本申请提供一种翻拍图像识别方法、装置及计算机可读存储介质，翻拍图像识别方法包括：获取待识别图像；将待识别图像输入第一识别模型，得到第一识别结果，第一识别模型为用于对输入的图像进行翻拍图像识别的轻量级模型；当第一识别结果满足第一预设条件时，将第一识别结果与待识别图像输入第二识别模型，得到第二识别结果，第二识别模型为用于对输入的图像进行翻拍图像识别的重量级模型；当第二识别结果满足第二预设条件时，确定待识别图像为翻拍图像。本申请在第二识别模型识别过程中利用第一识别模型的识别结果，增强了第一识别模型与第二识别模型的配合，进一步提高了对翻拍图像的识别准确率。识别准确率。识别准确率。
【技术实现步骤摘要】
翻拍图像识别方法、装置及计算机可读存储介质
[0001]本申请涉及计算机视觉领域，具体涉及翻拍图像识别方法、装置及计算机可读存储介质。
技术介绍
[0002]目前，随着互联网行业的发展，由线下办理的事项逐渐转为线上服务器远程办理，为此，线上服务器通常需要采集真实的信息，然而翻拍图像将使服务器接收编辑、伪造或篡改的信息，进而导致服务器接收的信息可信度低甚至存在大量虚假信息的情况，以用户各种实名制认证中(例如电子银行开户)为例，需要用户拍摄自己的证件进行上传，然而，部分证件图片并非是对真实的证件拍摄得到的，而是通过翻拍电脑屏幕或手机屏幕上的证件图片而形成的，这些翻拍图片中的证件可能不属于用户本人，也可能曾经被编辑、伪造或篡改，进而导致认证信息错误并利用他人信息滋生犯罪的现象。
[0003]而由于翻拍图像与真实的图像差异较小，采用常规的识别模型难以准确识别出翻拍图像，因此如何对翻拍图像进行准确识别成为本领域技术人员研究的难题。
技术实现思路
[0004]本申请提供一种翻拍图像识别方法、装置及计算机可读存储介质，旨在目前常规模型对翻拍图像准确率低的问题，本申请通过轻量级的第一识别模型与重量级的第二识别模型对图像进行翻拍识别，保证了非翻拍照片的识别快速性，同时提高了对识别难度较高的翻拍图像识别的准确性；同时由于第二识别模型将第一识别模型的识别结果与待识别图像共同作为输入，在第一识别模型的识别结果基础上再次对待识别图像进行识别判断，保证了第一识别模型与第二识别模型的配合度，最终提高了对翻拍图像识别准确率。
[0005]第一方面，本申请提供一种翻拍图像识别方法，方法包括：
[0006]获取待识别图像；
[0007]将待识别图像输入第一识别模型，得到第一识别结果，第一识别模型为用于对输入的图像进行翻拍图像识别的轻量级模型；
[0008]当第一识别结果满足第一预设条件时，将第一识别结果与待识别图像输入第二识别模型，得到第二识别结果，第二识别模型为用于对输入的图像进行翻拍图像识别的重量级模型；
[0009]当第二识别结果满足第二预设条件时，确定待识别图像为翻拍图像。
[0010]结合本申请第一方面，在本申请第一方面第一种可能的实施方式中，第二识别模型包括特征提取层以及分类层，将第一识别结果与待识别图像输入第二识别模型，得到第二识别结果包括：
[0011]将待识别图像输入特征提取层提取第一分类特征；
[0012]将第一识别结果作为第二分类特征；
[0013]将第一分类特征、第二分类特征输入分类层，经分类层分类得到第二识别结果。
[0014]结合本申请第一方面，在本申请第一方面第二种可能的实施方式中，第一识别模型与第二识别模型的训练包括：
[0015]获取标注有翻拍图像特征的多个图像，作为第一训练数据集；
[0016]基于第一训练数据集训练第一原始模型，得到第一识别模型，第一原始模型为轻量级模型。
[0017]基于第一训练数据集以及训练好的第一识别模型对第一训练数据集的识别结果，确定第二训练数据集；
[0018]基于第二训练数据集训练第二原始模型，得到第二识别模型，第二原始模型为重量级模型。
[0019]结合本申请第一方面，在本申请第一方面第三种可能的实施方式中，基于第一训练数据集以及训练好的第一识别模型对第一训练数据集的识别结果，确定第二训练数据集包括：
[0020]获取第一识别模型输出的第一训练数据集的识别结果；
[0021]将第一训练数据集的识别结果对应标注给第一训练数据集中的每一条训练数据，得到第二训练数据集。
[0022]结合本申请第一方面，在本申请第一方面第四种可能的实施方式中，第一识别模型与第二识别模型的训练包括：
[0023]获取第一训练数据，第一训练数据为第一训练数据集中的任意一条数据，第一数据集包括标注有翻拍图像特征的多个图像；
[0024]基于第一训练数据训练第一原始模型，得到第一输出结果，第一原始模型为与第一识别模型对应的初始化的轻量级模型；
[0025]将第一输出结果标注给第一训练数据，得到第二训练数据；
[0026]基于第二训练数据训练第二原始模型，得到第二输出结果，第二原始模型为与第二识别模型对应的初始化的重量级模型。
[0027]结合本申请第一方面，在本申请第一方面第五种可能的实施方式中，识别模型的训练还包括：
[0028]基于第一输出结果与第一训练数据的期望结果确定第一损失结果，以及基于第二输出结果与第二训练数据的期望结果确定第二损失结果；
[0029]基于第一损失结果、第二损失结果确定第三损失结果；
[0030]根据第三损失结果优化第一原始模型、第二原始模型的参数。
[0031]结合本申请第一方面，在本申请第一方面第六种可能的实施方式中，基于第一损失结果、第二损失结果确定第三损失结果包括：
[0032]确定第一训练数据集中正样本与负样本的比例；
[0033]基于正样本与负样本的比例确定第一损失结果的第一权重、第二损失结果的第二权重；
[0034]基于第一损失结果、第二损失结果、第一权重以及第二权重确定第三损失结果。
[0035]结合本申请第一方面，在本申请第一方面第七种可能的实施方式中，第一识别模型与第二识别模型的训练还包括：
[0036]确定第一训练数据集中正样本与负样本的比例；
[0037]基于正样本与负样本的比例、第一训练数据的期望结果以及第一输出结果，确定第一损失结果，以及基于正样本与负样本的比例、第二训练数据的期望结果以及第二输出结果，确定第二损失结果；
[0038]基于第一损失结果、第二损失结果确定第三损失结果；
[0039]根据第三损失结果优化第一原始模型、第二原始模型的参数。
[0040]第二方面，本申请提供一种翻拍图像识别装置，装置包括：
[0041]获取模块，用于获取待识别图像；
[0042]第一识别模块，用于将待识别图像输入第一识别模型，得到第一识别结果，第一识别模型为用于对输入的图像进行初次翻拍图像识别的轻量级模型；
[0043]第二识别模块，用于当第一识别结果满足第一预设条件时，将第一识别结果与待识别图像输入第二识别模型，得到第二识别结果，第二识别模型为用于对输入的图像进行二次翻拍图像识别的重量级模型；
[0044]确定模块，用于当第二识别结果满足第二预设条件时，确定待识别图像为翻拍图像。
[0045]第三方面，本申请提供一种翻拍图像识别设备，设备包括：
[0046]一个或多个处理器；
[0047]存储器；以及
[0048]一个或多个应用程序，其中一个或多个应用程序被存储于存储器中，并配置为由处理器执行以实现第一方面中的翻拍图像识别方法。
[0049]第四方面，本申请提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种翻拍图像识别方法，其特征在于，包括：获取待识别图像；将所述待识别图像输入第一识别模型，得到第一识别结果，所述第一识别模型为用于对输入的图像进行翻拍图像识别的轻量级模型；当所述第一识别结果满足第一预设条件时，将所述第一识别结果与所述待识别图像输入第二识别模型，得到第二识别结果，所述第二识别模型为用于对输入的图像进行翻拍图像识别的重量级模型；当所述第二识别结果满足第二预设条件时，确定所述待识别图像为翻拍图像。2.如权利要求1所述的方法，其特征在于，所述第二识别模型包括特征提取层以及分类层，所述将所述第一识别结果与所述待识别图像输入第二识别模型，得到第二识别结果包括：将所述待识别图像输入所述特征提取层提取第一分类特征；将所述第一识别结果作为第二分类特征；将所述第一分类特征、所述第二分类特征输入所述分类层，经所述分类层分类得到所述第二识别结果。3.如权利要求1所述的方法，其特征在于，所述第一识别模型与所述第二识别模型的训练包括：获取标注有翻拍图像特征的多个图像，作为第一训练数据集；基于所述第一训练数据集训练第一原始模型，得到所述第一识别模型，所述第一原始模型为轻量级模型；基于所述第一训练数据集以及训练好的所述第一识别模型对所述第一训练数据集的识别结果，确定第二训练数据集；基于所述第二训练数据集训练第二原始模型，得到所述第二识别模型，所述第二原始模型为重量级模型。4.如权利要求3所述的方法，其特征在于，所述基于所述第一训练数据集以及训练好的所述第一识别模型对所述第一训练数据集的识别结果，确定所述第二训练数据集包括：获取所述第一识别模型输出的所述第一训练数据集的识别结果；将所述第一训练数据集的识别结果对应标注给所述第一训练数据集中的每一条训练数据，得到所述第二训练数据集。5.如权利要求1所述的方法，其特征在于，所述第一识别模型与所述第二识别模型的训练包括：获取第一训练数据，所述第一训练数据为第一训练数据集中的任意一条数据，所述第一数据集包括标注有翻拍图像特征的多个图像；基于所述第一训练数据训练第一原始模型，得到第一输出结果，所述第一原始模型为与所述第一识别模型对应的初始化的轻量级模型；将所述第一输出结果标注给所述第一训练数据，得到第二训练数据；基于所述第二训练数据训练第二原始...
【专利技术属性】
技术研发人员：李梦琴，
申请(专利权)人：顺丰科技有限公司，
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。