[Java知识库] 利用Java通过阿里云对图片进行内容审核

开发: C++知识库 Java知识库 JavaScript Python PHP知识库人工智能区块链大数据移动开发嵌入式开发工具数据结构与算法开发测试游戏开发网络协议系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑笔记本显卡显示器固态硬盘硬盘耳机手机 iphone vivo oppo 小米华为单反装机图拉丁

-> Java知识库 -> 利用Java通过阿里云对图片进行内容审核 -> 正文阅读

[Java知识库]利用Java通过阿里云对图片进行内容审核

怎样用阿里云对图片进行内容审核

背景

随着互联网的发展，每个人都在网络上留下了自己的痕迹，在享受网络带来的便利的同时，去维护干净的网络环境也至关重要；目前在网络上会流动数亿的图片，显然使用纯手工去辨别是行不通的，所以如何用服务商提供的服务进行远程在线审核内容呢；现在很多公司都提供云服务，如阿里云就利用深度学习、机器学习搭建了内容审核系统，显示快速、高效地审核内容。

那作为使用方怎样去使用阿里云的图片审核服务呢？

首先要申请相关的秘钥

@Value("${aliyun.access_key_id}")
String ALIYUN_ACCESS_KEY_ID;
@Value("${aliyun.access_key_secret}")
String ALIYUN_ACCESS_KEY_SECRET;
@Value("${aliyun.region_id}")
String REGION_ID;

图片的自动审核，可以选定多个场景，如porn、ad，terrorism。

httpBody.put("scenes", Arrays.asList("porn", "terrorism", "ad"));

经过处理可以输出多个场景下审核结果，block：涉嫌违反，应当阻止，review：需要人工审核，pass：图片审核通过。

单张图片的审核

public void ascImage(String imageUrl) {

    IClientProfile profile = DefaultProfile.getProfile(REGION_ID, ALIYUN_ACCESS_KEY_ID, ALIYUN_ACCESS_KEY_SECRET);
    IAcsClient client = new DefaultAcsClient(profile);
    log.info("REGION_ID:{}, ALIYUN_ACCESS_KEY_ID:{},ALIYUN_ACCESS_KEY_SECRET:{} ", REGION_ID, ALIYUN_ACCESS_KEY_ID, ALIYUN_ACCESS_KEY_SECRET);

    ImageSyncScanRequest imageSyncScanRequest = new ImageSyncScanRequest();
    // 指定API返回格式。
    imageSyncScanRequest.setAcceptFormat(FormatType.JSON);
    // 指定请求方法。
    imageSyncScanRequest.setMethod(MethodType.POST);
    imageSyncScanRequest.setEncoding("utf-8");
    // 支持HTTP和HTTPS。
    imageSyncScanRequest.setProtocol(ProtocolType.HTTP);


    JSONObject httpBody = new JSONObject();
    /*
     * 设置要检测的风险场景。计费依据此处传递的场景计算。
     * 一次请求中可以同时检测多张图片，每张图片可以同时检测多个风险场景，计费按照场景计算。
     * 例如，检测2张图片，场景传递porn和terrorism，计费会按照2张图片鉴黄，2张图片暴恐检测计算。
     * porn：表示鉴黄场景。
     */
    httpBody.put("scenes", Arrays.asList("porn", "terrorism", "ad"));

    /**
     * 设置待检测图片。一张图片对应一个task。
     * 多张图片同时检测时，处理的时间由最后一个处理完的图片决定。
     * 通常情况下批量检测的平均响应时间比单张检测的要长。一次批量提交的图片数越多，响应时间被拉长的概率越高。
     * 这里以单张图片检测作为示例, 如果是批量图片检测，请自行构建多个task。
     */
    List<JSONObject> tasks = new ArrayList<>();
    // 构建了多张图片

    JSONObject task = new JSONObject();
    task.put("dataId", UUID.randomUUID().toString());
    // 设置图片链接。
    task.put("url", imageUrl);
    task.put("time", new Date());
    tasks.add(task);
    
    httpBody.put("tasks", tasks);

    imageSyncScanRequest.setHttpContent(org.apache.commons.codec.binary.StringUtils.getBytesUtf8(httpBody.toJSONString()),
                "UTF-8", FormatType.JSON);

   /**
     * 请设置超时时间。服务端全链路处理超时时间为10秒，请做相应设置。
     * 如果您设置的ReadTimeout小于服务端处理的时间，程序中会获得一个ReadTimeout异常。
     */
    imageSyncScanRequest.setConnectTimeout(3000);
    imageSyncScanRequest.setReadTimeout(10000);
    HttpResponse httpResponse = null;
    try {
        httpResponse = client.doAction(imageSyncScanRequest);
    } catch (Exception e) {
        e.printStackTrace();
    }
    AcsImageResp acsImageResp = new AcsImageResp();
    // 服务端接收到请求，完成处理后返回的结果。
    if (httpResponse != null && httpResponse.isSuccess()) {
        JSONObject scrResponse = JSON.parseObject(org.apache.commons.codec.binary.StringUtils.newStringUtf8(httpResponse.getHttpContent()));
        System.out.println(JSON.toJSONString(scrResponse, true));
        int requestCode = scrResponse.getIntValue("code");
        // 每一张图片的检测结果。
        JSONArray taskResults = scrResponse.getJSONArray("data");

        log.info("taskResults: {}", taskResults);


        if (200 == requestCode) {
            for (Object taskResult : taskResults) {
                // 单张图片的处理结果。
                int taskCode = ((JSONObject) taskResult).getIntValue("code");
                String dataId = ((JSONObject) taskResult).getString("dataId");
                // 图片对应检测场景的处理结果。如果是多个场景，则会有每个场景的结果。
                JSONArray sceneResults = ((JSONObject) taskResult).getJSONArray("results");
                if (200 == taskCode) {

                    ArrayList<Map> sceneSuggestions = new ArrayList<>();


                    for (Object sceneResult : sceneResults) {

                        String scene = ((JSONObject) sceneResult).getString("scene");
                        String suggestion = ((JSONObject) sceneResult).getString("suggestion");
                        String rate = ((JSONObject) sceneResult).getString("rate");

                        // 根据scene和suggestion做相关处理。
                        // 根据不同的suggestion结果做业务上的不同处理。例如，将违规数据删除等。
//                        System.out.println("scene = [" + scene + "]");
//                        System.out.println("suggestion = [" + suggestion + "]");


                    }

                } else {
                        // 单张图片处理失败, 原因视具体的情况详细分析。
                    log.info("task process fail. task response:" + JSON.toJSONString(taskResult));
                }

            }
        } else {
                /**
                 * 表明请求整体处理失败，原因视具体的情况详细分析。
                 */
            log.info("the whole image scan request failed. response:" + JSON.toJSONString(scrResponse));
        }
    }
}

上面的代码展示了如何对单张图片进审核，那在我们的日常生活中，比如发朋友圈、微博等很常见是需要对多张图片进行审核。那就需要对上面的代码进行升级。

实现对多张图片进行审核

首先输入参数需要进行封装，包含多个图片。

public void ascImage(AcsImageRequest acsImageRequest) {

    IClientProfile profile = DefaultProfile.getProfile(REGION_ID, ALIYUN_ACCESS_KEY_ID, ALIYUN_ACCESS_KEY_SECRET);
    IAcsClient client = new DefaultAcsClient(profile);
    log.info("REGION_ID:{}, ALIYUN_ACCESS_KEY_ID:{},ALIYUN_ACCESS_KEY_SECRET:{} ", REGION_ID, ALIYUN_ACCESS_KEY_ID, ALIYUN_ACCESS_KEY_SECRET);

    ImageSyncScanRequest imageSyncScanRequest = new ImageSyncScanRequest();
    // 指定API返回格式。
    imageSyncScanRequest.setAcceptFormat(FormatType.JSON);
    // 指定请求方法。
    imageSyncScanRequest.setMethod(MethodType.POST);
    imageSyncScanRequest.setEncoding("utf-8");
    // 支持HTTP和HTTPS。
    imageSyncScanRequest.setProtocol(ProtocolType.HTTP);


    JSONObject httpBody = new JSONObject();
    /*
     * 设置要检测的风险场景。计费依据此处传递的场景计算。
     * 一次请求中可以同时检测多张图片，每张图片可以同时检测多个风险场景，计费按照场景计算。
     * 例如，检测2张图片，场景传递porn和terrorism，计费会按照2张图片鉴黄，2张图片暴恐检测计算。
     * porn：表示鉴黄场景。
     */
    httpBody.put("scenes", Arrays.asList("porn", "terrorism", "ad"));

    /**
     * 设置待检测图片。一张图片对应一个task。
     * 多张图片同时检测时，处理的时间由最后一个处理完的图片决定。
     * 通常情况下批量检测的平均响应时间比单张检测的要长。一次批量提交的图片数越多，响应时间被拉长的概率越高。
     * 这里以单张图片检测作为示例, 如果是批量图片检测，请自行构建多个task。
     */
    List<JSONObject> tasks = new ArrayList<>();
    // 构建了多张图片 TODO
    for (int i = 0; i < acsImageRequest.getImageList().size(); i++) {
        JSONObject task = new JSONObject();
        task.put("dataId", UUID.randomUUID().toString());
        // 设置图片链接。
        task.put("url", acsImageRequest.getImageList().get(i).getImageUrl());
        task.put("time", new Date());
        tasks.add(task);
     }

     //多张图片
     httpBody.put("tasks", tasks);

   imageSyncScanRequest.setHttpContent(org.apache.commons.codec.binary.StringUtils.getBytesUtf8(httpBody.toJSONString()),
                "UTF-8", FormatType.JSON);

   /**
     * 请设置超时时间。服务端全链路处理超时时间为10秒，请做相应设置。
     * 如果您设置的ReadTimeout小于服务端处理的时间，程序中会获得一个ReadTimeout异常。
     */
    imageSyncScanRequest.setConnectTimeout(3000);
    imageSyncScanRequest.setReadTimeout(10000);
    HttpResponse httpResponse = null;
    try {
        httpResponse = client.doAction(imageSyncScanRequest);
    } catch (Exception e) {
        e.printStackTrace();
    }
    AcsImageResp acsImageResp = new AcsImageResp();
    // 服务端接收到请求，完成处理后返回的结果。
    if (httpResponse != null && httpResponse.isSuccess()) {
        JSONObject scrResponse = JSON.parseObject(org.apache.commons.codec.binary.StringUtils.newStringUtf8(httpResponse.getHttpContent()));
        System.out.println(JSON.toJSONString(scrResponse, true));
        int requestCode = scrResponse.getIntValue("code");
        // 每一张图片的检测结果。
        JSONArray taskResults = scrResponse.getJSONArray("data");

        log.info("taskResults: {}", taskResults);


        if (200 == requestCode) {
            for (Object taskResult : taskResults) {
                // 单张图片的处理结果。
                int taskCode = ((JSONObject) taskResult).getIntValue("code");
                String dataId = ((JSONObject) taskResult).getString("dataId");
                // 图片对应检测场景的处理结果。如果是多个场景，则会有每个场景的结果。
                JSONArray sceneResults = ((JSONObject) taskResult).getJSONArray("results");
                if (200 == taskCode) {

                    ArrayList<Map> sceneSuggestions = new ArrayList<>();


                    for (Object sceneResult : sceneResults) {

                        String scene = ((JSONObject) sceneResult).getString("scene");
                        String suggestion = ((JSONObject) sceneResult).getString("suggestion");
                        String rate = ((JSONObject) sceneResult).getString("rate");

                        // 根据scene和suggestion做相关处理。
                        // 根据不同的suggestion结果做业务上的不同处理。例如，将违规数据删除等。
//                        System.out.println("scene = [" + scene + "]");
//                        System.out.println("suggestion = [" + suggestion + "]");


                    }

                } else {
                        // 单张图片处理失败, 原因视具体的情况详细分析。
                    log.info("task process fail. task response:" + JSON.toJSONString(taskResult));
                }

            }
        } else {
                /**
                 * 表明请求整体处理失败，原因视具体的情况详细分析。
                 */
            log.info("the whole image scan request failed. response:" + JSON.toJSONString(scrResponse));
        }
    }
}

如上建立多个task即可。

for (int i = 0; i < acsImageRequest.getImageList().size(); i++) {
    JSONObject task = new JSONObject();
    task.put("dataId", UUID.randomUUID().toString());
    // 设置图片链接。
    task.put("url", acsImageRequest.getImageList().get(i).getImageUrl());
    task.put("time", new Date());
    tasks.add(task);
}

多张图片处理的结果如下：

{
        "msg":"OK",
        "code":200,
        "data":[
                {
                        "msg":"OK",
                        "code":200,
                        "dataId":"8c728368-c872-4fb1-8b48-9bd186278715",
                        "extras":{},
                        "results":[
                                {
                                        "rate":98.99979,
                                        "suggestion":"block",
                                        "label":"porn",
                                        "scene":"porn"
                                },
                                {
                                        "rate":100.0,
                                        "suggestion":"pass",
                                        "label":"normal",
                                        "scene":"terrorism"
                                },
                                {
                                        "rate":99.91,
                                        "suggestion":"pass",
                                        "label":"normal",
                                        "scene":"ad"
                                }
                        ],
                        "taskId":"img3PAU2TEmQ995bJU4oJGV7V-1vPqcl",
                        "url":"https://www.zihufsamei.com/office/uplfsoad/comzhm28402zhm2018112fjdsjlf14145218790.jpg"
                },
                {
                        "msg":"OK",
                        "code":200,
                        "dataId":"06be3693-d2c8-41a3-9f65-308730a632de",
                        "extras":{},
                        "results":[
                                {
                                        "rate":98.99979,
                                        "suggestion":"block",
                                        "label":"porn",
                                        "scene":"porn"
                                },
                                {
                                        "rate":100.0,
                                        "suggestion":"pass",
                                        "label":"normal",
                                        "scene":"terrorism"
                                },
                                {
                                        "rate":99.91,
                                        "suggestion":"pass",
                                        "label":"normal",
                                        "scene":"ad"
                                }
                        ],
                        "taskId":"imgrNIkr@IA@a6qTGj0vBgLb-1vPqcl",
                        "url":"https://www.zihufddamei.com/office/uploadfhsafshj/comzhm28402zhm201811214145218790.jpg"
                }
        ],
        "requestId":"AEE070FA-B8F5-5999-889D-2B45D24BDD05"
}

最后阿里云帮我们判断每张图片是否违规之后，那我们拿到这些结果之后应该做如何处理呢？

这里需要明白的逻辑：

如果有一张图片的suggestion是block，那么整个处理就应该是block；
如果没有block，那么里面有一张是review的话，那么整个处理应该是review；
只有全部是pass，整个多张图片的处理才是pass。

根据上面的逻辑编写下面的处理逻辑：

//根据多个场景进行判断
public Map sceneJudge(List<Map> maps) {
    for (int i = 0; i < maps.size(); i++) {
        if (maps.get(i).get("suggestion").equals("block")) {
            return maps.get(i);
        }
    }
    for (int i = 0; i < maps.size(); i++) {
        if (maps.get(i).get("suggestion").equals("review")) {
            return maps.get(i);
        }
    }
    return maps.get(0);
}
// 根据每张图片进行判断
public Map imageJudge(List<Map> maps) {
    for (int i = 0; i < maps.size(); i++) {
        if (maps.get(i).get("suggestion").equals("block")) {
            return maps.get(i);
        }
    }

    for (int i = 0; i < maps.size(); i++) {
        if (maps.get(i).get("suggestion").equals("review")) {
            return maps.get(i);
        }
    }
    return maps.get(0);
}

为了能使用上如上的逻辑，需要对审核的结果进行存储，对多张图片的审核代码进行了添加。

for (Object sceneResult : sceneResults) {
    // 保存每张图片的各个场景结果
    HashMap<String, String> map = new HashMap<>();

    String scene = ((JSONObject) sceneResult).getString("scene");
    String suggestion = ((JSONObject) sceneResult).getString("suggestion");
    String rate = ((JSONObject) sceneResult).getString("rate");

    // 根据scene和suggestion做相关处理。
    // 根据不同的suggestion结果做业务上的不同处理。例如，将违规数据删除等。
//  System.out.println("scene = [" + scene + "]");
//                            System.out.println("suggestion = [" + suggestion + "]");

    map.put("scene", scene);
    map.put("suggestion", suggestion);
    map.put("rate", rate);

    sceneSuggestions.add(map);
}

接着对`sceneSuggesitons`进行处理，实现从多个维度实现单张图片的判断。

Map sceneJudgeResult = sceneJudge(sceneSuggestions);
imageJudgeList.add(sceneJudgeResult);

接着对`imageJudgeList`进行处理，实现对多张图片的判断。

Map imageJudgeResult = imageJudge(imageJudgeList);

最后可以实现对多张图片审核结果的封装和返回

acsImageResp.setSuggestion((String) imageJudgeResult.get("suggestion"));
acsImageResp.setRate((String) imageJudgeResult.get("rate"));

return acsImageResp;

最后的返回的结果

AcsImageResp(suc
cess=true, suggestion=block, rate=98.99979, uuid=769c8be6-5ff9-44a9-b9ba-6a95edcfdb66, details={"msg":"OK","code":200,"data":[{"msg":"OK","
code":200,"dataId":"8c728368-c872-4fb1-8b48-9bd186278715","extras":{},"results":[{"rate":98.99979,"suggestion":"block","label":"porn","scen
e":"porn"},{"rate":100.0,"suggestion":"pass","label":"normal","scene":"terrorism"},{"rate":99.91,"suggestion":"pass","label":"normal","scen
e":"ad"}],"taskId":"img3PAU2TEmQ995bJU4oJGV7V-1vPqcl","url":"https://www.zihuagfsdmei.com/office/upload/comzhm28402zhm201811214145218790.jpg"},
{"msg":"OK","code":200,"dataId":"06be3693-d2c8-41a3-9f65-308730a632de","extras":{},"results":[{"rate":98.99979,"suggestion":"block","label"
:"porn","scene":"porn"},{"rate":100.0,"suggestion":"pass","label":"normal","scene":"terrorism"},{"rate":99.91,"suggestion":"pass","label":"
normal","scene":"ad"}],"taskId":"imgrNIkr@IA@a6qTGj0vBgLb-1vPqcl","url":"https://www.zihuamgdfei.com/office/upload/comzhm28402zhm2018112141452
18790.jpg"}],"requestId":"AEE070FA-B8F5-5999-889D-2B45D24BDD05"})