【技术实现步骤摘要】
本专利技术涉及一种基于多特征融合的证件图像翻拍检测方法以及基于该方法实现的系统，用于在上传证件图片时判断证件照是否为翻拍屏幕，属于图像处理。
技术介绍
1、在政务服务领域内，随着信息化、数字化的程度越来越高，电子图片作为信息的一种载体，使用范围也越来越广泛，例如将各种证件的照片作为证明材料之一上传至政务系统中。但是，一些不法分子尝试利用图像翻拍来对实物图像进行伪造，从而达到不法目的，因此，图像翻拍检测的目的在于尽可能识别以上违规情况，保证图像的真实性。
2、目前来讲，大多数翻拍检测手段主要分类两类：
3、第一类：机器学习方法，手工选取特征，例如，灰度直方图、梯度特征、dct变换系数统计特征等，然后经过机器学习的方法libsvm分类，得到最终是否为翻拍的结果。
4、第二类：深度学习方法，图片经过一定步骤的预处理，然后交由深度学习网络来自动的提取相应特征，最后得出是否为翻拍的结果。
技术实现思路
1、本专利技术的目的是：在政务服务中，检测用户上传或拍照的证照类图片是否为翻拍图像，尽可能保证数据在政务系统内的真实性，提高用户的伪造成本。
2、为了达到上述目的，本专利技术的一个技术方案是提供了一种基于多特征融合的证件图像翻拍检测系统，其特征在于，包括：
3、深度学习训练模块，用于构建深度学习模型后，对深度学习模型进行训练，并将训练后的深度学习模型部署至深度学习模型判别模块；
4、分析模块，用于：接收调用方发送的经过ba
5、图片特征提取模块，用于提取所接收到的图片的72维特征后，将提取后的特征发送返回至分析模块；
6、深度学习模型判别模块，用于使用训练好的深度学习模型基于72维特征以及原图进行证照翻拍的检测，并将结果返回至分析模块。
7、优选地，所述深度学习模型包括残差模块、mlp模块以及损失模块，其中：
8、残差模块通过引入一条shortcut-connection，在所述深度学习模型层数很多的情况下，依然可以回传梯度，以解决梯度消失的问题；
9、mlp模块用于：使用一个两层感知机来将72维度特征进行交叉升维至256维后，将特征与resnet101提取的1000维特征拼接为1256维特征；再次经过一个单层感知机，将特征融合；
10、损失模块，用于使用交叉熵函数计算所述深度学习模型的损失。
11、优选地，所述残差模块的数学表示如下：
12、y＝σ(f(x,w)+x)
13、其中，y表示残差块的输出，σ()代表激活函数，f()表示残差函数，x代表输入，w表示残差块内的所有权重。
14、优选地，所述深度学习模型的损失表示为：
15、
16、其中：yi表示样本i的label，正类为1，负类为0；pi表示样本i预测为正类的概率；n为样本数量。
17、优选地，在所述深度学习模型构建完成后，所述深度学习训练模块使用开源摩尔纹数据集对深度学习模型进行训练。
18、优选地，所述72维特征包括r通道均值、g通道均值、b通道均值、r通道方差、g通道方差、b通道方差、灰度方差、灰度均值、32位梯度直方图、32位灰度直方图。
19、本专利技术的另一个技术方案是提供了一种基于多特征融合的证件图像翻拍检测方法，其特征在于，包括以下步骤：
20、步骤s101、分析模块接收到其他系统发送的经过base64编码的图片；
21、步骤s102：图片特征提取模块对解码后得到图片进行特征的提取；
22、步骤s103：根据步骤s102得到的72维特征与原图片一起由深度学习判别模块进行计算，获取最终图片是否为翻拍的结果；
23、步骤s104：将最终的翻拍检测结果返回至分析模块，由分析模块返回至相应调用方。
24、与现有技术方案相比，本专利技术具有如下有益效果：
25、本专利技术利用了深度学习模型浅层提取图片低阶特征的能力，深层提取图片高阶特征的能力，同时加入了手工选择的特征提供了图片的全局统计信息。由于同时使用了深度学习自动学习到的特征与手工选择的特征，并将两者融合进行翻拍图片的检测，与现有单一使用两种方式之一的技术方案相比，特征融合的方式，更好的利用了特征之间的互补性，融合特征之间的优点，可以帮助模型整合局部和全局特征信息，提高模型性能。
本文档来自技高网...【技术保护点】
1.一种基于多特征融合的证件图像翻拍检测系统，其特征在于，包括：
2.如权利要求1所述的一种基于多特征融合的证件图像翻拍检测系统，其特征在于，所述深度学习模型包括残差模块、MLP模块以及损失模块，其中：
3.如权利要求2所述的一种基于多特征融合的证件图像翻拍检测系统，其特征在于，所述残差模块的数学表示如下：
4.如权利要求2所述的一种基于多特征融合的证件图像翻拍检测系统，其特征在于，所述深度学习模型的损失表示为：
5.如权利要求2所述的一种基于多特征融合的证件图像翻拍检测系统，其特征在于，在所述深度学习模型构建完成后，所述深度学习训练模块使用开源摩尔纹数据集对深度学习模型进行训练。
6.如权利要求2所述的一种基于多特征融合的证件图像翻拍检测系统，其特征在于，所述72维特征包括R通道均值、G通道均值、B通道均值、R通道方差、G通道方差、B通道方差、灰度方差、灰度均值、32位梯度直方图、32位灰度直方图。
7.一种基于多特征融合的证件图像翻拍检测方法，其特征在于，包括以下步骤：
【技术特征摘要】
1.一种基于多特征融合的证件图像翻拍检测系统，其特征在于，包括：
2.如权利要求1所述的一种基于多特征融合的证件图像翻拍检测系统，其特征在于，所述深度学习模型包括残差模块、mlp模块以及损失模块，其中：
3.如权利要求2所述的一种基于多特征融合的证件图像翻拍检测系统，其特征在于，所述残差模块的数学表示如下：
4.如权利要求2所述的一种基于多特征融合的证件图像翻拍检测系统，其特征在于，所述深度学习模型的损失表示为：
5.如权利要求...
【专利技术属性】
技术研发人员：姚建平，吴敬伟，吴健，匡鹏，
申请(专利权)人：万达信息股份有限公司，
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。