网络不良图像识别

1.识别角度

  根据不良图像自身的特点，一般从三个角度进行不良图像的判定识别：

  （1）从皮肤裸露情况来判断（研究者的首选！）

  （2）从敏感部位来判断

  （3）从猥亵的人体姿态来判断

2. 肤色检测

  肤色检测是在图像中选取对应于人体皮肤像素的过程，通常包括颜色空间变换和肤色建模两个步骤。

2.1 颜色空间变换

  为了减少肤色受照明强度的影响，通常将颜色空间从RGB转换到亮度与色度分离的某个颜色空间，比如YCbCr（亮度，蓝色色度，红色色度）或HSV（色彩，饱和度，亮度），然后放弃亮度分量。

2.2 肤色建模

  常见的肤色建模有3种：

  （1）肤色区域模型

  （2）高斯分布模型

  高斯分布模型是一种参数化模型，可分为单高斯模型和高斯混合模型。

  单高斯模型使用正态分布来拟合皮肤颜色的概率密度分布，通常是丢弃强度分量，在两维色度平面上进行高斯密度函数估计，其联合概率密度函数如下式所示：

  其中x是像素颜色向量，μ是数学期望，Σ是协方差矩阵。

  （3）统计直方图模型

3. 支持向量机

  支持向量机(Support Vector Machine，SVM)通过在特征空间中构造最优分类超平面来实现分类。最优分类超平面是指两类的分类空隙最大，即每类距离超平面最近的样本到超平面的距离之和最大。距离这个最优超平面最近的样本被称为支持向量(Support Vector)。

  其中，W • X是内积，b是标量。

超平面分类间隔为2/||W||的证明