[发明专利]一种基于大数据的图像认证系统

说明书

本发明公开了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，针对小样本图片，利用图片的底层结构特征作为判断重复的标准进行去重标记和最终认证筛选，本发明，具有提高小样本重复图片筛选结构点的特点。

技术领域

本发明涉及图像认证技术领域，具体为一种基于大数据的图像认证系统。

背景技术

图像认证运用计算机自动识别的方式，通过图像认证系统提高图像采集的精确度和几何比对的准确性，智能相册分类是典型的图像分类任务，但与单标签的图像分类任务不同，由于一张相片可能属于多个目标类别，所以在进行图像分类时，需要将相片所属的所有类别找出，这一类图像分类任务也称为多标签分类任务，在日常生活中，大量的相片会被用户存储在相册、网盘或其他图片存储APP中，此时，大规模的相片会导致用户难以第一时间找到自己需要的相片，且很多场景下用户会进行大量相似或完全一样的图片产出，基于APP的存储应用会占用大量空间，当出现空间内存不够时才会提醒用户进行相似图片的删除，此时带来的问题是基于多张相似的对比图片进行两两认证对比，即选择删除一张保留一张的模式，但认证选择后剩下的图片仍然存在具有多张相似的特点，到下一次内存提醒时，又会基于这一次的认证筛选结果，进行两两图片与图片间相似性的对比输出和删除建议，因此，设计提高小样本重复图片筛选结构点的一种基于大数据的图像认证系统是很有必要的。

发明内容

本发明的目的在于提供一种基于大数据的图像认证系统，以解决上述背景技术中提出的问题。

为了解决上述技术问题，本发明提供如下技术方案：一种基于大数据的图像认证方法，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。

根据上述技术方案，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。

根据上述技术方案，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；