[發(fā)明專利]融合膚色、人臉和敏感部位檢測(cè)的不良圖像判別方法

無效

• 申請(qǐng)?zhí)枺?/td>: 201310269722.2
• 申請(qǐng)日: 2013-06-28
• 公開（公告）號(hào): CN103366160A
• 公開（公告）日: 2013-10-23
• 發(fā)明（設(shè)計(jì)）人: 杜友田;唐蔚;鄭慶華;陶敬;周亞東;秦濤
• 申請(qǐng)（專利權(quán)）人: 西安交通大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62;G06K9/46
• 代理公司: 西安智大知識(shí)產(chǎn)權(quán)代理事務(wù)所 61215
• 代理人: 段俊濤

1.一種融合膚色、人臉和敏感部位檢測(cè)的不良圖像判別方法，其特征在于，包括如下步驟：

步驟一，建立膚色模型，對(duì)圖像實(shí)現(xiàn)膚色分割，以檢測(cè)出圖像的皮膚區(qū)域；

步驟二，對(duì)圖像的皮膚區(qū)域進(jìn)行人臉檢測(cè)，提取膚色和人臉特征組成特征向量，利用SVM算法進(jìn)行訓(xùn)練，得到SVM分類器；

步驟三，針對(duì)人體局部關(guān)鍵部位中的女性乳房，提取SIFT特征，利用Adaboost算法進(jìn)行訓(xùn)練，得到Adaboost分類器；

步驟四，針對(duì)人體局部關(guān)鍵部位中的女性下體私處，確定人體軀干區(qū)域，利用類haar特征作為模版在人體軀干區(qū)域內(nèi)進(jìn)行搜索和匹配；

步驟五，在訓(xùn)練樣本集上，分別采用SVM分類器，Adaboost分類器和模板匹配的方法對(duì)圖像進(jìn)行檢測(cè)，利用C4.5決策樹方法對(duì)檢測(cè)結(jié)果進(jìn)行融合，構(gòu)建決策樹模型，針對(duì)測(cè)試的不良圖像，采用決策樹模型進(jìn)行檢測(cè)，實(shí)現(xiàn)對(duì)不良圖像的綜合判定。

2.根據(jù)權(quán)利要求1所述的融合膚色、人臉和敏感部位檢測(cè)的不良圖像判別方法，其特征在于，所述步驟一中，膚色模型是在YCbCr顏色空間中構(gòu)建的高斯膚色模型，運(yùn)用高斯膚色模型對(duì)圖像進(jìn)行膚色分割，得到圖像中的膚色區(qū)域。

3.根據(jù)權(quán)利要求1所述的融合膚色、人臉和敏感部位檢測(cè)的不良圖像判別方法，其特征在于，所述步驟二中，人臉檢測(cè)的方法是：對(duì)分割后的二值圖像進(jìn)行連通區(qū)域的標(biāo)記，運(yùn)用Canny算子對(duì)圖像進(jìn)行邊緣提取，對(duì)得到的圖像利用Hough變換檢測(cè)其中包含的橢圓圖形，將這些橢圓作為人臉檢測(cè)的候選區(qū)域，然后運(yùn)用Adaboost算法訓(xùn)練人臉檢測(cè)分類器，對(duì)所述橢圓的區(qū)域進(jìn)行人臉檢測(cè)。

4.根據(jù)權(quán)利要求1或3所述的融合膚色、人臉和敏感部位檢測(cè)的不良圖像判別方法，其特征在于，所述步驟二中，提取特征包括：a）膚色區(qū)域占整個(gè)圖像區(qū)域的比例f₁；b）圖像中膚色連通區(qū)域的數(shù)目f₂；c）最大膚色連通區(qū)域占整個(gè)膚色區(qū)域的比例f₃；d）人臉的數(shù)目f₄；e）人臉區(qū)域占整個(gè)圖像的比例f₅；f）人臉區(qū)域占整個(gè)膚色區(qū)域的比例f₆。

5.根據(jù)權(quán)利要求1所述的融合膚色、人臉和敏感部位檢測(cè)的不良圖像判別方法，其特征在于，所述步驟三中，首先建立女性乳房圖片的正樣本庫和負(fù)樣本庫，然后根據(jù)如下步驟提取SIFT特征：

檢測(cè)尺度空間極值點(diǎn)，獲取尺度不變性；

精確定位極值點(diǎn)，去除對(duì)比度低于設(shè)定值的特征點(diǎn)和不穩(wěn)定的邊緣響應(yīng)點(diǎn)；

為每個(gè)關(guān)鍵點(diǎn)指定方向參數(shù)；

生成關(guān)鍵點(diǎn)描述子；

其中所述正樣本庫中圖片是指僅含女性乳房的圖片，所述負(fù)樣本庫中圖片是指不包含女性乳房的圖片。