[发明专利]一种基于深度网络的防范屏幕拍照方法

权利要求书

1.一种基于深度网络的防范屏幕拍照方法，其特征在于，包括以下步骤：

步骤1：制作手机目标检测的数据集及手机分类的数据集；

步骤2：构建第一深度神经网络，使用手机目标检测的数据集对第一深度神经网络进行训练，获得类手机目标检测网络模型；

步骤3：构建第二深度神经网络，使用手机分类数据集对第二深度神经网络进行训练，获得手机分类网络模型；

步骤4：使用训练好的类手机目标检测网络模型对计算机上设置的相机实时拍摄的图像进行类手机目标检测，定位出类手机目标的位置；

步骤5：将定位出的类手机目标的位置映射到原图像，将该区域图像用步骤3训练好的手机分类网络模型进行类别再次判断，给出最终目标类别结果；

步骤6：如果步骤5手机分类网络模型输出结果为手机，则判定有类似手机拍摄行为并控制计算机屏幕内容为屏保和发出报警信号。

2.根据权利要求1所述的一种基于深度网络的防范屏幕拍照方法，其特征在于，手机目标检测的数据集含有手机的图像，并标注出手机目标出现的位置；手机分类的数据集由含有手机目标的图像和不含为手机目标的图像构成。

3.根据权利要求1所述的一种基于深度网络的防范屏幕拍照方法，其特征在于，步骤2中构建的第一深度神经网络为YOLO、Faster RCNN或SSD。

4.根据权利要求1所述的一种基于深度网络的防范屏幕拍照方法，其特征在于，步骤2具体包括：

2.1)将手机目标检测的数据集转化为VOC标准数据集格式；

2.2)用第一深度神经网络进行训练240个epoch，生成类手机目标检测网络模型，每隔5个epoch进行模型测试挑选一个性能最好的模型保存下来。

5.根据权利要求1所述的一种基于深度网络的防范屏幕拍照方法，其特征在于，步骤3中构建的第二深度神经网络为VGGnet、Resnet、Moblienet或Shufflenet。

6.根据权利要求1所述的一种基于深度网络的防范屏幕拍照方法，其特征在于，步骤3具体包括：

3.1)将手机分类的数据集转化为Imagenet标准数据集格式；

3.2)用第二深度神经网络进行训练100个epoch，生成手机分类网络模型，每隔5个epoch进行模型测试挑选一个性能最好的模型保存下来。

7.根据权利要求1所述的一种基于深度网络的防范屏幕拍照方法，其特征在于，步骤4使用训练好的类手机目标检测网络模型对计算机屏幕上的相机实时采集的图像进行类手机目标的检测，定位出类手机目标的位置，具体包括：

4.1)阈值筛选，首先将类手机目标检测网络模型的检测结果进行softmax归一化处理成各类别的置信度，对检测置信度大于阈值的进行处理；

softmax归一化处理的操作过程为：

其中：s_i为归一化后的置信度；V表示输出矩阵，Vi表示V中的第i个元素；Vj为网络的置信度输出；

4.2)使用非最大值抑制算法对相似区域进行抑制。

8.根据权利要求1所述的一种基于深度网络的防范屏幕拍照方法，其特征在于，步骤5具体包括：

5.1)将定位出的类手机目标的位置在原图中映射获得更加清晰的图像；

5.2)将映射到原图中的区域进行1.25倍的区域扩放，获得类手机目标区域扩放图；

5.3)使用步骤3训练好的手机分类网络模型对类手机目标区域扩放图进行类别判断，如果超过设定阈值则判断该区域为手机。