鉴黄师专用 Python 轮子之 PornDetective

[slysly759]

前言

这两天跨年，就想将自己的 Python 组织和表达能力再提高一下，当然最好的方式自然是读大师的源码，我也就看到实验楼上面的那篇关于色情图片识别的文章，因此依葫芦画瓢才建了这个库。

0x01 色情识别算法介绍

检测色情或者说判定是否是色情的关键是通过皮肤的裸露程度判别，也就是说色情识别算法的核心就是识别皮肤。

那么现今主要识别皮肤的是通过三个步骤：首先选择合适的颜色空间来表征图像像素；然后使用适当的皮肤模型来建模皮肤和非皮肤部分像素；最后依据此建模来分割出正确的皮肤部分。而识别皮肤的关键在于寻找到合适的像素区间，因为肤色 种族 光照 等等因素都会影响到皮肤的识别。

从 2015 年的厦大陈丽一篇《一种融合方法的皮肤检测技术》上我们了解到 在图片预处理 降噪 resize 后 将二维直方图 高斯模型 动态阈值 三个处理模型进行混合的综合皮肤检测技术，能达到识别率 90+的程度，比其他三种模型高出一到五个百分点。

那么实验楼这位作者是如何去识别一张图片的皮肤部分呢？

• 皮肤确认的像素公式采用 stack 上的采用的是网上的 YCbcr 的公式 当然他也写了其他的公式，效果不如这个好
• 确认为皮肤像素后进行归类。新发现的皮肤像素定位新的一块，如果皮肤像素周边有其他的像素就 merge 当然 我在测试的过程中，这个 merge 算法仍然可以优化，如果有小伙伴的话~
• 归类后，判定是否为色情图片的 rules 他写了四条 当然这个判别不能和机器训练相比 但是已经比较准确了

0x02 我在此基础上做了什么？

• 完善 showskinorigin 方法，使其能够将被判定为皮肤的像素进行涂白 方便进行对比
• 修改某些不是很 python 的方法，剔除单通道图片。
• 新加入 LoadWay 文件，可以方便的扫描目录 图片 url 列表并检查是否为色情图片
• 增加容错模块，单元测试后，打包然后共享给大家~

0x03 未来将会准备做什么？

• 根据论文的算法 在 python 上进行部分实现，方便优化算法
• 修复多线程效率过低 占用内存过多的问题
• 希望能够建立 server 返回 API

试验效果图属不可描述范围~附上 Gayhub 地址~

当然我不会说那个 HeiHeiHei 函数是干嘛的==

github 地址 

[riaqn]

只是识别皮肤裸露有问题吧？ 那肚皮舞也变 porn 了。

很明显需要更高端的算法。之前我看到有程序，能做到识别并且”标识敏感区域“（就是标识乳头和 XX ）

[Yinz]

总觉得人工硬编写识别逻辑的做法会被深度学习完全替代掉。。。

[sobigfish]

非洲同胞的皮肤能识别不-。-

[techmoe]

同意一楼看法

[ericgui]

你让微博上那些网红情何以堪？

[RqPS6rhmP3Nyn3Tm]

反向使用，黄的留下？

[murmur]

还以为是自动上车

[ericgui]

@Yinz 同意。

[ericgui]

@BXIA
@murmur 向老司机致敬

[Yinz]

当然这个轮子出于学习目的还是很棒的！学习了:D

[Kilerd]

@Yinz 不是大型云商的话，哪来那么多训练集？？

又不是某某云。

[ihciah]

Yahoo 似乎以前放出来过一个 porn-detect 的 network 和 model...

[Mac]

对鉴黄程序没兴趣，我只对他们的内容数据库敢兴趣

[guyskk]

@BXIA PornDetective - find porn img easilly

[northisland]

弟弟 妹妹 咪咪的目标识别比较靠谱，

[roist]

很常见的一个案例，一个穿泳装类的，站姿和蹲姿（你懂的那个姿势）的皮肤裸露程度有太大不同？但这两者是色情程度一个天上一个地下

[slysly759]

@riaqn 我简单解释一下。
1. 色情图片是分级别的 有皮肤暴露 卡通色情 成人色情 的区分 退一万步来说大数据分析得到所有三点特征匹配的也是成人色情。
2. 皮肤算法不是说识别大块皮肤 或者加个权重就行，具体的识别多少区块 占比多少 像素值多少才能算 这个规则是通过样本采集来的。
3. 判定的 rules 在程序中的确预先写好，后续将会加入训练模型， rules 是可以优化的。

[j5shi]

建立 Server 用来返回 API 调用…于是 Server 上就会有看不完的 porn 照了…嘿嘿嘿

[slysly759]

@roist 额 穿泳装蹲下你从哪里看啊喂→_→上面喵

[DoraJDJ]

@ihciah 然后有人利用这个玩意弄了个能够生成黄图的玩意😂