CN116883346A - 一种基于人工智能的目标图像质量筛选方法 - Google Patents

Abstract

本发明公开了一种基于人工智能的目标图像质量筛选方法，该方法采用目标图像质量筛选系统进行工作，该系统包括筛选处理模块、验证测试模块、数据计算模块，所述验证测试模块与数据计算模块相互无线传输数据；所述筛选处理模块用于统计并汇总验证测试的数据信息，所述验证测试模块用于转动和感知验证拼图内的拼合时间状况，所述数据计算模块用于对测得的拼合时间进行分析计算，所述筛选处理模块包括预设值输入模块、拼合时间记录模块、拼合时间数据计算模块，所述验证测试模块包括图片平移模块、拼合判定模块，所述拼合时间记录模块与拼合时间数据计算模块相互传输时间信息，本发明具有测量准确的特点。

Description

一种基于人工智能的目标图像质量筛选方法

技术领域

本发明涉及图像筛选技术领域，具体为一种基于人工智能的目标图像质量筛选方法。

背景技术

图像验证码拼图需要进行拼合时间的测试是为了确保用户在完成验证码时不会受到过度限制。如果拼合时间太短，那么用户可能无法完成拼图，从而无法通过验证，影响用户体验和网站安全性。如果拼合时间太长，那么用户可能会感到烦躁和不耐烦，从而降低用户体验。因此，进行拼合时间的测试可以帮助网站确定一个合适的时间范围，以平衡安全性和用户体验。

目前本领域内出现了一种将边框加大的方案，让用户能够更加轻松地拼合到正确位置，在投入使用前需要进行大量手动测试，来判断边框的大小是否合适以及用户平均耗时多少才能通过。但在检测通过目标图像时间的时候因为检测点可能位于边框上方，也可能位于拼图上方。当用户的拼图接触到边框时，系统会立即进行判定，以确保拼图正确性。而当用户的拼图接触到中间位置时，系统需要等待一段时间才能确定拼图是否正确，因此边框的平均感应速度高于拼图，无法确定是什么原因导致测量的感应速度变化，得到的测试结果并不能准确反映验证拼图的拼合时间，无法筛选出合适的目标图像。因此，设计测量准确的一种基于人工智能的目标图像质量筛选方法是很有必要的。

发明内容

本发明的目的在于提供一种基于人工智能的目标图像质量筛选方法，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：一种基于人工智能的目标图像质量筛选方法，该方法采用目标图像质量筛选系统进行工作，该系统包括筛选处理模块、验证测试模块、数据计算模块，所述验证测试模块与数据计算模块相互无线传输数据；所述筛选处理模块用于统计并汇总验证测试的数据信息，所述验证测试模块用于转动和感知验证拼图内的拼合时间状况，所述数据计算模块用于对筛选处理模块测得的拼合时间进行分析计算。

根据上述技术方案，所述筛选处理模块包括预设值输入模块、拼合时间记录模块、拼合时间数据计算模块，所述验证测试模块包括图片平移模块、拼合判定模块，所述拼合时间记录模块与拼合时间数据计算模块相互传输时间信息，所述图片平移模块与预设值输入模块相互无线传输图片信息；

所述预设值输入模块用于存储验证拼图的边框数据信息与当前系统设定的边框排布空当大小，所述拼合时间记录模块用于根据拼合时间数据计算模块的图片平移模块与当前系统设定的边框排布空当大小计算出验证拼图的拼合时间指数，所述拼合时间数据计算模块用于根据验证拼图的拼合时间指数判断验证拼图的拼合时间，所述图片平移模块用于将图片中心平移至鼠标指针位置，所述拼合判定模块用于对拼图测试区域进行接触判定。

根据上述技术方案，所述数据计算模块包括权重数据计算模块、信息传输模块、预设修改模块，所述拼合判定模块与权重数据计算模块相互传输高低电平信号，所述预设修改模块与预设值输入模块相互传输数字信号；

所述权重数据计算模块用于对边框和拼图在拼合时间顺序计算中分配权重，所述信息传输模块用于发送或接收待处理的验证测试数据，所述预设修改模块用于将识别出的验证测试信息与验证测试的边框数据信息进行修正换算。

根据上述技术方案，该方法的具体步骤为：

S0、在验证拼图上设置多个拼合判定模块，在拼合判定模块上方设置拼合时间数据计算模块，使得拼合时间数据计算模块在运转时其鼠标指针能够触碰到拼合判定模块的任意位置；

S1、当没有验证测试进入拼合判定模块所在区域时，数据计算模块停止工作；

S2、当有验证测试的拼图进入拼合判定模块所在区域时，系统读取验证拼图的尺寸信息，拼合时间数据计算模块开始运转，使得验证图片触碰到拼合判定模块上，通过图片平移模块读取并换算成平均拼合时间Z，进行验证测试；

S3、在验证测试识别任务完成后，数据计算模块不会立刻关闭，一段时间都没有验证测试再进入验证拼图时，数据计算模块停止工作。

根据上述技术方案，上述步骤S2中，验证拼图的拼合时间计算规则为：

拼合判定模块中验证拼图的拼图占比区域越大，代表此验证拼图的拼合时间测量过程中，鼠标指针会有更大概率落在拼图验证区域，拼合判定模块中验证拼图的当前系统设定下边框排布空当大小越多，代表鼠标指针有更大概率落在边框验证区域，因此验证拼图的拼合时间顺序由验证拼图的拼图和当前系统设定的边框排布空当大小来计算，具体为：

其中μ+υ＝100％；

其中W为综合拼合时间指数，W越大，验证拼图的拼合时间越长，μ为拼图占综合拼合时间指数的权重，υ为当前系统设定的边框占综合拼合时间指数的权重，a为边框与拼图拼合速度平均比值。

根据上述技术方案，上述步骤S2中，拼合时间的权重计算的方法如下：

S2-1、在验证拼图边框排布空当小的系统设定情况下，提高验证拼图的边框在拼合时间顺序计算中的权重，降低验证拼图的拼图在拼合时间顺序计算中的权重；

S2-2、在验证拼图边框排布空当大的系统设定情况下，提高验证拼图的拼图在拼合时间顺序计算中的权重，降低验证拼图的边框在拼合时间顺序计算中的权重。

根据上述技术方案，上述步骤S2-2中，具体公式为：

可得

其中x为当前系统设定下验证拼图的边框排布密度，x₀为基准系统设定下验证拼图的边框排布密度，τ为边框所在边框的粗细影响系数，边框越粗τ越小，根据边框系统设定进行取值。

根据上述技术方案，上述步骤S2-1和S2-2中，x₀和x的确定方法为：当鼠标指针与验证拼图接触时，将验证拼图挪动至图片中心与鼠标指针重合，将鼠标指针的与验证拼图的接触中心点记为鼠标指针坐标点，鼠标指针与验证拼图的接触面是以坐标点为中心的拼图，记拼图的半径为R，位于一个拼合判定模块内且处于相对位置的边框距离为d，验证图片与验证拼图边框的接触分为以下两种情况：

则当拼图接触边框所在边框时，边框触发验证，拼合时间数据计算模块测得的时间为边框的拼合时间，此时拼图中心所在的区域为边框验证区域；

当拼图不与接触边框所在边框接触时，拼图触发验证，拼合时间数据计算模块测得的时间为拼图的拼合时间，此时拼图中心所在的区域为拼图验证区域，根据区域面积比例对x₀和x进行确定。

与现有技术相比，本发明所达到的有益效果是：本发明，根据验证拼图边框和拼图排布密度不同的系统设定，可以对测量的拼合时间进行不同程度的换算，以此确定是边框占比提升带来的拼合速度提升，还是由于系统设定本身提升带来的拼合速度提升，排除因为边框占比高对拼合速度的测试带来的影响，对拼合时间进行更加准确的修正，能够筛选出合适大小的目标图像，测量准确性高。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1是本发明的整体模块结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术验证测试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，都属于本发明保护的范围。

请参阅图1，本发明提供一种基于人工智能的目标图像质量筛选方法，该方法采用目标图像质量筛选系统进行工作，该系统包括筛选处理模块、验证测试模块、数据计算模块，验证测试模块与数据计算模块相互无线传输数据；筛选处理模块用于统计并汇总验证测试的数据信息，验证测试模块用于转动和感知验证拼图内的拼合时间状况，数据计算模块用于对筛选处理模块测得的拼合时间进行分析计算；

筛选处理模块包括预设值输入模块、拼合时间记录模块、拼合时间数据计算模块，验证测试模块包括图片平移模块、拼合判定模块，拼合时间记录模块与拼合时间数据计算模块相互传输时间信息，图片平移模块与预设值输入模块相互无线传输图片信息；

预设值输入模块用于存储验证拼图的边框数据信息与当前系统设定的边框排布空当大小，拼合时间记录模块用于根据拼合时间数据计算模块的图片平移模块与当前系统设定的边框排布空当大小计算出验证拼图的拼合时间指数，拼合时间数据计算模块用于根据验证拼图的拼合时间指数判断验证拼图的拼合时间，图片平移模块用于将图片中心平移至鼠标指针位置，拼合判定模块用于对拼图测试区域进行接触判定；

数据计算模块包括权重数据计算模块、信息传输模块、预设修改模块，拼合判定模块与权重数据计算模块相互传输高低电平信号，预设修改模块与预设值输入模块相互传输数字信号；

权重数据计算模块用于对边框和拼图在拼合时间顺序计算中分配权重，信息传输模块用于发送或接收待处理的验证测试数据，预设修改模块用于将识别出的验证测试信息与验证测试的边框数据信息进行修正换算；

该方法的具体步骤为：

S0、在验证拼图上设置多个拼合判定模块，在拼合判定模块上方设置拼合时间数据计算模块，使得拼合时间数据计算模块在运转时其鼠标指针能够触碰到拼合判定模块的任意位置；

S1、当没有验证测试进入拼合判定模块所在区域时，数据计算模块停止工作；

S2、当有验证测试的拼图进入拼合判定模块所在区域时，系统读取验证拼图的尺寸信息，拼合时间数据计算模块开始运转，使得验证图片触碰到拼合判定模块上，通过图片平移模块读取并换算成平均拼合时间Z，进行验证测试；

S3、在验证测试识别任务完成后，数据计算模块不会立刻关闭，一段时间都没有验证测试再进入验证拼图时，数据计算模块停止工作；

上述步骤S2中，验证拼图的拼合时间计算规则为：

拼合判定模块中验证拼图的拼图占比区域越大，代表此验证拼图的拼合时间测量过程中，鼠标指针会有更大概率落在拼图验证区域，拼合判定模块中验证拼图的当前系统设定下边框排布空当大小越多，代表鼠标指针有更大概率落在边框验证区域，因此验证拼图的拼合时间顺序由验证拼图的拼图和当前系统设定的边框排布空当大小来计算，具体为：

其中μ+υ＝100％；

其中W为综合拼合时间指数，W越大，验证拼图的拼合时间越长，μ为拼图占综合拼合时间指数的权重，υ为当前系统设定的边框占综合拼合时间指数的权重，a为边框与拼图拼合速度平均比值；

上述步骤S2中，拼合时间的权重计算的方法如下：

S2-1、在验证拼图边框排布空当小的系统设定情况下，提高验证拼图的边框在拼合时间顺序计算中的权重，降低验证拼图的拼图在拼合时间顺序计算中的权重；

S2-2、在验证拼图边框排布空当大的系统设定情况下，提高验证拼图的拼图在拼合时间顺序计算中的权重，降低验证拼图的边框在拼合时间顺序计算中的权重。

上述步骤S2-2中，具体公式为：

可得

其中x为当前系统设定下验证拼图的边框排布密度，x₀为基准系统设定下验证拼图的边框排布密度，τ为边框所在边框的粗细影响系数，边框越粗τ越小，根据边框系统设定进行取值。

上述步骤S2-1和S2-2中，x₀和x的确定方法为：将鼠标指针的与验证拼图的接触中心点记为鼠标指针坐标点，鼠标指针与验证拼图的接触面是以坐标点为中心的拼图，记拼图的半径为R，位于一个拼合判定模块内且处于相对位置的边框距离为d，验证图片与验证拼图边框的接触分为以下两种情况：

则当拼图接触边框所在边框时，边框触发验证，拼合时间数据计算模块测得的时间为边框的拼合时间，此时拼图中心所在的区域为边框验证区域，为d²-(d-2R)²；

当拼图不与接触边框所在边框接触时，拼图触发验证，拼合时间数据计算模块测得的时间为拼图的拼合时间，此时拼图中心所在的区域为拼图验证区域，为(d-2R)²，则

以此根据边框和拼图的占比面积对修正比例进行更加精确地换算。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术验证测试员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于人工智能的目标图像质量筛选方法，其特征在于：该方法采用目标图像质量筛选系统进行工作，该系统包括筛选处理模块、验证测试模块和数据计算模块；

所述筛选处理模块用于统计并汇总验证测试的数据信息，获得拼合时间数据；

所述验证测试模块用于转动和感知验证拼图内的拼合时间状况；

所述数据计算模块用于对所述筛选处理模块获得的拼合时间数据进行分析计算。

2.根据权利要求1所述的一种基于人工智能的目标图像质量筛选方法，其特征在于：

所述验证测试模块，包括图片平移模块和拼合判定模块；其中，所述图片平移模块与预设值输入模块相互无线传输图片信息；所述图片平移模块用于将图片中心平移至鼠标指针位置；所述拼合判定模块用于对拼图测试区域进行接触判定；

所述筛选处理模块，包括预设值输入模块、拼合时间记录模块和拼合时间数据计算模块；其中，所述预设值输入模块用于存储验证拼图的边框数据信息与当前系统设定的边框排布空当大小；所述拼合时间记录模块用于根据拼合时间数据计算模块的图片平移模块与当前系统设定的边框排布空当大小计算出验证拼图的拼合时间指数；所述拼合时间数据计算模块用于根据验证拼图的拼合时间指数判断验证拼图的拼合时间。

3.根据权利要求2所述的一种基于人工智能的目标图像质量筛选方法，其特征在于：

所述数据计算模块，包括权重数据计算模块、信息传输模块和预设修改模块；其中，

所述权重数据计算模块用于对边框和拼图在拼合时间顺序计算中分配权重；

所述信息传输模块用于发送或接收待处理的验证测试数据；

所述预设修改模块用于将识别出的验证测试信息与验证测试的边框数据信息进行修正换算。

4.根据权利要求3所述的一种基于人工智能的目标图像质量筛选方法，其特征在于：该方法的具体步骤为：

S0、在验证拼图上设置多个拼合判定模块，在拼合判定模块上方设置拼合时间数据计算模块，使得拼合时间数据计算模块在运转时其鼠标指针能够触碰到拼合判定模块的任意位置；

S1、当没有验证测试进入拼合判定模块所在区域时，数据计算模块停止工作；

S2、当有验证测试的拼图进入拼合判定模块所在区域时，系统读取验证拼图的尺寸信息，拼合时间数据计算模块开始运转，使得验证图片触碰到拼合判定模块上，通过图片平移模块读取并换算成平均拼合时间Z，进行验证测试；

S3、在验证测试识别任务完成后，数据计算模块不会立刻关闭，一段时间都没有验证测试再进入验证拼图时，数据计算模块停止工作。

5.根据权利要求4所述的一种基于人工智能的目标图像质量筛选方法，其特征在于：上述步骤S2中，验证拼图的拼合时间计算规则为：

其中μ+υ＝100％；

其中W为综合拼合时间指数，W越大，验证拼图的拼合时间越长，μ为拼图占综合拼合时间指数的权重，υ为当前系统设定的边框占综合拼合时间指数的权重，a为边框与拼图拼合速度平均比值。

6.根据权利要求5所述的一种基于人工智能的目标图像质量筛选方法，其特征在于：上述步骤S2中，拼合时间的权重计算的方法如下：

S2-1、在验证拼图边框排布空当小的系统设定情况下，提高验证拼图的边框在拼合时间顺序计算中的权重，降低验证拼图的拼图在拼合时间顺序计算中的权重；

S2-2、在验证拼图边框排布空当大的系统设定情况下，提高验证拼图的拼图在拼合时间顺序计算中的权重，降低验证拼图的边框在拼合时间顺序计算中的权重。

7.根据权利要求6所述的一种基于人工智能的目标图像质量筛选方法，其特征在于：步骤S2-2中，具体公式为：

可得

其中x为当前系统设定下验证拼图的边框排布密度，x₀为基准系统设定下验证拼图的边框排布密度，τ为边框所在边框的粗细影响系数，边框越粗τ越小，根据边框系统设定进行取值。

8.根据权利要求7所述的一种基于人工智能的目标图像质量筛选方法，其特征在于：步骤S2-1和S2-2中，x₀和x的确定方法为：当鼠标指针与验证拼图接触时，将验证拼图挪动至图片中心与鼠标指针重合，将鼠标指针的与验证拼图的接触中心点记为鼠标指针坐标点，鼠标指针与验证拼图的接触面是以坐标点为中心的拼图，记拼图的半径为R，位于一个拼合判定模块内且处于相对位置的边框距离为d，验证图片与验证拼图边框的接触分为以下两种情况：

则当拼图接触边框所在边框时，边框触发验证，拼合时间数据计算模块测得的时间为边框的拼合时间，此时拼图中心所在的区域为边框验证区域；

当拼图不与接触边框所在边框接触时，拼图触发验证，拼合时间数据计算模块测得的时间为拼图的拼合时间，此时拼图中心所在的区域为拼图验证区域，根据区域面积比例对x₀和x进行确定。