【技术实现步骤摘要】
翻拍图像识别方法、装置、设备及介质
本专利技术涉及图像分类领域,尤其涉及一种翻拍图像识别方法、装置、计算机设备及存储介质。
技术介绍
随着信用社会的发展,越来越多的应用场景(比如:涉及金融、保险、安防的应用场景)需要通过证件识别、人脸识别对用户身份进行验证。在现有技术中,现有的身份验证主要通过花费大量人工进行进行人工核查,如此,需要耗费大量的人力资源和等待时间,而且随着数据拍照技术的提升,不法分子通过翻拍图像来验证用户身份的手段层出不穷,通过人工进行识别翻拍图像的准确度较低,而且容易识别出错,如果身份验证过程中没有识别出翻拍图像,将会对用户信息出现安全性问题。
技术实现思路
本专利技术提供一种翻拍图像识别方法、装置、计算机设备及存储介质,实现了自动识别翻拍图像,提高了识别的准确率,并提升了识别效率和可靠性。一种翻拍图像识别方法,包括:获取待识别图像;将所述待识别图像输入头像检测模型,提取所述待识别图像的头像照;将所述待识别图像的头像照进行灰度处理,得到所述头像照的灰度图像;获取所述灰度图像的每个像素点及与每个像素点对应的预设局部区域块的相位信息;通过局部相位量化法对所述每个像素点和所述与每个像素点对应的预设局部区域块的相位信息进行处理,计算出每个像素点对应的局部相位量化特征值;对所有所述像素点的局部相位量化特征值进行排列,生成所述灰度图像的局部相位量化特征图;将所述局部相位量化特征图输入训练完成的浅层神经网络模型,通过所述浅层神经网络 ...
【技术保护点】
1.一种翻拍图像识别方法,其特征在于,包括:/n获取待识别图像;/n将所述待识别图像输入头像检测模型,提取所述待识别图像的头像照;/n将所述待识别图像的头像照进行灰度处理,得到所述头像照的灰度图像;/n获取所述灰度图像的每个像素点及与每个像素点对应的预设局部区域块的相位信息;/n通过局部相位量化法对所述每个像素点和所述与每个像素点对应的预设局部区域块的相位信息进行处理,计算出每个像素点对应的局部相位量化特征值;/n对所有所述像素点的局部相位量化特征值进行排列,生成所述灰度图像的局部相位量化特征图;/n将所述局部相位量化特征图输入训练完成的浅层神经网络模型,通过所述浅层神经网络模型对所述局部相位量化特征图进行识别处理,以获得所述局部相位量化特征图的翻拍概率;/n在所述翻拍概率大于或等于预设概率阈值时,确定所述待识别图像为翻拍图像。/n
【技术特征摘要】
1.一种翻拍图像识别方法,其特征在于,包括:
获取待识别图像;
将所述待识别图像输入头像检测模型,提取所述待识别图像的头像照;
将所述待识别图像的头像照进行灰度处理,得到所述头像照的灰度图像;
获取所述灰度图像的每个像素点及与每个像素点对应的预设局部区域块的相位信息;
通过局部相位量化法对所述每个像素点和所述与每个像素点对应的预设局部区域块的相位信息进行处理,计算出每个像素点对应的局部相位量化特征值;
对所有所述像素点的局部相位量化特征值进行排列,生成所述灰度图像的局部相位量化特征图;
将所述局部相位量化特征图输入训练完成的浅层神经网络模型,通过所述浅层神经网络模型对所述局部相位量化特征图进行识别处理,以获得所述局部相位量化特征图的翻拍概率;
在所述翻拍概率大于或等于预设概率阈值时,确定所述待识别图像为翻拍图像。
2.如权利要求1所述的翻拍图像识别方法,其特征在于,所述将所述待识别图像输入头像检测模型,提取所述待识别图像的头像照,包括:
将所述待识别图像输入头像检测模型,通过所述头像检测模型中的mtcnn算法对所述待识别图像进行头像检测,以获取所述待识别图像的头像置信概率;
在所述待识别图像的头像置信概率大于预设阈值时,则提取所述待识别图像的头像区域,并将所述头像区域标记为所述待识别图像的头像照。
3.如权利要求1所述的翻拍图像识别方法,其特征在于,所述将所述局部相位量化特征图输入训练完成的浅层神经网络模型,通过所述浅层神经网络模型对所述局部相位量化特征图进行识别处理,以获得所述局部相位量化特征图的翻拍概率,包括:
从所述局部相位量化特征图提取出局部相位量化特征直方图;
通过高斯噪声算法,将所述局部相位量化特征直方图进行增强处理,得到神经元数据;
将所述神经元数据输入所述浅层神经网络中的随机失活层,通过所述随机失活层对所述神经元数据进行纹理特征提取,并获取所述随机失活层输出的与所述纹理特征匹配的预测概率;
将所述预测概率输入所述浅层神经网络中的激活层,所述激活层通过sigmoid函数对所述预测概率进行处理,得出所述局部相位量化特征图的翻拍概率。
4.如权利要求1所述的翻拍图像识别方法,其特征在于,所述翻拍识别模型,通过所述翻拍识别模型对所述局部相位量化特征图进行翻拍识别处理,获得翻拍概率之后,包括:
判断所述翻拍概率是否小于所述预设概率阈值;
若所述翻拍概率小于所述预设概率阈值,确定所述待识别图像为非翻拍图像;
获取与所述待识别图像关联的用户身份信息,将所述待识别图像存储至与所述用户身份信息关联的指定存储位置。
5.如权利要求1所述的翻拍图像识别方法,其特征在于,所述将所述局部相位量化特征图输入训练完成的浅层神经网络模型,通过所述浅层神经网络模型对所述局部相位量化特征图进行翻拍识别处理,获得翻拍概率之前,包括:
获取图像样本,所述图像样本包括翻拍图像样本和非翻拍图像样本,将所述图像样本输入所述浅层神经网络模型...
【专利技术属性】
技术研发人员:喻晨曦,
申请(专利权)人:中国平安人寿保险股份有限公司,
类型:发明
国别省市:广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。