一种伪造图像识别方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开的伪造图像识别方法，通过输入待识别图像到第一卷积神经网络，采用局部噪声信息过滤器对待识别图像进行卷积操作，获得待识别图像的噪声信息；采用第二卷积神经网络对噪声信息进行噪声信息特征提取，获得噪声信息特征；采用第三卷积神经网络对待识别图像的原始RGB信息进行RGB信息特征提取，获得RGB信息特征；将噪声信息特征和RGB信息特征进行堆叠，获得待识别图像的融合特征；采用第四卷积神经网络对融合特征进行处理，输出待识别图像为真或假的结论信息。这样，本发明专利技术能够快速识别出图像是否为伪造图像，降低了伪造图像的识别难度。度。度。

【技术实现步骤摘要】
一种伪造图像识别方法、装置、设备及存储介质


[0001]本专利技术实施例涉及伪造图像识别
，具体涉及一种伪造图像识别方法、装置、设备及存储介质。

技术介绍

[0002]随着信用社会的发展，越来越多的应用场景(例如：涉及金融、保险、安防的应用场景)需要通过证件识别对用户身份进行验证。用户在验证时一般需要在应用程序或网站上提交身份证、学生证等证件图像，证件图片上传到应用程序或网站后端，由审核人员在后台进行信息审核。
[0003]而随着计算机技术的快速发展，计算机软件可以制作或拼接出细节栩栩如生、层次分明的伪造图像，其与数码相机拍摄得到的真实图像极其相似，肉眼很难分辨出来。一些不法分子为骗过认证审核，会使用计算机软件制作伪造证件图像，制作的伪造图像非常逼真，审核人员难以识别出真假，以至于严重的侵害了他人和社会的合法权益。因此，对图像的真伪取证研究十分重要。
[0004]现有的伪造图像识别取证技术，可分为传统图像特征处理方法与基于深度学习的方法。
[0005]对于传统图像特征处理方法，根据提取的特征种类不同，可以大致分为三本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种伪造图像识别方法，其特征在于，所述方法包括：输入待识别图像到第一卷积神经网络，采用局部噪声信息过滤器对所述待识别图像进行卷积操作，获得所述待识别图像的噪声信息；采用第二卷积神经网络对所述噪声信息进行噪声信息特征提取，获得噪声信息特征；采用第三卷积神经网络对所述待识别图像的原始RGB信息进行RGB信息特征提取，获得RGB信息特征；将所述噪声信息特征和所述RGB信息特征进行堆叠，获得所述待识别图像的融合特征；采用第四卷积神经网络对所述融合特征进行处理，输出所述待识别图像为真或假的结果。2.根据权利要求1所述的伪造图像识别方法，其特征在于，所述采用第四卷积神经网络对所述融合特征进行处理，输出所述待识别图像为真或假的结果，包括：采用第四卷积神经网络对所述融合特征进行处理，输出所述待识别图像真假分类的概率置信度和伪造区域的位置信息。3.根据权利要求2所述的伪造图像识别方法，其特征在于，所述采用第四卷积神经网络对所述融合特征进行处理，输出所述待识别图像真假分类的概率置信度和伪造区域的位置信息，包括：采用第四卷积神经网络对所述融合特征矩阵进行处理，获得多个矩形区域；其中，所述第四卷积神经网络包括第一卷积层和第二卷积层，所述第一卷积层的卷积核为3*3，输出通道数为128，所述第二卷积层的卷积核大小为1*1，输出通道数为15；通过线性分类器及归一化处理获取每一矩形区域的概率置信度；其中，所述概率置信度值被归一化到0
‑
1范围内；输出所述伪造区域的位置信息；其中，所述位置信息包括矩形区域的中心点坐标与矩形区域的宽与高。4.根据权利要求3所述方法，其特征在于，所述采用第四卷积神经网络对所述融合特征进行处理，输出所述待识别图像真假分类的概率置信度和伪造区域的位置信息还包括：将每一矩形区域的概率置信度与预设阈值进行比较；若概率置信度值大于预定阈值，则输出结果为0，判定待识别图像为假；若概率置信度值不大于预定阈值，则输出结果为1，判定待识别图像为真。5.根据权利要求1所述的伪造图像识别方法，其特征在于，所述采用局部噪声信息过滤器对所述待识别图像进行卷积操作，获得所述待识别图像的噪声信息，包括：采用局部噪声信息过滤器对所述待识别图像进行卷积计算，所述卷积计算公式包括：基于卷积计算结果，获得所述待识别图像的噪声信息矩阵；其中，x为输入的所述待识别图像，大小为M*N，W为卷积核，大小为m*n，u和v为卷积核二维矩阵中的坐标索引值，i和j为...

【专利技术属性】
技术研发人员：张超群，周斌，孙鑫焱，
申请(专利权)人：上海识装信息科技有限公司，
类型：发明
国别省市：