生生不息一尾中特:一種翻拍圖像的識別方法、系統及終端設備技術方案

技術編號:21185420 閱讀:30 留言:0更新日期:2019-05-22 16:02
本發明專利技術適用于圖像識別技術領域,提供了一種翻拍圖像的識別方法、系統及終端設備,包括根據多個訓練樣本構建翻拍圖像分類器,訓練樣本包括訓練圖像以及對應的分類結果,分類結果為真實圖像或翻拍圖像;提取待分類圖像的特征值,特征值包括待分類圖像的Y通道亮度轉換率及待分類圖像的表面梯度特征值;通過翻拍圖像分類器對待分類圖像的特征值進行分類判別,基于分類結果識別所述圖像是否為翻拍圖像。通過訓練好的翻拍圖像分類器根據圖像的Y通道亮度轉換率和表面梯度特征值對圖像是否為翻拍圖像進行識別,能夠高效地、智能地判別出圖像是真實圖像還是翻拍圖像,有效地避免了作假行為,解決了目前無法準確區分翻拍圖像和實際拍攝的圖像的問題。

A Recognition Method, System and Terminal Equipment for Reduplicated Image

572222一尾中特平 www.fbmtd.icu The present invention is applicable to the field of image recognition technology, and provides a method, system and terminal equipment for recognizing the remake image, including constructing a classifier of the remake image according to a plurality of training samples, including training images and corresponding classification results, the classification results are real images or remake images, extracting the eigenvalues of the images to be classified, and the eigenvalues include Y values of the images to be classified. The channel brightness conversion rate and the surface gradient eigenvalue of the image to be classified are used to classify and distinguish the eigenvalues of the classified image by the classifier of the remake image, and whether the image is a remake image is recognized based on the classification results. The trained image classifier recognizes whether the image is a remake image according to the Y-channel brightness conversion rate and the surface gradient eigenvalue of the image. It can efficiently and intelligently distinguish whether the image is a real image or a remake image, effectively avoiding the fraudulent behavior, and solving the problem that the remake image and the actual image can not be distinguished accurately at present.

【技術實現步驟摘要】
一種翻拍圖像的識別方法、系統及終端設備
本專利技術屬于計算機
,尤其涉及一種翻拍圖像的識別方法、系統及終端設備。
技術介紹
圖像認證技術作為信息安全領域的重要組成部分,用于對圖像的真實性進行驗證。翻拍圖像即為二次獲取的圖像,是指圖像經過了兩次以上的數字圖像成像過程而得到的新圖像,例如將圖片現實與LCD屏幕或經過激光打印后,再由數碼相機拍攝成像,即圖片的圖像。在零售場景中,零售廠商會安排巡查人員定期前往門店進行巡查,需要巡查人員現場拍攝圖片并上傳至驗證系統以作證明,然而巡查人員通?;崠嬖謐骷俚南窒?,即上傳到驗證系統的圖像是翻拍圖像而非現場真實拍攝的圖片,而驗證系統無法準確區分翻拍圖像和實際拍攝的圖像,因此無法準確判斷巡查人員是否真實到店進行巡查。因此,亟需一種能夠準確識別圖像是否為翻拍圖像的方法,以避免巡查人員的作假行為。
技術實現思路
有鑒于此,本專利技術實施例提供了一種翻拍圖像的識別方法、系統及終端設備,以解決目前驗證系統無法準確區分翻拍圖像和實際拍攝的圖像的問題。本專利技術的第一方面提供了一種翻拍圖像的識別方法,包括:根據多個訓練樣本構建翻拍圖像分類器,所述訓練樣本包括訓練圖像以及對應的分類結果,所述分類結果為真實圖像或翻拍圖像;提取待分類圖像的特征值,所述特征值包括所述待分類圖像的Y通道亮度轉換率及所述待分類圖像的表面梯度特征值;通過所述翻拍圖像分類器對所述待分類圖像的特征值進行分類判別,基于分類結果識別所述待分類圖像是否為翻拍圖像。本專利技術的第二方面提供了一種翻拍圖像的識別系統,包括:分類器構建???,用于根據多個訓練樣本構建翻拍圖像分類器,所述訓練樣本包括訓練圖像以及對應的分類結果,所述分類結果為真實圖像或翻拍圖像;特征提取???,用于提取待分類圖像的特征值,所述特征值包括所述待分類圖像的Y通道亮度轉換率及所述待分類圖像的表面梯度特征值;識別???,用于通過所述翻拍圖像分類器對所述待分類圖像的特征值進行分類判別,基于分類結果判斷所述待分類圖像是否為翻拍圖像。本專利技術的第三方面提供了一種終端設備,包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序,所述處理器執行所述計算機程序時實現以下步驟:根據多個訓練樣本構建翻拍圖像分類器,所述訓練樣本包括訓練圖像以及對應的分類結果,所述分類結果為真實圖像或翻拍圖像;提取待分類圖像的特征值,所述特征值包括所述待分類圖像的Y通道亮度轉換率及所述待分類圖像的表面梯度特征值;通過所述翻拍圖像分類器對所述待分類圖像的特征值進行分類判別,基于分類結果識別所述待分類圖像是否為翻拍圖像。本專利技術的第四方面提供了一種計算機可讀存儲介質,所述計算機可讀存儲介質存儲有計算機程序,所述計算機程序被處理器執行時實現以下步驟:根據多個訓練樣本構建翻拍圖像分類器,所述訓練樣本包括訓練圖像以及對應的分類結果,所述分類結果為真實圖像或翻拍圖像;提取待分類圖像的特征值,所述特征值包括所述待分類圖像的Y通道亮度轉換率及所述待分類圖像的表面梯度特征值;通過所述翻拍圖像分類器對所述待分類圖像的特征值進行分類判別,基于分類結果識別所述待分類圖像是否為翻拍圖像。本專利技術提供的一種翻拍圖像的識別方法、系統及終端設備,通過訓練好的翻拍圖像分類器根據待分類圖像的Y通道亮度轉換率和表面梯度特征值對待分類圖像是否為翻拍圖像進行識別,能夠高效地、智能地判別出圖像是真實圖像還是翻拍圖像,有效地避免了作假行為,解決了目前無法準確區分翻拍圖像和實際拍攝的圖像的問題。附圖說明為了更清楚地說明本專利技術實施例中的技術方案,下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹,顯而易見地,下面描述中的附圖僅僅是本專利技術的一些實施例,對于本領域普通技術人員來講,在不付出創造性勞動性的前提下,還可以根據這些附圖獲得其他的附圖。圖1是本專利技術實施例一提供的一種翻拍圖像的識別方法的實現流程示意圖;圖2是本專利技術實施例二提供的對應實施例一步驟S101的實現流程示意圖;圖3是本專利技術實施例三提供的對應實施例一步驟S102的實現流程示意圖;圖4是本專利技術實施例四提供的對應實施例一步驟S102的實現流程示意圖;圖5是本專利技術實施例五提供的一種翻拍圖像的識別系統的結構示意圖;圖6是本專利技術實施例六提供的對應實施例五中分類器構建???01的結構示意圖;圖7是本專利技術實施例七提供的對應實施例五中特征提取???02的結構示意圖;圖8是本專利技術實施例八提供的對應實施例五中特征提取???02的結構示意圖;圖9是本專利技術實施例九提供的終端設備的示意圖。具體實施方式以下描述中,為了說明而不是為了限定,提出了諸如特定系統結構、技術之類的具體細節,以便透徹理解本專利技術實施例。然而,本領域的技術人員應當清楚,在沒有這些具體細節的其它實施例中也可以實現本專利技術。在其它情況中,省略對眾所周知的系統、系統、電路以及方法的詳細說明,以免不必要的細節妨礙本專利技術的描述。為了說明本專利技術所述的技術方案,下面通過具體實施例來進行說明。實施例一:如圖1所示,本實施例提供了一種翻拍圖像的識別方法,其具體包括:步驟S101:根據多個訓練樣本構建翻拍圖像分類器,所述訓練樣本包括訓練圖像以及對應的分類結果,所述分類結果為真實圖像或翻拍圖像。在具體應用中,由于翻拍圖像是對圖像的二次成像,因此翻拍圖像的Y通道亮度轉換率與真實圖像(現場拍攝的圖像)的Y通道亮度轉換率存在差異,且翻拍圖像的表面梯度特征值與真實圖像的表面梯度特征值也存在差異,因此將圖像的Y通道亮度轉換率和表面梯度特征值作為判斷圖像是否為翻拍圖像的判定因子,綜合圖像的Y通道亮度轉換率和表面梯度特征值進行統一判斷,就能夠識別出圖像是否為翻拍圖像。在具體應用中,通過構建基于圖像的Y通道亮度轉換率和表面梯度特征值為判斷因子的翻拍圖像分類器,并基于大量的訓練圖像對該分類器進行訓練,得到訓練完成的翻拍圖像分類器。步驟S102:提取待分類圖像的特征值,所述特征值包括所述待分類圖像的Y通道亮度轉換率及所述待分類圖像的表面梯度特征值。在具體應用中,對于上傳系統的待分類圖像,先對該待分類圖像進行特征值提取,提取該待分類圖像的Y通道亮度轉換率和該待分類圖像的表面梯度特征值。在具體應用中,通過對上傳系統的待分類圖像進行初始化處理,并計算得到該待分類圖片的Y通道去處鏡面反射部分的通道亮度值和Y通道的鏡面反射部分的通道亮度值,基于Y通道去處鏡面反射部分的通道亮度值和Y通道的鏡面反射部分的通道亮度值計算得到該待分類圖像的Y通道亮度轉換率。在具體應用中,通過提取待分類圖像的G通道,并計算待分類圖像的G通道的表面梯度特征值,并根據G通道的表面梯度特征值繪制出直方圖,通過直方圖定量表示G通道的表面梯度特征值,獲取該直方圖的特征值,則該直方圖的特征值為該待分類圖像的表面梯度特征值。在具體應用中,為了更方便快捷地對圖像進行識別,可以通過構建深度神經網絡來實現特征值提取。通過構建和訓練能夠輸出圖像特征值的深度神經網絡模型,將上傳系統的待分類圖像輸入到該深度神經網絡模型中,該深度神經網絡??樽遠涑齦么擲嗤枷竦腨通道亮度轉換率和表面梯度特征值。需要說明的是,上述深度神經網絡可以是VGG19神經網絡模型。由于VGG19神經網絡為現有技術,因此,暫不對其具體結構和訓練方式進行贅述。步驟本文檔來自技高網...

【技術?;さ恪?/strong>
1.一種翻拍圖像的識別方法,其特征在于,包括:根據多個訓練樣本構建翻拍圖像分類器,所述訓練樣本包括訓練圖像以及對應的分類結果,所述分類結果為真實圖像或翻拍圖像;提取待分類圖像的特征值,所述特征值包括所述待分類圖像的Y通道亮度轉換率及所述待分類圖像的表面梯度特征值;通過所述翻拍圖像分類器對所述待分類圖像的特征值進行分類判別,基于分類結果識別所述待分類圖像是否為翻拍圖像。

【技術特征摘要】
1.一種翻拍圖像的識別方法,其特征在于,包括:根據多個訓練樣本構建翻拍圖像分類器,所述訓練樣本包括訓練圖像以及對應的分類結果,所述分類結果為真實圖像或翻拍圖像;提取待分類圖像的特征值,所述特征值包括所述待分類圖像的Y通道亮度轉換率及所述待分類圖像的表面梯度特征值;通過所述翻拍圖像分類器對所述待分類圖像的特征值進行分類判別,基于分類結果識別所述待分類圖像是否為翻拍圖像。2.根據權利要求1所述的方法,其特征在于,所述根據多個訓練樣本構建翻拍圖像分類器,包括:獲取訓練圖像,將所述訓練圖像分為真實圖像組和翻拍圖像組;分別提取所述真實圖像組的特征值和所述翻拍圖像組的特征值;將所述真實圖像組的特征值作為輸入參數對翻拍圖像分類器進行訓練,以使所述翻拍圖像分類器輸出的分類結果為所述圖像為真實圖像;將所述翻拍圖像組的特征值作為輸入參數對翻拍圖像分類器進行訓練,以使所述翻拍圖像分類器輸出的結果為所述圖像為翻拍圖像。3.根據權利要求1所述的方法,其特征在于,所述提取待分類圖像的特征值,所述特征值包括所述待分類圖像的Y通道亮度轉換率及所述待分類圖像的表面梯度特征值,包括:對所述待分類圖像進行初始化處理,獲得所述待分類圖像的Y通道去除鏡面反射部分的通道亮度值;提取所述待分類圖像的Y通道的鏡面反射部分的通道亮度值,根據所述Y通道去除鏡面反射部分的通道亮度值及所述待分類圖像的Y通道的鏡面反射部分的通道亮度值計算Y通道亮度轉換率;計算所述待分類圖像的G通道的表面梯度值,并根據所述表面梯度值繪制直方圖,獲取所述直方圖的特征值。4.根據權利要求3所述的方法,其特征在于,對所述待分類圖像進行初始化處理,獲得所述待分類圖像的Y通道去除鏡面反射部分的通道亮度值,包括:對所述待分類圖像進行色彩空間轉換,提取所述待分類圖像的Y通道的亮度直方圖;對所述待分類圖像的Y通道的亮度直方圖進行歸一化處理,得到所述待分類圖像的Y通道的原始直方圖;對所述原始直方圖進行均衡化處理,獲取所述待分類圖像的Y通道的亮度均衡直方圖;通過多項式轉換函數對通道Y的亮度均衡直方圖進行映射,獲得所述待分類圖像的Y通道去除鏡面反射部分的通道亮度值;所述多項式轉換函數為:f(x)=p0x4+p1x3+p2x2+p3x+P4;其中,P為系數矩陣。5.根據權利要求1所述的方法,其特征在于,所述提取待分類圖像的特征值,所述特征值包括所述待分類圖像的Y通道亮度轉換率及所述待分類圖像的表面梯度特征值,包括:獲取大量訓練圖像和...

【專利技術屬性】
技術研發人員:錢根雙,
申請(專利權)人:平安科技深圳有限公司,
類型:發明
國別省市:廣東,44

網友詢問留言 已有0條評論
  • 還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。

1