随着社交媒体的发展,人们可以方便的在网络上共享图像,部分图像总会有意无意地包含歧视信息。歧视图像的传播不利于构建和谐稳定的网络环境,有效的识别歧视图像是阻断其传播的关键环节,具有重要的研究意义和应用价值。本文基于人物肢体特征对图像的歧视识别进行了模型及算法的研究,包括歧视图像数据集构建、歧视关系语义建模及特征融合识别三个部分的工作,具体内容如下:针对暂无歧视图像标准数据集的问题,本文构建了一套标注完备的歧视图像数据集,该数据集共包含12287张图像,由12个人物在6个场景下拍摄,共包含11个歧视人物动作类别与17个歧视关系类别,并通过实验验证了该数据集的合理性。针对歧视图像中人物间具有歧视情感交互的特点,提出了基于关系的多任务优化学习模型,该模型利用语义转换方法构建人物间的关系语义空间,在关系网络基础上加入多任务损失模块与特征强化单元,使模型同时输出人物的动作类别与人物间的关系类别,并利用人物动作的高级语义信息辅助歧视关系预测。通过对比基础算法,证明本模型在图像歧视识别任务上的有效性。针对歧视图像中人物局部信息对歧视情感判定的重要性,本文提出融合人物局部动作信息与全局信息的识别方法,使网络兼顾关系模型与传统人物图像识别模型的优点,在获取情感接收方视觉信息的同时考虑人物动作的细节信息。通过对比实验,证明该方法进一步提升了算法模型的有效性。