一种翻拍图像的识别方法、系统及终端设备技术方案

本发明专利技术适用于图像识别技术领域，提供了一种翻拍图像的识别方法、系统及终端设备，包括根据多个训练样本构建翻拍图像分类器，训练样本包括训练图像以及对应的分类结果，分类结果为真实图像或翻拍图像；提取待分类图像的特征值，特征值包括待分类图像的Y通道亮度转换率及待分类图像的表面梯度特征值；通过翻拍图像分类器对待分类图像的特征值进行分类判别，基于分类结果识别所述图像是否为翻拍图像。通过训练好的翻拍图像分类器根据图像的Y通道亮度转换率和表面梯度特征值对图像是否为翻拍图像进行识别，能够高效地、智能地判别出图像是真实图像还是翻拍图像，有效地避免了作假行为，解决了目前无法准确区分翻拍图像和实际拍摄的图像的问题。

A Recognition Method, System and Terminal Equipment for Reduplicated Image

The present invention is applicable to the field of image recognition technology, and provides a method, system and terminal equipment for recognizing the remake image, including constructing a classifier of the remake image according to a plurality of training samples, including training images and corresponding classification results, the classification results are real images or remake images, extracting the eigenvalues of the images to be classified, and the eigenvalues include Y values of the images to be classified. The channel brightness conversion rate and the surface gradient eigenvalue of the image to be classified are used to classify and distinguish the eigenvalues of the classified image by the classifier of the remake image, and whether the image is a remake image is recognized based on the classification results. The trained image classifier recognizes whether the image is a remake image according to the Y-channel brightness conversion rate and the surface gradient eigenvalue of the image. It can efficiently and intelligently distinguish whether the image is a real image or a remake image, effectively avoiding the fraudulent behavior, and solving the problem that the remake image and the actual image can not be distinguished accurately at present.

【技术实现步骤摘要】
一种翻拍图像的识别方法、系统及终端设备
本专利技术属于计算机
，尤其涉及一种翻拍图像的识别方法、系统及终端设备。
技术介绍
图像认证技术作为信息安全领域的重要组成部分，用于对图像的真实性进行验证。翻拍图像即为二次获取的图像，是指图像经过了两次以上的数字图像成像过程而得到的新图像，例如将图片现实与LCD屏幕或经过激光打印后，再由数码相机拍摄成像，即图片的图像。在零售场景中，零售厂商会安排巡查人员定期前往门店进行巡查，需要巡查人员现场拍摄图片并上传至验证系统以作证明，然而巡查人员通常会存在作假的现象，即上传到验证系统的图像是翻拍图像而非现场真实拍摄的图片，而验证系统无法准确区分翻拍图像和实际拍摄的图像，因此无法准确判断巡查人员是否真实到店进行巡查。因此，亟需一种能够准确识别图像是否为翻拍图像的方法，以避免巡查人员的作假行为。
技术实现思路
有鉴于此，本专利技术实施例提供了一种翻拍图像的识别方法、系统及终端设备，以解决目前验证系统无法准确区分翻拍图像和实际拍摄的图像的问题。本专利技术的第一方面提供了一种翻拍图像的识别方法，包括：根据多个训练样本构建翻拍图像分类器，所述训练样本包括训练图像以及对应的分类结果，所述分类结果为真实图像或翻拍图像；提取待分类图像的特征值，所述特征值包括所述待分类图像的Y通道亮度转换率及所述待分类图像的表面梯度特征值；通过所述翻拍图像分类器对所述待分类图像的特征值进行分类判别，基于分类结果识别所述待分类图像是否为翻拍图像。本专利技术的第二方面提供了一种翻拍图像的识别系统，包括：分类器构建模块，用于根据多个训练样本构建翻拍图像分类器，所述训练样本包括训练图像以及对应的分类结果，所述分类结果为真实图像或翻拍图像；特征提取模块，用于提取待分类图像的特征值，所述特征值包括所述待分类图像的Y通道亮度转换率及所述待分类图像的表面梯度特征值；识别模块，用于通过所述翻拍图像分类器对所述待分类图像的特征值进行分类判别，基于分类结果判断所述待分类图像是否为翻拍图像。本专利技术的第三方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：根据多个训练样本构建翻拍图像分类器，所述训练样本包括训练图像以及对应的分类结果，所述分类结果为真实图像或翻拍图像；提取待分类图像的特征值，所述特征值包括所述待分类图像的Y通道亮度转换率及所述待分类图像的表面梯度特征值；通过所述翻拍图像分类器对所述待分类图像的特征值进行分类判别，基于分类结果识别所述待分类图像是否为翻拍图像。本专利技术的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：根据多个训练样本构建翻拍图像分类器，所述训练样本包括训练图像以及对应的分类结果，所述分类结果为真实图像或翻拍图像；提取待分类图像的特征值，所述特征值包括所述待分类图像的Y通道亮度转换率及所述待分类图像的表面梯度特征值；通过所述翻拍图像分类器对所述待分类图像的特征值进行分类判别，基于分类结果识别所述待分类图像是否为翻拍图像。本专利技术提供的一种翻拍图像的识别方法、系统及终端设备，通过训练好的翻拍图像分类器根据待分类图像的Y通道亮度转换率和表面梯度特征值对待分类图像是否为翻拍图像进行识别，能够高效地、智能地判别出图像是真实图像还是翻拍图像，有效地避免了作假行为，解决了目前无法准确区分翻拍图像和实际拍摄的图像的问题。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术实施例一提供的一种翻拍图像的识别方法的实现流程示意图；图2是本专利技术实施例二提供的对应实施例一步骤S101的实现流程示意图；图3是本专利技术实施例三提供的对应实施例一步骤S102的实现流程示意图；图4是本专利技术实施例四提供的对应实施例一步骤S102的实现流程示意图；图5是本专利技术实施例五提供的一种翻拍图像的识别系统的结构示意图；图6是本专利技术实施例六提供的对应实施例五中分类器构建模块101的结构示意图；图7是本专利技术实施例七提供的对应实施例五中特征提取模块102的结构示意图；图8是本专利技术实施例八提供的对应实施例五中特征提取模块102的结构示意图；图9是本专利技术实施例九提供的终端设备的示意图。具体实施方式以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本专利技术实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本专利技术。在其它情况中，省略对众所周知的系统、系统、电路以及方法的详细说明，以免不必要的细节妨碍本专利技术的描述。为了说明本专利技术所述的技术方案，下面通过具体实施例来进行说明。实施例一：如图1所示，本实施例提供了一种翻拍图像的识别方法，其具体包括：步骤S101：根据多个训练样本构建翻拍图像分类器，所述训练样本包括训练图像以及对应的分类结果，所述分类结果为真实图像或翻拍图像。在具体应用中，由于翻拍图像是对图像的二次成像，因此翻拍图像的Y通道亮度转换率与真实图像(现场拍摄的图像)的Y通道亮度转换率存在差异，且翻拍图像的表面梯度特征值与真实图像的表面梯度特征值也存在差异，因此将图像的Y通道亮度转换率和表面梯度特征值作为判断图像是否为翻拍图像的判定因子，综合图像的Y通道亮度转换率和表面梯度特征值进行统一判断，就能够识别出图像是否为翻拍图像。在具体应用中，通过构建基于图像的Y通道亮度转换率和表面梯度特征值为判断因子的翻拍图像分类器，并基于大量的训练图像对该分类器进行训练，得到训练完成的翻拍图像分类器。步骤S102：提取待分类图像的特征值，所述特征值包括所述待分类图像的Y通道亮度转换率及所述待分类图像的表面梯度特征值。在具体应用中，对于上传系统的待分类图像，先对该待分类图像进行特征值提取，提取该待分类图像的Y通道亮度转换率和该待分类图像的表面梯度特征值。在具体应用中，通过对上传系统的待分类图像进行初始化处理，并计算得到该待分类图片的Y通道去处镜面反射部分的通道亮度值和Y通道的镜面反射部分的通道亮度值，基于Y通道去处镜面反射部分的通道亮度值和Y通道的镜面反射部分的通道亮度值计算得到该待分类图像的Y通道亮度转换率。在具体应用中，通过提取待分类图像的G通道，并计算待分类图像的G通道的表面梯度特征值，并根据G通道的表面梯度特征值绘制出直方图，通过直方图定量表示G通道的表面梯度特征值，获取该直方图的特征值，则该直方图的特征值为该待分类图像的表面梯度特征值。在具体应用中，为了更方便快捷地对图像进行识别，可以通过构建深度神经网络来实现特征值提取。通过构建和训练能够输出图像特征值的深度神经网络模型，将上传系统的待分类图像输入到该深度神经网络模型中，该深度神经网络模块自动输出该待分类图像的Y通道亮度转换率和表面梯度特征值。需要说明的是，上述深度神经网络可以是VGG19神经网络模型。由于VGG19神经网络为现有技术，因此，暂不对其具体结构和训练方式进行赘述。步骤本文档来自技高网...

【技术保护点】
1.一种翻拍图像的识别方法，其特征在于，包括：根据多个训练样本构建翻拍图像分类器，所述训练样本包括训练图像以及对应的分类结果，所述分类结果为真实图像或翻拍图像；提取待分类图像的特征值，所述特征值包括所述待分类图像的Y通道亮度转换率及所述待分类图像的表面梯度特征值；通过所述翻拍图像分类器对所述待分类图像的特征值进行分类判别，基于分类结果识别所述待分类图像是否为翻拍图像。

【技术特征摘要】
1.一种翻拍图像的识别方法，其特征在于，包括：根据多个训练样本构建翻拍图像分类器，所述训练样本包括训练图像以及对应的分类结果，所述分类结果为真实图像或翻拍图像；提取待分类图像的特征值，所述特征值包括所述待分类图像的Y通道亮度转换率及所述待分类图像的表面梯度特征值；通过所述翻拍图像分类器对所述待分类图像的特征值进行分类判别，基于分类结果识别所述待分类图像是否为翻拍图像。2.根据权利要求1所述的方法，其特征在于，所述根据多个训练样本构建翻拍图像分类器，包括：获取训练图像，将所述训练图像分为真实图像组和翻拍图像组；分别提取所述真实图像组的特征值和所述翻拍图像组的特征值；将所述真实图像组的特征值作为输入参数对翻拍图像分类器进行训练，以使所述翻拍图像分类器输出的分类结果为所述图像为真实图像；将所述翻拍图像组的特征值作为输入参数对翻拍图像分类器进行训练，以使所述翻拍图像分类器输出的结果为所述图像为翻拍图像。3.根据权利要求1所述的方法，其特征在于，所述提取待分类图像的特征值，所述特征值包括所述待分类图像的Y通道亮度转换率及所述待分类图像的表面梯度特征值，包括：对所述待分类图像进行初始化处理，获得所述待分类图像的Y通道去除镜面反射部分的通道亮度值；提取所述待分类图像的Y通道的镜面反射部分的通道亮度值，根据所述Y通道去除镜面反射部分的通道亮度值及所述待分类图像的Y通道的镜面反射部分的通道亮度值计算Y通道亮度转换率；计算所述待分类图像的G通道的表面梯度值，并根据所述表面梯度值绘制直方图，获取所述直方图的特征值。4.根据权利要求3所述的方法，其特征在于，对所述待分类图像进行初始化处理，获得所述待分类图像的Y通道去除镜面反射部分的通道亮度值，包括：对所述待分类图像进行色彩空间转换，提取所述待分类图像的Y通道的亮度直方图；对所述待分类图像的Y通道的亮度直方图进行归一化处理，得到所述待分类图像的Y通道的原始直方图；对所述原始直方图进行均衡化处理，获取所述待分类图像的Y通道的亮度均衡直方图；通过多项式转换函数对通道Y的亮度均衡直方图进行映射，获得所述待分类图像的Y通道去除镜面反射部分的通道亮度值；所述多项式转换函数为：f(x)＝p0x4+p1x3+p2x2+p3x+P4；其中，P为系数矩阵。5.根据权利要求1所述的方法，其特征在于，所述提取待分类图像的特征值，所述特征值包括所述待分类图像的Y通道亮度转换率及所述待分类图像的表面梯度特征值，包括：获取大量训练图像和...

【专利技术属性】
技术研发人员：钱根双，
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