網上圖像智能安全監管方法
2023-09-17 23:13:25 1
專利名稱：網上圖像智能安全監管方法
技術領域：
本發明涉及的是一種網絡上信息安全監管方法，特別是一種網上圖像智能安全監管方法，屬於網絡及信息安全領域。
背景技術：
網際網路上存在大量不健康圖像內容，其對社會產生了巨大的不良影響和危害作用。有鑑於此，對網際網路上不健康圖像進行實時高效監管已成為一個迫切需要解決的問題。目前，人們經常使用下述方法監管用戶是否瀏覽網上不健康信息人為收集大量且不斷更新具有不健康內容的網址，並建立網址庫，然後監控用戶是否瀏覽該庫內的網址，若瀏覽，則採取拒絕連接、發出警告等手段進行管理，否則，對用戶連接加以放行。這種方法能夠對用戶瀏覽網址庫內各網址上的不健康圖像起到間接監管作用，但是它不能對網址庫外各不健康或健康網址上的不健康圖像進行正確監管，原因在於該方法不是直接處理並監管圖像本身，實際上，該種方法並非是真正意義上的圖像監管方法。此外，該方法中人為參與的因素太多，不能實現信息的自動處理。直接基於圖像信息進行網上不健康圖像監管的技術研究成果相對來說目前還很少見。經文獻檢索發現，在國外，有一些檢測人類裸體圖像的圖像處理技術研究成果，如Fleck與Forsyth在International Journalof Computer Vision(國際計算機視覺期刊)，Volume 32，Issue 1，August 1999上所撰寫的「Automatic Detection of Human Nudes(人類裸體自動檢測)」中提出的裸體圖像檢測技術，但是它們的檢測效果還有待於提高，並且它們的研究僅針對純粹的圖像處理問題，而並非直接針對網上不健康圖像監管問題。在網上圖像監管過濾方面，目前已出現了為數不多的幾種基於內容的通用圖像檢索技術。這些技術均提取圖像的顏色、形狀、紋理等特徵並進行匹配以進行圖像監管或過濾，可以用於監管網上不健康圖像內容，但是，這些通用的圖像檢索技術並非特定為不健康圖片而設計，在進行不健康圖片搜索時效率不高。在網址http//www.lookthatup.com/eng/imagefilter f.htm上，法國LookThatUp(查找它)公司研究的圖像過濾與檢索技術目前在行業內處於領先地位。該公司的圖像過濾技術可以用於對網絡上的不健康圖像進行實時判別並過濾。為了判別一些不健康圖像，其使用了兩個模塊LookThatUp Server(查找它伺服器)和PartnerServer(夥伴伺服器)，其中前一模塊使用了較先進的對象分割、圖像索引和圖形特徵識別算法等對圖像進行處理，並將結果送給後一模塊，後一模塊再與圖像庫比較，以決定是否過濾該圖像，但是該圖像過濾系統識別率和算法的實時性還有待更進一步提高，且自學習能力不強，還未得到廣泛推廣使用。目前，尚未發現國內自主研發的網上不健康圖像內容監管技術成果。
發明內容
本發明針對現有技術的不足和缺陷，提供一種網上圖像智能安全監管方法，使其能夠對網際網路上多種格式的不健康圖像進行實時且高效的監管。本發明是通過以下技術方案實現的，本發明方法具體如下首先，通過數據捕獲和協議分析技術捕獲網上圖像；其次，通過圖像特徵提取技術提取圖像特徵並基於圖像特徵定位出圖像中的可疑部位；然後，通過圖像內容識別技術識別可疑部位的圖像內容，以判斷其是否是不健康圖像信息；最後，根據識別結果對網上數據流進行相應監管處理。
以下對本發明方法作進一步的說明(1)通過利用已有的數據捕獲與協議分析技術獲得網際網路上的圖像數據。
(2)對所獲得的圖像，利用高效的膚色、紋理及形狀提取技術提取圖像的膚色、紋理和形狀特徵，並結合三者結果定位圖像中的可疑部位。
這裡所述的膚色、紋理及形狀提取技術包括裸體皮膚區域確定技術和裸體皮膚區域內可疑形狀部位提取技術，裸體皮膚區域確定技術具體為①通過使用反映人觀察彩色方式的HSI(色度、飽和度、強度)模型，在將彩色圖像的RGB(紅色、綠色、藍色)色彩空間轉化為HSI(色度、飽和度、強度)色彩空間後，利用基於閥值的分割方法及大量實驗後所得到的最佳閥值對H(色度)、S(飽和度)、I(強度)三個值分別進行處理，並通過濾波器對輸出的灰度圖像去除毛刺，獲得較精確的膚色區域；②使用基於分形模型的以彩色圖像的亮度所計算出的分數維、廣義維數譜和空隙特徵以及歸一化的色度和飽和度作為紋理特徵的紋理提取方法提取較精確的人體皮膚紋理區域；③將所得到的人體膚色區域和紋理區域結合得到更精確的裸體皮膚區域。
裸體皮膚區域內可疑形狀部位提取技術是指通過使用小波變換方法獲得在所得到的裸體皮膚區域內具有可疑圖像形狀的部位。小波變換具有獲得圖像的細節點圖的能力，通過大量實驗發現，不健康圖像的灰度圖小波變換後，其裸體皮膚區域內具有可疑圖像形狀的部位往往具有較多且明顯的細節點，且這些細節點比較集中，利用對已確定出的裸體皮膚區域進行灰度處理及小波變換得到細節點圖，然後根據細節點在值域及空間上的分布情況並基於大量實驗後所得到的最佳閥值來對可疑部位進行定位。
(3)對定位出的可疑部位，利用預先訓練好的模糊進化神經網絡進行識別，以判斷圖像是否屬於不健康圖像。
模糊進化神經網絡由於具有全局優化、並行處理、能夠體現人的視覺模糊特點、適應性強、學習能力強等特點，以及具有用於比較匹配時其樣本信息存儲於網絡內，而不像傳統方式上的樣本信息存儲於需要另行花費一定時間去搜索的獨立樣本庫內的特點，所以其在高效性及實時性方面都具有良好的性能。但考慮到圖像的數據量相對來說較大，若直接將其送入該神經網絡，將會導致該網絡的輸入埠數過多且網絡規模過大，為此，還對進入該神經網絡的輸入數據量進行壓縮，所採用的具體方案是將定位出的圖像可疑部位劃分為多個等大小的小子塊，利用Kohonen(可或恩)神經網絡對各小子塊進行矢量量化得到分類結果，將可以代表原圖像可疑部位內容的所有子塊的分類結果作為模糊進化神經網絡的輸入數據。由於在壓縮方面也主要使用了具有並行計算能力的神經網絡，所以也會使技術的實時性性能不受影響；(4)根據上一步的判斷結果並基於預先已制定的管理策略，對不健康圖像信息進行相應監管處理。例如，切斷正傳輸含有不健康圖像信息的連接，記錄一連接對不健康圖像信息的瀏覽狀況等。
本發明具有實質性特點和顯著進步，本發明方法使用了基於小波變換的形狀提取技術等性能良好的圖像特徵提取技術並使用了高效快速的基於神經網絡的圖像可疑部位內容識別技術，與已有的相關技術相比，它不但提高了圖像識別的準確率，而且也提高了整個圖像監管過程的速度。
具體實施例方式
結合本發明的內容進一步提供以下實施例基於本發明方法開發了網上圖像智能安全監管原型系統，該系統主要包括數據捕獲和協議分析模塊、圖像特徵提取及可疑部位定位模塊、圖像可疑部位內容識別模塊和網絡數據流管理模塊。
首先，通過數據捕獲和協議分析模塊捕獲網上圖像，該模塊中使用已有的成熟的HTTP協議下網際網路上數據流捕獲與協議分析技術；然後，利用圖像特徵提取及可疑部位定位模塊提取圖像特徵並基於圖像特徵定位出圖像中的可疑部位。在該模塊中，首先使用前面所描述的膚色、紋理提取技術提取較精確的人體皮膚膚色和紋理區域，隨後結合二者結果得到更精確的人體裸體皮膚區域，然後在該區域利用前面所描述的小波變換技術定位具有可疑圖像形狀的部位；之後，利用圖像可疑部位內容識別模塊對圖像中可疑部位進行識別，以判斷其是否是不健康圖像信息。在該模塊中，首先將定位出的圖像可疑部位劃分為多個等大小的小子塊，然後利用前面所描述的Kohonen(可或恩)神經網絡矢量量化數據壓縮技術得到各子塊壓縮後的數據信息，將這些數據信息作為模糊進化神經網絡的輸入數值送入模糊進化神經網絡，該神經網絡自動計算並輸出分析識別結果；最後，根據識別結果並基於預先制定的監管策略通過網絡數據流管理模塊對網上數據流進行相應監管處理，在該原型系統中，監管處理措施是對正傳輸含有不健康圖像信息的連接進行記錄並向管理員告警。
對系統進行了性能測試，測試結果顯示了本發明在網上圖像監管方面具有高效性和實時性。
權利要求
1.一種網上圖像智能安全監管方法，其特徵在於方法具體如下首先，通過數據捕獲和協議分析技術捕獲網上圖像；其次，通過圖像特徵提取技術提取圖像特徵並基於圖像特徵定位出圖像中的可疑部位；然後，對圖像中可疑部位進行圖像內容識別，以判斷圖像信息；最後，根據識別結果對網上數據流進行相應監管處理。
2.根據權利要求1所述的這種網上圖像智能安全監管方法，其特徵是以下對方法所作的進一步的說明(1)通過利用已有的數據捕獲與協議分析技術獲得網際網路上的圖像數據；(2)對所獲得的圖像，利用高效的膚色、紋理及形狀提取技術提取圖像的膚色、紋理和形狀特徵，並結合三者結果定位圖像中的可疑部位；(3)對定位出的可疑部位，利用預先訓練好的模糊進化神經網絡進行識別，以判斷圖像；(4)根據上一步的判斷結果並基於預先已制定的管理策略，對圖像信息進行相應監管處理。
3.根據權利要求2所述的這種網上圖像智能安全監管方法，其特徵是模糊進化神經網絡進行識別必須對進入該神經網絡的輸入數據量進行壓縮，所採用的具體方案是將定位出的圖像可疑部位劃分為多個等大小的小子塊，利用可或恩神經網絡對各小子塊進行矢量量化得到分類結果，將代表原圖像可疑部位內容的所有子塊的分類結果作為模糊進化神經網絡的輸入數據。
4.根據權利要求1或2所述的這種網上圖像智能安全監管方法，其特徵是所述的膚色、紋理及形狀提取技術包括裸體皮膚區域確定技術和裸體皮膚區域內可疑形狀部位提取技術。
5.根據權利要求4所述的這種網上圖像智能安全監管方法，其特徵是裸體皮膚區域確定技術具體為①通過使用反映人觀察彩色方式的色度、飽和度、強度模型，在將彩色圖像的紅色、綠色、藍色色彩空間轉化為色度、飽和度、強度色彩空間後，利用基於閥值的分割方法及大量實驗後所得到的最佳閥值對色度、飽和度、強度三個值分別進行處理，並通過濾波器對輸出的灰度圖像去除毛刺，獲得膚色區域；②使用基於分形模型的以彩色圖像的亮度所計算出的分數維、廣義維數譜和空隙特徵以及歸一化的色度和飽和度作為紋理特徵的紋理提取方法提取人體皮膚紋理區域；③將所得到的人體膚色區域和紋理區域結合得到精確的裸體皮膚區域。
6.根據權利要求4所述的這種網上圖像智能安全監管方法，其特徵是裸體皮膚區域內可疑形狀部位提取技術是指通過使用小波變換方法獲得在所得到的裸體皮膚區域內具有可疑圖像形狀的部位。
全文摘要
一種網上圖像智能安全監管方法屬於網絡及信息安全領域。方法具體如下首先，通過數據捕獲和協議分析技術捕獲網上圖像；其次，通過圖像特徵提取技術提取圖像特徵並基於圖像特徵定位出圖像中的可疑部位；然後，對圖像中可疑部位進行圖像內容識別，以判斷其是否是不健康圖像信息；最後，根據識別結果對網上數據流進行相應監管處理。本發明使用了基於小波變換的形狀提取技術等性能良好的圖像特徵提取技術並使用了高效快速的基於神經網絡的圖像可疑部位內容識別技術，與已有的相關技術相比，不但提高了圖像識別的準確率，而且也提高了整個圖像監管過程的速度。
文檔編號H04L9/00GK1419361SQ0213775
公開日2003年5月21日 申請日期2002年10月31日 優先權日2002年10月31日
發明者李生紅, 楊樹堂, 李建華, 薛質, 張鵬 申請人:上海交通大學