[发明专利]一种图像中敏感信息的检测方法及系统

说明书

本发明公开了一种图像中敏感信息的检测方法及系统，属于图像处理技术、机器学习技术和大数据分析技术领域。所述检测方法及系统可自动识别图片复杂背景中的字符区域，从而有效识别字符内容，极大的提升检测效率。所述检测方法包括：对所上传的图像进行识别和解码，获得原始解码图像；并对所述原始解码图像进行预处理；搜索所述预处理后的原始解码图像中的字符区域；对所述字符区域进行字符分割，并对所述分割后的字符进行识别；从所述识别的字符中搜索敏感信息及对应的敏感信息级别，并反馈敏感信息。

技术领域

本发明涉及图像处理技术、机器学习技术和大数据分析技术领域，具体来说，涉及一种图像中敏感信息的检测方法及系统。

背景技术

随着中国新广告法的出台，电子商务平台和平台的商家对于图片中出现的敏感文字需要进行审查和过滤。现有方法，如申请号201110428091.5，专利名称为视频图像文字的检测方法及系统的中国专利，不适用对于含有复杂背景的静态商品图片的敏感词识别的功能。同时基于人工处理审查图片中的敏感词的效率低，性能差，无法满足一天上百万的新图片处理需求。随着广告法的完善，商品覆盖面的提高，图片种类越来越丰富，有效的对商品图片中文字内容的鉴别就显得越来越重要。

申请号201210490923.0，专利名称为一种微博图片敏感信息检测方法的中国专利，能够实现对于微博特定敏感图片的检测，但是没有通用性。该专利是基于图片的匹配。对于不出现在样本库中的文字无法直接识别，不能实现通用的审查功能。

综上，现有技术对于敏感信息的检测往往使用人工的方式，效率低下，准确度低，无法跟上商品图片上线的速度。使用机器检测的方法中，如果采用文字图片直接匹配的方式，效果差，无法识别不在图片样本库中的文字内容。

发明内容

本发明实施例提供一种图像中敏感信息的检测方法及系统，以自动识别图片复杂背景中的字符区域，从而有效识别字符内容，极大的提升检测效率。

为解决上述技术问题，本发明实施例采用以下技术方案：

第一方面，本发明实施例提供一种图像中敏感信息的检测方法，包括：

对所上传的图像进行识别和解码，获得原始解码图像；并对所述原始解码图像进行预处理；

搜索所述预处理后的原始解码图像中的字符区域；

对所述字符区域进行字符分割，并对所述分割后的字符进行识别；

从所述识别的字符中搜索敏感信息及对应的敏感信息级别，并反馈敏感信息。

结合第一方面，作为第一种可实现的方案，所述对所上传的图像进行识别和解码，包括：

对上传的图像的尺寸和格式进行识别，若检测到符合预先设定的尺寸和格式，则对所述图像进行解码，获得原始解码图像。

结合第一方面，作为第二种可实现的方案，所述对所述原始解码图像进行预处理，包括：

对所述原始解码图像进行图像尺度调整，将不同尺寸的原始解码图像调整为预先设定的固定宽度；对所述原始解码图像进行颜色调整，将彩色原始解码图像调整为灰度图像。

结合第一方面，作为第三种可实现的方案，所述搜索所述预处理后的原始解码图像中的字符区域，包括：

通过训练得到双分类器，其中，一个分类器用于判断图像中单个子区域为字符的概率，另一个分类器用于判断子区域组合成整体区域为字符组合的概率；

采用所述双分类器判断图像中各个子区域含有字符的概率，根据所述概率得到所述子区域组合成的整体区域是否为字符组合区域。

结合第一方面，作为第四种可实现的方案，所述对所述字符区域进行字符分割，包括：