一种基于屏幕监控的软件识别方法技术

本发明专利技术公开了一种基于屏幕监控的应用程序识别方法，相比于传统的视频图像识别方法进行了改进，包括以下步骤：步骤S1：利用Leaders聚类的算法对数据集进行预处理，接着进行抽样操作，抽取若干个样本子集，对样本子集进行核K‑means聚类操作，最后通过计算各个样本子集间的均值距离整合聚类结果确定anchor的初始位置在送入YOLOv3模型中进行目标检测；步骤S2：引入可以用来搭建具有稀疏性网络的inception结构，使得具有参数完整连接的网络层变成具有稀疏性的网络层，在减少训练参数数量的同时加宽网络的宽度；步骤S3：通过对YOLOv3模型的多尺度融合操作进行改进，考虑特征提取网络更加浅层的目标信息，提高网络对小目标的敏感程度。

【技术实现步骤摘要】
一种基于屏幕监控的软件识别方法
本专利技术是一种基于屏幕监控的软件识别方法，属于应用程序系统识别

技术介绍
应用程序行为主要表现在人际交互行为(界面)上，因此对程序的操作信息的采集可以具体到对界面的信息采集，而在某些大型应用系统中，由于程序数量众多、界面非标准化如无标题、空间动态创建、控件ID为动态改变，会造成采集效率低，某些界面难以识别的问题,无法满足现实的需求。因故本方法采用了与图像处理技术相结合的方法，对屏幕应用程序进行检测。图像识别处理技术是20世纪60年代随着计算机行业兴起而产生的新型技术，在实际应用和发展中获得了重要应用成果。俗话说，感官最重要的是视觉，而图像又是视觉的基础。早期图像处理的目标是单纯优化质量，以人为物，达到优化视觉效果的目的。图像识别技术的原理是根据技术的信息识别结果，在自身数据存储库中寻找相似性的数据原型，进而来对图像进行识别。本专利技术中使用到卷积神经网络进行分析预测处理，目前，深度学习技术在图像识别领域有了长足的发展,各种应用层出不穷,如人脸识别、车牌识别、医学影像识别等不同行业。人脸识别技术本文档来自技高网...

【技术保护点】
1.一种基于屏幕监控的软件识别方法，其特征在于：步骤S1：利用Leaders聚类的算法对数据集进行预处理，接着进行抽样操作，抽取若干个样本子集，对样本子集进行核K-means聚类操作，最后通过计算各个样本子集间的均值距离整合聚类结果确定anchor的初始位置在送入YOLOv3模型中进行目标检测；/n步骤S2：引入用来搭建具有稀疏性网络的inception结构，使得具有参数完整连接的网络层变成具有稀疏性的网络层，在减少训练参数数量的同时加宽网络的宽度；/n步骤S3：通过对YOLOv3模型的多尺度融合操作进行改进，考虑特征提取网络更加浅层的目标信息，提高网络对小目标的敏感程度。/n

【技术特征摘要】
1.一种基于屏幕监控的软件识别方法，其特征在于：步骤S1：利用Leaders聚类的算法对数据集进行预处理，接着进行抽样操作，抽取若干个样本子集，对样本子集进行核K-means聚类操作，最后通过计算各个样本子集间的均值距离整合聚类结果确定anchor的初始位置在送入YOLOv3模型中进行目标检测；
步骤S2：引入用来搭建具有稀疏性网络的inception结构，使得具有参数完整连接的网络层变成具有稀疏性的网络层，在减少训练参数数量的同时加宽网络的宽度；
步骤S3：通过对YOLOv3模型的多尺度融合操作进行改进，考虑特征提取网络更加浅层的目标信息，提高网络对小目标的敏感程度。


2.根据权利要求1所述的一种基于屏幕监控的应用程序识别方法，其特征在于：所述步骤S1包括：首先采用Leaders聚类方法对待聚类特征点进行初始聚...

【专利技术属性】
技术研发人员：胡浩，姜楠，刘子豪，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：北京;11