翻拍照片识别方法、装置、设备及介质制造方法及图纸

本发明专利技术涉及计算机技术领域，提供一种翻拍照片识别方法、装置、设备及介质，该方法包括：对待识别证件照进行图像预处理，得到时域特征图；对待识别证件照进行图像调整，并将调整后的待识别证件照进行傅里叶变换运算，得到频域特征图；基于时域特征图和频域特征图，得到目标区域，并基于第一图神经网络和目标区域确定翻拍识别概率；基于翻拍识别概率确定待识别证件照的翻拍识别结果。本发明专利技术实施例提供的翻拍照片识别方法通过图像预处理后得到的时域特征图、傅里叶变换运算后得到的频域特征图和第一图神经网络，准确地输出待识别证件照的翻拍识别概率，从而通过准确的翻拍识别概率确定出待识别证件照是否为二次翻拍照片，提高了翻拍识别准确度。识别准确度。识别准确度。

【技术实现步骤摘要】
翻拍照片识别方法、装置、设备及介质


[0001]本专利技术涉及计算机
，尤其涉及一种翻拍照片识别方法、装置、设备及介质。

技术介绍

[0002]现有技术中对身份证进行翻拍识别通常是通过传统的计算机视觉(CV)技术进行识别，或者利用人工智能深度学习模型进行识别。
[0003]然而，现有技术方案的CV技术，需要在特定设备拍摄环境下拍摄的图像，通过边缘检测、纹理检测等方法对翻拍产生的摩尔纹进行特定的模式识别，对图片有一定要求，比如图片缺少摩尔纹时，就会导致识别准确度较低。而现有的基于人工智能深度学习模型的识别方法存在翻拍识别准确度低的问题。

技术实现思路

[0004]本专利技术提供一种翻拍照片识别方法、装置、设备及介质，旨在提高翻拍识别准确度。
[0005]第一方面，本专利技术提供一种翻拍照片识别方法，包括：
[0006]对待识别证件照进行图像预处理，得到时域特征图；
[0007]对所述待识别证件照进行图像调整，并将调整后的待识别证件照进行傅里叶变换运算，得到频域特征图；
[0008]基于所述时域特征图和所述频域特征图，得到目标区域，并基于第一图神经网络和所述目标区域确定翻拍识别概率；
[0009]基于所述翻拍识别概率确定所述待识别证件照的翻拍识别结果；
[0010]所述第一图神经网络是基于预设训练图像数据集训练得到的。
[0011]在一个实施例中，所述基于所述时域特征图和所述频域特征图，得到目标区域，并基于第一图神经网络和所述目标区域确定翻拍识别概率，包括：
[0012]在所述时域特征图中加入第一权重系数和第一偏置系数，并在所述频域特征图中加入第二权重系数和第二偏置系数；
[0013]将加入系数后的时域特征图和加入系数后的频域特征图分布在二维坐标系上，再将两个坐标系进行重合叠加，得到所述目标区域；
[0014]基于所述第一图神经网络对所述目标区域的信息进行分类模型训练，输出所述翻拍识别概率。
[0015]所述将两个坐标系进行重合叠加，得到所述目标区域，包括：
[0016]将两个坐标系进行重合叠加，确定出时域的第一波峰低频段和频域的第二波峰低频段；
[0017]将所述第一波峰低频段和所述第二波峰低频段的相交区域，确定为所述目标区域。
[0018]所述预设训练图像数据集的获取步骤具体包括：
[0019]对待处理图像数据集中的每一张图像进行旋转、位移、剪切和翻转，生成第一图像数据集；
[0020]对所述第一图像数据集中的每一张图像进行叠加噪声、模糊、颜色变换和擦除，生成第二图像数据集；
[0021]基于对抗生成网络分别对所述第一图像数据集和所述第二图像数据集进行训练，得到第三图像数据集；
[0022]将所述第一图像数据集、所述第二图像数据集和所述第三图像数据集进行合并，得到所述预设训练图像数据集。
[0023]所述翻拍照片识别方法还包括：
[0024]采集被去除摩尔纹的翻拍证件照数据集；
[0025]基于所述预设训练图像数据集训和所述翻拍证件照数据集，训练出第二图神经网络。
[0026]所述对待识别证件照进行图像预处理，得到时域特征图之后，还包括：
[0027]通过所述第二图神经网络检测所述时域特征图是否携带摩尔纹；
[0028]若检测到所述时域特征图携带有摩尔纹，则确定所述待识别证件照符合预设翻拍条件，将所述待识别证件照判定为非屏幕翻拍图像。
[0029]所述通过所述第二图神经网络检测所述时域特征图是否携带摩尔纹之后，还包括：
[0030]若未检测到所述时域特征图携带有摩尔纹，则基于所述第二图神经网络以增量学习方式，检测所述待识别证件照是否存在使用工具去除原始证件照上的摩尔纹的遗留痕迹；
[0031]若检测到所述待识别证件照存在使用工具去除原始证件照上的摩尔纹的遗留痕迹，则确定所述待识别证件照符合预设翻拍条件，将所述待识别证件照判定为非屏幕翻拍图像。
[0032]第二方面，本专利技术提供一种翻拍照片识别装置，包括：
[0033]图像预处理模块，用于对待识别证件照进行图像预处理，得到时域特征图；
[0034]调整变换模块，用于对所述待识别证件照进行图像调整，并将调整后的待识别证件照进行傅里叶变换运算，得到频域特征图；
[0035]确定模块，用于基于所述时域特征图和所述频域特征图，得到目标区域，并基于第一图神经网络和所述目标区域确定翻拍识别概率；
[0036]翻拍照片识别模块，用于基于所述翻拍识别概率确定所述待识别证件照的翻拍识别结果；
[0037]所述第一图神经网络是基于预设训练图像数据集训练得到的。
[0038]第三方面，本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现第一方面所述翻拍照片识别方法。
[0039]第四方面，本专利技术还提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质包括计算机程序，所述计算机程序被所述处理器执行时实现第一方面所述翻拍
照片识别方法。
[0040]第五方面，本专利技术还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被所述处理器执行时实现第一方面所述翻拍照片识别方法。
[0041]本专利技术提供的翻拍照片识别方法、装置、设备及介质，对待识别证件照进行图像预处理，得到时域特征图；对待识别证件照进行图像调整，并将调整后的待识别证件照进行傅里叶变换运算，得到频域特征图；基于时域特征图和频域特征图，得到目标区域，并基于第一图神经网络和目标区域确定翻拍识别概率；基于翻拍识别概率确定待识别证件照的翻拍识别结果；第一图神经网络是基于预设训练图像数据集训练得到的。在翻拍照片识别的过程中，通过图像预处理后得到的时域特征图、傅里叶变换运算后得到的频域特征图和第一图神经网络，能够准确地输出待识别证件照的翻拍识别概率，从而通过准确的翻拍识别概率确定出待识别证件照是否为二次翻拍照片，提高了翻拍识别准确度。
附图说明
[0042]为了更清楚地说明本专利技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0043]图1是本专利技术提供的翻拍照片识别方法的流程示意图；
[0044]图2是本专利技术提供的翻拍照片识别装置的结构示意图；
[0045]图3是本专利技术提供的电子设备的结构示意图。
具体实施方式
[0046]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术中的附图，对本专利技术中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种翻拍照片识别方法，其特征在于，包括：对待识别证件照进行图像预处理，得到时域特征图；对所述待识别证件照进行图像调整，并将调整后的待识别证件照进行傅里叶变换运算，得到频域特征图；基于所述时域特征图和所述频域特征图，得到目标区域，并基于第一图神经网络和所述目标区域确定翻拍识别概率；基于所述翻拍识别概率确定所述待识别证件照的翻拍识别结果；所述第一图神经网络是基于预设训练图像数据集训练得到的。2.根据权利要求1所述的翻拍照片识别方法，其特征在于，所述基于所述时域特征图和所述频域特征图，得到目标区域，并基于第一图神经网络和所述目标区域确定翻拍识别概率，包括：在所述时域特征图中加入第一权重系数和第一偏置系数，并在所述频域特征图中加入第二权重系数和第二偏置系数；将加入系数后的时域特征图和加入系数后的频域特征图分布在二维坐标系上，再将两个坐标系进行重合叠加，得到所述目标区域；基于所述第一图神经网络对所述目标区域的信息进行分类模型训练，输出所述翻拍识别概率。3.根据权利要求2所述的翻拍照片识别方法，其特征在于，所述将两个坐标系进行重合叠加，得到所述目标区域，包括：将两个坐标系进行重合叠加，确定出时域的第一波峰低频段和频域的第二波峰低频段；将所述第一波峰低频段和所述第二波峰低频段的相交区域，确定为所述目标区域。4.根据权利要求1所述的翻拍照片识别方法，其特征在于，所述预设训练图像数据集的获取步骤具体包括：对待处理图像数据集中的每一张图像进行旋转、位移、剪切和翻转，生成第一图像数据集；对所述第一图像数据集中的每一张图像进行叠加噪声、模糊、颜色变换和擦除，生成第二图像数据集；基于对抗生成网络分别对所述第一图像数据集和所述第二图像数据集进行训练，得到第三图像数据集；将所述第一图像数据集、所述第二图像数据集和所述第三图像数据集进行合并，得到所述预设训练图像数据集。5.根据权利要求1至4任一项所述的翻拍照片识别方法，其特征在于，所述翻拍照片识别方法还包括：采集被去...

【专利技术属性】
技术研发人员：区晓江，丁一，徐亮，乔志勇，钱育羡，林银娜，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：