证件鉴伪方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术涉及人工智能技术，揭露了一种证件鉴伪方法，包括：获取证件中鉴伪点的多图组合或视频帧序列，得到待鉴伪图像集；利用预先训练好的证件鉴伪模型对所述待鉴伪图像集中的每张图片进行鉴伪，得到多个预测结果；将所述多个预测结果进行数据融合，得到结果概率值，并根据所述结果概率值得到该所述鉴伪点的鉴伪结果。本发明专利技术还涉及区块链技术，证件鉴伪点的多图组合或视频帧序列可存储于区块链中。本发明专利技术还揭露一种证件鉴伪装置、电子设备及计算机可读存储介质。本发明专利技术可以提高证件鉴伪的准确率。

【技术实现步骤摘要】
证件鉴伪方法、装置、电子设备及存储介质
本专利技术涉及人工智能
，尤其涉及一种证件鉴伪方法、装置、电子设备及计算机可读存储介质。
技术介绍
随着计算机的发展和计算机视觉理论的研究，尤其是深度学习和人工智能的出现，计算机可以很方便、很准确地模仿人类的视觉感知系统进行证件的鉴伪识别。目前现有的证件鉴伪方式可以通过图像处理和传统的机器学习等方法进行，但是大多是通过图像或单张图像来进行鉴伪，而证件中很多鉴伪点需要不同角度、不同视觉范围或不同光照等条件才能进行综合鉴伪，导致鉴伪结果的准确率较低。
技术实现思路
本专利技术提供一种证件鉴伪方法、装置、电子设备及计算机可读存储介质，其主要目的在于提供一种提高鉴伪准确率的证件鉴伪方法。为实现上述目的，本专利技术提供的一种证件鉴伪方法，包括：获取证件中鉴伪点的多图组合或视频帧序列，得到待鉴伪图像集；利用预先训练好的证件鉴伪模型对所述待鉴伪图像集中的每张图片进行鉴伪，得到多个预测结果；将所述多个预测结果进行数据融合，得到结果概率值，并根据所述结果概率值得到该所述鉴伪点的鉴伪结果。可选地，所述利用预先训练好的证件鉴伪模型对所述待鉴伪图像集中的每张图片进行鉴伪，包括：利用所述证件鉴伪模型的卷积层和池化层提取所述图片中的特征；利用所述证件鉴伪模型的激活层对所述特征进行计算，得到所述图片的预测结果。可选地，所述待鉴伪图像集包括：真鉴伪点图像和伪造鉴伪点图像，所述利用预先训练好的证件鉴伪模型对所述待鉴伪图像集中的每张图片进行鉴伪，得到多个预测结果之前，该方法还包括：采集所述真鉴伪点图像，并将所述真鉴伪点图像输入至所述证件鉴伪模型中进行特征提取，得到真特征数据；采集所述伪造鉴伪点图像，并将所述伪造鉴伪点图像输入至所述证件鉴伪模型中进行特征提取，得到伪造特征数据；分析所述真特征数据和所述伪造特征数据的差别特征；根据所述差别特征改进所述证件鉴伪模型的卷积层和池化层。可选地，所述将所述多个预测结果进行数据融合，得到结果概率值，包括：对所述多个预测结果进行排序，得到排序结果集；对所述排序结果集进行筛选，得到有效结果集；利用预设的合并算法将所述有效结果集中的数据进行合并，得到结果概率值。可选地，所述对所述排序结果集进行筛选包括：确定所述排序结果集中数据的分布区间；将不属于所述分布区间的数据从所述排序结果集中删除。可选地，所述根据所述结果概率值得到该所述鉴伪点的鉴伪结果，包括：将所述结果概率值与预设的置信度阈值进行比较；在所述结果概率值大于等于所述置信度阈值时，得到所述鉴伪点对应的证件为真的鉴伪结果；在所述结果概率值小于所述置信度阈值时，得到所述鉴伪点对应的证件为假的鉴伪结果。可选地，所述利用预先训练好的证件鉴伪模型对所述待鉴伪图像集中的每张图片进行鉴伪，得到多个预测结果之前，该方法还包括：生成有效样本数据和所述有效样本数据对应的标准结果；将所述有效样本数据输入至证件鉴伪模型进行鉴伪，得到训练结果；利用预设的损失函数对所述训练结果与标准结果进行损失值计算，得到损失值；当所述损失值大于或等于预设的损失阈值，调整所述证件鉴伪模型的参数，并重新进行鉴伪，得到训练结果；当所述损失值小于所述损失阈值，得到训练好的所述证件鉴伪模型。为了解决上述问题，本专利技术还提供一种证件鉴伪装置，所述装置包括：图像获取模块，用于获取证件中鉴伪点的多图组合或视频帧序列，得到待鉴伪图像集；模型鉴伪模块，用于利用预先训练好的证件鉴伪模型对所述待鉴伪图像集中的每张图片进行鉴伪，得到多个预测结果；鉴伪结果输出模块，用于将所述多个预测结果进行数据融合，得到结果概率值，并根据所述结果概率值得到该所述鉴伪点的鉴伪结果。为了解决上述问题，本专利技术还提供一种电子设备，所述电子设备包括：存储器，存储至少一个指令；及处理器，执行所述存储器中存储的指令以实现上述所述的证件鉴伪方法。为了解决上述问题，本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述所述的证件鉴伪方法。本专利技术实施例获取证件中鉴伪点的多图组合或视频帧序列，得到待鉴伪图像集，通过多图组合和视频帧序列可以扩大鉴伪点的呈现覆盖范围，提高鉴伪点数据的利用率；利用预先训练好的证件鉴伪模型对所述待鉴伪图像集中的每张图片进行鉴伪，得到多个预测结果，使用证件鉴伪模型进行鉴伪，提高鉴伪识别的精度和准确率；将所述多个预测结果进行数据融合，得到结果概率值，并根据所述结果概率值得到该所述鉴伪点的鉴伪结果，通过对多个预测结果进行数据融合，减少偏差错误和极值干扰，保证了鉴伪结果的准确性。因此本专利技术提出的证件鉴伪方法、装置及计算机可读存储介质，可以实现提高证件鉴伪准确率的目的。附图说明图1为本专利技术一实施例提供的证件鉴伪方法的流程示意图；图2为本专利技术一实施例提供的图片检测方法的流程示意图；图3为本专利技术一实施例提供的结果概率值获取方法的流程示意图；图4为本专利技术一实施例提供的证件鉴伪装置的模块示意图；图5为本专利技术一实施例提供的实现证件鉴伪方法的电子设备的内部结构示意图；本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。本申请实施例提供的证件鉴伪方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述证件鉴伪方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。本专利技术核心在于利用计算机视觉对证件中的鉴伪点进行不同视觉范围或不同光照等条件下的综合鉴伪判断，得到所述证件的鉴伪结果。其中，本专利技术实施例所述鉴伪点是指证件上具有的防伪标记，如身份证件上的防伪标记等。一个证件中可能包含多个鉴伪点，所述鉴伪点的类型包括视觉感知鉴伪点、触觉感知鉴伪点和其它类型感知鉴伪点。其中，所述视觉感知鉴伪点是指通过视觉识别真伪的鉴伪点，如随着不同观看角度，鉴伪点的图像会有颜色的置换，并显示波浪及立体效果。所述触觉感知鉴伪点是指通过触觉识别真伪的鉴伪点，如通过手指触摸鉴伪点会有凸起的感觉；所述其它类型感知鉴伪点是指通过视觉和触觉以外的其他方式识别真伪的鉴伪点，如借助仪器，紫外线验光、使用放大镜才能辨认鉴伪点处的缩微文字。本专利技术实施例适用于对视觉感知鉴伪点的鉴伪判断。参照图1所示，为本专利技术一实施例提供的证件鉴伪方法的流程示意图。在本实施例中，证件鉴伪方法包括：S1、获取证件中鉴伪点的多图组合或视频帧序列，得到待鉴伪图像本文档来自技高网...

【技术保护点】
1.一种证件鉴伪方法，其特征在于，所述方法包括：/n获取证件中鉴伪点的多图组合或视频帧序列，得到待鉴伪图像集；/n利用预先训练好的证件鉴伪模型对所述待鉴伪图像集中的每张图片进行鉴伪，得到多个预测结果；/n将所述多个预测结果进行数据融合，得到结果概率值，并根据所述结果概率值得到该所述鉴伪点的鉴伪结果。/n

【技术特征摘要】
1.一种证件鉴伪方法，其特征在于，所述方法包括：
获取证件中鉴伪点的多图组合或视频帧序列，得到待鉴伪图像集；
利用预先训练好的证件鉴伪模型对所述待鉴伪图像集中的每张图片进行鉴伪，得到多个预测结果；
将所述多个预测结果进行数据融合，得到结果概率值，并根据所述结果概率值得到该所述鉴伪点的鉴伪结果。


2.如权利要求1所述的证件鉴伪方法，其特征在于，所述利用预先训练好的证件鉴伪模型对所述待鉴伪图像集中的每张图片进行鉴伪，包括：
利用所述证件鉴伪模型的卷积层和池化层提取所述图片中的特征；
利用所述证件鉴伪模型的激活层对所述特征进行计算，得到所述图片的预测结果。


3.如权利要求2所述的证件鉴伪方法，其特征在于，所述待鉴伪图像集包括：真鉴伪点图像和伪造鉴伪点图像，所述利用预先训练好的证件鉴伪模型对所述待鉴伪图像集中的每张图片进行鉴伪，得到多个预测结果之前，该方法还包括：
采集所述真鉴伪点图像，并将所述真鉴伪点图像输入至所述证件鉴伪模型中进行特征提取，得到真特征数据；
采集所述伪造鉴伪点图像，并将所述伪造鉴伪点图像输入至所述证件鉴伪模型中进行特征提取，得到伪造特征数据；
分析所述真特征数据和所述伪造特征数据的差别特征；
根据所述差别特征改进所述证件鉴伪模型的卷积层和池化层。


4.如权利要求1所述的证件鉴伪方法，其特征在于，所述将所述多个预测结果进行数据融合，得到结果概率值，包括：
对所述多个预测结果进行排序，得到排序结果集；
对所述排序结果集进行筛选，得到有效结果集；
利用预设的合并算法将所述有效结果集中的数据进行合并，得到结果概率值。


5.如权利要求4所述的证件鉴伪方法，其特征在于，所述对所述排序结果集进行筛选包括：
确定所述排序结果集中数据的分布区间；
将不属于所述分布区间的数据从所述排序结果集中删...

【专利技术属性】
技术研发人员：孟桂国，罗天文，张国辉，宋晨，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东;44