CN107977688A - 一种防伪印章印鉴图像人工智能识别软件系统及建立方法 - Google Patents

Abstract

本发明涉及一种匹配人工智能辅助识别系统的可抗3D打印伪造的防伪印章系统专用的人工智能识别软件系统及建立方法。为建立抗3D打印伪造的匹配智能识别的防伪印章系统，解决造假者使用“3D打印机+金属镀膜增厚+印刷电路刻蚀技术+微雕电动工具修复”的新一代造假技术，直接克隆型仿造假印面的印章防伪问题。设计了防伪印章印鉴图像人工智能识别软件系统，基于深度学习的人工智能识别印章图像模块，单一要素图像识别比对模块，预留防伪印章印鉴数据库，识别防伪印章印鉴的真伪之后，输出判别结果。

Description

一种防伪印章印鉴图像人工智能识别软件系统及建立方法

【技术领域】

本发明涉及一种防伪印章印鉴图像人工智能识别软件系统及建立方法，特别是涉及一种匹配人工智能辅助识别系统的可抗3D打印伪造的防伪印章系统专用的人工智能识别软件系统及建立方法。

【背景技术】

造假也在进步。

伪造印章贷款的案子，伪造印章合法侵占私人公司财产的案例，已经很触目惊心。你手上的防伪印章和造假者手上的防伪印章，盖出来的效果完全一致，银行、法院等体系，根本无法识别。

作为背景技术，国内已经有大量的防伪印章的技术，根据数量，大致可分为五大类。

其中，第一类，防止非授权使用（印章是真的！）类；这类背景技术与本发明的目的无关。与其说这也是防伪印章，不如称之为，防非授权使用印章，更合适。其技术特征基本与阻止造假为目的防伪造行为，无本质关联。

如授权公告： CN205970438U《一种远程控制按印时间的智能防伪印章》

其中，第二类，也就是增加芯片类。

增加芯片是增加了伪造难度，但是，却没有伪造的必要性，造假者不需要伪造其中的芯片就达到了造假的目的，这种技术的改进，与防伪效果没有直接关系。

如专利申请公告：

CN204278781U《一种RFID防伪印章》

CN203920059U《 一种防伪印章》

CN202702908U《带电子标签的金属防伪印章》

CN202319316U《一种带有信息存储装置的防伪印章》

其中，第三类，增加随机的信息类；（如数字、如变换图案等）这一类。这种技术的改进，目的是好的，并未改善其防伪效果，却增加了成本。同时增加了，伪造数据库中检验特征的新的需要防范的弱点。而真正需要防护的印面部分的制造难度并未增加。

如专利申请公告：

CN104647924A《一种变码防伪印章以及变码防伪方法》

CN106042685A《一种防伪印章系统及防伪方法》

CN106042684A《一种物联网防伪印章系统及防伪方法》

其中，第四类，是对抗造假者伪造印章行为的技术发明。我们挑选2010年之后申请的，在2010年之前申请的，造假者几乎不知道3D打印。

如专利申请公告，CN204641108U《一种防伪印章》所述，用随机的点作为防伪特征。简单的凹坑，在3D的CAD软件上很容易人工“拉”出来；再经过“金属镀膜增厚+抛平”凹坑的自然边缘更是“清晰、自然”。而且，凹坑的加工工艺，看似简单，其实很复杂！不用工具，是很难实现所述凹坑的制作。而使用工具，则很容易被相同的工具或替代性工具，克隆性伪造的。这一点尤其是在金属材质印章上格外明显。天然的“凹坑”，如何获得和制造，本身就是个技术难题！而机械性“凹坑”，则容易被克隆。

如专利申请公告， CN103802512B《一种防伪印章及其防伪技术的制作方法》所述，用微缩文字图案防伪、图形二维码等作为防伪特征。存在着使用3D打印伪造后，再贴“印刷电路刻蚀技术”伪造的印面问题；何况对于高价值的伪造品，购买微缩文字图案制作工具、租用电火花也是易事。

其中，第五类，也是对抗造假者伪造印章行为的技术发明。但是更多的选择的技术改进路线是增加油墨或自带各种油墨（印泥）等非改善印章的印面结构和制作方法的。这一类，花样繁杂。有共同的缺点是，一旦印章的印面被造假者伪造成功，增加的专利申请的各种技术手段，都很容易找到临时的替代解决方案的。比如，人工找到类似油墨，人工添加在印面上。

如专利申请公告，

CN204641108U《一种防伪印章》所述，

CN106904009A《一种智能防伪印章和验证管理方法》

CN106335296A《一种防伪印章》

综上所述，针对印面的直接伪造，是造假者的最终目的所在，也是对于印章本身最需要防伪的部分。而可以对抗“3D打印机+金属镀膜增厚+印刷电路刻蚀技术+微雕电动工具修复”的新一代方式直接造假印面的技术改进，却是空白。

本发明的目的是：为建立抗3D打印伪造的匹配智能识别的防伪印章系统，解决造假者使用“3D打印机+金属镀膜增厚+印刷电路刻蚀技术+微雕电动工具修复”的新一代造假技术，直接克隆型仿造假印面的印章防伪问题。让造假者的能工巧匠的伪造产品，在系统的综合防伪力面前，现出原形或根本无法仿制的目的，加强对防伪印章印鉴的细微痕迹的准确识别，要开发基于深度学习的人工智能防伪印章印鉴图像识别软件系统，用于匹配发明的拥有不同痕迹和微小特征的防伪印章，共同组建防伪系统。

【发明内容】

本发明的技术方案为，设计了防伪印章印鉴图像人工智能识别软件系统，是存在在云端的服务器内的纯人工智能软件系统，其特征还在于是：包含基于深度学习的人工智能识别印章图像模块，单一要素图像识别比对模块，预留防伪印章印鉴数据库，识别后留存防伪印章印鉴档案库等模块组成软件系统; 软件系统可接收在标准灯光下的标准倍数放大的高精度防伪印章印鉴图像；识别防伪印章印鉴的真伪之后，输出判别结果。

其特征在于是，标准倍数放大的高精度防伪印章印鉴图像是，防伪印章印鉴图片是拍摄时就放大5~60倍；最佳为16倍的高精度图片。

其特征在于是，深度学习的人工智能识别印章图像模块，是对单一工具产生的痕迹进行学习，尤其是挫痕；理解使用某种生产工具的工艺结果痕迹，直至挑出高仿该工艺特征的印章痕迹时，为学习合格。

其特征在于是，深度学习的人工智能识别印章图像模块，是通过大数据的图片，理解使用某种生产工具的工艺，产生的必然结果痕迹特征，最终将某一张防伪印章的放大图样的所有痕迹都能准确分解为，使用何种工具制造的，都能分清楚，包括工艺的叠加和加工顺序。

其特征在于是，深度学习的人工智能识别印章图像模块，识别放大图样；可以准确区分划痕、冲压痕、挫痕。

其特征在于是，预留防伪印章印鉴数据库是每个印章都有唯一的数字及字母编号，每个编号的防伪印章印鉴，都有大约20章以上各个情况下的盖章，包含但不限于主要用纸、墨多、墨少、盖偏、底部软、底部硬等各个情况下，盖出的效果；以及主要使用的不同油墨等情况下的印鉴；而组建的数据库；每一枚制造完毕、并开始使用的防伪印章印鉴的原始信息，都被采集并保存在所述的远程服务端的数据库中。

其特征在于是，深度学习的人工智能识别印章图像模块，通过识别划痕、挫痕、压痕等不同加工工艺产生的痕迹；将被识别图片分解为使用不同的工艺制造的痕迹图片，然后分层识别。

其特征在于是，经过深度学习之后的人工智能识别印章图像模块，可以对防伪印章印鉴图片进行多轮次分析；首先，分析油墨、纸张、获取必要的修正参数；然后，识别加工痕迹，将防伪印章印鉴图片分离并转化为多张，不同痕迹的标准单一要素图形或图像；经过单一要素图像识别比对模块，获取对比结果；然后逐个检查每个单一要素图形或图像的比对结果；获取最终答案。

防伪印章印鉴图像人工智能识别软件模块建立方法，包含选择合适人工智能深度学习软件，并实施如下的步骤进行深度学习和大数据积累：

先单项深度学习、进行大数据积累、使用数据库和标准放大的清晰图片；

标准放大的清晰图片摄制包含如下条件，固定的光源，固定的放大倍数、固定的清晰度、最好固定某种相机的环境下，获取高清晰图片；

针对每一枚匹配的防伪印章都获取不同条件下的印鉴，包括但不限于变换的纸张、变换的油墨类别、变换的盖印手法、变换的盖印力度、变换的盖印时底部材料等组建数据库；

并进行大量的单一加工手段的结果学习，逐步让人工智能识别印章图像模块学会识别，不同加工工艺产生的印鉴的识别特征；

其它的学习还包括：识读角度不同；也就是印章盖好后；都有各个不同的角度；特别是空间角度；例如30度角；进一步发现，由于压痕不同，而产生的特殊纹路特征；

最后，选择较长时间的试运行，在实战中积累大数据，提高人工智能识别印章图像模块的识读准确性。

进一步说明，匹配的防伪印章的印鉴的形成及特征：

传统的加工设备。例如钻床打孔，可能导致随机的公差范围内的偏差；正是防伪措施之一。

人工上紧螺丝的螺丝表面，是高低不平的，甚至个别螺丝的表面是“歪斜”的（钻孔并不完全垂直或手工攻丝发生偏差。）；而形成的独特风格的“痕迹”；（拧上螺丝，螺丝孔里边加铅油一样的密封胶；）力度不一，螺丝的深度不一致，螺丝帽上的缺口、凹槽的方向也不同。正是防伪措施之一。

多个螺丝，多个孔径，螺丝人工上螺丝；螺丝孔处留下很圆的细边！形成的尖锐图形；螺丝与螺孔之间形成了非同心圆；具有放大后仔细观察，“一个边缘粗糙、一个边缘坚韧清晰。”的特殊特征。（黄铜加工后，边缘“软”而粗糙、而不锈钢螺丝边缘“硬”而细致。）正是防伪措施之一。

行挫工序，当然可以使用专门的机械了。

但是，用人工挫平力度很难保持一致；加上“平挫”本身的挫齿的天然缺陷，导致挫痕的的剖面并非完整的“半圆”的圆剖面。而是像 “沟壑”一样的，内部“凹凸”不平的，是“多排线条平行推进、共同深浅”的特殊轨迹；是有“行挫方向”的由深及浅的渐变，这种渐变是可以看出当时加工者的加工点和终止点的，正是防伪措施之一。

当“平挫”的齿牙推进的过程中，遇到黄铜和不锈钢等软硬金属过渡时，会产生明显的痕迹深浅的“跳跃”；而该痕迹却是“连贯”特征的；人眼可以清晰判别，其是“一条线”；由于每条挫痕，都有周围的如“螺丝孔、螺丝表面的拧螺丝的凹槽、螺丝表面的加工挤压花纹”其它“挫痕”作为参照物；一点点的伪造偏差；都会在放大镜下“清晰可辨”。

而“打孔、攻丝、拧螺丝”制作坐标点，和可留下“复杂挫痕”的“人工平挫”；其形成的痕迹的“轨迹”，却是可控的！可以从宏观方面，控制加工者的“行挫”方向和角度；形成特殊的“路径”；可以形成线条烦乱却可辨识的特殊“图形、文字”等新的轨迹信息特征。

上述精细而渐变的机械工具加工的天然矢量3D特征；原因是3D打印机 “标量模拟矢量”的本质加工工艺，无法模拟出来。如果要模拟这种天然的矢量3D特征；必须使用机械工具进行加工！而这些造假者是无法到的。

由“打孔、攻丝、拧螺丝”制作的坐标点特征，和“人工平挫”留下的深浅不均但连续的众多“复杂挫痕”形成的线条特征；形成了难以复制的特征。而这些特征，都会随着印油而转印到纸面上的！要浅都浅、要深都深的。并有规律可以判别。也就是“具有可识别性”。加上其它特征，综合而成的印面，是无法精致仿制。

从放大图样看，其加工工艺的特征明显，尤其是其中的一些“细节”。

当然，传统的加工手段也是包含的，例如激光打孔或切割，半切割边缘等操作。

螺丝的材质与铜章不同；比如不锈钢；这样挫痕的深浅不一致，形成新的防伪特征。不同的螺丝的材质也不同；有硬一些如不锈钢；有铜制、软的例如铝制螺丝，材质不同在同样压力下的划痕或挫痕，明显不同。

压痕是由于螺丝的拧的松紧不同，以及螺孔的深浅不同；螺孔垂直度不同；而形成的不同高点；这些高点肉眼可能判别不清楚；而在放大图样上；可以看到它的不同。

制造的防伪印章与人工智能为核心的识别工具组成系统、匹配使用。才能达到本发明的预期效果。

其有意的效果是：

防伪印章印鉴图像人工智能识别软件系统是防伪印章系统的远程服务端的主要组成之一；与其匹配的通讯系统；通讯系统包含但不限于是互联网网络、移动通讯网、固定通讯网络、专线通讯网络；在标准状况下（使用识别终端设备），获取的放大的图片，上传至远程的人工智能的识别中心；即使很细小的差别，并在较大的干扰因素，例如有签字、纸面背景原有图案、盖章的深浅不同、印油多少不同等等环境下。也会被识别清楚。达到了本发明的目的。

下面结合实施案例，对本发明作进一步描述。

【具体实施方式】

实施例：本发明所述的防伪印章，是圆铜印章；印章的圆形印面打有多个孔径不等的螺孔。在螺孔处匹配镙接固定有螺帽外径尺寸不等的螺丝（显示的是螺丝帽。）；在宽边的印章边缘的表面有人工的挫痕。

该防伪印章出厂时的印面盖章的经过放大后图片，上传至智能识别远程服务端的人工智能识别印章图像模块，以供人工智能系统学习和识别其加工痕迹特征，并保留对该印章的印后图像的放大后的识别和比对判别。

以上是对本发明实施例的说明，但是本发明不限于上述实施例揭示的结构，只要是根据上述实施例的教导而得到的印章，都属于本发明的范围。

Claims (9)

1.一种防伪印章印鉴图像人工智能识别软件系统，是存在在云端的服务器内的纯人工智能软件系统，其特征还在于是：包含基于深度学习的人工智能识别印章图像模块，单一要素图像识别比对模块，预留防伪印章印鉴数据库，识别后留存防伪印章印鉴档案库等模块组成软件系统; 软件系统可接收在标准灯光下的标准倍数放大的高精度防伪印章印鉴图像；识别防伪印章印鉴的真伪之后，输出判别结果。

2.根据权利要求1所述的防伪印章印鉴图像人工智能识别软件系统，其特征在于：标准倍数放大的高精度防伪印章印鉴图像是，防伪印章印鉴图片是拍摄时就放大5~60倍；最佳为16倍的高精度图片。

3.根据权利要求1所述的防伪印章印鉴图像人工智能识别软件系统，其特征在于：深度学习的人工智能识别印章图像模块，是对单一工具产生的痕迹进行学习，尤其是挫痕；理解使用某种生产工具的工艺结果痕迹，直至挑出高仿该工艺特征的印章痕迹时，为学习合格。

4.根据权利要求1所述的防伪印章印鉴图像人工智能识别软件系统，其特征在于：深度学习的人工智能识别印章图像模块，是通过大数据的图片，理解使用某种生产工具的工艺，产生的必然结果痕迹特征，最终将某一张防伪印章的放大图样的所有痕迹都能准确分解为，使用何种工具制造的，都能分清楚，包括工艺的叠加和加工顺序。

5.根据权利要求1所述的防伪印章印鉴图像人工智能识别软件系统，其特征在于：深度学习的人工智能识别印章图像模块，识别放大图样；可以准确区分划痕、冲压痕、挫痕。

6.根据权利要求1所述的防伪印章印鉴图像人工智能识别软件系统，其特征在于：预留防伪印章印鉴数据库是每个印章都有唯一的数字及字母编号，每个编号的防伪印章印鉴，都有大约20个以上，各个情况下的盖章，包含主要用纸、墨多、墨少、盖偏、底部软、底部硬等各个情况下，盖出的效果；以及主要使用的不同油墨等情况下的印鉴；而组建的数据库；每一枚制造完毕、并开始使用的防伪印章印鉴的原始信息，都被采集并保存在所述的远程服务端的数据库中。

7.根据权利要求1所述的防伪印章印鉴图像人工智能识别软件系统，其特征在于：深度学习的人工智能识别印章图像模块，通过识别划痕、挫痕、压痕等不同加工工艺产生的痕迹；将被识别图片分解为使用不同的工艺制造的痕迹图片，然后分层识别。

8.根据权利要求1所述的防伪印章印鉴图像人工智能识别软件系统，其特征在于：经过深度学习之后的人工智能识别印章图像模块，可以对防伪印章印鉴图片进行多轮次分析；首先，分析油墨、纸张、获取必要的修正参数；然后，识别加工痕迹，将防伪印章印鉴图片分离并转化为多张，不同痕迹的标准单一要素图形或图像；经过单一要素图像识别比对模块，获取对比结果；然后逐个检查每个单一要素图形或图像的比对结果；获取最终答案。

9.防伪印章印鉴图像人工智能识别软件模块建立方法，包含选择合适人工智能深度学习软件，并实施如下的步骤进行深度学习和大数据积累：

先单项深度学习、进行大数据积累、使用数据库和标准放大的清晰图片；

标准放大的清晰图片摄制包含如下条件，固定的光源，固定的放大倍数、固定的清晰度、最好固定某种相机的环境下，获取高清晰图片；

针对每一枚匹配的防伪印章都获取不同条件下的印鉴，包括但不限于变换的纸张、变换的油墨类别、变换的盖印手法、变换的盖印力度、变换的盖印时底部材料等组建数据库；

并进行大量的单一加工手段的结果学习，逐步让人工智能识别印章图像模块学会识别，不同加工工艺产生的印鉴的识别特征；

其它的学习还包括：识读角度不同；也就是印章盖好后；都有各个不同的角度；特别是空间角度；例如30度角；进一步发现，由于压痕不同，而产生的特殊纹路特征；

最后，选择较长时间的试运行，在实战中积累大数据，提高人工智能识别印章图像模块的识读准确性。