图像真实性的识别方法及装置制造方法及图纸

本发明专利技术提供了一种图像真实性的识别方法及装置，包括：对待识别图像特征提取，得到深度学习特征、ORB特征和hash特征；基于深度学习特征，确定当前分类模板库中是否存在与待识别图像相似的分类图像；若不存在与待识别图像相似的分类图像，则基于深度学习特征，在历史图像中确定与待识别图像相似的候选相似图像；基于ORB特征、hash特征，在候选相似图像中确定待识别图像的相似图像；根据待识别图像对应的用户和相似图像对应的用户确定待识别图像的真实性。本发明专利技术的方法融合了多种不同的特征提取方法，大大提高了图像识别的准确率，并且通过机器自动识别的方式更加智能，提高了图像识别的效率，减少了人工成本。

【技术实现步骤摘要】
图像真实性的识别方法及装置
本专利技术涉及图像识别的
，尤其是涉及一种图像真实性的识别方法及装置。
技术介绍
近年来，随着互联网和移动互联网的普及，信贷业务高速发展，业务变得越来越多元和便捷。但是，信贷业务在为广大用户提供丰富的金融服务的同时，也带来了新的风险。最近几年，利用漏洞或者采取必要的技术手段进行非法交易的案件越来越多，严重损害了银行和客户的财产安全。随着不法分子作案流程的专业化与技术手段的升级，传统风控模型中基于规则+验证的方式已经很难满足当前的风控需求。在信贷业务中，用户在多个场景下会提交不同类型的图像，人工查看图像的真实性时，无法全部查验，且对人的记忆要求高，不仅速度慢，而且准确率不高。综上，现有的图像真实性的识别方法存在速度慢、准确率不高的技术问题。
技术实现思路
本专利技术的目的在于提供一种图像真实性的识别方法及装置，以缓解现有的图像真实性的识别方法速度慢、准确率不高的技术问题。第一方面，本专利技术实施例提供了一种图像真实性的识别方法，包括：对待识别图像进行特征提取，得到所述待识别图像的深度学习特征、ORB特征和hash特征；基于所述待识别图像的深度学习特征，确定当前分类模板库中是否存在与所述待识别图像相似的分类图像，以根据与所述待识别图像相似的分类图像确定所述待识别图像的真实性；若所述当前分类模板库中不存在与所述待识别图像相似的分类图像，则基于所述待识别图像的深度学习特征，在历史图像中确定与所述待识别图像相似的候选相似图像；基于所述待识别图像的ORB特征、所述待识别图像的hash特征计算所述待识别图像与所述候选相似图像的距离，并基于所述距离，在所述候选相似图像中确定所述待识别图像的相似图像；根据所述待识别图像对应的用户和所述相似图像对应的用户确定所述待识别图像的真实性。进一步的，基于所述待识别图像的深度学习特征，确定当前分类模板库中是否存在与所述待识别图像相似的分类图像，以根据与所述待识别图像相似的分类图像确定所述待识别图像的真实性包括：计算所述待识别图像的深度学习特征与所述当前分类模板库中各个分类图像的深度学习特征之间的第一余弦距离；基于第一预设距离在所述第一余弦距离中确定第一目标余弦距离，其中，所述第一目标余弦距离大于所述第一预设距离；将所述第一目标余弦距离对应的目标分类图像作为与所述待识别图像相似的分类图像；根据所述目标分类图像所属的类别确定所述待识别图像的真实性。进一步的，基于所述待识别图像的深度学习特征，在历史图像中确定与所述待识别图像相似的候选相似图像包括：计算所述待识别图像的深度学习特征与各个历史图像的深度学习特征之间的第二余弦距离；基于第二预设距离在所述第二余弦距离中确定第二目标余弦距离，其中，所述第二目标余弦距离大于所述第二预设距离；将所述第二目标余弦距离对应的目标历史图像作为与所述待识别图像相似的候选相似图像。进一步的，基于所述待识别图像的ORB特征、所述待识别图像的hash特征计算所述待识别图像与所述候选相似图像的距离包括：计算所述待识别图像的ORB特征与所述候选相似图像的ORB特征之间的第一距离；计算所述待识别图像的hash特征与所述候选相似图像的hash特征之间的第二距离；基于权重对所述第一距离和所述第二距离进行加权计算，得到所述待识别图像与所述候选相似图像的距离。进一步的，基于所述距离，在所述候选相似图像中确定所述待识别图像的相似图像包括：基于第三预设距离在所述距离中确定目标距离，其中，所述目标距离大于所述第三预设距离；将所述目标距离对应的目标候选相似图像作为所述待识别图像的相似图像。进一步的，根据所述待识别图像对应的用户和所述相似图像对应的用户确定所述待识别图像的真实性包括：若在所述相似图像中，存在目标相似图像对应的用户与所述待识别图像对应的用户不是同一用户，则确定所述待识别图像为虚假图像；若在所述相似图像中，所有相似图像对应的用户与所述待识别图像对应的用户为同一用户，则确定所述待识别图像为真实图像。进一步的，在根据所述待识别图像对应的用户和所述相似图像对应的用户确定所述待识别图像的真实性之后，所述方法还包括：根据人工反馈结果自动更新所述第一预设距离、所述第二预设距离、所述第三预设距离和所述权重，其中，所述人工反馈结果为通过人工的方式对所述待识别图像和所述目标相似图像进行对比，得到的所述待识别图像和所述目标相似图像是否为不同用户的相似图像的结果。进一步的，在对待识别图像进行特征提取之前，所述方法还包括：获取所述当前分类模板库。进一步的，获取所述当前分类模板库包括：采用聚类方法对预设时间范围内采集的图像进行聚类，得到所述预设时间范围内高频出现的图像；通过人工的方式对所述高频出现的图像进行真实性判定，并根据判定结果更新分类模板库，得到所述当前分类模板库。第二方面，本专利技术实施例还提供了一种图像真实性的识别装置，包括：特征提取单元，用于对待识别图像进行特征提取，得到所述待识别图像的深度学习特征、ORB特征和hash特征；第一确定单元，用于基于所述待识别图像的深度学习特征，确定当前分类模板库中是否存在与所述待识别图像相似的分类图像，以根据与所述待识别图像相似的分类图像确定所述待识别图像的真实性；第二确定单元，若所述当前分类模板库中不存在与所述待识别图像相似的分类图像，则基于所述待识别图像的深度学习特征，在历史图像中确定与所述待识别图像相似的候选相似图像；计算单元，用于基于所述待识别图像的ORB特征、所述待识别图像的hash特征计算所述待识别图像与所述候选相似图像的距离，并基于所述距离，在所述候选相似图像中确定所述待识别图像的相似图像；第三确定单元，用于根据所述待识别图像对应的用户和所述相似图像对应的用户确定所述待识别图像的真实性。在本专利技术实施例中，提供了一种图像真实性的识别方法，该方法包括：先对待识别图像进行特征提取，得到待识别图像的深度学习特征、ORB特征和hash特征；然后，基于待识别图像的深度学习特征，确定当前分类模板库中是否存在与待识别图像相似的分类图像，以根据与待识别图像相似的分类图像确定待识别图像的真实性；若当前分类模板库中不存在与待识别图像相似的分类图像，则基于待识别图像的深度学习特征，在历史图像中确定与待识别图像相似的候选相似图像；进而基于待识别图像的ORB特征、待识别图像的hash特征计算待识别图像与候选相似图像的距离，并基于距离，在候选相似图像中确定待识别图像的相似图像；最后，根据待识别图像对应的用户和相似图像对应的用户确定待识别图像的真实性。通过上述描述可知，本专利技术的图像真实性的识别方法融合了多种不同的特征提取方法，大大提高了图像识别的准确率，并且通过机器自动识别的方式更加智能，提高了图像识别的效率，减少了人工成本，缓解了现有的图像真实性的识别方法速度本文档来自技高网...

【技术保护点】
1.一种图像真实性的识别方法，其特征在于，包括：/n对待识别图像进行特征提取，得到所述待识别图像的深度学习特征、ORB特征和hash特征；/n基于所述待识别图像的深度学习特征，确定当前分类模板库中是否存在与所述待识别图像相似的分类图像，以根据与所述待识别图像相似的分类图像确定所述待识别图像的真实性；/n若所述当前分类模板库中不存在与所述待识别图像相似的分类图像，则基于所述待识别图像的深度学习特征，在历史图像中确定与所述待识别图像相似的候选相似图像；/n基于所述待识别图像的ORB特征、所述待识别图像的hash特征计算所述待识别图像与所述候选相似图像的距离，并基于所述距离，在所述候选相似图像中确定所述待识别图像的相似图像；/n根据所述待识别图像对应的用户和所述相似图像对应的用户确定所述待识别图像的真实性。/n

【技术特征摘要】
1.一种图像真实性的识别方法，其特征在于，包括：
对待识别图像进行特征提取，得到所述待识别图像的深度学习特征、ORB特征和hash特征；
基于所述待识别图像的深度学习特征，确定当前分类模板库中是否存在与所述待识别图像相似的分类图像，以根据与所述待识别图像相似的分类图像确定所述待识别图像的真实性；
若所述当前分类模板库中不存在与所述待识别图像相似的分类图像，则基于所述待识别图像的深度学习特征，在历史图像中确定与所述待识别图像相似的候选相似图像；
基于所述待识别图像的ORB特征、所述待识别图像的hash特征计算所述待识别图像与所述候选相似图像的距离，并基于所述距离，在所述候选相似图像中确定所述待识别图像的相似图像；
根据所述待识别图像对应的用户和所述相似图像对应的用户确定所述待识别图像的真实性。


2.根据权利要求1所述的方法，其特征在于，基于所述待识别图像的深度学习特征，确定当前分类模板库中是否存在与所述待识别图像相似的分类图像，以根据与所述待识别图像相似的分类图像确定所述待识别图像的真实性包括：
计算所述待识别图像的深度学习特征与所述当前分类模板库中各个分类图像的深度学习特征之间的第一余弦距离；
基于第一预设距离在所述第一余弦距离中确定第一目标余弦距离，其中，所述第一目标余弦距离大于所述第一预设距离；
将所述第一目标余弦距离对应的目标分类图像作为与所述待识别图像相似的分类图像；
根据所述目标分类图像所属的类别确定所述待识别图像的真实性。


3.根据权利要求2所述的方法，其特征在于，基于所述待识别图像的深度学习特征，在历史图像中确定与所述待识别图像相似的候选相似图像包括：
计算所述待识别图像的深度学习特征与各个历史图像的深度学习特征之间的第二余弦距离；
基于第二预设距离在所述第二余弦距离中确定第二目标余弦距离，其中，所述第二目标余弦距离大于所述第二预设距离；
将所述第二目标余弦距离对应的目标历史图像作为与所述待识别图像相似的候选相似图像。


4.根据权利要求3所述的方法，其特征在于，基于所述待识别图像的ORB特征、所述待识别图像的hash特征计算所述待识别图像与所述候选相似图像的距离包括：
计算所述待识别图像的ORB特征与所述候选相似图像的ORB特征之间的第一距离；
计算所述待识别图像的hash特征与所述候选相似图像的hash特征之间的第二距离；
基于权重对所述第一距离和所述第二距离进行加权计算，得到所述待识别图像与所述候选相似图像的距离。


5.根据权利要求4所述的方法，其特征在于，基于所述距离，在所...

【专利技术属性】
技术研发人员：王纵虎，张盼盼，熊欣，杨立，孙文娟，魏晓婷，
申请(专利权)人：湖南华威金安企业管理有限公司，
类型：发明
国别省市：湖南;43