[发明专利]基于HSV、SURF与LBP特征相结合的敏感图像识别方法

说明书

本发明提供了一种基于HSV、SURF与LBP特征相结合的敏感图像识别方法，包括获得敏感RGB图像和正常RGB图像的皮肤区域；使用SURF算法获得所述敏感RGB图像和所述正常RGB图像的SURF视觉词汇表达；使用LBP算法获得所述敏感RGB图像和所述正常RGB图像的LBP视觉词汇表达；使用HSV颜色模型获得所述敏感RGB图像和所述正常RGB图像的HSV颜色特征；使用所述SURF视觉词汇表达、所述LBP视觉词汇表达和所述HSV颜色特征作为输入参数，训练BP神经网络；输出待测图像识别结果。本发明采用HSV、SURF与LBP特征相结合的方法进行敏感图像检测，具有处理速度快、准确率高的特点。

技术领域

本发明属于敏感图像识别技术领域，具体而言，涉及一种基于HSV、SURF与LBP特征相结合的敏感图像识别方法。

背景技术

随着近年来互联网技术的快速发展，网络论坛和门户网站也迅速的发展壮大，几乎涵盖了生活的方方面面，因而互联网图片信息的传播也越来越广泛和容易，其中有害图像的传播正在对青少年的身心健康和社会风气产生负面影响。由于论坛发帖发图人数众多，让论坛管理员依次审核所有论坛图片显然会消耗大量的时间和精力，因此一种有效的基于机器学习和机器视觉的敏感图像识别方法对减轻论坛管理人员的工作量来说显得尤为重要。

传统方法主要基于皮肤区域的面积占比来判别敏感图像，但此方法容易对泳装等图片出现误判。深层神经网络目前也常用于图像分类研究，但由于这类学习方式需要进行大量的计算，一般需要采用计算机图形处理器(GPU)来加快运算速度。所以现在大部分的敏感图像识别步骤主要基于图像特征，总体包括特征提取、训练模型和图像识别3个步骤，而现有技术在特征提取时，主要采用SIFT角点特征，处理速度慢，并且往往造成图片特征缺失。

由以上分析可知，现有的敏感图像识别方法存在以下不足：

1、现有技术的敏感图像识别方法采用SIFT角点特征，处理速度慢；

2、现有技术的敏感图像识别方法容易造成图片特征缺失，准确率低。

发明内容

本发明提供了一种基于HSV、SURF与LBP特征相结合的敏感图像识别方法，能够有效解决现有技术的敏感图像识别方法处理速度慢的问题，还能够解决现有技术的敏感图像识别方法准确率低的问题。

为了解决以上问题，本发明提供了一种基于HSV、SURF与LBP特征相结合的敏感图像识别方法，技术方案如下：

一种基于HSV、SURF与LBP特征相结合的敏感图像识别方法，包括如下步骤：

步骤一：获得敏感RGB图像和正常RGB图像的皮肤区域；

步骤二：使用SURF算法获得所述敏感RGB图像和所述正常RGB图像的SURF视觉词汇表达；

步骤三：使用LBP算法获得所述敏感RGB图像和所述正常RGB图像的LBP视觉词汇表达；

步骤四：使用HSV颜色模型获得所述敏感RGB图像和所述正常RGB图像的HSV颜色特征；

步骤五：使用所述SURF视觉词汇表达、所述LBP视觉词汇表达和所述HSV颜色特征作为输入参数，训练BP神经网络；

步骤六：输出待测图像识别结果。

如上述的基于HSV、SURF与LBP特征相结合的敏感图像识别方法，进一步优选为：在步骤一中，使用Haar-like特征检测所述敏感RGB图像和所述正常RGB图像中的人脸区域，在YCrCb彩色空间检测判定所述敏感RGB图像和所述正常RGB图像的皮肤区域。

如上述的基于HSV、SURF与LBP特征相结合的敏感图像识别方法，进一步优选为：在YCrCb彩色空间检测判定所述敏感RGB图像和所述正常RGB图像的皮肤区域的条件为77≤Cb≤127或133≤Cr≤173。