本發明專利技術公開了一種在移動設備上基于圖像語義分析的敏感區域檢測方法，實現了在訓練分類器的預處理階段加入自頂向下的視覺注意機制來增強分類器訓練的性能和效果，用訓練好的分類器對圖像進行分類。包括：輸入訓練圖像；提取輸入訓練圖像的特征；將提取的特征訓練多個弱分類器，并級聯形成最終需要的強分類器；輸入測試圖像，對測試圖像進行預處理，通過視覺注意機制對圖像中敏感區域可能的位置進行標定；進行敏感圖像檢測；輸出敏感圖像檢測結果。在敏感圖像檢測前進行自頂向下注意機制的顯著圖提取，可以提高運算效率，縮短運算時間，顯著提高檢測速度；也使正檢率明顯提高，誤檢率明顯降低。
【技術實現步驟摘要】
本專利技術屬于圖像處理領域，具體涉及。
技術介紹
中國互聯網信息中心發布了《2011年中國青少年上網行為調查報告》，截至2011年12月底，中國青少年網民規模已達2.32億，占整體網民的45.1%，占青少年總體的64.4%，超出全國網民平均水平26.1個百分點。2011年，新增青少年網民1936萬，同比增長9.0%。特別值得一提的是，2007 2010年間青少年手機上網比例已從49.7%提升到80.3%。隨著移動互聯網的快速發展，特別是3G網絡的發展及智能手機、平板電腦等移動終端的發展，未成年人使用手機上網的比例還會進一步提高。早在2009年12月之前，中國科學院相關課題小組同樣隨機抽樣監測了 2000個手機網站，其中淫穢色情手機網站167個，占比8.3%。2010年，這一比例增至9.9%。這些手機淫穢色情網站毒害著青少年的心靈，容易引發青少年犯罪。而在傳統互聯網領域，已經相對成熟的“金盾工程”、“國家計算機網絡應急技術處理協調中心”等機制還并未移植到無線互聯網上。顯然，無線互聯網與互聯網的信息治理還有待更多協同。手機色情信息一直難以徹底清除，從技術方面分析主要原因是:青少年手機用戶用WAP上網很容易進入淫穢色情網站，這些網站通過購買號段主動推送，瀏覽者通常會無意闖入，而同樣的網址在電腦上呈現的則是無內容或“無色”內容。手機色情網站卻由于其特殊的鏈接方式而不容易被發現。許多存在問題的手機網站都設置了 WAP網關，用戶只有通過手機上網才能瀏覽，而且，有一些WAP網站實行的是會員制，必須獲得會員資格才能瀏覽和下載，更加具有隱蔽性。此外，監管部門沒有專門的手機網絡監控人員，偶爾需要也是通過手機上網進行監測，由于帶寬和網速的限制，無法快速搜索瀏覽、及時發現淫穢色情網站，即使發現了，也存在IP地址定位和取證等困難。種種技術上的限制導致監管部門不能及時發現和關閉那些傳播手機色情信息的網站。淫穢色情手機網站一直得不到有效封堵，是因為這些網站采用跳轉IP和變換域名的辦法。現在國內外在基于內容的敏感圖像過濾的研究方面做了不少工作，可以解決因某些色情網站刻意跳轉IP和變換域名而無法檢測的問題，但是處理速度和處理的正確率仍然是這種方式的一個瓶頸。
技術實現思路
為了解決敏感圖像過濾方面存在的問題，本專利技術提供了一種基于圖像語義分析的敏感部位檢測方法，將視覺注意機制加入到敏感圖像檢測中，來提高檢測的性能與效率。本專利技術采取的技術方案如下:基于圖像語義分析的敏感區域檢測方法，包括以下步驟:步驟1，輸入訓練圖像。將敏感圖像作為正例樣本，正常圖像作為負例樣本。對正例樣本，確定敏感區域(胸部、下體部位)作為自頂向下認定標準，提取注意引導圖。研究表明加入視覺模型能夠明顯提升檢測的性能和效率。顯著性能夠保證圖像中的前景物體扭曲度更小，有效突出目標特征，屏蔽掉干擾信息。因而在訓練分類器和檢測敏感圖像的時候加入視覺模型，可達到提高檢測率的目的。步驟2，提取輸入訓練圖像的特征。假設輸入一幅3通道彩色圖像I，其寬和高分別為W、H，提取輸入訓練圖像的特征的方法如下:①將輸入圖像切分成不重疊的圖像塊，并將每個圖像塊向量化。首先，把圖像切分成圖像塊，將圖像I按照從左至右、從上至下的順序切分成不重疊的圖像塊Pi (i = 1，2，...，L)，每個圖像塊是一個方塊，寬和高都是k(k〈W，k < H)，圖像I可以切分出的圖像塊總數為:本文檔來自技高網...
【技術保護點】
一種基于圖像語義分析的敏感區域檢測方法，其特征在于包括以下步驟:步驟1，輸入訓練圖像：將敏感圖像作為正例樣本，正常圖像作為負例樣本；訓練樣本的采集遵循以下原則：正例樣本清晰，扭曲度小，并且在數量上達到一定的量；負例樣本的量要超過正例樣本，并且包含不同形態的事物，包括自然景色，以及行人等圖像，以盡可能地減小誤判；對正例樣本，確定敏感區域（胸部、下體部位）作為自頂向下認定標準，提取注意引導圖；步驟2，提取輸入訓練圖像的特征，方法如下：①將輸入圖像切分成不重疊的圖像塊，并將每個圖像塊向量化；首先，把寬和高分別為W、H的圖像I按照從左至右、從上至下的順序切分成不重疊的圖像塊pi(i＝1,2,...,L)，每個圖像塊是一個方塊，寬和高都是k(k＜W,k＜H)，圖像I可以切分出的圖像塊總數為：L=(Wk)*(Hk)當圖像的寬和高不是k的整數倍時，先對圖像進行縮放，保證圖像的寬和高是k的整數倍，這里假定尺寸變化后圖像的寬和高仍分別用W、H表示；將每個圖像塊pi向量化為列向量fi，fi的長度等于彩色圖像的通道數a乘k2，即ak2；②計算每個圖像塊與其他所有圖像塊的不相似度，得到顯著圖。對①所得到的所有向量通過主成分分析進行降維，挑選最大的d個特征值所對應的特征向量X1,X2,...,Xd構成矩陣U，矩陣U是一個d*L的矩陣，其第i列對應圖像塊pi降維后的向量，圖像塊pi和pj之間的不相似度的計算公式為：φij=Σs=1d|μsi-μsj|其中，umn表示矩陣U第m行第n列的元素每個圖像塊pi的視覺顯著性程度的計算公式為：其中，ωij表示圖像塊pi和pj之間的距離，計算公式為：ωij=(xpi-xpj)2+(ypi-ypj)2式中，(xpi，ypi)、(xpj,ypj)分別代表圖像塊pi和pj的中心點在原圖像I上的坐標；把所有圖像塊的視覺顯著性程度取值按照原圖像I上各圖像塊之間的位置關系組成二維形式，構成顯著圖SalMap，這是一個J行N列的灰度圖，J=H/k，N=W/k，顯著圖SalMap上第i行第j列的元素對應原圖像I上切分出的圖像塊p(i?1)N+j(i＝1,...,J,j＝1,...,N)的顯著程度取值，具體取值為：SalMap(i,j)＝Sal(i?1)N+j(i＝1,...,J,j＝1,...,N)③根據輸入圖像中每個圖像塊與預定義的敏感部位的相關性，建立敏感部位相關圖；④將顯著圖與敏感部位相關圖加權點乘，得到注意引導圖；⑤根據注意引導圖將敏感部位作為當前的顯著區域；在訓練的過程中，僅選取圖像中擊最顯著的顯著點進行訓練；⑥對⑤確定的顯著點進行敏感區域識別，判定顯著點是否為敏感區域，依據注意引導圖所選擇的最顯著的顯著點被標記為敏感區域，其他區域均被標記為非敏感區域；⑦根據⑥所標記的敏感區域，提取對應于敏感區域的Harr特征；步驟3，將步驟2提取的特征，訓練多個弱分類器，并級聯形成最終需要的強分類器，訓練方法如下：①輸入N個訓練實例：pt=ωtΣi=1Nωit其中，p為歸一化權值，t為迭代次數，t=1，2，3，…，T；③對每個特征f,訓練一個弱分類器hj；按下式計算所有特征對應的弱分類器的加權錯誤率：ϵt=Σi=1Npit|ht(xi)-yi|其中，εt為錯誤率；④選擇錯誤率最小的分類器為最佳弱分類器ht；⑤設置新的權值向量：其中，βt＝εt/1?ε)⑥循環執行②~⑤，最終輸出強分類器：hf(x)=1,Σt=1T(log1/βt)ht(x)≥12Σt=1Tlog1/βt0,Σt=1T(log1/βt)ht(x)<12Σt=1Tlog1/βt步驟4，輸入用戶使用移動終端上網時瀏覽到的圖像，該圖像同樣分為正例圖像和負例圖像；步驟5，對步驟4得到的測試圖像進行預處理，通過視覺注意機制對圖像中敏感區域可能的位置進行標定；步驟6，檢測敏感圖像：使用步驟3得到的分類器對步驟5處理過的圖像進行分類，判斷該圖像是不是敏感圖像：當步驟5處理過的圖像塊與強分類器中的敏感部位圖像塊差異小于域值T時，則認為該圖像為敏感圖像；否則，認為是正常圖像；步驟7，根據步驟6的檢測結果，標注圖像屬于敏感圖像還是正常圖像，并進行正檢率、誤報率的統計。FDA00002737729700012.jpg,FDA00002737729700014.jpg,FDA00002737729700016.jpg,FDA00002737729700021.jpg,FDA00002737729700024.jpg...
【技術特征摘要】
1.一種基于圖像語義分析的敏感區域檢測方法，其特征在于包括以下步驟: 步驟1，輸入訓練圖像:將敏感圖像作為正例樣本，正常圖像作為負例樣本；訓練樣本的采集遵循以下原則:正例樣本清晰，扭曲度小，并且在數量上達到一定的量；負例樣本的量要超過正例樣本，并且包含不同形態的事物，包括自然景色，以及行人等圖像，以盡可能地減小誤判；對正例樣本，確定敏感區域(胸部、下體部位)作為自頂向下認定標準，提取注意引導圖； 步驟2，提取輸入訓練圖像的特征，方法如下: ①將輸入圖像切分成不重疊的圖像塊，并將每個圖像塊向量化； 首先，把寬和高分別為W、H的圖像I按照從...
【專利技術屬性】
技術研發人員：段立娟，谷繼力，吳春鵬，楊震，苗軍，李健，馬偉，喬海濤，張祺，
申請(專利權)人：北京工業大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。