[發明專利]一種拍屏文件圖片檢測方法、裝置及存儲介質

有效

• 申請號: 202010761222.0
• 申請日: 2020-07-31
• 公開（公告）號: CN111985483B
• 公開（公告）日: 2022-08-26
• 發明（設計）人: 黃仁裕;吳堅;高志鵬;趙建強;張輝極;黃劍;杜新勝;尤俊生
• 申請（專利權）人: 廈門市美亞柏科信息股份有限公司
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/26;G06V30/24;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 廈門福貝知識產權代理事務所(普通合伙) 35235
• 代理人: 陳遠洋

1.一種拍屏文件圖片檢測方法，其特征在于，該方法包括：

獲取步驟，從拍照設備中獲取待檢測的圖片；

檢測步驟，使用第一卷積神經網絡模型對所述待檢測的圖片進行檢測，如果該圖片為拍屏圖片，則使用第二卷積神經網絡檢測該圖片中是否包含文字，如果是，則進行文字識別；

識別步驟，使用第三卷積神經網絡模型對包含文字的拍屏圖片進行文字識別，得到文本文件；

匹配步驟，使用所述文本文件與計算機系統中存儲的文件進行匹配，如果匹配度大于第一閾值，則發出警報；

還包括：使用所述第一卷積神經網絡模型的卷積層提取待檢測的圖片的波紋特征，將所述波紋特征輸入至與全連接層連接的分類器，所述分類器輸出為二維向量，所述二維向量中的第一維向量表示所述待檢測的圖片為拍屏文件圖片的概率，所述二維向量中的第二維向量表示所述待檢測的圖片為非拍屏文件圖片的概率，如果第一維向量大于第二維向量，所述待檢測的圖片為拍屏文件圖片。

2.根據權利要求1所述的方法，其特征在于，所述計算機系統中存儲的文件為涉密文件，所述第一卷積神經網絡模型和第二卷積神經網絡的卷積層數少于所述第三卷積神經網絡模型的卷積層數。

3.根據權利要求2所述的方法，其特征在于，使用所述第二卷積神經網絡模型的卷積層提取待檢測的圖片的文字特征，將所述文字特征輸入至與全連接層連接的分類器，所述分類器輸出表示是否包含文字的概率值，如果所述概率值大于第二閾值，所述第二卷積神經網絡模型為每一行文字標記一個檢測框，并輸出每個檢測框的坐標和傾斜角度；根據每個檢測框的傾斜角度對所述拍屏文件圖片進行水平旋轉，旋轉角度大小為所有檢測框的傾斜角度的平均值，并重新計算旋轉后的拍屏文件圖片的每個檢測框的坐標，根據旋轉后的拍屏文件圖片的每個檢測框的坐標將旋轉后的拍屏文件圖片裁剪為多個長條形圖片。

4.根據權利要求3所述的方法，其特征在于，將所述多個長條形圖片依次輸入至第三卷積神經網絡模型進行文字識別，將每一個長條形圖片識別得到的文字依次相連后得到所述文本文件。

5.一種拍屏文件圖片檢測裝置，其特征在于，該裝置包括：

獲取單元，從拍照設備中獲取待檢測的圖片；

檢測單元，使用第一卷積神經網絡模型對所述待檢測的圖片進行檢測，如果該圖片為拍屏圖片，則使用第二卷積神經網絡檢測該圖片中是否包含文字，如果是，則進行文字識別；

識別單元，使用第三卷積神經網絡模型對包含文字的拍屏圖片進行文字識別，得到文本文件；

匹配單元，使用所述文本文件與計算機系統中存儲的文件進行匹配，如果匹配度大于第一閾值，則發出警報；

其中，使用所述第一卷積神經網絡模型的卷積層提取待檢測的圖片的波紋特征，將所述波紋特征輸入至與全連接層連接的分類器，所述分類器輸出為二維向量，所述二維向量中的第一維向量表示所述待檢測的圖片為拍屏文件圖片的概率，所述二維向量中的第二維向量表示所述待檢測的圖片為非拍屏文件圖片的概率，如果第一維向量大于第二維向量，所述待檢測的圖片為拍屏文件圖片。

6.根據權利要求5所述的裝置，其特征在于，所述計算機系統中存儲的文件為涉密文件，所述第一卷積神經網絡模型和第二卷積神經網絡的卷積層數少于所述第三卷積神經網絡模型的卷積層數。

7.根據權利要求6所述的裝置，其特征在于，使用所述第二卷積神經網絡模型的卷積層提取待檢測的圖片的文字特征，將所述文字特征輸入至與全連接層連接的分類器，所述分類器輸出表示是否包含文字的概率值，如果所述概率值大于第二閾值，所述第二卷積神經網絡模型為每一行文字標記一個檢測框，并輸出每個檢測框的坐標和傾斜角度；根據每個檢測框的傾斜角度對所述拍屏文件圖片進行水平旋轉，旋轉角度大小為所有檢測框的傾斜角度的平均值，并重新計算旋轉后的拍屏文件圖片的每個檢測框的坐標，根據旋轉后的拍屏文件圖片的每個檢測框的坐標將旋轉后的拍屏文件圖片裁剪為多個長條形圖片。