CN1419361A - 网上图像智能安全监管方法 - Google Patents
网上图像智能安全监管方法 Download PDFInfo
- Publication number
- CN1419361A CN1419361A CN 02137755 CN02137755A CN1419361A CN 1419361 A CN1419361 A CN 1419361A CN 02137755 CN02137755 CN 02137755 CN 02137755 A CN02137755 A CN 02137755A CN 1419361 A CN1419361 A CN 1419361A
- Authority
- CN
- China
- Prior art keywords
- image
- picture
- network
- area
- skin
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Image Analysis (AREA)
Abstract
一种网上图像智能安全监管方法属于网络及信息安全领域。方法具体如下:首先,通过数据捕获和协议分析技术捕获网上图像;其次,通过图像特征提取技术提取图像特征并基于图像特征定位出图像中的可疑部位;然后,对图像中可疑部位进行图像内容识别,以判断其是否是不健康图像信息;最后,根据识别结果对网上数据流进行相应监管处理。本发明使用了基于小波变换的形状提取技术等性能良好的图像特征提取技术并使用了高效快速的基于神经网络的图像可疑部位内容识别技术,与已有的相关技术相比,不但提高了图像识别的准确率,而且也提高了整个图像监管过程的速度。
Description
技术领域
本发明涉及的是一种网络上信息安全监管方法,特别是一种网上图像智能安全监管方法,属于网络及信息安全领域。
背景技术
因特网上存在大量不健康图像内容,其对社会产生了巨大的不良影响和危害作用。有鉴于此,对互联网上不健康图像进行实时高效监管已成为一个迫切需要解决的问题。目前,人们经常使用下述方法监管用户是否浏览网上不健康信息:人为收集大量且不断更新具有不健康内容的网址,并建立网址库,然后监控用户是否浏览该库内的网址,若浏览,则采取拒绝连接、发出警告等手段进行管理,否则,对用户连接加以放行。这种方法能够对用户浏览网址库内各网址上的不健康图像起到间接监管作用,但是它不能对网址库外各不健康或健康网址上的不健康图像进行正确监管,原因在于该方法不是直接处理并监管图像本身,实际上,该种方法并非是真正意义上的图像监管方法。此外,该方法中人为参与的因素太多,不能实现信息的自动处理。直接基于图像信息进行网上不健康图像监管的技术研究成果相对来说目前还很少见。经文献检索发现,在国外,有一些检测人类裸体图像的图像处理技术研究成果,如Fleck与Forsyth在International Journalof Computer Vision(国际计算机视觉期刊),Volume 32,Issue 1,August 1999上所撰写的“Automatic Detection of Human Nudes(人类裸体自动检测)”中提出的裸体图像检测技术,但是它们的检测效果还有待于提高,并且它们的研究仅针对纯粹的图像处理问题,而并非直接针对网上不健康图像监管问题。在网上图像监管过滤方面,目前已出现了为数不多的几种基于内容的通用图像检索技术。这些技术均提取图像的颜色、形状、纹理等特征并进行匹配以进行图像监管或过滤,可以用于监管网上不健康图像内容,但是,这些通用的图像检索技术并非特定为不健康图片而设计,在进行不健康图片搜索时效率不高。在网址http://www.lookthatup.com/eng/imagefilter f.htm上,法国LookThatUp(查找它)公司研究的图像过滤与检索技术目前在行业内处于领先地位。该公司的图像过滤技术可以用于对网络上的不健康图像进行实时判别并过滤。为了判别一些不健康图像,其使用了两个模块:LookThatUp Server(查找它服务器)和PartnerServer(伙伴服务器),其中前一模块使用了较先进的对象分割、图像索引和图形特征识别算法等对图像进行处理,并将结果送给后一模块,后一模块再与图像库比较,以决定是否过滤该图像,但是该图像过滤系统识别率和算法的实时性还有待更进一步提高,且自学习能力不强,还未得到广泛推广使用。目前,尚未发现国内自主研发的网上不健康图像内容监管技术成果。
发明内容
本发明针对现有技术的不足和缺陷,提供一种网上图像智能安全监管方法,使其能够对互联网上多种格式的不健康图像进行实时且高效的监管。本发明是通过以下技术方案实现的,本发明方法具体如下:
首先,通过数据捕获和协议分析技术捕获网上图像;其次,通过图像特征提取技术提取图像特征并基于图像特征定位出图像中的可疑部位;然后,通过图像内容识别技术识别可疑部位的图像内容,以判断其是否是不健康图像信息;最后,根据识别结果对网上数据流进行相应监管处理。
以下对本发明方法作进一步的说明:
(1)通过利用已有的数据捕获与协议分析技术获得互联网上的图像数据。
(2)对所获得的图像,利用高效的肤色、纹理及形状提取技术提取图像的肤色、纹理和形状特征,并结合三者结果定位图像中的可疑部位。
这里所述的肤色、纹理及形状提取技术包括裸体皮肤区域确定技术和裸体皮肤区域内可疑形状部位提取技术,裸体皮肤区域确定技术具体为:①通过使用反映人观察彩色方式的HSI(色度、饱和度、强度)模型,在将彩色图像的RGB(红色、绿色、蓝色)色彩空间转化为HSI(色度、饱和度、强度)色彩空间后,利用基于阀值的分割方法及大量实验后所得到的最佳阀值对H(色度)、S(饱和度)、I(强度)三个值分别进行处理,并通过滤波器对输出的灰度图像去除毛刺,获得较精确的肤色区域;②使用基于分形模型的以彩色图像的亮度所计算出的分数维、广义维数谱和空隙特征以及归一化的色度和饱和度作为纹理特征的纹理提取方法提取较精确的人体皮肤纹理区域;③将所得到的人体肤色区域和纹理区域结合得到更精确的裸体皮肤区域。
裸体皮肤区域内可疑形状部位提取技术是指通过使用小波变换方法获得在所得到的裸体皮肤区域内具有可疑图像形状的部位。小波变换具有获得图像的细节点图的能力,通过大量实验发现,不健康图像的灰度图小波变换后,其裸体皮肤区域内具有可疑图像形状的部位往往具有较多且明显的细节点,且这些细节点比较集中,利用对已确定出的裸体皮肤区域进行灰度处理及小波变换得到细节点图,然后根据细节点在值域及空间上的分布情况并基于大量实验后所得到的最佳阀值来对可疑部位进行定位。
(3)对定位出的可疑部位,利用预先训练好的模糊进化神经网络进行识别,以判断图像是否属于不健康图像。
模糊进化神经网络由于具有全局优化、并行处理、能够体现人的视觉模糊特点、适应性强、学习能力强等特点,以及具有用于比较匹配时其样本信息存储于网络内,而不像传统方式上的样本信息存储于需要另行花费一定时间去搜索的独立样本库内的特点,所以其在高效性及实时性方面都具有良好的性能。但考虑到图像的数据量相对来说较大,若直接将其送入该神经网络,将会导致该网络的输入端口数过多且网络规模过大,为此,还对进入该神经网络的输入数据量进行压缩,所采用的具体方案是:将定位出的图像可疑部位划分为多个等大小的小子块,利用Kohonen(可或恩)神经网络对各小子块进行矢量量化得到分类结果,将可以代表原图像可疑部位内容的所有子块的分类结果作为模糊进化神经网络的输入数据。由于在压缩方面也主要使用了具有并行计算能力的神经网络,所以也会使技术的实时性性能不受影响;
(4)根据上一步的判断结果并基于预先已制定的管理策略,对不健康图像信息进行相应监管处理。例如,切断正传输含有不健康图像信息的连接,记录一连接对不健康图像信息的浏览状况等。
本发明具有实质性特点和显著进步,本发明方法使用了基于小波变换的形状提取技术等性能良好的图像特征提取技术并使用了高效快速的基于神经网络的图像可疑部位内容识别技术,与已有的相关技术相比,它不但提高了图像识别的准确率,而且也提高了整个图像监管过程的速度。
具体实施方式
结合本发明的内容进一步提供以下实施例:
基于本发明方法开发了网上图像智能安全监管原型系统,该系统主要包括数据捕获和协议分析模块、图像特征提取及可疑部位定位模块、图像可疑部位内容识别模块和网络数据流管理模块。
首先,通过数据捕获和协议分析模块捕获网上图像,该模块中使用已有的成熟的HTTP协议下互联网上数据流捕获与协议分析技术;然后,利用图像特征提取及可疑部位定位模块提取图像特征并基于图像特征定位出图像中的可疑部位。在该模块中,首先使用前面所描述的肤色、纹理提取技术提取较精确的人体皮肤肤色和纹理区域,随后结合二者结果得到更精确的人体裸体皮肤区域,然后在该区域利用前面所描述的小波变换技术定位具有可疑图像形状的部位;之后,利用图像可疑部位内容识别模块对图像中可疑部位进行识别,以判断其是否是不健康图像信息。在该模块中,首先将定位出的图像可疑部位划分为多个等大小的小子块,然后利用前面所描述的Kohonen(可或恩)神经网络矢量量化数据压缩技术得到各子块压缩后的数据信息,将这些数据信息作为模糊进化神经网络的输入数值送入模糊进化神经网络,该神经网络自动计算并输出分析识别结果;最后,根据识别结果并基于预先制定的监管策略通过网络数据流管理模块对网上数据流进行相应监管处理,在该原型系统中,监管处理措施是:对正传输含有不健康图像信息的连接进行记录并向管理员告警。
对系统进行了性能测试,测试结果显示了本发明在网上图像监管方面具有高效性和实时性。
Claims (6)
1、一种网上图像智能安全监管方法,其特征在于方法具体如下:首先,通过数据捕获和协议分析技术捕获网上图像;其次,通过图像特征提取技术提取图像特征并基于图像特征定位出图像中的可疑部位;然后,对图像中可疑部位进行图像内容识别,以判断图像信息;最后,根据识别结果对网上数据流进行相应监管处理。
2、根据权利要求1所述的这种网上图像智能安全监管方法,其特征是以下对方法所作的进一步的说明:
(1)通过利用已有的数据捕获与协议分析技术获得互联网上的图像数据;
(2)对所获得的图像,利用高效的肤色、纹理及形状提取技术提取图像的肤色、纹理和形状特征,并结合三者结果定位图像中的可疑部位;
(3)对定位出的可疑部位,利用预先训练好的模糊进化神经网络进行识别,以判断图像;
(4)根据上一步的判断结果并基于预先已制定的管理策略,对图像信息进行相应监管处理。
3、根据权利要求2所述的这种网上图像智能安全监管方法,其特征是模糊进化神经网络进行识别必须对进入该神经网络的输入数据量进行压缩,所采用的具体方案是:将定位出的图像可疑部位划分为多个等大小的小子块,利用可或恩神经网络对各小子块进行矢量量化得到分类结果,将代表原图像可疑部位内容的所有子块的分类结果作为模糊进化神经网络的输入数据。
4、根据权利要求1或2所述的这种网上图像智能安全监管方法,其特征是所述的肤色、纹理及形状提取技术包括裸体皮肤区域确定技术和裸体皮肤区域内可疑形状部位提取技术。
5、根据权利要求4所述的这种网上图像智能安全监管方法,其特征是裸体皮肤区域确定技术具体为:①通过使用反映人观察彩色方式的色度、饱和度、强度模型,在将彩色图像的红色、绿色、蓝色色彩空间转化为色度、饱和度、强度色彩空间后,利用基于阀值的分割方法及大量实验后所得到的最佳阀值对色度、饱和度、强度三个值分别进行处理,并通过滤波器对输出的灰度图像去除毛刺,获得肤色区域;②使用基于分形模型的以彩色图像的亮度所计算出的分数维、广义维数谱和空隙特征以及归一化的色度和饱和度作为纹理特征的纹理提取方法提取人体皮肤纹理区域;③将所得到的人体肤色区域和纹理区域结合得到精确的裸体皮肤区域。
6、根据权利要求4所述的这种网上图像智能安全监管方法,其特征是裸体皮肤区域内可疑形状部位提取技术是指通过使用小波变换方法获得在所得到的裸体皮肤区域内具有可疑图像形状的部位。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 02137755 CN1419361A (zh) | 2002-10-31 | 2002-10-31 | 网上图像智能安全监管方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 02137755 CN1419361A (zh) | 2002-10-31 | 2002-10-31 | 网上图像智能安全监管方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN1419361A true CN1419361A (zh) | 2003-05-21 |
Family
ID=4749103
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 02137755 Pending CN1419361A (zh) | 2002-10-31 | 2002-10-31 | 网上图像智能安全监管方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN1419361A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100370475C (zh) * | 2005-07-28 | 2008-02-20 | 上海交通大学 | 基于非均匀量化颜色特征矢量的敏感图像过滤方法 |
CN100394415C (zh) * | 2003-06-30 | 2008-06-11 | 菲尼萨公司 | 用于捕捉感兴趣的网络数据的协议分析器系统和方法 |
CN100409148C (zh) * | 2003-09-12 | 2008-08-06 | 普罗泰格网络公司 | 用于显示网络安全性事故的方法和系统 |
CN102170516A (zh) * | 2011-04-07 | 2011-08-31 | 陕西科技大学 | 基于模糊理论和神经网络的色彩空间转换方法 |
CN102117484B (zh) * | 2009-12-31 | 2013-04-10 | 新谊整合科技股份有限公司 | 使用图像色彩信息的处理系统、处理方法与图像分类方法 |
CN101335674B (zh) * | 2007-05-31 | 2013-11-06 | 索尼株式会社 | 通信系统,信息处理设备,受控设备,信息处理方法和程序 |
CN101506767B (zh) * | 2005-04-22 | 2016-03-30 | 谷歌公司 | 相对于分类体系来分类诸如文档和/或聚类的对象以及从这种分类导出的数据结构 |
CN107809343A (zh) * | 2016-09-09 | 2018-03-16 | 中国人民解放军信息工程大学 | 一种网络协议识别方法及装置 |
-
2002
- 2002-10-31 CN CN 02137755 patent/CN1419361A/zh active Pending
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100394415C (zh) * | 2003-06-30 | 2008-06-11 | 菲尼萨公司 | 用于捕捉感兴趣的网络数据的协议分析器系统和方法 |
CN100409148C (zh) * | 2003-09-12 | 2008-08-06 | 普罗泰格网络公司 | 用于显示网络安全性事故的方法和系统 |
CN101506767B (zh) * | 2005-04-22 | 2016-03-30 | 谷歌公司 | 相对于分类体系来分类诸如文档和/或聚类的对象以及从这种分类导出的数据结构 |
US9971813B2 (en) | 2005-04-22 | 2018-05-15 | Google Llc | Categorizing objects, such as documents and/or clusters, with respect to a taxonomy and data structures derived from such categorization |
CN100370475C (zh) * | 2005-07-28 | 2008-02-20 | 上海交通大学 | 基于非均匀量化颜色特征矢量的敏感图像过滤方法 |
CN101335674B (zh) * | 2007-05-31 | 2013-11-06 | 索尼株式会社 | 通信系统,信息处理设备,受控设备,信息处理方法和程序 |
CN102117484B (zh) * | 2009-12-31 | 2013-04-10 | 新谊整合科技股份有限公司 | 使用图像色彩信息的处理系统、处理方法与图像分类方法 |
CN102170516A (zh) * | 2011-04-07 | 2011-08-31 | 陕西科技大学 | 基于模糊理论和神经网络的色彩空间转换方法 |
CN107809343A (zh) * | 2016-09-09 | 2018-03-16 | 中国人民解放军信息工程大学 | 一种网络协议识别方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109522853B (zh) | 面向监控视频的人脸检测与搜索方法 | |
CN108052900A (zh) | 一种通过监控视频自动判断着装规范的方法 | |
CN112380982A (zh) | 一种电力行业基建项目进度与质量的一体化监测方法 | |
CN106355154B (zh) | 一种监控视频中检测频繁过人的方法 | |
CN103347167A (zh) | 一种基于分段的监控视频内容描述方法 | |
CN104239420A (zh) | 一种基于视频指纹的视频相似度匹配方法 | |
CN107169106A (zh) | 视频检索方法、装置、存储介质及处理器 | |
CN102915432A (zh) | 一种车载微机图像视频数据提取方法及装置 | |
CN106557760A (zh) | 一种基于视频识别技术的图像画面检索过滤监控系统 | |
CN108898098A (zh) | 基于监控平台的早期视频烟雾检测方法 | |
CN114579791A (zh) | 一种基于作业票的施工安全违章识别方法及系统 | |
CN1419361A (zh) | 网上图像智能安全监管方法 | |
CN112560896A (zh) | 一种基于图像处理的水果品质筛选分类系统 | |
CN113192038A (zh) | 基于深度学习的已有火焰环境中异常烟火识别监测方法 | |
CN113469938B (zh) | 基于嵌入式前端处理服务器的管廊视频分析方法及系统 | |
CN113191273A (zh) | 基于神经网络的油田井场视频目标检测与识别方法及系统 | |
CN117576632B (zh) | 基于多模态ai大模型的电网监控火灾预警系统及方法 | |
CN110866547A (zh) | 基于多特征和随机森林的中药饮片自动分类系统及方法 | |
CN1312638C (zh) | 基于分水岭算法的视频对象提取方法 | |
CN202815869U (zh) | 一种车载微机图像视频数据提取装置 | |
CN102622581A (zh) | 人脸检测方法及系统 | |
CN108073873A (zh) | 基于高清智能摄像机的人脸检测与识别系统 | |
Zhao et al. | Pornographic image recognition in compressed domain based on multi-cost sensitive decision tree | |
CN115810161A (zh) | 一种变电站火灾识别方法及系统 | |
CN114463741A (zh) | 一种基于深度学习的荔枝病虫害识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |