(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210380237.1 (22)申请日 2022.04.12 (71)申请人 东南大学 地址 210096 江苏省南京市玄武区四牌楼 2 号 (72)发明人 朱越琦　雷馨月　嵇睿嘉　夏思宇　 (74)专利代理 机构 南京众联专利代理有限公司 32206 专利代理师 叶倩 (51)Int.Cl. G06V 20/30(2022.01) G06N 3/08(2006.01) G06N 3/04(2006.01) G06K 9/62(2022.01) G06F 40/289(2020.01)G06V 10/764(2022.01) G06V 10/762(2022.01) G06V 10/82(2022.01) (54)发明名称 一种基于Logo识别的侵 权商标检测方法 (57)摘要 本发明公开了一种基于Logo识别的侵权商 标检测方法， 该方法包括： 使用含有数据库正版 商标信息的数据集训练目标检测神经网络， 并使 用神经网络检测图片中与正版Logo相同或相似 Logo的出现位置并对其进行提取； 将提取出的 Logo分为纯文本、 纯图形和图文混合三类； 对不 同类别的Logo进行相对应的特征相似度比较， 判 别商标是否可能对已注册的正版商标造成侵权， 本发明通过Logo识别， 能够实现商标侵权的检 测。 权利要求书3页 说明书7页 附图3页 CN 115393748 A 2022.11.25 CN 115393748 A 1.一种基于L ogo识别的侵 权商标检测方法， 其特 征在于， 该 方法包括以下步骤： S1， 识别神经网络模型建立： 以Logo位置与名称作为数据集标签， 使用YOLOX网络作为 识别神经网络， 主干部分使用Focus网络结构， 堆叠图片的四个独立的特征层， 将输入通道 扩充为四倍， 网络使用Sim OTA减少训练时间； S2， 相同或相似Logo检测： 将含有相同或相似Logo的产品图片传入步骤S1训练好的的 神经网络模型中， 使用神经网络对图片中的商标进行识别， 识别结果即为与正版Logo相同 或相似的L ogo， 并同时获取L ogo所在的像素 范围； S3， Logo提取： 由步骤S2获取到的Lo go所在像素范围对图片进行裁剪， 裁剪后的图片 即 为提取出的Logo； S4， Logo分类： 将步骤S3中提取出的Logo与原数据库正版Lo go进行分类， 所述类别为纯 文本、 纯图形或图文混合中的任一种； S5， 侵权检测： 当步骤S4检测到Logo为纯文本时， 对文字内容进行分词， 分割为由独立 词汇组成的文字 向量， 并将两 向量合并为合向量， 再将两 向量中的词汇依 次与合向量中词 汇使用编辑距离进行比较， 并得到归一 化的数字文本向量； 编辑距离公式如下： 其中leva， b(i， j)指的是文本a中前i个字符和文本b中前j个字符之间 的距离； 得到两数 字化的文本向量之后使用向量cos距离作为两L ogo相似度数值； 故文字类L ogo的相似度， 即cos距离计算公式如下： 其中α与β 均为归一化数字向量； 若相似度Simtext大小大于 阈值0.6， 则将Logo判定为侵 权Logo； 否则， 不侵 权； 当步骤S4检测到Logo为纯图形时， 根据颜色相似度+形状相似度综合判定： 其 中颜色相 似度根据颜色距离来判断， 若L ogo为黑白图片， 其 黑白图片的颜色距离计算公式如下： Dgray＝abs(a‑b) 其中a与b为两灰度颜色数值； 若Logo为非黑白图片， 则其颜色距离计算公式如下： 其中α 与β 为两颜色的Lab色彩空间坐标， αi与βi为两颜色坐标的分量； 为保证色彩计算的准确度， 若Lab 空间距离过小， 则将Lab颜色映射到HSV空间后的H距 离作为颜色距离， 公式如下： DH(hsv1‑hsv2)＝abs(h1‑h2)权　利　要　求　书 1/3 页 2 CN 115393748 A 2故颜色相似度计算公式如下： 形状相似度判定由Shap e Context算法实现， 通过计算两张Logo图片的代价矩阵， 并计 算代价矩阵的匹配程度来计算形状相似度， 其代价矩阵计算公式如下： 其中， hi(k)为目标每一 点的形状直方图， hj(k)为目标每一 点的形状直方图； 两张Logo图片的匹配度计算公式如下： H( π )＝∑C(pi， qπ(i)) 则形状相似度Simshape的计算公式如下： Simshape＝H( π )＝∑C(pi， qπ(i)) 两Logo的相似度由颜色相似度与形状相似度的线性组合表示， 计算公式如下： Sim＝0.2 ×SImcolor+0.8×Simshape 其中Simcolor为颜色相似度， Simshape为形状相似度， 若相似度Sim大小大于阈值0.6， 则将 Logo判定为侵 权Logo； 否则， 不侵 权； 当步骤S4检测到Logo为图文混合类， 需要以文字、 颜色、 形状与图文 组合形式判定相似 度。 其中， 图文组合相似度计算公式如下： Simcom＝1‑abs(dist1‑dist2) dist1与dist2为两极坐标点的距离分量； 图文混合类L ogo相似度的计算公式如下： Sim＝0.3 ×Simtext+0.2×Simcolor+0.45×Simshape+0.05×Simcom 其中Simtext、 Simcolor、 Simshape、 Simcom依次为文本、 颜色、 形状与图文组合形式相似度； 若 相似度Sim大小大于阈值0.6， 则将L ogo判定为侵 权Logo； 否则， 不侵 权。 2.根据权利要求1所述的一种基于Logo识别的侵权商标检测方法， 其特征在于， 所述步 骤S1中， 分类回归层将分类与回归分为两部分， 在预测时进行整合， 不使用先验框， 减少参 数量和GFLOPs。 3.根据权利要求2所述的一种基于Logo识别的侵权商标检测方法， 其特征在于， 所述步 骤S4 Logo分类中， 使用EAST文本检测步骤S3获取的Logo图片中是否含有文字， 其中EAST网 络使用类平衡交叉熵来衡量预测损失， 公式如下： 其中β 是正负 样本之间的平衡因子， 公式如下： 若未检测到文字， 则直接将Logo判断为纯图形类型； 若检测到文字， 则在文字矩形框位 置处使用与背景颜色相近的颜色将该部分像素填充， 再进行KAZE算子检测， 使用非线性扩 散滤波法， 将图像亮度在不同尺度上 的变化视为某种 形式的流动函数 的散度， 其表达式如权　利　要　求　书 2/3 页 3 CN 115393748 A 3