Chapitre 4 : Reconnaissance des scènes vidéo pour adultes
4.5 Illustration et interprétation des résultats
Nous avons effectué quelques testes sur des vidéos que nous avons téléchargé sur le Net. Les tests sont effectués sur les images des vidéos qui se présentent dans différentes couleurs et différentes orientations et échelles.
Nous avons utilisé, dans le cadre de nos tests, le taux de bonne reconnaissance comme critère d’évaluation. Nous remarquons dans les figures 4. 20 et 4. 21 que les images sont reconnues correctement avec 0 fausse alerte.
Les fausses alertes sont parfois dues à la couleur de l’objet qui prend la couleur de peau tel que dans la figure 4. 22 (a), cette image présente un visage et une grande tonalité de peau, il est donc reconnu comme adulte, alors que dans certaines scènes les visages ne sont pas détectés tel que dans la figure 4. 22 (b) où le visage n’a pu être détecté, cette image a été éliminée dans la phase de filtrage et donc considérée comme non adulte.
a) b) c) a) b) c)
Op=0,975 Resutat=1 Nbface=1 Op=0,924 Resutat=1 Nbface=1
Figure 4. 20. Résultats expérimentaux pour des images adultes,
a) résultat du réseau de neurone, b) résultat du SVM, c) résultat de la détection du visage
a) b) c) a) b) c) Op=0,560 Resutat=-1 Nbface=7 Op=0,709 Resutat=-1 Nbface=3
Figure 4. 21. Résultats expérimentaux pour des images non adulte,
a) résultat du réseau de neurone, b) résultat du SVM, c) résultat de la détection du visage
(a) b)
Figure 4. 22.Résultats expérimentaux pour des images qui présentent des fausses détections
4.6 Conclusion
Le bon fonctionnement de la phase de la classification dépend de plusieurs paramètres, en particulier la nature des données, du classificateur utilisé et du degré de généralisation de ce classificateur. Nous avons donné dans ce chapitre un aperçu des classificateurs les plus utilisés dans la littérature, à savoir les arbres de décisions, les réseaux bayésiens, les réseaux de neurones et les SVM.
Il n’existe pas une règle générale pour choisir le meilleur classificateur pour une application donnée. Pour cela, le choix entre ces classificateurs se fait d’une manière empirique en utilisant les résultats de classification comme critère de performance.
Ces approches de classification ont fait l’objet de notre application de reconnaissance des scènes vidéo pour adultes. Nous avons présenté une étude comparative entre les deux
classificateurs ANN et SVM en termes de taux de bonne reconnaissance. La méthode SVM avec noyau gaussien est celle qui a donné les meilleurs résultats. D’autre part, nous avons montré l’impact des paramètres de ce noyau sur les performances du système de reconnaissance.
CONCLUSION GENERALE ET PERSPECTIVES
Le présent travail de thèse a été consacré à la reconnaissance des vidéos pour adultes. Pour ce faire, il a fallut déterminer un modèle de peau permettant d’identifier les pixels de peau dans les images constituants la vidéo.
Nous avons proposé une approche d’extraction de caractéristiques pour l’élaboration d’un modèle de peau basé sur la couleur qui traduit la luminosité réfléchie par une surface de peau. Notre modèle de peau se distingue des travaux existants par sa généricité qui résulte d’une part d’une sélection de variables pertinentes des axes de couleur qui font appel notamment à la distribution spectrale de couleur, et d’autre part à des corpus significatifs de pixels de couleur traduisant la diversité de conditions de lumière et la richesse d’ethnies. L’originalité de nos travaux réside aussi dans l’utilisation conjointe d’une technique de segmentation basée sur la fusion des trois espaces de couleurs.
Afin d’illustrer la robustesse et la généricité de notre approche, le modèle de peau issu de nos travaux a été utilisé avec succès dans la détection des vidéos pour adultes. L’utilisation de notre modèle de peau a permis un gain en taux de détection par rapport au modèle de peau basé sur une approche bayesienne.
Ensuite, dans nos travaux, nous avons proposé l’intégration de mouvement pour l’extraction de l’arrière plan. L’utilisation de l’information de mouvement peut être un moyen simple pour mettre en œuvre une technique rapide de détection de peau dans une vidéo. Ainsi nous avons pu simplifier le problème de la détection des vidéos pour adultes en incluant la détection de visage basée sur l’hybridation de deux méthodes : la détection de couleur de peau et l’appariement du gabarit «template matching ».
En effet, ceci a permis au système mis en œuvre d’analyser correctement une vidéo et de déterminer les images de celle-ci qui doivent être traitées. A partir du résultat de cette analyse le système calcule neuf descripteurs sur les régions peau détectées. Ces derniers permettent de générer la région la plus grande et de la représenter par une ellipse.
Pour la phase de classification et en absence d’une règle générale pour choisir le meilleur classificateur, nous avons comparé les classificateurs les plus utilisés dans le domaine : les ANN et les SVM pour vérifier celui le plus adapté à notre cas. Nous avons vérifié lequel est le meilleur classificateur en utilisant les courbes ROC et nous avons testé différentes configurations ; en faisant varier le nombre de couches et la fonction de transfert pour les
Enfin, la chaîne optimale de reconnaissance des vidéos adultes a été obtenue en utilisant les SVM pour la décision.
L’approche traditionnelle de la classification par SVM et ANN présente des limites de décision en matière de ciblage. D’autre part, nous avons vu que la fusion d’information peut apporter une solution intéressante pour la résolution de tels problèmes et particulièrement grâce à sa facilité de mise en œuvre pour les applications de classification. Ce qui nous amène à proposer les perspectives suivantes.
Perspectives
Il est clair qu’il existe une continuité logique de ce travail, car les différentes limites, évoquées dans le manuscrit, engendrent de nouveaux travaux de thèses. Il s’agit tout d’abord d’approfondir les connaissances liées au système de détection des vidéos pour recenser d’autres informations qui peuvent améliorer les performances du système de reconnaissance. Par exemple, la fusion des résultats de classification. Cette dernière, peut assurer une reconnaissance efficace et robuste, et cela même dans des situations très complexes.
Il serait toutefois important d’intégrer l’information son et utiliser une nouvelle méthode de reconnaissance qui propose de détecter des séquences vidéo pour adultes.
Une autre information généralement associée aux documents vidéo est le texte. Ainsi, nous pouvons inclure cette information pour la reconnaissance des vidéos pour adulte.
Enfin, la méthodologie développée dans le cadre de ce travail peut être adaptée à d’autres problématiques dans le domaine médical notamment la reconnaissance des tumeurs de sein.
PUBLICATIONS
Journaux internationaux1. H.BOUIROUGA, S.ELFKIHI, A. JILBAB, D. ABOUTAJDINE, "Comparison of performance between different SVM kernels for the identification of adult video", World Academy of Science, Engineering and Technology, Issue 53, May 2011.
http://www.waset.org/journals/waset/v77/v77-23.pdf
2. H. BOUIROUGA, S.ELFKIHI,A. JILBAB, D. ABOUTAJDINE, "Skin Detection in pornographic Videos using Threshold Technique", International Journal of Theoretical and Applied Information Technology, pp 007 – 019,Vol 35 Issue 1, 15th January 2011.
http://www.jatit.org/volumes/Vol35No1/2Vol35No1.pdf
3. H. BOUIROUGA, S.ELFKIHI,A. JILBAB, D. ABOUTAJDINE, " Robust Identification of Adult Video based on Face and Skin Detection ", International Journal on Graphics, Vision and Image Processing 2011.
http://icgst.com/paper.aspx?pid=P1151132682
Conférences Internationales et nationales (avec comité de lecture et acte)
1. H. BOUIROUGA, A. JILBAB, D. ABOUTAJDINE,"Reconnaissance des scènes vidéo adultes", 22-26 March 2009, SETIT, Hammamet TUNISIE.
http://www.setit.rnu.tn/last_edition/setit2009/Image%20and%20Video/60.pdf
2. H. BOUIROUGA, A. JILBAB, D. ABOUTAJDINE,"Détection des scènes vidéo adultes par méthode hybride basée sur la couleur de la peau",8-11, GRETSI, Septembre 2009, Dijon FRANCE.
http://documents.irevues.inist.fr/handle/2042/29189
3. H.BOUIROUGA, S.ELFKIHI, A. JILBAB, D. ABOUTAJDINE, "A comparison of Skin Detection Techniques for Objectionable Videos", 30 September, 1-2 Octobre 2010, ISIVC, Rabat MOROCCO.
http://ieeexplore.ieee.org/Xplore/login.jsp?url=http%3A%2F%2Fieeexplore.ieee.org% 2Fiel5%2F5637455%2F5654712%2F05656278.pdf%3Farnumber%3D5656278&auth Decision=-203
4. H. BOUIROUGA, S.ELFKIHI,A. JILBAB, D. ABOUTAJDINE, "Recognition of Adult Video by combining skin detection features with motion information", 07-09 April 2011, ICMCS, Ourzazat MOROCCO.
http://ieeexplore.ieee.org/xpl/freeabs_all.jsp?arnumber=5945570
5. H.BOUIROUGA, S.ELFKIHI, A. JILBAB, D. ABOUTAJDINE, "Comparison of performance between different SVM kernels for the identification of adult video " 24- 26 juin 2011 , ICCVISP, Paris FRANCE.
6. H. BOUIROUGA, S.ELFKIHI,A. JILBAB, D. ABOUTAJDINE, "Utilisation des Support vecteur machine pour le blocage des scènes vidéo adultes", 7-9 Juillet 2011, JDITIC Tanger , MOROCOO.
http://ensat.uae.ma/JDTIC2011/session.htm#session_Posters
7. H.BOUIROUGA, S.ELFKIHI, A. JILBAB, D. ABOUTAJDINE, "Utilisation des réseaux de neurones dans le blocages des scènes vidéos adultes ", 15-17 Juillet 2010, JDITIC, Fes MAROC.
8. H. BOUIROUGA, S.ELFKIHI, A. JILBAB, D. ABOUTAJDINE, "Comparison of Artificial Neural Network and Support Vector Machine Systems for adult and non adult Video Classification", 13-15 October 2011, WOTIC, Casablanca, MOROCOO.
http://wotic11-ensem.net/files/program.pdf
9. H. BOUIROUGA, S.ELFKIHI,A. JILBAB, D. ABOUTAJDINE, "A novel method to identify Adult Video based on Face and Skin detection",19-21 Decembre, CSE-11 Istanbul, TURKEY.
http://icgst.com/paper.aspx?pid=P1151132682
10.H. BOUIROUGA, S.ELFKIHI, A. JILBAB, D. ABOUTAJDINE, "Comparison of different activation functions in neural network for adult video recognition", 15-18 October, IPTA-2012 Istanbul, TURKEY.
11.H. BOUIROUGA, S.ELFKIHI, A. JILBAB, D. ABOUTAJDINE, " Neural network adult videos recognition using jointly face shape and skin feature extraction", 5-6 November, ICCS-2012 Agadir, MOROCOO (en cours).
Conférences nationales (sans comité de lecture et acte)
1. H. BOUIROUGA, S.ELFKIHI,A. JILBAB, D. ABOUTAJDINE, "Reconnaissance des scènes vidéos adultes",25-26 Avril, JDLRIT-08 Rabat, MOROCOO.
BIBLIOGRAPHIE
[1] R.O. Duda, P.E. Hart, and D.G. Stork, "Pattern Classification", International Journal of Classification, Vol. 24 Issue 2, September 2007.
[2] Fleck, M., Forsyth, D.A., Bregler, C., "Finding Naked People", Proceedings of the 4th European Conference on Computer Vision, pp. 593-602, April 1996.
[3] Duan L., Cui G., Gao W., and Zhang H., "Adult Image Detection Method Base-on Skin Color Model and Support Vector Machine", Proceedings of the 5th Asian Conference on Computer Vision, pp. 780-797, Jan 2002.
[4] Rowley H. A., Jing Y., Baluja S., "Large Scale Image-Based Adult-Content Filtering", Proceedings of the 1st International Conference on Computer Vision Theory, pp. 290- 296,February 2006.
[5] Yoo S.J., "Intelligent Multimedia Information Retrieval for Identifying and Rating Adult Images", Proceedings of the 8th International Conference on Knowledge-Based Intelligent Information & Engineering Systems, pp. 164-170, September 2004.
[6] H. Lee, S. Lee, and T. Nam. "Implementation of High Performance Objectionable Video Classification System", Proceedings of the 8th International Conference on Advanced Communication Technology, pp. 959-962, February 2006.
[7] N. Rea, G. Lacey, C. Lambe, and R. Dahyot. "Multimodal Periodicity Analysis for Illicit Content Detection in Videos". Proceedings of the CVMP, pp. 106-114, February 2006. [8] X. Tong, L. Duan, C. Xu, Q. Tian, Hanqing L., J. Wang, and J. Jin. "Periodicity
Detection of Local Motion". Proceedings of the 3th IEEE International Conference on Multimedia and Expo, pp. 650-653, July 2005.
[9] H. BOUIROUGA, A. JILBAB, D. ABOUTAJDINE,"Détection des scènes vidéo adultes par méthode hybride basée sur la couleur de la peau", Proceedings of the 22th International Conference sur le Traitement du Signal et des Images , pp. 5609-5628, Septembre 2009.
[10] H.BOUIROUGA, S.ELFKIHI, A. JILBAB, D. ABOUTAJDINE, "Comparison of performance between different SVM kernels for the identification of adult video , International Journal of Science, Engineering and Technology, Vol. 77 Issue 53, May 2011.
[11] H. BOUIROUGA, S.ELFKIHI,A. JILBAB, D. ABOUTAJDINE, "Recognition of Adult Video by combining skin detection features with motion information", Proceedings of the 2th International Conference on Multimedia Computing and Systems, pp. 1-5, April 2011.
[12] Smeulders, A.W.M., M. Worring, S. Santini, A. Gupta and R. Jain. "Content-based image retrieval at the end of the early years". IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 22, pp.1349-1380, December 2000.
[13] Cees G.M. Snoek, Marcel Worring, Jan-Mark Geusebroek, Dennis C. Koelma, Frank J. Seinstra, and Arnold W.M. Smeulders. "The semantic pathfinder for generic news video indexing". Proceedings of the IEEE International Conference on Multimedia and Expo, July 2006.
[14] Mbarek CHARHAD, "Modèles de Documents Vidéo basés Sur le Formalisme des Graphes Conceptuels pour l’Indexation et la Recherche par Le Contenu Sémantique", Ph.D. Thesis,Université Joseph Fourier, Novembre 2005.
[15] Lire de la vidéo numérique. Le point sur les formats de vidéo numérique et de disque, http://www.planetenumerique.com/Lire-de-la-video-numerique-pour.html, 2002.
[16] H. Ueda, T. Miyatake, and S. Yoshizawa, "An interactive naturalmotion- picture dedicated multimedia authoring system", Proceedings of the SIGCHI conference on Human factors in computing systems, pp. 343-350, May1991.
[17] Z. Yueting, R. Yong, T-S. Huang, and S. Mehrotra, "Adaptive key frame extraction using unsupervised clustering", Proceedings of the IEEE International Conference on Image Processing, pp. 866-870, Oct 1998.
[18] V. Kobla, D-S. Doermann, K-I. Lin, and C. Faloutsos. "Compressed domain video indexing techniques using DCT and motion vector information in MPEG video", Proceedings of SPIE conference on Storage and Retrieval for Image and Video Databases, pp. 200-211, February 1997.
[19] T. Liu, H-J. Zhang, and F. Qi, "A novel video key-frame extraction algorithm based on perceived motion energy model", IEEE Transactions on Circuits and Systems for Video Technology, pp. 1006-1013, October 2003.
[20] F. Souvannavong, " Indexation et recherche de plans vidéo par le contenu sémantique", Ph.D. Thesis, Institut Eurécom, June 2005.
[21] J. R. Smith and S.-F. Chang, "Querying by color regions using the VisualSEEk content- based visual query system", Proceedings of IJCAI conference on Intelligent Multimedia Information Retrieval, pp. 159–173, August 1996.
[22] Joo-Hwee Lim, "Building visual vocabulary for image indexation and query formulation". International Journal of Pattern Analysis and Applications,Vol. 4, March 2001.
[23] Mourad Mechkour, Catherine Berrut, and Yves Chiaramella, "Using conceptual graph framework for image retrieval", Proceedings of MMM International conference on MultiMedia Modeling, novembre 1995.
[24] M. Vissac and J-L. Dugelay, "Un panorama sur l'indexation d'images fixes", Journal d'automatique, d'informatique et de traitement du signal, Vol. 3, Mars 2000.
[25] Sébastien LEFEVRE, "Détection des événements dans des séquences vidéo", Ph.D. Thesis, décembre 2002.
[26] M. Yeung and B-L. Yeo, "Time-constrained clustering for segmentation of video into story unites", Proceedings of the IEEE International Conference on Pattern Recognition, pp.375-380, June 1996.
[27] A. Hanjalic, R-L. Lagendijk, and J. Biemond, "Automated high-level movie segmentation for advanced video-retrieval systems". IEEE Transactions on Circuits and Systems for Video Technology, pp.580-588, Jun 1999.
[28] Cees G.M. Snoek and Marcel Worring, "Multimodal video indexing: A review of the state-of-the-art", Proceedings of ISIS International conference on Technical Report Series, December 2001.
[29] Milind R. Naphade and John R. Smith, "the detection of semantic concepts at trecvid", Proceedings of the 12th annual ACM international conference on Multimedia, July 2004. [30] A. Torralba, K. Murphy, and W. Freeman, "Contextual models for object detection using boosted random fields", Proceedings of Advances in Neural Info Processing Systems, 2004.
[31] P. Felzenszwalb and D. Huttenlocher, "Efficiently computing a good segmentation", Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pp. 98-104, 1998.
[32] Jean-Christophe Terrillon, M. N. Shirazi, H. Fukamachi, et S. Akamatsu, "Comparative performance of different skin chrominance models and chrominance spaces for the automatic detection of human faces in color images", Proceedings of the 4th International Conference On Automatic Face and gesture Recognition, pp. 54-61, 2000. [33] H. Zheng, M.Daoudi, et B. Jedynak, "Blocking adult images based on statistical skin
detection", International Journal of Electronic Letters on Computer Vision and Image Analysis, Vol.4 pp: 1–14, Décembre 2004.
[34] S. El Fkih, M. Daoudi,D. Aboutajdine, "Un algorithme basé sur les meilleurs arbres de dépendances pour la détection de la peau dans les images couleurs", Proceedings of the 12th journée d’études et d’échancre compression et représentation des signaux audiovisuels, Novembre 2007.
[35] VLADIMIR VEZNEVETS, "A Survey on Pixel-Based Skin Color Detection Techniques", Ph.D. Thesis, Faculty of Computational Mathematics and Cybernetics Moscow State University, Moscow, 2005.
[36] Daoudi, I, "Recherche par similarité dans les bases de données multimédia : application à la recherche par le contenu d’images". Ph.D. Thesis, Faculty Mohammed V- Agdal, Rabat, 2009.
[37] Swain, M. et Ballard, D, "Color indexing", International Journal of Computer Vision, Vol. 1 pp:1 – 13,1991.
[38] B-S. Manjunath, P. Salembier, and T. Sikora, "Introduction to MPEG-7: Multimedia content description interface", John Wiley and Sons, Jun 2002.
[39] H. BOUIROUGA, A. JILBAB, D. ABOUTAJDINE,"Reconnaissance des scènes vidéo adultes", Mémoire de fin d’études, Novembre 2007.
[40] Harry L. Van Trees, "Detection, Estimation, and Modulation Theory", Wiley, September 1968.
[41] M. J. Jones and J. M. Rehg, "Statistical color models with application to skin detection", International Journal of Computer Vision, Vol.46, pp. 81-96, January 2002.
[42] JAVIER RUIZ-DEL-SOLAR AND RODRIGO VERSCHAE, "Skin Detection using Neighborhood Information", Proceedings of the 6th IEEE international conference on Automatic face and gesture recognition, 2004.
[43] A. Nagasaka et Y. Tanaka, "Automatic video indexing and full-video search for object appearances", Proceedings of the IFIP Working Conference on Visual Database Systems, pp. 113–127, Octobre 1991.
[44] D. Swanberg, C.F. Shu, et R. Jain, "Knowledge guided parsing and retrieval in video databases", Proceedings of the SPIE Conference on Storage and Retrieval for Image and Video Databases, pp.13–24, Février 1993.
[45] A. Elgammal, D. Harwood and L. Davis, "Non-parametric model for background subtraction", Proceedings of the European Conference on Computer Vision, pp. 751– 767, 2000.
[46] Rayan cassel, "Analyse du mouvement humain par un système de vision", Ph.D. Thesis, novembre 2005.
[47] A. lemieux, "Système d’identification de personnes par Vision numérique", Ph.D. Thesis, Décembre 2003.
[48] H. Chang and U. Robles, "Face Detection", Proceedings of the ICMWI, International Conference on Machine and Web Intelligence, May 25,2000
[49] G. Heusch, "Détection automatique de visages dans une séquence vidéo", Proceedings of the SSC, Février 2002.
[50] M.M. Fleck, D.A. Forsyth, C. Bregler, "Finding naked People", Proceedings of the European Conference on Computer Vision, pp 2:593.602, 1996.
[51] Huicheng Zheng, "Détection des images adultes Maximum entropy modeling for skin detection with an application to Internet filtering", Ph.D. Thesis, 2004.
[52] H. BOUIROUGA, S.ELFKIHI,A. JILBAB, D. ABOUTAJDINE, "A novel method to identify Adult Video based on Face and Skin detection", Proceedings of the CSE, December 2011.
[53] Tahir, N. M., Hussain, A., Samad, A. A. et Hussin, H. (2010), "On the use of decision tree for posture recognition", Proceedings of the International Conference on intelligent systems, modeling and simulation, pp 209 – 214, 2010.
[54] Quinlan, R,"Discovery rules by induction from large collections of examples", Expert Systems in the Microelectronic age, pp 168 – 201, 1979.
[55] Quinlan, R, "Bagging, boosting, and c4.5", Proceedings of the 3th National Conference on Artificial Intelligence, 1996.
[56] APSTAT, "Introduction aux réseaux de neurones".
[57] H. A. Rowley, S. Baluja, et T. Kanade, "Neural Network Detection", IEEE Trans, Pattern Anal, January 1998.
[58] Nello Cristianini and John Shawe-Taylor, "An Introduction to Support Vector Machines and Other Kernel-based Learning Methods", Proceedings of the International Conference on intelligent systems, modeling and simulation, 2004.
[59] Steve R. Gunn, "Support Vector Machines for Classification and Regression", Ph.D. Thesis, Faculty of Southampton.
[60] Fabien Moutarde, "Brève introduction aux Support Vector Machines", Ph.D. Thesis, Faculty of PARIS.
[61] Lotfi KHODJA, "Contribution à la Classification Floue non Supervisée", Ph.D. Thesis, Faculty of SAVOIE.
[62] Abdeilah JILBAB, "Filtrage de sites illicites sur Internet : contribution à la reconnaissance du type d’images basée sur le principe du maximum d’entropie", Ph.D. Thesis, Faculty of Rabat, Morocco 2009.
[63] Sanaa Elfkihi, "Modèles probabilistes indéxé par les arbres : Application à la détection de la peau dans les images couleur", Ph.D. Thesis, Faculty of Rabat, Morocco 2008. [64] P. Y. Lee, S. C. Hui, A. C. M. Fong, Neural Networks for Web Content Filtering, IEEE
Intelligent Systems, pp. 48-57, Sept/oct, 2002. [65] http://www.di.ens.fr/~laptev/actions/hollywood2/
http://www.lorisbazzani.info/code-datasets/rbm-tracking/
[66] http://www.yangsky.com/products/porndel/htm/BodyDataWhitepaper2009_07_02.pdf [67] http://see.xidian.edu.cn/vipsl/database_Face.html#top