[发明专利]一种基于翻拍识别的陈列图像检测方法、装置及存储介质在审

专利信息
申请号: 201910913694.0 申请日: 2019-09-25
公开(公告)号: CN110705620A 公开(公告)日: 2020-01-17
发明(设计)人: 黄祖浩;丁明;陈永辉 申请(专利权)人: 广州市玄武无线科技股份有限公司
主分类号: G06K9/62 分类号: G06K9/62;G06K9/46
代理公司: 44202 广州三环专利商标代理有限公司 代理人: 郭浩辉;麦小婵
地址: 510000 广东省广州市天河区体*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 陈列 图像 翻拍 检测 特征矩阵 存储介质 图像检测 图像识别 构建 预设 真实性 保证
【权利要求书】:

1.一种基于翻拍识别的陈列图像检测方法,其特征在于,包括:

获取待检测陈列图像并提取所述待检测陈列图像的MSCN系数及LPB特征;

根据所述待检测陈列图像的MSCN系数及LPB特征,构建所述待检测陈列图像的特征矩阵;

将所述特征矩阵输入到预设的翻拍图像识别模型中对所述待检测陈列图像进行翻拍鉴定。

2.如权利要求1所述的基于翻拍识别的陈列图像检测方法,其特征在于,

在所述提取所述待检测陈列图像的MSCN系数及LPB特征之前,还包括:对所述待检测陈列图像进行拉普拉斯放大。

3.如权利要求1所述的基于翻拍识别的陈列图像检测方法,其特征在于,所述翻拍图像识别模型的构建步骤包括:

获取若干待训练图像;其中,所述待训练图像包括自然陈列图像及翻拍图像;

提取所述每一所述待训练图像的MSCN系数及LPB特征,构建每一所述待训练图像的特征矩阵;

将每一所述待训练图像的特征矩阵以及对应的标签输入到SVM分类器中进行训练,获得所述翻拍图像识别模型。

4.如权利要求3所述的基于翻拍识别的陈列图像检测方法,其特征在于,所述获取若干待训练图像,具体包括:

获取若干原始图像,所述原始图像包括自然图像及翻拍图像;

计算每一所述原始图像的图像熵及模糊度;

将图像熵及模糊度均符合预设标准的原始图像,作为所述待训练图像。

5.如权利要求3所述的基于翻拍识别的陈列图像检测方法,其特征在于,在所述提取所述每一所述待训练图像的MSCN系数及LPB特征,构建每一所述待训练图像的特征矩阵之前,还包括:

对每一所述待训练图像进行拉普拉斯放大。

6.一种基于翻拍识别的陈列图像检测装置,其特征在于,包括:图像处理模块、特征矩阵构建模块以及图像鉴定模块;

其中,所述图像处理模块,用于获取待检测陈列图像并提取所述待检测陈列图像的MSCN系数及LPB特征;

所述特征矩阵构建模块,用于根据所述待检测陈列图像的MSCN系数及LPB特征,构建所述待检测陈列图像的特征矩阵;

所述图像鉴定模块,用于将所述特征矩阵输入到预设的翻拍图像识别模型中对所述待检测陈列图像进行翻拍鉴定。

7.如权利要求6所述基于翻拍识别的陈列图像检测装置,其特征在于,所述图像处理模块,还用于对所述待检测陈列图像进行拉普拉斯放大。

8.如权利要求6所述基于翻拍识别的陈列图像检测装置,其特征在于,还包括模型构建模块,所述模型构建模块包括图像获取子单元、特征提取子单元以及模型训练子单元;

所述图像获取子单元,用于获取若干待训练图像;其中,所述待训练图像包括自然陈列图像及翻拍图像;

所述特征提取子单元,用于提取所述每一所述待训练图像的MSCN系数及LPB特征,构建每一所述待训练图像的特征矩阵;

所述模型训练子单元,用于将每一所述待训练图像的特征矩阵以及对应的标签输入到SVM分类器中进行训练,获得所述翻拍图像识别模型。

9.一种存储介质,其特征在于,所述存储介质包括存储的计算机程序,其中,所述计算机程序运行时实现如权利要求1-5任意一项所述的基于翻拍识别的陈列图像检测方法。

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广州市玄武无线科技股份有限公司,未经广州市玄武无线科技股份有限公司许可,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/201910913694.0/1.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