DETECTING PORNOGRAPHIC IMAGES

Tm tt
Bi vit ny m t mt h thng dng xc nh liu mt hnh nh c phi l "khiu dm" hay khng? H thng ny s nh v tt c cc im nh c trong mt tm nh v nhm chng li vi nhau nh cc m mu da bng cch s dng mu sc, kt cu v thng tin b mt. Cc c im ny sau c trch xut t cc m mu da v c s dng nh mt u vo cho mt b phn loi mng li thn kinh MLP. Tnh chnh xc ca vic phn loi v tm quan trng ca cc tnh nng c nhn trong vic phn loi qu trnh, c nghin cu thng qua mt lot cc th nghim, v c tho lun. 1.GII THIU Nhng bc tin trong sut thp k qua trong nhng hnh nh chp k thut s v cng ngh lu tr d liu, cng vi vic truy cp Internet mt cch rng ri, lm tng ng k lu lng thng tin gia mi ngi vi nhau. Mc d c rt nhiu li ch bt ngun t vic chia s thng tin , song vn cn 1 s t ni dung khc, chng hn nh ni dung khiu dm, cng l min ph c sn. H thng c yu cu xy dng m bo rng ti nguyn my tnh ang c s dng nhn dng chnh xc v ngn chn cc ni dung ny m khng cn can thip bng tay. C rt nhiu h thng thng mi c thit k ngn chn truy cp vo ti liu khiu dm. Hu ht cc h thng, chng hn nh NetNanny, CyberSitter, CyberPatrol v ChildWebGuardian ngn chn website da trn vic so snh a ch IP / URL v ni dung cha trong cc trang web. Phng php ny rt c hiu qu trong vic ngn chn cc trang web khiu dm v cc trang lin kt khiu dm ph bin, nhng n li gp kh khn trong vic ngn chn cc trang c cha th vin hnh nh khiu dm t cc hnh ng khng tn ti lin kt n cc trang hoc ni dung phn i khc. C mt mi tng quan mnh m gia t l phn trm ca da trong mt hnh nh v ni dung khiu dm ca n. Mc d vic s dng cc t l phn trm ca da trong mt hnh nh nh l phng tin duy nht xc nh xem mt nh cha ni dung khiu dm khng phi l hon ton chnh xc,song cch tip cn nh vy c thc hin trong h thng thng mi nh ScreenShield, SnitchSystem Reconv Enologic Netfilter Home. Cc h thng ny hiu qu nh phn mm gim st vic xem xt hnh nh v thng tin lin quan, chng hn nh ngi s dng v thi gian ca s kin, c lu tr kim
1

tra vin. Ni cch khc cc h thng ny c thit k ngn chn vic truy cp cc ni dung khiu dm, hn l ngn chn cc ni dung. Ni dung bi bo co gm nhng phn: Phn 2 cp n cng tc lin quan n vic nhn din nh khiu dm ca cc nh nghin cu Phn 3 chi tit cc m mu da v trch dn cc tnh nng ca thut ton c s dng trong h thng. Phn 4 m t vic xy dng cc phn loi ti u v nh gi hiu qu ca vic phn loi ny cng nh cc tnh nng c nhn da trn kt qu False Acceptation Rate (FAR) v False Rejection Rate (FRR). Phn 5 kt lun bi bo v vch ra hng nghin cu hin ti

2.CC CNG VIC LIN QUAN TI NHN DIN NH KHIU DM Vi tng quan mnh m gia t l phn trm ca da v ni dung khiu dm trong mt hnh nh , bc u tin trong tt c cc h thng phn loi hnh nh khiu dm c xc nh. Tuy nhin, c mt s ro cn tim nng xc nh chnh xc v da : (a) Cht lng hnh nh km, v d tng phn rt thp. (b) S tn ti ca cc i tng khng phi con ngi trong nhng hnh nh c mu sc gn ging vi da ngi. (c) S bo ha ca khu vc da gy ra bi cc phn x da v cc vn chiu sng. khc phc nhng ro cn trn, mt s thut ton cnh tranh da trn khng gian mu khc nhau nh RGB, HSV, RGB, CIE Lu * v * Log opponent c xut xc nh cc im nh mu da [1, 2, 3, 4, 5, 6]. Tuy nhin, n c kim chng qua phng php tip cn tt c cc khng gian mu sc. V vy, vic la chn khng gian mu sc tt nht ti u ha tnh chnh xc ca my nhn din loi da khng cn l mt vn . Trong khi cc thut ton ch n gin l xc nh mt tp hp tnh ca cc gi tr im nh mu nh l mu da. 3.TNG QUAN V H THNG

Hnh 1: 4 m-un trong h thng

Trong h thng c xut mi ba tnh nng c trch t cc khu vc pht hin ca da theo hnh nh v c s dng o to mt mng li thn kinh MLP dng ly c mt phn loi ti u v tng qut vi mc ch xc nh xem ni dung khiu dm l c hoc khng. Mc d mt s tnh nng c trch xut l tng t nh trong cc nghin cu lin quan [1, 2, 3]. Bn thn h thng c chia thnh bn phn: Size and Palette Analysis, Skin Detection, Feature Extraction and Decision Classifier Modules, nh minh ha trong hnh 1.

The Size and Palette Analysis Module hot ng nh mt b lc nhanh v c bn. Nu kch thc hnh nh di y l mt mc c xc nh, v d 32x32 im nh, sau hnh nh s t ng c gn nhn l khng khiu dm v n c th l mt biu tng hay hnh nh no . Tng t, mt hnh nh ch tn ti mt ch s c gii hn v mu sc (<100) cng s c dn nhn khng khiu dm v n khng th l nh chp. Cc Skin Detection Module s dng mu sc, kt cu v thng tin b mt xc nh kh nng ca lp im nh. Lin kt cc lp im nh s c nhm li vi nhau, to thnh cc m mu (vng) ca da v khng phi da. Cc chi tit ca m-un ny c m t trong mc 3.1 Trong cc Feature Extraction Module mi ba c im c trch xut t vic nhn dng cc m mu da. Chi tit ca cc c im v cc gii php rt ra s c m t trong mc 3.2.

Phn loi ti u c s dng trong cc Decision Classifier Module d xc nh cc hnh nh c khiu dm hay khng. 3.1 Skin Blob Detection Su bc c s dng nhn din cc m mu da c th hin trong hnh 2. u tin,p dng vic tng phn hnh nh ln thng qua vic bnh thng ha biu [8]. Hiu qu ca n ci thin ng k chnh xc ca cc bc tip theo, c bit l khi nhng hnh nh c ra ra hoc qu ti.

Hnh 2:Su bc nhn din m mu Th hai, cc im nh c dn nhn l im nh da nu gi tr RGB ca n nm trong mt tng mu c trong bng mu. Nhng bng mu c bt ngun t cc la chn bng tay cc im nh mu da trong mt tp cc hnh nh c kim tra Th ba, kt cu ca cc im nh c xc nh loi b nhng im nh vi mu da nhng bin kt cu cao (vng da thng mn v do c bin kt cu nh). K thut ma trn xut hin ng thi c s dng v n i din tt nht gia chnh xc v thi gian tnh ton [8]. Hnh 3 minh ha tnh hiu qu ca kt cu c xc nh trong vic c c im nh da chnh xc cho hnh nh khiu dm v khng khiu dm.

Th t,cc im nh "probable skin" da trn vic xc nh kt cu c m rng bao gm cc im nh ln cn vi mu sc tng t v kt cu thuc tnh. Bc ny cho php a vo nhng iu sau y vo cc vng da: (A) im nh mu da c mislabelled trong vic xc nh cu to gn vi cc v mt trong hnh nh. (B) im nh mu khng-da t cc vng da ngi hp l c mislabelled do bo ha. Th nm, cc vng da l phn on bng cch p dng nhn din Canny-edge v im nh ghi nhn nm trn cc b mt nh khi non-skin. iu ny c thc hin m bo tip gip vi cc vng da, v d nh mt cnh tay nm trn u trang ca mt thn, vn duy tr s khc bit khi xy dng cc m mu da. Cui cng, th su, cc m mu da c hnh thnh bng cch nhm cc im nh da kt ni kt ni li vi nhau. m mu da nh, v tng t nh cc m mu non-skin, c loi b bng cch ti ghi nhn cc im nh nh non-skin v skin tng ng. 3.2 Tnh nng Khai thc Nu cc m mu da c nhn din trong cc hnh nh sau cc c trng mi ba, nh th hin trong Bng 1, c trch xut. Nu khng c cc m mu da c tm thy th sau cc hnh nh c phn loi l khng khiu dm. Tnh nng th nht ch n gin l t l phn trm ca cc im nh c dn nhn l lp trong hnh nh vo cc skin blob detection module. Tnh nng th hai l t l phn trm ca mu sc trong hnh nh c phn loi mu sc 'skin'

Table 1: 13 tnh nng c trch xut t hnh nh Tnh nng th ba ch n gin l s lng cc m mu da trong hnh nh. N cho thy hnh nh vi s lng ln cc m mu da c th s tng ng vi nhng on nhm li c l nh vy khng c ni dung khiu dm. Tnh nng th t i din cho mt xp x ca c ch lc hnh hc Forsyth and Fleck, m c ch ra vic c mt ca cc cu trc ca con ngi [2]. xc nh s lng limb nh cc i tng trong hnh nh mt thut ton cc nhanh c s dng trn cc m mu da l ra b xng c bn ca h. Potential limbs c nh ngha nh cc b phn thng di ca b xng c chiu di v khong cch gi tr t l tng t nh tay chn con ngi, sau c tnh. Cc v d ca cc i tng chn tay nm s dng k thut ny c th hin trong hnh 4. Tnh nng 5-13 lin quan n kch thc v hnh dng ca cc m mu da ln nht. Nu mt ngi kho thn hin din v sau ngi ta cho rng cc m mu da ln nht s tng ng vi ngi . Tnh nng 5 v 6 lin quan n t l chiu rng v chiu cao ca cc m mu tng ng vi chiu rng v chiu cao ca hnh nh. Tnh nng 7-13 lin quan n hnh ca cc m mu ln nht i din ca by khonh khc Hu bt bin. Nhng khonh khc Hu c tnh ton s dng cc phc tho ca cc m mu da ln nht [9].

Hnh 4: Cc limb nh i tng c th hin trong cc dng mu en.

4.TH NGHIM nghin cu tnh hiu qu ca cc tnh nng c trch xut t nhng hnh nh xc nh liu mt hnh nh c ni dung khiu dm hay khng, ba b th nghim c thc hin. Mc tiu u tin ca b th nghim l xy dng mt b phn loi mng li thn kinh ti u MLP [10]. C th, s lng ti u ca cc lp n v s lng cc nt trong mi lp n ca b phn loi mng li thn kinh c tm thy. Mc tiu ca cc b th nghim th hai l kim tra nh hng ca hnh nh bn khiu dm trn tnh chnh xc ca vic phn loi ti u. Mc tiu ca cuc th nghim th ba l iu tra tm quan trng ca tnh nng c nhn trong vic xc nh ni dung khiu dm ca mt hnh nh thng qua vic xy dng mt Maximum Entropy Tree (MET) [10] Bn b nhn d liu hnh nh bng th cng c xy dng. Mi b d liu bao gm 800 hnh nh khiu dm v 800 hnh nh khng khiu dm. Cho php ta phn tch mc chi tit v b p cho s khc bit ch quan trong kin v vic liu mt s hnh nh c khiu dm hay khng, nhng hnh nh trong cc b d liu c phn chia thnh vo mt lp con, nh th hin trong hnh 5. Hnh nh mu t su cp thp nht c th hin trong hnh 6

Figure 6: Hnh nh t lp con: (a) Wrapped-Exposed, (b) Half-Exposed, (c) FullExposed3X, (d)Full-Exposed5X (e) Human (f) Non-Human.Lu 1 s khu vc hnh nh c bi en.

4.1 Phng php th nghim Mc ch b th nghim u tin l tm phn loi ti u, h thng thn kinh c training s dng mt s lp n khc nhau (1-2) v s lng cc nt trong mi lp n (120). Phm vi ca cc lp v cc nt c chng minh l ly c mt phn loi tng qut ph hp vi mu training [10]. Mt trong nhng b d liu c s dng nh b training v nhng ci khc nh b xc thc. Cc hnh nh trong c hai b d liu c phn u tri rng trn cp di ca lp con, v d nh 800 hnh nh khiu dm khng bao gm 400 ngi v 400 hnh nh khng phi con ngi. i vi mi s kt hp ca cc lp v cc nt thut ton training (100.000 vng lp) c p dng. Vo cui kha hc,b phn loi c p dng b training v t l li bnh ng (EER) c tm thy, cc kt qu ER thp hn th tng qut tt hn ca b phn loi. Sau khi cc t hp tt nht c xc nh (1 lp v 10 nt), cc thit lp xc nhn d liu c s dng cng vi cc d liu training thit lp xc nh s lng ti u ca training lp i lp li (trc y t 100.000 lp i lp li). iu ny c thc hin trnh nhng thut ton training overfitting trn d liu training vi chi ph gim chnh xc tng qut cho b d liu hnh nh khng nhn thy khc. Sau khi kt thc mi
8

ln lp cc li training (tng s tch ly kch thc ca gi tr sn lng tr i gi tr d kin) c tnh ton cho tp d liu training v cc d liu xc nhn thit lp, xem hnh 7. C th thy rng cc li training ca tp d liu training (ng t nt) gim khi s lng training lp i lp li gia tng, tuy nhin cc li training ca tp d liu xc nhn (ng cong khng tan) bt u tng khi s ln lp t 1000. Cho cc thit lp th nghim th hai, vi mc ch l kim tra tnh chnh xc ca vic phn loi ti u trong s hin din ca hnh nh bn khiu dm, hai b d liu th nghim c xy dng (nhng hnh nh trong cc b d liu th nghim khng xut hin trong d liu training v xc nhn b c s dng trong th nghim u tin). Cc d liu th nghim u tin thit lp c 800 ni dung khiu dm v 800 hnh nh khiu dm khng ly vi s lng bng nhau t lp con tng ng. Th nghim th hai tp hp d liu ging ht vi cc d liu mi ln u tin thit ngoi tr 200 hnh nh trong lp con "Light-Porn" c thay th bng 200 hnh nh mi t lp con HeavyPorn.

Hnh 7: S thay i li training vi s gia tng lp i lp li cho vic training v xc nhn b d liu. Trong b th nghim th 3, cc thit k dng o lng s ng gp ca cc tnh nng khc nhau i vi khiu dm, cc MET ti u c thit lp bng cch s dng hng dn v xc nhn cng nhau tp hp d liu v phng php tip cn tng t nh th nghim 1. Cc li hng dn c xc nh l tng ca FAR v FRR, v ti thiu ca n xy ra vi 21 nt trong MET. Tnh chnh xc ca MET c o bng cch s dng d
9

liu th nghim u tin (cn bng) thit lp nh l xy dng cho b th hai ca th nghim 4.2 Kt qu kt qu v tho lun Khi p dng cho mt hnh nh, phn loi tr v gi tr khng (khng kha thn) v mt (y nh kho thn), nu gi tr cao hn mt ngng 'kha thn' th hnh nh c coi l khiu dm. iu ny l do trong vic o to gim st ca mng li thn kinh cc hnh nh khiu dm c cho l mt trong nhng gi tr v hnh nh khng khiu dm gi tr bng khng. Tnh chnh xc ca vic phn loi ti u c o bng cc gi tr FAR v FRR da trn mt gi tr nh kho thn.

Hnh 8 cho thy cc kt qu FAR v FRR cho hai b d liu c s dng trong th nghim 2. Trong hnh 8 (a), trong mt s lng bng nhau ca hnh nh t lp con c mt trong cc b d liu, mt EER 18% c thc hin vi nh kho thn gi tr ngng 0,5. Nh gi tr nh kho thn lm gim FRR rt nhanh, y l kt qu hu ch cho cc phn mm gim st hnh nh khiu dm m hnh nh khiu dm khng nhn nh hnh nh khng khiu dm l li pht hin ln. Hnh 8 (b), ni hnh nh khiu dm light c thay th bng hnh nh khiu dm'heavy' trong b d liu, cho thy mt ci tin ng k trong tnh chnh xc ca pht hin ni dung khiu dm vi mt EER l 11%. iu ny cho thy cc bc nh m c cho rng khiu dm l nhng phn loi ti u c nhiu kh nng mislabel. Ni cch khc,cc tnh nng c trch xut nh gi mc m mt hnh nh c khiu dm khng?

10

Hnh 8: FAR v FRR kt qu cho (a) b d liu 1, v (b) b d liu 2 nh trong th nghim 2. Hnh 9 cho thy nm cp u tin ca mi ba cp ti u MET. Qua s kim tra, t l chiu cao ca m mu (Tnh nng 4) l tnh nng quan trng nht xc nh xem hnh nh khiu dm hay khng. Tip theo l phn trm da (Tnh nng 0) v sau l Hu Moments (tnh nng 6,7,8,9 v 12). ng dng ti u ca MET vo cc d liu th nghim thit lp cho FAR v FRR gi tr l 15% v 19,5% tng ng. Lu rng 90% ca FAR l do nt t l chiu cao ca m mu mc 0 v 70% FRR l do cc nt da T l cp 1. Cho rng tnh nng t l chiu cao ca m mu tng quan mnh m vi cc tnh nng phn trm da (thng qua kim tra ca cc b d liu), kt qu cho thy s lng mu da l ch s tt nht xem mt nh cha ni dung khiu dm hoc khng. Cc b tip theo ca tnh nng quan trng lin quan n hnh dng ca cc m mu da. Tnh nng lin quan n s lng cc m mu v cc i tng chn tay c tm thy tng i khng quan trng, thc s c rt t s tng quan gia cc tnh nng v ni dung khiu dm ca hnh nh.

11

Hnh 9: Nm cp u tin ca mi ba cp ti u MET (P c ngha l hnh nh khiu dm v NP c ngha l n khng khiu dm). 5. KT LUN V CNG VIC HIN TI Bi vit ny m t mt h thng nhn din hnh nh khiu dm s dng nhiu tnh nng c ngun gc t cc m mu da trong mt mng thn kinh phn loi MLP. Mc d EERs 18% v 11% tng ng vi b phn loi trong hai th nghim khng c bit n tng ,nhng chng ta phi nh rng nhng hnh nh khng khiu dm trong cc b d liu khng phi l ngi tm thng , ni cch khc tt c h u c mt vng rng ln ca da - nh im nh. T cc kt qu v tho lun trnh by trong phn 4 , r rng l trong khi vic s dng nhiu tnh nng xc nh xem mt nh l khiu dm hoc khng lm tng chnh xc ca cc quyt nh. Do thiu mt c s d liu tiu chun th nghim,cho nn vic so snh cc h thng trn vi cc nhm khc lm vic trong cng mt khu vc l khng th Cn ci thin qu trnh khai thc tnh nng hin ti bao gm pht hin nhiu quy m edge v snakes khai thc tt hn cc vng da , v ii ) vic xc nh cc tnh nng b sung , chng hn nh s lng cc im cong trong cc vng da m c th tng ng vi ngc . 6.TI LIU THAM KHO [1] M. J. Jones and J. M. Rehg, Statistical color models with applications to skin detection, in Technical Report CRL 98/11, Compaq Cambridge Research Laboratory, 1998, pp. 1-23. [2] D. A. Forsyth and M. M. Fleck, Automatic detection of human nudes, International Journal of Computer Vision, vol. 32, no. 1, pp. 63 77, 1999.

12

[3] J. Z. Wang, System for screening objectionable images, Computer Communications, vol. 21, no. 15, pp. 1355 1360, 1998. [4] A. Albiol et al., A simple and efficient face detection algorithm for video database applications, in Proceeding of IEEE International Conference on Image Processing, 2000, pp. 239-242. [5] K. Sobottka and I. Pitas, Face localization and facial feature extraction based on shape and color information, in Proceeding of IEEE International Conference on Image Processing, 1996, pp. 236-241. [6] M. H. Yang and N. Ahuja, Detecting human faces in color images, in Proceeding of IEEE International Conference on Image Processing, 1998, pp. 127-130. [7] A. Albiol, L. Torres, and E. J. Delp, Optimum color spaces for skin detection, in Proceeding of IEEE International Conference on Image Processing, 2001, pp.681-684. [8] R. C. Gonzalez and R. E. Woods, Digital Image Processing Second Edition, PrenticeHall, New Jersey,2002. [9] M. K. Hu, Visual pattern recognition by moment invariants, IRE Transactions on Information Theory, vol. 8, pp. 179 187, 1962. [10] T. M. Mitchell, Machine Learning, McGraw-Hill, New York, 1997.

13