内容审核：用python实现内容鉴黄

​背景

随着网络监管越来越严格，UGC网站都需要针对用户生产的内容，进行审核。

目前大家一般是机器和人工审核的双重过滤。针对大型的UGC网站，如果全部人工审核是不现实的，需要花费大量的人工成本，所以机器审核尤其重要。

废话不多说，给大家介绍下怎么利用python进行鉴黄。

思路

下面给大家说明下图片审核的思路。

视频审核与图片审核是通用的。视频内容实则由音频内容、视频画面内容两个对象组成，视频画面内容的机器审核，业界目前常采用截取画面帧上传识别，最终复用的是图片识别通道对场景、人物、物品进行判断是否违规。

1. 遍历图片每一个像素，进行颜色分区、并记录是否为肤色；

2. 皮肤区域小于 3 个，不是色情；

3. 如果皮肤区域与整个图像的比值小于 15%，那么不是色情图片；

4. 如果最大皮肤区域小于总皮肤面积的 45%，不是色情图片；

5. 皮肤区域数量超过 60个，不是色情图片；

6. 其它情况为色情图片。

关键代码

# 分析区域
    def _analyse_regions(self):
        # 如果皮肤区域小于 3 个，不是色情
        if len(self.skin_regions) < 3:
            self.message = "Less than 3 skin regions ({_skin_regions_size})".format(
                _skin_regions_size=len(self.skin_regions))
            self.result = False
            return self.result

        # 为皮肤区域排序
        self.skin_regions = sorted(self.skin_regions, key=lambda s: len(s),
                                   reverse=True)

        # 计算皮肤总像素数
        total_skin = float(sum([len(skin_region) for skin_region in self.skin_regions]))

        # 如果皮肤区域与整个图像的比值小于 15%，那么不是色情图片
        if total_skin / self.total_pixels * 100 < 15:
            self.message = "Total skin percentage lower than 15 ({:.2f})".format(total_skin / self.total_pixels * 100)
            self.result = False
            return self.result

        # 如果最大皮肤区域小于总皮肤面积的 45%，不是色情图片
        if len(self.skin_regions[0]) / total_skin * 100 < 45:
            self.message = "The biggest region contains less than 45 ({:.2f})".format(len(self.skin_regions[0]) / total_skin * 100)
            self.result = False
            return self.result

        # 皮肤区域数量超过 60个，不是色情图片
        if len(self.skin_regions) > 60:
            self.message = "More than 60 skin regions ({})".format(len(self.skin_regions))
            self.result = False
            return self.result

        # 其它情况为色情图片
        self.message = "色情图片"
        self.result = True
        return self.result

运行效果