图像检测方法、装置和设备制造方法及图纸

本申请提供一种图像检测方法、装置和设备，该方法包括：获取待测图像；将所述待测图像切割成多个子图像；分别将所述待测图像输入至预设的翻拍识别模型，输出所述待测图像的全局翻拍概率，将所述多个子图像分别输入所述翻拍识别模型，输出所述待测图像的局部翻拍概率；融合所述全局翻拍概率和所述局部翻拍概率，得到所述待测图像的最终翻拍概率。本申请通过融合待测图像的局部翻拍信息和全局翻拍信息，能够提升实际场景中的检测翻拍的准确率。

【技术实现步骤摘要】
图像检测方法、装置和设备
本申请涉及图像检测
，具体而言，涉及一种图像检测方法、装置和设备。
技术介绍
翻拍图像识别，主要应用在对快消行业访销场景，可对屏幕进行翻拍的造假照片进行精准识别，在减少品牌商因图片造假导致费用流失的同时还可有效降低人工审核成本。在零售场景中，业务代表通过手机等终端拍摄零售场景图像上传到服务器，服务器根据场景图像识别场景中存在的SKU(StockkeepingUnit，库存保有单位)类别及数量，然后业务方通过场景的SKU类别和数量判断该零售场景是否合格。然而，业务代表为了增加合格率或者偷懒，存在不实际去店里拍摄图片，而会选择翻拍的方式来作弊的现象。所谓翻拍，是指业务代表拍摄在另一显示终端(比如手机、显示器等)显示的零售场景图像。为了防止业务代表上传翻拍的图像，翻拍图像识别技术显得尤为重要。现有的翻拍检测主要通过检测图像的摩尔纹的存在，来判断一张图像是否是翻拍图像。这种算法对于摩尔纹不明显的翻拍图片，检测效果不好。比如较远距离拍摄的高屏幕分辨率手机的翻拍图像摩尔纹不明显，因而图像翻拍检测效果不佳。...

【技术保护点】
1.一种图像检测方法，其特征在于，包括：/n获取待测图像；/n将所述待测图像切割成多个子图像；/n分别将所述待测图像输入至预设的翻拍识别模型，输出所述待测图像的全局翻拍概率，将所述多个子图像分别输入所述翻拍识别模型，输出所述待测图像的局部翻拍概率；/n融合所述全局翻拍概率和所述局部翻拍概率，得到所述待测图像的最终翻拍概率。/n

【技术特征摘要】
1.一种图像检测方法，其特征在于，包括：
获取待测图像；
将所述待测图像切割成多个子图像；
分别将所述待测图像输入至预设的翻拍识别模型，输出所述待测图像的全局翻拍概率，将所述多个子图像分别输入所述翻拍识别模型，输出所述待测图像的局部翻拍概率；
融合所述全局翻拍概率和所述局部翻拍概率，得到所述待测图像的最终翻拍概率。


2.根据权利要求1所述的方法，其特征在于，所述将所述待测图像切割成多个子图像，包括：
沿着所述待测图像的高度方向等间距排布第一数量的裁剪框，所述裁剪框具备预设分辨率；
沿着所述待测图像的宽度方向等间距排布第二数量的所述裁剪框；
按照所述裁剪框分割的位置，切割所述待测图像，得到分别率相同的所述多个子图像。


3.根据权利要求1所述的方法，其特征在于，所述将所述多个子图像分别输入所述翻拍识别模型，输出所述待测图像的局部翻拍概率，包括：
将所述多个子图像分别输入所述翻拍识别模型，输出每个所述子图像的子翻拍概率；
按照所述子翻拍概率的大小排序，从大到小，依次选取所述子翻拍概率排在前预设个数的多个目标翻拍概率；
计算多个所述目标翻拍概率的第一概率平均值，所述待测图像的局部翻拍概率为所述第一概率平均值。


4.根据权利要求1所述的方法，其特征在于，还包括建立所述翻拍识别模型的步骤：
获取样本图像，所述样本图像中包括标记了翻拍标签的翻拍样本和标记为正常标签的未翻拍样本；
根据所述样本图像，采用随机梯度下降优化算法和交叉熵损失函数训练预设的神经网络，得到所述翻拍识别模型。


5.根据权利要求4所述的方法，其特征在于，所...

【专利技术属性】
技术研发人员：雷翔，蒋晓路，敖川，秦永强，马岩，张发恩，
申请(专利权)人：重庆赛迪奇智人工智能科技有限公司，
类型：发明
国别省市：重庆;50