反黄软件是根据什么原理知道有色情图片的呢? 反黄软件是根据什么原理知道有色情图片的呢?如果说看网站上的文字以“”之类的词来区分,而色情图片的区分原理是什么呢? 解决方案 » 免费领取超大流量手机卡,每月29元包185G流量+100分钟通话, 中国电信官方发货 能过滤图片!我看到过.能自动的在图片的&&&位置上加上马赛克 PhotoShop的魔术棒不是可以直接选择一个形状吗。反黄软件也是这样的从一张图片上选择,如果和××和××差不多就是黄色图片了。 我还以为能看到答案呢,来了倒是看到了不少好的见解'&' 将识别图像应用在反黄软件上,大概没有人愿意去花大量的代价做模式识别,再说有没有这个技术实现能力还值得怀疑。车辆牌号可以识别是因为它比较简单。那么对于非常复杂的人体,以及各种POS,它能实现吗?过滤IP和文字是现在大多数扫黄软件所能做的。 呵呵,90%的识别率还是可以达到的,的确是可以实现并某一特定区域加上马赛克的这主要是图形识别技术,事先形成一模板,该模板必须进过多层继承算法形成,然后在图片中寻找适配的区域,如果区域适配,则将其加上马赛克!有兴趣的话来看看这个[PPT]基于MPEG-4人脸特征提取及重建研究文件格式: Microsoft Powerpoint 97 - HTML 版... 点 在正面,右面,左面视图上适配后的位置分别是: 、 和 , 则特定人脸相对于一般化人脸模型的 ... 一旦求得特征线上特征点pi的相对位移ui ,我们用一个光滑的向量值函数f(p)去适配已知数据ui =f(pi)。用变分插值技术求解该 ... www.gzu.edu.cn/otherdep/com/infcom/ research/data/zhaolixin.ppt - 类似网页 这属于模式识别的范畴了清华大学的艾海舟教授就一直在做人脸检测与人脸跟踪的研究人脸检测有好多种方法,常见的有基于肤色的人脸检测、基于灰度特征的人脸检测。基于肤色的人脸检测是在所选择的色度空间中建立某种模型来描述“肤色”区域的分布,常用的色度空间主要有RGB(这个大家都只到)、SHI(饱和度、色调、亮度,也称SHV)、YIQ(NTSC制的光亮度和色度模型)、 YUV(PAL制的光亮度和色度模型)、YCbCr(CCIR601编码方式的色度模型,与YUV在数学上具有等价性)、CIE(国际照明委员会提出的基于色度学的色彩模型)等常用的肤色模型有高斯模型、混合高斯模型和直方图模型。这些模型都是根据上万幅图片建立起来的。识别出肤色象素后,根据它们在色度上的相似性和空间上的相关性分割出可能的人脸区域,同时利用区域的集合特征或灰度特征进行验证,以排除其他色彩类似肤色的物体。基于肤色特征方法的优点似快速、适合于实时的人脸检测与跟踪系统。同时肤色不依赖于面部的细节特征,对于旋转、表情等变化情况都能适用。由于自然界存在大量类似肤色的物体,仅使用肤色特征进行人脸检测似很不可靠的,因此几乎所有的基于肤色特征的方法都需要利用人脸的其他特征进行验证。基于灰度特征的人脸检测又有许多方法1。基于知识模型的方法,首先抽取、检测几何形状、灰度、纹理等特征,然后检验它们是否符合人脸的先验知识。2。基于统计模型的方法:有基于特征空间、基于人工神经网、基于概率模型和基于支持矢量机的方法。首先要采集大量的人脸数据,并标准化。它似采用统计方法研究人脸检测问题的基础,直接影响着算法的性能。图像库由两个相互独立的图片库组成---训练图片库和测试图片库。其中有一种基于多模板的单人脸检测,通过对多个人脸样本取平均,构造出检测用的模板(这里有个专门的平均脸生成算法)以下是模板匹配的基本原理:模板与输入图像进行匹配的准则:将输入图像区域与人脸模板之间的相关系数和平均偏差中和起来度量它们的相似程度(即匹配程度)。输入图像和模板的灰度矩阵经过计算就可以得到相关系数和平均偏差了。计算模板的自相关系数,这就是和模板完全一致的图像的相关系数。输入图像区域和模板的相关系数与它越接近,和模板就越相似。至于具体的算法和公式可参考图像处理的相关书籍。 坚决同意:ZyxIp(绝望中...) ( ) 在前沿阵地上架一排枪,用这个软件来来判断,只是能是人就向人开枪。 50分求助一个非常简单的问题 产生随机密码的问题 图标问题 >>>>>>高手帮忙,如何得到ttable中某一列所有的值呢? 以下代码那里出错啦 一个很简单的问题,在线等侍 过程的调用 有钱赚? 求助:怎样使子窗口获取光标 bios问题 应该有办发的只是我不董。。。 帮助文件的问题
能自动的在图片的&&&位置上加上马赛克
反黄软件也是这样的从一张图片上选择,如果和××和××差不多就是黄色图片了。
90%的识别率还是可以达到的,
的确是可以实现并某一特定区域加上马赛克的这主要是图形识别技术,
事先形成一模板,
该模板必须进过多层继承算法形成,
然后在图片中寻找适配的区域,
如果区域适配,
则将其加上马赛克!有兴趣的话来看看这个[PPT]基于MPEG-4人脸特征提取及重建研究
文件格式: Microsoft Powerpoint 97 - HTML 版
... 点 在正面,右面,左面视图上适配后的位置分别是: 、 和 , 则特定人脸相
对于一般化人脸模型的 ... 一旦求得特征线上特征点pi的相对位移ui ,我们用一
个光滑的向量值函数f(p)去适配已知数据ui =f(pi)。用变分插值技术求解该 ...
www.gzu.edu.cn/otherdep/com/infcom/ research/data/zhaolixin.ppt - 类似网页
清华大学的艾海舟教授就一直在做人脸检测与人脸跟踪的研究人脸检测有好多种方法,常见的有基于肤色的人脸检测、基于灰度特征的人脸检测。
基于肤色的人脸检测是在所选择的色度空间中建立某种模型来描述“肤色”区域的分布,常用的色度空间主要有RGB(这个大家都只到)、SHI(饱和度、色调、亮度,也称SHV)、YIQ(NTSC制的光亮度和色度模型)、 YUV(PAL制的光亮度和色度模型)、YCbCr(CCIR601编码方式的色度模型,与YUV在数学上具有等价性)、CIE(国际照明委员会提出的基于色度学的色彩模型)等
常用的肤色模型有高斯模型、混合高斯模型和直方图模型。这些模型都是根据上万幅图片建立起来的。
识别出肤色象素后,根据它们在色度上的相似性和空间上的相关性分割出可能的人脸区域,同时利用区域的集合特征或灰度特征进行验证,以排除其他色彩类似肤色的物体。
基于肤色特征方法的优点似快速、适合于实时的人脸检测与跟踪系统。同时肤色不依赖于面部的细节特征,对于旋转、表情等变化情况都能适用。由于自然界存在大量类似肤色的物体,仅使用肤色特征进行人脸检测似很不可靠的,因此几乎所有的基于肤色特征的方法都需要利用人脸的其他特征进行验证。
基于灰度特征的人脸检测又有许多方法
1。基于知识模型的方法,首先抽取、检测几何形状、灰度、纹理等特征,然后检验它们是否符合人脸的先验知识。
2。基于统计模型的方法:有基于特征空间、基于人工神经网、基于概率模型和基于支持矢量机的方法。首先要采集大量的人脸数据,并标准化。它似采用统计方法研究人脸检测问题的基础,直接影响着算法的性能。
图像库由两个相互独立的图片库组成---训练图片库和测试图片库。
其中有一种基于多模板的单人脸检测,通过对多个人脸样本取平均,构造出检测用的模板(这里有个专门的平均脸生成算法)
以下是模板匹配的基本原理:
模板与输入图像进行匹配的准则:将输入图像区域与人脸模板之间的相关系数和平均偏差中和起来度量它们的相似程度(即匹配程度)。
输入图像和模板的灰度矩阵经过计算就可以得到相关系数和平均偏差了。
计算模板的自相关系数,这就是和模板完全一致的图像的相关系数。输入图像区域和模板的相关系数与它越接近,和模板就越相似。
至于具体的算法和公式可参考图像处理的相关书籍。
在前沿阵地上架一排枪,用这个软件来来判断,只是能是人就向人开枪。