基于圖文識(shí)別的廣告圖片檢測系統(tǒng)的設(shè)計(jì)與分析

伍祥 劉文豪 趙子祥 王嘯楠

摘要：針對目前互聯(lián)網(wǎng)的全民普及的趨勢以致不法分子利用網(wǎng)絡(luò)散布非法信息、導(dǎo)向性虛假廣告等造成部分防備性較弱的網(wǎng)民受其誘導(dǎo)并導(dǎo)致被騙取財(cái)產(chǎn)的現(xiàn)象，設(shè)計(jì)一種基于圖文識(shí)別的廣告圖片檢測系統(tǒng)，通過對數(shù)字圖像進(jìn)行處理，對疑似廣告的圖片加以鑒別并標(biāo)記，使網(wǎng)絡(luò)管理員及早地發(fā)現(xiàn)廣告圖片，以及時(shí)作相應(yīng)的處理，從源頭上避免部分網(wǎng)民的財(cái)產(chǎn)損失。

關(guān)鍵詞：網(wǎng)絡(luò);廣告圖片;圖文識(shí)別;網(wǎng)民

中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2020）05-0087-02

開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

1 概述

隨著個(gè)人計(jì)算機(jī)和智能移動(dòng)設(shè)備的不斷普及，互聯(lián)網(wǎng)逐漸融入每一位國民的生活之中，因此全國網(wǎng)民數(shù)量和人們每天的上網(wǎng)時(shí)間與日俱增，據(jù)有關(guān)報(bào)告[1]顯示，截至2019年6月，中國的網(wǎng)民已達(dá)8.54億，這一數(shù)字既顯示了我國的物質(zhì)生活水平不斷提高，同時(shí)也反映了人們對互聯(lián)網(wǎng)資源的依賴程度愈加增長。

計(jì)算機(jī)網(wǎng)絡(luò)的普及不斷改變著人們的生活方式，人與人之間的溝通形式越來越多樣化，人們獲取信息的方式也變得越來越繁多[2]?；ヂ?lián)網(wǎng)在人們帶來的便利的同時(shí)，也伴隨著一些安全隱患，其中之一就是一些不法分子利用網(wǎng)絡(luò)資源的復(fù)雜多樣以及一些網(wǎng)民對網(wǎng)絡(luò)信息缺乏甄別能力，對網(wǎng)絡(luò)虛假信息防備心理較弱，利用網(wǎng)絡(luò)散播非法信息以及導(dǎo)向性虛假廣告，使得部分網(wǎng)民信以為真，進(jìn)而使得網(wǎng)民的財(cái)產(chǎn)安全受到威脅[3]，因此針對這一問題，設(shè)計(jì)并實(shí)現(xiàn)一套廣告圖片檢測系統(tǒng)顯得至關(guān)重要，通過該系統(tǒng)對可能為虛假廣告的圖片自動(dòng)加以鑒別和標(biāo)記，有助于管理員盡早地發(fā)現(xiàn)，減少了大量的人力物力，從而從一定程度上可以避免網(wǎng)民的財(cái)產(chǎn)損失。

2 系統(tǒng)功能需求

基于圖文識(shí)別的廣告圖片檢測系統(tǒng)完成對需監(jiān)管的指定網(wǎng)站進(jìn)行內(nèi)容圖片的爬取，內(nèi)容圖片的自動(dòng)鑒別標(biāo)記，以及將該信息傳遞至網(wǎng)絡(luò)管理員處，因此該系統(tǒng)分為三個(gè)模塊，分別為圖片爬取模塊、廣告圖片識(shí)別模塊以及數(shù)據(jù)處理模塊。

系統(tǒng)總體流程如圖1所示。

首先，系統(tǒng)通過爬蟲程序爬取網(wǎng)絡(luò)管理員需要監(jiān)測的指定鏈接的圖片內(nèi)容，并將其存入指定目錄下，針對圖庫中的爬取 的圖片，通過廣告識(shí)別程序?qū)D片進(jìn)行檢測，如果識(shí)別該圖片疑似為廣告圖片，便對其進(jìn)行標(biāo)記，并通知管理員，否則繼續(xù)進(jìn)行圖像處理。

廣告圖片一般形如“加QQ*******”“辦證139********”“網(wǎng)絡(luò)兼職+152********”等，用戶如果在瀏覽網(wǎng)頁時(shí)正好有廣告所述需求時(shí)，可能就會(huì)通過QQ號(hào)、手機(jī)號(hào)聯(lián)系對方，進(jìn)而一步一步落入不法分子的圈套，并可能造成巨大的財(cái)產(chǎn)損失，因此，當(dāng)圖像中包含上述類似內(nèi)容時(shí)，系統(tǒng)將認(rèn)定其為疑似廣告圖片，并通知管理員。

為此，首先對圖像進(jìn)行預(yù)處理，預(yù)處理的過程如圖2所示。

圖片中的文字信息（只要是數(shù)字和字母），可能出現(xiàn)在一張圖片中的任何一個(gè)位置，針對圖像的大小不一、信息在圖像中的位置坐標(biāo)的不確定性，在預(yù)處理時(shí)，要經(jīng)歷如圖2所示的圖像壓縮、灰度化、灰度拉伸、開運(yùn)算、二值化、Canny邊緣檢測、多次的形態(tài)學(xué)操作等才能將圖片中的信息，其中對于圖像的形態(tài)學(xué)操作（開、閉運(yùn)算）主要目的是將圖片的中文字信息剝離出來。

對圖像進(jìn)行預(yù)處理之后，便得出字母、數(shù)字信息在圖像中大致位置。接著，對該圖像進(jìn)行前景與背景的分割，即將除有效信息外的其他的圖片中的像素點(diǎn)作置0處理，得到分割后的圖片僅包含有效信息。

然后對有效信息進(jìn)行二值化處理，生成有效信息的黑白圖像，這里可適當(dāng)?shù)母淖冮撝狄詫?shí)現(xiàn)更好地分辨效果。

最后，對有效二值圖像進(jìn)行信息分割，得到單獨(dú)的數(shù)字或字母，并對其個(gè)數(shù)進(jìn)行計(jì)數(shù)，由于0Q號(hào)一般為8-11位，手機(jī)號(hào)一般為11位，因此，系統(tǒng)設(shè)置閾值為8，當(dāng)上述計(jì)數(shù)結(jié)果大于該閾值時(shí)，系統(tǒng)即判定該圖片為廣告圖片。

當(dāng)某張圖像被系統(tǒng)檢測為疑似廣告圖片之后，系統(tǒng)對其進(jìn)行標(biāo)記，并通知管理員，以便讓管理員進(jìn)行進(jìn)一步的判斷，并及時(shí)進(jìn)行處理。

3 系統(tǒng)測試

為了驗(yàn)證對疑似廣告圖片的處理過程，選取一張如圖3所示的“辦證刻章”的廣告圖片。

其中，圖3（a）為廣告原圖（圖像處理時(shí)為原圖，后期作了馬賽克處理），圖3（b）為程序在圖像中標(biāo)出有效信息的位置，圖3（c）為將有效信息和背景進(jìn)行分離，圖3（d）為對圖像進(jìn)行二值化處理。最后，得出計(jì)數(shù)值為12（左側(cè)邊框被誤認(rèn)為有效信息，產(chǎn)生值為1的誤差），大于閾值，該圖片被認(rèn)定為疑似廣告圖片。

4 結(jié)束語

針對不法分子可能利用網(wǎng)絡(luò)傳播虛假廣告或者違法廣告信息，本文設(shè)計(jì)了一種基于圖文識(shí)別的廣告檢測系統(tǒng)，在一定程度上可較為準(zhǔn)確地標(biāo)記出疑似廣告的圖片，以便讓網(wǎng)絡(luò)管理員對圖片進(jìn)行進(jìn)一步處理;系統(tǒng)下一步的目標(biāo)是針對違規(guī)圖片的不同的類別，設(shè)計(jì)出更加普適的網(wǎng)絡(luò)圖片檢測系統(tǒng)，以便更好地對網(wǎng)絡(luò)環(huán)境進(jìn)行監(jiān)管和進(jìn)化。

參考文獻(xiàn)：

[1] 2019年上半年我國互聯(lián)網(wǎng)發(fā)展呈現(xiàn)六大趨勢特點(diǎn)[J].新聞世界，2019（10）：15.

[2]馮洪玉.網(wǎng)絡(luò)普及背景下的計(jì)算機(jī)網(wǎng)絡(luò)安全問題研究[J].煤炭技術(shù)，2013（1）：242-244.

[3]蘇雯.大數(shù)據(jù)時(shí)代網(wǎng)絡(luò)詐騙犯罪偵查策略探析[J].法制與經(jīng)濟(jì)，2019（9）：101-102.

【通聯(lián)編輯：唐一東】

收稿日期：2019 -11-15

基金項(xiàng)目：安徽省高校自然科學(xué)重點(diǎn)項(xiàng)目“基于CamShift方法多場景下的運(yùn)動(dòng)目標(biāo)檢測和跟蹤技術(shù)的分析與研究”（KJ2018A0634）;2019年安徽省級(jí)大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計(jì)劃項(xiàng)目“DS定制你的美好生活”（201813613013）;安徽省高校自然科學(xué)重點(diǎn)項(xiàng)目“基于Hadoop與文本挖掘技術(shù)的高校輿情監(jiān)測的研究與實(shí)現(xiàn)”（KJ2018A0629）

作者簡介：伍祥（1991-），男，安徽蕪湖人，碩士，研究方向?yàn)閿?shù)據(jù)庫、計(jì)算機(jī)視覺、數(shù)據(jù)挖掘;劉文豪（1998-），男，安徽無為人，本科生在讀，研究方向?yàn)榇髷?shù)據(jù);趙子祥（1999-），男，安徽濉溪人，本科生在讀，研究方向?yàn)榇髷?shù)據(jù);王嘯楠（1989-），女，安徽蕪湖人，碩士，研究方向?yàn)閿?shù)據(jù)挖掘、數(shù)據(jù)處理。