图像校验方法和装置制造方法及图纸

本申请公开了图像校验方法和装置。该方法的一具体实施方式包括：接收待校验图像，并提取与该待校验图像相匹配的预置图像；分别从该待校验图像和该预置图像中提取特征，并基于所分别提取的特征，生成该待校验图像与该预置图像的差异特征；基于该差异特征，确定该待校验图像与该预置图像中的差异区域以确定该差异区域的相似度；基于该相似度与预设的相似度阈值的比较，确定该待校验图像是否通过校验。该实施方式提高了图像校验的准确性和图像校验的效率。

Image checking method and device

The application discloses an image calibration method and device. One specific embodiment of the method includes: receiving the image to be checked and extracting the preset image matching the image to be checked; extracting features from the image to be checked and the preset image respectively, and generating the difference features between the image to be checked and the preset image based on the extracted features; and based on the difference, generating the difference between the image to be checked and the preset image. The difference region between the image to be checked and the preset image is determined to determine the similarity of the difference region. Based on the comparison between the similarity and the preset similarity threshold, whether the image to be checked passes the verification is determined. The implementation improves the accuracy of image verification and the efficiency of image verification.

【技术实现步骤摘要】
图像校验方法和装置
本申请涉及计算机
，具体涉及互联网
，尤其涉及图像校验方法和装置。
技术介绍
随着计算机技术的发展，图像处理、识别等技术得到了越来越多的应用。在多种场景下，需要将图像进行校验。例如，在电子商务领域，通常需要确定产品实物的图像是否和上传的图像一致；在图像侵权判断的场景下，通常需要对进行图像的比对以确定图像是否侵权。现有的图像校验方法通常是直接将两张图像进行全局特征比对，或将图像切分为多个小图逐一进行全局特征比对。然而，直接进行全局特征比对的方式无法区分图像中局部的较细微的差异(例如呈现有图书上下册封面的图片等)，导致图像校验的准确性较低；基于图像切分进行比对的方式效率较低。
技术实现思路
本申请实施例的目的在于提出一种改进的图像校验方法和装置，来解决以上
技术介绍
部分提到的技术问题。第一方面，本申请实施例提供了一种图像校验方法，该方法包括：接收待校验图像，并提取与待校验图像相匹配的预置图像；分别从待校验图像和预置图像中提取特征，并基于所分别提取的特征，生成待校验图像与预置图像的差异特征；基于差异特征，确定待校验图像与预置图像中的差异区域以确定差异区域的相似度；基于相似度与预设的相似度阈值的比较，确定待校验图像是否通过校验。在一些实施例中，分别从待校验图像和预置图像中提取特征，包括：分别将待校验图像和预置图像输入至预先训练的第一深度神经网络，其中，第一深度神经网络用于提取图像的特征；将第一深度神经网络输出的、与待校验图像对应的特征矩阵确定为待校验图像的特征，并将第一深度神经网络输出的、与预置图像对应的特征矩阵确定为待校验图像的特征。在一些实施例中，基于分别所提取的特征，生成待校验图像与预置图像的差异特征，包括：将待校验图像的特征与预置图像的特征的差的平方确定为待校验图像与预置图像的差异特征。在一些实施例中，基于差异特征，确定待校验图像与预置图像中的差异区域以确定差异区域的相似度，包括：将差异特征输入至预先训练的第二深度神经网络，得到待校验图像与预置图像中的差异区域的坐标信息，其中，第二深度神经网络用于表征多个图像的差异特征与多个图像的差异区域的坐标信息的对应关系；确定坐标信息所指示的、待校验图像与预置图像中的差异区域的相似度。在一些实施例中，基于相似度与预设的相似度阈值的比较，确定待校验图像是否通过校验，包括：响应于确定相似度大于预设的相似度阈值，确定待校验图像通过校验；响应于确定相似度不大于相似度阈值，确定待校验图像未通过校验。在一些实施例中，该方法还包括：响应于确定待校验图像未通过校验，推送差异区域坐标信息和差异区域坐标信息所指示的差异区域的图像。在一些实施例中，该方法还包括建立第二深度神经网络的步骤，包括：提取预设的训练样本，其中，训练样本包含第一图像、第二图像、第一图像和第二图像的差异区域的预设坐标信息；分别从第一图像和第二图像中提取特征，并基于分别从第一图像和第二图像中所提取的特征，确定第一图像和第二图像的样本差异特征；利于机器学习方法，将样本差异特征作为输入并将预设坐标信息作为输出，训练得到第二深度神经网络。在一些实施例中，该方法还包括生成训练样本的步骤，包括：将预设的、满足预设条件的样本图像确定为指定图像，提取指定图像和预设的、与指定图像相对应的实拍图像；选取指定图像和实拍图像中的任一图像作为目标图像，将未选取的图像确定为第二图像；随机地从目标图像中提取矩形区域，并将所提取的矩形区域进行预处理；将预处理后的矩形区域随机粘贴于目标图像中，并将粘贴后的目标图像确定为第一图像；获取矩形区域位于第一图像中的坐标信息，将所获取的坐标信息确定为第一图像和第二图像的差异区域的预设坐标信息，以生成由第一图像、第二图像和所确定的预设坐标信息构成的训练样本。第二方面，本申请实施例提供了一种图像校验装置，该装置包括：接收单元，配置用于接收待校验图像，并提取与待校验图像相匹配的预置图像；第一提取单元，配置用于分别从待校验图像和预置图像中提取特征，并基于所分别提取的特征，生成待校验图像与预置图像的差异特征；第一确定单元，配置用于基于差异特征，确定待校验图像与预置图像中的差异区域以确定差异区域的相似度；第二确定单元，配置用于基于相似度与预设的相似度阈值的比较，确定待校验图像是否通过校验。在一些实施例中，第一提取单元包括：第一输入模块，配置用于分别将待校验图像和预置图像输入至预先训练的第一深度神经网络，其中，第一深度神经网络用于提取图像的特征；第一确定模块，配置用于将第一深度神经网络输出的、与待校验图像对应的特征矩阵确定为待校验图像的特征，并将第一深度神经网络输出的、与预置图像对应的特征矩阵确定为待校验图像的特征。在一些实施例中，第一提取单元还包括：第二确定模块，配置用于将待校验图像的特征与预置图像的特征的差的平方确定为待校验图像与预置图像的差异特征。在一些实施例中，第一确定单元包括：第二输入模块，配置用于将差异特征输入至预先训练的第二深度神经网络，得到待校验图像与预置图像中的差异区域的坐标信息，其中，第二深度神经网络用于表征多个图像的差异特征与多个图像的差异区域的坐标信息的对应关系；第三确定模块，配置用于确定坐标信息所指示的、待校验图像与预置图像中的差异区域的相似度。在一些实施例中，第二确定单元包括：第四确定模块，配置用于响应于确定相似度大于预设的相似度阈值，确定待校验图像通过校验；第五确定模块，配置用于响应于确定相似度不大于相似度阈值，确定待校验图像未通过校验。在一些实施例中，装置还包括：推送单元，配置用于响应于确定待校验图像未通过校验，推送差异区域坐标信息和差异区域坐标信息所指示的差异区域的图像。在一些实施例中，装置包括：第一获取单元，配置用于提取预设的训练样本，其中，训练样本包含第一图像、第二图像、第一图像和第二图像的差异区域的预设坐标信息；第二提取单元，配置用于分别从第一图像和第二图像中提取特征，并基于分别从第一图像和第二图像中所提取的特征，确定第一图像和第二图像的样本差异特征；训练单元，配置用于利于机器学习装置，将样本差异特征作为输入并将预设坐标信息作为输出，训练得到第二深度神经网络。在一些实施例中，装置还包括：第二获取单元，配置用于将预设的、满足预设条件的样本图像确定为指定图像，提取指定图像和预设的、与指定图像相对应的实拍图像；选取单元，配置用于选取指定图像和实拍图像中的任一图像作为目标图像，将未选取的图像确定为第二图像；第三提取单元，配置用于随机地从目标图像中提取矩形区域，并将所提取的矩形区域进行预处理；粘贴单元，配置用于将预处理后的矩形区域随机粘贴于目标图像中，并将粘贴后的目标图像确定为第一图像；生成单元，配置用于获取矩形区域位于第一图像中的坐标信息，将所获取的坐标信息确定为第一图像和第二图像的差异区域的预设坐标信息，以生成由第一图像、第二图像和所确定的预设坐标信息构成的训练样本。本申请实施例提供的图像校验方法和装置，通过从接收到的待校验图像和与待校验图像相匹配的预置图像中提取特征，以便生成待校验图像和预置图像的差异特征，而后基于差异特征确定待校验图像和预置图像的差异区域的相似度，最后基于相似度与预设的相似度阈值的比较，确定待校验图像是否通过校验，从而可以识别出待本文档来自技高网...

【技术保护点】
1.一种图像校验方法，其特征在于，所述方法包括：接收待校验图像，并提取与所述待校验图像相匹配的预置图像；分别从所述待校验图像和所述预置图像中提取特征，并基于所分别提取的特征，生成所述待校验图像与所述预置图像的差异特征；基于所述差异特征，确定所述待校验图像与所述预置图像中的差异区域以确定所述差异区域的相似度；基于所述相似度与预设的相似度阈值的比较，确定所述待校验图像是否通过校验。

【技术特征摘要】
1.一种图像校验方法，其特征在于，所述方法包括：接收待校验图像，并提取与所述待校验图像相匹配的预置图像；分别从所述待校验图像和所述预置图像中提取特征，并基于所分别提取的特征，生成所述待校验图像与所述预置图像的差异特征；基于所述差异特征，确定所述待校验图像与所述预置图像中的差异区域以确定所述差异区域的相似度；基于所述相似度与预设的相似度阈值的比较，确定所述待校验图像是否通过校验。2.根据权利要求1所述的图像校验方法，其特征在于，所述分别从所述待校验图像和所述预置图像中提取特征，包括：分别将所述待校验图像和所述预置图像输入至预先训练的第一深度神经网络，其中，所述第一深度神经网络用于提取图像的特征；将所述第一深度神经网络输出的、与所述待校验图像对应的特征矩阵确定为所述待校验图像的特征，并将所述第一深度神经网络输出的、与所述预置图像对应的特征矩阵确定为所述待校验图像的特征。3.根据权利要求2所述的图像校验方法，其特征在于，所述基于分别所提取的特征，生成所述待校验图像与所述预置图像的差异特征，包括：将所述待校验图像的特征与所述预置图像的特征的差的平方确定为所述待校验图像与所述预置图像的差异特征。4.根据权利要求1-3之一所述的图像校验方法，其特征在于，所述基于所述差异特征，确定所述待校验图像与所述预置图像中的差异区域以确定所述差异区域的相似度，包括：将所述差异特征输入至预先训练的第二深度神经网络，得到所述待校验图像与所述预置图像中的差异区域的坐标信息，其中，所述第二深度神经网络用于表征多个图像的差异特征与所述多个图像的差异区域的坐标信息的对应关系；确定所述坐标信息所指示的、所述待校验图像与所述预置图像中的差异区域的相似度。5.根据权利要求1所述的图像校验方法，其特征在于，所述基于所述相似度与预设的相似度阈值的比较，确定所述待校验图像是否通过校验，包括：响应于确定所述相似度大于预设的相似度阈值，确定所述待校验图像通过校验；响应于确定所述相似度不大于所述相似度阈值，确定所述待校验图像未通过校验。6.根据权利要求5所述的图像校验方法，其特征在于，所述方法还包括：响应于确定所述待校验图像未通过校验，推送所述差异区域坐标信息和所述差异区域坐标信息所指示的差异区域的图像。7.根据权利要求1所述的图像校验方法，其特征在于，所述方法还包括建立第二深度神经网络的步骤，包括：提取预设的训练样本，其中，所述训练样本包含第一图像、第二图像、所述第一图像和所述第二图像的差异区域的预设坐标信息；分别从所述第一图像和所述第二图像中提取特征，并基于分别从所述第一图像和第二图像中所提取的特征，确定所述第一图像和所述第二图像的样本差异特征；利于机器学习方法，将所述样本差异特征作为输入并将所述预设坐标信息作为输出，训练得到第二深度神经网络。8.根据权利要求7所述的图像校验方法，其特征在于，所述方法还包括生成训练样本的步骤，包括：将预设的、满足预设条件的样本图像确定为指定图像，提取所述指定图像和预设的、与所述指定图像相对应的实拍图像；选取所述指定图像和所述实拍图像中的任一图像作为目标图像，将未选取的图像确定为第二图像；随机地从所述目标图像中提取矩形区域，并将所提取的矩形区域进行预处理；将预处理后的所述矩形区域随机粘贴于所述目标图像中，并将粘贴后的所述目标图像确定为第一图像；获取所述矩形区域位于所述第一图像中的坐标信息，将所获取的坐标信息确定为所述第一图像和所述第二图像的差异区域的预设坐标信息，以生成由所述第一图像、所述第二图像和所确定的预设坐标信息构成的训练样本。9.一种图像校验装置，其特征在于，所述装置包括：接收单元，配置用于接收待校验图像，并提取与所述待校验图像相匹配的预置图像；第一提取单元，配置用于分别从所述待校验图像和所述预置图像中提取特征，并基于所分别提取的特征，生成所述待校验图像...

【专利技术属性】
技术研发人员：武军晖，叶韵，陈宇，王磊，曾锐南，郑永胜，翁志，
申请(专利权)人：北京京东尚科信息技术有限公司，北京京东世纪贸易有限公司，
类型：发明
国别省市：北京,11