[发明专利]基于神经网络的印章匹配方法、系统、设备及存储介质

说明书

本发明提供了基于神经网络的印章匹配方法、系统、设备及存储介质，该方法包括：对N种带印章和真实标签的印章样本图案进行预处理，独立提取特征图阵转，每个像素的每个色彩通道作为独立卷积核；训练预测网络，获得特征矩阵X和权重矩阵W并进行归一化；根据特征矩阵和权重矩阵获得预测向量矩阵；根据真实标签获取反余弦得到角度对所有由真实标签对应的角度值加上惩罚角度m，其他角度值保持原有角度。本发明能够实现在缺少足够可利用的印章训练样本的情况下，能够将机器学习方式应用于印章识别中，提高了印章识别的识别率。

背景技术

随着经济的迅猛发展，企事业单位之间、个体和单位之间的票据往来迅速增长，犯罪分子伪造印章获取高额利润的案例也随之日益增多，由于缺乏对印章的有效识别，使得犯罪分子进行商业诈骗谋取暴利的行为得以实现，给社会带来极大损失。早期的人工折角识别印章真伪的方式无论是在检测速度上还是检测精度上都已经无法满足要求，而且识别过程中具有强烈的主观因素。

为了提高印章识别成效，预防与减少印章身份犯罪对个体和社会的巨额损失，采用机器视觉技术准确识别印章已成为迫切需要解决的问题。快速准确地识别印章真伪对于个人、社会团体、单位具有重大的现实意义，也成为社会稳定发展的迫切需求。

目前，传统机器学习通常有两个基本假设，即训练样本与测试样本满足独立同分布的假设和必须有足够可利用的训练样本假设。而印章识别中，由于缺少足够可利用的训练样本，因此很难将传统的机器学习方法应用于印章识别中。

但是，发明人发现现有技术中至少存在如下问题：现有的印章识别方案，由于缺少足够可利用的印章训练样本，很难将机器学习方式应用于印章识别中。

因此，本发明提供了一种基于神经网络的印章匹配方法、系统、设备及存储介质。

发明内容

针对现有技术中的问题，本发明的目的在于提供基于神经网络的印章匹配方法、系统、设备及存储介质，克服了现有技术的困难，能够实现在缺少足够可利用的印章训练样本的情况下，能够将机器学习方式应用于印章识别中，提高了印章识别的识别率。

本发明的实施例提供一种基于神经网络的印章匹配方法，包括训练阶段和预测阶段，所述训练阶段包括以下步骤：

对N种带印章和真实标签的印章样本图案进行预处理，独立提取特征图矩阵，每个所述像素的每个色彩通道作为独立卷积核；

训练预测网络，获得特征矩阵X并进行归一化；

获得权重矩阵W并进行归一化；

根据特征矩阵和权重矩阵获得预测向量矩阵；

根据真实标签获取反余弦得到角度

对所有由真实标签对应的角度值加上惩罚角度m，其他角度值保持原有角度；

计算损失函数Loss，通过训练令损失函数减小。

优选地，所述训练阶段至少包括以下步骤：

S110、对N种带印章和真实标签的印章样本图案进行预处理并对每个像素的每个色彩通道进行归一化，自所述印章样本图案独立提取特征图矩阵，每个所述像素的每个色彩通道作为独立卷积核；

S120、训练预测网络，根据每个所述特征图矩阵转化为一个一维矩阵C_in，根据所述一维矩阵C_in获得特征矩阵X，X＝N×C_in，对每个所述特征矩阵X中的所有元素进行归一化，获得归一化后的特征矩阵X_norm；

S130、获得每个所述特征矩阵X的权重矩阵W，W＝C_in×C_out，C_out表示分类印章的一行N列的类别矩阵每一列分别对应一种印章类别，并对权重矩阵W中的所有元素进行归一化，获得归一化后的权重矩阵W_norm；