证件识别模型训练及证件识别的方法、系统、设备及介质技术方案

本发明专利技术涉及人工智能技术领域，提供一种证件识别模型训练及证件识别的方法、系统、设备及介质。证件识别模型训练方法包括：获取多个证件图像；根据证件图像是否含有摩尔纹特征，对每个证件图像添加数据标签；将含数据标签的证件图像进行分组，获得包含多组图像数据的图像数据集，每一组图像数据包括多个含数据标签的证件图像；将图像数据集中的每一组图像数据分别输入至待训练的证件识别模型进行迭代训练，基于迭代训练的结果更新模型的权重，得到训练好的证件识别模型。本发明专利技术通过构建的证件识别模型来识别证件中是否含有摩尔纹信息，从而判断证件的真伪。提高了证件真伪鉴别的准确度。度。度。

【技术实现步骤摘要】
证件识别模型训练及证件识别的方法、系统、设备及介质


[0001]本专利技术涉及人工智能
，特别涉及一种证件识别模型训练及证件识别的方法、系统、设备及介质。

技术介绍

[0002]随着科技的不断发展，证件类的仿造技术越来越高超，因此，证件防伪技术是每个国家和企业都比较关注的事情。摩尔纹可以用来鉴别真实拍摄的照片和通过屏幕偷拍的照片。通常手机或者数码相机拍摄屏幕时，照片都会产生摩尔纹，摩尔效应指两个重叠的线条形态所产生的干扰中生成的一种扫描波纹团。它是来自光罩形状和视频信号之间的干扰，扫描波纹则来自于水平线条与荫罩形态之间的干扰。波纹在屏幕上是以波形的状态显示出来的，当显示器的分辨率增加时，这一现象会更为明显。由于证件类的数据很难获得，只能得到少量的数据，导致证件防伪技术中使用摩尔纹的特点进行鉴别的方法很少，大部分都是通过传统的方法来做，例如通过机器学习。但机器学习运用到证件防伪中时，其识别准确率较低。为了保证较高的识别准确度，很多地方甚至直接通过人工鉴别证件真伪。这导致人力资源大量浪费，同时识别效率低下。
[0003]需要说明的是，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种证件识别模型训练方法，其特征在于，包括：获取多个证件图像；根据证件图像是否含有摩尔纹特征，对每个证件图像添加数据标签；将含数据标签的证件图像进行分组，获得包含多组图像数据的图像数据集，每一组图像数据包括多个含数据标签的证件图像；将所述图像数据集中的每一组图像数据分别输入至待训练的证件识别模型进行迭代训练，并基于迭代训练的结果更新模型的权重，得到训练好的证件识别模型，所述证件识别模型是将ResNet18网络与Softmax分类器串联组成。2.根据权利要求1所述的证件识别模型训练方法，其特征在于，所述获取多个证件图像包括：获取多个证件图像，其中，证件图像是对多个证件进行多角度拍摄获得；对每一个证件图像的图像尺寸进行归一化处理：沿证件图像的长边方向，将证件图像的长边缩放至预设尺寸；按照所述长边的缩放比例，沿证件图像的短边方向进行缩放。3.根据权利要求1所述的证件识别模型训练方法，其特征在于，所述将含数据标签的证件图像进行分组，获得包含多组图像数据的图像数据集包括：根据预设的性能参数，确定输入至所述待训练的证件识别模型时所需训练样本的数量，其中，所述性能参数至少包括中央处理器CPU型号、CPU个数、图形处理器GPU型号、梯度初始值、处理预设数目的训练样本所耗时长；根据所述训练样本的数量，对所述含数据标签的证件图像进行划分，获取多组图像数据。4.根据权利要求1所述的证件识别模型训练方法，其特征在于，所述将所述图像数据集中的每一组图像数据分别输入至待训练的证件识别模型进行迭代训练，并基于迭代训练的结果更新模型的权重，得到训练好的证件识别模型，所述证件识别模型是将ResNet18网络与Softmax分类器串联组成包括：S41、将一组图像数据输入至所述待训练的证件识别模型，通过卷积运算和残差连接，提取图像数据的特征向量，并将所述特征向量送入至所述Softmax分类器进行映射，得到图像数据中是否含有摩尔纹信息的预测值；S42、采用损失函数计算所述预测值的损失值，根据所述损失值更新所述待训练的证件识别模型的权重值；S43、选择图像数据集中的另一组图像数据，重复步骤S41和S42进行迭代训练，直至完成预设的迭代次数，其中，所述迭代次数大于或等于所述图像数据集中图像数据的分组数量；S44、选择损失...

【专利技术属性】
技术研发人员：蔡壮壮，林大权，徐亮，
申请(专利权)人：深圳壹账通智能科技有限公司，
类型：发明
国别省市：