本文的主要研究内容是红头文件图像的识别和军人图像中军装的识别。随着互联网的普及程度越来越高,无纸化办公的推广,很多单位、部门都使用计算机来处理公文。并且近年来移动互联网的用户不断增加,智能手机几乎成为人们的随身物品,一些包含重要信息的纸质文件容易通过拍照、扫描等方式以图片形式存储。无纸化办公带来了便利但也具有安全风险,这些图片很容易泄漏到网络环境中。与此同时,由于智能手机使用便捷,军人也很容易接触互联网。在《中国人民解放军严密防范网络泄密十条禁令》中有明确的要求,不能在微信等网络聊天工具中发表可能存在涉密信息的图像或是视频,不能以军人着军装的图像作为微信头像等。军装图片在互联网中的传播是对军队保密工作的一个重大的挑战。本文利用图像处理技术和基于深度学习的图像识别技术来检测网络中传播的红头文件图片和军人图片。本文的主要工作概括如下:(1)基于HSI色彩空间提取颜色特征,并结合Hough变换的方式提取红头文件的标题特征区域和公章特征区域,使用OCR技术对标题特征区域的文字进行识别。(2)提出一种简化三元组损失,并融合softmax损失来构建CNN模型对公章特征区域进行分类。CNN模型采用两级级联的方式,第一级CNN网络的目的旨在排除在原图像中误提取到的非公章图像,第二级CNN网络对公章进行最终分类:党徽、国徽及五角星三类。(3)基于MTCNN算法结合HSI和YCbCr双色彩空间的肤色模型实现快速的人脸定位,进一步提取军人图像中的军装区域。提出一种基于级联的多任务卷积神经网络的军装识别方法,第一级CNN网络模型识别服装主体是否为军装,排除非军装图像。第二级CNN网络模型为多任务CNN,对军装进行分类。(4)提出一种简化四元组损失,并融合softmax损失来构建CNN模型对军装特征区域进行分类。简化四元组损失是基于简化三元组损失改进的,其目的是进一步减少类内距离,扩大类间距离。(5)在简化三元组损失和简化四元组损失中需要定义一个阈值,这个阈值在训练过程中难以确定。提出一种基于训练模型自适应地选择阈值的方法,并使用这个阈值来选择适合训练模型的三元组和四元组。实验结果表明:结合简化三元组损失的公章识别方法能有效识别红头文件中存在的公章,对有部分缺失的公章也能取得较好的识别效果。结合双色彩空间的肤色模型的过滤能有效过滤MTCNN的误检人脸区域。结合简化四元组损失的CNN模型在军装分类任务上表现良好,受人物站姿、环境光照等的影响较小。在公章分类任务和军装分类任务上设立对比实验,实验结果表明结合简化三元组损失的CNN模型和结合简化四元组的CNN模型在分类上具有良好的效果。