专利名称：一种基于图像语义分析的移动终端色情过滤方法
技术领域：
本发明属于图像处理领域，具体涉及一种基于图像语义分析的移动终端色情过滤方法。
背景技术：
中国互联网信息中心发布了《2011年中国青少年上网行为调查报告》，截至2011年12月底，中国青少年网民规模已达2.32亿，占整体网民的45.1%，占青少年总体的64.4%，超出全国网民平均水平26.1个百分点。2011年，新增青少年网民1936万，同比增长
9.0%。特别值得一提的是，2007 2010年间青少年手机上网比例已从49.7%提升到80.3%。随着移动互联网的快速发展，特别是3G网络的发展及智能手机、平板电脑等移动终端的发展，未成年人使用手机上网的比例还会进一步提高。早在2009年12月之前，中国科学院相关课题小组同样随机抽样监测了 2000个手机网站，其中淫秽色情手机网站167个，占比
8.3%。2010年，这一比例增至9.9%。这些手机淫秽色情网站毒害着青少年的心灵，容易引发青少年犯罪。而在传统互联网领域，已经相对成熟的“金盾工程”、“国家计算机网络应急技术处理协调中心”等机制还并未移植到无线互联网上。显然，无线互联网与互联网的信息治理还有待更多协同。手机色情信息一直难以彻底清除，从技术方面分析主要原因是:青少年手机用户用WAP上网很容易进入淫秽色情网站，这些网站通过购买号段主动推送，浏览者通常会无意闯入，而同样的网址在电脑上呈现的则是无内容或“无色”内容。手机色情网站却由于其特殊的链接方式而不容易被发现。许多存在问题的手机网站都设置了 WAP网关，用户只有通过手机上网才能浏览，而且，有一些WAP网站实行的是会员制，必须获得会员资格才能浏览和下载，更加具有隐蔽性。此外，监管部门没有专门的手机网络监控人员，偶尔需要也是通过手机上网进行监测，由于带宽和网速的限制，无法快速搜索浏览、及时发现淫秽色情网站，即使发现了，也存在IP地址定位和取证等困难。种种技术上的限制导致监管部门不能及时发现和关闭那些传播手机色情信息的网站。淫秽色情手机网站一直得不到有效封堵，是因为这些网站采用跳转IP和变换域名的办法。现在国内外在基于内容的敏感图像过滤的研究方面做了不少工作，可以解决因某些色情网站刻意跳转IP和变换域名而无法检测的问题，但是处理速度和处理的正确率仍然是这种方式的一个瓶颈。
发明内容
为了解决敏感图像过滤方面存在的问题，本发明提供了一种基于图像语义分析的敏感部位检测方法，将视觉注意机制加入到敏感图像检测中，来提高检测的性能与效率。本发明采取的技术方案如下:基于图像语义分析的敏感区域检测方法，包括以下步骤:步骤1，输入训练图像。将敏感图像作为正例样本，正常图像作为负例样本。对正例样本，确定敏感区域(胸部、下体部位)作为自顶向下认定标准，提取注意引导图。研究表明加入视觉模型能够明显提升检测的性能和效率。显著性能够保证图像中的前景物体扭曲度更小，有效突出目标特征，屏蔽掉干扰信息。因而在训练分类器和检测敏感图像的时候加入视觉模型，可达到提高检测率的目的。步骤2，提取输入训练图像的特征。假设输入一幅3通道彩色图像I，其宽和高分别为W、H，提取输入训练图像的特征的方法如下:①将输入图像切分成不重叠的图像块，并将每个图像块向量化。首先，把图像切分成图像块，将图像I按照从左至右、从上至下的顺序切分成不重
叠的图像块Pi (i = 1，2，...，L)，每个图像块是一个方块，宽和高都是k(k〈W，k < H)，图像I
可以切分出的图像块总数为:
权利要求
1.一种基于图像语义分析的敏感区域检测方法，其特征在于包括以下步骤: 步骤1，输入训练图像:将敏感图像作为正例样本，正常图像作为负例样本；训练样本的采集遵循以下原则:正例样本清晰，扭曲度小，并且在数量上达到一定的量；负例样本的量要超过正例样本，并且包含不同形态的事物，包括自然景色，以及行人等图像，以尽可能地减小误判；对正例样本，确定敏感区域(胸部、下体部位)作为自顶向下认定标准，提取注意引导图； 步骤2，提取输入训练图像的特征，方法如下: ①将输入图像切分成不重叠的图像块，并将每个图像块向量化； 首先，把宽和高分别为W、H的图像I按照从左至右、从上至下的顺序切分成不重叠的图像块Pi Q = I, 2,..., L),每个图像块是一个方块，宽和闻都是k (k < W，k < H),图像I可以切分出的图像块总数为:
2.根据权利要求1所述的一种基于图像语义分析的敏感区域检测方法，其特征在于步骤5所述的预处理，通过对图像中敏感区域可能的位置进行标定，缩小目标范围，提高检测速度，预处理的方法 如下: ①建立显著图:首先对原图像降采样；然后将降采样之后的图像分成图块，用度量每个图像块与其他图像块的不相似度作为显著性度量值，得到显著图； ②对图像中敏感区域可能的位置进行标定。
全文摘要
本发明公开了一种在移动设备上基于图像语义分析的敏感区域检测方法，实现了在训练分类器的预处理阶段加入自顶向下的视觉注意机制来增强分类器训练的性能和效果，用训练好的分类器对图像进行分类。包括输入训练图像；提取输入训练图像的特征；将提取的特征训练多个弱分类器，并级联形成最终需要的强分类器；输入测试图像，对测试图像进行预处理，通过视觉注意机制对图像中敏感区域可能的位置进行标定；进行敏感图像检测；输出敏感图像检测结果。在敏感图像检测前进行自顶向下注意机制的显著图提取，可以提高运算效率，缩短运算时间，显著提高检测速度；也使正检率明显提高，误检率明显降低。
文档编号G06K9/62GK103093236SQ20131001394
公开日2013年5月8日 申请日期2013年1月15日 优先权日2013年1月15日
发明者段立娟, 谷继力, 吴春鹏, 杨震, 苗军, 李健, 马伟, 乔海涛, 张祺 申请人:北京工业大学