一种适用于物体自身纹理的通用特征检索防伪方法技术

本发明专利技术公开了一种适用于物体自身纹理的通用特征检索防伪方法，利用孪生网络对目标图像的数据集进行训练，利用生成的相似度模型、特征提取模型分别进行相似度评价、物品纹理特征的提取及特征库的构建；在传入传统视觉算法进行匹配之前，使用孪生网络先进行相似配对，克服传统视觉算法在一定正确率的要求下，配准到相似点的正确率及效率较低的缺陷，提高最终结果的准确度。本发明专利技术适用于自身纹理具有唯一、不可复制的特性物品(紧压茶、大理石、生物特征等)，旨在通过物体自身纹理对物体进行辨识且具备自我学习能力的方法。识且具备自我学习能力的方法。识且具备自我学习能力的方法。

【技术实现步骤摘要】
一种适用于物体自身纹理的通用特征检索防伪方法


[0001]本专利技术涉及防伪
，具体涉及一种适用于物体自身纹理的通用特征检索防伪方法。

技术介绍

[0002]基于纹路的防伪标记，主要是在纸浆或薄膜上，随机撒入一些纤维条，做成纹理纸张。然后再在纹理纸张上印刷标签，并把纸张纹理图片存入数据库。用户通过肉眼对比纤维条的分布、走向等的方法，判断是否正品。目前，对于茶饼等产品的溯源防伪主要以二维码为主。通过二维码将产品和企业信息进行绑定，然后把印刷出来的二维码贴在产品上，消费者扫码即可快速查验到产品原材料、加工技术、产地、批次、运输流程与企业信息，以此实现100％产品防伪，快速追溯原产地。
[0003]近来，基于纹理的防伪技术的研究也越来越多，如随机纹理防伪技术，其基本原理是生产者利用一种由随机过程形成的纹理元素随机特征分布，通过比对存储随机特征是否相符来判断产品真伪，达到防伪的目的。如中国专利CN1350260“一种随机纹理的防伪方法”，涉及一种利用现有技术难以重复仿制的材料的随机结构纹理元素特征作为防伪信息载体进行防伪的方法，通过对随机纹理元素图像进行计算机扫描识别及加密处理后，生成另一种加密转换图像，直接输印在原随机纹理元素图像的产品上，加密转换图像携带原随机纹理元素图像的随机特征信息，利用设有相应解密程序的独立识别器比对两随机纹理元素分布图象来识别产品真伪。
[0004]而基于物体本身纹理进行防伪的技术研究多应用于茶饼的防伪识别，例如中国专利CN202110722556.1“一种基于茶饼图像特征编码的茶饼防伪方法”，通过拍摄、获取茶饼的原始图像；对原始图像进行图像特征处理并获取茶饼原始图像特征集合，并转换成茶饼原始图像特征编码；将茶饼原始图像特征编码与生产信息数据融合处理，得到代表该茶饼的唯一身份的防伪编码；将上述的茶饼的原始图像、茶饼原始图像特征集合、茶饼原始图像特征编码、防伪编码上传并存储至云端服务器，将所述防伪编码植入防伪信息载体中；防伪信息载体与对应的茶饼统一进行包装以实现防伪查询。但实际应用中茶饼本身的纹理复杂度高、相似度高，影响防伪识别的效率与准确度，为了提高识别的高效准确率，有必要对图像特征的提取、处理、对比等关键技术进行优化处理。

技术实现思路

[0005]针对上述技术背景中的问题，本专利技术的目的在于提供一种适用于物体自身纹理的通用特征检索防伪方法，利用孪生网络对目标图像的数据集进行训练，根据生成的相似度模型、特征提取模型分别进行相似度评价、物品纹理特征的提取及特征库的构建，再依据提取的待检真伪物品的特征向量在特征库内进行检索匹配，获得相似结果，以提高对茶饼纹理的防伪识别准确率。
[0006]为了实现以上目的，本专利技术采用的技术方案为：
[0007]一种适用于物体自身纹理的通用特征检索防伪方法，包括以下步骤：
[0008]S1、获取计算机识别的目标物品，并对所述目标物品进行目标图像的采集，并获得作为训练的目标图像的数据集；
[0009]S2、将数据集输入孪生网络中进行训练，训练完成后获得两个模型，分别为相似度模型与拆解网络层后的特征提取模型；
[0010]所述相似度模型，用于对待测物品与目标物品的特征点相似度计算；
[0011]所述特征提取模型，用于计算物品的特征向量以及特征向量库的构建；
[0012]S3、对待检真伪物品的图像进行拍摄，并对图像进行显著性检测，将待检真伪物品的图像抠出，得到无干扰因素的待检真伪物品的图像数据；
[0013]S4、将S3获得的待检真伪物品的图像数据输入到所述特征提取模型中，对待测真伪物品本身的特征进行提取，并输出待检真伪物品的特征向量；
[0014]S5、依据提取的待检真伪物品的特征向量，在S2中构建的特征向量库进行检索，并筛选出k个相似结果；
[0015]S6、将k个相似结果输入至孪生网络的相似度模型中进行相似度计算，再利用传统视觉算法匹配特征点个数，根据个数值进行降序排列，在k个相似结果中取特征点相似个数最多的为最终结果。
[0016]进一步地，所述S2中特征向量库的构建：将单个物品的目标图像数据输入到所述特征提取模型中，提取出同维度的特征向量，用于构建特征向量库。将同维度的特征向量构建索引，利用SPTAG算法获得最近领域搜索库(ANN)。
[0017]进一步地，所述S3中待检真伪物品图像数据的获取方法：通过U2Net网络对拍摄的待检真伪物品图片进行显著性检测，根据显著性检测结果，去除待检测真伪物品图像中其他干扰特征提取的因素。
[0018]进一步地，所述S5中检索过程如下：
[0019]通过特征提取模型，提取待检真伪物品图像特征的同维特征向量，通过SPTAG树图结合对特征向量库中的向量进行计算。
[0020]根据计算结果，将与待检测物体最为相似的原始物品限定在k个数量范围之内。
[0021]更进一步地，所述距离计算采用欧式距离、余弦相似度、汉明距离、曼哈顿距离计算方法；
[0022]以曼哈顿距离为例，假设X和Y都是同维向量，则计算公式为
[0023][0024]再将计算出来的距离进行两次全连接，结果取sigmod，使得输出的结果在0～1区间，代表两个输入的相似度；
[0025]以欧式距离为例，假设X和Y都是同维向量，则计算公式为
[0026][0027]根据计算结果从小到大的顺序，越小的则相似度越高。
[0028]进一步地，所述S6中通过SPTAG树图结合算法对限定在k数量范围之内的相似结果
的特征点进行匹配，并对特征点进行筛选过滤，选出较好的特征点匹配，具体方法如下：
[0029]假设m为原始样本特征距离，n为待配准样本特征距离，r为符合条件的特征配对，x为配准系数，初始为1，则按进行递归，距离越小，则代表匹配结果越可信，直至r为0或不存在；随后根据x对r进行降序排序，得到最终配准结果；
[0030]若满足r>0即r存在且x<初始值，则认为待检测物品为真。
[0031]根据传统视觉算法匹配特征个数，只要满足x配准系数在小于初始值的情况下，特征点个数>0，即特征点匹配存在，则可认为物品为真。否则以孪生网络的计算结果为参考。只要传统视觉算法得出真的结果则一定为真，而孪生网络认为真的结果则可能存在一定的误差，而使用传统视觉算法的目的，就是对孪生网络的结果进行配准，提高准确率。
[0032]更进一步地，所述孪生网络为具备自我学习能力的深度学习模型，包括数据集的自动划分，具体方法如下：通过传统视觉算法配准的逻辑将待训练样本与一张采样的样本(一张采样的样本指的是确定好所属类(是否为同一饼茶)的图像，待训练样本指的是未分类的样本)进行比对，配准符合的特征点数r，若配准存在r>0的情况，则自动划分/扩充同类训练数据集，其中可将x配准系数视为选项，该值与正确率相关，实际使用中可以根据需求进行调整。
[0033]进一步本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种适用于物体自身纹理的通用特征检索防伪方法，其特征在于，包括以下步骤：S1、获取计算机识别的目标物品，并对所述目标物品进行目标图像的采集，并获得作为训练的目标图像的数据集；S2、将数据集输入孪生网络中进行训练，训练完成后获得两个模型，分别为相似度模型与拆解网络层后的特征提取模型；所述相似度模型，用于对待测物品与目标物品的特征点相似度计算；所述特征提取模型，用于计算物品的特征向量以及特征向量库的构建；S3、对待检真伪物品的图像进行拍摄，并对图像进行显著性检测，将待检真伪物品的图像抠出，得到无干扰因素的待检真伪物品的图像数据；S4、将S3获得的待检真伪物品的图像数据输入到所述特征提取模型中，对待测真伪物品本身的特征进行提取，并输出待检真伪物品的特征向量；S5、依据提取的待检真伪物品的特征向量，在S2中构建的特征向量库进行检索，并筛选出k个相似结果；S6、将k个相似结果输入至孪生网络的相似度模型中进行相似度计算，再利用传统视觉算法匹配特征点个数，根据个数值进行降序排列，在k个相似结果中取特征点相似个数最多的为最终结果。2.根据权利要求1所述的适用于物体自身纹理的通用特征检索防伪方法，其特征在于，所述S2中特征向量库的构建：将单个物品的目标图像数据输入到所述特征提取模型中，提取出同维度的特征向量，用于构建特征向量库。3.根据权利要求1所述的适用于物体自身纹理的通用特征检索防伪方法，其特征在于，所述S3中待检真伪物品图像数据的获取方法：通过U2Net网络对拍摄的待检真伪物品图片进行显著性检测，根据显著性检测结果，去除待检测真伪物品图像中其他干扰特征提取的因素。4.根据权利要求1所述的适用于物体自身纹理的通用特征检索防伪方法，其特征在于，所述S5中检索过程如下：通过特征提取模型，提取待检真伪物品图像特征的同维特征向量，通过SPTAG树图结合对特征向量库中的向量进行计算。根据计算结果，将与待检测物体最为相似的原始物品限定在k个数量范围之内。5.根据权利要求4所述的适用于物体自身纹理的通用特征检索防伪方法，其特征在于，所述距离计算采用欧式距离、余弦相似度、汉明距离、曼哈顿距离计算方法；以曼哈顿距离为例，假设X和Y都是同维向量，则计算公式为再将计算出来的...

【专利技术属性】
技术研发人员：李浩楠，程泽培，梁嘉雯，
申请(专利权)人：李浩楠，
类型：发明
国别省市：