防止图片二次传播的方法及装置制造方法
【专利摘要】本公开是关于一种防止图片二次传播的方法及装置。所述方法包括：提取待分析图片的局部特征；根据所述待分析图片的局部特征遍历聚类树，确定所述待分析图片的局部特征所属的所述聚类树的叶子节点，所述聚类树为对禁止传播图片库中的禁止传播图片提取局部特征后，利用聚类算法将所述禁止传播图片的局部特征进行聚类后得到的；根据所述待分析图片的局部特征所属的叶子节点，判断所述待分析图片是否为禁止传播图片；当所述待分析图片为禁止传播图片时，执行预设的防传播操作。本公开用于对网络中的禁止传播图片进行识别，并防止这些图片的二次传播。
【专利说明】防止图片二次传播的方法及装置
【技术领域】
[0001]本公开涉及图像分析【技术领域】，尤其涉及一种防止图片二次传播的方法及装置。
【背景技术】
[0002]随着读图时代的到来，图片的传播取得了前所未有的发展。但是，对于违背社会伦理道德的图片，如内容失实的虚假图片，被修改的图片，血腥、残酷、恐怖的图片，侵犯被拍摄者的肖像权、隐私权、名誉权的图片，“泡沫”图片，零信息图片，空头图片，及一些色情挑逗图片等等，需要禁止其在网络上传播。
[0003]相关技术中，大多利用图片的统一资源定位符(Uniform Resource Locator,缩写为URL)或消息摘要算法第五版(Message Digest Algorithm MD5)来识别需要禁止传播的图片。
[0004]相关技术中存在如下问题:若图像的URL发生变化,或者图像被改动,或者有所裁剪，则无法被识别出来，因此，采用相关技术的技术方案，无法准确、有效、全面地禁止违背社会伦理道德的图片的传播。
【发明内容】
[0005]为克服相关技术中存在的问题，本公开实施例提供一种防止图片二次传播的方法及装置。
[0006]根据本公开实施例的第一方面，提供一种防止图片二次传播的方法，包括:
[0007]提取待分析图片的局部特征；
[0008]根据所述待分析图片的局部特征遍历聚类树，确定所述待分析图片的局部特征所属的所述聚类树的叶子节点，所述聚类树为对禁止传播图片库中的禁止传播图片提取局部特征后，利用聚类算法将所述禁止传播图片的局部特征进行聚类后得到的；
[0009]根据所述待分析图片的局部特征所属的叶子节点，判断所述待分析图片是否为禁止传播图片；
[0010]当所述待分析图片为禁止传播图片时，执行预设的防传播操作。
[0011]本实施例中，建立禁止传播图片局部特征库，将待分析图片的局部特征与禁止传播图片局部特征库进行比对，以分析待分析图片是否为禁止传播图片。通过图片的局部特征识别禁止传播图片，即使图片被PS、裁剪、旋转或其他变换，也能够准确地识别出禁止传播图片，一旦禁止传播图片被识别出，则无论其被如何修改，都再无被传播的可能，可以准确、有效、全面地禁止违背社会伦理道德的图片的传播。并且，由于采用遍历聚类树的方式对局部特征进行查询，识别禁止传播图片的速度快，提高识别效率，可以迅速对违背社会伦理道德的图片进行处理，也不会影响正常图片的传播，用户体验度较好。
[0012]可选的，所述根据与所述待分析图片的局部特征所属的叶子节点，判断所述待分析图片是否为禁止传播图片，包括:
[0013]确定所述叶子节点中的局部特征，所述叶子节点中的局部特征与所述待分析图片的局部特征匹配；
[0014]查询所述叶子节点中的局部特征对应的禁止传播图片；
[0015]统计每个禁止传播图片对应的待分析图片的局部特征的个数；
[0016]根据所述每个禁止传播图片对应的待分析图片的局部特征的个数，判定所述待分析图片是否与所述禁止传播图片库中的至少一个禁止传播图片匹配；
[0017]当所述所述待分析图片与所述禁止传播图片库中的至少一个禁止传播图片匹配时，确定所述待分析图片为禁止传播图片。
[0018]在可选方案中，通过采用遍历聚类树的方式对局部特征进行查询，识别禁止传播图片的速度快，提高识别效率，可以迅速对违背社会伦理道德的图片进行处理，也不会影响正常图片的传播，并且，提高识别禁止传播图片的准确度，避免漏识别和误识别，用户体验度较好。
[0019]可选的，所述根据所述每个禁止传播图片对应的待分析图片的局部特征的个数，确定所述待分析图片是否与所述禁止传播图片库中的至少一个禁止传播图片匹配，包括:
[0020]当至少一个禁止传播图片对应的待分析图片的局部特征的个数超过预设数量值时，确定所述待分析图片与所述至少一个禁止传播图片匹配，所述待分析图片为禁止传播图片。
[0021]在可选方案中，通过对判定禁止传播图片的匹配的局部特征的个数进行限定，不仅提高识别禁止传播图片的速度和效率，可以迅速对违背社会伦理道德的图片进行处理，也不会影响正常图片的传播，并且，提高识别禁止传播图片的准确度，避免漏识别和误识另U，用户体验度较好。
[0022]可选的，所述查询所述叶子节点中的局部特征对应的禁止传播图片，包括:
[0023]根据所述叶子节点中的局部特征的特征标识，从倒排文档中查询所述特征标识对应的图片标识，所述倒排文档中记录所述聚类树中每个叶子节点的节点标识，每个叶子节点中包含特征的特征标识，及每个特征对应的禁止传播图片的图片标识；
[0024]根据所述图片标识确定所述禁止传播图片。
[0025]在可选方案中，采用倒排文档的方式记录禁止传播图片的局部特征，将待分析图片的局部特征在倒排文档中进行比对，提高了识别禁止传播图片的速度和效率，可以迅速对违背社会伦理道德的图片进行处理，也不会影响正常图片的传播，并且，提高识别禁止传播图片的准确度，避免漏识别和误识别，用户体验度较好。
[0026]可选的，当所述待分析图片为禁止传播图片时，所述方法还包括:
[0027]获取所述待分析图片的图片标识；
[0028]记录所述待分析图片的局部特征所属的所述聚类树的叶子节点的节点标识，以及所述待分析图片的局部特征匹配的所述叶子节点中的局部特征的特征标识；
[0029]在所述倒排文档中添加所述待分析图片的图片标识，以及所述待分析图片的局部特征所属的所述聚类树的叶子节点的节点标识，以及所述待分析图片的局部特征匹配的所述叶子节点中的局部特征的特征标识。
[0030]在可选方案中，当确定待分析图片为禁止传播图片后，将该待分析图片的局部特征加入到倒排文档中，用于后续对其他图片的识别。这样，一旦禁止传播图片被识别出，则无论其被如何修改，都再无被传播的可能，可以准确、有效、全面地禁止违背社会伦理道德的图片的传播。
[0031]可选的，所述局部特征为图片的旋转不变性特征。
[0032]可选的，所述聚类算法为Kmeans算法。
[0033]根据本公开实施例的第二方面，提供一种防止图片二次传播的装置，包括:
[0034]提取模块，用于提取待分析图片的局部特征；
[0035]确定模块，用于根据所述待分析图片的局部特征遍历聚类树，确定所述待分析图片的局部特征所属的所述聚类树的叶子节点，所述聚类树为对禁止传播图片库中的禁止传播图片提取局部特征后，利用聚类算法将所述禁止传播图片的局部特征进行聚类后得到的；
[0036]判断模块，用于根据所述待分析图片的局部特征所属的叶子节点，判断所述待分析图片是否为禁止传播图片；
[0037]执行模块，用于当所述待分析图片为禁止传播图片时，执行预设的防传播操作。
[0038]可选的，所述判断模块包括:
[0039]第一确定子模块，用于确定所述叶子节点中的局部特征，所述叶子节点中的局部特征与所述待分析图片的局部特征匹配；
[0040]查询子模块，用于查询所述叶子节点中的局部特征对应的禁止传播图片；
[0041]统计子模块，用于统计每个禁止传播图片对应的待分析图片的局部特征的个数；
[0042]判定子模块，用于根据所述每个禁止传播图片对应的待分析图片的局部特征的个数，确定所述待分析图片是否与所述禁止传播图片库中的至少一个禁止传播图片匹配；
[0043]第二确定子模块，用于当所述所述待分析图片与所述禁止传播图片库中的至少一个禁止传播图片匹配时，确定所述待分析图片为禁止传播图片。
[0044]可选的，所述判定子模块，用于当至少一个禁止传播图片对应的待分析图片的局部特征的个数超过预设数量值时，确定所述待分析图片与所述至少一个禁止传播图片匹配，所述待分析图片为禁止传播图片。
[0045]可选的，所述查询子模块，用于根据所述叶子节点中的局部特征的特征标识，从倒排文档中查询所述特征标识对应的图片标识，所述倒排文档中记录所述聚类树中每个叶子节点的节点标识，每个叶子节点中包含特征的特征标识，及每个特征对应的禁止传播图片的图片标识；根据所述图片标识确定所述禁止传播图片。
[0046]可选的，所述装置还包括:
[0047]获取模块，用于当所述待分析图片为禁止传播图片时，获取所述待分析图片的图片标识；
[0048]记录模块，用于记录所述待分析图片的局部特征所属的所述聚类树的叶子节点的节点标识，以及所述待分析图片的局部特征匹配的所述叶子节点中的局部特征的特征标识；
[0049]添加模块，用于在所述倒排文档中添加所述待分析图片的图片标识，以及所述待分析图片的局部特征所属的所述聚类树的叶子节点的节点标识，以及所述待分析图片的局部特征匹配的所述叶子节点中的局部特征的特征标识。
[0050]根据本公开实施例的第三方面，提供一种防止图片二次传播的装置，包括:
[0051]处理器；
[0052]用于存储处理器可执行指令的存储器；
[0053]其中，所述处理器被配置为:
[0054]提取待分析图片的局部特征；
[0055]根据所述待分析图片的局部特征遍历聚类树，确定所述待分析图片的局部特征所属的所述聚类树的叶子节点，所述聚类树为对禁止传播图片库中的禁止传播图片提取局部特征后，利用聚类算法将所述禁止传播图片的局部特征进行聚类后得到的；
[0056]根据所述待分析图片的局部特征所属的叶子节点，判断所述待分析图片是否为禁止传播图片；
[0057]当所述待分析图片为禁止传播图片时，执行预设的防传播操作。
[0058]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
【专利附图】
【附图说明】
[0059]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
[0060]图1是根据一示例性实施例示出的一种防止图片二次传播的方法的流程图；
[0061]图2是根据一示例性实施例示出的Kmeans树的示意图；
[0062]图3是根据另一示例性实施例示出的一种防止图片二次传播的方法的流程图；
[0063]图4是根据另一示例性实施例示出的一种防止图片二次传播的方法的流程图；
[0064]图5是根据另一示例性实施例示出的一种防止图片二次传播的方法的流程图；
[0065]图6是根据另一示例性实施例示出的倒排文档树的示意图；
[0066]图7是根据另一示例性实施例示出的一种防止图片二次传播的方法的流程图；
[0067]图8是根据一示例性实施例示出的一种防止图片二次传播的装置的框图；
[0068]图9是根据一示例性实施例示出的判断模块的框图；
[0069]图10是根据另一示例性实施例示出的一种防止图片二次传播的装置的框图；
[0070]图11是根据一示例性实施例示出的一种用于防止图片二次传播的装置1100的框图。
【具体实施方式】
[0071]这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
[0072]图1是根据一示例性实施例示出的一种防止图片二次传播的方法的流程图，如图1所示，防止图片二次传播的方法用于网络侧的服务器中，包括以下步骤。
[0073]在步骤Sll中，提取待分析图片的局部特征。
[0074]在步骤S12中，根据待分析图片的局部特征遍历聚类树，确定待分析图片的局部特征所属的聚类树的叶子节点，聚类树为对禁止传播图片库中的禁止传播图片提取局部特征后，利用聚类算法将禁止传播图片的局部特征进行聚类后得到的。
[0075]在步骤S13中，根据待分析图片的局部特征所属的叶子节点，判断待分析图片是否为禁止传播图片。
[0076]在步骤S14中，当待分析图片为禁止传播图片时，执行预设的防传播操作。
[0077]本实施例中，建立禁止传播图片局部特征库，将待分析图片的局部特征与禁止传播图片局部特征库进行比对，以分析待分析图片是否为禁止传播图片。通过图片的局部特征识别禁止传播图片，即使图片被PS、裁剪、旋转或其他变换，也能够准确地识别出禁止传播图片，一旦禁止传播图片被识别出，则无论其被如何修改，都再无被传播的可能，可以准确、有效、全面地禁止违背社会伦理道德的图片的传播。并且，由于采用遍历聚类树的方式对局部特征进行查询，识别禁止传播图片的速度快，提高识别效率，可以迅速对违背社会伦理道德的图片进行处理，也不会影响正常图片的传播，用户体验度较好。
[0078]可选的，局部特征为图片的旋转不变性(Scale-1nvariant feature transform,Sift)特征。
[0079]可选的，聚类算法为Kmeans算法。
[0080]在步骤Sll中，提取待分析图片A的Sift特征。
[0081]在步骤S12中，聚类树为对禁止传播图片库中的禁止传播图片提取Sift特征后，利用Kmeans算法将禁止传播图片的Sift特征进行聚类后得到的。
[0082]例如，如图2所示，禁止传播图片库中有30000张图片，其中每张图片提取0_300个Sift特征,共提取出90万个Sift特征,用Kmeans算法对这些Sift特征进行训练,得到一个2层250叉树的Kmeans树。遍历Kmeans树,确定待分析图片的Sift特征滑落的叶子节点位置。其中，每个叶子节点中可包含多个Sift特征。
[0083]在步骤S13中，确定待分析图片A的Sift特征滑落的Kmeans树的叶子节点位置，以判断待分析图片A是否与禁止传播图片库中的某张禁止传播图片匹配。
[0084]在步骤S14中，如果确定待分析图片A与某张禁止传播图片匹配时，执行防传播操作，如屏蔽该图片A，或者同时禁止传播该图片A的用户Ul再次上传图片，或者记录用户Ul上传禁止传播图片的次数，如果超过一定阈值，则屏蔽该用户，或者，可对用户Ul的行为向网络管理员或公安机关进行报警。
[0085]图3是根据另一示例性实施例示出的一种防止图片二次传播的方法的流程图，如图3所示,可选的,上述步骤S13包括:
[0086]在步骤S31中，确定叶子节点中的局部特征，叶子节点中的局部特征与待分析图片的局部特征匹配；
[0087]在步骤S32中，查询叶子节点中的局部特征对应的禁止传播图片；
[0088]在步骤S33中，统计每个禁止传播图片对应的待分析图片的局部特征的个数；
[0089]在步骤S34中，根据每个禁止传播图片对应的待分析图片的局部特征的个数，判定待分析图片是否与禁止传播图片库中的至少一个禁止传播图片匹配；
[0090]在步骤S35中，当待分析图片与禁止传播图片库中的至少一个禁止传播图片匹配时，确定待分析图片为禁止传播图片。
[0091]在可选方案中，通过采用遍历聚类树的方式对局部特征进行查询，识别禁止传播图片的速度快，提高识别效率，可以迅速对违背社会伦理道德的图片进行处理，也不会影响正常图片的传播，并且，提高识别禁止传播图片的准确度，避免漏识别和误识别，用户体验度较好。
[0092]可选的，上述步骤S24包括:
[0093]当至少一个禁止传播图片对应的待分析图片的局部特征的个数超过预设数量值时，确定待分析图片与至少一个禁止传播图片匹配，待分析图片为禁止传播图片。
[0094]例如，可以设置预设数量值为10，即当至少10个待分析图片A的Sift特征命中了同一个禁止传播图片B，则可以确定待分析图片A与禁止传播图片B为同一张图片，待分析图片A为禁止传播图片。
[0095]在可选方案中，通过对判定禁止传播图片的匹配的局部特征的个数进行限定，不仅提高识别禁止传播图片的速度和效率，可以迅速对违背社会伦理道德的图片进行处理，也不会影响正常图片的传播，并且，提高识别禁止传播图片的准确度，避免漏识别和误识另IJ，用户体验度较好。
[0096]图4是根据另一示例性实施例示出的一种防止图片二次传播的方法的流程图，如图4所示,可选的,上述步骤S32包括:
[0097]在步骤S41中，根据叶子节点中的局部特征的特征标识，从倒排文档中查询特征标识对应的图片标识，倒排文档中记录聚类树中每个叶子节点的节点标识，每个叶子节点中包含特征的特征标识，及每个特征对应的禁止传播图片的图片标识；
[0098]在步骤S42中，根据图片标识确定禁止传播图片。
[0099]例如，对于图2中的Kmeans树，可以保存最下面一层的叶子节点，生成倒排文档，倒排文档中记录Kmeans树中每个叶子节点的节点标识,每个叶子节点中包含Sift特征的特征标识，及每个Sift特征对应的禁止传播图片的图片标识。这样，可以在倒排文档中快速地查询叶子节点中的Sift特征对应的禁止传播图片。
[0100]在可选方案中，采用倒排文档的方式记录禁止传播图片的局部特征，将待分析图片的局部特征在倒排文档中进行比对，提高了识别禁止传播图片的速度和效率，可以迅速对违背社会伦理道德的图片进行处理，也不会影响正常图片的传播，并且，提高识别禁止传播图片的准确度，避免漏识别和误识别，用户体验度较好。
[0101]图5是根据另一示例性实施例示出的一种防止图片二次传播的方法的流程图，如图5所示，可选的，当待分析图片为禁止传播图片时，该方法还包括:
[0102]在步骤S51中，获取待分析图片的图片标识；
[0103]在步骤S52中，记录待分析图片的局部特征所属的聚类树的叶子节点的节点标识，以及待分析图片的局部特征匹配的叶子节点中的局部特征的特征标识；
[0104]在步骤S53中，在倒排文档中添加待分析图片的图片标识，以及待分析图片的局部特征所属的聚类树的叶子节点的节点标识，以及待分析图片的局部特征匹配的叶子节点中的局部特征的特征标识。
[0105]例如，如图6所示，当确定待分析图片A为禁止传播图片时，在倒排文档中增加该待分析图片A的的图片标识，每个Sift特征滑落的叶子节点位置以及匹配的叶子节点中的Sift特征的特征标识。
[0106]在可选方案中，当确定待分析图片为禁止传播图片后，将该待分析图片的局部特征加入到倒排文档中，用于后续对其他图片的识别。这样，一旦禁止传播图片被识别出，则无论其被如何修改，都再无被传播的可能，可以准确、有效、全面地禁止违背社会伦理道德的图片的传播。
[0107]下面以一个具体实例对上述方法进行详细说明。
[0108]图7是根据另一示例性实施例示出的一种防止图片二次传播的方法的流程图，如图7所示，该方法包括以下步骤:
[0109]在步骤S71中，获取用户通过即时通讯软件上传的图片A。
[0110]在步骤S72中，提取图片A的100个Sift特征。
[0111]在步骤S73中，遍历Kmeans树,记录图片A的100个Sift特征滑落的叶子节点，命中的叶子节点中的Sift特征，以及命中的Sift特征对应的禁止传播图片。
[0112]在步骤S74中，统计被命中的每个禁止传播图片对应的图片A的Sift特征的个数，例如，禁止传播图片BI对应图片A的58个Sift特征，禁止传播图片B2对应图片A的43个Sift特征，禁止传播图片B3对应图片A的17个Sift特征，禁止传播图片B4对应图片A的9个Sift特征，禁止传播图片B5对应图片A的3个Sift特征。
[0113]在步骤S75中，判断是否有被命中的每个禁止传播图片对应的图片A的Sift特征的个数超过40，如果是，执行步骤S76，如果否，执行步骤S77。
[0114]在步骤S76中，确定图片A为禁止传播图片，屏蔽图片A。
[0115]在步骤S77中，正常显示该图片A。
[0116]本实施例，可以对用户通过即时通讯软件上传的图片或在BBS中等上传的图片进行识别，当发现为禁止传播图片时，屏蔽该图片，即使图片被PS、裁剪、旋转或其他变换，也能够准确地识别出禁止传播图片，一旦禁止传播图片被识别出，则无论其被如何修改，都再无被传播的可能，可以准确、有效、全面地禁止违背社会伦理道德的图片的传播。并且，由于采用遍历聚类树的方式对局部特征进行查询，识别禁止传播图片的速度快，提高识别效率，可以迅速对违背社会伦理道德的图片进行处理，也不会影响正常图片的传播，用户体验度较好。
[0117]图8是根据一示例性实施例示出的一种防止图片二次传播的装置的框图，如图8所示，该装置包括提取模块81，确定模块82，判断模块83和执行模块84。
[0118]提取模块81被配置为提取待分析图片的局部特征；
[0119]确定模块82被配置为根据所述待分析图片的局部特征遍历聚类树，确定所述待分析图片的局部特征所属的所述聚类树的叶子节点，所述聚类树为对禁止传播图片库中的禁止传播图片提取局部特征后，利用聚类算法将所述禁止传播图片的局部特征进行聚类后得到的；
[0120]判断模块83被配置为根据所述待分析图片的局部特征所属的叶子节点，判断所述待分析图片是否为禁止传播图片；
[0121]执行模块84被配置为当所述待分析图片为禁止传播图片时，执行预设的防传播操作。
[0122]图9是根据一示例性实施例示出的判断模块的框图，如图9所示，可选的，判断模块83包括:
[0123]第一确定子模块91被配置为确定所述叶子节点中的局部特征，所述叶子节点中的局部特征与所述待分析图片的局部特征匹配；
[0124]查询子模块92被配置为查询所述叶子节点中的局部特征对应的禁止传播图片；
[0125]统计子模块93被配置为统计每个禁止传播图片对应的待分析图片的局部特征的个数；
[0126]判定子模块94被配置为根据所述每个禁止传播图片对应的待分析图片的局部特征的个数，确定所述待分析图片是否与所述禁止传播图片库中的至少一个禁止传播图片匹配；
[0127]第二确定子模块95被配置为当所述所述待分析图片与所述禁止传播图片库中的至少一个禁止传播图片匹配时，确定所述待分析图片为禁止传播图片。
[0128]可选的，判定子模块94被配置为当至少一个禁止传播图片对应的待分析图片的局部特征的个数超过预设数量值时，确定所述待分析图片与所述至少一个禁止传播图片匹配，所述待分析图片为禁止传播图片。
[0129]可选的，查询子模块92被配置为根据所述叶子节点中的局部特征的特征标识，从倒排文档中查询所述特征标识对应的图片标识，所述倒排文档中记录所述聚类树中每个叶子节点的节点标识，每个叶子节点中包含特征的特征标识，及每个特征对应的禁止传播图片的图片标识；根据所述图片标识确定所述禁止传播图片。
[0130]图10是根据另一示例性实施例示出的一种防止图片二次传播的装置的框图，如图10所示，可选的，该装置还包括:
[0131]获取模块85被配置为当所述待分析图片为禁止传播图片时，获取所述待分析图片的图片标识；
[0132]记录模块86被配置为记录所述待分析图片的局部特征所属的所述聚类树的叶子节点的节点标识，以及所述待分析图片的局部特征匹配的所述叶子节点中的局部特征的特征标识；
[0133]添加模块87被配置为在所述倒排文档中添加所述待分析图片的图片标识，以及所述待分析图片的局部特征所属的所述聚类树的叶子节点的节点标识，以及所述待分析图片的局部特征匹配的所述叶子节点中的局部特征的特征标识。
[0134]关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
[0135]本实施例中，建立禁止传播图片局部特征库，将待分析图片的局部特征与禁止传播图片局部特征库进行比对，以分析待分析图片是否为禁止传播图片。通过图片的局部特征识别禁止传播图片，即使图片被PS、裁剪、旋转或其他变换，也能够准确地识别出禁止传播图片，一旦禁止传播图片被识别出，则无论其被如何修改，都再无被传播的可能，可以准确、有效、全面地禁止违背社会伦理道德的图片的传播。并且，由于采用遍历聚类树的方式对局部特征进行查询，识别禁止传播图片的速度快，提高识别效率，可以迅速对违背社会伦理道德的图片进行处理，也不会影响正常图片的传播，用户体验度较好。
[0136]图11是根据一示例性实施例示出的一种用于防止图片二次传播的装置1100的框图。例如，装置1100可以被提供为一服务器。参照图11，装置1100包括处理组件1122，其进一步包括一个或多个处理器，以及由存储器1132所代表的存储器资源，用于存储可由处理组件1122的执行的指令，例如应用程序。存储器1132中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1122被配置为执行指令，以执行上述方法……
[0137]装置1100还可以包括一个电源组件1126被配置为执行装置1100的电源管理，一个有线或无线网络接口 1150被配置为将装置1100连接到网络，和一个输入输出(I/O)接口 1158。装置1100可以操作基于存储在存储器1132的操作系统，例如Windows ServerTM,Mac OS XTM, UnixTM, LinuxTM, FreeBSDTM 或类似。
[0138]在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器1304，上述指令可由装置1300的处理器1320执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
[0139]一种非临时性计算机可读存储介质，当所述存储介质中的指令由服务器的处理器执行时，使得服务器能够执行一种防止图片二次传播的方法，包括:
[0140]提取待分析图片的局部特征；
[0141]根据所述待分析图片的局部特征遍历聚类树，确定所述待分析图片的局部特征所属的所述聚类树的叶子节点，所述聚类树为对禁止传播图片库中的禁止传播图片提取局部特征后，利用聚类算法将所述禁止传播图片的局部特征进行聚类后得到的；
[0142]根据所述待分析图片的局部特征所属的叶子节点，判断所述待分析图片是否为禁止传播图片；
[0143]当所述待分析图片为禁止传播图片时，执行预设的防传播操作。
[0144]可选的，所述根据与所述待分析图片的局部特征所属的叶子节点，判断所述待分析图片是否为禁止传播图片，包括:
[0145]确定所述叶子节点中的局部特征，所述叶子节点中的局部特征与所述待分析图片的局部特征匹配；
[0146]查询所述叶子节点中的局部特征对应的禁止传播图片；
[0147]统计每个禁止传播图片对应的待分析图片的局部特征的个数；
[0148]根据所述每个禁止传播图片对应的待分析图片的局部特征的个数，判定所述待分析图片是否与所述禁止传播图片库中的至少一个禁止传播图片匹配；
[0149]当所述所述待分析图片与所述禁止传播图片库中的至少一个禁止传播图片匹配时，确定所述待分析图片为禁止传播图片。
[0150]可选的，所述根据所述每个禁止传播图片对应的待分析图片的局部特征的个数，确定所述待分析图片是否与所述禁止传播图片库中的至少一个禁止传播图片匹配，包括:
[0151]当至少一个禁止传播图片对应的待分析图片的局部特征的个数超过预设数量值时，确定所述待分析图片与所述至少一个禁止传播图片匹配，所述待分析图片为禁止传播图片。
[0152]可选的，所述查询所述叶子节点中的局部特征对应的禁止传播图片，包括:
[0153]根据所述叶子节点中的局部特征的特征标识，从倒排文档中查询所述特征标识对应的图片标识，所述倒排文档中记录所述聚类树中每个叶子节点的节点标识，每个叶子节点中包含特征的特征标识，及每个特征对应的禁止传播图片的图片标识；
[0154]根据所述图片标识确定所述禁止传播图片。
[0155]可选的，当所述待分析图片为禁止传播图片时，所述方法还包括:
[0156]获取所述待分析图片的图片标识；
[0157]记录所述待分析图片的局部特征所属的所述聚类树的叶子节点的节点标识，以及所述待分析图片的局部特征匹配的所述叶子节点中的局部特征的特征标识；
[0158]在所述倒排文档中添加所述待分析图片的图片标识，以及所述待分析图片的局部特征所属的所述聚类树的叶子节点的节点标识，以及所述待分析图片的局部特征匹配的所述叶子节点中的局部特征的特征标识。
[0159]可选的，所述局部特征为图片的旋转不变性特征。
[0160]可选的，所述聚类算法为Kmeans算法。
[0161]本实施例中，建立禁止传播图片局部特征库，将待分析图片的局部特征与禁止传播图片局部特征库进行比对，以分析待分析图片是否为禁止传播图片。通过图片的局部特征识别禁止传播图片，即使图片被PS、裁剪、旋转或其他变换，也能够准确地识别出禁止传播图片，一旦禁止传播图片被识别出，则无论其被如何修改，都再无被传播的可能，可以准确、有效、全面地禁止违背社会伦理道德的图片的传播。并且，由于采用遍历聚类树的方式对局部特征进行查询，识别禁止传播图片的速度快，提高识别效率，可以迅速对违背社会伦理道德的图片进行处理，也不会影响正常图片的传播，用户体验度较好。
[0162]本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本【技术领域】中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
[0163]应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
【权利要求】
1.一种防止图片二次传播的方法，其特征在于，包括: 提取待分析图片的局部特征； 根据所述待分析图片的局部特征遍历聚类树，确定所述待分析图片的局部特征所属的所述聚类树的叶子节点，所述聚类树为对禁止传播图片库中的禁止传播图片提取局部特征后，利用聚类算法将所述禁止传播图片的局部特征进行聚类后得到的； 根据所述待分析图片的局部特征所属的叶子节点，判断所述待分析图片是否为禁止传播图片； 当所述待分析图片为禁止传播图片时，执行预设的防传播操作。
2.根据权利要求1所述的方法，其特征在于，所述根据与所述待分析图片的局部特征所属的叶子节点，判断所述待分析图片是否为禁止传播图片，包括: 确定所述叶子节点中的局部特征，所述叶子节点中的局部特征与所述待分析图片的局部特征匹配； 查询所述叶子节点中的局部特征对应的禁止传播图片； 统计每个禁止传播图片对应的待分析图片的局部特征的个数； 根据所述每个禁止传播图片对应的待分析图片的局部特征的个数，判定所述待分析图片是否与所述禁止传播图片库中的至少一个禁止传播图片匹配； 当所述所述待分析图片与所述禁止传播图片库中的至少一个禁止传播图片匹配时，确定所述待分析图片为禁止传播图片。
3.根据权利要求2所述的方法，其特征在于，所述根据所述每个禁止传播图片对应的待分析图片的局部特征的个数，确定所述待分析图片是否与所述禁止传播图片库中的至少一个禁止传播图片匹配，包括: 当至少一个禁止传播图片对应的待分析图片的局部特征的个数超过预设数量值时，确定所述待分析图片与所述至少一个禁止传播图片匹配，所述待分析图片为禁止传播图片。
4.根据权利要求2所述的方法，其特征在于，所述查询所述叶子节点中的局部特征对应的禁止传播图片，包括: 根据所述叶子节点中的局部特征的特征标识，从倒排文档中查询所述特征标识对应的图片标识，所述倒排文档中记录所述聚类树中每个叶子节点的节点标识，每个叶子节点中包含特征的特征标识，及每个特征对应的禁止传播图片的图片标识； 根据所述图片标识确定所述禁止传播图片。
5.根据权利要求4所述的方法，其特征在于，当所述待分析图片为禁止传播图片时，所述方法还包括: 获取所述待分析图片的图片标识； 记录所述待分析图片的局部特征所属的所述聚类树的叶子节点的节点标识，以及所述待分析图片的局部特征匹配的所述叶子节点中的局部特征的特征标识； 在所述倒排文档中添加所述待分析图片的图片标识，以及所述待分析图片的局部特征所属的所述聚类树的叶子节点的节点标识，以及所述待分析图片的局部特征匹配的所述叶子节点中的局部特征的特征标识。
6.根据权利要求1-5中任一项所述的方法，其特征在于，所述局部特征为图片的旋转不变性特征。
7.根据权利要求1-5中任一项所述的方法，其特征在于，所述聚类算法为Kmeans算法。
8.一种防止图片二次传播的装置，其特征在于，包括: 提取模块，用于提取待分析图片的局部特征； 确定模块，用于根据所述待分析图片的局部特征遍历聚类树，确定所述待分析图片的局部特征所属的所述聚类树的叶子节点，所述聚类树为对禁止传播图片库中的禁止传播图片提取局部特征后，利用聚类算法将所述禁止传播图片的局部特征进行聚类后得到的； 判断模块，用于根据所述待分析图片的局部特征所属的叶子节点，判断所述待分析图片是否为禁止传播图片； 执行模块，用于当所述待分析图片为禁止传播图片时，执行预设的防传播操作。
9.根据权利要求8所述的装置，其特征在于，所述判断模块包括: 第一确定子模块，用于确定所述叶子节点中的局部特征，所述叶子节点中的局部特征与所述待分析图片的局部特征匹配； 查询子模块，用于查询所述叶子节点中的局部特征对应的禁止传播图片； 统计子模块，用于统计每个禁止传播图片对应的待分析图片的局部特征的个数； 判定子模块，用于根据所述每个禁止传播图片对应的待分析图片的局部特征的个数，确定所述待分析图片是否与所述禁止传播图片库中的至少一个禁止传播图片匹配； 第二确定子模块，用于当所述所述待分析图片与所述禁止传播图片库中的至少一个禁止传播图片匹配时，确定所述待分析图片为禁止传播图片。
10.根据权利要求9所述的装置，其特征在于，所述判定子模块，用于当至少一个禁止传播图片对应的待分析图片的局部特征的个数超过预设数量值时，确定所述待分析图片与所述至少一个禁止传播图片匹配，所述待分析图片为禁止传播图片。
11.根据权利要求9所述的装置，其特征在于，所述查询子模块，用于根据所述叶子节点中的局部特征的特征标识，从倒排文档中查询所述特征标识对应的图片标识，所述倒排文档中记录所述聚类树中每个叶子节点的节点标识，每个叶子节点中包含特征的特征标识，及每个特征对应的禁止传播图片的图片标识；根据所述图片标识确定所述禁止传播图片。
12.根据权利要求11所述的装置，其特征在于，所述装置还包括: 获取模块，用于当所述待分析图片为禁止传播图片时，获取所述待分析图片的图片标识； 记录模块，用于记录所述待分析图片的局部特征所属的所述聚类树的叶子节点的节点标识，以及所述待分析图片的局部特征匹配的所述叶子节点中的局部特征的特征标识；添加模块，用于在所述倒排文档中添加所述待分析图片的图片标识，以及所述待分析图片的局部特征所属的所述聚类树的叶子节点的节点标识，以及所述待分析图片的局部特征匹配的所述叶子节点中的局部特征的特征标识。
13.一种防止图片二次传播的装置，其特征在于，包括: 处理器； 用于存储处理器可执行指令的存储器； 其中，所述处理器被配置为: 提取待分析图片的局部特征； 根据所述待分析图片的局部特征遍历聚类树，确定所述待分析图片的局部特征所属的所述聚类树的叶子节点，所述聚类树为对禁止传播图片库中的禁止传播图片提取局部特征后，利用聚类算法将所述禁止传播图片的局部特征进行聚类后得到的； 根据所述待分析图片的局部特征所属的叶子节点，判断所述待分析图片是否为禁止传播图片； 当所述待分析图片为禁止传播图片时，执行预设的防传播操作。
【文档编号】G06K9/62GK104268445SQ201410520981
【公开日】2015年1月7日 申请日期:2014年9月30日 优先权日:2014年9月30日
【发明者】张涛, 徐晓舟, 王琳 申请人:小米科技有限责任公司