证件真伪验证方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种证件真伪验证方法、装置、计算机设备和存储介质。其中方法通过识别证件图像的类型，并根据证件图像的类型提取对应的边缘特征，基于证件图像的边缘特征，采用深度学习神经网络模型预测证件图像的真伪，得到证件图像的真伪预测结果，并获取当前拍摄的人脸图像，计算人脸图像与证件图像的相似度，进而根据相似度以及该证件图像的真伪预测结果，确定证件图像是否被篡改，从而完成对证件图像的验证，能够有效地保障证件验证的准确性。

Authentication methods, devices, computer equipment and storage media

【技术实现步骤摘要】
证件真伪验证方法、装置、计算机设备和存储介质
本申请涉及图像识别
，特别是涉及一种证件真伪验证方法、装置、计算机设备和存储介质。
技术介绍
传统的识别证件篡改方法是通过OCR(OpticalCharacterRecognition，光学字符识别)识别身份证件的基本信息，然后通过身份证编号来判断身份证是否被篡改，或者通过历史数据和当前证件之间差值的方法来判断身份证是否被篡改。但是，这两种情况只能适应不法分子在光照均匀的情况下修改身份证的文字信息，如果被修改的身份证件中的文字区域内容和真实证件内容一致，OCR将不能辨别证件的真实性。另外，由于拍摄角度和光照会对差值方法产生噪声，会将真实的身份证误认为被篡改。因此，传统的方法不能有效地判断证件的真伪。
技术实现思路
基于此，有必要针对上述传统技术不能有效地判断证件的真伪问题，提供一种能够有效地判断证件真伪的证件真伪验证方法、装置、计算机设备和存储介质。为了实现上述目的，一方面，本申请实施例提供了一种证件真伪验证方法，所述方法包括：获取待识别的证件图像，并识别证件图像的类型；根据证件图像的类型，提取证件图像的边缘特征；基于证件图像的边缘特征，采用深度学习神经网络模型预测证件图像的真伪，得到证件图像的真伪预测结果；获取当前拍摄的人脸图像，并计算人脸图像与证件图像的相似度；根据相似度以及证件图像的真伪预测结果，确定证件图像是否被篡改。在其中一个实施例中，根据证件图像的类型，提取证件图像的边缘特征，包括：定位证件图像中的人脸位置，根据证件图像的类型和人脸位置对证件图像进行分割，得到分割后的多个区域；分别提取多个区域的局部边缘特征，并对多个区域的局部边缘特征进行特征融合，得到证件图像的边缘特征。在其中一个实施例中，定位证件图像中的人脸位置，并根据证件图像的类型和人脸位置对证件图像进行分割，得到分割后的多个区域，包括：通过人脸定位检测网络定位证件图像中的人脸位置，根据人脸位置对证件图像进行归一化处理；根据证件图像的类型以及人脸位置对归一化后的证件图像进行分割，得到分割后的人脸区域、文字区域和非文字区域。在其中一个实施例中，分别提取多个区域的局部边缘特征，并对多个区域的局部边缘特征进行特征融合，得到证件图像的边缘特征，包括：采用第一神经网络分别提取人脸区域、文字区域以及非文字区域的局部边缘特征；通过第二神经网络对所述人脸区域、文字区域以及非文字区域的局部边缘特征进行特征融合，生成证件图像的边缘特征。在其中一个实施例中，深度学习神经网络模型的生成方法包括：获取样本证件图像数据集，其中，样本证件图像数据集包括训练数据集和测试数据集；利用训练数据集训练支持向量机直至达到迭代次数；采用测试数据集对训练后的支持向量机进行验证，得到支持向量机的预测准确率，当预测准确率达到第一阈值时，得到深度学习神经网络模型。在其中一个实施例中，训练数据集中的每一个样本证件图像包括是否为篡改图像的标签；则利用训练数据集训练支持向量机直至达到迭代次数，包括：提取训练数据集中每一个样本证件图像的样本边缘特征；根据样本证件图像的样本边缘特征以及对应的标签训练支持向量机，直至达到迭代次数时停止训练。在其中一个实施例中，证件图像的真伪预测结果包括证件图像为疑似未篡改证件或疑似被篡改证件；则根据相似度以及证件图像的真伪预测结果，确定证件图像是否被篡改，包括：当证件图像的真伪预测结果为疑似被篡改证件时，若相似度小于第二阈值时，则确定证件图像为篡改证件，若相似度不小于第二阈值时，则确定证件图像为疑似篡改证件；当证件图像的真伪预测结果为疑似未篡改证件时，若相似度不小于第二阈值时，则确定证件图像为未篡改证件，若相似度小于第二阈值时，则确定证件图像为疑似篡改证件。另一方面，本申请实施例提供了一种证件真伪验证装置，所述装置包括：证件类型识别模块，用于获取待识别的证件图像，并识别证件图像的类型；特征提取模块，用于根据证件图像的类型，提取证件图像的边缘特征；真伪预测模块，用于基于证件图像的边缘特征，采用深度学习神经网络模型预测证件图像的真伪，得到证件图像的真伪预测结果；相似度计算模块，用于获取当前拍摄的人脸图像，并计算人脸图像与证件图像的相似度；验证模块，用于根据相似度以及证件图像的真伪预测结果，确定证件图像是否被篡改。又一方面，本申请实施例提供了一种计算机设备，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如上所述方法的步骤。又一方面，本申请实施例提供了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如上所述方法的步骤。上述证件真伪验证方法、装置、计算机设备和存储介质，通过识别证件图像的类型，并根据证件图像的类型提取对应的边缘特征，基于证件图像的边缘特征，采用深度学习神经网络模型预测证件图像的真伪，得到证件图像的真伪预测结果，并获取当前拍摄的人脸图像，计算人脸图像与证件图像的相似度，进而根据相似度以及该证件图像的真伪预测结果，确定证件图像是否被篡改，从而完成对证件图像的验证，能够有效地保障证件验证的准确性。附图说明图1为一个实施例中证件真伪验证方法的应用环境图；图2为一个实施例中证件真伪验证方法的流程示意图；图3为一个实施例中边缘特征提取步骤的流程示意图；图4为一个实施例中深度学习神经网络模型的生成步骤的流程示意图；图5为一个实施例中证件真伪验证装置的结构框图；图6为一个实施例中计算机设备的内部结构图。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。本申请提供的证件真伪验证方法，可以应用于如图1所示的应用环境中。其中，终端102与服务器104通过网络进行通信，终端102可以是各种具有图像采集或存储功能的设备，如可以但不限于各种智能手机、平板电脑、相机和便携式图像采集设备，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。具体的，终端102用于采集或存储证件图像，并将采集的证件图像通过网络发送至服务器104，当然证件图像也可以预先存储在服务器104中。服务器104则识别证件图像的类型，并根据证件图像的类型提取对应的边缘特征，基于证件图像的边缘特征，采用深度学习神经网络模型预测证件图像的真伪，得到证件图像的真伪预测结果，并获取当前拍摄的人脸图像，计算人脸图像与证件图像的相似度，进而根据相似度以及该证件图像的真伪预测结果，确定证件图像是否被篡改，从而完成对证件图像的验证，能够有效地保障证件验证的准确性。在一个实施例中，如图2所示，提供了一种证件真伪验证方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：步骤202，获取待识别的证件图像，并识别证件图本文档来自技高网...

【技术保护点】
1.一种证件真伪验证方法，其特征在于，所述方法包括：/n获取待识别的证件图像，并识别所述证件图像的类型；/n根据所述证件图像的类型，提取所述证件图像的边缘特征；/n基于所述证件图像的边缘特征，采用深度学习神经网络模型预测所述证件图像的真伪，得到所述证件图像的真伪预测结果；/n获取当前拍摄的人脸图像，并计算所述人脸图像与所述证件图像的相似度；/n根据所述相似度以及所述证件图像的真伪预测结果，确定所述证件图像是否被篡改。/n

【技术特征摘要】
1.一种证件真伪验证方法，其特征在于，所述方法包括：
获取待识别的证件图像，并识别所述证件图像的类型；
根据所述证件图像的类型，提取所述证件图像的边缘特征；
基于所述证件图像的边缘特征，采用深度学习神经网络模型预测所述证件图像的真伪，得到所述证件图像的真伪预测结果；
获取当前拍摄的人脸图像，并计算所述人脸图像与所述证件图像的相似度；
根据所述相似度以及所述证件图像的真伪预测结果，确定所述证件图像是否被篡改。


2.根据权利要求1所述的证件真伪验证方法，其特征在于，所述根据所述证件图像的类型，提取所述证件图像的边缘特征，包括：
定位所述证件图像中的人脸位置，根据所述证件图像的类型和所述人脸位置对所述证件图像进行分割，得到分割后的多个区域；
分别提取所述多个区域的局部边缘特征，并对所述多个区域的局部边缘特征进行特征融合，得到所述证件图像的边缘特征。


3.根据权利要求2所述的证件真伪验证方法，其特征在于，所述定位所述证件图像中的人脸位置，并根据所述证件图像的类型和所述人脸位置对所述证件图像进行分割，得到分割后的多个区域，包括：
通过人脸定位检测网络定位所述证件图像中的人脸位置，根据所述人脸位置对所述证件图像进行归一化处理；
根据所述证件图像的类型以及所述人脸位置对归一化后的所述证件图像进行分割，得到分割后的人脸区域、文字区域和非文字区域。


4.根据权利要求2所述的证件真伪验证方法，其特征在于，所述分别提取所述多个区域的局部边缘特征，并对所述多个区域的局部边缘特征进行特征融合，得到所述证件图像的边缘特征，包括：
采用第一神经网络分别提取人脸区域、文字区域以及非文字区域的局部边缘特征；
通过第二神经网络对所述人脸区域、文字区域以及非文字区域的局部边缘特征进行特征融合，生成所述证件图像的边缘特征。


5.根据权利要求1所述的证件真伪验证方法，其特征在于，所述深度学习神经网络模型的生成方法包括：
获取样本证件图像数据集，所述样本证件图像数据集包括训练数据集和测试数据集；
利用所述训练数据集训练支持向量机直至达到迭代次数；
采用所述测试数据集对训练后的支持向量机进行验证，...

【专利技术属性】
技术研发人员：郁敏，吴建伟，李军，付劲，朱泽廉，
申请(专利权)人：江苏常熟农村商业银行股份有限公司，
类型：发明
国别省市：江苏;32