Uso de descritores binários para detecção de pornografia

• Main Author: Carlos Antônio Caetano Júnior
• Other Authors: Arnaldo de Albuquerque Araujo
• Format: Others
• Language: Portuguese
• Published: Universidade Federal de Minas Gerais 2014
• Online Access: http://hdl.handle.net/1843/ESBF-9Q4GJ2

=== With the growing of the amount of inappropriate content on the Internet, such as pornography, it arises the need to detect and filter such material. The reason for this is given by the fact that such content is often prohibited in certain environments (e.g., schools and workplaces) or certain publics (e.g., children). In recent years, many works of the literature have been mainly focused on detecting pornographic images and videos based on visual content, particularly on the detection of skin color. Although these approaches provide good results, they generally have the disadvantage of a high false positive rate, since not all images with large areas of skin exposure are necessarily pornographic images, such as people using swimsuits or images related to sports. Local features based approaches, with Bag-of-Words models (BoW), have been successfully applied to visual recognition tasks in the context of pornography detection. Despite existing methods provide promising results in the context of detection of pornography, they use local features descriptors that require a high computational processing time, and generate high-dimensional vectors. In this work, we propose a simple, effective and efficient approach to the problem of visual recognition in the context of pornography detection. The method is based on local features extraction using binary descriptors, a low-complexity alternative, in conjunction with the recent mid-level representation BossaNova, a BoW model extension that preserves a more richly visual information. The results validated the proposed approach by presenting results with superior quality compared to other approaches in the literature. === Com o crescimento da quantidade de conteúdos inapropriados na internet, como pornografia, surge uma necessidade de detectar e filtrar tal tipo de material. O motivo disto é dado pelo fato de que esse tipo de conteúdo é frequentemente proibido em certos ambientes (como, escolas e locais de trabalho) ou para certos públicos (crianças). Nos últimos anos, diversos trabalhos da literatura têm tido como foco principal detectar imagens e vídeos pornográficos baseados em conteúdo visual, principalmente a detecção de cor de pele. Apesar de apresentarem bons resultados, essas abordagens geralmente têm como desvantagem uma alta taxa de falsos positivos, pois nem todas imagens com grandes áreas de exposição de pele são necessariamente pornográficas, como imagens com pessoas usando roupas de banho, ou imagens relacionadas a esportes. Abordagens baseadas em características locais, em conjunto com modelos Bag-of-Words (BoW), têm sido aplicadas com sucesso em tarefas de reconhecimento visual no contexto de detecção de pornografia. Apesar dos métodos existentes produzirem resultados promissores no contexto de detecção de pornografia, estes fazem uso de descritores de características locais que necessitam de um alto tempo computacional de processamento, além de gerarem vetores de alta dimensionalidade. Neste trabalho, é proposta uma abordagem simples, eficaz e eficiente para o problema de reconhecimento visual no contexto de detecção de pornografia. O método é baseado na extração das características locais utilizando descritores binários, uma alternativa de baixa complexidade, em conjunto com a recente representação intermediária BossaNova, uma extensão do modelo BoW que preserva de uma maneira mais rica a informação visual. Os resultados obtidos validaram a abordagem proposta apresentando resultados com qualidade superior em relação às demais abordagens encontradas na literatura.