[發明專利]基于產品協議字符識別的惡意條款識別方法、裝置、設備

在審

• 申請號: 202010439266.1
• 申請日: 2020-05-22
• 公開（公告）號: CN111783781A
• 公開（公告）日: 2020-10-16
• 發明（設計）人: 普璇
• 申請（專利權）人: 平安國際智慧城市科技股份有限公司
• 主分類號: G06K9/34
• 分類號: G06K9/34;G06K9/62;G06Q50/18
• 代理公司: 深圳市世聯合知識產權代理有限公司 44385
• 代理人: 汪琳琳

1.一種基于產品協議字符識別的惡意條款識別方法，其特征在于，所述方法包括：

識別觸發關鍵字，并對所述觸發關鍵字對應的頁面進行滾動截屏，得到待提取協議圖片；

對所述待提取協議圖片進行橫向掃描后切割，得到若干行的字符條圖片；

計算所述字符條圖片中的長與寬，按照預設字符長寬比確定所述字符條圖片中單字符的平均寬度；

根據所述平均寬度對所述字符條圖片進行切割，得到包括單字符的字符圖片；

對所述字符圖片進行特征提取，并將得到的維度特征與預設的特征模塊庫的文字的特征進行字符匹配，得到文本特征信息；

將所述文本特征信息輸入到預先訓練好的惡意條款判別器中進行惡意條款的判斷，得到判斷結果。

2.根據權利要求1所述的方法，其特征在于，所述對所述觸發關鍵字對應的頁面進行滾動截屏，得到待提取協議圖片，包括：

對當前滾屏的頁面進行截屏，得到產品協議圖片；

通過幀間差分算法檢測當前截屏得到的產品協議圖片與上一張產品協議圖片之間的相似度；

若所述相似度達到預設值，則停止滾動截屏，并刪除當前截屏得到的產品協議圖片，得到待提取協議圖片。

3.根據權利要求2所述的方法，其特征在于，所述對當前滾屏的頁面進行截屏，得到產品協議圖片之后，還包括：

根據行像素確定相鄰兩張所述產品協議圖片的重疊部分，并裁剪去相鄰兩張所述產品協議圖片中任意一張產品協議圖片中的重疊部分，得到裁剪后的待提取協議圖片。

4.根據權利要求1所述的方法，其特征在于，所述對所述待提取協議圖片進行橫向掃描后切割，得到若干行的字符條圖片，包括：

二值化所述待提取協議圖片得到字符矩陣圖；

獲取所述字符矩陣圖中像素列、像素行的第一像素占用結果；

根據所述第一像素占用結果確定所述字符矩陣圖上的文字區域；并

切割所述文字區域得到所述字符條圖片。

5.根據權利要求4所述的方法，其特征在于，所述根據所述第一像素占用結果確定所述字符矩陣圖上的文字區域，包括：

若所述第一像素占用結果為連續m列像素列上的像素點為0，且連續n行像素行上的像素點為0，則確定所述連續m列像素列上的像素點為0，且連續n行像素行上的像素點為0的像素點范圍外的像素區域為文字區域。

6.根據權利要求4所述的方法，其特征在于，所述根據所述平均寬度對所述字符條圖片進行切割，包括：

獲取所述字符條圖片上像素列的第二像素占用結果；

根據所述第二像素占用結果與所述平均寬度確定相鄰兩單字符的切割坐標；并

在所述切割坐標切割所述字符條圖片。

7.根據權利要求6所述的方法，其特征在于，所述根據所述第二像素占用結果與所述平均寬度確定相鄰兩單字符的切割坐標，包括：

根據所述平均寬度確定相鄰兩單字符的切割坐標范圍；

確定所述切割坐標范圍中每一像素列上的第二像素占用結果；

根據所述第二像素占用結果從所述切割坐標范圍中確定所述切割坐標。

8.一種基于產品協議字符識別的惡意條款識別裝置，其特征在于，包括：

協議截取模塊，用于識別觸發關鍵字，并對所述觸發關鍵字對應的頁面進行滾動截屏，得到待提取協議圖片；

圖片切割模塊，用于對所述待提取協議圖片進行橫向掃描后切割，得到若干行的字符條圖片；

寬度計算模塊，用于計算所述字符條圖片中的長與寬，按照預設字符長寬比確定所述字符條圖片中單字符平均寬度；

字符切割模塊，用于根據所述平均寬度對所述字符條圖片進行切割，得到包括單字符的字符圖片；

特征提取模塊，用于對所述字符圖片進行特征提取，并將得到的維度特征與預設的特征模塊庫的文字特征進行字符匹配，得到文本特征信息；

條款判別模塊，用于將所述文本特征信息輸入到預先訓練好的惡意條款判別器中進行惡意條款的判斷，得到判斷結果。