Video pornography detection through deep learning techniques and motion information
Mauricio Pérez · 2016
Com o crescimento exponencial de gravações em vídeos disponíveis online, a moderação manual de conteúdos sensíveis, e.g, pornografia, violência e multidões, se tornou impraticável, aumentando a necessidade de uma filtragem automatizada.Nesta linha, muitos trabalhos exploraram o problema de detecção de pornografia, usando abordagens que vão desde a detecção de pele e nudez, até o uso de características locais e sacola de palavras visuais.Contudo, essas técnicas sofrem com casos ambíguos (e.g., cenas em praia, luta livre), produzindo muitos falsos positivos.Isto está possivelmente relacionado com o fato de que essas abordagens estão desatualizadas, e de que poucos autores usaram a informação de movimento presente nos vídeos, que pode ser crucial para a desambiguação visual dos casos mencionados.Indo adiante para superar estas questões, neste trabalho, nós exploramos soluções de aprendizado em profundidade para o problema de detecção de pornografia em vídeos, levando em consideração tanto a informação estática, quanto a informação de movimento disponível em cada vídeo em questão.Quando combinamos as características estáticas e de movimento, o método proposto supera as soluções existentes na literatura.Apesar de as abordagens de aprendizado em profundidade, mais especificamente as Redes Neurais Convolucionais (RNC), terem alcançado resultados impressionantes em outros problemas de visão computacional, este método tão promissor ainda não foi explorado suficientemente no problema detecção de pornografia, principalmente no que tange à incorporação de informações de movimento presente no vídeo.Adicionalmente, propomos novas formas de combinar as informações estáticas e de movimento usando RNCs, que ainda não foram exploradas para detecção de pornografia, nem em outras tarefas de reconhecimento de ações.Mais especificamente, nós exploramos duas fontes distintas de informação de movimento: Campos de deslocamento de Fluxo Óptico, que tem sido tradicionalmente usados para classificação de vídeos; e Vetores de Movimento MPEG.Embora Vetores de Movimento já tenham sido utilizados pela literatura na tarefa de detecção de pornografia, neste trabalho nós os adaptamos, criando uma representação visual apropriada, antes de passá-los a uma rede neural convolucional para aprendizado e extração de características.Embora os experimentos mostrem que as duas fontes são equivalentes em termos de eficácia quando complementando a informação estática, a técnica de Vetores de Movimento MPEG é mais vantajosa devido a sua eficiência e também pois estar presente, por construção, nos vídeos, enquanto se decodifica os frames.Nossa melhor abordagem proposta supera os métodos existentes na literatura em diferentes datasets.Para o dataset Pornography 800, o método consegue uma acurácia de classificação de ∼97, 9%, uma redução do erro de 64,4% quando comparado com o estado da arte (∼94, 1% de acurácia neste dataset).Quando consideramos o dataset Pornography 2k, mais desafiador, nosso melhor método consegue um acurácia de ∼96, 4%, reduzindo o erro de classificação em 14,3% em comparação ao estado da arte (∼95, 8%).