【技术实现步骤摘要】
本专利技术涉及神经网络，尤其涉及一种基于多特征融合的图像翻拍识别方法。
技术介绍
1、图像翻拍一般是利用具有拍摄功能的设备对翻拍对象进行二次拍摄，翻拍对象可在显示设备、打印纸上显示。由于这种翻拍图像一般为虚假数据，因此需要对这种图像翻拍进行有效识别，以区别于真实图像，如零售行业中进行翻拍识别是准确获取零售数据的一种关键技术。
2、现有技术中，主流的识别方法是通过检测图片中的摩尔纹来判断图片翻拍情况，但随着手机和电脑屏幕制作工艺的提升，屏幕的分辨率越来越高，很多翻拍图片中已经难以观察到摩尔纹的存在，导致摩尔纹检测方法无法很好地检测出各类翻拍图片。因此，判断翻拍存在的线索也变成了手机边缘、屏幕边缘、鼠标、导航键等目标，以及图片是否模糊、曝光是否正常、是否存在反光等难以人工标注的特征。常见的解决思路是训练二分类模型来区分所有翻拍和非翻拍的样本，这种方法缺点也非常明显。首先，上述各种翻拍图片的外观差异很大，分类模型难以从中学习到稳定统一的特征，精度有限；其次，分类算法依靠海量数据来保证算法的泛化能力，对一些样本偏少的场景不具备泛化能力。
3、在实现本专利技术过程中，专利技术人发现现有技术中至少存在如下问题：
4、现有的图像翻拍识别方法一般进行一种类型的翻拍图像识别，对不同类型翻拍图像的识别效果较差，影响了翻拍图像识别的准确性。
技术实现思路
1、本专利技术的目的在于提供一种基于多特征融合的图像翻拍识别方法，以解决现有技术中存在的图像翻拍识别方法一般进行一
2、为实现上述目的，本专利技术提供了以下技术方案：
3、本专利技术提供的一种基于多特征融合的图像翻拍识别方法，用于识别待检测图片是否为翻拍图片，包括以下步骤：s100：获取多个屏幕元素样本图像、多个摩尔纹样本图像及多个普通翻拍样本图像，分别得到屏幕元素数据集、摩尔纹数据集及普通翻拍数据集；s200：将所述屏幕元素数据集、摩尔纹数据集及普通翻拍数据集中的样本图像均调整为设定分辨率；s300：从所述屏幕元素数据集、摩尔纹数据集及普通翻拍数据集中随机抽取等量样本，输入神经网络进行正向推理，获得推理结果；s400：基于推理结果，分别计算屏幕元素分割误差并进行反向传播、计算摩尔纹分割误差并进行反向传播、计算普通翻拍分类误差并进行反向传播；s500：设置神经网络的超参数，训练得到图像翻拍预测模型；s600：将待检测图片输入所述图像翻拍预测模型，得到分类预测结果，基于所述分类预测结果得出所述待检测图片是否存在翻拍。
4、优选的，所述s100步骤中，所述屏幕元素样本图像通过标注屏幕原始图像获取；在所述屏幕原始图像中，将存在鼠标指针标记、手机边框、显示屏幕边框、图像边框的翻拍对象区域标注为1，其它区域则标注为0，作为正样本；若整张所述屏幕原始图像都不存在屏幕元素，则将该图像的全部像素值均标注为0，作为负样本。
5、优选的，所述s100步骤中，所述摩尔纹数据集通过以下步骤得到：s10：对显示屏幕的白屏显示进行多次拍摄，得到多张白屏图片，将所述白屏图片进行[0, 0.5]区间的归一化处理，得到多张归一化白屏图片；s20：获取多张非摩尔纹翻拍图片并任意选取一张，从[128, 255]中随机选取数值，生成与非摩尔纹翻拍图片分辨率相同的随机纯色图片；选取任意一张所述归一化白屏图片，并缩放至与非摩尔纹翻拍图片相同的分辨率；s30：基于多张所述归一化白屏图片、多张所述非摩尔纹翻拍图片、多张所述归一化白屏图片，进行不同组合及计算操作，得到多个所述摩尔纹样本图像的正样本；s40：将非摩尔纹翻拍图片的全部像素值标记为0，作为摩尔纹样本图像的负样本；s50：基于多个所述摩尔纹样本图像的正样本、负样本，得到所述摩尔纹数据集。
6、优选的，所述s30步骤中的计算操作公式为：s(x,y)=r(x,y)*m(x,y)+n(x,y)*(1-m(x,y))，其中，s(x,y)为所述摩尔纹样本图像的正样本中每个像素对应的颜色，r(x,y)为所述随机纯色图片中每个像素对应的颜色，m(x,y)为所述归一化白屏图片中每个像素对应的颜色，n(x,y)为所述非摩尔纹翻拍图片中每个像素对应的颜色。
7、优选的，所述s100步骤中，所述普通翻拍样本图像通基于分类方法得到，将存在普通翻拍的图像全部标注为1，作为正样本，不存在普通翻拍的图像全部标注为0，作为负样本；所述普通翻拍样本图像为包含摩尔纹、屏幕元素、纸张打印、亮度异常、屏幕反光、颜色不自然、严重模糊中任意一种或多种类型的翻拍。
8、优选的，所述s400步骤中，在计算屏幕元素分割误差并进行反向传播前，选择所述屏幕元素数据集中的正样本与负样本、以及所述普通翻拍数据集中的负样本。
9、优选的，所述s400步骤中，在计算摩尔纹分割误差并进行反向传播前，选择所述摩尔纹数据集中的正样本与负样本、以及所述普通翻拍数据集中的负样本。
10、优选的，所述s400步骤中，在计算翻拍分类误差并进行反向传播前，选择普通翻拍数据集中的正样本与负样本，以及所述摩尔纹数据集、屏幕元素数据集中的正样本。
11、优选的，所述s400步骤中，计算屏幕元素分割误差并进行反向传播时，通过focalloss的语义分割损失进行反向传播计算；计算摩尔纹分割误差并进行反向传播时，通过focal loss的语义分割损失进行反向传播计算；计算翻拍分类误差并进行反向传播时，通过log loss的分类损失进行反向传播计算。
12、优选的，所述s500步骤中，所述超参数包括：学习率0.01，每30个epoch训练过程后，学习率降为原来的50%；batchsize批次大小为30，优化函数采用adam算法。
13、实施本专利技术上述技术方案中的一个技术方案，具有如下优点或有益效果：
14、本专利技术通过屏幕元素样本图像、摩尔纹样本图像及普通翻拍样本图像训练，实现对翻拍图像的多特征融合检测，能够适应各种类型的翻拍检测，同时在少量训练样本条件下也具备很好的泛化性能，从而翻拍图像识别的准确性更高。
本文档来自技高网...【技术保护点】
1.一种基于多特征融合的图像翻拍识别方法，其特征在于，用于识别待检测图片是否为翻拍图片，包括以下步骤：
2.根据权利要求1所述的一种基于多特征融合的图像翻拍识别方法，其特征在于，所述S100步骤中，所述屏幕元素样本图像通过标注屏幕原始图像获取；在所述屏幕原始图像中，将存在鼠标指针标记、手机边框、显示屏幕边框、图像边框的翻拍对象区域标注为1，其它区域则标注为0，作为正样本；若整张所述屏幕原始图像都不存在屏幕元素，则将该图像的全部像素值均标注为0，作为负样本。
3.根据权利要求1所述的一种基于多特征融合的图像翻拍识别方法，其特征在于，所述S100步骤中，所述摩尔纹数据集通过以下步骤得到：
4.根据权利要求3所述的一种基于多特征融合的图像翻拍识别方法，其特征在于，所述S30步骤中的计算操作公式为：
5.根据权利要求1所述的一种基于多特征融合的图像翻拍识别方法，其特征在于，所述S100步骤中，所述普通翻拍样本图像通基于分类方法得到，将存在普通翻拍的图像全部标注为1，作为正样本，不存在普通翻拍的图像全部标注为0，作为负样本；所述普通翻拍样本图
6.根据权利要求1所述的一种基于多特征融合的图像翻拍识别方法，其特征在于，所述S400步骤中，在计算屏幕元素分割误差并进行反向传播前，选择所述屏幕元素数据集中的正样本与负样本、以及所述普通翻拍数据集中的负样本。
7.根据权利要求1所述的一种基于多特征融合的图像翻拍识别方法，其特征在于，所述S400步骤中，在计算摩尔纹分割误差并进行反向传播前，选择所述摩尔纹数据集中的正样本与负样本、以及所述普通翻拍数据集中的负样本。
8.根据权利要求1所述的一种基于多特征融合的图像翻拍识别方法，其特征在于，所述S400步骤中，在计算翻拍分类误差并进行反向传播前，选择普通翻拍数据集中的正样本与负样本，以及所述摩尔纹数据集、屏幕元素数据集中的正样本。
9.根据权利要求1所述的一种基于多特征融合的图像翻拍识别方法，其特征在于，所述S400步骤中，计算屏幕元素分割误差并进行反向传播时，通过Focal Loss的语义分割损失进行反向传播计算；计算摩尔纹分割误差并进行反向传播时，通过Focal Loss的语义分割损失进行反向传播计算；计算翻拍分类误差并进行反向传播时，通过Log Loss的分类损失进行反向传播计算。
10.根据权利要求1所述的一种基于多特征融合的图像翻拍识别方法，其特征在于，所述S500步骤中，所述超参数包括：学习率0.01，每30个epoch训练过程后，学习率降为原来的50%；batchsize批次大小为30，优化函数采用Adam算法。
...【技术特征摘要】
1.一种基于多特征融合的图像翻拍识别方法，其特征在于，用于识别待检测图片是否为翻拍图片，包括以下步骤：
2.根据权利要求1所述的一种基于多特征融合的图像翻拍识别方法，其特征在于，所述s100步骤中，所述屏幕元素样本图像通过标注屏幕原始图像获取；在所述屏幕原始图像中，将存在鼠标指针标记、手机边框、显示屏幕边框、图像边框的翻拍对象区域标注为1，其它区域则标注为0，作为正样本；若整张所述屏幕原始图像都不存在屏幕元素，则将该图像的全部像素值均标注为0，作为负样本。
3.根据权利要求1所述的一种基于多特征融合的图像翻拍识别方法，其特征在于，所述s100步骤中，所述摩尔纹数据集通过以下步骤得到：
4.根据权利要求3所述的一种基于多特征融合的图像翻拍识别方法，其特征在于，所述s30步骤中的计算操作公式为：
5.根据权利要求1所述的一种基于多特征融合的图像翻拍识别方法，其特征在于，所述s100步骤中，所述普通翻拍样本图像通基于分类方法得到，将存在普通翻拍的图像全部标注为1，作为正样本，不存在普通翻拍的图像全部标注为0，作为负样本；所述普通翻拍样本图像为包含摩尔纹、屏幕元素、纸张打印、亮度异常、屏幕反光、颜色不自然、严重模糊中任意一种或多种类型的翻拍。
6.根据权利要求1所述的一种基于多特征融合的图像翻拍识别方法，其特征在于，所述s400步骤...
【专利技术属性】
技术研发人员：龙涛，杨恒，李轩，
申请(专利权)人：深圳爱莫科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。