CN108304838A - 一种图片信息识别方法及终端 - Google Patents
一种图片信息识别方法及终端 Download PDFInfo
- Publication number
- CN108304838A CN108304838A CN201710331435.8A CN201710331435A CN108304838A CN 108304838 A CN108304838 A CN 108304838A CN 201710331435 A CN201710331435 A CN 201710331435A CN 108304838 A CN108304838 A CN 108304838A
- Authority
- CN
- China
- Prior art keywords
- identity
- correlation
- template
- degree
- information
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
-
- 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
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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
- G06V30/10—Character recognition
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明实施例公开了一种图片信息识别方法,该方法包括:采集待识别的身份图片信息;从身份图片信息中提取出图片特征信息;将图片特征信息、第一身份模板的特征信息和第二身份模板的特征信息分别进行相关性计算,得到第一相关度和第二相关度;根据预设有效相关度策略,对第一相关度和第二相关度进行有效相关度的判定,得到第一有效相关度结果和第二有效相关度结果;从第一有效相关度结果和第二有效相关度结果中,选择出最高的有效相关度结果,将与最高的有效相关度结果对应的身份模板作为身份图片信息的身份识别结果。本发明实施例还同时公开了一种终端。
Description
技术领域
本发明涉及电子应用领域中的图片处理技术,尤其涉及一种图片信息识别方法及终端。
背景技术
随着互联网技术的发展,越来越多的应用功能需要进行身份认证的过程,这样,对于用户的身份认证或识别的过程变得重要起来。
目前,用户可以通过终端上具有身份识别功能的应用进行身份标识的采集,然后进行识别,以实现用户的身份认证或识别。通常可以采用基于特征的模版检测方法和基于采集的身份信息排版的先验知识的判定方法。基于特征的模版检测的判定方法,是通过将采集的身份信息进行特定内容特征的识别,然后,将与特定的模板进行匹配以进行识别;而基于采集的身份信息排版的先验知识,是对身份信息对应的排版样式与预设排版样式进行匹配,以实现身份识别。
然而,一方面,采用基于特征的模版检测方法的时候,如果采集时的方向与预设模板的方向不一致,则此次身份识别在很大概率上会失败。例如通过人脸模版和国徽模板检测来判定身份信息中身份证图像的正反面时,由于部分用户使的手机会将横拍的照片竖置或者竖拍的照片横置导致上传的照片存在四种方向,这时要识别成功上传的身份证图片的正反面的可能需要多次用户调整才能实现,成功的率低,识别的时间较长。另一方面,基于身份信息排版先验知识方法的识别过程对光照平均背景的要求较高,一旦出现光照弱、曝光强、非白光照射以及背景复杂或者与排版背景相近的情况,就会出现先验知识失效,而识别不出身份信息对应的排版样式,进而导致身份识别失败。
发明内容
为解决上述技术问题,本发明实施例期望提供一种图片信息识别方法及服务器,能够提高身份识别的成功率和效率。
本发明的技术方案是这样实现的:
本发明实施例提供了一种图片信息识别方法,包括:
采集待识别的身份图片信息;
从所述身份图片信息中提取出图片特征信息;
将所述图片特征信息、第一身份模板的特征信息和第二身份模板的特征信息分别进行相关性计算,得到第一相关度和第二相关度;
根据预设有效相关度策略,对所述第一相关度和所述第二相关度进行有效相关度的判定,得到第一有效相关度结果和第二有效相关度结果;
从所述第一有效相关度结果和所述第二有效相关度结果中,选择出最高的有效相关度结果,将与所述最高的有效相关度结果对应的身份模板作为所述身份图片信息的身份识别结果。
本发明实施例提供了一种终端,包括:
采集单元,用于采集待识别的身份图片信息;
提取单元,用于从所述身份图片信息中提取出图片特征信息;
计算单元,用于将所述图片特征信息、第一身份模板的特征信息和第二身份模板的特征信息分别进行相关性计算,得到第一相关度和第二相关度;以及根据预设有效相关度策略,对所述第一相关度和所述第二相关度进行有效相关度的判定,得到第一有效相关度结果和第二有效相关度结果;
获取单元,用于从所述第一有效相关度结果和所述第二有效相关度结果中,选择出最高的有效相关度结果,将与所述最高的有效相关度结果对应的身份模板作为所述身份图片信息的身份识别结果。
本发明实施例还提供了一种终端,包括:采集器、处理器和用于存储能够在所述处理器上运行的计算机程序以及所述采集器采集的数据的存储器,
其中,所述采集器,用于采集待识别的身份图片信息;所述处理器用于运行所述计算机程序时,执行权利要求1至7任一项所述的方法。
本发明实施例提供了一种图片信息识别方法及终端,该终端通过采集待识别的身份图片信息;从身份图片信息中提取出图片特征信息;将图片特征信息、第一身份模板的特征信息和第二身份模板的特征信息分别进行相关性计算,得到第一相关度和第二相关度;根据预设有效相关度策略,对第一相关度和第二相关度进行有效相关度的判定,得到第一有效相关度结果和第二有效相关度结果;从第一有效相关度结果和第二有效相关度结果中,选择出最高的有效相关度结果,将与最高的有效相关度结果对应的身份模板作为身份图片信息的身份识别结果。采用上述技术实现方案,由于终端可以在采集用户的身份图片信息之后,由于该终端中设置有身份认证标识对应的身份模板,这样,该终端可以直接识别出该身份图片信息是哪个模板对应的身份图片信息,这样只要终端采集的是同一种身份认证标识的图片信息就可以完成前端身份采集识别的过程,也就是说终端是可以识别出采集的身份图片信息的属于哪个身份模板的,并且不受其他环境和光照以及拍摄方式的影响,从而提高了身份识别的成功率和效率。
附图说明
图1为本发明实施例提供的一种图片信息识别系统的架构图;
图2为本发明实施例提供的一种图片信息识别方法的流程图一;
图3为本发明实施例提供的一种示例性的身份识别操作的界面示意图;
图4为本发明实施例提供的一种示例性的尺度空间的层结构示意图;
图5为本发明实施例提供的一种图片信息识别方法的流程图二;
图6为本发明实施例提供的一种图片信息识别方法的流程图三;
图7为本发明实施例提供的一种示例性的身份证采集操作示意图;
图8为本发明实施例提供的一种示例性的提示身份证识别完成的界面示意图;
图9为本发明实施例提供的一种示例性的现有技术的身份识别形式的示意图;
图10为本发明实施例提供的一种图片信息识别方法的流程图四;
图11为本发明实施例提供的一种终端的结构示意图一;
图12为本发明实施例提供的一种终端的结构示意图二;
图13为本发明实施例提供的一种终端的结构示意图三。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。
图1为本发明实施例中进行图片信息识别系统中的各种硬件实体的示意图,图1中包括:一个或多个服务器2、终端1-1至1-5及网络3,网络3中包括路由器,网关等等网络实体,图中并未体现。终端1-1至1-5通过有线网络或者无线网络与服务器进行信息交互,以便从终端1-1至1-5采集身份识别结果传输至服务器。终端的类型如图1所示,包括手机(终端1-3)、平板电脑或PDA(终端1-5)、台式机(终端1-2)、PC机(终端1-4)、一体机(终端1-1)等类型。其中,终端中安装有各种用户所需的应用,比如具备娱乐功能的应用(如视频应用,音频播放应用,游戏应用,阅读软件),又如具备服务功能的应用(如地图导航应用、团购应用、拍摄应用、理财应用和支付应用等)。
基于上述图1所示的系统,以用户所需的应用为支付应用为例,在进行身份识别时,终端通过网络从服务器中按照需求下载支付应用更新数据包和/或与采集功能应用相关的数据信息或业务信息,采用本发明实施例,在终端上采集待识别的身份图片信息;从身份图片信息中提取出图片特征信息;将图片特征信息、第一身份模板的特征信息和第二身份模板的特征信息分别进行相关性计算,得到第一相关度和第二相关度;根据预设有效相关度策略,对第一相关度和第二相关度进行有效相关度的判定,得到第一有效相关度结果和第二有效相关度结果;从第一有效相关度结果和第二有效相关度结果中,选择出最高的有效相关度结果,将与最高的有效相关度结果对应的身份模板作为身份图片信息的身份识别结果。然后,终端可以通过网络直接将识别结果透传给服务器,以供服务器进行后续进一步的身份验证时使用。采用上述技术实现方案,由于该终端中设置有身份认证标识对应的身份模板,这样,该终端可以直接识别出该身份图片信息是哪个模板对应的身份图片信息,这样只要终端采集的是同一种身份认证标识的图片信息就可以完成前端身份采集识别的过程,也就是说终端是可以识别出采集的身份图片信息的属于哪个身份模板的,并且不受其他环境和光照以及拍摄方式的影响,从而提高了身份识别的成功率和效率。
上述图1的例子只是实现本发明实施例的一个系统架构实例,本发明实施例并不限于上述图1所述的系统结构,基于该系统架构,提出本发明各个实施例。
实施例一
本发明实施例提供了一种图片信息识别方法,如图2所示,该方法可以包括:
S101、采集待识别的身份图片信息。
本发明实施例提供的一种图片信息识别方法可以应用在图片信息识别的各种场景中,本发明实施例不作限制。这里,本发明实施例以身份认证标识对应的身份图片信息为例,描述身份识别场景中的身份认证标识对应的图片信息进行识别的方法。
需要说明的是,本发明实施例中,以终端作为载体,该终端可以为具有实体转换为图片功能的电子设备等,本发明实施例不作限制。其中,终端上可以安装有各类应用,以实现不同的应用功能。在本发明实施例中,终端上安装有需要进行身份认证或识别才能实现第一功能的第一应用。例如,用户在使用终端进行第一应用的第一功能的时候,需要进行身份注册才能使用第一功能,而身份注册的过程中有需要进行身份认证的过程和身份认证的需求的情况。
可选的,在本发明实施例中,第一应用可以为银行应用、理财类应用和支付类应用等多种,本发明实施例不作限制。相应的,上述第一功能可以为支付、转账或贷款等各种功能,本发明实施例不作限制。
在本发明实施例中,终端中还安装或设置有采集图片信息功能的装置,该采集图片信息功能的装置可以将实体对象转换为图片信息的形式。例如,终端上设置的摄像头,该摄像头可以通过对实体对象进行拍摄,从而将该实体对象转换成图片信息的形式而被终端采集到。
这里,终端可以通过其上设置的采集图片信息功能的装置采集到待识别的身份图片信息。
在本发明实施例中,当用户使用终端上的第一应用实现第一功能的时候,可能会出现需要进行用户的身份认证或识别的处理,这时用户可以将表征自己身份的身份标识的载体或者身份认证标识展示给终端,该终端就可以将该表征身份标识的载体或者身份认证标识采集成图片信息的形式获取到,即终端采集到了待识别的身份图片信息了,以供后续身份识别时使用。其中,待识别图片信息是与当前使用终端的用户的身份对应的。
具体的,终端采集待识别的身份图片信息的过程可以为:终端在第一应用的注册界面上接收到注册的触发操作,该终端响应该触发操作,显示进行身份认证的认证界面,在该认证界面上接收到启动身份认证指令,根据该启动身份认证指令显示待识别的身份图片信息添加区域,在待识别的身份图片信息添加区域上接收到采集指令,根据该采集指令将待识别的身份认证标识转换为待识别的身份图片信息,即终端采集到了待识别的身份图片信息。
需要说明的是,在本发明实施例中,表征自己身份的身份标识的载体或者身份认证标识需要是可以唯一表征自己的身份专属标识,具体的实现本发明不作限制。但是在终端的第一应用要求实名进行身份认证的时候,这里的表征自己身份的身份标识的载体或者身份认证标识必须为唯一表征用户基本情况信息的身份标识,其中,包括已经认证过的用户的姓名。
可选的,在本发明实施例中,表征自己身份的身份标识的载体或者身份认证标识可以为用户的身份证、驾驶证或结婚证等身份认证标识,本发明实施例不作限制。
示例性的,如图3所示,用户A使用手机B的银行应用的转账功能时,若是没有进行过账户注册,那么在用户A通过手机B中需进行银行应用的注册,在银行应用的显示界面上接收到注册的身份认证触发操作,手机B响应该触发操作,显示进行身份认证的注册界面,在该注册界面上是有“身份信息认证”开始认证选项的,用户点击“开始认证”选项,即手机B接收到启动身份认证指令,于是,手机B上根据该启动身份认证指令显示待识别的身份证的添加区域1和2,于是,用户可以点击“+”,启动了采集待识别身份证对应的待识别的身份图片信息指令,根据该采集指令手机B利用摄像头将用户展示的身份证拍成待识别的身份图片信息,即终端采集到了待识别的身份图片信息。
S102、从身份图片信息中提取出图片特征信息。
终端采集待识别的身份图片信息之后,由于该终端已经采集到了表征用户身份的身份图片信息,那么,该终端就可以从该身份图片信息中提取出来图片特征信息了。
需要说明的是,在本发明实施例中图片特征信息是用于描述身份认证标识特征的参数,也称为特征描述子,其中,终端提取图片特征信息的方法基于不同的需求和侧重,本发明实施例可以相应选取,为了提稳定性也可以组合使用,本发明实施例不作限制,其中,终端从身份图片信息中提取出图片特征信息的类型可以为尺度不变特征变换(SIFT,Scale-invariant feature transform)特征、方向梯度直方图(HOG,Histogram ofOriented Gradient)特征或者加速稳健特征(SURF,Speeded Up Robust Features)中的至少一项。
在本发明实施例中,可以通过梯度下降法计算权重偏差量。总之,对给定的身份图片信息的信息位置上计算一些信息罗列成为一个向量,即为提取图片特征信息,然后将图片特征信息进行回归,即对向量的每一个数值进行组合,最后得到身份图片信息距离真解的第一偏移量。其中,提取图片特征信息的方法有很多,包括:随机森林,SIFT等,用这些提取出的图片特征信息可以表达出身份图片信息的特点。
下面以SIFT为例描述图片特征信息的提取过程。SIFT是一种检测局部特征的算法,该算法通过求一幅图中的特征点(即interest points,or corner points)及其有关scale和orientation的描述子得到特征并进行图像特征点匹配的过程。SIFT特征不只具有尺度不变性,即使改变旋转角度,图像亮度或拍摄视角,仍然能够得到好的检测效果。SIFT算法分为以下几个部分:
1、构建尺度空间;
构建尺度空间是一个初始化操作,尺度空间理论目的是模拟图像数据的多尺度特征。
高斯卷积核是实现尺度变换的唯一线性核,于是,一副二维图像的尺度空间定义为公式(1)和公式(2):
L(x,y,σ)=G(x,y,σ)*I(x,y) 公式(1)
其中,G(x,y,σ)是尺度可变高斯函数,(x,y)是空间坐标,是尺度坐标,σ的大小决定图像的平滑程度,大尺度对应图像的概貌特征,小尺度对应图像的细节特征,大的σ值对应粗糙尺度(低分辨率),反之,小的σ值对应精细尺度(高分辨率)。为了有效的在尺度空间检测到稳定的图片的关键点,提出了高斯差分尺度空间(DOG scale-space),利用不同尺度的高斯差分核与图像卷积生成,即公式(3),如下:
需要说明的是,对于一幅图像I,建立其在不同尺度(scale)的图像,也成为子八度(octave),这是为了scale-invariant,也就是在任何尺度都能够有对应的特征点,第一个子八度的scale为原图大小,后面每个octave为上一个octave降采样的结果,即原图的1/4(长宽分别减半),构成下一个子八度(高一层金字塔)。其中,由图片的大小决定建几个塔以及每塔几层图像(S一般为3-5层)。0塔的第0层是原始图像(或你double后的图像),往上每一层是对其下一层进行Laplacian变换(高斯卷积,其中σ值渐大,例如可以是σ,k*σ,k*k*σ…),直观上看来越往上图片越模糊。塔间的图片是降采样关系,例如1塔的第0层可以由0塔的第3层down sample得到,然后进行与0塔类似的高斯卷积操作。
2、检测DOG尺度空间极值点;
为了寻找尺度空间的极值点,每一个采样点(图片上的采样点)要和它所有的相邻点比较,检测其是否比它的图像域和尺度域的相邻采样点大还是小。如图4所示,需要将检测的中间的采样点(“×”)和它同尺度(本层)的8个相邻点,以及上下相邻尺度上(上下层)对应的9×2个点(共26个点,图4中用圈表示的点)比较,以确保在尺度空间和二维图像空间都可以检测到极值点。一个采样点如果在DOG尺度空间的本层以及上下两层的26个采样点的领域中是最大或最小值时,就认为该采样点是图像在该尺度下的一个特征点。
3、去掉DOG局部曲率非常不对称的像素(特征点);
通过拟和三维二次函数以精确确定关键点的位置和尺度(达到亚像素精度),同时去除低对比度的关键点(特征点)和不稳定的边缘响应点(因为DOG算子会产生较强的边缘响应),以增强匹配稳定性、提高抗噪声能力,在这里使用近似Harris Corner检测器,在已经检测到的特征点中,要去掉低对比度的特征点和不稳定的边缘响应点,即去掉DOG局部曲率非常不对称的像素。
4、给特征点赋值一个128维方向参数,生成关键点描述子;
在确定了每幅图中的特征点,利用特征点的邻域像素的梯度方向分布特性为每个关键点指定方向参数,使算子具备旋转不变性。这样,每个特征点就可以有三个信息:位置,所处尺度和方向,由此可以确定一个SIFT特征区域,通过对特征点周围图像区域分块,计算块内梯度直方图,生成具有独特性的向量。
在实际计算时,在以特征点为中心的邻域窗口内采样,并用直方图统计邻域像素的梯度方向。梯度直方图的范围是0~360度,其中每45度一个柱,总共8个柱,或者每10度一个柱,总共36个柱。其中,梯度直方图的峰值则代表了该特征点处邻域梯度的主方向,即作为该特征点的方向,从而生成SIFT特征向量。对每个特征点使用4×4共16个种子点来描述,这样对于一个特征点产生128个数据,即最终形成128维的SIFT特征向量,将上述特征向量的长度归一化,就可以进一步去除光照变化的影响了,最终获得了较好的SIFT特征向量。
示例性的,对于身份图片信息的一个特征点可以得到一个128维的特征向量,那个若从身份图片信息中提取出的特征点有T个时,该身份图片信息中提取的待识别或待检测的SIFT特征点test_SIFT可以表示为T×128的二维数据,其中,T为身份图片信息的SIFT特征点数(T大于等于1,优选的特征点为多个),每个特征点用128维的特征向量表示。
S103、将图片特征信息、第一身份模板的特征信息和第二身份模板的特征信息分别进行相关性计算,得到第一相关度和第二相关度。
终端从身份图片信息中提取出图片特征信息之后,由于终端中事先设置或预存有第一身份模板的特征信息和第二身份模板的特征信息,而图片特征信息是终端从待识别的身份图片信息中提取出来的,因此,该终端可以依据第一身份模板的特征信息和第二身份模板的特征信息对图片特征信息进行初步的相关性计算。
需要说明的是,本发明实施例中的第一身份模板的特征信息和第二身份模板的特征信息是实现学习到的用于进行身份识别的模板对应的特征信息,该第一身份模板的特征信息为第一身份模板对应的特征信息,而第二身份模板的特征信息为第二身份模板对应的特征信息。本发明实施例中的第一身份模板和第二身份模板包含有了用于进行身份认证标识的所有模板,并且第一身份模板和第二身份模板可以是同一个身份认证标识对应的所有角度模板的统称,本发明实施例并不作限制。例如,用户的身份证(身份认证标识)可以有两面,那么终端中的第一身份模板和第二身份模板可以表征该身份证的正反两面的身份模板。
在本发明实施例中第一身份模板的特征信息和第二身份模板的特征信息的建立或设置的过程将在实施例的后面部分进行描述。
这样,在本发明实施例中,终端将图片特征信息分别与第一身份模板的特征信息和第二身份模板的特征信息进行乘积运算,得到第一相关矩阵和第二相关矩阵,第一相关矩阵用于表征身份图片信息和第一身份模板的特征信息的第一相关度,第二相关矩阵用于表征身份图片信息和第二身份模板的特征信息的第二相关度。
需要说明的是,第一身份模板的特征信息和第二身份模板的特征信息的提取方式与图片特征信息的提取方法一致,因此,终端可以将图片特征信息与第一身份模板的特征信息进行乘积运算,实现初步的相关性计算,得到了第一相关矩阵,以及终端可以将图片特征信息与第二身份模板的特征信息进行乘积运算,实现初步的相关性计算,得到了第二相关矩阵。
在本发明实施例中,由于第一身份模板的特征信息和第二身份模板的特征信息的提取方式与图片特征信息的提取方法一致,因此,终端中存储的第一身份模板的特征信息可以是将第一身份模板按照SIFT方法提取的特征信息进行转置后得到的,终端中存储的第二身份模板的特征信息可以是将第二身份模板按照SIFT方法提取的特征信息进行转置后得到的。这样,终端才能将图片特征信息与第一身份模板的特征信息进行乘积运算。或者,本发明实施例中,终端可以在乘积的时候再将第一身份模板或者第二身份模板按照SIFT方法提取的特征信息进行转置,再分别与图片特征信息进行乘积。本发明实施例对身份模板的特征信息的转置的处理时机不作限制。
S104、根据预设有效相关度策略,对第一相关度和第二相关度进行有效相关度的判定,得到第一有效相关度结果和第二有效相关度结果。
S105、从第一有效相关度结果和第二有效相关度结果中,选择出最高的有效相关度结果,将与最高的有效相关度结果对应的身份模板作为身份图片信息的身份识别结果。
终端在将图片特征信息、第一身份模板的特征信息和第二身份模板的特征信息分别进行相关性计算,得到第一相关度和第二相关度之后,该终端就需要对第一相关度和第二相关度进行进一步地相关度的判定,以判别出图片特征信息与哪个身份模板的是最相关的。
在本发明实施例中,终端是通过预设有效相关度策略来进行判定图片特征信息与哪个模板的特征信息更相关的,也就是说预设有效相关度策略用于通过对第一相关度和第二相关度有效相关度判定,决定哪个才是与图片特征信息最终相关的相关度。
于是,在本发明实施例中,终端可以根据预设有效相关度策略,对第一相关度和第二相关度进行有效相关度的判定,得到第一有效相关度结果和第二有效相关度结果,这样,终端就可以从第一有效相关度结果和第二有效相关度结果中,选择出最高的有效相关度结果,这个最高的相关第结果对应的身份模板可能就是身份图片信息对应的识别结果,即将与最高的有效相关度结果对应的身份模板作为身份图片信息的身份识别结果。
示例性的,手机A在采集到用户B的身份证图片信息之后,对该身份证图片信息进行特征提取,得到了身份证图片特征信息;手机A在进行了S103-S105的相关度计算后,发现正面身份模板的有效相关度结果,高于反面身份证模板的有效相关度结果,因此,手机A识别出此次采集的身份证图片信息是用户B提供的身份证的正面。
可以理解的是,由于终端可以在采集用户的身份图片信息之后,由于该终端中设置有身份认证标识对应的身份模板,这样,该终端可以直接识别出该身份图片信息是哪个模板对应的身份图片信息,这样只要终端采集的是同一种身份认证标识的图片信息就可以完成前端身份采集识别的过程,也就是说终端是可以识别出采集的身份图片信息的属于哪个身份模板的,并且不受其他环境和光照以及拍摄方式的影响,从而提高了身份识别的成功率和效率。
进一步地,本发明实施例提供的图片信息识别方法中,在S101之前,该方法还可以包括:S106。如下:
S106、获取第一身份模板的特征信息和第二身份模板的特征信息。
在本发明实施例中,终端在使用第一身份模板的特征信息和第二身份模板的特征信息之前,该终端是需要先获取到事先获取到第一身份模板的特征信息和第二身份模板的特征信息的,以便终端进行后面的有效相关度的计算。也就是说,在进行图片信息识别方法之前,终端已经进行了身份模板的预处理流程。
具体的,本发明实施例提供了一种图片信息识别方法中,如图5所示,S106的实现过程可以包括:S1061-S1065。如下:
S1061、获取第一预设样本身份图片信息和第二预设样本身份图片信息,第一预设样本身份图片信息是与第二预设样本身份图片信息不同,且来源于同一身份认证标识中。
终端在第一次实现图片信息识别方法的时候,是需要对身份模板进行预处理的过程来获取到的。
需要说明的是,在本发明实施例中,由于同一个身份认证标识可能存在多个角度或多个维度的身份标识,因此,本发明实施例中的终端事先需要对来源于同一身份认证标识的不同维度的身份模板获取到的,本发明实施例中以第一身份模板和第二身份模板表征不同维度的身份模板。具体的,终端可以获取第一预设样本身份图片信息和第二预设样本身份图片信息,该第一预设样本身份图片信息是与该第二预设样本身份图片信息不同,即维度不同的样本身份图片信息。
在本发明实施例中,终端可以获取到不同维度的身份认证标识的预设样本身份图片信息。其中,第一预设样本身份图片信息可以为多张类型一致的图片,第二预设样本身份图片信息也可以为多张类型一致的图片。
可以理解的是,样本选取多张可以保证样本的准确度,只选取一张的话没有普遍性。
例如,以身份证为例进行说明,终端可以获取到十张尺寸相同且规整的身份证的正面照片(第一预设样本身份图片信息),以及十张尺寸相同且规整的身份证的反面照片(第二预设样本身份图片信息)。
需要说明的是,本发明实施例中的身份认证标识可以是身份证、驾驶证或结婚证等唯一标识用户身份的信息,本发明实施例不作限制,但是,终端在进行身份图片信息识别的时候,终端采用的身份模板或预设样本身份图片信息都是与待识别的身份图片信息类型一致的身份认证标识,这样才能通过身份模板对身份图片信息进行识别。
S1062、将第一预设样本身份图片信息和第二预设样本身份图片信息各自按照平均值融合,生成第一身份图片模板和第二身份图片模板。
终端在获取第一预设样本身份图片信息和第二预设样本身份图片信息的多张样本之后,该终端需要将上述样本进行处理,形成身份图片模板。具体的,终端可以将第一预设样本身份图片信息和第二预设样本身份图片信息各自按照平均值融合,生成第一身份图片模板和第二身份图片模板。其中,第一预设样本身份图片信息与第一身份图片模板对应,第二预设样本身份图片信息与第二身份图片模板对应。
示例性的,终端将十张尺寸相同且规整的身份证的正面照片按平均值融合成一张身份证正面模版照片,还可以将十张尺寸相同且规整的身份证的反面照片按平均值融合成一张身份证反面模版照片,这样就得到了身份证正面模板和身份证反面模板了。
需要说明的是,本发明实施例中的第一身份图片模板和第二身份图片模板与前面描述的第一身份模板和第二身份模板表征的标识的类型一致。
S1063、对第一身份图片模板和第二身份图片模板分别进行特征提取,得到第一身份模板的特征矩阵和第二身份模板的特征矩阵。
终端在得到了第一身份图片模板和第二身份图片模板之后,该终端对第一身份图片模板和第二身份图片模板分别进行特征提取,得到第一身份模板的特征矩阵和第二身份模板的特征矩阵。
需要说明的是,终端采用提取身份图片信息相同的方法进行身份图片模板的特征提取。例如,终端采用SIFT对身份图片模板进行特征的提取,那么,终端可以获取到第一身份图片模板对应的特征向量的集合,即第一身份模板的特征矩阵,以及第二身份图片模板对应的特征向量的集合,即第二身份模板的特征矩阵。
示例性的,以身份证为例进行说明,终端提取身份证正面模板的SIFT特征点,得到了f_SIFT,以及终端提取身份证反面模板的SIFT特征点,得到了b_SIFT,其中,f_SIFT为正面模版的所有特征点的集合用M×128的二维矩阵表示,即第一身份模板的特征矩阵,b_SIFT为反面模版的所有特征点的集合用N×128的二维矩阵表示,即第二身份模板的特征矩阵。其中,M和N都为大于等于1的整数。
S1064、计算第一身份模板的特征矩阵和第二身份模板的特征矩阵的转置矩阵,得到第一身份模板的特征转置矩阵和第二身份模板的特征转置矩阵。
S1065、将第一身份模板的特征转置矩阵和第二身份模板的特征转置矩阵作为第一身份模板的特征信息和第二身份模板的特征信息。
终端在对第一身份图片模板和第二身份图片模板提取特征,得到了第一身份模板的特征矩阵和第二身份模板的特征矩阵之后,由于后续终端需要将图片特征信息与身份模板对应的特征信息进行乘积运算,以进行初步相关性的计算。因此,终端在进行初步相关性的计算的时候,需要将图片特征信息或者身份模板对应的特征信息中的一方转置处理之后才可以相乘。具体的,终端是将哪一方转置本发明实施例并不作限制。
优选的,本发明实施例中,将第一身份模板的特征矩阵和第二身份模板的特征矩阵的转置矩阵进行转置后的结果,即第一身份模板的特征转置矩阵和第二身份模板的特征转置矩阵,作为第一身份模板的特征信息和第二身份模板的特征信息存储在终端的模板库中。
可以理解的是,终端将第一身份模板的特征转置矩阵和第二身份模板的特征转置矩阵作为第一身份模板的特征信息和第二身份模板的特征信息,可以减少在终端进行相关性或相关度的初步计算的时候的运算量和复杂度。
示例性的,以身份证为例进行说明,终端分别求f_SIFT(第一身份模板的特征矩阵)和b_SIFT(第二身份模板的特征矩阵)的转置矩阵,得到front_SIFT(第一身份模板的特征转置矩阵)和back_SIFT(第二身份模板的特征转置矩阵),于是,该终端将front_SIFT和back_SIFT存储为第一身份模板的特征信息和第二身份模板的特征信息等模板文件,并在进行身份图片信息实时处理的时候,加载进识别程序中。
进一步地,如图6所示,本发明实施例提供的图片信息识别方法中,在S105之后,该方法还可以包括:S107。如下:
S107、当获取到第一身份模板和第二身份模板分别对应的身份识别结果时,提示身份识别完成。
在本发明实施例中,S101-S106为终端进行一次身份图片信息的识别过程的描述,而在终端进行实际的身份识别的时候,该终端可能是需要将待识别的身份认证标识的全部维度的信息进行识别的,也就是说,终端需要至少识别出与第一身份模板对应的识别结果,还需要再次进行识别,识别出与第二身份模板对应的识别结果,终端只有识别出全部维度对应的识别结果后,才能表征一个身份认证标识的识别完成了,这样,终端就会提示出身份识别完成。
示例性的,以身份证的识别为例进行说明,如图7所示,手机的第一应用的身份识别界面中,在进行用户B的身份证识别的时候,用户B需要先添加自己的身份证的第一面(例如,身份证的正面)进行识别,手机通过身份证正面模板(第一身份模板)和身份证正面模板(第二身份模板)识别出了身份证的第一面的识别结果与身份证正面模板对应,即为身份证的正面;然后,用户B需要再添加自己的身份证的第二面(例如,身份证的反面)进行识别,这样经过同样的识别流程,得到了身份证的反面的识别结果,这样手机识别出了身份证的全部的信息,如图8所示,手机可以显示“身份证识别完成”以提示用户身份识别已经完成了。
需要说明的是,本发明实施例中的身份识别完成指的是身份认证标识的获取识别已经完成的意思,在本发明实施例中,终端在识别了身份认证标识的图片信息之后,可以直接透传给服务器,以便服务器可以进行进一步的用户信息的实名识别等更进一步的识别或者是进行身份验证的工作。
可以理解的是,在本发明实施例中,终端可以不按照指示添加身份认证标识的不同维度,只要全部添加了就好了。但是若采用图9所示的现有技术进行身份证等的识别的时候,(1)中终端需要识别出特定的图案或头像才能添加身份信息成功;(2)中是需要按照希望样式采集图片才能识别身份证成功,一旦出现图9中结果样式的情况就不能进行身份证的识别的。但是在本发明实施例中不论是采集的身份证的面放错了,还是拍摄的角度等有问题,终端都是可以通过对有效相关结果来识别出到底是采集到了身份证的哪一面的,提高了身份识别的成功率和效率。
实施例二
基于实施例一的实现的同一发明构思,由于终端在实施例一中计算得到的第一相关度和第二相关度的结果的表现形式可以为第一相关矩阵和第二相关矩阵,因此,本发明实施例提供了一种图片信息识别方法中,如图10所示,S104的实现过程可以包括:S1041-S1042。如下:
S1041、从第一相关矩阵和第二相关矩阵中分别确定出有效相关行。
本发明实施例提出了一种判断相关矩阵有效相关行的实现方式,以及通过有效相关行进一步计算相关度结果的实现方式。
本发明实施例中终端是通过预设有效行条件来确定第一相关矩阵中对应的有效相关行,以及第一相关矩阵中对应的有效相关行。然后,终端就可以通过第一相关矩阵的有效相关行和第二相关矩阵的有效相关行,来进一步的进行相关度结果的判断。
需要说明的是,本发明实施例中,预设有效行条件用于判定第一相关矩阵中有效的相关行,以及第二相关矩阵中有效的相关行的规则。
具体的,终端从第一相关矩阵和第二相关矩阵中分别确定出满足预设有效行条件的有效相关行的过程,即S1041的实现可以包括:S201-S203。如下:
S201、分别获取第一相关矩阵和第二相关矩阵中的每行元素中元素数值最高的第一元素组和第二元素组,第一元素组与第一相关矩阵对应,第二元素组与第二相关矩阵对应。
在本发明实施例中,第一相关矩阵为图片特征信息表征的矩阵与第一身份模板的特征信息表征的矩阵相乘得到的,第二相关矩阵为图片特征信息表征的矩阵与第二身份模板的特征信息表征的矩阵相乘得到的,那么第一相关矩阵可以为图片特征信息中的特征点与第一身份模板的特征信息中的特征点组成的二维矩阵,第二相关矩阵可以为图片特征信息中的特征点与第二身份模板的特征信息中的特征点组成的二维矩阵。
示例性的,以身份证为身份认证标识,SIFT特征点为例..进行说明,身份证图片特征信息(图片特征信息)表征的矩阵test_SIFT可以表示为:T×128的二维矩阵,正面身份证模板(第一身份模板)的特征信息中的特征点组成的二维矩阵front_SIFT表示为:128×M的二维矩阵,反面身份证模板(第二身份模板)的特征信息中的特征点组成的二维矩阵back_SIFT表示为:128×N的二维矩阵。这样,手机A计算出的第一相关矩阵front_sim为T×M的二维矩阵,第二相关矩阵back_sim为T×N的二维矩阵。其中,T、M和N都为大于等于1的整数。
在本发明实施例中,特征点的提取不可能是1个,可能是多个特征点的集合,因此,上述T、M和N表征的是多个特征点的集合,是大于1的整数。
这样,第一相关矩阵就是T行M列的二维矩阵,这T行M列的二维矩阵中包含了T×M个第一元素,第二相关矩阵就是T行N列的二维矩阵,这T行N列的二维矩阵中包含了T×N个第二元素,而且,不论是第一元素还是第二元素都是一个数值,都是有大小的,于是,终端就可以从获取第一相关矩阵中的每行元素中元素数值最高的第一元素组,以及第一相关矩阵中的每行元素中元素数值最高的第二元素组了,其中,第一元素组与第一相关矩阵对应,第二元素组与第二相关矩阵对应。
需要说明的是,在本发明实施例中,终端选择的相关矩阵(第一相关矩阵或第二相关矩阵)中每行元素数值最高的元素组的个数k至少为两个,优选的元素组的元素个数k为2个,第一元素组和第二元素组的元素个数一致。
这里,终端可以先将第一相关矩阵和第二相关矩阵中的每行元素分别按照正序或倒序进行排序,然后,从排序后的第一相关矩阵和第二相关矩阵中获取每行元素中元素数值最高的k个元素。
示例性的,k=2时,终端对front_sim和back_sim中的每一行元素做正排序,获取每一行中的第一个元素α(元素数值最高的第一个元素)的数值,以及每一行中的第二个元素β(元素数值最高的第一个元素)的数值,这样终端就可以获取第一相关矩阵对应的T组【α,β】,以及第二相关矩阵对应的T组【α,β】。
S202、当第一元素组中的元素之间满足有效行相关性的阈值关系时,将第一元素组所在的行确定为第一相关矩阵中的有效相关行。
S203、当第二元素组中的元素之间满足有效行相关性的阈值关系时,将第二元素所在的行确定为第二相关矩阵中的有效相关行。
终端在分别获取了第一相关矩阵和第二相关矩阵中的每行元素中元素数值最高的第一元素组和第二元素组之后,该终端就可以分别根据第一元素组和第二元素组来判定第一相关矩阵中的有效相关行和第二相关矩阵中的有效相关行了,进而判定哪个身份模板才与身份图片信息最匹配。
这里,当第一元素组中的元素之间满足有效行相关性的阈值关系时,将第一元素组所在的行确定为第一相关矩阵中的有效相关行。当第二元素组中的元素之间满足有效行相关性的阈值关系时,将第二元素所在的行确定为第二相关矩阵中的有效相关行。
在本发明实施例中,有效行相关性的阈值关系用于表征每个元素组中的按照顺序排列的元素对应的数值之间需要满足的阈值关系,其中,有效行相关性的阈值关系可以为:α<β*£,其中,α和β为元素组中排序相邻的元素,且α比β的数值高,£为预设有效行相关性阈值。优选的,£=0.75。具体的预设有效行相关性阈值的设定本发明实施例不作限制,但是£的设置不宜过小。
示例性的,第一相关矩阵对应的T组【α,β】中,其中,α为第一相关矩阵中最高的元素,β为第一相关矩阵中第二高的元素,若α<β*0.75,则终端标记该组【α,β】所在的行可以为强相关行(即有效相关行),同理,第一相关矩阵中的有效相关行的判定与第一相关矩阵的判定方式一致。
需要说明的是,本发明实施例中的元素组中的元素之间满足有效行相关性的阈值关系的目的是为了让元素组中的元素的数值的差距不会过大,以表征这个元素组所在的行是有效的,从而判定出相关矩阵中出现有的行的元素中最大的元素与第二大的元素的数值相差很大的情况,认为相关矩阵中出现有的行的元素中最大的元素与第二大的元素的数值相差很大的情况可能就是相关性不强的体现。
这里,终端在判断出每行的第一元素组所在的行是不是有效相关行之后,该终端可以对第一相关矩阵中的所有行都进行有效相关行的判定,这样终端就可以确定出第一相关矩阵中的全部有效相关行和第二相关矩阵中的全部有效相关行了。
S1042、对第一相关矩阵中的有效相关行的行数进行统计,得到第一数值,以及对第二相关矩阵中的有效相关行的行数进行统计,得到第二数值,将第一数值作为第一有效相关度结果,以及将第二数值作为第二有效相关度结果。
在本发明实施例中,终端通过每行的第一元素组中和第二元素组分别确定出第一相关矩阵中的有效相关行之后,由于终端已经可以确定出了第一相关矩阵中的全部有效相关行和第二相关矩阵中的全部有效相关行了,于是,该终端就可以统计第一相关矩阵中的有效相关行的总行数,即第一数值H,以及统计第二相关矩阵中的有效相关行的总行数,即第二数值L了。
需要说明的是,在本发明实施例中,由于有效相关行的总行数可以表征相关性的强度,有效相关行的总行数越大表征相关性越强,因此,终端统计出了第一相关矩阵中的有效相关行的第一数值H和第二相关矩阵中的有效相关行的第二数值L之后,就可以将第一数值H作为第一有效相关度结果,第二数值L作为第二有效相关度结果了。
这样,终端在后续就可以根据H和L的大小对身份图片信息进行识别了。当H大于L时,该身份图片信息与第一身份模板匹配;当H小于L时,该身份图片信息与第二身份模板匹配。
可以理解的是,本发明实施例提供了通过相关矩阵中的有效相关行的判定和统计方式,为终端进行图片识别提供了实现的依据,为终端高效成功的进行用户身份识别提供了坚实的实现基础。
实施例三
如图11所示,本发明实施例提供了一种终端1,该终端1可以包括:
采集单元10,用于采集待识别的身份图片信息;
提取单元11,用于从所述身份图片信息中提取出图片特征信息;
计算单元12,用于将所述图片特征信息、第一身份模板的特征信息和第二身份模板的特征信息分别进行相关性计算,得到第一相关度和第二相关度;以及根据预设有效相关度策略,对所述第一相关度和所述第二相关度进行有效相关度的判定,得到第一有效相关度结果和第二有效相关度结果;
获取单元13,用于从所述第一有效相关度结果和所述第二有效相关度结果中,选择出最高的有效相关度结果,将与所述最高的有效相关度结果对应的身份模板作为所述身份图片信息的身份识别结果。
可选的,所述计算单元12,具体用于将所述图片特征信息分别与所述第一身份模板的特征信息和所述第二身份模板的特征信息进行乘积运算,得到第一相关矩阵和第二相关矩阵,所述第一相关矩阵用于表征所述身份图片信息和所述第一身份模板的特征信息的第一相关度,所述第二相关矩阵用于表征所述身份图片信息和所述第二身份模板的特征信息的第二相关度。
可选的,所述计算单元12,还具体用于从所述第一相关矩阵和所述第二相关矩阵中分别确定有效相关行;及对所述第一相关矩阵中的有效相关行的行数进行统计,得到第一数值,以及对所述第二相关矩阵中的有效相关行的行数进行统计,得到第二数值,将第一数值作为所述第一有效相关度结果,以及将第二数值作为所述第二有效相关度结果。
可选的,所述获取单元13,用于分别获取所述第一相关矩阵和所述第二相关矩阵中的每行元素中元素数值最高的第一元素组和第二元素组,所述第一元素组与所述第一相关矩阵对应,所述第二元素组与所述第二相关矩阵对应;
所述计算单元12,还具体用于当所述第一元素组中的元素之间满足有效行相关性的阈值关系时,将所述第一元素组所在的行确定为所述第一相关矩阵中的有效相关行;以及当所述第二元素组中的元素之间满足有效行相关性的阈值关系时,将所述第二元素所在的行确定为所述第二相关矩阵中的有效相关行。
可选的,所述获取单元13,还用于所述将所述图片特征信息、第一身份模板的特征信息和第二身份模板的特征信息分别进行相关性计算,得到第一相关度和第二相关度之前,获取所述第一身份模板的特征信息和所述第二身份模板的特征信息。
可选的,所述获取单元13,具体用于获取第一预设样本身份图片信息和第二预设样本身份图片信息,所述第一预设样本身份图片信息是与所述第二预设样本身份图片信息不同,且来源于同一身份认证标识中;
所述计算单元12,还用于将所述第一预设样本身份图片信息和所述第二预设样本身份图片信息各自按照平均值融合,生成所述第一身份图片模板和所述第二身份图片模板;
所述提取单元11,还用于对所述第一身份图片模板和所述第二身份图片模板分别进行特征提取,得到所述第一身份模板的特征矩阵和所述第二身份模板的特征矩阵;
所述计算单元12,还用于计算所述第一身份模板的特征矩阵和所述第二身份模板的特征矩阵的转置矩阵,得到所述第一身份模板的特征转置矩阵和所述第二身份模板的特征转置矩阵;以及将所述第一身份模板的特征转置矩阵和所述第二身份模板的特征转置矩阵作为所述第一身份模板的特征信息和所述第二身份模板的特征信息。
可选的,基于图11,如图12所示,所述终端1还包括:提示单元14。
所述提示单元14,用于所述将与所述最高的有效相关度结果对应的身份模板作为所述身份图片信息的身份识别结果之后,当获取到所述第一身份模板和所述第二身份模板分别对应的身份识别结果时,提示身份识别完成。
如图13所示,本发明实施例还提供了一种终端,包括:采集器15、处理器16和用于存储能够在所述处理器16上运行的计算机程序以及所述采集器15采集的数据的存储器17;
其中,所述采集器15,用于采集待识别的身份图片信息;
所述处理器16用于运行所述计算机程序时,执行如下步骤:
从所述身份图片信息中提取出图片特征信息;
将所述图片特征信息、第一身份模板的特征信息和第二身份模板的特征信息分别进行相关性计算,得到第一相关度和第二相关度;
根据预设有效相关度策略,对所述第一相关度和所述第二相关度进行有效相关度的判定,得到第一有效相关度结果和第二有效相关度结果;
从所述第一有效相关度结果和所述第二有效相关度结果中,选择出最高的有效相关度结果,将与所述最高的有效相关度结果对应的身份模板作为所述身份图片信息的身份识别结果。
可选的,所述处理器16,具体用于运行所述计算机程序时,执行:
将所述图片特征信息分别与所述第一身份模板的特征信息和所述第二身份模板的特征信息进行乘积运算,得到第一相关矩阵和第二相关矩阵,所述第一相关矩阵用于表征所述身份图片信息和所述第一身份模板的特征信息的第一相关度,所述第二相关矩阵用于表征所述身份图片信息和所述第二身份模板的特征信息的第二相关度。
可选的,所述处理器16,还具体用于运行所述计算机程序时,执行:
从所述第一相关矩阵和所述第二相关矩阵中分别确定有效相关行;
对所述第一相关矩阵中的有效相关行的行数进行统计,得到第一数值,以及对所述第二相关矩阵中的有效相关行的行数进行统计,得到第二数值,将第一数值作为所述第一有效相关度结果,以及将第二数值作为所述第二有效相关度结果。
可选的,所述处理器16,还具体用于运行所述计算机程序时,执行:
分别获取所述第一相关矩阵和所述第二相关矩阵中的每行元素中元素数值最高的第一元素组和第二元素组,所述第一元素组与所述第一相关矩阵对应,所述第二元素组与所述第二相关矩阵对应;
当所述第一元素组中的元素之间满足有效行相关性的阈值关系时,将所述第一元素组所在的行确定为所述第一相关矩阵中的有效相关行;
当所述第二元素组中的元素之间满足有效行相关性的阈值关系时,将所述第二元素所在的行确定为所述第二相关矩阵中的有效相关行。
可选的,所述处理器16,还用于运行所述计算机程序时,执行:
所述将所述图片特征信息、第一身份模板的特征信息和第二身份模板的特征信息分别进行相关性计算,得到第一相关度和第二相关度之前,获取所述第一身份模板的特征信息和所述第二身份模板的特征信息。
可选的,所述处理器16,具体用于运行所述计算机程序时,执行:
获取第一预设样本身份图片信息和第二预设样本身份图片信息,所述第一预设样本身份图片信息是与所述第二预设样本身份图片信息不同,且来源于同一身份认证标识中;
将所述第一预设样本身份图片信息和所述第二预设样本身份图片信息各自按照平均值融合,生成所述第一身份图片模板和所述第二身份图片模板;
对所述第一身份图片模板和所述第二身份图片模板分别进行特征提取,得到所述第一身份模板的特征矩阵和所述第二身份模板的特征矩阵;
计算所述第一身份模板的特征矩阵和所述第二身份模板的特征矩阵的转置矩阵,得到所述第一身份模板的特征转置矩阵和所述第二身份模板的特征转置矩阵;
将所述第一身份模板的特征转置矩阵和所述第二身份模板的特征转置矩阵作为所述第一身份模板的特征信息和所述第二身份模板的特征信息。
可选的,所述处理器16,还用于运行所述计算机程序时,执行:
所述将与所述最高的有效相关度结果对应的身份模板作为所述身份图片信息的身份识别结果之后,当获取到所述第一身份模板和所述第二身份模板分别对应的身份识别结果时,提示身份识别完成。
本发明实施例中的采集器15可以为摄像头。
在实际应用中,上述的存储器17可以是易失性存储器(volatile memory),例如随机存取存储器(RAM,Random-Access Memory);或者非易失性存储器(non-volatilememory),例如只读存储器(ROM,Read-Only Memory),快闪存储器(flash memory),硬盘(HDD,Hard Disk Drive)或固态硬盘(SSD,Solid-State Drive);或者上述种类的存储器的组合,并向处理器提供指令和数据。
上述处理器16可以为特定用途集成电路(ASIC,Application SpecificIntegrated Circuit)、数字信号处理器(DSP,Digital Signal Processor)、数字信号处理装置(DSPD,Digital Signal Processing Device)、可编程逻辑装置(PLD,ProgrammableLogic Device)、现场可编程门阵列(FPGA,Field Programmable Gate Array)、中央处理器(CPU,Central Processing Unit)、控制器、微控制器、微处理器中的至少一种。可以理解地,对于不同的设备,用于实现上述处理器功能的电子器件还可以为其它,本发明实施例不作具体限定。
本发明实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现实施例一至实施例二中所述的方法。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述,仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。
Claims (15)
1.一种图片信息识别方法,其特征在于,包括:
采集待识别的身份图片信息;
从所述身份图片信息中提取出图片特征信息;
将所述图片特征信息、第一身份模板的特征信息和第二身份模板的特征信息分别进行相关性计算,得到第一相关度和第二相关度;
根据预设有效相关度策略,对所述第一相关度和所述第二相关度进行有效相关度的判定,得到第一有效相关度结果和第二有效相关度结果;
从所述第一有效相关度结果和所述第二有效相关度结果中,选择出最高的有效相关度结果,将与所述最高的有效相关度结果对应的身份模板作为所述身份图片信息的身份识别结果。
2.根据权利要求1所述的方法,其特征在于,所述将所述图片特征信息、第一身份模板的特征信息和第二身份模板的特征信息分别进行相关性计算,得到第一相关度和第二相关度,包括:
将所述图片特征信息分别与所述第一身份模板的特征信息和所述第二身份模板的特征信息进行乘积运算,得到第一相关矩阵和第二相关矩阵,所述第一相关矩阵用于表征所述身份图片信息和所述第一身份模板的特征信息的第一相关度,所述第二相关矩阵用于表征所述身份图片信息和所述第二身份模板的特征信息的第二相关度。
3.根据权利要求2所述的方法,其特征在于,所述根据预设有效相关度策略,对所述第一相关度和所述第二相关度进行有效相关度的判定,得到第一有效相关度结果和第二有效相关度结果,包括:
从所述第一相关矩阵和所述第二相关矩阵中分别确定出有效相关行;
对所述第一相关矩阵中的有效相关行的行数进行统计,得到第一数值,以及对所述第二相关矩阵中的有效相关行的行数进行统计,得到第二数值;
将第一数值作为所述第一有效相关度结果,以及将第二数值作为所述第二有效相关度结果。
4.根据权利要求3所述的方法,其特征在于,所述从所述第一相关矩阵和所述第二相关矩阵中分别确定出有效相关行,包括:
分别获取所述第一相关矩阵和所述第二相关矩阵中的每行元素中元素数值最高的第一元素组和第二元素组,所述第一元素组与所述第一相关矩阵对应,所述第二元素组与所述第二相关矩阵对应;
当所述第一元素组中的元素之间满足有效行相关性的阈值关系时,将所述第一元素组所在的行确定为所述第一相关矩阵中的有效相关行;
当所述第二元素组中的元素之间满足有效行相关性的阈值关系时,将所述第二元素所在的行确定为所述第二相关矩阵中的有效相关行。
5.根据权利要求1所述的方法,其特征在于,所述将所述图片特征信息、第一身份模板的特征信息和第二身份模板的特征信息分别进行相关性计算,得到第一相关度和第二相关度之前,所述方法还包括:
获取所述第一身份模板的特征信息和所述第二身份模板的特征信息。
6.根据权利要求5所述的方法,其特征在于,所述获取所述第一身份模板的特征信息和所述第二身份模板的特征信息,包括:
获取第一预设样本身份图片信息和第二预设样本身份图片信息,所述第一预设样本身份图片信息是与所述第二预设样本身份图片信息不同,且来源于同一身份认证标识中;
将所述第一预设样本身份图片信息和所述第二预设样本身份图片信息各自按照平均值融合,生成所述第一身份图片模板和所述第二身份图片模板;
对所述第一身份图片模板和所述第二身份图片模板分别进行特征提取,得到所述第一身份模板的特征矩阵和所述第二身份模板的特征矩阵;
计算所述第一身份模板的特征矩阵和所述第二身份模板的特征矩阵的转置矩阵,得到所述第一身份模板的特征转置矩阵和所述第二身份模板的特征转置矩阵;
将所述第一身份模板的特征转置矩阵和所述第二身份模板的特征转置矩阵作为所述第一身份模板的特征信息和所述第二身份模板的特征信息。
7.根据权利要求1所述的方法,其特征在于,所述将与所述最高的有效相关度结果对应的身份模板作为所述身份图片信息的身份识别结果之后,所述方法还包括:
当获取到所述第一身份模板和所述第二身份模板分别对应的身份识别结果时,提示身份识别完成。
8.一种终端,其特征在于,包括:
采集单元,用于采集待识别的身份图片信息;
提取单元,用于从所述身份图片信息中提取出图片特征信息;
计算单元,用于将所述图片特征信息、第一身份模板的特征信息和第二身份模板的特征信息分别进行相关性计算,得到第一相关度和第二相关度;以及根据预设有效相关度策略,对所述第一相关度和所述第二相关度进行有效相关度的判定,得到第一有效相关度结果和第二有效相关度结果;
获取单元,用于从所述第一有效相关度结果和所述第二有效相关度结果中,选择出最高的有效相关度结果,将与所述最高的有效相关度结果对应的身份模板作为所述身份图片信息的身份识别结果。
9.根据权利要求8所述的终端,其特征在于,
所述计算单元,具体用于将所述图片特征信息分别与所述第一身份模板的特征信息和所述第二身份模板的特征信息进行乘积运算,得到第一相关矩阵和第二相关矩阵,所述第一相关矩阵用于表征所述身份图片信息和所述第一身份模板的特征信息的第一相关度,所述第二相关矩阵用于表征所述身份图片信息和所述第二身份模板的特征信息的第二相关度。
10.根据权利要求9所述的终端,其特征在于,
所述计算单元,还具体用于从所述第一相关矩阵和所述第二相关矩阵中分别确定出有效相关行;及对所述第一相关矩阵中的有效相关行的行数进行统计,得到第一数值,以及对所述第二相关矩阵中的有效相关行的行数进行统计,得到第二数值,将第一数值作为所述第一有效相关度结果,以及将第二数值作为所述第二有效相关度结果。
11.根据权利要求10所述的终端,其特征在于,
所述获取单元,用于分别获取所述第一相关矩阵和所述第二相关矩阵中的每行元素中元素数值最高的第一元素组和第二元素组,所述第一元素组与所述第一相关矩阵对应,所述第二元素组与所述第二相关矩阵对应;
所述计算单元,还具体用于当所述第一元素组中的元素之间满足有效行相关性的阈值关系时,将所述第一元素组所在的行确定为所述第一相关矩阵中的有效相关行;以及当所述第二元素组中的元素之间满足有效行相关性的阈值关系时,将所述第二元素所在的行确定为所述第二相关矩阵中的有效相关行。
12.根据权利要求8所述的终端,其特征在于,
所述获取单元,还用于所述将所述图片特征信息、第一身份模板的特征信息和第二身份模板的特征信息分别进行相关性计算,得到第一相关度和第二相关度之前,获取所述第一身份模板的特征信息和所述第二身份模板的特征信息。
13.根据权利要求12所述的终端,其特征在于,
所述获取单元,具体用于获取第一预设样本身份图片信息和第二预设样本身份图片信息,所述第一预设样本身份图片信息是与所述第二预设样本身份图片信息不同,且来源于同一身份认证标识中;
所述计算单元,还用于将所述第一预设样本身份图片信息和所述第二预设样本身份图片信息各自按照平均值融合,生成所述第一身份图片模板和所述第二身份图片模板;
所述提取单元,还用于对所述第一身份图片模板和所述第二身份图片模板分别进行特征提取,得到所述第一身份模板的特征矩阵和所述第二身份模板的特征矩阵;
所述计算单元,还用于计算所述第一身份模板的特征矩阵和所述第二身份模板的特征矩阵的转置矩阵,得到所述第一身份模板的特征转置矩阵和所述第二身份模板的特征转置矩阵;以及将所述第一身份模板的特征转置矩阵和所述第二身份模板的特征转置矩阵作为所述第一身份模板的特征信息和所述第二身份模板的特征信息。
14.根据权利要求8所述的终端,其特征在于,所述终端还包括:提示单元;
所述提示单元,用于所述将与所述最高的有效相关度结果对应的身份模板作为所述身份图片信息的身份识别结果之后,当获取到所述第一身份模板和所述第二身份模板分别对应的身份识别结果时,提示身份识别完成。
15.一种终端,其特征在于,包括:采集器、处理器和用于存储能够在所述处理器上运行的计算机程序以及所述采集器采集的数据的存储器,
其中,所述采集器,用于采集待识别的身份图片信息;所述处理器用于运行所述计算机程序时,执行权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710331435.8A CN108304838B (zh) | 2017-05-11 | 2017-05-11 | 一种图片信息识别方法及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710331435.8A CN108304838B (zh) | 2017-05-11 | 2017-05-11 | 一种图片信息识别方法及终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108304838A true CN108304838A (zh) | 2018-07-20 |
CN108304838B CN108304838B (zh) | 2020-01-10 |
Family
ID=62872214
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710331435.8A Active CN108304838B (zh) | 2017-05-11 | 2017-05-11 | 一种图片信息识别方法及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108304838B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109919060A (zh) * | 2019-02-26 | 2019-06-21 | 上海七牛信息技术有限公司 | 一种基于特征匹配的身份证内容识别系统及方法 |
CN116189181A (zh) * | 2022-11-11 | 2023-05-30 | 杭州海量信息技术有限公司 | 一种身份证ocr的图像规范化方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102073842A (zh) * | 2009-11-25 | 2011-05-25 | 天津三星光电子有限公司 | 一种通过分类匹配的人脸识别方法 |
CN104050745A (zh) * | 2013-03-13 | 2014-09-17 | 苏州日宝科技有限责任公司 | 一种基于图像识别的高速硬币清分技术 |
CN106022317A (zh) * | 2016-06-27 | 2016-10-12 | 北京小米移动软件有限公司 | 人脸识别方法及装置 |
-
2017
- 2017-05-11 CN CN201710331435.8A patent/CN108304838B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102073842A (zh) * | 2009-11-25 | 2011-05-25 | 天津三星光电子有限公司 | 一种通过分类匹配的人脸识别方法 |
CN104050745A (zh) * | 2013-03-13 | 2014-09-17 | 苏州日宝科技有限责任公司 | 一种基于图像识别的高速硬币清分技术 |
CN106022317A (zh) * | 2016-06-27 | 2016-10-12 | 北京小米移动软件有限公司 | 人脸识别方法及装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109919060A (zh) * | 2019-02-26 | 2019-06-21 | 上海七牛信息技术有限公司 | 一种基于特征匹配的身份证内容识别系统及方法 |
CN116189181A (zh) * | 2022-11-11 | 2023-05-30 | 杭州海量信息技术有限公司 | 一种身份证ocr的图像规范化方法及系统 |
CN116189181B (zh) * | 2022-11-11 | 2024-01-23 | 杭州海量信息技术有限公司 | 一种身份证ocr的图像规范化方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108304838B (zh) | 2020-01-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110569878B (zh) | 一种基于卷积神经网络的照片背景相似度聚类方法及计算机 | |
Zhang et al. | Learning to detect features in texture images | |
You et al. | Relative CNN-RNN: Learning relative atmospheric visibility from images | |
Zamir et al. | Accurate image localization based on google maps street view | |
CN110675487B (zh) | 基于多角度二维人脸的三维人脸建模、识别方法及装置 | |
CN106716450A (zh) | 利用边缘向量的基于图像的特征检测 | |
US10866984B2 (en) | Sketch-based image searching system using cell-orientation histograms and outline extraction based on medium-level features | |
CN103578093B (zh) | 图像配准方法、装置及增强现实系统 | |
CN103927387A (zh) | 图像检索系统及其相关方法和装置 | |
CN107392215A (zh) | 一种基于sift算法的重图检测方法 | |
Tafti et al. | A comparative study on the application of SIFT, SURF, BRIEF and ORB for 3D surface reconstruction of electron microscopy images | |
CN109711416A (zh) | 目标识别方法、装置、计算机设备和存储介质 | |
CN113392856B (zh) | 图像伪造检测装置和方法 | |
CN112749606A (zh) | 一种文本定位方法和装置 | |
Salti et al. | On the affinity between 3D detectors and descriptors | |
CN109740417A (zh) | 发票类型识别方法、装置、存储介质和计算机设备 | |
Temel et al. | Object recognition under multifarious conditions: A reliability analysis and a feature similarity-based performance estimation | |
CN103336964B (zh) | 一种基于模值差镜像不变性的sift图像匹配方法 | |
Xu et al. | Multi‐pyramid image spatial structure based on coarse‐to‐fine pyramid and scale space | |
CN108304838A (zh) | 一种图片信息识别方法及终端 | |
Khayeat et al. | Improved DSIFT descriptor based copy-rotate-move forgery detection | |
CN110660091A (zh) | 一种图像配准处理方法、装置和拍照批改作业系统 | |
CN111178398A (zh) | 检测身份证图像信息篡改的方法、系统、存储介质及装置 | |
Khuspe et al. | Robust image forgery localization and recognition in copy-move using bag of features and SVM | |
CN110969657A (zh) | 一种枪球坐标关联方法、装置、电子设备及存储介质 |
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 |