[发明专利]一种基于深度网络的防范屏幕拍照方法

说明书

本发明公开一种基于深度网络的防范屏幕拍照方法，包括以下步骤：步骤1：制作数据集；步骤2：训练类手机目标检测网络模型；步骤3：训练手机分类网络模型；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。本发明相对于现有技术进一步的提高了数字信息的安全性。

技术领域

本发明属于计算机数字图像处理与模式识别技术领域，特别涉及一种基于深度网络的防范屏幕拍照方法。

背景技术

信息媒体的数字化为信息的存取提供了极大的便利性，同时也显著提高了信息表达的效率和准确性。特别是现代信息化技术的发展，数据的交换和传输变成了一个相对简单的过程。人们可以借助计算机快速高效的储存和显示我们所需要的数字信息，但随之而来的是数字信息的安全性得不到保障，很容易通过移动存储设备，屏幕拍照等方式进行信息的泄密。目前大部分保密单位会禁止移动储存设备对保密计算机的连接，所以通过移动储存设备的信息泄密有了一定的监督。但由于屏幕拍照方式的隐蔽性和灵活性，其不需要通过物理连接的方式就可以获得电脑屏幕中显示的信息，因此其更不容易受到监督和发现。

发明内容

本发明的目的在于提供一种基于深度网络的防范屏幕拍照方法，通过用计算机屏幕上安装的固定摄像头实时采集的图像，来自动地进行类手机目标的位置定位进而判断该区域目标是否为手机，以解决现有技术的不足。

为了实现上述目的，本发明采用如下技术方案：

一种基于深度网络的防范屏幕拍照方法，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。

本发明进一步的改进在于：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；手机目标检测的数据集中图像为RGB图像(1280x720分辨率)；手机分类的数据集由含有手机目标的图像(正样本)和不含为手机目标的图像(负样本)构成；图像为RGB图像(224x224分辨率)。

本发明进一步的改进在于：步骤2中构建的第一深度神经网络为YOLO、FasterRCNN或SSD。

本发明进一步的改进在于：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。

本发明进一步的改进在于：步骤3中构建的第二深度神经网络为VGGnet、Resnet、Moblienet或Shufflenet。

本发明进一步的改进在于：步骤3具体包括：