随着我国道路交通建设行业的迅猛发展,路侧显示设备也从指示牌发展到如今的智能显示终端,随之而来的信息安全问题也让信息过滤技术成为工程界和学术界热烈讨论的问题。在路侧智能显示终端上,对节目信息进行安全检测的效率和准确率,是衡量路侧终端安全性的重要标准。传统的安全性检测方式大多是通过人工来进行审核,这种检测方式需要耗费一定的人力物力来维持,并且在准确率方面会随着审核人员工作状态的变化而产生一定的误差。因此对于节目信息的智能过滤系统的研究则是路侧终端供应商绕不过去的门槛。终端显示节目信息主要由图片节目和文字节目构成,涉及到图像处理和文本分析两大领域。本文重点围绕对图片节目的文字信息提取方法和对文字节目的敏感信息过滤技术两个方面进行了讨论研究。首先讨论了对图片节目中文字的定位方法,采用传统的最大稳定极值区域(Maximally Stable Extremal Regions,MSER)算法和非极大值抑制(Non Maximum Suppression,NMS)算法完成对图片文字的初步定位,针对定位后产生的噪声信息,引入基于卷积神经网络的二分类器,完成对初步定位出的区域中是否含有文字的判定,得到图片里所有包含单个文字的区域。介绍了用于训练该网络的数据集的制作过程,实验分析各个步骤定位出的区域效果。其次讨论了对单个文字区域进行文字提取的方法,提出了使用基于卷积神经网络训练出的汉字分类器进行文字的提取。介绍了训练该网络所需要的数据集和对数据集的预处理过程,实验分析经过一定次数训练之后的模型在文字辨别方面达到的效果。最后讨论了对文字节目中文本字符串进行敏感词检测的方法,提出了基于字典树构建的敏感词库,利用中文分词技术将字符串分割成短词进入字典树进行匹配,通过对字典树处理敏感词的效率的实验,验证使用字典树构建的敏感词检测模块的实时性。