用于识别图像的方法、装置、电子设备、介质和程序制造方法及图纸

本公开实施例公开了一种用于识别图像的方法、装置、电子设备、存储介质和计算机程序产品，其中，方法包括：将包含有预设对象的待识别图像输入预先训练的至少一个深度网络模型，得到待识别图像的至少一个置信度，至少一个深度网络模型用于提取待识别图像的图像特征、并基于提取出的图像特征生成待识别图像的置信度，图像特征包括傅里叶频谱特征和纹理特征；基于至少一个置信度，确定待识别图像的识别结果，识别结果表征待识别图像是否为欺诈图像。可以基于待识别图像的傅里叶频谱特征和纹理特征确定待识别图像是否为欺诈图像，从而提高识别欺诈图像的准确度。欺诈图像的准确度。欺诈图像的准确度。

【技术实现步骤摘要】
用于识别图像的方法、装置、电子设备、介质和程序


[0001]本公开涉及一种用于识别图像的方法、装置、电子设备、存储介质和计算机程序产品。

技术介绍

[0002]实践中，识别欺诈图像的需求越来越大，例如在静默活体检测领域，需要识别出当前图像是真实人脸图像还是欺诈图像。欺诈图像又称作弊图像或虚假图像，是指通过特定技术手段得到的可以混淆真实图像、具备欺诈性质的图像，特定手段可以包括对真实图像进行二次拍摄、利用特定道具代替真实目标拍摄、图像合成技术等，例如海报翻拍、手机屏幕翻拍、2D打印、AI换脸等手段。
[0003]相关技术中，通常采用深度网络模型(例如支持向量机、随机森林模型等)提取待识别图像的纹理特征，并根据提取出的纹理特征判断待识别图像是否为欺诈图像。

技术实现思路

[0004]本公开实施例提供一种用于识别图像的方法、装置、电子设备、存储介质和计算机程序产品，以提高欺诈图像的识别准确度。
[0005]本公开实施例的一个方面，提供一种用于识别图像的方法，包括：将包含有预设对象的待识别图像输入预先训练的至少一个深度网本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于识别图像的方法，其特征在于，包括：将包含有预设对象的待识别图像输入预先训练的至少一个深度网络模型，得到所述待识别图像的至少一个置信度，所述至少一个深度网络模型用于提取所述待识别图像的图像特征、并基于提取出的图像特征生成所述待识别图像的置信度，所述图像特征包括傅里叶频谱特征和纹理特征；基于所述至少一个置信度，确定所述待识别图像的识别结果，所述识别结果表征所述待识别图像是否为欺诈图像。2.根据权利要求1所述的方法，其特征在于，所述至少一个深度网络模型经由如下步骤训练得到：基于已标记置信度标签的真实图像和欺诈图像，生成样本图像，构建样本集，所述真实图像和欺诈图像中均包含所述预设对象；从所述样本集中选取出第一预设数量的样本图像，作为训练集；对所述训练集中的样本图像进行傅里叶变换，得到所述样本图像的样本傅里叶频谱特征；将所述训练集中的样本图像输入预先构建的初始深度网络模型，提取所述样本图像的初始特征，并基于所述初始特征生成所述样本图像的样本置信度；基于所述初始特征与所述样本傅里叶频谱特征，确定傅里叶特征损失值；基于所述样本置信度与所述样本图像的置信度标签，确定深度特征损失值；基于所述傅里叶损失值和所述深度特征损失值，确定所述初始深度网络模型的损失函数值；基于所述损失函数值，更新所述初始深度网络模型的参数，直至所述损失函数收敛，得到训练后的深度网络模型。3.根据权利要求2所述的方法，其特征在于，基于已标记置信度标签的真实图像和欺诈图像，生成样本图像，包括：从所述已标记置信度标签的真实图像和欺诈图像中截取出所述预设对象所在的图像区域，得到第一局部图像；响应于所述第一局部图像的尺寸大于预设尺寸，从所述第一局部图像中截取出多个预设尺寸大小的第二局部图像，每个所述第二局部图像中包含部分所述预设对象，其中，所述预设尺寸为所述初始深度网络模型输入图像的尺寸；将所述第二局部图像作为所述样本图像，将所述第二局部图像所属的真实图像或欺诈图像的置信度标签作为所述样本图像的置信度标签。4.根据权利要求1至3之一所述的方法，其特征在于，所述至少一个深度网络模型包括多个不同类型的深度网络模型；将待识别图像输入预先训练的至少一个深度网络模型，得到所述待识别图像的至少一个置信度，包括：将所述待识别图像分别输入所述多个不同类型的深度网络模型；所述多个不同类型的深度网络模型分别提取所述待识别图像的图像特征，并基于各自提取出的图像特征生成所述待识别图像的置信度，得到多个置信度；基于所述至少一个置信度，确定所述待识别图像的识别结果，包括：融合所述多个置信度，得到目标置信度；基于所述目标置信度，确定所述待识别图像的识别结果。
5.根据权利要求4所...

【专利技术属性】
技术研发人员：时晓斐，马英楠，
申请(专利权)人：贝壳找房网北京信息技术有限公司，
类型：发明
国别省市：