[发明专利]一种基于样本和特征检测互联网徽标内容的方法和系统

说明书

本发明公开了一种基于样本和特征检测互联网徽标内容的方法和系统，数据采集单元采集网络上的视图像文件，并将采集的视图像文件进行规范化命名和重复性检验；预处理单元将不同格式的视图像文件转换为统一格式的视图像文件并从视频中抽取出关键帧数据；内容识别分析单元利用卷积神经网络训练样本图集生成特征识别模型，利用特征识别模型对待分析图像数据进行特征相似度分值评估，并进行目标区域计算，获取相应坐标的位置，并提取出视图像特征，从中选择相似度分值最高的一张图片作为标准图，再进行相似度分值评估，对特征图像进行分类；业务逻辑及展示单元对分析后的有害内容进行存储，并形成用户需要的业务逻辑通过网页展示出来。

技术领域

本发明属于互联网内容检测技术领域，具体地说，涉及一种基于样本和特征检测互联网徽标内容的方法和系统。

背景技术

随着信息技术及互联网技术的飞速发展,网络成为人们获取信息的主要途径，网络信息成为一种人们熟知的便捷信息。同时由于网络信息技术的飞速发展，网络上承载的信息量越来越大，涵盖的范围越来越广，信息的种类也良莠不齐，同时网络信息传播的速度快，传播范围广。以简单直观的图片信息为例，网络上的图片信息不仅包括传播正能量的信息、仅供观赏的信息，还包括一些不良信息。现如今青少年使用互联网越来越多，这些低年龄段的使用者还没有形成正确的三观，很容易被网上的各种信息干扰。互联网上的不良图像被广泛传播不仅严重危害青少年的身心健康，更增加了社会的不安定因素，因此，有必要对互联网有害信息识别技术进行深入研究。

近年来,随着网络空间中不同应用系统渠道传输的政策性、政治性有害内容事件频发，基于内容的不良图像的识别和检测技术已引起人们的极大兴趣,同时它也是基于内容的网络过滤系统所面临的一个重要且亟待解决的研究课题。

发明内容

针对现有技术中上述的不足，本发明提供一种基于样本和特征检测互联网内容徽标的方法和系统，该方法基于视图像内容进行检测，通过卷积神经网络对样本图集训练生成特征识别模型，根据特征识别模型对待分析图像数据进行目标区域检测和目标图像提取，提取出图像特征并对视图像进行分类，实现视图像内容识别，能够快速高效分析出有害的图片内容并进行存储，为互联网上视图内容监管业务提供系统性平台,做到无人值守、自动分类的便捷监管。

进一步地，为了达到上述目的，本发明采用的解决方案是：一种基于样本和特征检测互联网徽标内容的方法，包括如下步骤：

S1：数据采集，对互联网上的视图像数据进行采集，并以文件为单位对文件进行规范化命名和重复性校验，实现文件的统一编目；

S2：预处理，对编目后的视图像数据进行预处理，实现视图像转换和关键图像数据的提取，生成待分析图像数据；

S3：特征识别模型训练，对样本图像集进行标注，将标注后的样本图像集输入卷积神经网络训练生成特征识别模型；

S4：目标区域检测：利用特征识别模型对待分析图像数据进行检测，确定含有目标特征属性的目标区域；

S5：目标区域图像提取：提取目标区域内的视图像特征；

S6：标签生成：利用标签生成器根据卷积神经网络计算出的相似度分值对视图像内容进行标记，实现视图内容识别；

S7：业务逻辑及展示：将存储的数据形成用户需要的业务逻辑，并通过网页展示出来。

所述的对图像规范化命名包括将从指定位置获取的数据内容生成有序的文件名称，实现新文件命名和源文件名的统计编目。

所述的预处理包括视图像转换和关键图像数据的提取，所述的视图像转换将不同格式的视频文件转换成统一格式的视频文件，将不同格式的图像文件转换成统一格式的图像文件，所述的关键图像数据的提取是从视频文件中抽取出关键帧数据。

所述的样本图像集包括含有目标特征的正样本图集和负样本图集。