[发明专利]基于深度学习的翻拍图像识别方法、装置、设备及介质

说明书

本发明公开了一种基于深度学习的翻拍图像识别方法、装置、设备及介质。所述方法包括：获取待识别图像；对待识别图像进行灰度化处理，得到灰度图像后，开启第一线程和第二线程；通过第一线程对灰度图像进行标准化处理，并获取灰度图像的方向梯度直方图特征；通过第二线程对灰度图像进行预处理，并获取灰度图像的局部二值模式特征；根据灰度图像的方向梯度直方图特征和局部二值模式特征生成待识别数组，将该待识别数组输入翻拍图像识别模型中，并接收翻拍图像识别模型输出的识别结果，该识别结果包括该图为翻拍图像和该图为非翻拍图像。本发明提高了特征提取的速度和效率，同时还提高了图像的识别速度、识别准确率以及识别效率。

技术领域

本发明涉及深度学习领域，具体涉及一种基于深度学习的翻拍图像识别方法、装置、设备及介质。

背景技术

随着信用社会的发展，越来越多的应用场景(比如：涉及金融、保险、安防的应用场景)需要通过证件识别、人脸识别对用户身份进行验证。而现有的身份验证系统为了简化识别流程，降低专用设备的采购成本，通过获取人脸或证件的图像来验证用户身份，于是便出现通过使用翻拍照片欺骗身份验证系统完成身份验证的情况。

目前为了防止这种缺陷，通过图片局部二值模式(LBP，Local Binary Pattern)特征以及支持向量机(SVM，Support Vector Machine)的分类算法对获取的图像进行识别，判断该图像是否为翻拍照片，若获取的图像为翻拍照片，则无法通过身份验证。然而，翻拍识别准确率在80％左右，且处理速度慢；对于一些特定的对象，如Mac屏幕(苹果公司推出的一种电脑屏幕)，翻拍识别准确率更低。

发明内容

本发明提供一种基于深度学习的翻拍图像识别方法、装置、设备及介质，有利于提高图像的识别效率和识别准确率。

一种基于深度学习的翻拍图像识别方法，包括：

获取待识别图像；

对所述待识别图像进行灰度化处理，得到灰度图像后，开启用于获取所述灰度图像的特征参数的特征提取线程；所述特征参数包括方向梯度直方图特征和局部二值模式特征；所述特征提取线程包括第一线程和第二线程；

通过所述第一线程对所述灰度图像进行标准化处理，并获取所述灰度图像的方向梯度直方图特征；

通过所述第二线程对所述灰度图像进行预处理，并获取所述灰度图像的局部二值模式特征；

根据获取的所述方向梯度直方图特征和所述局部二值模式特征生成待识别数组，将所述待识别数组输入预设的翻拍图像识别模型，并接收所述翻拍图像识别模型输出的识别结果；所述识别结果包括该图为翻拍图像和该图为非翻拍图像。

一种基于深度学习的翻拍图像识别装置，包括：

获取模块，用于获取待识别图像；

开启模块，用于对所述待识别图像进行灰度化处理，得到灰度图像后，开启用于获取所述灰度图像的特征参数的特征提取线程；所述特征参数包括方向梯度直方图特征和局部二值模式特征；所述特征提取线程包括第一线程和第二线程；

第一线程模块，用于通过所述第一线程对所述灰度图像进行标准化处理，并获取所述灰度图像的方向梯度直方图特征；

第二线程模块，用于通过所述第二线程对所述灰度图像进行预处理，并获取所述灰度图像的局部二值模式特征；

识别模块，用于根据获取的所述方向梯度直方图特征和所述局部二值模式特征生成待识别数组，将所述待识别数组输入预设的翻拍图像识别模型，并接收所述翻拍图像识别模型输出的识别结果；所述识别结果包括该图为翻拍图像和该图为非翻拍图像。