專利名稱：網(wǎng)上圖像智能安全監(jiān)管方法
技術(shù)領(lǐng)域：
本發(fā)明涉及的是一種網(wǎng)絡(luò)上信息安全監(jiān)管方法，特別是一種網(wǎng)上圖像智能安全監(jiān)管方法，屬于網(wǎng)絡(luò)及信息安全領(lǐng)域。
背景技術(shù)：
因特網(wǎng)上存在大量不健康圖像內(nèi)容，其對社會(huì)產(chǎn)生了巨大的不良影響和危害作用。有鑒于此，對互聯(lián)網(wǎng)上不健康圖像進(jìn)行實(shí)時(shí)高效監(jiān)管已成為一個(gè)迫切需要解決的問題。目前，人們經(jīng)常使用下述方法監(jiān)管用戶是否瀏覽網(wǎng)上不健康信息人為收集大量且不斷更新具有不健康內(nèi)容的網(wǎng)址，并建立網(wǎng)址庫，然后監(jiān)控用戶是否瀏覽該庫內(nèi)的網(wǎng)址，若瀏覽，則采取拒絕連接、發(fā)出警告等手段進(jìn)行管理，否則，對用戶連接加以放行。這種方法能夠?qū)τ脩魹g覽網(wǎng)址庫內(nèi)各網(wǎng)址上的不健康圖像起到間接監(jiān)管作用，但是它不能對網(wǎng)址庫外各不健康或健康網(wǎng)址上的不健康圖像進(jìn)行正確監(jiān)管，原因在于該方法不是直接處理并監(jiān)管圖像本身，實(shí)際上，該種方法并非是真正意義上的圖像監(jiān)管方法。此外，該方法中人為參與的因素太多，不能實(shí)現(xiàn)信息的自動(dòng)處理。直接基于圖像信息進(jìn)行網(wǎng)上不健康圖像監(jiān)管的技術(shù)研究成果相對來說目前還很少見。經(jīng)文獻(xiàn)檢索發(fā)現(xiàn)，在國外，有一些檢測人類裸體圖像的圖像處理技術(shù)研究成果，如Fleck與Forsyth在International Journalof Computer Vision(國際計(jì)算機(jī)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(dòng)檢測)”中提出的裸體圖像檢測技術(shù)，但是它們的檢測效果還有待于提高，并且它們的研究僅針對純粹的圖像處理問題，而并非直接針對網(wǎng)上不健康圖像監(jiān)管問題。在網(wǎng)上圖像監(jiān)管過濾方面，目前已出現(xiàn)了為數(shù)不多的幾種基于內(nèi)容的通用圖像檢索技術(shù)。這些技術(shù)均提取圖像的顏色、形狀、紋理等特征并進(jìn)行匹配以進(jìn)行圖像監(jiān)管或過濾，可以用于監(jiān)管網(wǎng)上不健康圖像內(nèi)容，但是，這些通用的圖像檢索技術(shù)并非特定為不健康圖片而設(shè)計(jì)，在進(jìn)行不健康圖片搜索時(shí)效率不高。在網(wǎng)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(shù)目前在行業(yè)內(nèi)處于領(lǐng)先地位。該公司的圖像過濾技術(shù)可以用于對網(wǎng)絡(luò)上的不健康圖像進(jìn)行實(shí)時(shí)判別并過濾。為了判別一些不健康圖像，其使用了兩個(gè)模塊LookThatUp Server(查找它服務(wù)器)和PartnerServer(伙伴服務(wù)器)，其中前一模塊使用了較先進(jìn)的對象分割、圖像索引和圖形特征識(shí)別算法等對圖像進(jìn)行處理，并將結(jié)果送給后一模塊，后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(tǒng)識(shí)別率和算法的實(shí)時(shí)性還有待更進(jìn)一步提高，且自學(xué)習(xí)能力不強(qiáng)，還未得到廣泛推廣使用。目前，尚未發(fā)現(xiàn)國內(nèi)自主研發(fā)的網(wǎng)上不健康圖像內(nèi)容監(jiān)管技術(shù)成果。

發(fā)明內(nèi)容
本發(fā)明針對現(xiàn)有技術(shù)的不足和缺陷，提供一種網(wǎng)上圖像智能安全監(jiān)管方法，使其能夠?qū)ヂ?lián)網(wǎng)上多種格式的不健康圖像進(jìn)行實(shí)時(shí)且高效的監(jiān)管。本發(fā)明是通過以下技術(shù)方案實(shí)現(xiàn)的，本發(fā)明方法具體如下首先，通過數(shù)據(jù)捕獲和協(xié)議分析技術(shù)捕獲網(wǎng)上圖像；其次，通過圖像特征提取技術(shù)提取圖像特征并基于圖像特征定位出圖像中的可疑部位；然后，通過圖像內(nèi)容識(shí)別技術(shù)識(shí)別可疑部位的圖像內(nèi)容，以判斷其是否是不健康圖像信息；最后，根據(jù)識(shí)別結(jié)果對網(wǎng)上數(shù)據(jù)流進(jìn)行相應(yīng)監(jiān)管處理。
以下對本發(fā)明方法作進(jìn)一步的說明(1)通過利用已有的數(shù)據(jù)捕獲與協(xié)議分析技術(shù)獲得互聯(lián)網(wǎng)上的圖像數(shù)據(jù)。
(2)對所獲得的圖像，利用高效的膚色、紋理及形狀提取技術(shù)提取圖像的膚色、紋理和形狀特征，并結(jié)合三者結(jié)果定位圖像中的可疑部位。
這里所述的膚色、紋理及形狀提取技術(shù)包括裸體皮膚區(qū)域確定技術(shù)和裸體皮膚區(qū)域內(nèi)可疑形狀部位提取技術(shù)，裸體皮膚區(qū)域確定技術(shù)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(qiáng)度)模型，在將彩色圖像的RGB(紅色、綠色、藍(lán)色)色彩空間轉(zhuǎn)化為HSI(色度、飽和度、強(qiáng)度)色彩空間后，利用基于閥值的分割方法及大量實(shí)驗(yàn)后所得到的最佳閥值對H(色度)、S(飽和度)、I(強(qiáng)度)三個(gè)值分別進(jìn)行處理，并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(qū)域；②使用基于分形模型的以彩色圖像的亮度所計(jì)算出的分?jǐn)?shù)維、廣義維數(shù)譜和空隙特征以及歸一化的色度和飽和度作為紋理特征的紋理提取方法提取較精確的人體皮膚紋理區(qū)域；③將所得到的人體膚色區(qū)域和紋理區(qū)域結(jié)合得到更精確的裸體皮膚區(qū)域。
裸體皮膚區(qū)域內(nèi)可疑形狀部位提取技術(shù)是指通過使用小波變換方法獲得在所得到的裸體皮膚區(qū)域內(nèi)具有可疑圖像形狀的部位。小波變換具有獲得圖像的細(xì)節(jié)點(diǎn)圖的能力，通過大量實(shí)驗(yàn)發(fā)現(xiàn)，不健康圖像的灰度圖小波變換后，其裸體皮膚區(qū)域內(nèi)具有可疑圖像形狀的部位往往具有較多且明顯的細(xì)節(jié)點(diǎn)，且這些細(xì)節(jié)點(diǎn)比較集中，利用對已確定出的裸體皮膚區(qū)域進(jìn)行灰度處理及小波變換得到細(xì)節(jié)點(diǎn)圖，然后根據(jù)細(xì)節(jié)點(diǎn)在值域及空間上的分布情況并基于大量實(shí)驗(yàn)后所得到的最佳閥值來對可疑部位進(jìn)行定位。
(3)對定位出的可疑部位，利用預(yù)先訓(xùn)練好的模糊進(jìn)化神經(jīng)網(wǎng)絡(luò)進(jìn)行識(shí)別，以判斷圖像是否屬于不健康圖像。
模糊進(jìn)化神經(jīng)網(wǎng)絡(luò)由于具有全局優(yōu)化、并行處理、能夠體現(xiàn)人的視覺模糊特點(diǎn)、適應(yīng)性強(qiáng)、學(xué)習(xí)能力強(qiáng)等特點(diǎn)，以及具有用于比較匹配時(shí)其樣本信息存儲(chǔ)于網(wǎng)絡(luò)內(nèi)，而不像傳統(tǒng)方式上的樣本信息存儲(chǔ)于需要另行花費(fèi)一定時(shí)間去搜索的獨(dú)立樣本庫內(nèi)的特點(diǎn)，所以其在高效性及實(shí)時(shí)性方面都具有良好的性能。但考慮到圖像的數(shù)據(jù)量相對來說較大，若直接將其送入該神經(jīng)網(wǎng)絡(luò)，將會(huì)導(dǎo)致該網(wǎng)絡(luò)的輸入端口數(shù)過多且網(wǎng)絡(luò)規(guī)模過大，為此，還對進(jìn)入該神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù)量進(jìn)行壓縮，所采用的具體方案是將定位出的圖像可疑部位劃分為多個(gè)等大小的小子塊，利用Kohonen(可或恩)神經(jīng)網(wǎng)絡(luò)對各小子塊進(jìn)行矢量量化得到分類結(jié)果，將可以代表原圖像可疑部位內(nèi)容的所有子塊的分類結(jié)果作為模糊進(jìn)化神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù)。由于在壓縮方面也主要使用了具有并行計(jì)算能力的神經(jīng)網(wǎng)絡(luò)，所以也會(huì)使技術(shù)的實(shí)時(shí)性性能不受影響；(4)根據(jù)上一步的判斷結(jié)果并基于預(yù)先已制定的管理策略，對不健康圖像信息進(jìn)行相應(yīng)監(jiān)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(fā)明具有實(shí)質(zhì)性特點(diǎn)和顯著進(jìn)步，本發(fā)明方法使用了基于小波變換的形狀提取技術(shù)等性能良好的圖像特征提取技術(shù)并使用了高效快速的基于神經(jīng)網(wǎng)絡(luò)的圖像可疑部位內(nèi)容識(shí)別技術(shù)，與已有的相關(guān)技術(shù)相比，它不但提高了圖像識(shí)別的準(zhǔn)確率，而且也提高了整個(gè)圖像監(jiān)管過程的速度。
具體實(shí)施例方式
結(jié)合本發(fā)明的內(nèi)容進(jìn)一步提供以下實(shí)施例基于本發(fā)明方法開發(fā)了網(wǎng)上圖像智能安全監(jiān)管原型系統(tǒng)，該系統(tǒng)主要包括數(shù)據(jù)捕獲和協(xié)議分析模塊、圖像特征提取及可疑部位定位模塊、圖像可疑部位內(nèi)容識(shí)別模塊和網(wǎng)絡(luò)數(shù)據(jù)流管理模塊。
首先，通過數(shù)據(jù)捕獲和協(xié)議分析模塊捕獲網(wǎng)上圖像，該模塊中使用已有的成熟的HTTP協(xié)議下互聯(lián)網(wǎng)上數(shù)據(jù)流捕獲與協(xié)議分析技術(shù)；然后，利用圖像特征提取及可疑部位定位模塊提取圖像特征并基于圖像特征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(shù)提取較精確的人體皮膚膚色和紋理區(qū)域，隨后結(jié)合二者結(jié)果得到更精確的人體裸體皮膚區(qū)域，然后在該區(qū)域利用前面所描述的小波變換技術(shù)定位具有可疑圖像形狀的部位；之后，利用圖像可疑部位內(nèi)容識(shí)別模塊對圖像中可疑部位進(jìn)行識(shí)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(gè)等大小的小子塊，然后利用前面所描述的Kohonen(可或恩)神經(jīng)網(wǎng)絡(luò)矢量量化數(shù)據(jù)壓縮技術(shù)得到各子塊壓縮后的數(shù)據(jù)信息，將這些數(shù)據(jù)信息作為模糊進(jìn)化神經(jīng)網(wǎng)絡(luò)的輸入數(shù)值送入模糊進(jìn)化神經(jīng)網(wǎng)絡(luò)，該神經(jīng)網(wǎng)絡(luò)自動(dòng)計(jì)算并輸出分析識(shí)別結(jié)果；最后，根據(jù)識(shí)別結(jié)果并基于預(yù)先制定的監(jiān)管策略通過網(wǎng)絡(luò)數(shù)據(jù)流管理模塊對網(wǎng)上數(shù)據(jù)流進(jìn)行相應(yīng)監(jiān)管處理，在該原型系統(tǒng)中，監(jiān)管處理措施是對正傳輸含有不健康圖像信息的連接進(jìn)行記錄并向管理員告警。
對系統(tǒng)進(jìn)行了性能測試，測試結(jié)果顯示了本發(fā)明在網(wǎng)上圖像監(jiān)管方面具有高效性和實(shí)時(shí)性。
權(quán)利要求
1.一種網(wǎng)上圖像智能安全監(jiān)管方法，其特征在于方法具體如下首先，通過數(shù)據(jù)捕獲和協(xié)議分析技術(shù)捕獲網(wǎng)上圖像；其次，通過圖像特征提取技術(shù)提取圖像特征并基于圖像特征定位出圖像中的可疑部位；然后，對圖像中可疑部位進(jìn)行圖像內(nèi)容識(shí)別，以判斷圖像信息；最后，根據(jù)識(shí)別結(jié)果對網(wǎng)上數(shù)據(jù)流進(jìn)行相應(yīng)監(jiān)管處理。
2.根據(jù)權(quán)利要求1所述的這種網(wǎng)上圖像智能安全監(jiān)管方法，其特征是以下對方法所作的進(jìn)一步的說明(1)通過利用已有的數(shù)據(jù)捕獲與協(xié)議分析技術(shù)獲得互聯(lián)網(wǎng)上的圖像數(shù)據(jù)；(2)對所獲得的圖像，利用高效的膚色、紋理及形狀提取技術(shù)提取圖像的膚色、紋理和形狀特征，并結(jié)合三者結(jié)果定位圖像中的可疑部位；(3)對定位出的可疑部位，利用預(yù)先訓(xùn)練好的模糊進(jìn)化神經(jīng)網(wǎng)絡(luò)進(jìn)行識(shí)別，以判斷圖像；(4)根據(jù)上一步的判斷結(jié)果并基于預(yù)先已制定的管理策略，對圖像信息進(jìn)行相應(yīng)監(jiān)管處理。
3.根據(jù)權(quán)利要求2所述的這種網(wǎng)上圖像智能安全監(jiān)管方法，其特征是模糊進(jìn)化神經(jīng)網(wǎng)絡(luò)進(jìn)行識(shí)別必須對進(jìn)入該神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù)量進(jìn)行壓縮，所采用的具體方案是將定位出的圖像可疑部位劃分為多個(gè)等大小的小子塊，利用可或恩神經(jīng)網(wǎng)絡(luò)對各小子塊進(jìn)行矢量量化得到分類結(jié)果，將代表原圖像可疑部位內(nèi)容的所有子塊的分類結(jié)果作為模糊進(jìn)化神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù)。
4.根據(jù)權(quán)利要求1或2所述的這種網(wǎng)上圖像智能安全監(jiān)管方法，其特征是所述的膚色、紋理及形狀提取技術(shù)包括裸體皮膚區(qū)域確定技術(shù)和裸體皮膚區(qū)域內(nèi)可疑形狀部位提取技術(shù)。
5.根據(jù)權(quán)利要求4所述的這種網(wǎng)上圖像智能安全監(jiān)管方法，其特征是裸體皮膚區(qū)域確定技術(shù)具體為①通過使用反映人觀察彩色方式的色度、飽和度、強(qiáng)度模型，在將彩色圖像的紅色、綠色、藍(lán)色色彩空間轉(zhuǎn)化為色度、飽和度、強(qiáng)度色彩空間后，利用基于閥值的分割方法及大量實(shí)驗(yàn)后所得到的最佳閥值對色度、飽和度、強(qiáng)度三個(gè)值分別進(jìn)行處理，并通過濾波器對輸出的灰度圖像去除毛刺，獲得膚色區(qū)域；②使用基于分形模型的以彩色圖像的亮度所計(jì)算出的分?jǐn)?shù)維、廣義維數(shù)譜和空隙特征以及歸一化的色度和飽和度作為紋理特征的紋理提取方法提取人體皮膚紋理區(qū)域；③將所得到的人體膚色區(qū)域和紋理區(qū)域結(jié)合得到精確的裸體皮膚區(qū)域。
6.根據(jù)權(quán)利要求4所述的這種網(wǎng)上圖像智能安全監(jiān)管方法，其特征是裸體皮膚區(qū)域內(nèi)可疑形狀部位提取技術(shù)是指通過使用小波變換方法獲得在所得到的裸體皮膚區(qū)域內(nèi)具有可疑圖像形狀的部位。
全文摘要
一種網(wǎng)上圖像智能安全監(jiān)管方法屬于網(wǎng)絡(luò)及信息安全領(lǐng)域。方法具體如下首先，通過數(shù)據(jù)捕獲和協(xié)議分析技術(shù)捕獲網(wǎng)上圖像；其次，通過圖像特征提取技術(shù)提取圖像特征并基于圖像特征定位出圖像中的可疑部位；然后，對圖像中可疑部位進(jìn)行圖像內(nèi)容識(shí)別，以判斷其是否是不健康圖像信息；最后，根據(jù)識(shí)別結(jié)果對網(wǎng)上數(shù)據(jù)流進(jìn)行相應(yīng)監(jiān)管處理。本發(fā)明使用了基于小波變換的形狀提取技術(shù)等性能良好的圖像特征提取技術(shù)并使用了高效快速的基于神經(jīng)網(wǎng)絡(luò)的圖像可疑部位內(nèi)容識(shí)別技術(shù)，與已有的相關(guān)技術(shù)相比，不但提高了圖像識(shí)別的準(zhǔn)確率，而且也提高了整個(gè)圖像監(jiān)管過程的速度。
文檔編號(hào)H04L9/00GK1419361SQ0213775
公開日2003年5月21日 申請日期2002年10月31日 優(yōu)先權(quán)日2002年10月31日
發(fā)明者李生紅, 楊樹堂, 李建華, 薛質(zhì), 張鵬 申請人:上海交通大學(xué)