CN108805001B - 电子装置、基于证件图片的身份识别方法及存储介质 - Google Patents

电子装置、基于证件图片的身份识别方法及存储介质 Download PDF

Info

Publication number
CN108805001B
CN108805001B CN201810312856.0A CN201810312856A CN108805001B CN 108805001 B CN108805001 B CN 108805001B CN 201810312856 A CN201810312856 A CN 201810312856A CN 108805001 B CN108805001 B CN 108805001B
Authority
CN
China
Prior art keywords
picture
certificate
difference
portrait
pixel
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810312856.0A
Other languages
English (en)
Other versions
CN108805001A (zh
Inventor
刘洪晔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ping An Technology Shenzhen Co Ltd
Original Assignee
Ping An Technology Shenzhen Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ping An Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Priority to CN201810312856.0A priority Critical patent/CN108805001B/zh
Priority to PCT/CN2018/102089 priority patent/WO2019196298A1/zh
Publication of CN108805001A publication Critical patent/CN108805001A/zh
Application granted granted Critical
Publication of CN108805001B publication Critical patent/CN108805001B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/40—Document-oriented image-based pattern recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/469—Contour-based spatial representations, e.g. vector-coding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/48—Extraction of image or video features by mapping characteristic values of the pattern into a parameter space, e.g. Hough transformation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/40—Spoof detection, e.g. liveness detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/95—Pattern authentication; Markers therefor; Forgery detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Facsimile Image Signal Circuits (AREA)
  • Editing Of Facsimile Originals (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种电子装置、基于证件图片的身份识别方法及存储介质，该方法包括：获取证件图片中的人像图片，对该人像图片进行二值化得到二值化图片，并利用膨胀算法对二值化图片进行处理，得到像素强化后的图片；利用预设的直线检测算法分析像素强化后的图片中的直线，并筛选出无直线的图片；获取筛选出的图片对应的证件图片中的人像图片，将筛选出的图片对应的证件图片中的人像图片按照预定的压缩质量参数经过两次压缩后保存为jpg格式的副本图片，分析该证件图片中的人像图片与副本图片的三原色差异，根据分析结果进行身份识别。本发明能够提高身份识别的准确率。

Description

电子装置、基于证件图片的身份识别方法及存储介质
技术领域
本发明涉及通信技术领域，尤其涉及一种电子装置、基于证件图片的身份识别方法及存储介质。
背景技术
光学字符识别(Optical Character Recognition，OCR)是指电子设备(例如，扫描仪或数码相机)检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程。目前，大部分的金融机构经常利用OCR技术进行用户身份识别，例如在银行开卡、证券开户中利用OCR技术对用户的身份证进行识别，能够极大的减少了人工录入，降低成本，提高工作效率。然而，现在大部分的身份证识别软件都是通过图像识别直接提取出身份证上面的文字信息，而身份证图片有可能被人为的修改，由此无法对身份证图片的真伪进行检测，身份识别的准确率有待提高。
发明内容
本发明的目的在于提供一种电子装置、基于证件图片的身份识别方法及存储介质，旨在提高身份识别的准确率。
为实现上述目的，本发明提供一种电子装置，所述电子装置包括存储器及与所述存储器连接的处理器，所述存储器中存储有可在所述处理器上运行的处理系统，所述处理系统被所述处理器执行时实现如下步骤：
处理步骤，获取证件图片中的人像图片，对该人像图片进行二值化得到二值化图片，并利用膨胀算法对二值化图片进行处理，得到像素强化后的图片；
直线检测步骤，利用预设的直线检测算法分析像素强化后的图片中的直线，并筛选出无直线的图片；
图片分析步骤，获取筛选出的图片对应的证件图片中的人像图片，将筛选出的图片对应的证件图片中的人像图片按照预定的压缩质量参数经过两次压缩后保存为jpg格式的副本图片，分析该证件图片中的人像图片与副本图片的三原色差异，根据分析结果进行身份识别。
优选地，所述分析该证件图片中的人像图片与副本图片的三原色差异的步骤，具体包括：
计算证件图片中的人像图片中每一像素与副本图片对应像素的三原色差值，计算每个像素点对应的三原色差值的平均值，以该三原色差值的平均值组成差值矩阵；
将该差值矩阵分成预设大小的分区，计算每一分区的差值的平均值，计算整个差值矩阵的差值的平均值，获取每一分区的差值的平均值与整个差值矩阵的差值的平均值之间的差异值；
若所有的差异值均处于预设的阈值范围内，则确定该证件图片为真实图片，若有差异值不处于预设的阈值范围内，则确定该证件图片为伪造图片。
优选地，所述预设的直线检测算法为霍夫变换算法或者为基于链码检测的直线检测算法。
优选地，所述利用膨胀算法对二值化图片进行处理，得到像素强化后的图片的步骤，具体包括：
设置预设大小的结构元素，在扫描二值化图片的像素时，将该结构元素与所扫描的每一像素进行或运算，获取运算结果；
若该运算结果为0，则将该像素置为0，若该该运算结果为1，则将该像素置为1，以得到像素强化后的图片。
为实现上述目的，本发明还提供一种基于证件图片的身份识别方法，所述基于证件图片的身份识别方法包括：
S1，获取证件图片中的人像图片，对该人像图片进行二值化得到二值化图片，并利用膨胀算法对二值化图片进行处理，得到像素强化后的图片；
S2，利用预设的直线检测算法分析像素强化后的图片中的直线，并筛选出无直线的图片；
S3，获取筛选出的图片对应的证件图片中的人像图片，将筛选出的图片对应的证件图片中的人像图片按照预定的压缩质量参数经过两次压缩后保存为jpg格式的副本图片，分析该证件图片中的人像图片与副本图片的三原色差异，根据分析结果进行身份识别。
优选地，所述分析该证件图片中的人像图片与副本图片的三原色差异的步骤，具体包括：
计算证件图片中的人像图片中每一像素与副本图片对应像素的三原色差值，计算每个像素点对应的三原色差值的平均值，以该三原色差值的平均值组成差值矩阵；
将该差值矩阵分成预设大小的分区，计算每一分区的差值的平均值，计算整个差值矩阵的差值的平均值，获取每一分区的差值的平均值与整个差值矩阵的差值的平均值之间的差异值；
若所有的差异值均处于预设的阈值范围内，则确定该证件图片为真实图片，若有差异值不处于预设的阈值范围内，则确定该证件图片为伪造图片。
优选地，所述预设的直线检测算法为霍夫变换算法或者为基于链码检测的直线检测算法。
优选地，所述利用膨胀算法对二值化图片进行处理，得到像素强化后的图片的步骤，具体包括：
设置预设大小的结构元素，在扫描二值化图片的像素时，将该结构元素与所扫描的每一像素进行或运算，获取运算结果；
若该运算结果为0，则将该像素置为0，若该该运算结果为1，则将该像素置为1，以得到像素强化后的图片。
优选地，所述预定的压缩质量参数为75。
本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有处理系统，所述处理系统被处理器执行时实现上述的基于证件图片的身份识别方法的步骤。
本发明的有益效果是：本发明首先检测证件的人像图片的直线来初步确定其是否被篡改过的图片，对证件的人像图片进行过滤，由于证件一旦被过滤，将不会进一步识别，因此增加证件信息识别的效率及安全性；然后根据jpg压缩原理，通过计算三原色差值的平均值来对比原图与最后压缩后的副本图片的差异，由此可以进一步检测证件的人像图片的真伪，甄别出被修改的人像图片，提高身份识别的准确率及效率。
附图说明
图1为本发明电子装置一实施例的硬件架构的示意图；
图2为本发明基于证件图片的身份识别方法一实施例的流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，在本发明中涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。
参阅图1所示，图1为本发明电子装置一实施例的硬件架构的示意图。其中，电子装置1是一种能够按照事先设定或者存储的指令，自动进行数值计算和/或信息处理的设备。所述电子装置1可以是计算机、也可以是单个网络服务器、多个网络服务器组成的服务器组或者基于云计算的由大量主机或者网络服务器构成的云，其中云计算是分布式计算的一种，由一群松散耦合的计算机集组成的一个超级虚拟计算机。
在本实施例中，电子装置1可包括，但不仅限于，可通过系统总线相互通信连接的存储器11、处理器12、网络接口13，存储器11存储有可在处理器12上运行的处理系统。需要指出的是，图1仅示出了具有组件11-13的电子装置1，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
其中，存储器11包括内存及至少一种类型的可读存储介质。内存为电子装置1的运行提供缓存；可读存储介质可为如闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等的非易失性存储介质。在一些实施例中，可读存储介质可以是电子装置1的内部存储单元，例如该电子装置1的硬盘；在另一些实施例中，该非易失性存储介质也可以是电子装置1的外部存储设备，例如电子装置1上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。本实施例中，存储器11的可读存储介质通常用于存储安装于电子装置1的操作系统和各类应用软件，例如存储本发明一实施例中的处理系统的程序代码等。此外，存储器11还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器12在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器12通常用于控制所述电子装置1的总体操作，例如执行与其他设备进行数据交互或者通信相关的控制和处理等。本实施例中，所述处理器12用于运行所述存储器11中存储的程序代码或者处理数据，例如运行处理系统等。
所述网络接口13可包括无线网络接口或有线网络接口，该网络接口13通常用于在所述电子装置1与其他电子设备之间建立通信连接。
所述处理系统存储在存储器11中，包括至少一个存储在存储器11中的计算机可读指令，该至少一个计算机可读指令可被处理器器12执行，以实现本申请各实施例的方法；以及，该至少一个计算机可读指令依据其各部分所实现的功能不同，可被划为不同的逻辑模块。
在一实施例中，上述处理系统被所述处理器12执行时实现如下步骤：
处理步骤，获取证件图片中的人像图片，对该人像图片进行二值化得到二值化图片，并利用膨胀算法对二值化图片进行处理，得到像素强化后的图片；
其中，证件图片中包括文字部分及人像部分，首先通过二值化算法获取证件中的人像图片的轮廓(即只有黑白颜色的人像图片)：设定一个全局的阈值T，用T将人像图片分成两部分：大于T的像素群和小于T的像素群，将大于T的像素群的像素值设定为白色(或者黑色)，小于T的像素群的像素值设定为黑色(或者白色)。具体地，设置T＝127，计算证件图片中人像图片的每一个像素的三原色平均值I＝(R+G+B)/3，如果I>127，则设置该像素为白色，即R＝G＝B＝255；否则设置为黑色，即R＝G＝B＝0，由此将人像图片二值化。
然后，膨胀算法对二值化图片进行处理，在一实施例中，利用膨胀算法对二值化图片进行处理得到像素强化后的图片的步骤包括：
设置预设大小的结构元素，在扫描二值化图片的像素时，将该结构元素与所扫描的每一像素进行或运算，获取运算结果；若该运算结果为0，则将该像素置为0，若该该运算结果为1，则将该像素置为1，以得到像素强化后的图片。
其中，该步骤主要是将与人像接触的所有背景像素点合并到人像中，使人像的边界向外部扩张，具体地，预设大小的结构元素为3*3的结构元素，扫描二值化图片的每一个像素，用3*3的结构元素与其覆盖的二值化图片的像素进行或运算操作，如果都为0，结果该像素为0；否则为1，以得到像素强化后的图片。
直线检测步骤，利用预设的直线检测算法分析像素强化后的图片中的直线，并筛选出无直线的图片；
本实施例中，预设的直线检测算法优选地为霍夫变换算法或者为基于链码检测的直线检测算法。其中，对于霍夫变换算法，霍夫变换算法把图像平面的边缘点按待求曲线的函数关系映射到参数空间，进行累加后找出最大峰值点。具体地，在直角坐标系和极坐标系的对应关系，点、直线在两个坐标系中是对偶关系，即在直角坐标系中的点是极坐标系中的线，在直角坐标系中的线是极坐标系中的点。根据这一原理，像素强化后的图片可看做直角坐标系，检测该图片中的直线，可以转化为检测对应转换后的极坐标系中的点，极坐标中对应的点用(r，theta)表示：r＝cos(theta)*x+sin(theta)*y。经霍夫变换算法检测后，如果有直线(例如纵横线)则为篡改过的图片，例如为PS过的图片，则该证件为假证件；如果没有直线则初步确定为没有篡改过的图片，可将其筛选出来进一步检测该证件的真伪。
对于基于链码检测的直线检测算法，在素强化后的图片中，如果存在直线，则其在链码上表现为在一定范围内只出现一个方向，或者两个方向交替出现，根据该特点进行直线检测，首先对素强化后的图片的链码进行扫描，记录每次链码方向出现的持续长度，得到链码的统计数据，包括起始点坐标、跟踪方向及持续长度；获得上一步的统计数据，根据统计数据中链码的起始点坐标、跟踪方向及持续长度分析该直线是否为满足要求直线要求的直线，经过基于链码检测的直线检测算法后，如果有直线(例如纵横线)则为篡改过的图片，例如为PS过的图片，则该证件为假证件；如果没有直线则初步确定为没有篡改过的图片，可将其筛选出来进一步检测该证件的真伪。
本实施例通过预设的直线检测算法检测出有直线的图片，该有直线的图片为经过篡改的图片，可将其过滤掉，证件一旦被过滤，将不会进一步识别，提高处理效率，将剩下的证件图片中的人像图片再进一步进行分析，提高证件真伪甄别的准确度。
图片分析步骤，获取筛选出的图片对应的证件图片中的人像图片，将筛选出的图片对应的证件图片中的人像图片按照预定的压缩质量参数经过两次压缩后保存为jpg格式的副本图片，分析该证件图片中的人像图片与副本图片的三原色差异，根据分析结果进行身份识别。
本实施例针对的是证件图片，例如身份证等证件，其颜色单一，压缩率较统一，因此可以通过压缩的方法对图片进行分析。在一优选的实施例中，预定的压缩质量参数为75，当然也可以是其他与75相近的压缩质量参数。
具体地，将筛选出来的图片对应的证件图片中的人像图片(即原图)首先保存为jpg格式的副本，根据jpg压缩原理，图片每次保存为jpg格式时都会进行压缩，其过程为将图片转为YCrCb的方式，然后对CrCb进行大幅度压缩，每次压缩都会丢失一部分信息，副本图片由于信息缺失而导致图片噪点的出现，随着保存次数的增加，图片会趋于稳定，每次引入噪点的数量会减少。然后再将副本再按照上述的压缩质量参数进行一次图片压缩保存，得到副本图片。
在一实施例中，上述分析该证件图片中的人像图片与副本图片的三原色差异的步骤包括：
计算证件图片中的人像图片中每一像素与副本图片对应像素的三原色差值，计算每个像素点对应的三原色差值的平均值，以该三原色差值的平均值组成差值矩阵；
将该差值矩阵分成预设大小的分区，计算每一分区的差值的平均值，计算整个差值矩阵的差值的平均值，获取每一分区的差值的平均值与整个差值矩阵的差值的平均值之间的差异值；
若所有的差异值均处于预设的阈值范围内，则确定该证件图片为真实图片，若有差异值不处于预设的阈值范围内，则确定该证件图片为伪造图片。
其中，预设大小的分区为8*8的分区，具体的算法包括：
idiff＝uint8(abs(double(ori)-double(temp))*30)；
me＝max(max(max(idiff)))；
Idiff＝uint8(double(idiff)*255/double(me))；
其中，idiff为差值图像(包含三原色)，ori为证件图片中的人像图片的三原色RGB信息，double是将图片信息数值化，temp为副本图片的三原色RGB信息，abs为求绝对值，uint8为图片数据转图片样式，me为差值图像各像素点三原色中差异最大的，Idiff＝uint8(double(idiff)*255/double(me))为归一化处理，即进行255颜色区间的映射处理，使得值都在0-255之间，这样就能很好的用图片展示，并对各种特性进行较大区分。
在通过上述的算法得到差异值后，若所有的差异值均处于预设的阈值范围内，则确定该证件图片为真实图片，即如果人像图片明显过于明亮的地方均匀或明显过于黑暗的地方均匀，或者人像图片中没有明显过于明亮或明显过于黑暗的地方，则该证件的人像图片为真实的，若有差异值不处于预设的阈值范围内，则确定该证件图片为伪造图片，即如果图片明显过于明亮的地方不均匀或明显过于黑暗的地方不均匀，则该证件的人像图片为伪造的。
本实施例是限于固定场景，即识别证件的人像图片的真伪来识别身份的真伪，在通过预设的直线检测算法筛选出没有直线的图片后，加上更适合证件的纹理检测方法，并且由于证件的人像图片颜色单一、差值图像直接选择三原色差异均值作为最终值，对精确度影响很小，但运行效率提高很多，适合大量使用。
与现有技术相比，本发明首先检测证件的人像图片的直线来初步确定其是否被篡改过的图片，对证件的人像图片进行过滤，由于证件一旦被过滤，将不会进一步识别，因此增加证件信息识别的效率及安全性；然后根据jpg压缩原理，通过计算三原色差值的平均值来对比原图与最后压缩后的副本图片的差异，由此可以进一步检测证件的人像图片的真伪，甄别出被修改的人像图片，提高身份识别的准确率及效率。
如图2所示，图2为本发明基于证件图片的身份识别方法一实施例的流程示意图，该基于证件图片的身份识别方法包括以下步骤：
步骤S1，获取证件图片中的人像图片，对该人像图片进行二值化得到二值化图片，并利用膨胀算法对二值化图片进行处理，得到像素强化后的图片；
其中，证件图片中包括文字部分及人像部分，首先通过二值化算法获取证件中的人像图片的轮廓(即只有黑白颜色的人像图片)：设定一个全局的阈值T，用T将人像图片分成两部分：大于T的像素群和小于T的像素群，将大于T的像素群的像素值设定为白色(或者黑色)，小于T的像素群的像素值设定为黑色(或者白色)。具体地，设置T＝127，计算证件图片中人像图片的每一个像素的三原色平均值I＝(R+G+B)/3，如果I>127，则设置该像素为白色，即R＝G＝B＝255；否则设置为黑色，即R＝G＝B＝0，由此将人像图片二值化。
然后，膨胀算法对二值化图片进行处理，在一实施例中，利用膨胀算法对二值化图片进行处理得到像素强化后的图片的步骤包括：
设置预设大小的结构元素，在扫描二值化图片的像素时，将该结构元素与所扫描的每一像素进行或运算，获取运算结果；若该运算结果为0，则将该像素置为0，若该该运算结果为1，则将该像素置为1，以得到像素强化后的图片。
其中，该步骤主要是将与人像接触的所有背景像素点合并到人像中，使人像的边界向外部扩张，具体地，预设大小的结构元素为3*3的结构元素，扫描二值化图片的每一个像素，用3*3的结构元素与其覆盖的二值化图片的像素进行或运算操作，如果都为0，结果该像素为0；否则为1，以得到像素强化后的图片。
步骤S2，利用预设的直线检测算法分析像素强化后的图片中的直线，并筛选出无直线的图片；
本实施例中，预设的直线检测算法优选地为霍夫变换算法或者为基于链码检测的直线检测算法。其中，对于霍夫变换算法，霍夫变换算法把图像平面的边缘点按待求曲线的函数关系映射到参数空间，进行累加后找出最大峰值点。具体地，在直角坐标系和极坐标系的对应关系，点、直线在两个坐标系中是对偶关系，即在直角坐标系中的点是极坐标系中的线，在直角坐标系中的线是极坐标系中的点。根据这一原理，像素强化后的图片可看做直角坐标系，检测该图片中的直线，可以转化为检测对应转换后的极坐标系中的点，极坐标中对应的点用(r，theta)表示：r＝cos(theta)*x+sin(theta)*y。经霍夫变换算法检测后，如果有直线(例如纵横线)则为篡改过的图片，例如为PS过的图片，则该证件为假证件；如果没有直线则初步确定为没有篡改过的图片，可将其筛选出来进一步检测该证件的真伪。
对于基于链码检测的直线检测算法，在素强化后的图片中，如果存在直线，则其在链码上表现为在一定范围内只出现一个方向，或者两个方向交替出现，根据该特点进行直线检测，首先对素强化后的图片的链码进行扫描，记录每次链码方向出现的持续长度，得到链码的统计数据，包括起始点坐标、跟踪方向及持续长度；获得上一步的统计数据，根据统计数据中链码的起始点坐标、跟踪方向及持续长度分析该直线是否为满足要求直线要求的直线，经过基于链码检测的直线检测算法后，如果有直线(例如纵横线)则为篡改过的图片，例如为PS过的图片，则该证件为假证件；如果没有直线则初步确定为没有篡改过的图片，可将其筛选出来进一步检测该证件的真伪。
本实施例通过预设的直线检测算法检测出有直线的图片，该有直线的图片为经过篡改的图片，可将其过滤掉，证件一旦被过滤，将不会进一步识别，提高处理效率，将剩下的证件图片中的人像图片再进一步进行分析，提高证件真伪甄别的准确度。
步骤S3，获取筛选出的图片对应的证件图片中的人像图片，将筛选出的图片对应的证件图片中的人像图片按照预定的压缩质量参数经过两次压缩后保存为jpg格式的副本图片，分析该证件图片中的人像图片与副本图片的三原色差异，根据分析结果进行身份识别。
本实施例针对的是证件图片，例如身份证等证件，其颜色单一，压缩率较统一，因此可以通过压缩的方法对图片进行分析。在一优选的实施例中，预定的压缩质量参数为75，当然也可以是其他与75相近的压缩质量参数。
具体地，将筛选出来的图片对应的证件图片中的人像图片(即原图)首先保存为jpg格式的副本，根据jpg压缩原理，图片每次保存为jpg格式时都会进行压缩，其过程为将图片转为YCrCb的方式，然后对CrCb进行大幅度压缩，每次压缩都会丢失一部分信息，副本图片由于信息缺失而导致图片噪点的出现，随着保存次数的增加，图片会趋于稳定，每次引入噪点的数量会减少。然后再将副本再按照上述的压缩质量参数进行一次图片压缩保存，得到副本图片。
在一实施例中，上述分析该证件图片中的人像图片与副本图片的三原色差异的步骤包括：
计算证件图片中的人像图片中每一像素与副本图片对应像素的三原色差值，计算每个像素点对应的三原色差值的平均值，以该三原色差值的平均值组成差值矩阵；
将该差值矩阵分成预设大小的分区，计算每一分区的差值的平均值，计算整个差值矩阵的差值的平均值，获取每一分区的差值的平均值与整个差值矩阵的差值的平均值之间的差异值；
若所有的差异值均处于预设的阈值范围内，则确定该证件图片为真实图片，若有差异值不处于预设的阈值范围内，则确定该证件图片为伪造图片。
其中，预设大小的分区为8*8的分区，具体的算法包括：
idiff＝uint8(abs(double(ori)-double(temp))*30)；
me＝max(max(max(idiff)))；
Idiff＝uint8(double(idiff)*255/double(me))；
其中，idiff为差值图像(包含三原色)，ori为证件图片中的人像图片的三原色RGB信息，double是将图片信息数值化，temp为副本图片的三原色RGB信息，abs为求绝对值，uint8为图片数据转图片样式，me为差值图像各像素点三原色中差异最大的，Idiff＝uint8(double(idiff)*255/double(me))为归一化处理，即进行255颜色区间的映射处理，使得值都在0-255之间，这样就能很好的用图片展示，并对各种特性进行较大区分。
在通过上述的算法得到差异值后，若所有的差异值均处于预设的阈值范围内，则确定该证件图片为真实图片，即如果人像图片明显过于明亮的地方均匀或明显过于黑暗的地方均匀，或者人像图片中没有明显过于明亮或明显过于黑暗的地方，则该证件的人像图片为真实的，若有差异值不处于预设的阈值范围内，则确定该证件图片为伪造图片，即如果图片明显过于明亮的地方不均匀或明显过于黑暗的地方不均匀，则该证件的人像图片为伪造的。
本实施例是限于固定场景，即识别证件的人像图片的真伪来识别身份的真伪，在通过预设的直线检测算法筛选出没有直线的图片后，加上更适合证件的纹理检测方法，并且由于证件的人像图片颜色单一、差值图像直接选择三原色差异均值作为最终值，对精确度影响很小，但运行效率提高很多，适合大量使用。
与现有技术相比，本发明首先检测证件的人像图片的直线来初步确定其是否被篡改过的图片，对证件的人像图片进行过滤，由于证件一旦被过滤，将不会进一步识别，因此增加证件信息识别的效率及安全性；然后根据jpg压缩原理，通过计算三原色差值的平均值来对比原图与最后压缩后的副本图片的差异，由此可以进一步检测证件的人像图片的真伪，甄别出被修改的人像图片，提高身份识别的准确率及效率。
本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有处理系统，所述处理系统被处理器执行时实现上述的基于证件图片的身份识别方法的步骤。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种电子装置，其特征在于，所述电子装置包括存储器及与所述存储器连接的处理器，所述存储器中存储有可在所述处理器上运行的处理系统，所述处理系统被所述处理器执行时实现如下步骤：
处理步骤，获取证件图片中的人像图片，对该人像图片进行二值化得到二值化图片，并利用膨胀算法对二值化图片进行处理，得到像素强化后的图片；
直线检测步骤，利用预设的直线检测算法分析像素强化后的图片中的直线，并筛选出无直线的图片；
图片分析步骤，获取筛选出的图片对应的证件图片中的人像图片，将筛选出的图片对应的证件图片中的人像图片按照预定的压缩质量参数经过两次压缩后保存为jpg格式的副本图片，分析该证件图片中的人像图片与副本图片的三原色差异，根据分析结果进行身份识别。
2.根据权利要求1所述的电子装置，其特征在于，所述分析该证件图片中的人像图片与副本图片的三原色差异的步骤，具体包括：
计算证件图片中的人像图片中每一像素与副本图片对应像素的三原色差值，计算每个像素点对应的三原色差值的平均值，以该三原色差值的平均值组成差值矩阵；
将该差值矩阵分成预设大小的分区，计算每一分区的差值的平均值，计算整个差值矩阵的差值的平均值，获取每一分区的差值的平均值与整个差值矩阵的差值的平均值之间的差异值；
若所有的差异值均处于预设的阈值范围内，则确定该证件图片为真实图片，若有差异值不处于预设的阈值范围内，则确定该证件图片为伪造图片。
3.根据权利要求1或2所述的电子装置，其特征在于，所述预设的直线检测算法为霍夫变换算法或者为基于链码检测的直线检测算法。
4.根据权利要求1或2所述的电子装置，其特征在于，所述利用膨胀算法对二值化图片进行处理，得到像素强化后的图片的步骤，具体包括：
设置预设大小的结构元素，在扫描二值化图片的像素时，将该结构元素与所扫描的每一像素进行或运算，获取运算结果；
若该运算结果为0，则将该像素置为0，若该该运算结果为1，则将该像素置为1，以得到像素强化后的图片。
5.一种基于证件图片的身份识别方法，其特征在于，所述基于证件图片的身份识别方法包括：
S1，获取证件图片中的人像图片，对该人像图片进行二值化得到二值化图片，并利用膨胀算法对二值化图片进行处理，得到像素强化后的图片；
S2，利用预设的直线检测算法分析像素强化后的图片中的直线，并筛选出无直线的图片；
S3，获取筛选出的图片对应的证件图片中的人像图片，将筛选出的图片对应的证件图片中的人像图片按照预定的压缩质量参数经过两次压缩后保存为jpg格式的副本图片，分析该证件图片中的人像图片与副本图片的三原色差异，根据分析结果进行身份识别。
6.根据权利要求5所述的基于证件图片的身份识别方法，其特征在于，所述分析该证件图片中的人像图片与副本图片的三原色差异的步骤，具体包括：
计算证件图片中的人像图片中每一像素与副本图片对应像素的三原色差值，计算每个像素点对应的三原色差值的平均值，以该三原色差值的平均值组成差值矩阵；
将该差值矩阵分成预设大小的分区，计算每一分区的差值的平均值，计算整个差值矩阵的差值的平均值，获取每一分区的差值的平均值与整个差值矩阵的差值的平均值之间的差异值；
若所有的差异值均处于预设的阈值范围内，则确定该证件图片为真实图片，若有差异值不处于预设的阈值范围内，则确定该证件图片为伪造图片。
7.根据权利要求5或6所述的基于证件图片的身份识别方法，其特征在于，所述预设的直线检测算法为霍夫变换算法或者为基于链码检测的直线检测算法。
8.根据权利要求5或6所述的基于证件图片的身份识别方法，其特征在于，所述利用膨胀算法对二值化图片进行处理，得到像素强化后的图片的步骤，具体包括：
设置预设大小的结构元素，在扫描二值化图片的像素时，将该结构元素与所扫描的每一像素进行或运算，获取运算结果；
若该运算结果为0，则将该像素置为0，若该该运算结果为1，则将该像素置为1，以得到像素强化后的图片。
9.根据权利要求5或6所述的基于证件图片的身份识别方法，其特征在于，所述预定的压缩质量参数为75。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有处理系统，所述处理系统被处理器执行时实现如权利要求5至9中任一项所述的基于证件图片的身份识别方法的步骤。
CN201810312856.0A 2018-04-09 2018-04-09 电子装置、基于证件图片的身份识别方法及存储介质 Active CN108805001B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201810312856.0A CN108805001B (zh) 2018-04-09 2018-04-09 电子装置、基于证件图片的身份识别方法及存储介质
PCT/CN2018/102089 WO2019196298A1 (zh) 2018-04-09 2018-08-24 电子装置、基于证件图片的身份识别方法及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810312856.0A CN108805001B (zh) 2018-04-09 2018-04-09 电子装置、基于证件图片的身份识别方法及存储介质

Publications (2)

Publication Number Publication Date
CN108805001A CN108805001A (zh) 2018-11-13
CN108805001B true CN108805001B (zh) 2019-12-24

Family

ID=64095473

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810312856.0A Active CN108805001B (zh) 2018-04-09 2018-04-09 电子装置、基于证件图片的身份识别方法及存储介质

Country Status (2)

Country Link
CN (1) CN108805001B (zh)
WO (1) WO2019196298A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113129254A (zh) * 2019-12-31 2021-07-16 深圳云天励飞技术有限公司 单色调图片检测方法、装置、设备及存储介质
CN111275042B (zh) * 2020-01-21 2023-07-18 支付宝实验室(新加坡)有限公司 伪造证件的识别方法、装置及电子设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006123856A1 (en) * 2005-05-14 2006-11-23 Wisecube Co., Ltd Image scanner
CN102129555A (zh) * 2011-03-23 2011-07-20 北京深思洛克软件技术股份有限公司 基于第二代身份证进行身份验证的方法及系统
KR101125799B1 (ko) * 2010-04-26 2012-03-27 한국조폐공사 사진 이미지를 이용한 위조 방지용 ｉｄ 증명서
CN103426016A (zh) * 2013-08-14 2013-12-04 湖北微模式科技发展有限公司 一种第二代身份证真伪鉴别方法与装置
CN107464237A (zh) * 2017-08-04 2017-12-12 平安科技（深圳）有限公司 图像篡改检测方法、电子装置及可读存储介质

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101493927B (zh) * 2009-02-27 2011-04-27 西北工业大学 基于边缘方向特征的图像可信度检测方法
CN101901470A (zh) * 2010-02-10 2010-12-01 桂林电子科技大学 基于能量域半脆弱水印的图像篡改检测及恢复方法
WO2012023363A1 (ja) * 2010-08-17 2012-02-23 Hirayama Sadahiro 印字された微小識別マークによる一般人が容易に出来る真贋判定方法
CN102136063A (zh) * 2011-03-15 2011-07-27 西安电子科技大学 基于泽尼克矩的快速图像比对方法
CN105141842B (zh) * 2015-08-31 2016-09-07 广州市幸福网络技术有限公司 一种防篡改的证照相机系统及方法
WO2018032270A1 (en) * 2016-08-15 2018-02-22 Qualcomm Incorporated Low complexity tamper detection in video analytics
CN107862303B (zh) * 2017-11-30 2019-04-26 平安科技（深圳）有限公司 表格类图像的信息识别方法、电子装置及可读存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006123856A1 (en) * 2005-05-14 2006-11-23 Wisecube Co., Ltd Image scanner
KR101125799B1 (ko) * 2010-04-26 2012-03-27 한국조폐공사 사진 이미지를 이용한 위조 방지용 ｉｄ 증명서
CN102129555A (zh) * 2011-03-23 2011-07-20 北京深思洛克软件技术股份有限公司 基于第二代身份证进行身份验证的方法及系统
CN103426016A (zh) * 2013-08-14 2013-12-04 湖北微模式科技发展有限公司 一种第二代身份证真伪鉴别方法与装置
CN107464237A (zh) * 2017-08-04 2017-12-12 平安科技（深圳）有限公司 图像篡改检测方法、电子装置及可读存储介质

Also Published As

Publication number Publication date
CN108805001A (zh) 2018-11-13
WO2019196298A1 (zh) 2019-10-17

Similar Documents

Publication Publication Date Title
TWI686774B (zh) 人臉活體檢測方法和裝置
US20200410074A1 (en) Identity authentication method and apparatus, electronic device, and storage medium
WO2017124940A1 (zh) 识别规格图片中是否包含水印的方法及装置
KR20200032206A (ko) 얼굴인식 잠금해제 방법 및 장치, 기기, 매체
WO2020082731A1 (zh) 电子装置、证件识别方法及存储介质
CN109670500A (zh) 一种文字区域获取方法、装置、存储介质及终端设备
CN109116129B (zh) 终端检测方法、检测设备、系统及存储介质
CN109859227A (zh) 翻拍图像检测方法、装置、计算机设备及存储介质
CN111626163B (zh) 一种人脸活体检测方法、装置及计算机设备
CN111191568A (zh) 翻拍图像识别方法、装置、设备及介质
CN108830275B (zh) 点阵字符、点阵数字的识别方法及装置
JP2014131278A (ja) 印刷された文書の認証方法
CN110047083B (zh) 图像噪点识别方法、服务器及存储介质
CN108805001B (zh) 电子装置、基于证件图片的身份识别方法及存储介质
CN111899270A (zh) 卡片边框检测方法、装置、设备及可读存储介质
CN112651953A (zh) 图片相似度计算方法、装置、计算机设备及存储介质
CN110647895A (zh) 一种基于登录框图像的钓鱼页面识别方法及相关设备
CN107784625B (zh) 电子装置、虚拟样本生成方法及存储介质
CN112633200A (zh) 基于人工智能的人脸图像比对方法、装置、设备及介质
CN113033562A (zh) 一种图像处理方法、装置、设备及存储介质
CN111860314B (zh) 基于图像识别的电子证照验证方法、装置和系统
CN115410191A (zh) 文本图像识别方法、装置、设备和存储介质
CN112541899A (zh) 证件的残缺检测方法、装置、电子设备及计算机存储介质
CN112347989A (zh) 反光衣识别方法、装置、计算机设备和可读存储介质
Lourembam et al. A robust image copy detection method using machine learning

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant