[发明专利]一种基于大数据的图像认证系统

权利要求书

1.一种基于大数据的图像认证方法，该方法包括以下步骤：

步骤一：定义系统中的小样本图片事件和图片事件集合，提取输入的单个小样本图片的属性信息；

步骤二：输入多个由图片事件组成的图像任务序列集，每个图像任务序列集为图片的底层类别特征数据集；

步骤三：通过进行样本图片与样本图片间的内容信息认证，根据遍历结果对目标样本图片高相似度的图片进行去重标记；

步骤四：根据样本图片的去重标记结果进行目标样本图片和被标记样本图本图片的最终筛选确定。

2.根据权利要求1所述的一种基于大数据的图像认证方法，其特征在于：所述定义系统中的小样本图片事件和图片事件集合的步骤，包括：

基于普通用户系统中的所有图片，将每一张独立的图片数据定义为小样本图片事件，在一个存储单元中，单个小样本图片事件通过设定的划分类别堆积存储，将按照不同划分类别认证分类的小样本图片事件集合称为图片事件集合，通过分析系统中所有小样本图片的底层结构特点，定义其对应的小样本图片事件的划分规则。

3.根据权利要求2所述的一种基于大数据的图像认证方法，其特征在于：所述划分规则的步骤，包括：

小样本图片事件的训练样本不足会导致后期图像认证分类的结果过于拟合，即出现单次的图片样本认证识别成功，但在进入下一次的系统图像认证识别循环过程中又会被认证识别，以高相似度的判断进入下一次的相似图片删除建议中；

因此通过单个小样本图片与小样本图片的比较关系来解决小样本图像的循环划分问题，不同于一般的图像分类模型将一张图片映射到一个类别标签，通过以一对小样本图片作为输入，比较两张小样本图片的相似程度来判定是否属于同一类别，增加系统针对小样本图片的样本多样性训练，确定样本图片的类别分割边界；

在不同层次上对小样本图片的底层结构特征进行非线性化的距离度量，保证整个图片样本的底层结构特征提取过程受到后期图像认证的监督，并使用关系矩阵配合小样本图片的底层结构特征产生的事件划分规则，检测所有小样本图片事件中重复的图片事件数量底层结构特征和数量；

针对划分的候选重复小样本图片事件，计算图片事件与图片事件之间最大相似度，并将每次聚类的小样本图片事件，按照是否由同一个底层结构特征对应的图片节点产生进行聚类。

4.根据权利要求1所述的一种基于大数据的图像认证方法，其特征在于：所述输入多个由图片事件组成的图像任务序列集的步骤，包括：

输入多个由图片事件组成的图像任务序列集，每个图像任务序列集为图片的底层类别特征数据集；

根据定义的小样本图片数据的固有底层结构特征提取包含颜色、纹理特征、形状特征的相关特征属性数据集；

样本图片的底层类别特征包括图片的特征编码和特征比较值；

将其中特征编码部分自下而上的对样本图片做不同级别的特征提取。

5.根据权利要求1所述的一种基于大数据的图像认证方法，其特征在于：所述通过进行样本图片与样本图片间的内容信息认证的步骤，包括：

根据提取出的小样本图片的底层结构属性信息定位存储有所有样本图片的图片数据库；

进行样本图片与样本图片的内容匹配；

对目标样本图片和对比样本图片都进行特征点检测；

根据匹配结果判断样本图片的属性信息匹配度；

对样本图片集进行聚类分类。