冯玉婷， 腾先锋， 郭玉堂

(1.合肥师范学院 计算机学院，合肥 230601； 2.中国科学与技术大学 计算机科学与技术学院，合肥 230026 )

0 引 言

Not Safe For Work (NSFW)[1]主要用于电子邮件主题栏、在线讨论区、在线视频、网络直播和其他社交网络媒体，为了警告潜在的观众，内容不适合在工作环境、教育、青少年或儿童附近进行浏览，通常是因为包含色情、暴力、恐怖或其他有违道德和行为标准规定的内容。随着智能设备的普及，互联网、社交和多媒体软件技术的快速发展，图像可访问和自制性得到了极大的提高，带来的色情、暴力等不良图像内容监管和智能审核需求快速增加，鉴于上传的图像和视频的数量急剧增加，可以想象人工审核过滤工作的艰巨和繁琐。过滤和限制访问带有不良内容图片是研究人员数十年来一直试图解决的具有挑战性的应用问题。

近些年涌现了大量的识别图像暴力内容的方法。基于形状、颜色、梯度、光流等特征信息提取，再结合分类器的传统机器学习方法， 灵感来自于传统机器学习方法在其他领域图像分类问题中的成功应用。代表性方法如NIEVAS等[2]提出结合多类别特征信息提取和SVM[3]分类器对暴力行为进行分类。HASSNER等[4]结合光流向量和分类器对暴力行为进行检测识别。方法主要依据人工设计特征提取，再结合SVM分类器进行图像分类。SVM方法建立在统计学习理论的基础上，可帮助预测、分析、调整和识别图像中的显式内容。但是方法的预测准确性较低，存在对训练样本和测试样本严格要求同分布的局限性和对数据样本的依赖。……