一种敏感图像鉴别方法和装置制造方法及图纸

本发明专利技术实施例公开了一种敏感图像鉴别方法，用于解决现有技术对肤色面积大的泳装照进行鉴别时误检率高，并且对肤色面积较小但暴露性器官的色情图像进行鉴别时容易漏检的问题。本发明专利技术实施例方法包括：将待鉴别图像送入预先训练完成的卷积神经网络中，得到待鉴别图像的卷积特征层；将所述待鉴别图像的卷积特征层划分成两个以上待分类区域；提取待分类区域的特征向量；将所有待分类区域的特征向量送入所述卷积神经网络的全连接层中进行分类判别，得到每个待分类区域对应的分类，所述分类包括正常类别和敏感类别；根据所述分类为敏感类别的待分类区域的统计结果判断待鉴别图像是否为敏感图像，得到判断结果。本发明专利技术实施例还提供一种敏感图像鉴别装置。

A sensitive image identification method and device

The embodiment of the invention discloses a sensitive image recognition method, which is used to solve the problem of high false detection rate when discriminating swimsuit photos with large skin area, and is prone to leak detection when discriminating pornographic images of exposed organs. The embodiment of the method includes: to identify the image into the pre trained convolutional neural network, get the feature layer to be identified image convolution; the differential image convolution feature layer to be divided into more than two areas to be classified; extract the feature vector to be classified area; all the region features to be classified vector into the convolutional neural network connection layer classification, classification of each region corresponding to be classified, the classification categories including normal and sensitive categories; according to the classification for classification of regional statistics for sensitive categories of results to determine whether the image is sensitive to the differential image, get the judgment result. An embodiment of the invention also provides a sensitive image identification device.

【技术实现步骤摘要】
一种敏感图像鉴别方法和装置
本专利技术涉及图像处理
，尤其涉及一种敏感图像鉴别方法和装置。
技术介绍
移动互联网的蓬勃发展使人与人之间的信息交换变得越来越简单、便捷,极大地推动了社会的发展。但同时，移动互联网也造成了以色情图像为代表的淫秽信息的泛滥。因此，提出一种先进、高效的算法去自动鉴别色情图像显得至关重要。传统的色情图像鉴别技术往往基于“肤色检测+敏感区域判别”的框架。这类技术的流程如下：先使用贝叶斯分类器得出图像中的肤色区域，然后对肤色区域提取SIFT、LBP、Haar等低层次特征，最后再把这些特征送到训练好的色情敏感部位分类器如SVM和AdaBoost中，从而得到最终的色情鉴别结果。这类技术往往存在着以下两个问题：(1)误检率高：传统的色情图像鉴别技术很大程度上依赖于肤色检测，因而某些肤色面积大的泳装照就很有可能被误鉴别为色情图像。(2)检出率有待提高：由于SIFT、LBP等经典特征的表达能力及SVM等分类器的性能限制，对于某些肤色面积较小，但暴露性器官的色情图像往往会出现漏检的情况。
技术实现思路
本专利技术实施例提供了一种敏感图像鉴别方法和装置，能够避免将肤色面积大的泳本文档来自技高网...

【技术保护点】
一种敏感图像鉴别方法，其特征在于，包括：将待鉴别图像送入预先训练完成的卷积神经网络中，得到待鉴别图像的卷积特征层；将所述待鉴别图像的卷积特征层划分成两个以上待分类区域；提取所述待分类区域的特征向量；将提取的所有所述待分类区域的特征向量送入所述卷积神经网络的全连接层中进行分类判别，得到每个所述待分类区域对应的分类，所述分类包括正常类别和敏感类别；根据所述分类为敏感类别的待分类区域的统计结果判断所述待鉴别图像是否为敏感图像，得到判断结果。

【技术特征摘要】
1.一种敏感图像鉴别方法，其特征在于，包括：将待鉴别图像送入预先训练完成的卷积神经网络中，得到待鉴别图像的卷积特征层；将所述待鉴别图像的卷积特征层划分成两个以上待分类区域；提取所述待分类区域的特征向量；将提取的所有所述待分类区域的特征向量送入所述卷积神经网络的全连接层中进行分类判别，得到每个所述待分类区域对应的分类，所述分类包括正常类别和敏感类别；根据所述分类为敏感类别的待分类区域的统计结果判断所述待鉴别图像是否为敏感图像，得到判断结果。2.根据权利要求1所述的敏感图像鉴别方法，其特征在于，所述卷积神经网络由以下步骤预先训练完成：将训练图像送入卷积神经网络中，得到所述训练图像的卷积特征层，所述训练图像包括正常图像和敏感图像，所述敏感图像上的敏感区域被预先标注为敏感类别；将所述训练图像的卷积特征层划分成两个以上测试分类区域；提取所述测试分类区域的特征向量；将提取的所有所述测试分类区域的特征向量送入所述卷积神经网络的全连接层中进行分类判别，得到每个所述测试分类区域对应的分类，所述分类包括正常类别和敏感类别；若所述测试分类区域的分类结果与所述训练图像的预先标注类别一致，则确定所述测试分类区域的分类正确；根据分类正确的所述测试分类区域迭代更新所述卷积神经网络的模型参数。3.根据权利要求1所述的敏感图像鉴别方法，其特征在于，所述将所述待鉴别图像的卷积特征层划分成两个以上待分类区域具体为：将所述待鉴别图像的卷积特征层划分成M*N个网格区域作为所述待分类区域，M和N均为正整数。4.根据权利要求1所述的敏感图像鉴别方法，其特征在于，所述提取所述待分类区域的特征向量具体包括：对所述待分类区域中长和宽分别为h/√n和w/√n的相邻子区域进行最大值采样，得到n维的特征向量，h和w分别为所述待分类区域的长和宽。5.根据权利要求1至4中任一项所述的敏感图像鉴别方法，其特征在于，所述根据所述分类为敏感类别的待分类区域的统计结果判断所述待鉴别图像是否为敏感图像，得到判断结果具体包括：统计所述分类为敏感类别的待分类区域的敏感区域数量；计算所述敏感区域数量与所述待分类区域的区域总数的比值；判断所述比值是否超过预设的阈值，若是，则确定所述待鉴别图像为敏感图像，若否，则确定所述待鉴别图像为正常图像。6.一种敏感图像鉴别装置，其特征在于，包括：待鉴别特征层获取模块，用于将待鉴别图像送入预先训练完成的卷积神经网...

【专利技术属性】
技术研发人员：范宏伟，陈振方，旷章辉，张伟，
申请(专利权)人：商汤集团有限公司，
类型：发明
国别省市：中国香港,81