Visual attention model VAMAI for adult image detection
基于视觉注意模型VAMAI的敏感图像检测方法

基于内容的敏感图像检测方法是过滤互联网上敏感信息的有效手段。然而，基于全局特征的检测方法误检率偏高，现有的基于BoW（bag-of-visual-words）的检测方法速度较慢。为了快速准确地检测敏感图像，本文提出基于视觉注意模型VAMAI（visual attention model for adult images）的敏感图像检测方法，包括构造面向敏感图像的视觉注意模型VAMAI、基于兴趣区域和SURF（speeded up robust features）的视觉词表算法、全局特征选择及其与BoW的融合三部分。首先，结合显著图模型、肤色分类模型和人脸检测模型，构造VAMAI，用于较准确地提取兴趣区域。然后，基于兴趣区域和SURF构建视觉词表，用于提高基于BoW的检测方法的检测速度与检测精度。最后，比较多种全局特征的性能，从中选择颜色矩，将它与BoW的支持向量机分类结果进行后融合。实验结果表明:VAMAI能够较准确地检测兴趣区域;从检测速度和检测精度两方面显著地提高了敏感图像的检测性能。