身份证篡改检测方法、装置、设备及存储介质制造方法及图纸

本发明专利技术涉及图像检测技术领域，并公开了一种身份证篡改检测方法、装置、设备及存储介质，该方法包括：对用户上传的原始身份证图像进行语义分割和仿射变换，得到第一身份证图像；使用预设质量检测模型对第一身份证图像进行图像质量检测，并基于检测结果确定第二身份证图像；将第二身份证图像输入至DCT

【技术实现步骤摘要】
身份证篡改检测方法、装置、设备及存储介质


[0001]本专利技术涉及图像检测
，尤其涉及一种身份证篡改检测方法、装置、设备及存储介质。

技术介绍

[0002]如今，图像篡改技术日益进步，从早期的PS到如今的深度神经网络生成虚假图像，篡改合成的图像内容越来越难以识别，图像的真实性和原始性面临严峻挑战，这给个人、企业和社会带来了严重的负面影响。因此，利用计算机视觉技术识别和检测图像是否经过篡改成为学术和工业界研究的重点。
[0003]传统的图像篡改检测方法通常是通过审核人员进行人工审核的方式来实现篡改检测，然而这种方法仅适用于一些简单的场景，在某些复杂的场景中，采用这种方法所得出的检测结果受人为主观因素（如审核人员误判、漏判等）的负面影响较大，因此可信度不高。例如在金融行业中，往往会涉及到对身份证图像进行篡改检测的场景。而在这种场景中，由于身份证图像数量繁多，图中包含的信息又五花八门，此时如果仍采用人工审核的方式对身份证图像进行篡改检测，不仅检测效率低下，而且检测结果的可信度不高。
[0004]上述内容仅用于辅助理解本专利技术的技术方案，并不代表承认上述内容是现有技术。

技术实现思路

[0005]本专利技术的主要目的在于提供了一种身份证篡改检测方法、装置、设备及存储介质，旨在解决现有技术无法快速准确地对身份证图像进行篡改检测的技术问题。
[0006]为实现上述目的，本专利技术提供了一种身份证篡改检测方法，所述方法包括以下步骤：通过预设语义分割模型对用户上传的原始身份证图像进行语义分割，并对经过语义分割后的原始身份证图像进行仿射变换，得到第一身份证图像，所述预设语义分割模型通过对DeeplabV3+模型进行训练后获得；使用预设质量检测模型对所述第一身份证图像进行图像质量检测，并基于检测结果确定第二身份证图像，所述预设质量检测模型通过对MobileNetV3
‑
large模型进行训练后获得；将所述第二身份证图像输入至DCT
‑
CFNet网络架构，得到所述第二身份证图像中各像素点对应的篡改预测值，所述DCT
‑
CFNet网络架构基于RGB分支、DCT分支和CFM分支构建；基于所述篡改预测值判断所述原始身份证图像是否为篡改身份证图像。
[0007]可选地，所述通过预设语义分割模型对用户上传的原始身份证图像进行语义分割，并对经过语义分割后的原始身份证图像进行仿射变换，得到第一身份证图像的步骤，包括：
通过预设语义分割模型对用户上传的原始身份证图像进行语义分割，得到身份证阈值图，所述身份证阈值图中身份证相关区域的像素值为1，非身份证相关区域的像素值为0；通过OpenCV函数库中的findContours函数获取所述身份证阈值图的轮廓；对所述身份证阈值图的轮廓进行多边形拟合，得到预设数量的身份证角点；以所述身份证角点为基准对所述身份证阈值图进行仿射变换，得到第一身份证图像。
[0008]可选地，所述通过预设语义分割模型对用户上传的原始身份证图像进行语义分割，并对经过语义分割后的原始身份证图像进行仿射变换，得到第一身份证图像的步骤之前，还包括：基于残差网络结构构建DeeplabV3+模型，所述DeeplabV3+模型的权重通过在COCO数据集上训练得到；对人工标注的卡证分割数据集中的数据进行数据增强，得到数据增强后的卡证分割数据集；以所述数据增强后的卡证分割数据集作为训练数据集，对所述DeeplabV3+模型进行训练，得到预设语义分割模型。
[0009]可选地，所述使用预设质量检测模型对所述第一身份证图像进行图像质量检测，并基于检测结果确定第二身份证图像的步骤，包括：基于人工筛选的不合格图像数据集对MobileNetV3
‑
large模型进行训练，以修改所述MobileNetV3
‑
large模型的分类头，得到预设质量检测模型；通过所述预设质量检测模型对所述第一身份证图像进行分类，并基于分类结果判断所述第一身份证图像是否达到质量阈值要求；若是，则将所述第一身份证图像确定为第二身份证图像；若否，则将所述第一身份证图像退回，并基于所述分类结果向用户反馈退回日志，以使用户按照所述退回日志重新上传身份证图像。
[0010]可选地，所述将所述第二身份证图像输入至DCT
‑
CFNet网络架构，得到所述第二身份证图像中各像素点对应的篡改预测值的步骤，包括：将所述第二身份证图像以RGB图像的形式分别输入至DCT
‑
CFNet网络架构中的RGB分支、DCT分支和CFM分支，并分别输出RGB分支特征、DCT分支特征和CFM分支特征；在所述CFM分支中通过上下文信息融合模块对所述RGB分支特征、所述DCT分支特征和所述CFM分支特征进行融合处理，得到所述第二身份证图像中各像素点对应的篡改预测值；其中，所述将所述第二身份证图像以RGB图像的形式输入至DCT
‑
CFNet网络架构中的CFM分支，并输出CFM分支特征的步骤，包括：在DCT
‑
CFNet网络架构中的CFM分支中，采用若干卷积块对所述第二身份证图像对应的RGB图像进行下采样，得到CFM分支特征，所述卷积块使用3
×
3卷积
‑
批归一化
‑
ReLU激活函数的设置。
[0011]可选地，所述在所述CFM分支中通过上下文信息融合模块对所述RGB分支特征、所述DCT分支特征和所述CFM分支特征进行融合处理，得到所述第二身份证图像中各像素点对
应的篡改预测值的步骤，包括：通过Sigmoid函数对所述DCT分支特征进行激活，得到激活特征，所述DCT分支特征为DCT分支输出的特定分辨率特征；将所述激活特征与所述RGB分支特征相乘，得到第一图像特征，所述RGB分支特征为所述RGB分支中相同分辨率的特征；将所述激活特征与所述CFM分支特征相乘，得到第二图像特征，所述CFM分支特征为所述CFM分支中相同分辨率的特征；使用双线性插值及卷积的组合操作对所述CFM分支最终高维特征进行上采样，以使所述CFM分支最终高维特征的通道数量减半且分辨率增加一倍，得到第三图像特征；对所述第一图像特征、所述第二图像特征和所述第三图像特征进行特征拼接，并使用卷积块再次进行特征提取，得到融合特征；基于所述融合特征得到所述第二身份证图像中各像素点对应的篡改预测值。
[0012]可选地，所述基于所述篡改预测值判断所述原始身份证图像是否为篡改身份证图像的步骤，包括：计算所述第二身份证图像中第一篡改区域的面积，所述第一篡改区域为所述第二身份证图像中各像素点对应的篡改预测值大于第一阈值的区域；计算所述第二身份证图像中第二篡改区域的面积，所述第二篡改区域为所述第二身份证图像中各像素点对应的篡改预测值大于第二阈值的区域；基于所述第一篡改区域的面积和所述第二篡改区域的面积判断所述原始身份证图像是否为篡改身份证图像。
[0013]此外，为实现上述目的，本专利技术还提出一种身份证篡改检测装本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种身份证篡改检测方法，其特征在于，所述方法包括以下步骤：通过预设语义分割模型对用户上传的原始身份证图像进行语义分割，并对经过语义分割后的原始身份证图像进行仿射变换，得到第一身份证图像，所述预设语义分割模型通过对DeeplabV3+模型进行训练后获得；使用预设质量检测模型对所述第一身份证图像进行图像质量检测，并基于检测结果确定第二身份证图像，所述预设质量检测模型通过对MobileNetV3
‑
large模型进行训练后获得；将所述第二身份证图像输入至DCT
‑
CFNet网络架构，得到所述第二身份证图像中各像素点对应的篡改预测值，所述DCT
‑
CFNet网络架构基于RGB分支、DCT分支和CFM分支构建；基于所述篡改预测值判断所述原始身份证图像是否为篡改身份证图像。2.如权利要求1所述的身份证篡改检测方法，其特征在于，所述通过预设语义分割模型对用户上传的原始身份证图像进行语义分割，并对经过语义分割后的原始身份证图像进行仿射变换，得到第一身份证图像的步骤，包括：通过预设语义分割模型对用户上传的原始身份证图像进行语义分割，得到身份证阈值图，所述身份证阈值图中身份证相关区域的像素值为1，非身份证相关区域的像素值为0；通过OpenCV函数库中的findContours函数获取所述身份证阈值图的轮廓；对所述身份证阈值图的轮廓进行多边形拟合，得到预设数量的身份证角点；以所述身份证角点为基准对所述身份证阈值图进行仿射变换，得到第一身份证图像。3.如权利要求2所述的身份证篡改检测方法，其特征在于，所述通过预设语义分割模型对用户上传的原始身份证图像进行语义分割，并对经过语义分割后的原始身份证图像进行仿射变换，得到第一身份证图像的步骤之前，还包括：基于残差网络结构构建DeeplabV3+模型，所述DeeplabV3+模型的权重通过在COCO数据集上训练得到；对人工标注的卡证分割数据集中的数据进行数据增强，得到数据增强后的卡证分割数据集；以所述数据增强后的卡证分割数据集作为训练数据集，对所述DeeplabV3+模型进行训练，得到预设语义分割模型。4.如权利要求1所述的身份证篡改检测方法，其特征在于，所述使用预设质量检测模型对所述第一身份证图像进行图像质量检测，并基于检测结果确定第二身份证图像的步骤，包括：基于人工筛选的不合格图像数据集对MobileNetV3
‑
large模型进行训练，以修改所述MobileNetV3
‑
large模型的分类头，得到预设质量检测模型；通过所述预设质量检测模型对所述第一身份证图像进行分类，并基于分类结果判断所述第一身份证图像是否达到质量阈值要求；若是，则将所述第一身份证图像确定为第二身份证图像；若否，则将所述第一身份证图像退回，并基于所述分类结果向用户反馈退回日志，以使用户按照所述退回日志重新上传身份证图像。5.如权利要求1所述的身份证篡改检测方法，其特征在于，所述将所述第二身份证图像输入至DCT
‑
CFNet网络架构，得到所述第二身份证图像中各像素点对应的篡改预测值的步
骤，包括：将所述第二身份证图像以RGB图像的形式分别输入至DCT
‑
CFNet网络架构中的RGB分支、DCT分支和CFM分支，并分别输出RGB分支特征、DCT分支特征和CFM分支特征；在所述CFM分支中通过上下文信息融合模块对所述RGB分支特征、所述DCT分支特征和所述CFM分支特征进行融合处理，得到所述第二身份证图像中各像素点对应的篡改预测值；其中，所述...

【专利技术属性】
技术研发人员：余仲慰，朱威，潘伟，钟佳，
申请(专利权)人：中邮消费金融有限公司，
类型：发明
国别省市：