[发明专利]证件识别方法及装置、电子设备和存储介质在审

专利信息
申请号: 201711052744.8 申请日: 2017-10-30
公开(公告)号: CN108229499A 公开(公告)日: 2018-06-29
发明(设计)人: 张瑞;暴天鹏;杨凯;吴立威;闫俊杰 申请(专利权)人: 北京市商汤科技开发有限公司
主分类号: G06K9/46 分类号: G06K9/46;G06K9/40;G06N3/04
代理公司: 北京思源智汇知识产权代理有限公司 11657 代理人: 毛丽琴
地址: 100084 北京市海淀区中*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 证件图像 待检测图像 存储介质 电子设备 证件识别 综合特征 检测 额外信息 神经网络 特征提取 伪造证件 追加 伪造 证件
【说明书】:

发明实施例公开了一种证件识别方法及装置、电子设备和存储介质,其中方法包括:获取待检测的证件图像;对待检测的证件图像进行处理,得到包含有所述待检测证件的待检测图像区域;根据深度神经网络对所述待检测图像区域进行特征提取,得到综合特征;根据所述综合特征进行证件图像伪造识别,得到所述证件图像的识别结果。本发明实施例可以全面准确的识别出伪造证件,而无需进行额外信息或设备的追加,实施更加简便。

技术领域

本发明涉及图像处理技术,尤其是一种证件识别方法及装置、电子设备和存储介质。

背景技术

证件防伪是防伪技术领域的重要问题,证件防伪在很多领域都有重要应用,特别是在互联网金融领域,证件防伪技术能够有效保护开户人账户安全。

发明内容

本发明实施例提供一种证件识别的技术方案。

本发明实施例提供的一种证件识别方法,包括:获取待检测的证件图像;对待检测的证件图像进行处理,得到包含有所述待检测证件的待检测图像区域;根据深度神经网络对所述待检测图像区域进行特征提取,得到综合特征;根据所述综合特征进行证件图像伪造识别,得到所述证件图像的识别结果。

在一种可选方式中,还包括:对所述深度神经网络进行训练;所述对所述深度神经网络进行训练,包括:采集各证件图像样本,所述证件图像样本标注有是否伪造信息;根据所述深度神经网络对所述证件图像样本进行特征提取,得到所述证件图像样本的综合特征;根据所述综合特征进行证件伪造识别,得到所述证件图像样本的识别结果;基于所述证件图像样本的识别结果和标注的是否伪造信息,对所述深度神经网络进行训练。

在一种可选方式中,当所述证件图像样本为证件图像伪造样本时,所述证件图像伪造样本还标注有伪造来源标注信息;所述对所述深度神经网络进行训练,还包括:根据所述综合特征获取证件图像伪造样本的伪造来源预测信息;基于所述伪造来源预测信息及所述伪造来源标注信息,对所述深度神经网络进行训练。

在一种可选方式中,所述对所述深度神经网络进行训练,还包括:当采集到证件图像伪造新增样本时,基于所述证件图像伪造新增样本对所述深度神经网络进行训练,所述证件图像伪造新增样本通过证件图像新增伪造技术得到。

在一种可选方式中,所述综合特征包括:局部二值模式特征、稀疏编码的柱状图特征、颜色特征、全景图特征、证件区域特征、证件细节特征中的至少一项或多项。

在一种可选方式中,所述局部二值模式特征用于表征待检测图像中的边缘信息;所述稀疏编码的柱状图特征用于表征待检测图像中的反光与模糊信息;所述颜色特征用于区分真实拍摄的证件与证件复印件;所述全景图特征用于提取待检测图像的伪造信息;所述证件区域用于确定待检测图像中证件区域切图;所述证件细节特征用于提取待检测图像的伪造信息。

在一种可选方式中,所述证件图像的识别结果包括:所述证件图像否为伪造;当所述识别结果为所述证件图像伪造时,所述方法还包括:根据所述综合特征,输出所述证件图像的伪造来源。

在一种可选方式中,所述方法还包括:根据证件图像的伪造识别结果及所述伪造来源,训练所述深度神经网络。

在一种可选方式中,所述证件图像为证件图像本身或证件视频中的视频帧。

在一种可选方式中,所述对待检测的证件图像进行处理,得到待检测图像,包括:对证件图像进行去噪、增强、平滑及锐化处理,得到所述待检测图像区域;或者,对证件视频进行视频选帧操作,得到目标视频帧图像,并对所述目标视频帧图像进行去噪、增强、平滑及锐化处理,得到所述待检测图像区域。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京市商汤科技开发有限公司,未经北京市商汤科技开发有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201711052744.8/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top