Zeigt zu viel "Haut" - Erkennung in der software

Ihre beste Wette ist, um deal mit der Bild in den HSV-Farbraum (siehe hier für die rgb - hsv-Umrechnung). Die Farbe der Haut ist ziemlich das gleiche, zwischen allen Rassen, die nur die Sättigung verändert es sich. Durch den Umgang mit dem Bild im HSV-Sie können einfach eine Suche für die Farbe der Haut.

Dies können Sie tun, indem Sie einfach zählen die Anzahl der pixel innerhalb einer Farbpalette, oder Sie könnten führen region wachsen um pixel zu berechnen, die Größe der Bereiche, in denen die Farbe.

Edit: für den Umgang mit körnige Bilder, die Sie möchten möglicherweise führen Sie eine median-filter auf zuerst das Bild und dann reduzieren Sie die Anzahl der Farben zu segmentieren das Bild zuerst, Sie zu spielen, um mit den Einstellungen, die auf einer großen Menge von pre-klassierten (erwachsen oder nicht) Bilder und sehen Sie, wie die Werte sich Verhalten, um ein zufriedenstellendes Niveau der Erkennung.

EDIT: Hier etwas code, das sollte eine einfache Zählung (nicht getestet, es ist eine schnelle mashup von code aus hier und rgb auf hsl hier)

Bitmap b = new Bitmap(_image);
BitmapData bData = b.LockBits(new Rectangle(0, 0, _image.Width, _image.Height), ImageLockMode.ReadWrite, b.PixelFormat);
byte bitsPerPixel = GetBitsPerPixel(bData.PixelFormat);
byte* scan0 = (byte*)bData.Scan0.ToPointer();

int count;

for (int i = 0; i < bData.Height; ++i)
{
    for (int j = 0; j < bData.Width; ++j)
    {
        byte* data = scan0 + i * bData.Stride + j * bitsPerPixel / 8;

        byte r = data[2];
        byte g = data[1];
        byte b = data[0];

        byte max = (byte)Math.Max(r, Math.Max(g, b));
        byte min = (byte)Math.Min(r, Math.Min(g, b));

        int h;

        if(max == min)
            h = 0;
        else if(r > g && r > b)
            h = (60 * ((g - b) / (max - min))) % 360;
        else if (g > r && g > b)
            h = 60 * ((b - r)/max - min) + 120;
        else if (b > r && b > g)
            h = 60 * ((r - g) / max - min) + 240;


        if(h > _lowerThresh && h < _upperThresh)
            count++;
    }
}
b.UnlockBits(bData);

Bezweifle ich, dass es keine off-the-shelf-software, die bestimmen können, wenn die user-uploads ein freches Bild. Ihre beste Wette ist, um Benutzern die Bilder Kennzeichnen, die als 'Nur für Erwachsene' mit einer Taste neben dem Bild. (Klarstellung: ich meine damit ein anderer Benutzer als derjenige, der Sie hochgeladen das Bild-ähnlich wie die Beiträge können markiert werden beleidigend hier auf StackOverflow.)

Überlegen Sie auch, diese überprüfung von einem Versuch zu tun, die gleiche Sache in einem eigenen Produkt: http://www.dansdata.com/pornsweeper.htm.

Link geklaut aus heutiger StackOverflow-podcast, natürlich :).

Ich würde sagen, deine Antwort liegt in crowdsourcing die Aufgabe. Dies fast immer funktioniert und neigt zu skalieren sehr gut.

Es muss nicht beinhalten, dass einige Benutzer in "admins" zu sein und kommen mit verschiedenen Berechtigungen - es kann so einfach sein wie damit eine "unangemessene" link neben jedem Bild und halten Sie dabei zählen.

Interessante Frage aus einem theoretischen /Algorithmische standppoint. Ein Ansatz für das problem wäre die flag-Bilder, die große hautfarbene Regionen (wie bereits von Trull).

Jedoch, die Menge an Haut die gezeigt wird, ist nicht ein Faktor für eine offesive Bild, es ist vielmehr die Lage der Haut gezeigt. Vielleicht kann man das mit der Gesichtserkennung (Suche nach algorithmen) um die Ergebnisse zu verfeinern -- festzustellen, wie groß die Haut Regionen sind relativ zu Gesicht, und wenn Sie gehören dem Gesicht (vielleicht, wie weit unten Sie sind).

Ich würde Ansatz das problem aus statistischer Sicht. Eine Reihe von Bildern, die Sie als sicher, und ein paar, dass Sie nicht (das wird für einen unterhaltsamen Tag der Forschung), und sehen, was Sie gemeinsam haben. Analysieren Sie alle für Farbbereich und Sättigung, um zu sehen, wenn Sie können wählen, Eigenschaften, die alle der freche Fotos, und einige von den sicher haben.

Rigan Ap-apid präsentierte ein Papier auf WorldComp '08 über dieses problem Raum. Das Papier ist angeblich hier, aber der server war das timing für mich. Ich besuchte die Präsentation des Papiers, und er bedeckt vergleichbare Systeme und Ihre Wirksamkeit sowie seinen eigenen Ansatz. Sie könnten ihn direkt zu Kontaktieren.

CrowdSifter von Dolores Labs könnte den trick tun für Sie. Ich lese Ihren blog die ganze Zeit, wie Sie scheinen zu lieben, Statistiken und crowdsourcing und wie, darüber zu sprechen. Verwenden Sie amazon ' s mechanical turk, die für eine Menge von Ihrer Verarbeitung und wissen, wie Sie die Ergebnisse verarbeiten, um die richtigen Antworten aus der Dinge. Sehen Sie sich Ihre blog-zumindest, um zu sehen, ein paar Coole statistische Experimente.