一种基于读取商标或图案去识别包装真伪的鉴别方法技术

本发明专利技术涉及防伪技术领域，具体是指一种基于读取商标或图案去识别包装真伪的鉴别方法，用户通过手机拍摄外包装图像并上传至后端系统，后端系统经过图像分析和降噪处理，提取图像中的特征信息，对图像中的所有类别目标进行识别并标注，建立图像特征与标注之间的内在模型，将此模型与后台已训练的标准模型进行比对，通过基于组合特征及分层结构的目标检测算法，分析包装真伪。

【技术实现步骤摘要】
一种基于读取商标或图案去识别包装真伪的鉴别方法
本专利技术涉及防伪
，具体是指一种基于读取商标或图案去识别包装真伪的鉴别方法。
技术介绍
用户购买商品时，通过肉眼对图案颜色、商标大小或图案中各标志性点之间相对距离的识别能力较弱，导致用户无法依据包装准确判断商品的真伪，为了解决由于个体原因导致的无法辨别包装真伪的情况，现设计了一种基于读取商标或图案去识别包装真伪的鉴别方法，使用户上传图片后系统自动识别包装真伪。
技术实现思路
本专利技术要解决的技术问题是克服上述技术的缺陷，提供一种基于读取商标或图案去识别包装真伪的鉴别方法。为解决上述技术问题，本专利技术提供的技术方案为一种基于读取商标或图案去识别包装真伪的鉴别方法：用户通过手机拍摄外包装图像并上传至后端系统，后端系统经过图像分析和降噪处理，提取图像中的特征信息，对图像中的所有类别目标进行识别并标注，建立图像特征与标注之间的内在模型，将此模型与后台已训练的标准模型进行比对，通过基于组合特征及分层结构的目标检测算法，分析包装真伪，所述目标检测算法包括以下步骤：步骤(1)：通过尺度可变的特征函数获取图像的多尺度特征，大尺度对应图像的概貌特征，小尺度对应图像的细节特征，对于一幅图像，经过降噪处理，建立其在不同尺度下的图像，获取在任何尺度下都能够有对应的特征点；步骤(2)：确定空间特征点，通过对图像进行网格化，每一个网格均需和其相邻的网格相关联并进行比较网格内图像域和尺度域的相邻网格值偏差，从而确定特征点；步骤(3)：剔除不好的特征点，通过研究获取图像的对称性、边缘、阴影、颜色、纹理、统计信息等特征，精确确定特征点的位置和尺度，同时剔除低对比度的特征点和不稳定的边缘响应点；步骤(4)：特征点赋能，在上述提取的特征点基础上，将特征点进行组合，根据每个特征点的值对特征点进行组合、分层，实现特征点之间相互关联，实现多目标相互检测、多目标相互校验；步骤(5)：防伪识别，将一张用户拍摄的包装图像，上传至后台，后台经过算法处理，对所拍图像中的所有类别目标进行识别并标注，建立所拍图像特征与标注之间的内在模型，将此新模型与后台已训练的标准模型进行比对，分析包装真伪。本专利技术与现有技术相比的优点在于：1.通过研究获取图像的对称性、边缘、阴影、颜色、纹理、统计信息等特征，提出一个基于组合特征及分层结构的目标检测算法，实现了多目标检测、多目标校验，通过让消费者自己上传商品图片或其他可描述信息，实现包装真伪的自验证，有效的提高了包装真伪验证的可信性；2.此项技术为软件识别，无需增加任何硬件费用，对原生产工艺无侵入性，方便实用。具体实施方式下面对本专利技术一种基于读取商标或图案去识别包装真伪的鉴别方法做进一步的详细说明。一种基于读取商标或图案去识别包装真伪的鉴别方法，用户通过手机拍摄外包装图像并上传至后端系统，后端系统经过图像分析和降噪处理，提取图像中的特征信息，对图像中的所有类别目标进行识别并标注，建立图像特征与标注之间的内在模型，将此模型与后台已训练的标准模型进行比对，通过基于组合特征及分层结构的目标检测算法，分析包装真伪，所述目标检测算法包括以下步骤：步骤(1)：通过尺度可变的特征函数获取图像的多尺度特征，大尺度对应图像的概貌特征，小尺度对应图像的细节特征，对于一幅图像，经过降噪处理，建立其在不同尺度下的图像，获取在任何尺度下都能够有对应的特征点；步骤(2)：确定空间特征点，通过对图像进行网格化，每一个网格均需和其相邻的网格相关联并进行比较网格内图像域和尺度域的相邻网格值偏差，从而确定特征点；步骤(3)：剔除不好的特征点，通过研究获取图像的对称性、边缘、阴影、颜色、纹理、统计信息等特征，精确确定特征点的位置和尺度，同时剔除低对比度的特征点和不稳定的边缘响应点；步骤(4)：特征点赋能，在上述提取的特征点基础上，将特征点进行组合，根据每个特征点的值对特征点进行组合、分层，实现特征点之间相互关联，实现多目标相互检测、多目标相互校验；步骤(5)：防伪识别，将一张用户拍摄的包装图像，上传至后台，后台经过算法处理，对所拍图像中的所有类别目标进行识别并标注，建立所拍图像特征与标注之间的内在模型，将此新模型与后台已训练的标准模型进行比对，分析包装真伪。本专利技术在具体实施时，通过尺度可变的特征函数获取图像的多尺度特征，大尺度对应图像的概貌特征，小尺度对应图像的细节特征，对于一幅图像，经过降噪处理，建立其在不同尺度下的图像，获取在任何尺度下都能够有对应的特征点；确定空间特征点，通过对图像进行网格化，每一个网格均需和其相邻的网格相关联并进行比较网格内图像域和尺度域的相邻网格值偏差，从而确定特征点；剔除不好的特征点，通过研究获取图像的对称性、边缘、阴影、颜色、纹理、统计信息等特征，精确确定特征点的位置和尺度，同时剔除低对比度的特征点和不稳定的边缘响应点；特征点赋能，在上述提取的特征点基础上，将特征点进行组合，根据每个特征点的值对特征点进行组合、分层，实现特征点之间相互关联，实现多目标相互检测、多目标相互校验；防伪识别，将一张用户拍摄的包装图像，上传至后台，后台经过算法处理，对所拍图像中的所有类别目标进行识别并标注，建立所拍图像特征与标注之间的内在模型，将此新模型与后台已训练的标准模型进行比对，分析包装真伪。以上对本专利技术及其实施方式进行了描述，这种描述没有限制性。总而言之如果本领域的普通技术人员受其启示，在不脱离本专利技术创造宗旨的情况下，不经创造性的设计出与该技术方案相似的结构方式及实施例，均应属于本专利技术的保护范围。本文档来自技高网...

【技术保护点】
1.一种基于读取商标或图案去识别包装真伪的鉴别方法，其特征在于：用户通过手机拍摄外包装图像并上传至后端系统，后端系统经过图像分析和降噪处理，提取图像中的特征信息，对图像中的所有类别目标进行识别并标注，建立图像特征与标注之间的内在模型，将此模型与后台已训练的标准模型进行比对，通过基于组合特征及分层结构的目标检测算法，分析包装真伪，所述目标检测算法包括以下步骤：/n步骤(1)：通过尺度可变的特征函数获取图像的多尺度特征，大尺度对应图像的概貌特征，小尺度对应图像的细节特征，对于一幅图像，经过降噪处理，建立其在不同尺度下的图像，获取在任何尺度下都能够有对应的特征点；/n步骤(2)：确定空间特征点，通过对图像进行网格化，每一个网格均需和其相邻的网格相关联并进行比较网格内图像域和尺度域的相邻网格值偏差，从而确定特征点；/n步骤(3)：剔除不好的特征点，通过研究获取图像的对称性、边缘、阴影、颜色、纹理、统计信息等特征，精确确定特征点的位置和尺度，同时剔除低对比度的特征点和不稳定的边缘响应点；/n步骤(4)：特征点赋能，在上述提取的特征点基础上，将特征点进行组合，根据每个特征点的值对特征点进行组合、分层，实现特征点之间相互关联，实现多目标相互检测、多目标相互校验；/n步骤(5)：防伪识别，将一张用户拍摄的包装图像，上传至后台，后台经过算法处理，对所拍图像中的所有类别目标进行识别并标注，建立所拍图像特征与标注之间的内在模型，将此新模型与后台已训练的标准模型进行比对，分析包装真伪。/n...

【技术特征摘要】
1.一种基于读取商标或图案去识别包装真伪的鉴别方法，其特征在于：用户通过手机拍摄外包装图像并上传至后端系统，后端系统经过图像分析和降噪处理，提取图像中的特征信息，对图像中的所有类别目标进行识别并标注，建立图像特征与标注之间的内在模型，将此模型与后台已训练的标准模型进行比对，通过基于组合特征及分层结构的目标检测算法，分析包装真伪，所述目标检测算法包括以下步骤：
步骤(1)：通过尺度可变的特征函数获取图像的多尺度特征，大尺度对应图像的概貌特征，小尺度对应图像的细节特征，对于一幅图像，经过降噪处理，建立其在不同尺度下的图像，获取在任何尺度下都能够有对应的特征点；
步骤(2)：确定空间特征点，通过对图像进行网格化，每一个网格均需和其相邻的...

【专利技术属性】
技术研发人员：毛霖，
申请(专利权)人：新立讯科技股份有限公司，
类型：发明
国别省市：江苏;32