基于人体关键部位的不良图像过滤.PDF

第 32 卷 第 4 期 应 用 科 学 学 报 Vol. 32 No. 4 2014年7月 JOURNAL OF APPLIED SCIENCES — Electronics and Information Engineering Jul. 2014 DOI: 10.3969/j.issn.0255-8297.2014.04.012 基于人体关键部位的不 良图像过滤 黄 杰， 倪鹏宇 东南大学 信息科学与工程学院，南京 210096 摘摘摘 要要要：：： 肤色过滤不 良图像 的方法对于皮肤裸露较 多但不含关键部位或类肤色 区域较 多的图像容易产生误检， 为此设计 了一种基于人体关键部位 的不 良图像过滤系统. 首先提取人体关键部位灰度分布 的 Haar-like 特征，采 用 Adaboost 学习算法训练得到人体关键部位分类器 ；然后通过此分类器得到人体关键部位候选区域，提取其梯度 直方 图特征、基于灰度共生矩阵的纹理特征和基于颜色矩 的颜色特征，使用支持 向量机(support vector machine, SVM)进行训练；最后将训练得到的 SVM 分类器二次过滤人体关键部位 ，以提高系统整体的精度. 实验结果表 明， 该系统能准确地检测出人体关键部位 ，有效地降低不 良图像的误检率. 关键词：Haar-like 特征；Adaboost 学习算法；梯度直方 图；灰度共生矩阵；颜色矩 中图分类号：TN957.52 文章编号：0255-8297(2014)04-0416-07 Pornographic-Image Filtering Based on Body Parts HUANG Jie, NI Peng-yu School of Information Science and Engineering, Southeast University, Nanjing 210096, China Abstract: Non-pornographic images containing large naked skin or skin-like areas may be detected as porno- graphic using ordinary pornographic image-filtering method that heavily depend on skin detection. We design a different pornographic image-filtering system based on body parts. The system extracts Haar-like features describing local grayscale distribution of the body parts, and uses these features to train and obtain a classifier for body parts using the Adaboost learning algorithm. The candidate body part areas can be obtained with the classifier. To further improve the system performance, we extract histogram of oriented gradient features, textual features based on gray level co-occurrence matrix, and color moment features of the candidates. These features are then used to