翻拍图像识别方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及图像检测技术领域，特别涉及一种翻拍图像识别方法、装置、计算机设备和存储介质。所述方法包括：获取待识别图像；根据待识别图像生成对应的哈尔特征图；从哈尔特征图中提取LBP特征值；计算所述LBP特征值在各预设特征值范围内的统计概率；将所述LBP特征值的统计概率输入神经网络模型，通过所述神经网络模型对所述LBP特征值的统计概率进行识别处理，获得第一翻拍概率；当所述第一翻拍概率达到概率阈值时，则所述待识别图像为翻拍图像。采用本方法能够避免翻拍图像而造成用户信息出现安全性问题。

【技术实现步骤摘要】
翻拍图像识别方法、装置、计算机设备和存储介质
本申请涉及图像检测
，特别是涉及一种翻拍图像识别方法、装置、计算机设备和存储介质。
技术介绍
随着计算机技术和互联网技术的不断发展，在网上在线开设账户或办理重要业务，可能需要用户通过移动终端或网络摄像头等设备拍摄并上传相应的图像，如用户的证件图像或用户本人的真实图像。然而，上传的图像可能不是用户通过拍摄本人所得的真实图像，或通过拍摄真实的证件所得到的证件图像，而是通过翻拍电脑或手机等设备的显示屏上所展示的图片所得，从而会导致用户信息出现安全性问题。
技术实现思路
基于此，有必要针对上述技术问题，提供一种翻拍图像识别方法、装置、计算机设备和存储介质，能够避免翻拍图像而造成用户信息出现安全性问题。一种翻拍图像识别方法，所述方法包括：获取待识别图像；根据待识别图像生成对应的哈尔特征图；从哈尔特征图中提取局部二值模式LBP特征值；计算所述LBP特征值在各预设特征值范围内的统计概率；将所述LBP特征值的统计概率输入神经网络模型，通过所述神经网络模型对所述LBP特征值的统计概率进行识别处理，获得第一翻拍概率；当所述第一翻拍概率达到概率阈值时，则所述待识别图像为翻拍图像。在其中一个实施例中，所述从哈尔特征图中提取局部二值模式LBP特征值包括：将哈尔特征图均分为多个子哈尔特征图块；分别对各所述子哈尔特征图块均分为多个像素块；在各像素块中，判断非中心像素点的灰度值是否大于中心像素点的灰度值；若是，则将所述非中心像素点的灰度值设置为第一数值；若否，则将所述非中心像素点的灰度值设置为第二数值；对设置灰度值后各像素块中的非中心像素点的灰度值进行加权求和；将加权求和的结果作为各像素块的LBP特征值。在其中一个实施例中，所述计算所述LBP特征值在各预设特征值范围内的统计概率包括：对各所述子哈尔特征图块中的LBP特征值，按照大小顺序进行排序；将排序后各所述子哈尔特征图块中的LBP特征值，按照预设步长均匀分成多个特征值范围；计算归属于各特征值范围内LBP特征值的统计概率。在其中一个实施例中，所述则所述待识别图像为翻拍图像之后，所述方法还包括：生成携带有所述待识别图像的图像复核请求；将所述图像复核请求发送至复核人账号；接收到所述复核人账号发送的、针对所述图像复核请求的反馈信息；所述反馈信息携带有所述待识别图像为翻拍图像的第二翻拍概率；获取机器识别所对应的第一权重和复核人识别所对应的第二权重；分别按照所述第一权重和所述第二权重，对第一翻拍概率和所述第二翻拍概率进行加权求和，得到翻拍概率的加权和；当所述加权和大于或等于预设加权和时，最终确定待识别图像为翻拍图像。在其中一个实施例中，所述方法还包括：获取待识别样本图，对所述待识别样本图进行标注，获得包含标签的待识别样本图；所述标签用于表示所述待识别样本图是否为翻拍图像；根据包含所述标签的待识别样本图生成对应的哈尔特征样本图；从所述哈尔特征样本图中提取LBP特征样本值；计算所述LBP特征样本值在各预设特征值范围内的统计概率样本；将所述统计概率样本输入神经网络模型，通过所述神经网络模型对所述统计概率样本进行识别处理，获得第三翻拍概率；对比所述第三翻拍概率与所述标签之间的差异，调整神经网络模型的参数。在其中一个实施例中，所述对比所述第三翻拍概率与所述标签之间的差异，调整神经网络模型的参数包括：确定所述第三翻拍概率与所述标签之间的误差；将所述误差反向传播到神经网络模型的网络层，获得各网络层参数的梯度；根据所获得的梯度调整所述神经网络模型中各网络层的参数。一种翻拍图像识别装置，所述装置包括：图像获取模块，用于获取待识别图像；特征图生成模块，用于根据待识别图像生成对应的哈尔特征图；特征值提取模块，用于从哈尔特征图中提取局部二值模式LBP特征值；计算模块，用于计算所述LBP特征值在各预设特征值范围内的统计概率；处理模块，用于将所述LBP特征值的统计概率输入神经网络模型，通过所述神经网络模型对所述LBP特征值的统计概率进行识别处理，获得第一翻拍概率；翻拍图像确定模块，用于当所述第一翻拍概率达到概率阈值时，则所述待识别图像为翻拍图像。在其中一个实施例中，所述特征值提取模块还用于：将哈尔特征图均分为多个子哈尔特征图块；分别对各所述子哈尔特征图块均分为多个像素块；在各像素块中，判断非中心像素点的灰度值是否大于中心像素点的灰度值；若是，则将所述非中心像素点的灰度值设置为第一数值；若否，则将所述非中心像素点的灰度值设置为第二数值；对设置灰度值后各像素块中的非中心像素点的灰度值进行加权求和；将加权求和的结果作为各像素块的LBP特征值。在其中一个实施例中，所述计算模块还用于：对各所述子哈尔特征图块中的LBP特征值，按照大小顺序进行排序；将排序后各所述子哈尔特征图块中的LBP特征值，按照预设步长均匀分成多个特征值范围；计算归属于各特征值范围内LBP特征值的统计概率。在其中一个实施例中，所述装置还包括：请求生成模块，用于生成携带有所述待识别图像的图像复核请求；发送模块，用于将所述图像复核请求发送至复核人账号；接收模块，用于接收到所述复核人账号发送的、针对所述图像复核请求的反馈信息；所述反馈信息携带有所述待识别图像为翻拍图像的第二翻拍概率；权重获取模块，用于获取机器识别所对应的第一权重和复核人识别所对应的第二权重；加权模块，用于分别按照所述第一权重和所述第二权重，对第一翻拍概率和所述第二翻拍概率进行加权求和，得到翻拍概率的加权和；所述翻拍图像确定模块还用于当所述加权和大于或等于预设加权和时，最终确定待识别图像为翻拍图像。在其中一个实施例中，所述装置还包括：所述图像获取模块还用于获取待识别样本图，对所述待识别样本图进行标注，获得包含标签的待识别样本图；所述标签用于表示所述待识别样本图是否为翻拍图像；特征图生成模块还用于根据包含所述标签的待识别样本图生成对应的哈尔特征样本图；特征值提取模块还用于从所述哈尔特征样本图中提取LBP特征样本值；计算模块还用于计算所述LBP特征样本值在各预设特征值范围内的统计概率样本；处理模块还用于将所述统计概率样本输入神经网络模型，通过所述神经网络模型对所述统计概率样本进行识别处理，获得第三翻拍概率；调整模块，用于对比所述第三翻拍概率与所述标签之间的差异，调整神经网络模型的参数。在其中一个实施例中，所述调整模块还用于：确定所述第三翻拍概率与所述标签之间的误差；将所述误差反向传播到神经网络模型的网络层，获得各网络层参数的梯度；根据所获得的梯度调整所述神经网络模型中各网络层的参数。一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：获取待识别图像；根据待识别图像生成对应的哈尔特征图；从哈尔特征图中提取局部二值模式LBP特征值；计算所述LBP特征值在各预设特征值范围内的统计概率；将所述LBP特征值的统计概率输入神经网络模型，通过所述神经网络模型对所述LBP特征值的统计概率进行识别处理，获得第一翻拍概率；当所述第一翻拍概率达到概率阈值时，则所述待识别图像为翻拍图像。一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：获取待识别图像；根据待识别图像生成对应的哈尔本文档来自技高网...

【技术保护点】
1.一种翻拍图像识别方法，所述方法包括：获取待识别图像；根据待识别图像生成对应的哈尔特征图；从哈尔特征图中提取局部二值模式LBP特征值；计算所述LBP特征值在各预设特征值范围内的统计概率；将所述LBP特征值的统计概率输入神经网络模型，通过所述神经网络模型对所述LBP特征值的统计概率进行识别处理，获得第一翻拍概率；当所述第一翻拍概率达到概率阈值时，则所述待识别图像为翻拍图像。

【技术特征摘要】
1.一种翻拍图像识别方法，所述方法包括：获取待识别图像；根据待识别图像生成对应的哈尔特征图；从哈尔特征图中提取局部二值模式LBP特征值；计算所述LBP特征值在各预设特征值范围内的统计概率；将所述LBP特征值的统计概率输入神经网络模型，通过所述神经网络模型对所述LBP特征值的统计概率进行识别处理，获得第一翻拍概率；当所述第一翻拍概率达到概率阈值时，则所述待识别图像为翻拍图像。2.根据权利要求1所述的方法，其特征在于，所述从哈尔特征图中提取局部二值模式LBP特征值包括：将哈尔特征图均分为多个子哈尔特征图块；分别对各所述子哈尔特征图块均分为多个像素块；在各像素块中，判断非中心像素点的灰度值是否大于中心像素点的灰度值；若是，则将所述非中心像素点的灰度值设置为第一数值；若否，则将所述非中心像素点的灰度值设置为第二数值；对设置灰度值后各像素块中的非中心像素点的灰度值进行加权求和；将加权求和的结果作为各像素块的LBP特征值。3.根据权利要求2所述的方法，其特征在于，所述计算所述LBP特征值在各预设特征值范围内的统计概率包括：对各所述子哈尔特征图块中的LBP特征值，按照大小顺序进行排序；将排序后各所述子哈尔特征图块中的LBP特征值，按照预设步长均匀分成多个特征值范围；计算归属于各特征值范围内LBP特征值的统计概率。4.根据权利要求1至3任一项所述的方法，其特征在于，所述则所述待识别图像为翻拍图像之后，所述方法还包括：生成携带有所述待识别图像的图像复核请求；将所述图像复核请求发送至复核人账号；接收到所述复核人账号发送的、针对所述图像复核请求的反馈信息；所述反馈信息携带有所述待识别图像为翻拍图像的第二翻拍概率；获取机器识别所对应的第一权重和复核人识别所对应的第二权重；分别按照所述第一权重和所述第二权重，对第一翻拍概率和所述第二翻拍概率进行加权求和，得到翻拍概率的加权和；当所述加权和大于或等于预设加权和时，最终确定待识别图像为翻拍图像。5.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取待识别样本图，对所述待识别样本图进行标注，获得包含标签的待识别样本图；所述标签用于表示所述待识别样本图是否为翻拍图...

【专利技术属性】
技术研发人员：徐国诚，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东,44