当下网络环境中存在大量以文字,图片和视频等形式传播的敏感信息。随着政府“净网行动”的实施,纯文本形式敏感信息传播得到了有效的遏制。许多不法分子改用图片中嵌入敏感文字的方式散播敏感信息。当前图片中的敏感文字检测存在检测难度大以及检测效率低的问题。基于以上考虑,本文设计了基于异构计算的图片敏感文字检测系统。系统可以从数据源图片获取图片并对图片进行文字定位,图片文字识别和敏感语义检测等处理。其中,为了解决复杂场景下的文字定位问题,使用了基于区域推荐网络RPN与双向循环神经网络GRU的端到端深度网络架构。在文字识别环节,为了提高系统的检测鲁棒性,设计了两层文字识别模块。第一层文字识别模块通过CNN,深层双向GRU网络与CTC网络对大部分文字进行识别。针对第一层文字识别评分较低的图片,使用开源引擎Tesseract进行了第二层文字识别处理。在敏感语义检测环节,本文设计了两层敏感语义过滤器。其中第一层过滤器通过使用前缀树方式对输入语句进行敏感词粗过滤。第二层过滤器通过使用中文分词,词袋和SVM分类器的方式进行深层次的敏感语义过滤。为了解决网络图片数量巨大,纯软件处理时间长的问题,本文根据系统算法的类型,并行特性和功耗等因素,选择了基于FPGA的异构计算系统进行系统实现和关键算法加速。通过OpenCL框架在异构系统中进行了任务分配和调度,通过FPGA端的加速内核对系统耗时较长并行度较高的部分进行了加速处理。测试结果表明,本文系统在以网页为单位进行检测时,检测准确率可达约95%。以图片为单位时,处理速度可达约1.4 s/张。相较于CPU方案,本文FPGA解决方案在处理速度上有近6倍的提升,在能效比上有近37倍的提升。本文系统可以同时满足图片敏感文字检测问题对有效性与及时性的要求。