[发明专利]一种基于机器学习的敏感图像识别方法与系统

摘要

本发明公开一种基于机器学习的敏感图像识别方法，步骤如下：S1、系统初始化，设置人脸占肤色模型比重阈值；S2、输入图像；S3、人脸识别；S4、肤色检测；S5、基于机器学习的敏感图像识别。本发明对图像进行人脸识别，排除不包含人脸信息的图像；利用肤色检测模型，检测肤色在图像中的面积以及人脸在肤色面积中所占比重，排除肤色面积较少和人脸占肤色比重大于阈值的图像；如果人脸占肤色比重小于阈值，利用训练完成的卷积神经网络提取图像特征并通过支持向量机分类器分类判断图像属性。本发明将人脸识别、肤色检测与深度学习三种技术结合，不仅能高效的分辨出敏感图像，而且满足敏感图像实时处理的要求，减少了识别时间。

主权项

1.一种基于机器学习的敏感图像识别方法，其特征在于：该方法步骤如下：S1、系统初始化，设置人脸占肤色模型比重阈值；S2、输入图像；S3、人脸识别：对用户输入的图像首先利用Haar算法和AdaBoost算法进行人脸识别，若图像中不包括人脸，排除其为敏感图像的可能性，不必进行后续识别，从而减少识别时间，提高识别效率；S4、肤色检测：对于包含人脸的图像在YCbCr彩色空间下进行肤色检测，采用公式(3)计算图像肤色模型，根据非脸部区域肤色面积大于脸部肤色面积两倍的先验概率，设置人脸在图像肤色区域中的比重阈值，如果图像中不含肤色或者含有较少肤色以及人脸占肤色的绝大部分，即人脸肤色所占比重大于阈值，则立即判断该图像为非敏感图像；式中，‘1’表示图像的该部分像素属于肤色，‘0’则表示该像素不属于肤色；S5、基于机器学习的敏感图像识别。