[發明專利]色情圖片鑒定方法、電子裝置及可讀存儲介質

有效

• 申請號: 201810184583.6
• 申請日: 2018-03-06
• 公開（公告）號: CN108491866B
• 公開（公告）日: 2022-09-13
• 發明（設計）人: 趙駿
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/774;G06V10/56;G06V10/28;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 深圳市沃德知識產權代理事務所(普通合伙) 44347
• 代理人: 于志光;郭夢霞

1.一種色情圖片鑒定方法，其特征在于，所述色情圖片鑒定方法包括：

在收到待鑒定圖片后，檢測所述待鑒定圖片的圖片格式，并利用預先訓練的圖片分類模型對所述待鑒定圖片進行識別，輸出所述待鑒定圖片屬于一個或多個預設圖片類別的概率值；其中，所述圖片分類模型為卷積神經網絡模型，該卷積神經網絡模型是預先利用所述預設圖片類別的樣本圖片進行訓練得到的，所述圖片格式包括黑白格式和非黑白格式，所述預設圖片類別包括色情圖片和非色情圖片；

根據所述待鑒定圖片的圖片格式和所述概率值，判斷所述待鑒定圖片是否屬于色情圖片，包括：若判斷出所述待鑒定圖片的圖片格式為黑白圖片，則將所述圖片分類模型輸出的該待鑒定圖片屬于色情圖片類別的概率值調低預設數值，若該待鑒定圖片屬于色情圖片類別的概率值調低預設數值后仍小于預設閾值，則判定該待鑒定圖片不屬于色情圖片，若該待鑒定圖片屬于色情圖片類別的概率值調低預設數值后大于預設閾值，則判定該待鑒定圖片屬于色情圖片。

2.如權利要求1所述的色情圖片鑒定方法，其特征在于，所述圖片分類模型的訓練步驟如下：

A、收集預設數量的色情圖片、性感圖片、和正常圖片作為樣本圖片，并在各個樣本圖片上標注對應的圖片類別；

B、對各個樣本圖片進行圖片預處理；

C、將預處理后的樣本圖片分為第一比例的訓練集和第二比例的驗證集；

D、利用所述訓練集訓練卷積神經網絡模型；

E、利用所述驗證集驗證訓練的卷積神經網絡模型的準確率，若準確率大于或者等于預設準確率，則訓練結束，并將訓練好的卷積神經網絡模型作為圖片分類模型；若準確率小于預設準確率，則重新收集樣本圖片并重復執行上述步驟B、C、D、E。

3.如權利要求2所述的色情圖片鑒定方法，其特征在于，所述圖片分類模型的訓練過程如下：

H、建立卷積核、偏差矩陣；

I、利用建立的所述卷積核、所述偏差矩陣與樣本圖片進行卷積運算；

J、通過relu的激活函數矯正所述卷積運算的結果；

K、對樣本圖片進行池化操作，重復執行上述步驟H、I、J，直至訓練的模型的價值函數梯度下降，結束模型訓練。

4.如權利要求1所述的色情圖片鑒定方法，其特征在于，當所述待鑒定圖片為動態圖片時，還包括以下步驟：

將所述待鑒定圖片截幀成多張圖片，檢測截幀的每一張圖片的圖片格式，并分別利用預先訓練的圖片分類模型對截幀的多張圖片進行識別，輸出截幀的每一張圖片屬于各個預設圖片類別的概率值；

根據所述截幀的每一張圖片的圖片格式和所述概率值，判斷所述待鑒定圖片是否屬于色情圖片。

5.如權利要求4所述的色情圖片鑒定方法，其特征在于，所述根據所述截幀的每一張圖片的圖片格式和所述概率值，判斷所述待鑒定圖片是否屬于色情圖片的步驟具體包括：

根據所述截幀的每一張圖片的圖片格式和所述概率值，判斷截幀的圖片中是否存在屬于色情圖片的圖片；

若存在，則判定所述待鑒定圖片屬于色情圖片；否則，判斷所述待鑒定圖片不屬于色情圖片；或者

根據所述截幀的每一張圖片的圖片格式和所述概率值，判斷截幀的圖片中色情圖片概率值大于預設值的圖片是否超過兩張；

若是，則判定所述待鑒定圖片屬于色情圖片；否則，判斷所述待鑒定圖片不屬于色情圖片。

6.一種電子裝置，其特征在于，所述電子裝置包括存儲器、處理器，所述存儲器上存儲有可在所述處理器上運行的色情圖片鑒定系統，所述色情圖片鑒定系統被所述處理器執行時實現如權利要求1-5任一項所述的色情圖片鑒定方法的步驟。

7.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質上存儲有色情圖片鑒定系統，所述色情圖片鑒定系統被處理器執行時實現如權利要求1-5任一項所述的色情圖片鑒定方法的步驟。