身份证件的翻拍图像识别方法、装置、设备及介质制造方法及图纸

本发明专利技术公开了一种身份证件的翻拍图像识别方法、装置、计算机设备及存储介质，所述方法包括：通过接收证件验证指令，获取待识别身份证件图像并输入根据YOLO算法训练完成的头像检测模型，获取待识别身份证件图像中的头像照；根据六角锥体颜色模型将头像照转换为色调饱和度图像，同时根据颜色空间模型将头像照转换为色彩视频图像；将色调饱和度图像和色彩视频图像同时输入训练完成的融合化深度卷积神经网络模型，通过融合化深度卷积神经网络模型对色调饱和度图像和色彩视频图像进行纹理特征的提取，并获取输出的识别结果，识别结果表征了待识别身份证件图像是否为翻拍。实现了快速地、有效地识别出身份证证件图像是否翻拍，提高了识别的准确率。

Method, device, equipment and medium of identity document image recognition

【技术实现步骤摘要】
身份证件的翻拍图像识别方法、装置、设备及介质
本专利技术涉及图像分类领域，尤其涉及一种身份证件的翻拍图像识别方法、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身份证件的翻拍图像识别方法、装置、计算机设备及存储介质，实现了快速地、有效地、便捷地识别出身份证证件图像是否翻拍，提高了识别的准确率，提升了识别效率和可靠性，节省了成本。一种身份证件的翻拍图像识别方法，包括：接收证件验证指令，获取待识别身份证件图像；将所述待识别身份证件图像输入头像检测模型，获取所述待识别身份证件图像中的头像照；所述头像检测模型根据YOLO算法训练完成；根据六角锥体颜色模型将所述头像照转换为色调饱和度图像，同时根据颜色空间模型将所述头像照转换为色彩视频图像；将所述色调饱和度图像和所述色彩视频图像同时输入训练完成的融合化深度卷积神经网络模型，通过所述融合化深度卷积神经网络模型对所述色调饱和度图像和所述色彩视频图像进行纹理特征的提取，并获取所述融合化深度卷积神经网络模型根据所述纹理特征输出的识别结果，所述识别结果表征了所述待识别身份证件图像是否为翻拍。一种身份证件的翻拍图像识别装置，包括：获取模块，用于接收证件验证指令，获取待识别身份证件图像；提取模块，用于将所述待识别身份证件图像输入头像检测模型，获取所述待识别身份证件图像中的头像照；所述头像检测模型根据YOLO算法训练完成；转换模块，用于根据六角锥体颜色模型将所述头像照转换为色调饱和度图像，同时根据颜色空间模型将所述头像照转换为色彩视频图像；识别模块，用于将所述色调饱和度图像和所述色彩视频图像同时输入训练完成的融合化深度卷积神经网络模型，通过所述融合化深度卷积神经网络模型对所述色调饱和度图像和所述色彩视频图像进行纹理特征的提取，并获取所述融合化深度卷积神经网络模型根据所述纹理特征输出的识别结果，所述识别结果表征了所述待识别身份证件图像是否为翻拍。一种计算机设备，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上述身份证件的翻拍图像识别方法的步骤。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上述身份证件的翻拍图像识别方法的步骤。本专利技术提供的身份证件的翻拍图像识别方法、装置、计算机设备及存储介质，通过接收证件验证指令，获取待识别身份证件图像并输入头像检测模型，获取所述待识别身份证件图像中的头像照；所述头像检测模型根据YOLO算法训练完成；根据六角锥体颜色模型将所述头像照转换为色调饱和度图像，同时根据颜色空间模型将所述头像照转换为色彩视频图像；将所述色调饱和度图像和所述色彩视频图像同时输入训练完成的融合化深度卷积神经网络模型，通过所述融合化深度卷积神经网络模型对所述色调饱和度图像和所述色彩视频图像进行纹理特征的提取，并获取所述融合化深度卷积神经网络模型根据所述纹理特征输出的识别结果，所述识别结果表征了所述待识别身份证件图像是否为翻拍。实现了快速地、有效地、便捷地识别出身份证证件图像是否翻拍，提高了识别的准确率，提升了识别效率和可靠性，节省了成本。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对本专利技术实施例的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是本专利技术一实施例中身份证件的翻拍图像识别方法的应用环境示意图；图2是本专利技术一实施例中身份证件的翻拍图像识别方法的流程图；图3是本专利技术一实施例中身份证件的翻拍图像识别方法的步骤S20的流程图；图4是本专利技术一实施例中身份证件的翻拍图像识别方法的步骤S30的流程图；图5是本专利技术一实施例中身份证件的翻拍图像识别方法的步骤S40的流程图；图6是本专利技术一实施例中身份证件的翻拍图像识别方法的步骤S401的流程图；图7是本专利技术另一实施例中身份证件的翻拍图像识别方法的步骤S401的流程图；图8是本专利技术另一实施例中身份证件的翻拍图像识别方法的步骤S40的流程图；图9是本专利技术一实施例中身份证件的翻拍图像识别装置的原理框图；图10是本专利技术一实施例中计算机设备的示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术提供的身份证件的翻拍图像识别方法，可应用在如图1的应用环境中，其中，客户端(计算机设备)通过网络与服务器进行通信。其中，客户端(计算机设备)包括但不限于为各种个人计算机、笔记本电脑、智能手机、平板电脑、摄像头和便携式可穿戴设备。服务器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。在一实施例中，如图2所示，提供一种身份证件的翻拍图像识别方法，其技术方案主要包括以下步骤S10-S40：S10，接收证件验证指令，获取待识别身份证件图像。可理解地，接收所述证件验证指令，获取所述待识别身份证件图像，所述证件验证指令为选择需要进行验证的待识别身份证件图像并确认之后触发的指令，接收到所述证件验证指令之后，获取所述待识别身份证件图像，其获取方式可以根据需要进行设定，比如获取方式可以为通过所述证件验证指令获取所述待识别身份证件图像、根据所述证件验证指令中包含的所述待识别身份证件图像的存储路径获取所述待识别身份证件图像等等。其中，所述待识别身份证件图像可以为包括RGB通道(三个通道为红色通道、绿色通道、蓝色通道)的身份证正面彩色图。S20，将所述待识别身份证件图像输入头像检测模型，获取所述待识别身份证件图像中的头像照；所述头像检测模型根据YOLO算法训练完成。可理解地，将所述待识别身份证件图像输入头像检测模型，所述头像检测模型包括YOLO(YouOnlyLookOnce)算法，并且所述头像检测模型已经训练完成。所述YOLO算法将身份证件中锁骨及以上的头像区域检测与锁骨及以上的头像关键点检测放在了一起，识别出最终的头像区域和特征点位置。通过所述头像检测模型中的YOLO算法对所述待识别身份证件图本文档来自技高网...

【技术保护点】
1.一种身份证件的翻拍图像识别方法，其特征在于，包括：/n接收证件验证指令，获取待识别身份证件图像；/n将所述待识别身份证件图像输入头像检测模型，获取所述待识别身份证件图像中的头像照；所述头像检测模型根据YOLO算法训练完成；/n根据六角锥体颜色模型将所述头像照转换为色调饱和度图像，同时根据颜色空间模型将所述头像照转换为色彩视频图像；/n将所述色调饱和度图像和所述色彩视频图像同时输入训练完成的融合化深度卷积神经网络模型，通过所述融合化深度卷积神经网络模型对所述色调饱和度图像和所述色彩视频图像进行纹理特征的提取，并获取所述融合化深度卷积神经网络模型根据所述纹理特征输出的识别结果，所述识别结果表征了所述待识别身份证件图像是否为翻拍。/n

【技术特征摘要】
1.一种身份证件的翻拍图像识别方法，其特征在于，包括：
接收证件验证指令，获取待识别身份证件图像；
将所述待识别身份证件图像输入头像检测模型，获取所述待识别身份证件图像中的头像照；所述头像检测模型根据YOLO算法训练完成；
根据六角锥体颜色模型将所述头像照转换为色调饱和度图像，同时根据颜色空间模型将所述头像照转换为色彩视频图像；
将所述色调饱和度图像和所述色彩视频图像同时输入训练完成的融合化深度卷积神经网络模型，通过所述融合化深度卷积神经网络模型对所述色调饱和度图像和所述色彩视频图像进行纹理特征的提取，并获取所述融合化深度卷积神经网络模型根据所述纹理特征输出的识别结果，所述识别结果表征了所述待识别身份证件图像是否为翻拍。


2.如权利要求1所述的身份证件的翻拍图像识别方法，其特征在于，所述将所述待识别身份证件图像输入头像检测模型，获取所述待识别身份证件图像中的头像照，包括：
通过所述头像检测模型中的YOLO算法进行多尺度特征检测所述待识别身份证件图像中是否包含人脸以及和人脸连接的脖子；
在所述待识别身份证件图像中包含人脸以及和人脸连接的脖子时，则根据所述人脸以及脖子的位置确定所述待识别身份证件图像中包含头像照的头像区域，并在所述头像区域中提取所述头像区域中的头像照。


3.如权利要求1所述的身份证件的翻拍图像识别方法，其特征在于，所述根据六角锥体颜色模型将所述头像照转换为色调饱和度图像，同时根据颜色空间模型将所述头像照转换为色彩视频图像，包括：
将所述头像照通过通道分离，分离出红色通道的红色通道图像、绿色通道的绿色通道图像和蓝色通道的蓝色通道图像；
根据所述六角锥体颜色模型对所述红色通道图像、绿色通道图像和蓝色通道图像进行转换，得到所述色调饱和度图像；其中，所述色调饱和度图像包括色调通道的色调通道图像、饱和度通道的饱和度通道图像和明度通道的明度通道图像；
根据颜色空间模型对所述红色通道图像、绿色通道图像和蓝色通道图像进行转换，得到所述色彩视频图像；其中，所述色彩视频图像包括灰度通道的灰度通道图像、色度红通道的色度红通道图像和色度蓝通道的色度蓝通道图像。


4.如权利要求1所述的身份证件的翻拍图像识别方法，其特征在于，所述将所述色调饱和度图像和所述色彩视频图像同时输入训练完成的融合化深度卷积神经网络模型，通过所述融合化深度卷积神经网络模型对所述色调饱和度图像和所述色彩视频图像进行纹理特征的提取，并获取所述融合化深度卷积神经网络模型根据所述纹理特征输出的识别结果，所述识别结果表征了所述待识别身份证件图像是否为翻拍，包括：
将所述色调饱和度图像输入预设的第一深度卷积神经网络模型，通过所述第一深度卷积神经网络模型对所述色调饱和图像进行第一纹理特征的提取，并获取所述第一深度卷积神经网络模型根据所述第一纹理特征输出的第一识别神经元；将所述色彩视频图像输入预设的第二深度卷积神经网络模型，通过所述二深度卷积神经网络模型对所述色彩视频图像进行第二纹理特征的提取，并获取所述第二深度卷积神经网络模型根据所述第二纹理特征输出的第二识别神经元；
将所述第一识别神经元和所述第二识别神经元进行融合，得到融合数组；
将所述融合数组输入至预设的识别层，通过所述识别层对所述融合数组进行识别，获取所述识别层输出的识别结果并记录为所述融合化深度卷积神经网络模型输出的识别结果。


5.如权利要求4所述的身份证件的翻拍图像识别方法，其特征在于，所述将所述色调饱和度图像输入预设的第一深度卷积神经网络模型，通过所述第一深度卷积神经网络模型对所述色调饱和图像进行第一纹理特征的提取，并获取所述第一深度卷积神经网络模型根据所述第一纹理特征输出的第一识别神经元，包括：
将所述色调饱和度图像输入所述第...

【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