图片反作弊方法及装置制造方法及图纸

本发明专利技术实施例公开了一种图片反作弊方法及装置。其中，所述方法包括：从待发表图片中提取图片的像素标识特征；根据提取的像素标识特征和预先存储的已知作弊图片的作弊像素标识特征，对所述待发表图片进行作弊识别。本发明专利技术实施例通过采用像素标识特征进行作弊识别，能够更真实的反映图片内容，且难以规避，能够提高过滤作弊图片的准确度。

【技术实现步骤摘要】

本专利技术实施例涉及图片识别
，尤其涉及一种图片反作弊方法及装置。
技术介绍
随着互联网的高速增长，以百度贴吧为例的用户产生内容(User Generated Content，UGC)产品得到了快速发展，并成为用户获取信息的重要渠道。但与此同时，一些作弊者利用UGC平台发布一些虚假广告或者色情传播的信息，严重影响用户体验。尤其近些年，用户的作弊形式已经逐步由文本信息转移到了图片作弊。现有的图片反作弊技术中，主要依赖的是通用的图片处理技术，比如采用图片中的字符识别技术判断图片是否有作弊字符，或者通过为图片进行色情打分来判断图片是否为色情图片。但是，这些通用的图片处理技术很容易被作弊者绕过，比如图片中的作弊信息并非通过字符传递，或者说针对通用处理技术的原理做一些可以绕过该项技术识别的图片，这在现阶段的作弊领域并不困难。因此，现有的反作弊技术过滤作弊图片的精确度比较低。
技术实现思路
本专利技术提供一种图片反作弊方法及装置，以提高过滤作弊图片的精确度。第一方面，本专利技术实施例提供了一种图片反作弊方法，该方法包括：从待发表图片中提取图片的像素标识特征；根据提取的像素标识特征和预先存储的已知作弊图片的作弊像素标识特征，对所述待发表图片进行作弊识别。第二方面，本专利技术实施例还提供了一种图片反作弊装置，该装置包括：特征提取模块，用于从待发表图片中提取图片的像素标识特征；作弊识别模块，用于根据提取的像素标识特征和预先存储的已知作弊图片的作弊像素标识特征，对所述待发表图片进行作弊识别。本专利技术实施例通过提取待发表图片中的像素标识特征，根据提取的像素标识特征和预先存储的已知作弊图片的作弊像素标识特征，对所述待发表图片进行作弊识别，由于作弊像素标识特征能够标识即将显示的直观图片的内容，所以将其作为过滤作弊图片的参考因素能够规避作弊手段，因此，能够有效地提高过滤作弊图片的准确度。附图说明图1是本专利技术实施例一中的一种图片反作弊方法的流程图；图2是本专利技术实施例二中的一种图片反作弊方法的流程图；图3是本专利技术实施例三中的一种图片反作弊装置的结构图。具体实施方式下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需
要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。实施例一图1为本专利技术实施例一提供的一种图片反作弊方法的流程图，本实施例可适用于对待发表图片进行作弊识别的情况，例如，通过论坛或者应用客户端APP发帖子，用于对帖子中的图片进行作弊识别，该方法可以由本专利技术实施例提供的图片反作弊装置来执行，该装置可采用硬件或软件的方式实现，该装置也可集成于移动终端、平板电脑、固定终端或服务器中，如图1所示，具体包括：S101、从待发表图片中提取图片的像素标识特征。其中，所述待发表图片具体可以为但不限于照片、发贴图片、APPA界面截图、网页界面截图等。所述像素标识特征表征所述待发表图片中包含的内容信息，是基于即将直观被显示的图片的像素而提取出的特征，所以能够代表图片的原始显示内容。该像素标识特征既可以从全部待发表图片提取，也可以从待发表图片的部分区域提取。所述像素标识特征可以为但不限于下述至少一种：灰度特征、纹理特征、SIFT特征和SURF特征。比对像素标识特征，实际上相当于直接比对图片本身。但采用有效的方式提取像素标识特征，可以使得直接比对图像所需的计算量下降。其中，灰度特征为图片中各像素点的灰度值或灰度统计值，例如，根据所述待发表图片中每个像素点一般包括R、G、B三个子像素，每个子像素都均有对应的灰度值，可求取像素或子像素的灰度平均值，将该平均值作为每个像素点对应的灰度值，或者求取R、G、B像素灰度值的加权和，即R、G、B像素
灰度值分别乘以一个加权因子再叠加，叠加后再除以3，将该加权和作为每个像素点对应的灰度值。灰度统计值具体可为但不限于根据每个像素点对应的灰度值得到的直方图。其中，纹理特征为图片中像素点的分布规律，其表征了所述待发表图片中像素的分布情况。具体可采用但不限于以下方法来获取所述待发表图片的纹理特征：LBP纹理特征提取算法、小波变换、傅里叶变换、行程长度分析、灰度差分分析和灰度共生矩阵分析等。其中，SIFT特征为采用SIFT特征提取算法对图片进行处理得到的特征。SURF特征为采用SURF特征提取算法对图片进行处理得到的特征。S102、根据提取的像素标识特征和预先存储的已知作弊图片的作弊像素标识特征，对所述待发表图片进行作弊识别。具体的，将提取的图片的特征信息与预先存储的作弊特征信息进行相似度匹配，将相似度超过预设阈值(例如90％)的待发表图片确定为作弊图片。其中，在将提取的图片的特征信息与预先存储的作弊特征信息进行相似度匹配时，用于匹配的图片的像素标识特征需与作弊像素标识特征对应，采用相同的提取算法进行像素标识特征提取。也就是说，如果所述作弊像素标识特征为灰度特征，则用于匹配的图片的特征信息也需为灰度特征，如果提取的图片的特征信息为非灰度特征，则需要对其进行处理得到对应的灰度特征，再进行相似度匹配。同理，如果所述作弊像素标识特征为纹理特征，则也需获取提取的图片的特征信息对应的纹理特征。如果所述作弊像素标识特征为SIFT特征和SURF特征，也需要将提取的图片的特征信息转换为对应的SIFT特征和SURF特征，再进行相似度匹配。本实施例通过提取待发表图片中的像素标识特征，根据提取的像素标识特征和预先存储的已知作弊图片的作弊像素标识特征，对所述待发表图片进行作弊识别，由于本专利技术实施例将已知作弊图片的作弊像素标识特征作为过滤作弊图片的参考因素，该像素标识特征能够反映出直观显示图片的原始内容，因此，可规避作弊手段，能够有效地提高过滤作弊图片的准确度。在上述技术方案的基础上，在对所述待发表图片进行作弊图片的识别之后，还包括如下步骤：如果确定所述待发表图片为作弊图片，则获取所述作弊图片对应的作弊像素标识特征所属的作弊类型；根据所述作弊类型对所述作弊图片进行处理。其中，所述作弊类型优选包括以下至少一种：传播非法信息类型、传播色情信息类型、传播反动信息类型和传播广告信息类型。具体的，在根据所述作弊类型对所述作弊图片进行处理时，根据作弊类型统计所述作弊图片在预设时间段内的发表次数；将同一作弊类型且发表次数超过预设次数的作弊图片从当前显示页面中删除，并将所述作弊图片对应的历史发表图片进行删除。例如，如果所述作弊类型为传播广告信息类型，则统计为该作弊类型的作弊图片在预设时间段内的发表次数，如果发表次数(例如，5次或10次)超过预设次数(例如3次)，则从当前显示页面中删除该作弊图片，并将该作弊图片对应的历史发表图片进行删除。如果所述作弊类型为较为严重的传播非法信息类型、传播色情信息类型或传播反动信息类型，一旦识别出该类型的作弊图片，则直接拒绝发表，或一次发表就从当前显示页面中删除。在上述技术方案的基础上，在对所述待发表图片进行作弊识别之后，对于已发表的作弊图片，例如，上述包含广告信息的作弊图片，为提示用户该图片为作弊图片，在显示时需区别显示作弊图片中的作弊像素标识特征和非作弊像素标识特征，或在所述作弊图片中标注所述作弊像素标识特征的位本文档来自技高网...

【技术保护点】
一种图片反作弊方法，其特征在于，包括：从待发表图片中提取图片的像素标识特征；根据提取的像素标识特征和预先存储的已知作弊图片的作弊像素标识特征，对所述待发表图片进行作弊识别。

【技术特征摘要】
1.一种图片反作弊方法，其特征在于，包括：从待发表图片中提取图片的像素标识特征；根据提取的像素标识特征和预先存储的已知作弊图片的作弊像素标识特征，对所述待发表图片进行作弊识别。2.根据权利要求1所述的方法，其特征在于，对所述待发表图片进行作弊图片的识别之后，还包括：如果确定所述待发表图片为作弊图片，则获取所述作弊图片对应的作弊像素标识特征所属的作弊类型；根据所述作弊类型对所述作弊图片进行处理。3.根据权利要求2所述的方法，其特征在于，所述作弊类型包括以下至少一种：传播非法信息类型、传播色情信息类型、传播反动信息类型和传播广告信息类型。4.根据权利要求2所述的方法，其特征在于，根据所述作弊类型对所述作弊图片进行处理，包括：根据作弊类型统计所述作弊图片在预设时间段内的发表次数；将同一作弊类型且发表次数超过预设次数的作弊图片从当前显示页面中删除，并将所述作弊图片对应的历史发表图片进行删除。5.根据权利要求1所述的方法，其特征在于，还包括：获取已知作弊图片的作弊像素标识特征；将所述作弊像素标识特征存储在图片识别数据库中。6.根据权利要求5所述的方法，其特征在于，将所述作弊像素标识特征存储在图片识别数据库中包括：对所述作弊像素标识特征进行作弊类型分类处理，将所述作弊像素标识特征和对应的作弊类型存储在图片识别数据库中。7.根据权利要求5或6所述的方法，其特征在于，对所述待发表图片进行作弊识别之后，还包括：如果识别到所述待发表图片为作弊图片，则将提取的所述像素标识特征中与作弊像素标识特征匹配的内容，作为新的作弊像素标识特征存储在所述图片识别数据库中。8.根据权利要求1～6任一项所述的方法，其特征在于，所述像素标识特征为下述至少一种：灰度特征，为图片中各像素点的灰度值或灰度统计值；纹理特征，为图片中像素点的分布规律；SIFT特征，为采用SIFT特征提取算法对图片进行处理得到的特征；SURF特征，为采用SURF特征提取算法对图片进行处理得到的特征。9.根据权利要求1～6任一项所述的方法，其特征在于，对所述待发表图片进行作弊识别之后，还包括：区别显示作弊图片中的作弊像素标识特征和非作弊像素标识特征，或在所述作弊图片中标注所述作弊像素标识特征的位置。10.根据权利要求1～6任一项所述的方法，其特征在于，根据提取的像素标识特征和预先存储的已知作弊图片的作弊像素标识特征，对所述待发表图片进行作弊识别包括：确定提取的所述像素标识特征与预先存储的已知作弊图片的作弊像素标识特征的相似度，将所述相似度超过预设阈值的像素标识特征作为与作弊像素标
\t识特征匹配的内容，并确定所述待发明图标为作弊图片。11.一种图片反作弊装置，其特征在于，包括：特征提取模块，用于从待发表图片中...

【专利技术属性】
技术研发人员：常鑫，
申请(专利权)人：百度在线网络技术北京有限公司，
类型：发明
国别省市：北京;11