[发明专利]一种基于深度学习的低俗图片识别方法

说明书

本发明公开一种基于深度学习的低俗图片识别方法，该方法对上下半身检测网络进行训练，对上下半身低俗分类网络进行训练，训练采用困难样本挖掘，使得网络训练过程中对困难样本侧重训练，提高检测精度；对图片进行低俗级联检测，检测过程中上下半身检测得分阈值采用动态调整，检测获得的上下半身区域缩放后输入至上下半身低俗分类网络，进行低俗识别。本发明在图片低俗识别中具有极佳的精度，在正负样本比例悬殊的情况下，仍能保持极低的误报率，具备良好实用性。

技术领域

本发明属于计算机视觉技术领域，具体涉及一种能够进行低俗图片识别的方法。

背景技术

随着网络信息时代的到来，互联网迅速发展，信息数据的存储和传播越来越便捷迅速，大量的信息数据在网络中产生和传播。在商业广告、网络社交和游戏娱乐等各个领域，图片作为信息传播的重要载体而大量使用，每天海量的图片会在网络上生成并传播，渗透到网民的生活之中。

为了博取眼球吸引用户和增加用户流量，不法分子和网站常常生成和传播大量的低俗色情图片，这对网络环境造成了极大危害。尤其，在青少年占据网络用户主体的当下，大量低俗色情图片的传播对青少年的健康成长更是造成了巨大伤害。对于网络图片的发布，各个网站以及国家网络监管部门都会进行一些审查，但主要依靠人工检查。人工识别的方式代价昂贵，效率低下。对于像微博等大量图片的产生聚集地，完全依靠人工识别是不切实际的，因而实现图片的低俗识别，净化网络环境，具有重大意义和应用价值。

低俗识别技术伴随着计算机视觉研究一直不断发展进步，目前而言，低俗识别的方法可以归为三类。第一类是基于皮肤检测的低俗识别方法。对于色情图像而言，最为直观的便是身体大面积裸露。因而，最初对于色情图像的检测，就是提取皮肤特征，通过先检测出图像中的人体皮肤，再进一步进行色情判别。第二类是基于特征表达的低俗识别的方法。单纯依靠皮肤检测进行色情识别存在着很大局限性，因而通过提取更多的图像特征，并进行特征再次表达，如采用编码统计以及词袋模型等操作，获得更加有效的特征进入分类器学习。第三类是基于深度学习的低俗识别方法。深度学习近年来迅速发展，在计算机视觉研究中获得巨大成功。在低俗识别中，深度学习的方法也开始引入。

目前深度学习在低俗识别中的应用，主要是直接将图片输入卷积网络进行识别，实际应用中效果不甚理想。如何更好地利用深度学习，设计一种低俗图片识别方法极具挑战。

发明内容

鉴于此，本发明提出一种基于深度学习的低俗图片识别方法。该方法将低俗图片的识别通过上下半身检测和对应低俗识别两个阶段来实现，第一阶段采用检测网络框架，第二阶段采用识别网络。两者相结合的级联网络降低了识别难度，解决了现有深度学习低俗识别方法中，无法学习获得有效特征，实际应用中识别误报高的问题。该方法有效地提高了识别精度，准确地完成了低俗识别任务。

为解决上述技术问题，本发明采用如下技术方案：

一种基于深度学习的低俗图片识别方法，步骤包括：

获取人体图片数据，标注出人脸、上半身、下半身，训练上下半身检测网络；

将人体图片数据输入至训练好的上下半身检测网络中，得到上下半身区域数据，标注出人脸、上半身、下半身后形成训练集，训练上下半身低俗分类网络；

由训练好的上下半身检测网络、上下半身低俗分类网络构成级联低俗识别网络框架；

将待识别的图片输入至该级联低俗识别网络框架中，通过上下半身检测网络得到上下半身数据，通过上下半身低俗分类网络得到低俗识别得分，别出低俗图片。

进一步地，上下半身检测网络采用物体检测框架，其包括faster-rcnn、RFCN检测框架。

进一步地，上下半身低俗分类网络采用用于识别低俗图片和正常图片的二分类网络，其包括GoogleNet。