[发明专利]智能采编系统

权利要求书

1.智能采编系统，其特征在于：包括：

人脸检测与识别模块，用于检测图像中是否存在公众人物；

图像鉴黄模块，用于检测令人反感的色情图像；

OCR+敏感词识别模块，用于检测敏感内容；

语音识别模块，用于识别音视频中的敏感内容；

文本比对模块，用于发现文本中的敏感内容；

图像比对模块，用于发现图像中的敏感内容。

2.根据权利要求1所述的智能采编系统，其特征在于：所述人脸检测与识别模块包括如下步骤：

S1：检测图像中的人脸，通过Dlib提取人脸特征，并使用GPU对其加速；

S2：对比事先录入好的人脸特征库，计算当前人脸特征向量与人脸特征库中的人脸特征的距离；

S3：通过设置阈值的方式，判断该人脸是否属于已知人脸。

3.根据权利要求1所述的智能采编系统，其特征在于：所述图像鉴黄模块包括如下步骤：

S1：使用ImageNet1000数据集，并通过数据增强的方式对ImageNet1000数据集进行增强；

S2：使用增强后的数据对模型进行训练，得到预训练模型；

S3：对预训练模型进行微调，并不断调整超参数和在特殊数据集上进行训练和测试；

S4：得到可用的图像分类模型，预测出目标图像属于色情图像和常规图像的概率；

S5：通过设置阈值的方式来判断目标图像是否为色情图像。

4.根据权利要求2所述的智能采编系统，其特征在于：所述ImageNet1000数据集包含生活中常见的1000种动物和物体的一百多万张图像，所述数据增强的方式是对原图进行随机旋转、平移、色彩变换、加入噪音等并结合GAN，所述特殊数据集用于训练图像鉴黄模型的数据集。

5.根据权利要求1所述的智能采编系统，其特征在于：所述OCR+敏感词识别模块包括如下步骤：

S1：参考CNN+RNN的方案实现对图像中的文字进行定位和识别；

S2：将识别到的文本通过Jieba工具进行分词；

S3：对分词结果进行临近组合并判断文本中是否存在敏感词汇。

6.根据权利要求1所述的智能采编系统，其特征在于：所述语音识别模块包括如下步骤：

S1：采用卷积神经网络（CNN）和连接性时序分类（CTC）方法；

S2：使用大量中文语音数据集进行训练，将声音转录为中文拼音；

S3：通过语言模型，将拼音序列转换为中文文本。

7.根据权利要求1所述的智能采编系统，其特征在于：所述文本比对模块包括如下步骤：

S1：采用局部敏感哈希（Locality-Sensitive Hashing,LSH）算法；

S2：把文档降维到hash数字，数字两两计算。

8.根据权利要求1所述的智能采编系统，其特征在于：所述图像比对模块包括如下步骤：

S1：缩小图片，把缩放后的图片转化为256阶的灰度图；

S2：计算DCT，缩小DCT，计算缩小DCT后的所有像素点的平均值；

S3：进一步减小DCT，得到信息指纹；

S4：比对两张图片的指纹，获得汉明距离。

9.根据权利要求8所述的智能采编系统，其特征在于：所述图像比对模块采用感知哈希算法（pHash）中的DCT（离散余弦变换）来降低频率的方法。

10.根据权利要求1所述的智能采编系统，其特征在于：所述图像比对模块还用于在检测到当前图像与数据库中的敏感图像样本相符时，启动屏蔽该图像操作。