[发明专利]图片侵权检测方法及装置、存储介质

权利要求书

1.一种图片侵权检测方法，其特征在于，包括：

基于CNN深度学习模型提取待检测图片的第一图片特征，计算所述第一图片特征与对照库中各第二图片特征的相似度分数；

根据所述相似度分数对所述对照库中的对照图片进行相似度排序；

采用SIFT算法模型对所述相似度排序中位于前N的对照图片进行二次特征提取和图片匹配，其中N为大于1的正整数；

修改图片匹配上的对照图片的相似度分数，根据修改后的相似度分数与相似度告警阈值之间的关系输出预警提示信息。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

基于算法组合策略训练不同场景下针对场景图像数据集的图片侵权检测模型，所述图片侵权检测模型包括用于图片粗检的CNN深度学习模型和用于图片精检的SIFT算法模型。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

训练所述SIFT算法模型在进行二次特征提取和图片匹配时的特征点比对参数、输入图片的大小压缩比例以及相似度告警阈值。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

对所述对照库中的对照图片进行比较筛选，并对比较筛选后得到的对照图片进行相似度排序。

5.根据权利要求1所述的方法，其特征在于，所述根据修改后的相似度分数与相似度告警阈值之间的关系输出预警提示信息，包括：

当修改后的相似度分数大于第一相似度告警阈值时，输出强预警提示信息；

当修改后的相似度分数大于第二相似度告警阈值且小于第一相似度阈值时，输出弱预警提示信息，用于提示测试人员进行二次人工审核。

6.一种图片侵权检测装置，其特征在于，包括：

分数计算模块，用于基于CNN深度学习模型提取待检测图片的第一图片特征，计算所述第一图片特征与对照库中各第二图片特征的相似度分数；

图片排序模块，用于根据所述相似度分数对所述对照库中的对照图片进行相似度排序；

图片精检模块，用于采用SIFT算法模型对所述相似度排序中位于前N的对照图片进行二次特征提取和图片匹配，其中N为大于1的正整数；

预警提示模块，用于修改图片匹配上的对照图片的相似度分数，根据修改后的相似度分数与相似度告警阈值之间的关系输出预警提示信息。

7.根据权利要求6所述的装置，其特征在于，所述装置还包括：

模型训练模块，用于基于算法组合策略训练不同场景下针对场景图像数据集的图片侵权检测模型，所述图片侵权检测模型包括用于图片粗检的CNN深度学习模型和用于图片精检的SIFT算法模型。

8.根据权利要求7所述的装置，其特征在于，

所述模型训练模块，还用于训练所述SIFT算法模型在进行二次特征提取和图片匹配时的特征点比对参数、输入图片的大小压缩比例以及相似度告警阈值。

9.根据权利要求6所述的装置，其特征在于，

所述图片排序模块，具体用于对所述对照库中的对照图片进行比较筛选，并对比较筛选后得到的对照图片进行相似度排序。

10.一种计算机存储介质，其特征在于，所述计算机存储介质存储有多条指令，所述指令适于由处理器加载并执行以下步骤：

基于CNN深度学习模型提取待检测图片的第一图片特征，计算所述第一图片特征与对照库中各第二图片特征的相似度分数；

根据所述相似度分数对所述对照库中的对照图片进行相似度排序；

采用SIFT算法模型对所述相似度排序中位于前N的对照图片进行二次特征提取和图片匹配，其中N为大于1的正整数；

修改图片匹配上的对照图片的相似度分数，根据修改后的相似度分数与相似度告警阈值之间的关系输出预警提示信息。