随着移动互联网和大众社交媒体的流行,相比于文字,人们依靠图像传达信息和表达情绪的比例正在逐年上升。在近年网络安全事件的组成中,涉及网络信息内容安全和舆情态势等问题的比重也在逐年增加,也对为态势感知提供基础支撑的数据汇聚技术提出了新的要求。图像数据拥有高层抽象的语义特征使得其与传统的日志类型数据在处理上存在较大的鸿沟。为此,本研究利用图像识别技术,解决针对图像数据汇聚中图像内容感知和情感分类问题,并依靠识别结果实现图像数据的数据汇聚工作。本文的主要工作如下:1、针对图像内容感知的问题,我们利用基于深度学习的目标检测技术,以SSD目标检测算法为基础,从超参数设置,网络结构,和训练数据三个方面提出了改进后的目标检测算法ACSD。ACSD算法在保持较高算法性能的同时,提升了检测准确率,并在一定程度上提升了模型的泛化能力,抑制了模型过拟合。2、针对图像情感感知问题,采用基于情感区域的图像情感分类方案。通过与上述目标检测算法的结合,提出了情感区域建议网络,并利用特征图映射和兴趣区域池化的方式将其与针对全图的情感分类网络实现特征共享。在保证识别精度的同时,减少重复计算,实现了端到端的推理,提高算法性能和执行效率。3、基于前两项技术,设计并实现了互联网图像数据汇聚系统。包含数据获取,内容感知,情感感知,系统管理四个模块。实现了从互联网图像数据获取到汇聚的一系列功能,并完成系统测试。综上,本文提出了利用图像识别技术解决数据汇聚中图像数据理解和分类汇聚问题的解决方案,对所涉及的目标检测和图像情感分类算法进行了改进,并对图像数据汇聚原型系统进行了设计和实现,为后续的数据融合和态势感知决策提供了数据基础。