一种色情图像评价方法

摘要

本发明公开了一种色情图像评价方法，该方法包括：图像肤色分割；提取图像整体特征、人体局部部位特征以及人体躯干形状特征三类共31维特征构成特征向量；训练评价模型并对输入图像的色情程度进行评价，输出评价结果。利用本发明，不仅可以判断输入图像是否为色情图像，而且能对图像的色情程度进行评价，并输出0％～100％的评价结果，数值越大表明图像的色情程度越高，便于对色情图像进行分级过滤。

主权项

1.一种色情图像评价方法，其特征在于，该方法包括：步骤1：对输入图像的肤色进行分割，得到肤色区域；步骤2：通过在人工标记好的大量图像样本上提取输入图像的整体特征、人体局部部位特征以及人体躯干形状特征三类共31维特征构成特征向量，其中，所述图像的整体特征包括14个特征：图像长宽比、图像的熵、图像的肤色比例、肤色连通区域数目和10维肤色区域的几何矩；所述人体局部部位特征包括4个特征：检测到的人脸数量、检测到的胸部数量、检测到的私部数量和人脸肤色所占图像整体肤色的比例；所述人体躯干形状特征包括13个特征：最大肤色联通区域面积占总肤色面积的比例、最大肤色联通区域中心到图像中心的距离、7维最大肤色联通区域的几何不变矩、最大肤色联通区域的圆度、最大肤色联通区域的不规则度、最大肤色联通区域拟合椭圆的长短轴之比和最大肤色联通区域拟合椭圆的主轴倾斜角度；其中，所述图像的肤色比例定义为：所述最大肤色联通区域的圆度R通过如下公式计算：$R=\frac{{\left|\right|F_1\left|\right|}^2}{{\left|\right|F_{-1}\left|\right|}^2},$其中，$F_1=\frac{1}{N}(\underset{k=0}{\overset{N-1}{\Sigma }}(x_k\cos \left(\frac{2\mathrm{\pi k}}{N}\right)+y_k\sin \left(\frac{2\mathrm{\pi k}}{N}\right))+j\underset{k=0}{\overset{N-1}{\Sigma }}(y_k\cos \left(\frac{2\mathrm{\pi k}}{N}\right)-x_k\sin \left(\frac{2\mathrm{\pi k}}{N}\right))),$$F_{-1}=\frac{1}{N}(\underset{k=0}{\overset{N-1}{\Sigma }}(x_k\cos \left(\frac{2\mathrm{\pi k}}{N}\right)-y_k\sin \left(\frac{2\mathrm{\pi k}}{N}\right))+j\underset{k=0}{\overset{N-1}{\Sigma }}(y_k\cos \left(\frac{2\mathrm{\pi k}}{N}\right)+x_k\sin \left(\frac{2\mathrm{\pi k}}{N}\right))),$N为最大肤色联通区域轮廓上像素点的数目，k是0...N-1的整数，(x_k，y_k)是最大肤色联通区域轮廓上点的坐标，j是虚数单位，j²＝-1，F₁、F_-1分别表示以逆时针和顺时针方向计算最大肤色联通区域轮廓的傅立叶变换的一阶分量；所述最大肤色联通区域的不规则度IR表示区域轮廓偏离圆的程度，采用如下公式计算：$\mathrm{IR}=1.0-\frac{{\left|\right|F_1\left|\right|}^2+{\left|\right|F_{-1}\left|\right|}^2}{{\sigma }^2},$其中，σ²表示最大肤色联通区域轮廓上所有点的方差：${\sigma }^2=\frac{1}{N}\underset{k=0}{\overset{N}{\Sigma }}(x_k^2+y_k^2)-({\left(\frac{1}{N}\underset{k=0}{\overset{N}{\Sigma }}{x}_k\right)}^2+{\left(\frac{1}{N}\underset{k=0}{\overset{N}{\Sigma }}{y}_k\right)}^2);$步骤3：训练评价模型并对输入图像的色情程度进行评价，输出色情图像评价结果。