对网络敏感图像进行过滤的基础是对敏感图像进行识别,很多对敏感图像的过滤方法是基于依附于图像的文本信息或者URL地址,这些过滤技术缺乏对敏感图像识别的动态性和实时性,因而基于内容的敏感图像识别成为迫切需要解决的问题。传统基于内容的敏感图像识别主要根据图像中与人体肤色面积比相关的特征进行分类,虽然比较简单快捷,但是其误检率往往较高。为降低传统基于内容的敏感图像识别的误检率,我们进行了基于内容的对不良文化敏感图像检测的研究,该研究方案在肤色分割的基础上分为人脸定位识别、人体姿态识别和人体关键部位定位识别三部分,本文是对敏感图像中人体关键部位的定位识别的一个阶段总结。研究的目标是对敏感图像中的人体关键部位进行定位识别,从而为检测网络不良文化图像提供良好的判断参考。主要的研究内容包括以下几个方面:一、对FCM聚类分割算法的改进:1.1建立多尺度图像锥。减少了图像数据规模,降低图像聚类分割的运算量。1.2引入空间信息。借助图像正常像素信息屏蔽噪声像素信息,增强了抗噪性能。二、改进肤色分割方法:2.1肤色模型分割。在CbCr平面建立高斯肤色模型,实现图像肤色分割。2.2肤色聚类判决。对分割后的肤色区域进行聚类判决,提高肤色分割准确率。三、人体关键部位识别:3.1女性上体关键部位识别。通过图像的亮度色度信息进行定位识别。3.2女性下体关键部位识别。通过八个方形过滤窗口进行匹配定位识别。3.3男性下体关键部位识别。通过边缘分割图像进行形状近似程度判决。