【技术实现步骤摘要】
图片作弊检测方法、装置、电子设备、存储介质
本专利技术涉及计算机应用
，尤其涉及一种图片作弊检测方法、装置、电子设备、存储介质。
技术介绍
目前，图片仍然是OTA(OnlineTravelAgency，在线旅行社)行业展示商品的最重要的手段，优质的图片有助于更好的突出卖点，并且用户也能有更好的浏览体验。OTA的多种业务需要展示大量的图片，以酒店图片为例，需要展示房间、餐厅、泳池、会议室等多种不同类别的图片。然而在实际业务中存在将小图放大以次充好，以及单张图片进行变换后重复展示的作弊行为，这将导致图片内容质量差和内容冗余，从而对酒店推荐评分以及展示排序产生影响，使得用户体验差。因此图片作弊检测成为解决这一问题的主要手段。然而，如何在OTA领域，对图片进行作弊检测，是本领域技术人员亟待解决的技术问题。
技术实现思路
本专利技术为了克服上述现有技术存在的缺陷，提供一种图片作弊检测方法、装置、电子设备、存储介质，以实现图片的作弊检测。根据本专利技术的一个方面，提供一种图片作弊检测方法，包括：...
【技术保护点】
1.一种图片作弊检测方法，其特征在于，包括：/nS110：获取待检测对象的多个图片；/nS120：对所述多个图片进行分类，以划分为多个图片组；/nS130：对每一图片组，依次选取两个图片作为第一图片和第二图片进行作弊检测：/nS131：检测所述第一图片和所述第二图片的关键点以获得第一关键点集以及第二关键点集，并根据所检测的关键点提取特征向量；/nS132：根据第一关键点集以及第二关键点集的各关键点的特征向量，建立第一关键点集以及第二关键点集的关键点集之间的关联关系；/nS133：根据所述第一关键点集以及第二关键点集的关键点集之间的关联关系，计算所述第一图片与所述第二图片之间...
【技术特征摘要】
1.一种图片作弊检测方法，其特征在于，包括：
S110：获取待检测对象的多个图片；
S120：对所述多个图片进行分类，以划分为多个图片组；
S130：对每一图片组，依次选取两个图片作为第一图片和第二图片进行作弊检测：
S131：检测所述第一图片和所述第二图片的关键点以获得第一关键点集以及第二关键点集，并根据所检测的关键点提取特征向量；
S132：根据第一关键点集以及第二关键点集的各关键点的特征向量，建立第一关键点集以及第二关键点集的关键点集之间的关联关系；
S133：根据所述第一关键点集以及第二关键点集的关键点集之间的关联关系，计算所述第一图片与所述第二图片之间的匹配率；
S134：判断所述第一图片与所述第二图片之间的匹配率是否大于预定阈值；
若步骤S134判断为否，则执行步骤S135：确定所述第一图片和第二图片存在作弊行为；
若步骤S134判断为是，则执行步骤S136：对所述第二图片进行变换，将变换后的图片更新为所述第二图片，并再次执行所述步骤S131至步骤S134。
2.如权利要求1所述的图片作弊检测方法，其特征在于，所述步骤S136包括：对所述第二图片进行变换，将变换后的图片更新为所述第二图片，并再次执行所述步骤S131至步骤S134。
3.如权利要求1所述的图片作弊检测方法，其特征在于，所述步骤S136对所述第二图片进行变换包括对所述第二图片进行水平镜像翻转。
4.如权利要求1所述的图片作弊检测方法，其特征在于，所述S131：检测所述第一图片和所述第二图片的关键点获得第一关键点集以及第二关键点集，并根据所检测的关键点提取特征向量包括：
分别为第一图片和第二图片构建高斯金字塔；
基于FAST算法从第一图片的高斯金字塔上检测M个关键点以及每个关键点基于第一图片的灰度质心的方向角；
基于FAST算法从第二图片的高斯金字塔上检测N个关键点以及每个关键点基于第二图片的灰度质心的方向角；
基于steeredBRIEF特征描述算子以及方向角分别对第一图片和第二图片的每一关键点提取特征向量，
其中，M，N为大于0的整数。
5.如权利要求1所述的图片作弊检测方法，其特征在于，所述S132：根据第一关键点集以及第二关键点集的各关键点的特征向量，建立第一关键点集以及第二关键点集的关键点集之间的关联关系包括：
采用FLANN算法对第一关键点集以及第二关键点集的各关键点的特征向量进行...
【专利技术属性】
技术研发人员：杨凯，罗超，胡泓，李巍，
申请(专利权)人：携程计算机技术上海有限公司，
类型：发明
国别省市：上海;31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。