CN107895140A - 基于人脸肤色的色情图片识别办法 - Google Patents
基于人脸肤色的色情图片识别办法 Download PDFInfo
- Publication number
- CN107895140A CN107895140A CN201710986311.3A CN201710986311A CN107895140A CN 107895140 A CN107895140 A CN 107895140A CN 201710986311 A CN201710986311 A CN 201710986311A CN 107895140 A CN107895140 A CN 107895140A
- Authority
- CN
- China
- Prior art keywords
- skin
- face
- colour
- porny
- identification method
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种基于人脸肤色的色情图片识别办法,包括获取待测图片,还包含以下步骤,根据肤色数字模型检测出肤色,并计算肤色区域大小;检测人脸,计算人脸区域大小,并找出人体区域;根据肤色区域及人脸区域的大小,计算占比;进行初步色情判断;进行深度色情判断。本发明采用YCbCr颜色聚类模型作为肤色模型,采用级联算法进行人脸特征识别,结合ResNet残差网络进行色情判别,能够简单、快速、高效的判别图片。
Description
技术领域
本发明涉及图像识别的技术领域,特别是一种基于人脸肤色的色情图片识别办法。
背景技术
随着网络信息的快速发展,互联网对当今社会的政治、经济、文化、教育和人们的生活产生了重大的影响,既方便了人们的信息交流,又推动了社会的进步,但是互联网也给人们带来了很多负面影响,其中较为突出的是在互联网上传播色情内容。色情内容的传播有文字、图像和视频3种形式,视频是由许多帧的图像构成,因而研究色情图像识别对于禁止在互联网上传播色情内容具有重要意义。
色情图像的一个重要特征就是暴露身体部分较多,更严重的就是全身裸露,因而利用人脸的肤色占整体肤色比例的特征可以有效地识别色情图像。
申请号为CN105512245A的发明申请公开了一种基于肤色和特征部位联合检测的色情图片识别方法,该方法包括一下步骤:(1)样本训练的准备阶段,用于获取待检图像的识别阶段所需参数;该样本训练的准备阶段分别围绕肤色样板训练和特诊部位样板训练展开;(2)读取待检图像;(3)待检图像的识别阶段,用于根据样本训练的准备阶段所获得的参数,对待检图像是否是色情图片进行判断,首先进行肤色检测,然后进行特征部位检测,如果肤色区域面积占整个图像的1/2以上,且至少出现一个特征部位,则该图片判定为色情图片。该方法计算比较复杂,需要先进行样本训练,然后才对图片进行检测。
申请号为CN102880613A的发明申请公开了一种色情图片的识别方法及其设备,该方法包括:根据图片相关统一资源定位符URL信息确定图片相关URL信息色情度得分,和/或根据图片相关文字信息确定图片相关文字信息色情度得分;根据所述图片相关URL信息色情度得分、和/或图片相关文字信息色情度得分与对应色情度得分阈值的关系,判断图片是否为色情图片。该方法判断色情图片的方法主要依据网页地址和文字信息等,并不是依靠分析图片进行判断,容易出现误判。
发明内容
为了解决上述问题,本发明提供了一种基于人脸肤色的色情图片识别办法,基于人脸及肤色的特征比例的识别技术,结合ResNet残差网络的色情判别,将开源人脸检测器技术与肤色模型完美结合。
本发明的具体技术方案如下:
本发明的提出了一种基于人脸肤色的色情图片识别办法,包括获取待测图片,包含以下步骤:
步骤1:根据肤色数字模型检测出肤色,并计算肤色区域大小;
步骤2:检测人脸,计算人脸区域大小,并找出人体区域;
步骤3:根据肤色区域及人脸区域的大小,计算占比;
步骤4:进行初步色情判断;
步骤5:进行深度色情判断。
优选的是,所述肤色数字模型为ycbcr肤色聚类,运用椭圆模型进行肤色分割,计算公式如下:其中,cx、cy是肤色所属的一个ycbcr空间中的椭圆的坐标,θ是肤色所属的一个ycbcr空间中的椭圆的倾斜角,a、b是肤色所属的一个ycbcr空间中的椭圆的两轴的半长,e是一个缩放系数。
在上述方案中优选的是,根据肤色在c′bcr′空间内的分布形状,确定ecx、ecy、a、b、cx、cy和θ的设置,对图像中的每个像素进行检测。
在上述方案中优选的是,如果变换后的c′bcr′值在椭圆区域内,则视为肤色像素点,反之为非肤色像素点
在上述方案中优选的是,所述检测人脸的方法为采用OpenCV级联算法产生点人脸检测的图片。
在上述方案中优选的是,所述OpenCV级联算法用于计算特征值的基础类FeatureEvaluator,具有读操作read、复制clone、获得特征类型getFeatureType,分配图片分配窗口的操作setImage、setWindow,计算有序特征calcOrd,计算绝对特征calcCat,创建分类器特征的结构create函数、级联分类器类CascadeClassifier、目标级联矩形的分组函数groupRectangles中至少一种的功能。
在上述方案中优选的是,所述步骤3为设定比较阈值。
在上述方案中优选的是,所述初步色情判断的原则是当人脸占肤色占比大于所述阈值就认为是非黄色,如果小于所述阈值则执行步骤5。
在上述方案中优选的是,所述步骤5为结合ResNet残差网络,根据肤色区域及人脸区域的大小,人体位置,暴露区域,暴露位置等判定是否色情图片。
在上述方案中优选的是,所述步骤5还为根据人脸位置以一定的比例定位人体区域。
在上述方案中优选的是,所述人体区域的位置以及面积是通过所述ResNet残差网络的输出得到。
在上述方案中优选的是,所述步骤5还为排除肤色检测后得到的非人体皮肤区域。
在上述方案中优选的是,所述非人体皮肤区域是指在所述人体区域内的所述非肤色像素点的集合。
在上述方案中优选的是,所述步骤5还为计算肤色区域占人体区域的比例Pskin,计算公式为其中Nall是指所述人体区域内像素点的数量,Nnon-skin是指非人体皮肤区域的像素点的数量。
在上述方案中优选的是,所述步骤5还为判断是否有关键部位暴露。
在上述方案中优选的是,所述判断方法为判定肤色区域占人体区域的比例Pskin是否大于设定阈值t,如果大于t,则判定有关键部位暴露。
在上述方案中优选的是,根据从权利要求10到权利要求14中得到的数据,结合ResNet残差网络,对图片中是否含有不良信息做出准确判断。
本发明的目的是提供色情图片识别技术,基于人脸及肤色的特征比例的识别技术,将开源人脸检测器技术与肤色模型完美结合,该技术能有效降低色情图片的误检率,适用范围广,准确率高,速度快。
附图说明
图1为按照本发明的基于人脸肤色的色情图片识别办法的一优选实施例的流程示意图。
图2为按照本发明的基于人脸肤色的色情图片识别办法的如图1所示实施例的肤色区域示意图。
图3为按照本发明的基于人脸肤色的色情图片识别办法的如图1所示实施例的指标人体区域示意图。
图4为按照本发明的基于人脸肤色的色情图片识别办法的如图1所示实施例的指标人脸检测示意图。
图5为按照本发明的基于人脸肤色的色情图片识别办法的一优选实施例的y cb cr空间肤色聚类区域图。
图5a为按照本发明的基于人脸肤色的色情图片识别办法的如图4所示实施例的cbcr平面肤色聚类区域图。
图5b为按照本发明的基于人脸肤色的色情图片识别办法的如图4所示实施例的yc'b c'r空间肤色聚类区域图。
图5c为按照本发明的基于人脸肤色的色情图片识别办法的如图4所示实施例的c'b c'r平面肤色聚类区域图。
具体实施方式
实施例1
如图1所示,执行步骤100,获取需要检测的图片。执行步骤110,根据肤色模型计算肤色区域。色情图片的最典型特征就是图片中包含有大面积的皮肤裸露区域,所以第一步准确的找到肤色区域是非常重要的。本实施例中采用肤色数字模型(y cb cr肤色聚类)运用椭圆模型进行肤色分割,计算公式如下:
其中,其中,cx、cy是肤色所属的一个ycbcr空间中的椭圆的坐标,θ是肤色所属的一个ycbcr空间中的椭圆的倾斜角,a、b是肤色所属的一个ycbcr空间中的椭圆的两轴的半长,e是一个缩放系数。根据肤色在c'b c'r空间内的分布形状,确定ecx、ecy、a、b、cx、cy和θ的设置,对图像中的每个像素进行检测。执行步骤120,检测人脸,计算出人脸区域大小,并找出人体区域。人脸检测采用OpenCV级联算法,结果将产生点人脸检测的图片。OpenCV级联算法计算特征值的基础类FeatureEvaluator,功能包括读操作read、复制clone、获得特征类型getFeatureType,分配图片分配窗口的操作setImage、setWindow,计算有序特征calcOrd,计算绝对特征calcCat,创建分类器特征的结构create函数。级联分类器类CascadeClassifier。目标级联矩形的分组函数groupRectangles。执行步骤130计算肤色区域与人脸区域占比。执行步骤140,设定阈值(在本实施例中,阈值设定为0.2)。执行步骤150,进行初步色情判断,提取步骤130中得到的肤色区域与人脸区域占比,与步骤140中设定的阈值0.2进行比较。如果脸占肤色占比大于阈值,则执行步骤155,确认该图片不是色情图片。如果脸占肤色占比小于阈值,则执行步骤160,进行深度色情判断。结合ResNet残差网络,根据肤色区域及人脸区域的大小,人体位置,暴露区域,暴露位置等判定是否色情图片。如果根据分析,确认不是,则执行步骤155,确认该图片不是色情图片。如果根据分析,确认是,则执行步骤170,确认是色情图片并进行上报。
实施例2
(1)如图2所示,不良图片的最典型特征就是图片中包含有大面积的皮肤裸露区域,所以第一步准确的找到肤色区域是非常重要的。根据肤色数学模型(YCbCr肤色聚类)检测出肤色,并计算肤色区域大小。运用椭圆模型进行肤色分割,计算公式如下:其中,根据肤色在c'b c'r空间内的分布形状,确定ecx、ecy、a、b、cx、cy和θ的设置,在本实施例中,设定解析式中的常量分别为ecx=1.60,ecy=2.41,a=25.39,b=14.03,cx=109.38,cy=152.02,θ=2.53。最后,对图像中的每个像素进行检测,若其变换后的c'b c'r值在椭圆区域之内,则视为肤色像素点,否则,为非肤色像素点。
(2)如图3所示,检测人脸,计算出人脸区域大小,并找出人体区域。
如图4所示,人脸检测采用OpenCV级联算法,结果将产生点人脸检测的图片。OpenCV级联算法计算特征值的基础类FeatureEvaluator,功能包括读操作read、复制clone、获得特征类型getFeatureType,分配图片分配窗口的操作setImage、setWindow,计算有序特征calcOrd,计算绝对特征calcCat,创建分类器特征的结构create函数。级联分类器类CascadeClassifier。目标级联矩形的分组函数groupRectangles。
(3)根据肤色区域及人脸区域的大小,计算占比。
(4)设定阈值,通常定为0.2。
(5)进行初步色情判断:人脸占肤色占比大于阈值就认为是非黄色,如果小于阈值则需要进一步判断。
(6)根据肤色区域及人脸区域的大小,人体位置,暴露区域,暴露位置等判定是否色情图片。
在检测到人脸之后,我们可以根据人脸位置以一定的比例定位人体区域,排除肤色检测后得到的非人体皮肤区域,计算肤色区域占人体区域的比例,判断是否有关键部位暴露,判断人体区域的形状等,从而对图片中是否含有不良信息做出准确判断。
实施例3
如图5所示,ycbcr空间肤色聚类区域图表示在y-cb-cr三维色彩空间中肤色像素所占区域。
如图5a所示,cbcr平面肤色聚类区域图表示将上述三维空间在y方向上投影后所得的二维空间中肤色像素所占的近似椭圆型的区域;
如图5b所示,yc′bcr′空间肤色聚类区域图表示在y-c′b-cr′空间内真实图片中标记的皮肤像素的分布;
如图5c所示,c′bcr′平面肤色聚类区域图为上图在Y方向上的投影,其中的椭圆形为cbcr平面肤色聚类区域图中的椭圆区域拟合得到的结果。
实施例四
本发明的提出了一种基于人脸肤色的色情图片识别办法,包括获取待测图片,包含以下步骤:
步骤1:根据肤色数字模型检测出肤色,并计算肤色区域大小;
步骤2:检测人脸,计算人脸区域大小,并找出人体区域;
步骤3:根据肤色区域及人脸区域的大小,计算占比;
步骤4:进行初步色情判断;
步骤5:进行深度色情判断。
优选的是,所述肤色数字模型为ycbcr肤色聚类,运用椭圆模型进行肤色分割,计算公式如下:其中,cx、cy是肤色所属的一个ycbcr空间中的椭圆的坐标,θ是肤色所属的一个ycbcr空间中的椭圆的倾斜角,a、b是肤色所属的一个ycbcr空间中的椭圆的两轴的半长,e是一个缩放系数。
在上述方案中优选的是,根据肤色在c′bcr′空间内的分布形状,确定ecx、ecy、a、b、cx、cy和θ的设置,对图像中的每个像素进行检测。
在上述方案中优选的是,如果变换后的c′bcr′值在椭圆区域内,则视为肤色像素点,反之为非肤色像素点
在上述方案中优选的是,所述检测人脸的方法为采用OpenCV级联算法产生点人脸检测的图片。
在上述方案中优选的是,所述OpenCV级联算法用于计算特征值的基础类FeatureEvaluator,具有读操作read、复制clone、获得特征类型getFeatureType,分配图片分配窗口的操作setImage、setWindow,计算有序特征calcOrd,计算绝对特征calcCat,创建分类器特征的结构create函数、级联分类器类
CascadeClassifier、目标级联矩形的分组函数groupRectangles中至少一种的功能。
在上述方案中优选的是,所述步骤3为设定比较阈值。
在上述方案中优选的是,所述初步色情判断的原则是当人脸占肤色占比大于所述阈值就认为是非黄色,如果小于所述阈值则执行步骤5。
在上述方案中优选的是,所述步骤5为结合ResNet残差网络,根据肤色区域及人脸区域的大小,人体位置,暴露区域,暴露位置等判定是否色情图片。
在上述方案中优选的是,所述步骤5还为根据人脸位置以一定的比例定位人体区域。
在上述方案中优选的是,所述人体区域的位置以及面积是通过所述ResNet残差网络的输出得到。
在上述方案中优选的是,所述步骤5还为排除肤色检测后得到的非人体皮肤区域。
在上述方案中优选的是,所述非人体皮肤区域是指在所述人体区域内的所述非肤色像素点的集合。
在上述方案中优选的是,所述步骤5还为计算肤色区域占人体区域的比例Pskin,计算公式为其中Nall是指所述人体区域内像素点的数量,Nnon-skin是指非人体皮肤区域的像素点的数量。
在上述方案中优选的是,所述步骤5还为判断是否有关键部位暴露。
在上述方案中优选的是,所述判断方法为判定肤色区域占人体区域的比例Pskin是否大于设定阈值t,如果大于t,则判定有关键部位暴露。
在上述方案中优选的是,根据从权利要求10到权利要求14中得到的数据,结合ResNet残差网络,对图片中是否含有不良信息做出准确判断。
为了更好地理解本发明,以上结合本发明的具体实施例做了详细描述,但并非是对本发明的限制。凡是依据本发明的技术实质对以上实施例所做的任何简单修改,均仍属于本发明技术方案的范围。本说明书中每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言,由于其与方法实施例基本对应,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
Claims (10)
1.一种基于人脸肤色的色情图片识别办法,包括获取待测图片,其特征在于,还包含以下步骤:
步骤1:根据肤色数字模型检测出肤色,并计算肤色区域大小;
步骤2:检测人脸,计算人脸区域大小,并找出人体区域;
步骤3:根据肤色区域及人脸区域的大小,计算占比;
步骤4:进行初步色情判断;
步骤5:进行深度色情判断。
2.根据权利要求1所述的基于人脸肤色的色情图片识别办法,其特征在于,所述肤色数字模型为ycbcr肤色聚类,运用椭圆模型进行肤色分割,计算公式如下:其中,cx、cy是肤色所属的一个ycbcr空间中的椭圆的坐标,θ是肤色所属的一个ycbcr空间中的椭圆的倾斜角,a、b是肤色所属的一个ycbcr空间中的椭圆的两轴的半长,e是一个缩放系数。
3.根据权利要求2所述的基于人脸肤色的色情图片识别办法,其特征在于,根据肤色在c′bc′r空间内的分布形状,确定ecx、ecy、a、b、cx、cy和θ的设置,对图像中的每个像素进行检测。
4.根据权利要求3所述的基于人脸肤色的色情图片识别办法,其特征在于,如果变换后的c′bc′r值在椭圆区域内,则视为肤色像素点,反之为非肤色像素点。
5.根据权利要求1所述的基于人脸肤色的色情图片识别办法,其特征在于,所述检测人脸的方法为采用OpenCV级联算法产生点人脸检测的图片。
6.根据权利要求5所述的基于人脸肤色的色情图片识别办法,其特征在于,所述OpenCV级联算法用于计算特征值的基础类FeatureEvaluator,具有读操作read、复制clone、获得特征类型getFeatureType,分配图片分配窗口的操作setImage、setWindow,计算有序特征calcOrd,计算绝对特征calcCat,创建分类器特征的结构create函数、级联分类器类CascadeClassifier、目标级联矩形的分组函数groupRectangles中至少一种的功能。
7.根据权利要求1所述的基于人脸肤色的色情图片识别办法,其特征在于,所述步骤3为设定比较阈值。
8.根据权利要求7所述的基于人脸肤色的色情图片识别办法,其特征在于,所述初步色情判断的原则是当人脸占肤色占比大于所述阈值就认为是非黄色,如果小于所述阈值则执行步骤5。
9.根据权利要求1所述的基于人脸肤色的色情图片识别办法,其特征在于,所述步骤5为结合ResNet残差网络,根据肤色区域及人脸区域的大小,人体位置,暴露区域,暴露位置等判定是否色情图片。
10.根据权利要求9所述的基于人脸肤色的色情图片识别办法,其特征在于,所述步骤5还为根据人脸位置以一定的比例定位人体区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710986311.3A CN107895140A (zh) | 2017-10-20 | 2017-10-20 | 基于人脸肤色的色情图片识别办法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710986311.3A CN107895140A (zh) | 2017-10-20 | 2017-10-20 | 基于人脸肤色的色情图片识别办法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107895140A true CN107895140A (zh) | 2018-04-10 |
Family
ID=61802866
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710986311.3A Pending CN107895140A (zh) | 2017-10-20 | 2017-10-20 | 基于人脸肤色的色情图片识别办法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107895140A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109639742A (zh) * | 2019-02-01 | 2019-04-16 | 温州大学 | 一种信息安全监控系统 |
CN110210356A (zh) * | 2019-05-24 | 2019-09-06 | 厦门美柚信息科技有限公司 | 一种图片鉴别方法、装置及系统 |
CN111178343A (zh) * | 2020-04-13 | 2020-05-19 | 腾讯科技(深圳)有限公司 | 基于人工智能的多媒体资源检测方法、装置、设备及介质 |
CN112036310A (zh) * | 2020-08-31 | 2020-12-04 | 北京字节跳动网络技术有限公司 | 一种图片处理方法、装置、设备及存储介质 |
CN112801062A (zh) * | 2021-04-07 | 2021-05-14 | 平安科技(深圳)有限公司 | 直播视频识别方法、装置、设备及介质 |
CN115546824A (zh) * | 2022-04-18 | 2022-12-30 | 荣耀终端有限公司 | 禁忌图片识别方法、设备及存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070098267A1 (en) * | 2005-10-27 | 2007-05-03 | Electronics And Telecommunications Research Institute | Method and apparatus for distinguishing obscene video using visual feature |
US20100211551A1 (en) * | 2007-07-20 | 2010-08-19 | Olaworks, Inc. | Method, system, and computer readable recording medium for filtering obscene contents |
CN101996314A (zh) * | 2009-08-26 | 2011-03-30 | 厦门市美亚柏科信息股份有限公司 | 一种基于内容的人体上半身敏感图像识别方法及其装置 |
CN102117413A (zh) * | 2011-03-01 | 2011-07-06 | 金华就约我吧网络科技有限公司 | 基于多层特征的不良图像自动过滤方法 |
CN102270303A (zh) * | 2011-07-27 | 2011-12-07 | 重庆大学 | 敏感图像的联合检测方法 |
CN102324036A (zh) * | 2011-09-02 | 2012-01-18 | 北京新媒传信科技有限公司 | 图像中获取人脸肤色区域的方法和装置 |
CN102542304A (zh) * | 2012-01-12 | 2012-07-04 | 郑州金惠计算机系统工程有限公司 | 识别wap手机色情图像的区域分割肤色算法 |
CN103366160A (zh) * | 2013-06-28 | 2013-10-23 | 西安交通大学 | 融合肤色、人脸和敏感部位检测的不良图像判别方法 |
CN104504383A (zh) * | 2015-01-14 | 2015-04-08 | 东南大学 | 一种基于肤色和Adaboost算法的人脸检测方法 |
US20150139541A1 (en) * | 2013-11-19 | 2015-05-21 | Electronics And Telecommunications Research Institute | Apparatus and method for detecting harmful videos |
-
2017
- 2017-10-20 CN CN201710986311.3A patent/CN107895140A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070098267A1 (en) * | 2005-10-27 | 2007-05-03 | Electronics And Telecommunications Research Institute | Method and apparatus for distinguishing obscene video using visual feature |
US20100211551A1 (en) * | 2007-07-20 | 2010-08-19 | Olaworks, Inc. | Method, system, and computer readable recording medium for filtering obscene contents |
CN101996314A (zh) * | 2009-08-26 | 2011-03-30 | 厦门市美亚柏科信息股份有限公司 | 一种基于内容的人体上半身敏感图像识别方法及其装置 |
CN102117413A (zh) * | 2011-03-01 | 2011-07-06 | 金华就约我吧网络科技有限公司 | 基于多层特征的不良图像自动过滤方法 |
CN102270303A (zh) * | 2011-07-27 | 2011-12-07 | 重庆大学 | 敏感图像的联合检测方法 |
CN102324036A (zh) * | 2011-09-02 | 2012-01-18 | 北京新媒传信科技有限公司 | 图像中获取人脸肤色区域的方法和装置 |
CN102542304A (zh) * | 2012-01-12 | 2012-07-04 | 郑州金惠计算机系统工程有限公司 | 识别wap手机色情图像的区域分割肤色算法 |
CN103366160A (zh) * | 2013-06-28 | 2013-10-23 | 西安交通大学 | 融合肤色、人脸和敏感部位检测的不良图像判别方法 |
US20150139541A1 (en) * | 2013-11-19 | 2015-05-21 | Electronics And Telecommunications Research Institute | Apparatus and method for detecting harmful videos |
CN104504383A (zh) * | 2015-01-14 | 2015-04-08 | 东南大学 | 一种基于肤色和Adaboost算法的人脸检测方法 |
Non-Patent Citations (1)
Title |
---|
YANG_XIAN521: ""OpenCV学习笔记(二十七)——基于级联分类器的目标检测objdect"", 《HTTPS://BLOG.CSDN.NET/YANG_XIAN521/ARTICLE/》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109639742A (zh) * | 2019-02-01 | 2019-04-16 | 温州大学 | 一种信息安全监控系统 |
CN110210356A (zh) * | 2019-05-24 | 2019-09-06 | 厦门美柚信息科技有限公司 | 一种图片鉴别方法、装置及系统 |
CN111178343A (zh) * | 2020-04-13 | 2020-05-19 | 腾讯科技(深圳)有限公司 | 基于人工智能的多媒体资源检测方法、装置、设备及介质 |
CN112036310A (zh) * | 2020-08-31 | 2020-12-04 | 北京字节跳动网络技术有限公司 | 一种图片处理方法、装置、设备及存储介质 |
US11900726B2 (en) | 2020-08-31 | 2024-02-13 | Beijing Bytedance Network Technology Co., Ltd. | Picture processing method and apparatus, device, and storage medium |
CN112801062A (zh) * | 2021-04-07 | 2021-05-14 | 平安科技(深圳)有限公司 | 直播视频识别方法、装置、设备及介质 |
CN115546824A (zh) * | 2022-04-18 | 2022-12-30 | 荣耀终端有限公司 | 禁忌图片识别方法、设备及存储介质 |
CN115546824B (zh) * | 2022-04-18 | 2023-11-28 | 荣耀终端有限公司 | 禁忌图片识别方法、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107895140A (zh) | 基于人脸肤色的色情图片识别办法 | |
CN106202177B (zh) | 一种文本分类方法及装置 | |
CN105512627B (zh) | 一种关键点的定位方法及终端 | |
CN107506693B (zh) | 畸变人脸图像校正方法、装置、计算机设备和存储介质 | |
CN103035013B (zh) | 一种基于多特征融合的精确运动阴影检测方法 | |
CN107133955B (zh) | 一种多层次结合的协同显著性检测方法 | |
CN108647668A (zh) | 多尺度轻量级人脸检测模型的构建方法及基于该模型的人脸检测方法 | |
CN103632158B (zh) | 森林防火监控方法及森林防火监控系统 | |
CN108038474A (zh) | 人脸检测方法、卷积神经网络参数的训练方法、装置及介质 | |
CN107895160A (zh) | 人脸检测与识别装置及方法 | |
CN109145921A (zh) | 一种基于改进的直觉模糊c均值聚类的图像分割方法 | |
CN110232379A (zh) | 一种车辆姿态检测方法及系统 | |
CN103996195A (zh) | 一种图像显著性检测方法 | |
CN105224921A (zh) | 一种人脸图像择优系统和处理方法 | |
CN111898406A (zh) | 基于焦点损失和多任务级联的人脸检测方法 | |
CN110490238A (zh) | 一种图像处理方法、装置及存储介质 | |
CN108537264A (zh) | 基于深度学习的异源图像匹配方法 | |
CN106203284B (zh) | 基于卷积神经网络和条件随机场的人脸检测方法 | |
CN106611160A (zh) | 一种基于卷积神经网络的图像头发识别方法及其装置 | |
CN110135282A (zh) | 一种基于深度卷积神经网络模型的考生回头抄袭作弊检测方法 | |
CN110532880A (zh) | 样本筛选及表情识别方法、神经网络、设备及存储介质 | |
CN108932724A (zh) | 一种基于多人协同图像标注的系统自动审核方法 | |
CN106529377A (zh) | 一种基于图像的年龄估计方法、装置及系统 | |
CN109711326A (zh) | 一种基于浅层残差网络的视频目标检测方法 | |
CN108416304B (zh) | 一种利用上下文信息的三分类人脸检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180410 |
|
RJ01 | Rejection of invention patent application after publication |