本发明专利技术公开了一种基于目标的图像翻拍检测方法、装置及介质，所述方法包括：获取待测图像，采用预设的第一图像翻拍检测模型对其检测，根据结果确定待测图像是否为不含目标的图像、目标经过翻拍的图像或目标为非翻拍的图像；将结果为目标为非翻拍的图像用预设的图像预处理方法裁剪，对所得新图像用预设的图像特征提取方法提取，将提取到特征输入到预设的第二图像翻拍检测二分类模型进一步预测，根据结果确定是否为翻拍图像。本方法通过两阶段翻拍检测解决了现有方法不能够直接自动准确识别图像中目标是否为翻拍的问题。第一阶段检测质量差、有明显屏幕边框或摩尔纹的目标翻拍图像，第二阶段检测质量高且无明显屏幕边框或摩尔纹的目标翻拍图像。尔纹的目标翻拍图像。尔纹的目标翻拍图像。
【技术实现步骤摘要】
一种基于目标的图像翻拍检测方法、装置及介质
[0001]本专利技术涉及图像处理领域，尤其涉及一种基于目标的图像翻拍检测方法、装置及介质。
技术介绍
[0002]随着信息化程度越来越高，越来越多的应用场景需要通过拍照来识别商品、证件等图像的真假，尤其是在快消品零售业、图像防伪等特殊行业。然而，当前的识别图像方法中假设图像本身全部是经过翻拍得到的，而忽视了在待测图像中商品目标或者证件目标部分可能只占整张图像的一部分甚至较小部分。这意味着对于整张图像而言可能仅有一小部分图像是经过屏幕翻拍而得到的而大部分都是自然的，从而对于那些试图通过直接利用整张翻拍图像的特征，如摩尔纹等的算法来检测图像是否翻拍产生较大影响。另外还可能有一些图像，在这些图像中除了含有非翻拍的目标外，同时含有翻拍的其他非目标，这也将导致利用当前大部分翻拍识别算法检测商品或者证件本身是否翻拍造成误判。同时，在图像防伪领域，一些造假者或者攻击者可能会利用这样类型的图像来对防伪系统进行攻击达到不可告人的目的。
[0003]因此，如何针对较一般图像全自动准确检测商品目标或者证件目标本身是否翻拍对于快消品零售业、图像防伪企业等相关企业就显得尤为重要。
[0004]然而，在现有翻拍检测方法中，尽管存在首先采用目标检测等方法提取目标，再利用相应特征对该目标区域进行翻拍检测。然而这类方法由于提取到的目标可能较小而影响最终翻拍检测精度，同时由于目标提取模型中图像目标标注和模型训练非常耗时，该类翻拍检测方法并不太实用。
技术实现思路
[0005]为有效解决上述问题，本专利技术实施例提供一种目标的图像翻拍检测方法、装置及介质，通过组合两阶段的图像翻拍检测方法，能够对一般图像检测其中的目标是否为翻拍的。本专利技术能够全自动准确高效识别出待检测图像中是否含有目标以及该目标是否为翻拍的，不管该图像是含有屏幕边框或者摩尔纹的低质量翻拍图像，还是翻拍的图像是没有屏幕边框和摩尔纹的高质量翻拍图像。
[0006]此处只提供单一目标，而对于多个目标的翻拍检测，可以在第一图像翻拍检测模型中的训练集中对每一目标分别增加两类，一类是含有新目标的翻拍图像、一类是含有新目标的非翻拍图像样本集，即如果有n个目标，则第一训练图像样本集中就有2n+1类。
[0007]本说明书实施例采用的技术方案：本说明书实施例提供一种基于目标的图像翻拍检测方法，包括：获取待检测图像并根据预设的第一图像翻拍检测模型进行检测，进行初步的图像翻拍检测，此阶段可以将具有明显屏幕边框或者清楚的摩尔纹的目标翻拍图像检测出来。
[0008]从实际实验情况得到，第一图像翻拍检测模型对于带有屏幕边框或者清楚的摩尔
纹的翻拍图像识别较为准确，但对于有很少边框或者无边框且没有清楚的摩尔纹的翻拍图像很容易被识别为非翻拍的图像，因此，我们针对采用第一图像翻拍检测模型预测为目标为非翻拍的图像先将边缘部分裁剪掉，将剩下的图像采用第二图像翻拍检测模型对无屏幕边框和无明显的摩尔纹的图像作进一步翻拍检测。
[0009]将第一图像翻拍检测模型鉴定为目标为非翻拍类的待检测图像采用预设的图像预处理方法进行边缘裁剪得到新的图像；裁剪的原因是在第一图像翻拍检测模型中可能会将部分图像其边缘只有很少部分边框的清晰翻拍图像识别为非翻拍图像，通过所述图像预处理裁剪方法将此小部分边框部分裁剪将有利于提高第二图像翻拍检测模型预测的准确度。
[0010]将所述预处理得到图像输入到预设的第二图像翻拍检测模型进行进一步翻拍鉴定。
[0011]进一步的，所述的基于目标的图像翻拍识别方法，其特征在于，所述获取若干第一待训练图像集，具体包括：获取若干原始图像，所述原始图像包含三类，分别是图像的中的目标是翻拍的、图像不含目标，图像中的目标不是翻拍的；所述图像中的目标是翻拍图像具体可以是包含手机或者电脑等屏幕设备的边框或者是含有较明显的摩尔纹；而图像中不含目标的图像可以是任意的图像，但是不包含有目标；所述图像中的目标不是翻拍的训练图像中的目标必须不是翻拍的，但该图像中允许其他的翻拍成分。
[0012]进一步的，在所述待训练图像集中，为提高分类精度，需要考虑在每类图中增加一些对抗图像，比如，在图像不含目标类增加一些包含手机边框或者电脑边框的图像。在图像中含有目标的非翻拍图像类中增加一些图像目标部分没有翻拍，但图像中其他部分可能包含一些其他翻拍部位。
[0013]进一步的，所述第一图像翻拍检测方法中，其特征在于，将所述第一待训练图像集图像输入到三分类的卷积神经网络中进行训练，获得所述第一图像翻拍检测模型。
[0014]进一步的，所述的基于目标的图像翻拍检测方法，其特征在于，针对第一图像翻拍检测模型中被识别为含有目标的非翻拍图像进行图像预处理，此预处理的主要目的是因为在第一图像翻拍模型检测中检测为目标为非翻拍的图像中可能边缘部分含有较少边框等信息。将边缘部分裁剪掉，但同时要保留目标不损失且裁剪不能过大。
[0015]进一步的，所述基于目标的图像翻拍检测方法，其特征在于，将所述预处理后的图像输入到第二图像翻拍检测模型中进行进一步鉴定。
[0016]进一步的，所述第二图像翻拍检测二分类方法中，其特征在于，获取若干第二待训练图像样本集，所述原始图像包含两类，一类是含有目标的自然图像，一类是含有目标的翻拍图像，所述第二类目标翻拍的图像是清晰的，不含屏幕边框或者摩尔纹较少甚至没有的翻拍图像。
[0017]进一步的，所述第二图像翻拍检测方法中，其特征在于，提取两类待训练图像的图像特征得到图像特征数据集；
采用支持向量机SVM方法对提取的图像特征集进行训练得到所述第二图像翻拍检测二分类模型。
[0018]在上述方法实施例的基础上，本专利技术对应提供了装置项实施例。
[0019]本专利技术另一实施例提供了一种基于目标的图像翻拍检测的装置，包括：第一图像翻拍检测模块、图像预处理模块、第二图像翻拍检测模块。
[0020]其中，所述第一图像翻拍检测模块，用于检测待测图像是否含有目标，以及所含目标是否为翻拍图像，此处检测的目标翻拍图像中可能具有明显的边框或者摩尔纹信息。对含有目标，且无明显边框或者无明显摩尔纹翻拍图像而言，所述第一图像翻拍检测模型倾向于将其识别为含目标的非翻拍图像。
[0021]进一步的，所述第一图像翻拍检测模块包括第一图像样本集获取子单元、样本集划分子单元、及模型训练子单元。
[0022]其中所述第一图像样本集获取子单元，用于获取若干待训练图像，其中所述待训练图像包含目标或者无目标。
[0023]所述样本集划分子单元，用于将所述图像样本集按照8：1：1进行划分，其中80%用于模型训练，10% 用于模型验证，10% 用于模型测试。
[0024]所述图像预处理模块，用于对第一阶段识别为含有目标的非翻拍的清晰且很少或者无明显边框的图像将其可能存在边缘的边框去掉，从而提高第二图像翻拍检测模型的精度。
[0025]所述第二图像翻拍检测模块，用于对预处理后的图像进行进一本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于目标的图像翻拍检测方法，其特征在于，包括：获取待检测图像，采用预设的第一图像翻拍检测模型对所述待检测图像进行翻拍检测；根据所述第一图像翻拍检测模型对预测为目标为非翻拍的所述待测图像采用预设的图像预处理方法进行裁剪得到新图像；将所述预处理后的新图像利用预设的图像特征提取方法进行特征提取，将所述提取的特征输入到预设的第二图像翻拍检测二分类模型对所述待测图像进行进一步的图像翻拍检测，根据所述预测结果最终确定图像中的目标是否经过翻拍。2.如权利要求1所述的第一图像翻拍检测模型，其特征在于，所述的类别分别为：（1）不包含目标的图像；（2）目标是翻拍的图像；（3）目标为非翻拍的图像；其中所述的目标可以是一类目标、也可以是多类目标；其特征还在于所述第一图像翻拍检测模型对翻拍质量较差（如含有明显的屏幕边框或者清楚的摩尔纹的）的含有目标的图像预测准确率较高；如权利要求1所述的第一图像翻拍检测模型，其特征在于，分类模型为基于卷积神经网络的模型，所述模型构建步骤包括：获取第一待训练图像样本集：其中所述待训练样本集中包含三类；根据比例将所述第一待训练样本图像划分为训练集、验证集和测试集；将所述第一待训练图像样本采用卷积神经网络模型进行训练，得到所述第一图像翻拍检测模型；所述的第一待训练图像样本集的图像采集，其特征在于，在采集目标是翻拍的图像时，需要利用多种不同的拍摄设备对不同的屏幕拍摄多张目标是翻拍的图像，其中翻拍的图像质量不是特别高，有清楚的摩尔纹、或者有明显的屏幕边框；对于其他两类图像应该采集部分对抗性的图像，提高模型预测精度；所述得到的第一图像翻拍检测模型，其特征还在于，对于翻拍质量相对较差，具有清楚摩尔纹或者明显的屏幕边框的目标翻拍的图像被预测正确的概率较高；而对于翻拍质量非常高且没有边框或屏幕边框位于图像的边缘的目标翻拍图像其可能会被预测为目标为非翻拍的图像。3.如权利要求1所述的预设的图像预处理方法，其特征在于，对所述待测图像利用所述第一图像翻拍检测模型进行检测之后得到预测结果为目标为非翻拍图像时，对其进行裁剪，目标在于将其边缘去掉部分，防止存在很少的手机边框边缘对后续进一步翻拍检测结果造成较大影响，得到所述预处理的新图像；如权利要求1所述的预设的图像特征提取方法，其特征在于，对所述预处理得到的新图像进行灰度化后提取如二值化或颜色的统计类的图像特征。4.如权利要求1所述的第二图像翻拍检测二分类模型，其特征在于，第二图像翻拍检测二分类模型主要对翻拍质量较高的没有清楚的摩尔纹或屏幕边框的图像进行检测，其特征在于，获取第二待训练图像样本集；对所述第二待训练样本集中图像利用预设的图像特征提取方法提取图像特征，得到图像特征数据集；
对所述图像特征数据集采...
【专利技术属性】
技术研发人员：ꢀ五一IntClG零六V二零一零，
申请(专利权)人：珠海丹德图像技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。