CN106530194A - 一种疑似侵权产品图片的检测方法及装置 - Google Patents

Abstract

本发明提供了一种疑似侵权产品图片的检测方法及装置，其中方法包括：从预先建立的logo图案库中获取logo图案；所述logo图案库中储存的logo图案是用于标识产品品牌的logo图案；计算获取的每个logo图案在待识别产品图片上的匹配度，得到每个logo图案对应的匹配度；根据计算得到的每个logo图案的匹配度大小，选择匹配度最大的logo图案；当选择的logo图案的匹配度大于第一预设阈值时，确定所述待识别产品图片为疑似侵权产品图片。本发明将logo图案作为参照物来检测待识别产品图片是否为疑似侵权产品图片，检测发散性较好，检测精准度较高，进而能够有效控制召回量。

Description

一种疑似侵权产品图片的检测方法及装置

技术领域

本申请涉及电子商务技术领域，更为具体地，涉及一种疑似侵权产品图片的检测方法及装置。

背景技术

目前，许多电子商务平台存在着产品侵权问题，如品牌侵权；特别是在面向国际的电子商务平台中，这些侵权问题给平台带来了很大的负面影响，甚至会引起一定的侵权赔偿问题，进而导致平台面临很大的法律风险。因此，如何有效地发现和减小平台上的侵权产品，是急需解决的重要问题，也是提升平台国际形象，为用户创造良好的购物环境的重要手段。

现阶段平台先通过一些检测方法对平台上的产品进行检测，检测出疑似侵权产品；将这些疑似侵权产品召回并发送至人工审核系统，再由审核人员作最终的审核，以确定疑似侵权产品是否为侵权产品，确定出检测结果正确与否。现阶段平台常采用以下方法，检测出平台上的疑似侵权产品。

第一种方法是基于规则的文本检测方法，这种方法是基于预先配置的文本规则，检测产品的文本(如标题或者属性等)是否包含相应的关键字，如果是，则确定该产品为疑似侵权产品；在完成检测之后，将检测结果为疑似侵权产品的产品信息召回并发送至人工审核系统，由审核人员作最终的审核，以确定检测结果正确与否。

第二种方法是基于产品图片的相似匹配方法，这种方法是将平台上的产品图片与预先收集的侵权产品图片进行图像相似匹配，当相似度满足预设阈值条件时，确定产品图片为疑似侵权产品图片；在完成检测之后，将检测结果为疑似侵权产品图片的产品图片发送至人工审核系统，由审核人员作最终的审核，以确定检查结果正确与否。

但在实际应用中，第一种方法无法预先配置所有的规则，检测不够全面；卖家往往还会通过对产品的标题或者属性信息进行适应性修改，以规避被检测，检测效果不好，导致第一种方法的召回率有限。第二种方法不具备较好的发散性，比如同一款产品，但拍摄角度不同导致产品图片内容不同，则匹配相似度就会有较大差别，这样商家就会利用产品图片的拍摄角度不同来规避被召回；另外，由于图片相似匹配的精度有限，就会检测出大量的疑似侵权产品图片，导致召回量太大，给审核人员带来很大的压力。

发明内容

鉴于上述，本发明提出了一种疑似侵权产品图片的检测方法及装置，既能够提高检测的发散度和精准度，还能够有效控制召回量。

根据本发明的一个方面，提出了一种疑似侵权产品图片的检测方法，所述方法包括：

从预先建立的logo图案库中获取logo图案；所述logo图案库中储存的logo图案是用于标识产品品牌的logo图案；

计算获取的每个logo图案在待识别产品图片上的匹配度，得到每个logo图案对应的匹配度；

根据计算得到的每个logo图案的匹配度大小，选择匹配度最大的logo图案；

当选择的logo图案的匹配度大于第一预设阈值时，确定所述待识别产品图片为疑似侵权产品图片。

根据本发明的另一个方面，提出了一种基于logo图案的图片召回装置，所述装置包括：

获取单元，用于从预先建立的logo图案库中获取logo图案；所述logo图案库中储存的logo图案是根据侵权产品图片上的logo图案生成的图片；

第一计算单元，用于计算获取的每个logo图案在待识别产品图片上的匹配度，得到每个logo图案对应的匹配度；

选择单元，用于根据计算得到的每个logo图案的匹配度大小，选择匹配度最大的logo图案；当选择的logo图案的匹配度大于第一预设阈值时，触发检测单元；

检测单元，用于确定所述待识别产品图片为疑似侵权产品图片。

从上述技术方案可以看出，本发明与现有技术相比，具有如下优点：

本发明提供的技术方案既没有基于文本规则，也没有基于侵权产品图片，而是另辟蹊径提出了基于logo图案的检测方式，由于logo是产品品牌的标志，设置于产品上，商家为了吸引用户也常在产品图片上凸显产品logo；而产品图片不论采用什么样的拍摄角度、拍摄光线等，其对logo的影响均不大，因此，一个logo图案能够检测出很多具有该logo的产品图片，这样，基于logo图案来匹配产品图片，其发散性较好，其召回率较高；本发明先从预先建立的logo图案库中获取logo图案，而logo图案库中储存的logo图案是用于标识产品品牌的logo图案；然后将获取的logo图案一一与待识别产品图片进行匹配，选择匹配度最高的logo图案，再判断所选择的logo图案在待识别产品图片上的匹配度是否大于第一预设阈值，如果大于，则确定待识别产品图片为疑似侵权产品图片。由于logo图案在待识别产品图片上的匹配度，能够表明待识别产品图片上具有该logo图案的概率，匹配度越大，说明待识别产品图片越有可能是疑似侵权产品图片；结合logo图案的上述特性，可以看出以logo图案为参照物的检测方法，其检测精确度较高，不会盲目召回大量的产品图片，能够有效控制召回量，以减小人工审核的成本。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明提供的一种疑似侵权产品图片的检测实施例1的流程图；

图2是本发明提供的一种疑似侵权产品图片的检测实施例2的流程图；

图3是本发明提供的一种logo图案库优化方法的流程图；

图4是本发明提供的一种疑似侵权产品图片的检测装置实施例1的结构图；

图5是本发明提供的一种疑似侵权产品图片的检测装置实施例2的结构图。

具体实施方式

为使得本申请的发明目的、特征、优点能够更加的明显和易懂，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述，显然，所描述的实施例仅仅是本申请一部分实施例，而非全部实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

下面将参照附图描述本发明的各个实施例。

参见图1，图1是本发明提出的一种疑似侵权产品图片的检测方法实施例1的流程图。如图1所示，该方法包括：

步骤101：从预先建立的logo图案库中获取logo图案；所述logo图案库中储存的logo图案是用于标识产品品牌的logo图案。

在本发明中logo(中文含义：商标、微标或者标识语)是用于标识商品品牌、特征等特点的微标或标志。Logo一般包括文字、图形、字母、数字、三维标志和颜色的组合，或者是这几种要素的组合；在实现本发明时，需要预先建立logo图案库，在该logo图案库中储存有多个logo图案，每个logo图案均能够标识一个品牌；在预先建立logo图案库时，可以从侵权产品图片上截取logo图案，也可以从合法产品图片上截取logo图案，还可以获取品牌官方发布的logo图案，将这些logo图案储存于数据库中以生成logo图案库。在预先建立logo图案库中储存logo图案时，可以按照产品类目对logo图案进行归类，以实现基于类目的分类储存。

在具体实现时，可以从预先建立的logo图案库中获取全部的logo图案，参与到后续的计算过程，以遍历性将待识别产品图片与每个logo图案进行匹配，这样能够确保全面匹配，提高可靠性；但发明人还考虑到，logo图案库中存储的logo图案数据量较大的情况，如果所有的logo图案都参与计算，则计算量会非常大，因此，为了减小计算量，发明人还提供了一种可选方式，该方式具体是：

从预先建立的logo图案库中，获取归属于待识别产品类目的logo图案。

这种实现方式主要是考虑了电子商务平台一般情况下都按照产品类目对产品进行归类，而logo用于标识一种品牌，也只可能归属于特定的类目，比如LV主要在箱包等类目下，因此，一个产品只归属于一个类目，该产品一般情况下不可能具有其他类目的产品logo，这样，针对一个待识别产品就只需要选择出归属于该待识别产品类目的logo图案，这样就无需再计算其他类目下的logo图案在待识别产品图片上的匹配度，从而极大地减少计算量，并且由于取消了其他类目的logo图案与待识别产品的匹配，也就适应性地减少了误匹配的可能性，提高logo匹配的精确率。

步骤102：计算获取的每个logo图案在待识别产品图片上的匹配度，得到每个logo图案对应的匹配度。

在具体实现时，步骤102可以按照如下方式实现，该方式包括：

第一步，提取每个logo图案的局部特征点和待识别产品图片的局部特征点。

第二步，分别针对每个logo图案的每个局部特征点，在待识别产品图片的局部特征点中查找与每个logo图案的局部特征点的匹配度满足预设条件的局部特征点。

第三步，针对每个logo图案，分别计算满足预设条件的局部特征点总个数与该logo图案的局部特征点总个数的比值，将该比值作为该logo图案在待识别产品图片上的匹配度。

上述实现方式的本质就是局部特征匹配，主要是利用匹配特征点计算匹配度，因此，在具体实现时，可以采用现有的局部特征匹配算法，如尺度不变特征转换匹配算法(Scale Invariant Feature Transform，SIFT)、加速稳健特征匹配算法(Speeded Up Robust Features，SURF)、仿射－尺度不变特征变换(Affine SIFT，ASIFT)算法、或方向梯度直方图HOG算法等等。根据采用的局部特征匹配算法，提取对应的特征点。例如，采用SIFT算法实现匹配时，则上述第一步提取的就是SIFT特征点。

步骤103：根据计算得到的每个logo图案的匹配度大小，选择匹配度最大的logo图案。

步骤104：当选择的logo图案的匹配度大于第一预设阈值时，确定所述待识别产品图片为疑似侵权产品图片。

在步骤102中计算得到的匹配度表征了待识别产品图片上包含logo图案的概率，由于logo图案是是用于标识产品品牌的logo图案，而侵权商家为了吸引用户、迷惑用户，就会非法使用产品品牌的logo图案，或者仿照产品品牌的logo图案，以生成自己的产品图片；因此，若logo图案在待识别产品图片上的匹配度越大，就表明待识别产品图片是疑似侵权产品图片的概率就越大；为了确保检测结果的准确性，在步骤103中就选择匹配度最大的logo图案，以这个logo图案为基础，判断该logo图案在待识别产品图片上匹配度是否大于第一预设阈值，如果大于，则认为待识别产品图片上确实包含有该logo图案，确定该待识别产品图片是疑似侵权产品图片。

从上述实施例可以看出，本发明提出的以“logo图案”为参照物的检测方法，主要利用了logo不容易被规避以及logo不受拍摄角度、光线的影响等特性，利用logo图案在待识别产品图片上的匹配度来检测待识别产品图片是否为疑似侵权产品图片，以logo图案为参照物，其发散性较好，使得检测较为全面，检测精度较高，进而能够有效控制召回量，减小人工审核成本。

在完成检测之后，一般情况下，可以周期性或者实时性将疑似侵权产品图片发送至人工审核系统，由审核人员作最终的审核。审核人员审核疑似侵权产品图片是否为真正的侵权产品图片，如果是，认为检测结果是正确的，则标记检测结果为正确；如果审核出疑似侵权产品图片不是侵权产品图片，认为检测结果是错误的，则标记检测结果为错误。

电子商务平台一般会针对每天新增的产品图片进行检测，根据平台实际需求，也可能会针对每小时、每个月、每个季度等时间周期内新增的产品图片进行检测；上述实施例从对一个待识别产品图片进行检测的角度描述了检测方法，在实际应用中，可以根据平台的处理能力和检测周期，并行或串行检测平台上的多个待识别产品图片。

发明人考虑到在实际匹配过程中会存在误匹配的现象，为了进一步提高匹配精度、提高召回精度，发明人在上述实施例技术方案的基础上，还提供了另一种技术方案。参见图2，图2是本发明提出的一种疑似侵权产品图片的检测方法实施例2的流程图。如图2所示，该方法包括：

步骤201：从预先建立的logo图案库中获取logo图案；所述logo图案库中储存的logo图案是用于标识产品品牌的logo图案。

步骤202：计算获取的每个logo图案在待识别产品图片上的匹配度，得到每个logo图案对应的匹配度。

步骤203：根据计算得到的每个logo图案的匹配度大小，选择匹配度最大的logo图案。

上述步骤201－203与上述实施例1中步骤101－103对应相同，可以参照上文描述，此处不再赘述。

由于上述步骤在计算匹配度的过程中，可能会存在误匹配情况，因此，为了进一步提高匹配度的精确度，下面通过步骤204－205来计算有效匹配度，利用有效匹配度来检测待识别产品图片是否为侵权的，以提高检测精度。

步骤204：从选择的logo图案与待识别产品图片匹配的局部特征点中，剔除误匹配的局部特征点得到有效局部特征点。

在实际实现时，可以采用多种不同的方式实现步骤203，下面给出一种方式，该方式包括：

采用随机采样一致算法估计选择的logo图案与待识别产品图片之间的仿射变换关系；以及，

从选择的logo图案与待识别产品图片匹配的局部特征点中，剔除不符合仿射变换关系的局部特征点，将剩余的局部特征点作为有效局部特征点。

由于仿射变换是一种二维坐标到二维坐标之间的线性变换，保持二维图形的“平直性”(即，变换后直线还是直线不会打弯，圆弧还是圆弧)和“平行性”(即，保持二维图形间的相对位置关系不变，平行线还是平行线，而直线上电的位置顺序不变)；仿射变换可以通过一系列的原子变换的复合来实现，包括：平移、缩放、翻转、旋转、错切等。因此，发明人利用仿射变换的这些特性，确定一个待识别产品图片发生仿射变换后，该待识别产品图片上的logo的形状是不变的，基于此，可以将一些误匹配的局部特征剔除掉。

步骤205：计算有效局部特征点总个数与选择的logo图案的局部特征点总个数比值，将所述比值作为选择的logo图案在待识别产品图片上的有效匹配度。

步骤206：当所述有效匹配度大于第二预设阈值时，确定所述待识别产品图片为疑似侵权产品图片。

执行上述步骤203得到有效局部特征点就是logo图案局部特征点在待识别产品图片上真正匹配的局部特征点，基于这些有效局部特征点计算logo图案在待识别产品图片上的有效匹配度，这个有效匹配度的真实性更高，更能能够表征实际匹配情况。

举个例子，假设上述步骤202选择的logo图案有100个局部特征点，该logo图案在待识别产品图片上的匹配度为80％；即，该logo图案在待识别产品图片上匹配到的局部特征点共80个；但这80个中可能有一些误匹配局部特征点；接着采用步骤203将误匹配局部特征点剔除后得到的有效局部特征点共60个，即，从80个局部特征点中剔除了20个误匹配的局部特征点；然后基于这60个有效局部特征点计算logo图案在待识别产品图片上的有效匹配度为60％。假设第二预设阈值为50％，60％＞50％，满足条件，则表明该待识别产品图片上具有该logo图案，确定该待识别产品图片为疑似侵权产品图片。

从上述实施例2可以看出，在实施例1的基础上，从logo图案在待识别产品图片上匹配的局部特征点中剔除误匹配的局部特征点，以计算出有效匹配度，再基于有效匹配度来检测待识别产品图片，这样能够提高检测精度，进而提高召回精度。

另外，发明人还考虑到检测操作主要是以logo图案库中的logo图案为参照物，因此，logo图案库储存的logo图案的质量会直接影响检测效果；比如，若logo图案具有清晰、干扰少、无文字的特点，则在匹配过程中，匹配精度较高，但如果logo图案模糊不清、文字较多，则在匹配过程中，就很容易出现误匹配；因此，发明人提出了一种优化logo图案库的方法，以提高logo图案库的质量。

参见图3，图3是本发明提出的logo图案库的优化方法的流程图。如图3所示，该方法包括：

步骤301：根据人工审核系统反馈的审核结果，计算logo图案库中logo图案的效能；所述效能用于表征基于logo图案检测侵权产品图片的正确率。

步骤302：当logo图案的效能小于第三预设阈值时，从所述logo图案库中剔除该logo图案。

该优化方案是采用数据闭环方式，形成一个自学习的环境，结合人工审核系统反馈的审核结果计算logo图案的效能，利用logo的效能能够衡量logo图案的召回正确率，即，基于logo图案召回的疑似侵权产品图片中侵权产品图片的比率；一个logo图案的召回正确率越高，就说明这个logo图案的可靠性越高，质量越高。

下面针对步骤301给出一种实现方式，该方式包括：

按照预设时间周期，统计基于一个logo图案检测的疑似侵权产品图片的总个数M；根据人工审核系统反馈的审核结果，统计基于该logo图案检测的疑似侵权产品图片中审核结果为正确的图片总个数N；以及，计算所述总个数N与所述总个数M的比值，将该比值作为该logo图案的效能。

举个例子，在一个时间周期内，统计基于一个logo图案召回的疑似侵权产品图片共20个；而通过人工审核结果发现这20个疑似侵权产品图片中只有5个被审核为侵权产品图片；则可以确定这个logo图案的效能为5/20；

在这个时间周期内，统计基于另一个logo图案召回的疑似侵权产品图片共30个；通过人工审核结果发现这30个疑似侵权产品图片中有20个被审核为疑似侵权产品图片；则可以确定这个logo图案的效能为20/30。

假设第三预设阈值为60％；则一个logo图案的效能为5/20，其小于60％，因此，认为这个logo图案的效能过低，容易误召回一些疑似侵权产品图片，给人工审核造成一定的负担，就将这个logo图案剔除掉，在下一次进行logo匹配时，由于产生误召回的logo图案已经被剔除，因此，召回准确度会得到提升。另一个logo图案的效能为20/30，其大于60％，因此，认为这个logo图案的效能满足需求，将这个logo图案继续储存在logo图案库。

通过上述优化方案可以看出，本发明采用数据闭环方式，对人工审核结果进行分析，形成一个自学习环境，通过logo图案的效能大小对logo图库进行优化，从而提高logo图案库中logo图案的质量，使其在检测过程中发挥较好作用。

与上述方法相对应的，本发明还提供了一种疑似侵权产品图片的检测装置。

参见图4，图4是本发明提出的一种疑似侵权产品图片的检测装置实施例1的结构图。如图4所示，该装置包括：

获取单元401，用于从预先建立的logo图案库中获取logo图案；所述logo图案库中储存的logo图案是用于标识产品牌的logo图案。

第一计算单元402，用于计算获取的每个logo图案在待识别产品图片上的匹配度，得到每个logo图案对应的匹配度。

选择单元403，用于根据计算得到的每个logo图案的匹配度大小，选择匹配度最大的logo图案；当选择的logo图案的匹配度大于第一预设阈值时，触发检测单元。

检测单元404，用于确定所述待识别产品图片为疑似侵权产品图片。

可选的，所述获取单元，包括：

获取子单元，用于从预先建立的logo图案库中，获取归属于待识别产品类目的logo图案。

可选的，所述计算单元，包括：

提取子单元，用于提取每个logo图案的局部特征点和待识别产品图片的局部特征点；

匹配子单元，用于分别针对每个logo图案的每个局部特征点，在待识别产品图片的局部特征点中查找与每个logo图案的局部特征点的匹配度满足预设条件的局部特征点；

计算子单元，用于针对每个logo图案，分别计算满足预设条件的局部特征点总个数与该logo图案的局部特征点总个数的比值，将该比值作为该logo图案在待识别产品图片上的匹配度。

参见图5，图5是本发明提出的一种疑似侵权产品图片的检测装置实施例2的结构图。如图5所示，该装置包括：

获取单元501，用于从预先建立的logo图案库中获取logo图案；所述logo图案库中储存的logo图案是根据侵权产品图片上的logo图案生成的图片；

第一计算单元502，用于计算获取的每个logo图案在待识别产品图片上的匹配度，得到每个logo图案对应的匹配度。

选择单元503，用于根据计算得到的每个logo图案的匹配度大小，选择匹配度最大的logo图案。

剔除单元504，用于从选择的logo图案与待识别产品图片匹配的局部特征点中，剔除误匹配的局部特征点得到有效局部特征点。

第二计算单元505，用于计算有效局部特征点总个数与选择的logo图案的局部特征点总个数比值，将所述比值作为选择的logo图案在待识别产品图片上的有效匹配度；当所述有效匹配度大于第二预设阈值时，触发检测单元。

检测单元505，用于确定所述待识别产品图片为疑似侵权产品图片。

可选的，所述剔除单元，包括：

仿射变换子单元，用于采用随机采样一致算法估计选择的logo图案与待识别产品图片之间的仿射变换关系；

剔除子单元，用于从选择的logo图案与待识别产品图片匹配的局部特征点中，剔除不符合仿射变换关系的局部特征点，将剩余的局部特征点作为有效局部特征点。

可选的，所述装置还包括：

效能计算单元，用于根据人工审核系统反馈的审核结果，计算logo图案库中logo图案的效能；所述效能用于表征基于logo图案检测疑似侵权产品图片的正确率；

优化单元，用于当logo图案的效能小于第三预设阈值时，从所述logo图案库中剔除该logo图案。

可选的，所述效能计算单元，包括：

统计子单元一，用于按照预设时间周期，统计基于一个logo图案检测的疑似侵权产品图片的总个数M；

统计子单元二，用于根据人工审核系统反馈的审核结果，统计基于该logo图案检测的疑似侵权产品图片中审核结果为正确的图片总个数N；

效能计算子单元，用于计算所述总个数N与所述总个数M的比值，将该比值作为该logo图案的效能。

从上述实施例可以看出，本发明提出的检测装置，主要是以“logo图案”为参照物，利用了logo不容易被规避以及logo不受拍摄角度、光线的影响等特性，利用logo图案在待识别产品图片上的匹配度来检测待识别产品图片是否为疑似侵权产品图片，以logo图案为参照物，其发散性较好，使得检测较为全面，检测精度较高，进而能够有效控制召回量，减小人工审核成本。

本领域技术人员还将明白的是，结合这里的公开所描述的各种示例性逻辑块、模块、电路和算法步骤可以被实现为电子硬件、计算机软件或两者的组合。为了清楚地说明硬件和软件的这种可互换性，已经就各种示意性组件、方块、模块、电路和步骤的功能对其进行了一般性的描述。这种功能是被实现为软件还是被实现为硬件取决于具体应用以及施加给整个系统的设计约束。本领域技术人员可以针对每种具体应用以各种方式来实现所述的功能，但是这种实现决定不应被解释为导致脱离本发明的范围。

尽管前面公开的内容示出了本发明的示例性实施例，但是应当注意，在不背离权利要求限定的本发明的范围的前提下，可以进行多种改变和修改。根据这里描述的发明实施例的方法权利要求的功能、步骤和/或动作不需以任何特定顺序执行。此外，尽管本发明的元素可以以个体形式描述或要求，但是也可以设想多个，除非明确限制为单数。

虽然如上参照图描述了根据本发明的各个实施例进行了描述，但是本领域技术人员应当理解，对上述本发明所提出的各个实施例，还可以在不脱离本发明内容的基础上做出各种改进。

专业人员应该还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD－ROM、或技术领域内所公知的任意其它形式的存储介质中。

以上所述的具体实施方式，对本申请的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本申请的具体实施方式而已，并不用于限定本申请的保护范围，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (15)

1.一种疑似侵权产品图片的检测方法，其特征在于，所述方法包括：

从预先建立的logo图案库中获取logo图案；所述logo图案库中储存的logo图案是用于标识产品品牌的logo图案；

计算获取的每个logo图案在待识别产品图片上的匹配度，得到每个logo图案对应的匹配度；

根据计算得到的每个logo图案的匹配度大小，选择匹配度最大的logo图案；

当选择的logo图案的匹配度大于第一预设阈值时，确定所述待识别产品图片为疑似侵权产品图片。

2.根据权利要求1所述的方法，其特征在于，所述从预先建立的logo图案库中获取logo图案，包括：

从预先建立的logo图案库中，获取归属于待识别产品类目的logo图案。

3.根据权利要求1所述的方法，其特征在于，所述计算获取的每个logo图案在待识别产品图片上的匹配度，得到每个logo图案对应的匹配度，包括：

提取每个logo图案的局部特征点和待识别产品图片的局部特征点；

分别针对每个logo图案的每个局部特征点，在待识别产品图片的局部特征点中查找与每个logo图案的局部特征点的匹配度满足预设条件的局部特征点；

针对每个logo图案，分别计算满足预设条件的局部特征点总个数与该logo图案的局部特征点总个数的比值，将该比值作为该logo图案在待识别产品图片上的匹配度。

4.根据权利要求1所述的方法，其特征在于，在选择匹配度最大的logo图案之后，所述方法还包括：

从选择的logo图案与待识别产品图片匹配的局部特征点中，剔除误匹配的局部特征点得到有效局部特征点；

计算有效局部特征点总个数与选择的logo图案的局部特征点总个数比值，将所述比值作为选择的logo图案在待识别产品图片上的有效匹配度；

当所述有效匹配度大于第二预设阈值时，执行确定所述待识别产品图片为疑似侵权产品图片的步骤。

5.根据权利要求4所述的方法，其特征在于，从选择的logo图案与待识别产品图片匹配的局部特征点中，剔除误匹配的局部特征点得到有效局部特征点，包括：

采用随机采样一致算法估计选择的logo图案与待识别产品图片之间的仿射变换关系；

从选择的logo图案与待识别产品图片匹配的局部特征点中，剔除不符合仿射变换关系的局部特征点，将剩余的局部特征点作为有效局部特征点。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据人工审核系统反馈的审核结果，计算logo图案库中logo图案的效能；所述效能用于表征基于logo图案检测疑似侵权产品图片的正确率；

当logo图案的效能小于第三预设阈值时，从所述logo图案库中剔除该logo图案。

7.根据权利要求6所述的方法，其特征在于，根据人工审核系统反馈的审核结果，计算logo图案库中logo图案的效能，包括：

按照预设时间周期，统计基于一个logo图案检测的疑似侵权产品图片的总个数M；

根据人工审核系统反馈的审核结果，统计基于该logo图案检测的疑似侵权产品图片中审核结果为正确的图片总个数N；

计算所述总个数N与所述总个数M的比值，将该比值作为该logo图案的效能。

8.根据权利要求1所述方法，其特征在于，所述局部特征点具体为以下任意一种：

尺度不变特征转换SIFT特征点，加速稳健特征SURF特征点，ASIFT特征点，方向梯度直方图HOG特征点。

9.一种疑似侵权产品图片的检测装置，其特征在于，所述装置包括：

获取单元，用于从预先建立的logo图案库中获取logo图案；所述logo图案库中储存的logo图案是用于标识产品品牌的logo图案；

第一计算单元，用于计算获取的每个logo图案在待识别产品图片上的匹配度，得到每个logo图案对应的匹配度；

选择单元，用于根据计算得到的每个logo图案的匹配度大小，选择匹配度最大的logo图案；当选择的logo图案的匹配度大于第一预设阈值时，触发检测单元；

检测单元，用于确定所述待识别产品图片为疑似侵权产品图片。

10.根据权利要求9所述的装置，其特征在于，所述获取单元，包括：

获取子单元，用于从预先建立的logo图案库中，获取归属于待识别产品类目的logo图案。

11.根据权利要求9所述的装置，其特征在于，所述计算单元，包括：

提取子单元，用于提取每个logo图案的局部特征点和待识别产品图片的局部特征点；

匹配子单元，用于分别针对每个logo图案的每个局部特征点，在待识别产品图片的局部特征点中查找与每个logo图案的局部特征点的匹配度满足预设条件的局部特征点；

计算子单元，用于针对每个logo图案，分别计算满足预设条件的局部特征点总个数与该logo图案的局部特征点总个数的比值，将该比值作为该logo图案在待识别产品图片上的匹配度。

12.根据权利要求9所述的装置，其特征在于，所述装置还包括：

剔除单元，用于从选择的logo图案与待识别产品图片匹配的局部特征点中，剔除误匹配的局部特征点得到有效局部特征点；

第二计算单元，用于计算有效局部特征点总个数与选择的logo图案的局部特征点总个数比值，将所述比值作为选择的logo图案在待识别产品图片上的有效匹配度；当所述有效匹配度大于第二预设阈值时，触发检测单元。

13.根据权利要求12所述的装置，其特征在于，所述剔除单元，包括：

仿射变换子单元，用于采用随机采样一致算法估计选择的logo图案与待识别产品图片之间的仿射变换关系；

剔除子单元，用于从选择的logo图案与待识别产品图片匹配的局部特征点中，剔除不符合仿射仿射变换关系的局部特征点，将剩余的局部特征点作为有效局部特征点。

14.根据权利要求9所述的装置，其特征在于，所述装置还包括：

效能计算单元，用于根据人工审核系统反馈的审核结果，计算logo图案库中logo图案的效能；所述效能用于表征基于logo图案检测侵权产品图片的正确率；

优化单元，用于当logo图案的效能小于第三预设阈值时，从所述logo图案库中剔除该logo图案。

15.根据权利要求14所述的装置，其特征在于，所述效能计算单元，包括：

统计子单元一，用于按照预设时间周期，统计基于一个logo图案检测的疑似侵权产品图片的总个数M；

统计子单元二，用于根据人工审核系统反馈的审核结果，统计基于该logo图案检测的疑似侵权产品图片中审核结果为正确的图片总个数N；

效能计算子单元，用于计算所述总个数N与所述总个数M的比值，将该比值作为该logo图案的效能。