一种识别拍摄屏幕的装置及方法制造方法及图纸

本发明专利技术公开了一种识别拍摄屏幕的装置及方法，包括：图像采集模块实时采集周围的环境信息，并将采集到的环境信息以图像的形式实时发送至主机控制器模块，主机控制器模块调用存储模块中的神经网络模型对获取的图像信息进行分析识别，并将分析识别的结果与预设置类别进行对比；若主机控制器识别到与预设置类别相同的图像，驱动警示控制模块发出警示音，同时将识别到的图像存储到存储模块中，用于后期溯源取证。本发明专利技术对拍摄屏幕的有效识别是实现保护屏幕信息安全的首要条件和关键步棸，本发明专利技术同时对拍摄屏幕的行为进行警示以及提供溯源证据以解决涉密场所屏幕显示信息的实时保护。证据以解决涉密场所屏幕显示信息的实时保护。证据以解决涉密场所屏幕显示信息的实时保护。

【技术实现步骤摘要】
一种识别拍摄屏幕的装置及方法


[0001]本专利技术涉及信息安全
，尤其涉及一种识别拍摄屏幕的装置及方法。

技术介绍

[0002]随着手机和平板电脑等具备拍照功能的便携式设备的普及，通过具有拍照、摄录功能的移动终端设备对电脑屏幕内容进行拍照窃取信息成为导致信息泄漏最普遍、最容易的一种方式。近年因拍摄屏幕导致的泄密事件尤其通过手机拍摄屏幕泄密的事件频发，并有逐年增加的趋势。
[0003]传统数据信息安全的管控对涉密信息的存储、处理、传输设备及管理提出了明确的要求，但利用对电脑屏幕内容拍照窃取敏感信息成为导致信息泄漏最普遍、最容易的一种方式，这种窃取信息的现象不仅越来越多且难以约束以及追责。当前市场现有的水印加密、电脑屏幕防窥膜、光学产品等均不能对保护屏幕信息达到预期的效果。
[0004]随着信息安全问题的日益突出，确保屏幕信息不被非法拍摄或窃取，实现对屏幕信息的主动防护与实时预警，成为信息安全领域亟需解决的问题。

技术实现思路

[0005]本专利技术提供了一种识别拍摄屏幕的装置及方法，对拍摄屏幕的有效识别是实现保护屏幕信息安全的首要条件和关键步棸，本专利技术同时对拍摄屏幕的行为进行警示以及提供溯源证据以解决涉密场所屏幕显示信息的实时保护，详见下文描述：
[0006]一种识别拍摄屏幕的装置，所述装置包括：图像采集模块实时采集周围的环境信息，并将采集到的环境信息以图像的形式实时发送至主机控制器模块，主机控制器模块调用存储模块中的神经网络模型对获取的图像信息进行分析识别，并将分析识别的结果与预设置类别进行对比；
[0007]若主机控制器识别到与预设置类别相同的图像，驱动警示控制模块发出警示音，同时将识别到的图像存储到存储模块中，用于后期溯源取证。
[0008]其中，所述主机控制器模块、存储模块、电源模块和警示控制模块集成在一块主板上，封装在固定的壳体内。
[0009]进一步地，所述图像采集模块和主机控制器模块还用于完成神经网络模型的训练，所述训练包括：样本采集、样本调整、样本训练、神经网络模型的输出。
[0010]其中，所述样本采集阶段，由图像采集模块采集不同光线环境下、不同拍摄屏幕的设备和不同拍摄屏幕的动作组合的图像，图像采集模块采集每一种拍摄屏幕的行为，拍摄的图像作为神经网络模型训练的样本，同时还需要拍摄类似拍摄设备的样本，对采集的样本进行人为标记，分类汇总，发送至主机控制器模块，主机控制器模块对收到的样本进行统一图像增强后采用YOLOV5算法进行模型训练。
[0011]进一步地，所述样本训练为：对调整后的样本首先进行人为标记，对于同一种样本类型，采用相同的方法进行特征向量提取，提取得到的特征向量作为向量库用于样本训练
阶段不同样本之间的相似度对比；
[0012]人为标记后的样本作为初始样本进行神经网络模型训练，得到初始神经网络模型；对于初始神经网络模型，使用多种新的样本进行预测验证，如果初始AI模型对所有新样本的预测均是正确的，对初始神经网络模型不做优化处理；如果初始AI模型对新样本的预测试是错误的，则将对预测错误的新样本首先进行人为判定，然后对预测错误的新样本按照人为判定的类型，采用同类型相同的方法进行特征向量提取，提取的新样本的特征向量用于与人为判定的类型进行相似度计算，对于相似度达到预设置的新样本进行人为标记样本类型，并将人为标记后的新样本合并入训练样本集，重新进行神经网络模型训练。
[0013]其中，所述神经网络模型的输出为：将样本训练中训练完成的满足样本预测准确率的神经网络模型作为最终模型，连同设定的类型，一起输出至存储模块中，设定的类型作为图像识别阶段判定拍摄屏幕的预设置类型对比库。
[0014]进一步地，训练模型的样本和图像识别的图像在发送给主机控制器模块后，主机控制器模块均使用同样的图像增强方法对获取的样本或图像进行处理，用于保证模型训练的样本和用于图像识别的图像之间的图像差异性最小化。
[0015]一种识别拍摄屏幕的方法，所述方法包括：
[0016]图像采集模块实时采集环境信息，将采集的环境信息即获取的环境图像实时发送至主机控制器模块；
[0017]主机控制器模块对接收到的图像进行图像调整，用于识别的图像和样本训练阶段的样本图像具有相同的色彩饱和度，相同的明亮对比差异以及相同的噪音程度；
[0018]调整后的图像，被主机控制器模块输出至存放在存储模块中的神经网络模型，神经网络模型使用YOLOV5算法对图像与预设置类型进行类型预测；
[0019]若识别的图像类型为图像类型，则主机控制器模块将此次图像判定为警告类别，驱动蜂鸣器工作，发出滴滴警示音，同时主机控制器模块驱动LED闪光灯闪烁阻止拍摄设备正常拍摄。
[0020]本专利技术提供的技术方案的有益效果是：
[0021]1、本专利技术中用于模型训练和图像识别的样本均使用同一个图像采集模块进行图像采集，最大程度上提高了模型的准确度，解决了误识别的问题；
[0022]2、本专利技术包含的硬件器件具有存储功能，可用于溯源取证，同时禁止任何存储设备插入，不会对应用环境带来任何安全隐患；
[0023]3、本专利技术对用于模型训练的样本和用于识别的图像均采用同样的调整，很大程度上提高了图像识别的精确度，达到了精准识别的目的。
附图说明
[0024]图1为一种识别拍摄屏幕的装置的结构示意图；
[0025]图2为一种识别拍摄屏幕的装置的外观示意图；
[0026]图3为神经网络训练示意图；
[0027]图4为一种识别拍摄屏幕的方法的流程图；
[0028]图5为一种识别拍摄屏幕的装置的电器连接示意图。
[0029]附图中，各标号所代表的部件列表如下：
[0030]A：图像采集模块；
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
B：主机控制器模块；
[0031]C：存储模块；
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
D：电源模块；
[0032]E：警示控制模块。
具体实施方式
[0033]为使本专利技术的目的、技术方案和优点更加清楚，下面对本专利技术实施方式作进一步地详细描述。
[0034]实施例1
[0035]一种识别拍摄屏幕的装置，参见图1，该装置包括：图像采集模块A、主机控制器模块B、存储模块C、电源模块D和警示控制模块E；
[0036]其中，图像采集模块A、警示控制模块E和存储模块C均与主机控制器模块B相连，电源模块D为整个装置供电；主机控制器模块B基于神经网络模型的训练用于对拍摄屏幕的行为进行识别。
[0037]实际应用时，将本专利技术实施例设计的整个识别拍摄屏幕的装置安装在计算机外接的显示器屏幕的正上方，电源模块D上电后，图像采集模块A即广角摄像头(例如汇博士S95、汇博士S90、海康威视E14)实时采集周围的环境信息，并将采集到的环境信息以图像的形式实时发送至主机控制器模块B，主机控制器模块B获取图像本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种识别拍摄屏幕的装置，其特征在于，所述装置包括：图像采集模块实时采集周围的环境信息，并将采集到的环境信息以图像的形式实时发送至主机控制器模块，主机控制器模块调用存储模块中的神经网络模型对获取的图像信息进行分析识别，并将分析识别的结果与预设置类别进行对比；若主机控制器识别到与预设置类别相同的图像，驱动警示控制模块发出警示音，同时将识别到的图像存储到存储模块中，用于后期溯源取证。2.根据权利要求1所述的一种识别拍摄屏幕的装置，其特征在于，所述主机控制器模块、存储模块、电源模块和警示控制模块集成在一块主板上，封装在固定的壳体内。3.根据权利要求1所述的一种识别拍摄屏幕的装置，其特征在于，所述图像采集模块和主机控制器模块还用于完成神经网络模型的训练，所述训练包括：样本采集、样本调整、样本训练、神经网络模型的输出。4.根据权利要求1所述的一种识别拍摄屏幕的装置，其特征在于，所述样本采集阶段，由图像采集模块采集不同光线环境下、不同拍摄屏幕的设备和不同拍摄屏幕的动作组合的图像，图像采集模块采集每一种拍摄屏幕的行为，拍摄的图像作为神经网络模型训练的样本，同时还需要拍摄类似拍摄设备的样本，对采集的样本进行人为标记，分类汇总，发送至主机控制器模块，主机控制器模块对收到的样本进行统一图像增强后采用YOLOV5算法进行模型训练。5.根据权利要求3所述的一种识别拍摄屏幕的装置，其特征在于，所述样本训练为：对调整后的样本首先进行人为标记，对于同一种样本类型，采用相同的方法进行特征向量提取，提取得到的特征向量作为向量库用于样本训练阶段不同样本之间的相似度对比；人为标记后的样本作为初始样本进行神经网络模型训练，得到初始神经网络模型；对于初始神经网络模型，使用多种新的样本进行预测验证，如果初始AI模型...

【专利技术属性】
技术研发人员：胡双喜，吕前进，孟祥文，杨才山，贾玉凤，郑晨，何蕴轩，张文涛，徐洋，姚嘉，
申请(专利权)人：天津光电安辰信息技术股份有限公司，
类型：发明
国别省市：