CN102129575A - 一种基于颜色空间肤色模型的色情图像分析*** - Google Patents
一种基于颜色空间肤色模型的色情图像分析*** Download PDFInfo
- Publication number
- CN102129575A CN102129575A CN2011100722593A CN201110072259A CN102129575A CN 102129575 A CN102129575 A CN 102129575A CN 2011100722593 A CN2011100722593 A CN 2011100722593A CN 201110072259 A CN201110072259 A CN 201110072259A CN 102129575 A CN102129575 A CN 102129575A
- Authority
- CN
- China
- Prior art keywords
- color space
- complexion model
- pornographic image
- pixel
- center
- 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.)
- Granted
Links
Images
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种肤色模型色情图像分析***，该分析***包括：颜色空间肤色模型学习中心、色情图像分析识别中心、颜色空间参数管理、分析结果存储展示和图像数据采集。该***通过建立起一个颜色空间肤色模型来分析图片中是否含有色情成分。
Description
技术领域
本发明涉及图像分析处理领域，尤其是相应的图像过滤分析应用领域，特别是针对通信运营商的多媒体信息监控过滤***。
背景技术
随着通信运营商对垃圾短信的监控过滤逐渐加强，对于多媒体消息的监控过滤也逐渐引起了相关运营商的重视，近年来移动互联网的飞速发展，使得原本在互联网上泛滥的不良色情信息也开始在移动网络中扩展开来，基于颜色空间肤色模型的色情图像分析***正是为了在移动网络中布署色情信息监控过滤***而提供的前期核心***支持。
本发明技术方案可以为电信移动运营商提供实时的、高性能的、安全可靠的色情图像监控过滤***，通过强大的颜色空间肤色模型功能，对流动在运营商网络中的色情内容进行准确识别、净化移动通讯市场，保障移动通信网络畅通，维护消费者合法权益。
发明内容
本发明的目的是提供一流的色情图像分析***，该分析***包括:颜色空间肤色模型学习中心、色情图像分析识别中心、颜色空间参数管理、分析结果存储展示和图像数据采集。
根据本发明的实施例，所述颜色空间肤色模型学习中心：
负责为用户提供人机交互学习接口，用户通过该接口来完成肤色模型的学习以及优化工作；
负责为色情图像分析识别中心提供机器识别接口，色情图像分析识别中心通过该接口来实现图像的分析识别功能；
负责通过参数控制接口获取相应的肤色模型学习参数来控制最终生成的颜色空间肤色模型。
根据本发明的实施例可以理解，所述颜色空间肤色模型学习中心对每一个颜色空间像素点建立起了一个概率度量：所述颜色空间中的每一个像素既可能是肤色像素，也可能是非肤色像素，两种情况发生的概率互不相同；颜色空间肤色模型学习中心根据两种概率的比值来衡量该像素是肤色像素的概率，概率大于阈值时，相应像素可以被判断成肤色。
作为本发明的优选，所述颜色空间肤色模型学习中心可以对每次学习过程给出一个影响度评价。
作为本发明的优选，所述颜色空间肤色模型的学习过程中，可以选定特定的色情内容区域进行学习，具体学习过程如下：
用户首先选择一张学习源图像；
人机交互界面允许用户对该图像中特定的色情内容区域进行选定，选定区域后，人机交互接口只将这部分选中的区域的图像数据送到颜色空间肤色模型学习中心进行学习。
根据本发明的实施例，所述色情图像分析识别中心：
负责通过机器识别接口向颜色空间肤色模型学习中心请求颜色空间肤色模型数据，并根据这些肤色模型数据来完成色情图像内容的分析识别工作；
负责通过参数控制接口获取相应的色情图像分析识别参数来控制色情图像内容的识别过程。
根据本发明的实施例，所述色情图像分析识别中心识别步骤为：
机器识别过程只需要扫描全部待分析图像的像素，并判定每个像素是否在颜色空间肤色模型上被着色成肤色点，如果是，那么该像素就是肤色像素；
如果待分析图像中被识别成肤色的像素点数目超过一定的比例，那么色情图像分析识别中心就给出结果告诉用户该图像内容中包含色情内容。
根据本发明的实施例，所述颜色空间参数管理负责管理维护控制颜色空间肤色模型学习中心和色情图像分析识别中心的运行行为的控制参数，提供参数的更新与通知。
作为本发明的优选，所述分析***首先构建一个基础的相对完整准确的颜色空间肤色模型，该***的用户可以通过人机交互接口向***录入学习源图像数据来建立这样一个基础的颜色空间肤色模型。
用户首先通过人机交互接口完成颜色空间肤色模型的创建以及修改优化，创建出来的颜色空间肤色模型可以在不同用户之间相互共享，通过大量用户不断优化后的颜色空间肤色模型便可以提供相当准确的色情图像分析识别功能。建立好具备一定准确度的颜色空间肤色模型后，用户便可以通色情图像分析识别中心来完成任意图像的色情内容识别监控功能了。
附图说明
本发明将通过例子并参照附图的方式说明，其中：
图1是基于颜色空间肤色模型的色情图像分析***示意图。
图2是基于颜色空间肤色模型的色情图像分析***的具体实施方式及处理流程。
具体实施方式
本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。
如图1所示的基于颜色空间肤色模型的色情图像分析***由５部分组成: 颜色空间肤色模型学习中心、色情图像分析识别中心、颜色空间参数管理、分析结果存储展示和图像数据采集。
颜色空间肤色模型学习中心：颜色空间肤色模型学习中心负责为用户提供人机交互学习接口，用户通过该接口来完成肤色模型的学习以及优化工作；负责为色情图像分析识别中心提供机器识别接口，色情图像分析识别中心通过该接口来实现图像的分析识别功能；负责通过参数控制接口获取相应的肤色模型学习参数来控制最终生成的颜色空间肤色模型。
颜色空间肤色模型学习中心对每一个颜色空间像素点建立起了一个概率度量：颜色空间中的每一个像素既可能是肤色像素，也可能是非肤色像素，两种情况发生的概率互不相同。 颜色空间肤色模型学习中心根据两种概率的比值来衡量该像素是肤色像素的概率，比值越大说明是肤色的概率越大，***可以设定特定的概率阈值来判定概率大于多少相应像素可以被决策成肤色。其中阈值根据不同条件有所不同，对于一般***大概0.2-0.6最好。
颜色空间肤色模型学习中心可以对每次学习过程给出一个影响度评价：
1)每次学习过程都会或多或少的对当前的颜色空间肤色模型数据造成变动影响。
2) 颜色空间肤色模型学习中心可以智能的对当前学习过程给出一个影响度评价值，评价值越高代表当前学习过程效果越明显，这个学习过程越值得肯定，如果评价值较低，说明当前学习意义不大，用户应该优化学习过程，以提高影响度评价。
颜色空间肤色模型的学习过程中，可以选定特定的色情内容区域进行学习，具体学习过程如下：
（1）用户首先选择一张学习源图像；
（2）人机交互界面允许用户对该图像中特定的色情内容区域进行选定，选定区域后，人机交互接口只将这部分选中的区域的图像数据送到颜色空间肤色模型学习中心进行学习。
色情图像分析识别中心：色情图像分析识别中心负责通过机器识别接口向颜色空间肤色模型学习中心请求颜色空间肤色模型数据，并根据这些肤色模型数据来完成色情图像内容的分析识别工作；负责通过参数控制接口获取相应的色情图像分析识别参数来控制色情图像内容的识别过程。具体过程如下：
1)色情图像分析识别中心能够快速完成机器识别功能，这主要得益于颜色空间肤色模型学习中心事先建立好的颜色空间模型，该颜色空间模型已将全部可能的像素点进行了肤色点着色。
2)机器识别过程只需要扫描全部待分析图像的像素，并判定每个像素是否在颜色空间肤色模型上被着色成肤色点，如果是，那么该像素就是肤色像素。
3)如果待分析图像中被识别成肤色的像素点数目超过一定的比例，那么色情图像分析识别中心就给出结果告诉用户该图像内容中包含色情内容。
颜色空间参数管理：颜色空间参数管理负责管理维护控制颜色空间肤色模型学习中心和色情图像分析识别中心的运行行为的控制参数，提供参数的更新与通知。
需要说明的是，该***首先构建一个基础的相对完整准确的颜色空间肤色模型，该***的用户可以通过人机交互接口向***录入学习源图像数据来建立这样一个基础的颜色空间肤色模型。该***在首次就生成颜色空间肤色模型数据，绝大部分应用场景都可以此模型数据作为基础版本，如果发现此模型有不准确的地方，用户要做的事情就是：
（1）当某个图片包含色情内容，但没有被***识别出来，那么将这个图片作为色情类别学习源图像数据注入到颜色空间肤色模型中去。
（2）当某个图片不包含色情内容，但却被***识别出来认为包含色情内容，那么有两种选择，一是将这个图片作为非色情类别学习源图像数据注入到颜色空间肤色模型中去；二是将已经注入到颜色空间肤色模型中去的相类似的图片从颜色空间肤色模型中移除。
分析结果存储展示：接收从色情图像分析识别中心发来的每张图像色情内容分析识别结果，对结果进行存储，并将结果送给用户进行展示。
图像数据采集：从外部图像数据源设备采集获取需要进行色情内容分析决策的原始图像数据，并将数据送往色情图像分析识别中心进行分析决策。
上述功能模块可以根据实际数据吞吐容量大小来决定是放在同一个服务器上运行，还是分别布署在不同的服务器上进行集群布署来提高整个***处理性能。
下面具体描述基于颜色空间肤色模型的色情图像分析***的具体实施方式及处理流程（如图2所示）：
用户首先设置颜色空间参数管理中的相关参数，包括图像边界去除参数，概率平滑窗口参数，肤色概率比阈值参数，色情内容肤色像素比参数等。
用户通过人机交互接口向颜色空间肤色模型学习中心添加包含色情内容的学习源图像数据，其中的色情内容可以标记成特定兴趣区域以提高***的准确率。颜色空间肤色模型学习中心给用户返回本次学习的影响度评价供用户参考决策是否真的需要生效本次学习。
用户通过人机交互接口向颜色空间肤色模型学习中心添加不包含色情内容的学习源图像数据。颜色空间肤色模型学习中心给用户返回本次学习的影响度评价供用户参考决策是否真的需要生效本次学习。
颜色空间肤色模型学习中心根据前两步的学习数据完成内部模型相关数据的计算，对每一个像素计算其是肤色与非肤色的概率比（通过计算在学习的肤色像素中该颜色的概率以及在非肤色像素中的该颜色的概率来间接计算），并建立起肤色像素分布模型，并生效肤色像素分布模型。具体计算方法如下所示，其中s代表皮肤，c代表颜色。
对于上面的概率比大于一定阈值的像素在肤色模型中标注成肤色。
用户输入待分析图像数据给色情图像分析识别中心，色情图像分析识别中心通过机器识别接口向颜色空间肤色模型学习中心请求颜色空间肤色模型数据，并根据这些肤色模型数据来完成色情图像内容的分析识别工作。
用户根据实际分析识别效果再次有针对性的进行肤色模型数据进行调整优化，具体调方法为：当某个图片包含色情内容，但没有被***识别出来，那么将这个图片作为色情类别学习源图像数据注入到颜色空间肤色模型中去。当某个图片不包含色情内容，但却被***识别出来认为包含色情内容，那么有两种选择，一是将这个图片作为非色情类别学习源图像数据注入到颜色空间肤色模型中去；二是将已经注入到颜色空间肤色模型中去的相类似的图片从颜色空间肤色模型中移除。
颜色空间肤色模型学习中心将优化后的颜色空间肤色模型数据生效，用户便可立即体验到最新的色情图像识别分析效果。
本说明书（包括任何附加权利要求、摘要和附图）中公开的任一特征，除非特别叙述，均可被其他等效或具有类似目的的替代特征加以替换。即，除非特别叙述，每个特征只是一系列等效或类似特征中的一个例子而已。
本发明并不局限于前述的具体实施方式。本发明扩展到任何在本说明书中披露的新特征或任何新的组合，以及披露的任一新的方法或过程的步骤或任何新的组合。
Claims (9)
1.一种肤色模型色情图像分析***，其特征在于，该分析***包括:颜色空间肤色模型学习中心、色情图像分析识别中心、颜色空间参数管理、分析结果存储展示和图像数据采集。
2.如权利要求1所述的肤色模型色情图像分析***，其特征在于，所述颜色空间肤色模型学习中心：
负责为用户提供人机交互学习接口，用户通过该接口来完成肤色模型的学习以及优化工作；
负责为色情图像分析识别中心提供机器识别接口，色情图像分析识别中心通过该接口来实现图像的分析识别功能；
负责通过参数控制接口获取相应的肤色模型学习参数来控制最终生成的颜色空间肤色模型。
3.如权利要求2所述的肤色模型色情图像分析***，其特征在于，所述颜色空间肤色模型学习中心对每一个颜色空间像素点建立起了一个概率度量：所述颜色空间中的每一个像素既可能是肤色像素，也可能是非肤色像素，两种情况发生的概率互不相同；颜色空间肤色模型学习中心根据两种概率的比值来衡量该像素是肤色像素的概率，概率大于阈值时，相应像素可以被判断成肤色。
4.如权利要求3所述的肤色模型色情图像分析***，其特征在于，所述颜色空间肤色模型学习中心可以对每次学习过程给出一个影响度评价。
5.如权利要求4所述的肤色模型色情图像分析***，其特征在于，所述颜色空间肤色模型的学习过程中，可以选定特定的色情内容区域进行学习，具体学习过程如下：
用户首先选择一张学习源图像；
人机交互界面允许用户对该图像中特定的色情内容区域进行选定，选定区域后，人机交互接口只将这部分选中的区域的图像数据送到颜色空间肤色模型学习中心进行学习。
6.如权利要求1至5之一所述的肤色模型色情图像分析***，其特征在于，所述色情图像分析识别中心：
负责通过机器识别接口向颜色空间肤色模型学习中心请求颜色空间肤色模型数据，并根据这些肤色模型数据来完成色情图像内容的分析识别工作；
负责通过参数控制接口获取相应的色情图像分析识别参数来控制色情图像内容的识别过程。
7.如权利要求6所述的肤色模型色情图像分析***，其特征在于，所述色情图像分析识别中心识别步骤为：
机器识别过程只需要扫描全部待分析图像的像素，并判定每个像素是否在颜色空间肤色模型上被着色成肤色点，如果是，那么该像素就是肤色像素；
如果待分析图像中被识别成肤色的像素点数目超过一定的比例，那么色情图像分析识别中心就给出结果告诉用户该图像内容中包含色情内容。
8.如权利要求7所述的肤色模型色情图像分析***，其特征在于，所述颜色空间参数管理负责管理维护控制颜色空间肤色模型学习中心和色情图像分析识别中心的运行行为的控制参数，提供参数的更新与通知。
9.如权利要求8所述的肤色模型色情图像分析***，其特征在于，所述分析***首先构建一个基础的相对完整准确的颜色空间肤色模型，该***的用户可以通过人机交互接口向***录入学习源图像数据来建立这样一个基础的颜色空间肤色模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 201110072259 CN102129575B (zh) | 2011-03-24 | 2011-03-24 | 一种基于颜色空间肤色模型的色情图像分析*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 201110072259 CN102129575B (zh) | 2011-03-24 | 2011-03-24 | 一种基于颜色空间肤色模型的色情图像分析*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN102129575A true CN102129575A (zh) | 2011-07-20 |
| CN102129575B CN102129575B (zh) | 2012-12-26 |
Family
ID=44267655
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN 201110072259 Active CN102129575B (zh) | 2011-03-24 | 2011-03-24 | 一种基于颜色空间肤色模型的色情图像分析*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102129575B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107180415A (zh) * | 2017-03-30 | 2017-09-19 | 北京奇艺世纪科技有限公司 | 一种图像中皮肤美化处理方法及装置 |
| CN109036570A (zh) * | 2018-05-31 | 2018-12-18 | 北京云知声信息技术有限公司 | 超声科非病历内容的过滤方法及*** |
| CN109558792A (zh) * | 2018-10-11 | 2019-04-02 | 成都三零凯天通信实业有限公司 | 一种基于样本和特征检测互联网徽标内容的方法和*** |
| CN109800805A (zh) * | 2019-01-14 | 2019-05-24 | 上海联影智能医疗科技有限公司 | 基于人工智能的图像处理***以及计算机设备 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1704966A (zh) * | 2004-05-28 | 2005-12-07 | 中国科学院计算技术研究所 | 一种色情图像检测方法 |
| CN1761205A (zh) * | 2005-11-18 | 2006-04-19 | 郑州金惠计算机***工程有限公司 | 基于内容的网络色情图像和不良图像检测*** |
| CN101441717A (zh) * | 2007-11-21 | 2009-05-27 | 中国科学院计算技术研究所 | 一种色***检测方法及检测*** |
-
2011
- 2011-03-24 CN CN 201110072259 patent/CN102129575B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1704966A (zh) * | 2004-05-28 | 2005-12-07 | 中国科学院计算技术研究所 | 一种色情图像检测方法 |
| CN1761205A (zh) * | 2005-11-18 | 2006-04-19 | 郑州金惠计算机***工程有限公司 | 基于内容的网络色情图像和不良图像检测*** |
| CN101441717A (zh) * | 2007-11-21 | 2009-05-27 | 中国科学院计算技术研究所 | 一种色***检测方法及检测*** |
Non-Patent Citations (2)
| Title |
|---|
| 万月亮，李文正，曹元大，李钝: "《基于统计肤色模型的敏感图像检测》", 《高技术通讯》 * |
| 孙竞媛: "《基于内容的敏感图像过滤技术的研究》", 《吉林大学硕士学位论文》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107180415A (zh) * | 2017-03-30 | 2017-09-19 | 北京奇艺世纪科技有限公司 | 一种图像中皮肤美化处理方法及装置 |
| CN107180415B (zh) * | 2017-03-30 | 2020-08-14 | 北京奇艺世纪科技有限公司 | 一种图像中皮肤美化处理方法及装置 |
| CN109036570A (zh) * | 2018-05-31 | 2018-12-18 | 北京云知声信息技术有限公司 | 超声科非病历内容的过滤方法及*** |
| CN109036570B (zh) * | 2018-05-31 | 2021-08-31 | 云知声智能科技股份有限公司 | 超声科非病历内容的过滤方法及*** |
| CN109558792A (zh) * | 2018-10-11 | 2019-04-02 | 成都三零凯天通信实业有限公司 | 一种基于样本和特征检测互联网徽标内容的方法和*** |
| CN109558792B (zh) * | 2018-10-11 | 2023-10-13 | 深圳市网联安瑞网络科技有限公司 | 一种基于样本和特征检测互联网徽标内容的方法和*** |
| CN109800805A (zh) * | 2019-01-14 | 2019-05-24 | 上海联影智能医疗科技有限公司 | 基于人工智能的图像处理***以及计算机设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN102129575B (zh) | 2012-12-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9734567B2 (en) | Label-free non-reference image quality assessment via deep neural network | |
| US8873845B2 (en) | Contextual dominant color name extraction | |
| US20180322321A1 (en) | Image identification method, terminal and non-volatile storage medium | |
| EP3989104A1 (en) | Facial feature extraction model training method and apparatus, facial feature extraction method and apparatus, device, and storage medium | |
| CN110751215B (zh) | 一种图像识别方法、装置、设备、***及介质 | |
| CN112215171B (zh) | 目标检测方法、装置、设备及计算机可读存储介质 | |
| CN112633313B (zh) | 一种网络终端的不良信息识别方法及局域网终端设备 | |
| CN113869521A (zh) | 构建预测模型的方法、装置、计算设备和存储介质 | |
| CN105791674A (zh) | 电子设备和对焦方法 | |
| CN106557410A (zh) | 基于人工智能的用户行为分析方法和装置 | |
| CN102129575A (zh) | 一种基于颜色空间肤色模型的色情图像分析*** | |
| CN112383824A (zh) | 视频广告过滤方法、设备及存储介质 | |
| CN112634158A (zh) | 人脸图像恢复方法、装置、计算机设备及存储介质 | |
| CN113313098B (zh) | 视频处理方法、设备、***及存储介质 | |
| CN105050103B (zh) | 一种信令流程的识别方法及装置 | |
| CN117082020B (zh) | 基于即时通讯软件的朋友圈自动化转发方法 | |
| CN116756576B (zh) | 数据处理方法、模型训练方法、电子设备及存储介质 | |
| CN110909797B (zh) | 图像检测方法以及装置、设备、存储介质 | |
| CN112949456A (zh) | 视频特征提取模型训练、视频特征提取方法和装置 | |
| CN110427870B (zh) | 眼部图片识别方法、目标识别模型训练方法及装置 | |
| JP2020502710A (ja) | ウェブページメイン画像認識方法及び装置 | |
| CN110162361B (zh) | 基于用户行为的智能提示方法、装置、终端及存储介质 | |
| CN110442786A (zh) | 一种提示信息推送的方法、装置、设备及存储介质 | |
| CN114385876B (zh) | 一种模型搜索空间生成方法、装置及*** | |
| Manipoonchelvi et al. | Region‐based saliency detection |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| C41 | Transfer of patent application or patent right or utility model | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20151229 Address after: 1, No. three, 2, 4, 610041 Garden Road, Chengdu hi tech Zone, Sichuan, China Patentee after: CHENGDU SEFON SOFTWARE CO., LTD. Address before: High tech Zone Gaopeng road in Chengdu city of Sichuan province 610041 No. 11 block 22ABC Patentee before: Chengdu Sifang Technologies Co., Ltd. |