Automatisierte Klassifikation von pornographischen Bildern

Dipl.-Ing. Anton Moser, BSc
19.09.2014

Ausgangslage

Aufgrund der ständig wachsenden Datenmengen, welche im Zuge von Untersuchungen gegen Kinderpornographie analysiert werden müssen, nimmt auch der Bedarf an einer automatisierten Lösung immer weiter zu. Vor allem die klare Unterscheidung zwischen pornographischem Material und harmlosen Bildern mit großem Hautanteil, wie etwa Urlaubsbilder, stellt automatisierte Algorithmen vor große Probleme. Aktuell werden hauptsächlich Hash-basierte Methoden verwendet, bei welchen der Hashwert eines Bildes mit einer Hashwertdatenbank verglichen wird. Da dieser Ansatz nur für bereits bekannte Bilder möglich ist, muss neues Material händisch analysiert werden.

Ziel

Das Ziel dieser Arbeit ist die Erstellung eines Prototyps, der beweist, dass die automatisierte Unterscheidung zwischen Pornographie, Kinderpornographie und harmlosen Bildern möglich ist. Als Grundlage dafür werden in einem ersten Schritt verschiedene bestehende Ansätze verglichen und bewertet. Aufbauend auf diese Bewertung erfolgt in einem zweiten Schritt die Kombination diverser Methoden, um die gewünschte Klassifikation zu ermöglichen.

Ergebnis

Die Grundfunktion des Prototyps stellt die Gesichtserkennung dar. Für jedes gefundene Gesicht werden im Anschluss zwei Hauptmodule durchlaufen: Einerseits die Altersbestimmung, welche Distanzen und Verhältnisse zwischen markanten Gesichtspunkten berechnet und somit, auf Grundlage des kraniofazialen Gesichtswachstums, das Alter erkennt, andererseits die Hautanalyse, die unter Zuhilfenahme von Texturen und Konturen eine Hautmaske erzeugt. Die Testergebnisse des Prototyps zeigen deutlich, dass eine Unterscheidung zwischen vollständiger und teilweiser Nacktheit, wie sie durch das Tragen von Unterwäsche oder Bademode entsteht, grundsätzlich möglich ist. Die Bestimmung des Alters unter Verwendung von markanten Gesichtsfeatures ist allerdings nur bedingt möglich und somit praktisch nicht anwendbar.

Ausblick

Weitere Forschungen in diesem Gebiet sollten sich mit der Altersbestimmung beschäftigen und dafür die Erkennung von Gesichtern und Gesichtsfeatures optimieren, um genauere Berechnungen zu ermöglichen. Ein zusätzliches Entscheidungsmerkmal könnte außerdem die Analyse von Gesichtsausdrücken darstellen.

FH-Betreuerin: Mag. Dipl.-Ing. Marlies Temper