一种图片翻拍检测方法、系统及电子设备技术方案

本发明专利技术涉及图片检测识别技术领域，特别涉及图片翻拍检测方法、系统及电子设备。包括步骤：提供待检测图片；对待检测图片进行滑窗采样，以获得多个图片碎片；将图片碎片输入到卷积神经网络中进行特征提取以获每个图片碎片的图片特征；基于图片特征利用分类模型判定待检测图片是否为翻拍图片，对图片进行滑窗采样以获得多个图片碎片，多个图片碎片有效代表了待检测图片的特性，将多个图片碎片输入到卷积神经网络中进行特征提取以获得每个图片碎片的图片特征，基于提取的图片特征利用训练好的分类模型判定待检测图片是否为翻拍图片，不仅能节省人力和降低成本，且不需要提供参考图片进行比对，能提高检测效率及适用场景的灵活度。

【技术实现步骤摘要】
一种图片翻拍检测方法、系统及电子设备
本专利技术涉及图片检测识别
，特别涉及一种图片翻拍检测方法、系统及电子设备。
技术介绍
随着经济的发展以及互联网的普及、个人征信、远程开户等业务正逐渐成为金融、电信和电商等行业的重要业务。在这些业务中，出于便捷、安全以及法律法规等方面的考虑，可能需要用户通过智能手机、平板电脑或网络摄像头等设备拍摄并上传自己的证件照片。然而，一些证件照片不是通过对准真实的证件拍摄得到的，而是通过翻拍电脑屏幕或手机屏幕上的证件图片而形成的。这些翻拍照片中的证件可能不属于用户本人，也可能曾经被编辑、伪造或篡改，不具备法律效力，因此被认定为违规证件照片。现有的图片检测方法多为人工查验或者基于一个有参考的图片进行校验的，其效率及准确率往往比较低，成本比较高。
技术实现思路
为克服目前的图片检测方法存在的效率低以及成本高的缺陷，本专利技术提供一种图片翻拍检测方法、系统及电子设备。为了解决上述技术问题提供一种图片翻拍检测方法，包括如下步骤：S1、提供待检测图片；S2、对所述待检测图片进行滑窗采样，以获得多个图片碎片；S3、将所述多个图片碎片输入到卷积神经网络中进行特征提取以获代表每个图片碎片的图片特征；及S4、基于提取的图片特征利用训练好的分类模型分别判定所述每个图片碎片是否为翻拍；及S5、根据所述步骤S4中确定为翻拍的图片碎片的总数判定所述待检测图片是否为翻拍图片。优选地，所述步骤S2具体包括如下步骤：步骤S21：将所述待检测图片进行灰度化处理，得到待检测图片的灰度化图像；及步骤S22：设定一个矩形框，将该矩形框在所述待检测图片上按设定规则进行移动，依次将待检测图片按照所述矩形框的大小采集获得多个图片碎片。优选地，每个图片碎片的大小相同，任意相邻的两个碎片之间具有重叠区域、任意相邻的两个图片碎片的边缘连接或者任意相邻的两个碎片之间间隔一定的间距。优选地，所述步骤S3中提取出来的图片特征包括频谱特征、纹理特征、颜色特征和边缘特征中的至少一个。优选地，所述图片翻拍检测方法还包括步骤S10、对所述待检测图片按照预设的比例进行缩放，所述步骤S10在所述步骤S1和所述步骤S2之间。优选地，所述分类模型的训练包括：构建待检测图片数据库，所述待检测图片数据库包括一组待检测图片以及每张待检测图片相对应的标签，所述标签指示待检测图片是否为翻拍图片；计算所述待检测图片数据库中每个待检测图片的图片特征；基于所述标签和所述图片特征构建训练集；以及采用支持向量机模型在所述训练集上训练出所述分类模型。优选地，获得的纹理特征包括待测图片的词袋模型，获得的颜色特征包括颜色直方图。为了解决上述技术问题，还提供一种图片翻拍检测系统，包括：采样模块，用于对所述待检测图片进行滑窗采样，以获得多个图片碎片；特征提取模块，用于将所述多个图片碎片输入到卷积神经网络中进行特征提取以获代表每个图片碎片的图片特征；图片分类模块，用于基于提取的图片特征利用训练好的分类模型判定所述待检测图片是否为翻拍图片；第一判定模块，配置用于基于提取的图片特征利用训练好的分类模型分别判定所述每个图片碎片是否为翻拍第二判定模块，配置用于根据第一判定模块确定为翻拍的图片碎片的总数判定所述待检测图片是否为翻拍图片。优选地，还包括，缩放模块，配置用于对提供的所述待检测图片按照预设的比例进行缩放。本专利技术为了解决上述技术问题还提供一种电子设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被设置为运行时执行如上所述的图片翻拍检测方法；所述处理器被设置为通过所述计算机程序执行如上所述的图片翻拍检测方法。相对于现有技术，对图片进行滑窗采样以获得多个图片碎片，多个图片碎片有效的代表了待检测图片的特性，将所述多个图片碎片逐一输入到卷积神经网络中进行特征提取以获得代表每个图片碎片的图片特征，基于提取的图片特征利用训练好的分类模型判定所述待检测图片是否为翻拍图片，不需要对整张图片进行分析即可完成，能大大的提高分析速度；且基于确定为翻拍的图片碎片的总数判定所述待检测图片是否为翻拍，即只需要总数达到设定的阈值即认为是翻拍图片，剩余的没有判定是否为翻拍的图片碎片不需要再继续进行，也在一定程度上大大提高了分析速度，不仅能节省人力和降低成本，且不需要提供参考图片进行比对，能很好的提高检测效率且适用场景的灵活性更高。将所述待处理图片进行灰度化处理能降低对待检测图片处理的复杂程度，且设定一个矩形框，利用该矩形框按照预设的规则进行移动，使得采集获得的图片碎片大小一致，采集的图片碎片信息稳定有效，以提高分析的准确性。任意相邻的两个碎片之间具有重叠区域、任意相邻的两个图片碎片的边缘连接或者任意相邻的两个碎片之间间隔一定的间距，使得采集获得的图片碎片具有不同的效果，用户可以很好的根据待检测图片的质量情况，选择合适的矩形框移动规则，以获得较可靠的分析结果，比如，当根据人为经验判定图片是翻拍的概率不高时，可以使得两个图片碎片之间存在一定间距，这样既能保证准确性，也能很好的提高效率；可以理解的是，当人为经验判定图片是翻拍的概率比较高时，则使得任意相邻的两个图片碎片之间存在具有重叠区域、任意相邻的两个图片碎片的边缘连接，提高对待检测图片的采样区域，以提高检测的准确性。对所述待检测图片按照预设的比例进行缩放，能很好根据待检测图片的质量选择合适的缩放比例进行缩放，使得对待检测图片的特征分析更显著。本专利技术提供的图片翻拍检测系统和电子设备具有和所述的图片翻拍检测方法相同的有益效果。【附图说明】图1是本专利技术第一实施例中提供的图片翻拍检测方法的流程示意图；图2a是本专利技术第一实施例中提供的图片翻拍检测方法步骤S2的细节流程示意图；图2b为本专利技术第一实施例提供的图片翻拍检测方法的步骤S2实施过程的示意图；图3是本专利技术第一实施例中提供的图片翻拍检测方法的变形实施例的流程示意图；图4是本专利技术第二实施例中提供的图片翻拍检测系统中检测单元的模块示意图；图5是本专利技术第二实施例中提供的图片翻拍检测系统变形实施例的模块示意图；图6是本专利技术第三实施例中提供的电子设备的模块示意图；图7是适于用来实现本专利技术实施例的服务器的计算机系统的结构示意图。附图标识说明：100、待测图片；200、矩形框；300、第一位置；400、第二位置；50、图片翻拍检测系统；501、采样模块；502、特征提取模块；503、图片分类模块；504、第一判定模块；505、第二判定模块；506、缩放单元；60、电子设备；601、存储器；602、处理器；800、计算机系统；801、中央处理单元(CPU)；802、存储器(ROM)；803、RAM；804、总线；805、I/O接口；806、输入部分；807、输出部分；808、存储部分；809、通信部分；810、驱动器；811、可拆卸介质。【具体实施方式】为了使本专利技术的目的，技术方案及优点更加清楚明白，以下结合附图及实施实例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。请参阅图1，本专利技术第一实施例提供的图片翻拍检测方法，包括如下步骤：S1、提供待检测图片；S2、对所述待检测图片进行滑窗采样，以获得多个图片碎片；S3、将所述多个图片碎片输入到卷积本文档来自技高网...

【技术保护点】
1.一种图片翻拍检测方法，其特征在于，包括如下步骤：S1、提供待检测图片；S2、对所述待检测图片进行滑窗采样，以获得多个图片碎片；S3、将所述多个图片碎片输入到卷积神经网络中进行特征提取以获取代表每个图片碎片的图片特征；及S4、基于提取的图片特征利用训练好的分类模型分别判定所述每个图片碎片是否为翻拍；及S5、根据所述步骤S4中确定为翻拍的图片碎片的总数判定所述待检测图片是否为翻拍图片。

【技术特征摘要】
1.一种图片翻拍检测方法，其特征在于，包括如下步骤：S1、提供待检测图片；S2、对所述待检测图片进行滑窗采样，以获得多个图片碎片；S3、将所述多个图片碎片输入到卷积神经网络中进行特征提取以获取代表每个图片碎片的图片特征；及S4、基于提取的图片特征利用训练好的分类模型分别判定所述每个图片碎片是否为翻拍；及S5、根据所述步骤S4中确定为翻拍的图片碎片的总数判定所述待检测图片是否为翻拍图片。2.如权利要求1所述的图片翻拍检测方法，其特征在于：所述步骤S2具体包括如下步骤：步骤S21：将所述待检测图片进行灰度化处理，得到待检测图片的灰度化图像；及步骤S22：设定一个矩形框，将该矩形框在所述待检测图片上按设定规则进行移动，依次将待检测图片按照所述矩形框的大小采集获得多个图片碎片。3.如权利要求3所述图片翻拍检测方法，其特征在于：每个图片碎片的大小相同，任意相邻的两个碎片之间具有重叠区域、任意相邻的两个图片碎片的边缘连接或者任意相邻的两个碎片之间间隔一定的间距。4.如权利要求1所述的图片翻拍检测方法，其特征在于：所述步骤S3中提取出来的图片特征包括频谱特征、纹理特征、颜色特征和边缘特征中的至少一个。5.如权利要求1所述的图片翻拍检测方法，其特征在于：所述图片翻拍检测方法还包括步骤S10、对所述待检测图片按照预设的比例进行缩放，所述步骤S10在所述步骤S1和所述步骤S2之间。6.如权利要求1所述的图片翻拍检测方法，其特征在于：所述分类模型的训练包括：构建...

【专利技术属性】
技术研发人员：张发恩，宋亮，秦永强，
申请(专利权)人：创新奇智青岛科技有限公司，
类型：发明
国别省市：山东,37