[发明专利]一种敏感图像识别方法及装置

权利要求书

1.一种敏感图像识别方法，其特征在于，包括：

采集敏感图像并在所述敏感图像中标定敏感区域；

基于所述敏感图像对卷积神经网络进行训练，获得第一检测模型；其中，所述第一检测模型用以确定被检图像是否为敏感图像以及被检图像中的敏感区域位置；

在所述第一检测模型中移除用于确定敏感区域位置的层级并进行分类训练生成第二检测模型；

其中，将所述敏感图像作为第一样本；如果第一检测模型能够确定正常图像中的敏感区域的位置，则将此正常图像作为新类别的第二样本；基于所述第一样本和所述第二样本对移除了所述用于确定敏感区域位置的层级的第一检测模型进行分类训练，生成所述第二检测模型；

根据所述第二检测模型对被检图像进行分类识别，用以确定被检图像是否为敏感图像。

2.如权利要求1所述的方法，其特征在于，所述在所述敏感图像中标定敏感区域包括：

在所述敏感图像中标定包含有敏感部位和/或敏感动作的敏感区域，并确定所述敏感部位和/或敏感动作所属的类别。

3.如权利要求2所述的方法，其特征在于，还包括：

在所述敏感图像中生成围绕所述敏感部位和/或敏感动作的封闭线条，形成所述敏感区域；

确定所述敏感区域在所述敏感图像中的位置信息，基于所述类别和所述位置信息生成与所述敏感区域相对应的标签。

4.如权利要求3所述的方法，其特征在于，每种类别所对应的所述标签的数量都相同。

5.如权利要求3所述的方法，其特征在于，还包括：

在生成所述封闭线条后，采用平滑滤波器对所述敏感图像进行滤波处理；

改变所述敏感图像的颜色通道的值，用以进行图像增强。

6.如权利要求1所述的方法，其特征在于，所述基于所述敏感图像对卷积神经网络进行训练、获得第一检测模型包括：

基于所述第一样本对所述卷积神经网络进行训练，获取第一检测模型；

采集正常图像，使用所述第一检测模型对所述正常图像进行检测；

基于所述第二样本继续对所述卷积神经网络进行训练，获取新的第一检测模型。

7.如权利要求6所述的方法，其特征在于，还包括：

如果所述第一检测模型对所述正常图像进行检测的准确率达到预期的准确率阈值，则停止对所述卷积神经网络进行训练并获取所述第一检测模型。

8.如权利要求6所述的方法，其特征在于，所述第一检测模型包括：用于识别敏感图像的分类器、卷积层和连接层、用于确定敏感区域位置信息的层级。

9.如权利要求1至8任意一项所述的方法，其特征在于，

所述卷积神经网络包括：基于SSD算法的网络。

10.一种敏感图像识别装置，其特征在于，包括：

图像采集模块，用于采集敏感图像；

区域标定模块，用于在所述敏感图像中标定敏感区域；

第一训练模块，用于基于所述敏感图像对卷积神经网络进行训练，获得第一检测模型；其中，所述第一检测模型用以确定被检图像是否为敏感图像以及被检图像中的敏感区域位置；

第二训练模块，用于在所述第一检测模型中移除用于确定敏感区域位置的层级并进行分类训练生成第二检测模型；

其中，第一训练模块，还用于将所述敏感图像作为第一样本；如果能够确定正常图像中的敏感区域的位置，则将此正常图像作为新类别的第二样本；

所述第二训练模块，还用于基于所述第一样本和所述第二样本对移除了所述用于确定敏感区域位置的层级的第一检测模型进行分类训练，生成所述第二检测模型；

图像检测模块，用于根据所述第二检测模型对被检图像进行分类识别，用以确定被检图像是否为敏感图像。