[发明专利]基于深度学习的暴恐图片安全检测系统

权利要求书

1.一种基于深度学习的暴恐图片安全检测系统，其特征在于，包括：暴恐图片检测及暴恐程度分析模块、暴恐场景分类及枪支识别模块、自然场景下的图文分析模块、暴恐政治头目样本生成模块、暴恐政治头目识别模块和暴恐旗帜识别模块，其中：暴恐图片检测及暴恐程度分析模块、自然场景下的图文分析模块、暴恐政治头目样本生成模块和暴恐旗帜识别模块并联并分别接收图片信息，暴恐场景分类及枪支识别模块与暴恐图片检测及暴恐程度分析模块串联并接收经暴恐图片检测及暴恐程度分析模块判断为暴恐的图片且将图片分类及将图片中的枪支进行标记输出，暴恐政治头目识别模块与暴恐政治头目样本生成模块串联并接收经暴恐政治头目样本生成模块训练的暴恐政治头目的图片且将图片中的暴恐政治头目进行识别输出，自然场景下的图文分析模块输出含暴恐文字的图片信息，暴恐旗帜识别模块输出含暴恐旗帜的图片信息。

2.根据权利要求1所述的基于深度学习的暴恐图片安全检测系统，其特征是，所述的暴恐场景分类及枪支识别模块包括：并联的暴恐场景分类单元和枪支识别单元。

3.根据权利要求1所述的基于深度学习的暴恐图片安全检测系统，其特征是，所述的自然场景下的图文分析模块包括：依次串联的暴恐文本定位单元、暴恐文本识别单元和暴恐文本分析单元，其中：文本定位单元对输入的图片标定出图片中文字所在的区域，文本识别单元通过定位所截取的文本框进行识别输出，暴恐文本分析单元接收输入结果，并判断是否包含暴恐信息。

4.根据权利要求1所述的基于深度学习的暴恐图片安全检测系统，其特征是，所述的暴恐政治头目样本生成模块包括：图片特征编码单元、特征对抗生成单元，其中：图片特征编码单元将接收的图片进行规范处理，并将提取的图片特征输出至特征对抗生成单元，特征对抗生成单元将接收的图片特征向量线性叠加上已有的图像特征向量，最终输出重生成的图片。

5.根据权利要求1所述的基于深度学习的暴恐图片安全检测系统，其特征是，所述的暴恐政治头目的检测和识别模块包括：模型训练单元、数据处理单元和匹配结果单元，其中：模型训练单元和数据处理单元分别与匹配结果单元连接，模型训练单元读取暴恐政治头目图片样本生成模块生成的数据集中的图片和原有数据库中的暴恐政治头目图片并训练人脸分类模型，数据处理单元读取待测图片和原有数据库中的图片信息并将提取的人脸特征向量输出至匹配结果单元，匹配结果单元将接收的人脸特征向量利用模型训练单元训练得到的人脸分类模型，输出具有暴恐政治头目的图片。

6.根据权利要求1所述的基于深度学习的暴恐图片安全检测系统，其特征是，所述的暴恐旗帜识别模块包括：内置的深度学习网络、骨干网络和数据处理单元，其中：输入的图片信息依次经过内置的深度学习网络、骨干网络和数据处理单元，完成对暴恐旗帜的目标识别任务，实现对含暴恐元素输入图片的旗帜元素细分类。

7.一种基于权利要求1～6所述的系统的暴恐图片安全检测方法，其特征在于，输入图片至系统，分别进行暴恐图片检测及暴恐程度分析、自然场景下的图文分析、暴恐政治头目识别和暴恐旗帜识别，最终将分析及识别结果进行输出；

所述的暴恐图片检测及暴恐程度分析是通过暴恐图片检测及暴恐程度分析模块和暴恐场景分类及枪支识别模块各自对图片进行模型训练，暴恐图片检测及暴恐程度分析模块对图片进行的场景进行具体分类，同时暴恐场景分类及枪支识别模块将目标图片中的枪支进行枪支识别框选；

所述的自然场景下的图文分析是通过暴恐文本定位单元、暴恐文本识别单元和暴恐文本分析单元依次对图片进行模型训练，暴恐文本定位单元运用训练好的模型对暴恐文本定位，暴恐文本识别单元运用训练好的模型从图片中提取文本信息，暴恐文本分析单元运用训练好的模型从文本信息中判断是否为暴恐文本；

所述的暴恐政治头目识别是暴恐政治头目图片样本生成模块利用GAN网，根据数据库中原有的暴恐政治头目图片，生成一系列的表情和/或年龄变换后的暴恐政治头目图片作为样本扩充训练数据集，并与原有的暴恐政治头目图片一同输入暴恐政治头目识别模块，暴恐政治头目识别模块将识别的结果输出；

所述的暴恐旗帜识别是通过暴恐旗帜识别模块经模型训练后从输入图片中识别出暴恐旗帜。