System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及计算机技术,尤其涉及一种防伪检测方法、装置、存储介质及电子设备。
技术介绍
1、近年来,随着互联网的高速发展,人们可以通过线上办理各种业务以及线上进行相关证件的防伪校验。线上证件校验不同于线下模式,仅通过证件图片进行校验的线上校验方式使得校验安全性受到了极大的考验。因此,线上证件校验对于证件防伪检测的安全性和准确率提出了更高的要求,提高证件防伪检测的准确率是非常具有挑战性的任务。
技术实现思路
1、本说明书实施例提供一种防伪检测方法,该方法能够提高防伪检测的准确性。
2、根据上述专利技术目的,本说明书实施例提出了一种防伪检测方法,所述方法包括:
3、将待检测图像输入至预训练的风险预测模型中,通过所述风险预测模型识别所述待检测图像中检测对象的检测对象类型,以使所述风险预测模型确定在所述检测对象属于所述检测对象类型的条件下所述待检测图像对应的风险等级;
4、将待检测图像输入至预训练的伪造检测模型中,得到所述待检测图像对应的伪造分数;
5、根据所述风险等级确定所述伪造检测模型对应的伪造分数阈值,并根据所述伪造分数阈值和所述伪造分数生成所述待检测图像对应的防伪检测结果。
6、进一步地,在一些实施方式中,所述将待检测图像输入至预训练的风险预测模型中之前,还包括:
7、获取包含检测对象的样本图像,基于所述检测对象的检测对象类型为所述样本图像设置与所述检测对象类型对应的风险等级标签;
8、将所述样本
9、以所述风险等级标签和所述预测风险等级的差异最小化为优化目标,调整所述风险预测模型的模型参数。
10、进一步地,在一些实施方式中,所述通过所述风险预测模型识别所述待检测图像中检测对象的检测对象类型,以使所述风险预测模型确定在所述检测对象属于所述检测对象类型的条件下所述待检测图像对应的风险等级,包括:
11、基于所述风险预测模型对所述待检测图像进行特征提取处理,得到所述待检测图像对应的第一图像特征;
12、基于所述第一图像特征进行内容识别,得到所述检测对象对应的检测对象类型;
13、根据所述检测对象类型确定所述待检测图像对应的风险等级。
14、进一步地,在一些实施方式中,所述将待检测图像输入至预训练的伪造检测模型中,得到所述待检测图像对应的伪造分数,包括:
15、基于所述伪造检测模型对所述待检测图像进行特征提取处理,得到所述待检测图像对应的第二图像特征;
16、基于所述第二图像特征进行伪造预测,得到所述待检测图像对应的伪造分数。
17、进一步地,在一些实施方式中,所述根据所述伪造分数阈值和所述伪造分数生成所述待检测图像对应的防伪检测结果,包括;
18、若所述伪造分数小于或等于所述伪造分数阈值,则确定所述待检测图像中的检测对象为真实对象;
19、若所述伪造分数大于所述伪造分数阈值,则确定所述待检测图像中的检测对象为伪造对象。
20、进一步地,在一些实施方式中,所述将待检测图像输入至预训练的伪造检测模型中,得到所述待检测图像对应的伪造分数,包括:
21、基于所述伪造检测模型对所述待检测图像进行特征提取处理,得到所述待检测图像对应的第二图像特征;
22、基于所述第二图像特征和所述第一图像特征进行伪造预测,得到所述待检测图像对应的伪造分数。
23、进一步的,在一些实施方式中,所述风险等级包括第一风险等级、第二风险等级和第三风险等级,所述第一风险等级低于所述第二风险等级,所述第二风险等级低于所述第三风险等级;
24、所述根据所述风险等级确定所述伪造检测模型对应的伪造分数阈值,并根据所述伪造分数阈值和所述伪造分数生成所述待检测图像对应的防伪检测结果,包括:
25、当所述风险等级为第一风险等级时,确定所述待检测图像中的检测对象为真实对象;
26、当所述风险等级为第二风险等级时,确定所述伪造检测模型对应的伪造分数阈值为第一伪造分数阈值,根据所述第一伪造分数阈值和所述伪造分数生成所述待检测图像对应的防伪检测结果;
27、当所述风险等级为第三风险等级时,确定所述伪造检测模型对应的伪造分数阈值为第二伪造分数阈值,根据所述第二伪造分数阈值和所述伪造分数生成所述待检测图像对应的防伪检测结果,所述第二伪造分数阈值小于所述第一伪造分数阈值。
28、进一步地,在一些实施方式中,所述伪造检测模型包括彩打检测模型、翻拍检测模型以及黑白检测模型,所述彩打检测模型用于检测所述检测对象是否为彩打,所述翻拍检测模型用于检测所述检测对象是否为翻拍,所述黑白检测模型用于检测所述检测对象是否为黑白打印;
29、所述将待检测图像输入至预训练的伪造检测模型中,得到所述待检测图像对应的伪造分数,包括:
30、将所述待检测图像分别输入至所述彩打检测模型、所述翻拍检测模型以及所述黑白检测模型中,得到所述彩打检测模型输出的彩打伪造分数、所述翻拍检测模型输出的翻拍伪造分数以及所述黑白检测模型输出的黑白伪造分数。
31、进一步的,在一些实施方式中,所述风险等级为第二风险等级,所述根据所述风险等级确定所述伪造检测模型对应的伪造分数阈值,并根据所述伪造分数阈值和所述伪造分数生成所述待检测图像对应的防伪检测结果,包括:
32、根据所述第二风险等级确定所述彩打检测模型对应的第一彩打分数阈值、确定所述翻拍检测模型对应的第一翻拍分数阈值以及确定所述黑白检测模型对应的第一黑白分数阈值;
33、若所述彩打伪造分数小于或等于所述第一彩打分数阈值、所述翻拍伪造分数小于或等于所述第一翻拍分数阈值且所述黑白伪造分数小于或等于所述第一黑白分数阈值,则确定所述待检测图像中的检测对象为真实对象;
34、若所述彩打伪造分数大于所述第一彩打分数阈值或所述翻拍伪造分数大于所述第一翻拍分数阈值或所述黑白伪造分数大于所述第一黑白分数阈值,则确定所述待检测图像中的检测对象为伪造对象。
35、进一步的,在一些实施方式中,所述风险等级为第三风险等级,所述根据所述风险等级确定所述伪造检测模型对应的伪造分数阈值,并根据所述伪造分数阈值和所述伪造分数生成所述待检测图像对应的防伪检测结果,包括:
36、根据所述第三风险等级确定所述彩打检测模型对应的第二彩打分数阈值、确定所述翻拍检测模型对应的第二翻拍分数阈值以及确定所述黑白检测模型对应的第二黑白分数阈值;
37、若所述彩打伪造分数小于或等于所述第二彩打分数阈值、所述翻拍伪造分数小于或等于所述第二翻拍分数阈值且所述黑白伪造分数小于或等于所述第二黑白分数阈值,则确定所述待检测图像中的检测对象为真实对象;
38、若所述彩打伪造分数大于所述第二彩打分数阈值或所述翻拍伪造分数大于所述第二翻拍分数阈值本文档来自技高网...
【技术保护点】
1.一种防伪检测方法,所述方法包括:
2.根据权利要求1所述的方法,所述将待检测图像输入至预训练的风险预测模型中之前,还包括:
3.根据权利要求1所述的方法,所述通过所述风险预测模型识别所述待检测图像中检测对象的检测对象类型,以使所述风险预测模型确定在所述检测对象属于所述检测对象类型的条件下所述待检测图像对应的风险等级,包括:
4.根据权利要求1所述的方法,所述将待检测图像输入至预训练的伪造检测模型中,得到所述待检测图像对应的伪造分数,包括:
5.根据权利要求1所述的方法,所述根据所述伪造分数阈值和所述伪造分数生成所述待检测图像对应的防伪检测结果,包括;
6.根据权利要求3所述的方法,所述将待检测图像输入至预训练的伪造检测模型中,得到所述待检测图像对应的伪造分数,包括:
7.根据权利要求1所述的方法,所述风险等级包括第一风险等级、第二风险等级和第三风险等级,所述第一风险等级低于所述第二风险等级,所述第二风险等级低于所述第三风险等级;
8.根据权利要求7所述的方法,所述伪造检测模型包括彩打检测模型、
9.根据权利要求8所述的方法,所述风险等级为第二风险等级,所述根据所述风险等级确定所述伪造检测模型对应的伪造分数阈值,并根据所述伪造分数阈值和所述伪造分数生成所述待检测图像对应的防伪检测结果,包括:
10.根据权利要求9所述的方法,所述风险等级为第三风险等级,所述根据所述风险等级确定所述伪造检测模型对应的伪造分数阈值,并根据所述伪造分数阈值和所述伪造分数生成所述待检测图像对应的防伪检测结果,包括:
11.一种防伪检测装置,包括:
12.一种存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1~10中任意一项所述方法的步骤。
13.一种电子设备,其特征在于,包括:处理器和存储器;其中,所述存储器存储有计算机程序,所述计算机程序适于由所述处理器加载并执行如权利要求1~10中任意一项所述方法的步骤。
14.一种计算机程序产品,其上存储有至少一条指令,其特征在于,所述至少一条指令被处理器执行时实现权利要求1~10中任意一项所述方法的步骤。
...【技术特征摘要】
1.一种防伪检测方法,所述方法包括:
2.根据权利要求1所述的方法,所述将待检测图像输入至预训练的风险预测模型中之前,还包括:
3.根据权利要求1所述的方法,所述通过所述风险预测模型识别所述待检测图像中检测对象的检测对象类型,以使所述风险预测模型确定在所述检测对象属于所述检测对象类型的条件下所述待检测图像对应的风险等级,包括:
4.根据权利要求1所述的方法,所述将待检测图像输入至预训练的伪造检测模型中,得到所述待检测图像对应的伪造分数,包括:
5.根据权利要求1所述的方法,所述根据所述伪造分数阈值和所述伪造分数生成所述待检测图像对应的防伪检测结果,包括;
6.根据权利要求3所述的方法,所述将待检测图像输入至预训练的伪造检测模型中,得到所述待检测图像对应的伪造分数,包括:
7.根据权利要求1所述的方法,所述风险等级包括第一风险等级、第二风险等级和第三风险等级,所述第一风险等级低于所述第二风险等级,所述第二风险等级低于所述第三风险等级;
8.根据权利要求7所述的方法,所述伪造检测模型包括彩打检测模型、翻拍检测模型以及黑白检测模型,所述彩打检测模型用于检测所述检测对象是...
【专利技术属性】
技术研发人员:陈志军,
申请(专利权)人:支付宝杭州信息技术有限公司,
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。