mathrm{TxtLine}(i+1)}{\underset{i=y}{\overset{y+H_W-1}{\mathrm{\&Sigma;}}}\mathrm{TxtLine}\left(i\right)}---\left(7\right)$

$\mathrm{TxtWd}(x,y)=\left\{\begin{array}{cc}1& \mathrm{if\; CWd}(x,y)>{\mathrm{Thr}}_W\\ 0& \mathrm{otherwise}\end{array}\right.---\left(8\right)$

(4)计算区域Rg内统计为文本窗口数sumTxtWd：

$\mathrm{sumTxtWd}=\underset{i=0}{\overset{(H_R-H_W)/\mathrm{step}}{\mathrm{\&Sigma;}}}\underset{j=0}{\overset{(W_R-W_W)/\mathrm{step}}{\mathrm{\&Sigma;}}}\mathrm{TxtWd}(i\&times;\mathrm{step}+x0,j\&times;\mathrm{step}+y0)---\left(9\right)$

其中x0、y0为区域Rg的左上角的坐标，step为滑动窗口Window一次移动的步长。

(5)判定区域Rg内是否有文字的模型为：

$\mathrm{RgTxt}=\left\{\begin{array}{cc}1& \mathrm{if\; sumTxtWd}>0.2\&times;\frac{W_R-W_W}{\mathrm{step}}\&times;\frac{H_R-H_W}{\mathrm{step}}\\ 0& \mathrm{otherwise}\end{array}\right.---\left(10\right)$

3、视频裸聊图像检测模型

视频裸聊图像检测模型描述如下：

(1)设Bg_M和RgTxt_DM分别表示消息窗口的背景亮度和文字检测结果，Thr_M表示消息窗口的背景亮度阈值。若D_M取值为1，表示是消息窗口；若D_M取值为0，表示不是消息窗口，如公式(11)所示。

$D_M=\left\{\begin{array}{cc}1& \mathrm{if}{\mathrm{Bg}}_M>{\mathrm{Thr}}_M\&cap;{\mathrm{RgTxt}}_{\mathrm{DM}}==1\\ 0& \mathrm{otherwise}\end{array}\right.---\left(11\right)$

(2)设Ratio_S和RgTxt_DV分别表示视频窗口内肤色比例和文字检测结果，Thr_S为视频窗口的肤色阈值。若D_V取值为1，表示是裸聊视频窗口；若D_V取值为0，表示不是裸聊视频窗口，如公式(12)所示。

$D_v=\left\{\begin{array}{cc}1& \mathrm{if}{\mathrm{Ratio}}_S>{\mathrm{Thr}}_S\&cap;\mathrm{RgTxtDV}==0\\ 0& \mathrm{otherwise}\end{array}\right.---\left(12\right)$

(3)视频裸聊图像检测模型如公式(13)定义。若NC的值为1，图像I是视频裸聊图像；若NC的值为0，图像I不是视频裸聊图像。

NC＝D_M·D_V    (13)

4、网络卖淫图像检测模型

网络卖淫图像检测模型描述如下：

(1)文本窗口D_T的检测方法与视频裸聊图像的消息窗口检测方法相同，见公式(11)。

(2)肖像窗口D_P中展示的是个人照片，可能是肖像照片，属于正常图像，也可能是裸体图像。从图像特点上分析，图像中有人存在，且可以检测到一定的肤色，但几乎检测不到有规律的文字信息。设Thr_P为肖像窗口的肤色阈值，参考公式(12)，若D_P取值为1，表示是肖像窗口；若D_P取值为0，表示不是肖像窗口。

(3)网络卖淫图像检测模型如公式(14)定义。若AP的值为1，图像I是网络卖淫图像；若AP的值为0，图像I不是网络卖淫图像。

AP＝D_T·D_P    (14)

5、海滩天空模型

海滩天空模型描述如下：

(1)图像I的上部分为天空，取上边缘n行作为天空检测区域Θ，计算Θ中检测为天空的像素所占的比例。分析大量该类图像后发现，天空区域可能都是蓝色天空，也可能是一部分是蓝色天空，一部分是白云。因此，分别建立蓝天和白云模型，如公式(15)、(16)所示。

$\mathrm{BS}\left(y\right)=\left\{\begin{array}{c}y\&Element;(R,G,B),(R<B-30\&cap;G<B-20)\\ \&cup;(R<B-10\&cap;G<B\&cap;R>100)\\ \&cup;(R<B\&cap;G<B\&cap;190<R<210)\end{array}\right\}---\left(15\right)$

$\mathrm{WC}\left(y\right)=\left\{\begin{array}{c}y\&Element;(R,G,B),(R<B\&cap;G<B\&cap;R>100)\&cup;\\ (-10<B-R<20\&cap;R>210\&cap;B>220)\end{array}\right\}---\left(16\right)$

${\mathrm{Ratop}}_{\mathrm{\&Theta;}1}=\frac{\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}\underset{i=1}{\overset{W}{\mathrm{\&Sigma;}}}\mathrm{BS}\left(I(i,j)\right)}{\mathrm{nW}}---\left(17\right)$

${\mathrm{Ratio}}_{\mathrm{\&Theta;}2}=\frac{\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}\underset{i=1}{\overset{W}{\mathrm{\&Sigma;}}}(\mathrm{BS}\left(I(i,j)\right)+\mathrm{WC}\left(I(i,j)\right))}{\mathrm{nW}}---\left(18\right)$

BS(I(i，j))表示像素(i，j)被检测为蓝天，WC(I(i，j))表示像素(i，j)被检测为白云。Ratio_Θ1表示检测为BS像素所占的比例，Ratio_Θ2表示检测为BS和WC像素所占的比例，Thr_Sky1、Thr_Sky2分别为检测天空设定的阈值，若满足公式(19)，则认为Θ为天空。

$\mathrm{Sky}=\left\{\begin{array}{cc}1& \mathrm{if}{\mathrm{Ratio}}_{\mathrm{\&Theta;}1}>{\mathrm{Thr}}_{\mathrm{Sky}1}\&cup;({\mathrm{Ratio}}_{\mathrm{\&Theta;}2}>{\mathrm{Thr}}_{\mathrm{Sky}1}\&cap;{\mathrm{Ratio}}_{\mathrm{\&Theta;}1}>{\mathrm{Thr}}_{\mathrm{Sky}2})\\ 0& \mathrm{otherwise}\end{array}\right.---\left(19\right)$

(2)图像I的下半部分为海滩。为简化计算，取下边缘和左右两边缘的像素点集合Ω，计算Ω中检测为肤色的像素所占的比例Ratio_Ω，设图像的肤色掩码图Skin，

${\mathrm{Ratio}}_{\mathrm{\&Omega;}}=\frac{\underset{j=1}{\overset{W}{\mathrm{\&Sigma;}}}\mathrm{Skin}(H,j)+\underset{j=1,W}{\mathrm{\&Sigma;}}\underset{i=1}{\overset{H-n}{\mathrm{\&Sigma;}}}\mathrm{Skin}(i,j)}{W+2(H-n)}---\left(20\right)$

$\mathrm{Des}=\left\{\begin{array}{cc}1& \mathrm{if}{\mathrm{Ratio}}_{\mathrm{\&Omega;}}>{\mathrm{Thr}}_{\mathrm{Des}}\\ 0& \mathrm{otherwise}\end{array}\right.---\left(21\right)$

若Ratio_Ω大于海滩阈值Thr_Des，则认为图像下部分区域中有海滩。

(3)海滩天空模型如公式(22)定义。若DS的值为1，图像I是海滩图像；若DS的值为0，图像I不是海滩图像。

DS＝Sky·Des    (22)

6、海滩裸体模型

海滩裸体图像检测模型描述如下：

(1)在确定图像I为海滩图像的基础上，检测图像I中是否有人脸，人脸检测方法采用AdaBoost方法检测。

(2)如果检测到人脸，再检测人体区域。人体通常在人脸的下方区域，为简化运算，设定人体在人脸的正下方，不计算人体的实际位置。人体框的宽为人脸宽W_F的3倍，人体框的高为人脸高H_F的5倍。

对于正常图像，由于衣服和皮肤颜色差异性较大，在人体区域检测到的肤色概率小；对于裸体图像，在人体区域检测到肤色的概率大。设人体区域肤色比例为Ratio_B，若Ratio_B大于人体区域肤色阈值Thr_B，则为检测到裸露人体。

$B=\left\{\begin{array}{cc}1& \mathrm{if}{\mathrm{Ratio}}_B>{\mathrm{Thr}}_B\\ 0& \mathrm{otherwise}\end{array}\right.---\left(28\right)$

(3)海滩裸体模型如公式(24)定义。若DN的值为1，图像I是海滩裸体图像；若DN的值为0，图像I不是海滩裸体图像。

DN＝DS·B    (24)

实施案例：

如图1所示，检测流程首先从图像输入开始，图像预处理过程对输入图像进行尺寸判别，去除图标图像，对动态图像作分帧处理，然后对图像作归一化处理。然后进入特定类敏感图像匹配流程。

如图2所示，视频裸聊图像检测模型设定图像中有消息窗口和视频窗口，首先检测消息窗口背景亮度，若消息窗口背景亮度不大于背景亮度阈值，则判定图像为普通图像；若消息窗口背景亮度大于背景亮度阈值，则计算消息窗口水平梯度，根据其梯度计算消息窗口中是否存在文字区域，若在消息窗口中没有检测到文字区域，则判定图像为普通图像；若在消息窗口中检测到文字区域，计算视频窗口的水平梯度，根据其梯度计算视频窗口中是否存在文字区域，若在视频窗口中检测到文字区域，则判定图像为普通图像；若在视频窗口中没有检测到文字区域，计算视频窗口的肤色比例，检测视频窗口中是否存在人体，若在视频窗口中未检测到裸露人体，则判定图像为普通图像，否则判定图像为视频裸聊图像。

如图3所示，网络卖淫图像检测模型设定图像中有文本窗口和肖像窗口，首先检测文本窗口背景亮度，若文本窗口背景亮度不大于背景亮度阈值，则判定图像为普通图像；若文本窗口背景亮度大于背景亮度阈值，则计算文本窗口水平梯度，根据其梯度计算文本窗口中是否存在文字区域，若在文本窗口中没有检测到文字区域，则判定图像为普通图像；若在文本窗口中检测到文字区域，计算肖像窗口的水平梯度，根据其梯度计算肖像窗口中是否存在文字区域，若在肖像窗口中检测到文字区域，则判定图像为普通图像；若在肖像窗口中没有检测到文字区域，计算肖像窗口的肤色比例，检测肖像窗口中是否存在人脸或人体，若在肖像窗口中未检测到人脸或人体，则判定图像为普通图像，否则判定图像为网络卖淫图像。

如图4所示，海滩裸体图像检测模型设定图像的远景部分为天空，近景部分为海滩，首先检测图像远景区域的颜色，与蓝天模型或蓝天白云模型匹配，若匹配不成功，则判定图像为普通图像；若匹配成功，检测图像近景区域的颜色，若不满足海滩模型阈值，则判定图像为普通图像；若满足海滩模型阈值，检测图像中是否有人体，若没有检测到人体，则判定图像为普通图像；若检测到人体，再检测人体裸露面积，若人体裸露面积不大于裸露阈值，则判定图像为普通图像，否则判定图像为海滩裸体图像。

本发明提出的特定类敏感图像检测算法结合文献[王一丁.实际网络环境中不良图片的过滤方法.通信学报，2009，30(10)：103-106，113.]提出的方法对5600幅图像样本进行检测，其中包括200幅视频裸聊图像样本，200幅网络卖淫图像样本，200幅海滩裸体图像样本，1000幅非特定类的敏感图像样本，4000幅正常图像样本。检测服务器配置如下：DELL R710机架服务器；双CPU，单CPU四核(

5500处理器系列)；4G内存、300G*4SAS硬盘；Windows操作系统。图像检测结果如表1所示。

表1

本发明提出的特定类敏感图像检测方法解决了几类常规敏感图像检测方法很难识别的敏感图像，辅助常规的敏感图像检测方法，可以有效地提高敏感图像检测的正识率。

Claims (1)

1.一种特定类敏感图像检测方法，其特征在于，包括以下步骤：

（1）从所有图像中提取肤色和图像文字区域特征信息，并建立视频裸聊图像检测模型、网络卖淫图像检测模型和海滩裸体图像检测模型；

（2）根据所建立的视频裸聊图像检测模型，对视频裸聊图像进行匹配，若匹配成功，则图像直接判定为敏感图像，图像检测结束，否则，转入（3）；

（3）根据所建立的网络卖淫图像检测模型，对网络卖淫图像进行匹配，若匹配成功，则图像直接判定为敏感图像，图像检测结束，否则，转入（4）；

（4）根据所建立的海滩裸体图像检测模型，对海滩裸体图像进行匹配，若匹配成功，则图像直接判定为敏感图像，图像检测结束，否则，转入其它图像检测模块；

所述步骤（1）的肤色提取方法，采用基于RGB颜色空间的亮度自适应检测方法，对光照条件均衡、光线过强或者曝光过度、灯光影响导致图像变色条件下进行建模，建立肤色检测方法；

所述步骤（1）的图像文字区域提取方法，是对待检测区域Rg，取水平方向上的梯度值作为点(i,j)的梯度，记作G(i,j)，滑动窗口在待检测区域中扫描，滑动窗口内某行的文字像素点梯度G_T(i,j)的和大于行阈值Thr_L，则该行为文字行；若滑动窗口内文字行的连续性大于滑动窗口阈值Thr_W，说明当前滑动窗口是文本窗口；若待检测区域Rg内统计为文本窗口数sumT大于区域阈值Thr_Rg，则确定待检测区域为文字区域；

所述步骤（2）的视频裸聊图像检测模型，设图像的右上部分为视频窗口，左边为消息窗口，若消息窗口的背景亮度大于消息窗口亮度阈值Thr_M且消息窗口为文字区域，视频窗口可以检测出人体且肤色比例大于视频窗口的肤色阈值Thr_S，视频窗口检测为非文字区域，则判定该图像为视频裸聊图像；

所述步骤（3）的网络卖淫图像检测模型，设图像的上部分为文本窗口，下部分为肖像窗口，文本窗口的背景亮度大于文本窗口亮度阈值Thr_T且文本窗口为文字区域，肖像窗口可以检测出人体且肖像窗口检测为非文字区域，则判定该图像为网络卖淫图像；

所述步骤（4）的海滩裸体图像检测模型，设定图像的远景部分为天空，近景部分为海滩，分别建立天空模型和海滩模型，若图像检测为海滩天空图像，且在海滩区域中可以检测出裸露人体，则判定该图像为海滩裸体图像；

所述的天空模型，图像I的上部分为天空，取上边缘n行作为天空检测区域Φ，计算Φ中检测为天空的像素所占的比例，设BS(I(i,j))表示像素(i,j)被检测为蓝天，WC(I(i,j))表示像素(i,j)被检测为白云，R_Φ1表示检测为BS像素所占的比例，R_Φ2表示检测为BS和WC两类像素所占的比例，Thr_Sky1、Thr_Sky2分别为天空阈值和蓝天阈值，若满足R_Φ1＞Thr_Sky1或者满足R_Φ2＞Thr_Sky1且R_Φ1＞Thr_Sky2，则认为Φ为天空；

所述的海滩模型，取下边缘和左右两边缘的像素点集合γ，设海滩颜色与肤色所用同一模型，计算γ中检测为肤色的像素所占的比例R_γ，若R_γ大于海滩阈值Thr_Des，则认为图像下部分区域中有海滩。

Images