CN108764419A - 一种识别具随机纹理的防伪标签的方法 - Google Patents
一种识别具随机纹理的防伪标签的方法 Download PDFInfo
- Publication number
- CN108764419A CN108764419A CN201810291197.7A CN201810291197A CN108764419A CN 108764419 A CN108764419 A CN 108764419A CN 201810291197 A CN201810291197 A CN 201810291197A CN 108764419 A CN108764419 A CN 108764419A
- Authority
- CN
- China
- Prior art keywords
- antifalsification label
- gray
- scale map
- random grain
- label
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K19/00—Record carriers for use with machines and with at least a part designed to carry digital markings
- G06K19/06—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code
- G06K19/06009—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code with optically detectable marking
- G06K19/06037—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code with optically detectable marking multi-dimensional coding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
- G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
- G06K7/1404—Methods for optical code recognition
- G06K7/1408—Methods for optical code recognition the method being specifically adapted for the type of code
- G06K7/1417—2D bar codes
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Electromagnetism (AREA)
- General Health & Medical Sciences (AREA)
- Toxicology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种识别具随机纹理的防伪标签的方法,该方法基于OpenCV图形图像处理库原始图像进行灰度化处理后得灰度图,使用Canny算法基于防伪标签四个顶点的定位点规划出正方形区域,并基于Canny算法获取灰度图的边缘及层级关系,对灰度图的边缘执行腐蚀运算与二值化处理,遍历计算每个子区域中的纯白像素点的个数,并将子区域中纯白像素点的个数占比大于设定阈值T的子区域编码为1,否则编码为0,以得到长度为100个字节的特征参数利用计算机图形学原理和算法来快速识别基于随机纹理的防伪标签。本发明所揭示的识别方法能够对具随机纹理的防伪标签进行快速识别,并显著地降低了计算装置的计算开销。
Description
技术领域
本发明涉及防伪标签识别技术领域,尤其涉及一种识别具随机纹理的防伪标签的方法。
背景技术
现有的商品防伪标签识别方法主要有以下两种:第一种:人工观察识别防伪标签。此种方法单纯依靠人工来识别,主观性较大,只能根据主要外观特征和经验来识别。第二种:RFID识别标签防伪。此类方法需要将RFID芯片植入到防伪标签中,并且需要RFID接收器读取防伪标签中的RFID芯片中所包含的防伪信息。此类防伪识别技术存在着制造商品防伪标签的成本较高、识别成本高,对防伪标签进行识别繁琐等缺点。
发明内容
本发明的目的在于揭示一种识别具随机纹理的防伪标签的方法,以实现对具随机纹理的防伪标签的高效识别,并降低计算装置的计算开销。
为实现上述目的,本发明提供了一种识别具随机纹理的防伪标签的方法,所述防伪标签的四个顶点具定位点,包括以下步骤:
S1、使用图像采集设备获取具随机纹理的防伪标签的原始图像;
S2、基于OpenCV图形图像处理库对步骤S1中得到的原始图像进行灰度化处理后得灰度图,使用Canny算法基于防伪标签四个顶点的定位点规划出正方形区域,并基于Canny算法获取灰度图的边缘及层级关系;
S3、对灰度图的边缘执行腐蚀运算与二值化处理,以将灰度图的边缘区域的像素点变换成纯白像素点;
S4、将经过二值化处理得到的二值化图像按照纵向和横向十等份的划分,以分割形成多个子区域;
S5、遍历计算每个子区域中的纯白像素点的个数,并将子区域中纯白像素点的个数占比大于设定阈值T的子区域编码为1,否则编码为0,以得到长度为100个字节的特征参数;
S6、将特征参数载入数据库;
S7、将待识别的具随机纹理的防伪标签顺序执行步骤S1~步骤S6;
若获得的特征参数中的编码命中率超过或者等于设定的阈值F,则认定为同一防伪标签;若否,则不认定为同一防伪标签。
作为本发明的进一步改进,所述图像采集设备包括:照相机或者摄像机。
作为本发明的进一步改进,所述步骤S2中,在执行基于Canny算法获取灰度图的边缘及层级关系的处理后还包括:使用OpenCV图形图像处理库对灰度图执行透视变换。
作为本发明的进一步改进,所述阈值T为15%。
作为本发明的进一步改进,所述阈值F为96%。
作为本发明的进一步改进,所述数据库为关系型数据库。
与现有技术相比,本发明的有益效果是:本发明所揭示的识别方法能够对具随机纹理的防伪标签进行快速识别,并显著地降低了计算装置的计算开销。
附图说明
图1为本发明一种识别具随机纹理的防伪标签的方法中载入数据库中的防伪标签的示意图。
具体实施方式
下面结合附图所示的各实施方式对本发明进行详细说明,但应当说明的是,这些实施方式并非对本发明的限制,本领域普通技术人员根据这些实施方式所作的功能、方法、或者结构上的等效变换或替代,均属于本发明的保护范围之内。
一种识别具随机纹理的防伪标签的方法,所述防伪标签的四个顶点具定位点,包括以下步骤。
首先,执行步骤S1、使用图像采集设备获取具随机纹理的防伪标签的原始图像。具体的,所述图像采集设备包括:照相机或者摄像机,并优选为照相机。照相机的类型不局限于传统的数码相机,也包括智能手机自带的相机。
然后,执行步骤S2、基于OpenCV图形图像处理库对步骤S1中得到的原始图像进行灰度化处理后得灰度图,使用Canny算法基于防伪标签四个顶点的定位点规划出正方形区域,并基于Canny算法获取灰度图的边缘及层级关系。参图1所示,根据层级关系确定4个定位框的具体位置。图1中的左上角处设有第一定位框10,左下角处设有第二定位框20,右上角处设有第三定位框30,右下角处设有第四定位框40。四个定位框的几何中心称为四个定位点。
优选的,在本实施方式中,所述步骤S2中,在执行基于Canny算法获取灰度图的边缘及层级关系的处理后还包括:使用OpenCV图形图像处理库对灰度图执行透视变换。从而通过透视变换,保证4个定位点作为顶点的矩形是一个正方形,并且保证正方形的四条边要么水平要么垂直。
然后,执行步骤S3、对灰度图的边缘执行腐蚀运算与二值化处理,以将灰度图的边缘区域50的像素点变换成纯白像素点。使边缘区域50内的偏白色像素都变成纯白色像素,也就是图像的RGB值都是255。
然后,执行步骤S4、将经过二值化处理得到的二值化图像按照纵向和横向十等份的划分,以分割形成多个子区域。具体的,在本实施方式中,该子区域的数量为100个,且按照10*10的方式阵列分布。
然后,执行步骤S5、遍历计算每个子区域中的纯白像素点的个数,并将子区域中纯白像素点的个数占比大于设定阈值T的子区域编码为1,否则编码为0,以得到长度为100个字节的特征参数。其中,阈值T为15%。具体的,计算每个矩形区域的纯白色像素的个数。每个矩形(每个矩形都是正方形)的面积也就是矩形长度像素数的平方。
如果每个矩形区域内的白色像素个数和每个矩形面积的比值大于15%,则标识第一个矩形的编码为1,否则为0。这样按照第1到第100个矩形的编码,可以得到一串长度为100个字符只含有1或0的字符串。
然后,执行步骤S6、将特征参数载入数据库。数据库为关系型数据库,并具体包括Oracle数据库、DB2数据库或者MySQL数据库,并最优选为MySQL数据库。
最后,执行步骤S7、将待识别的具随机纹理的防伪标签顺序执行步骤S1~步骤S6;若获得的特征参数中的编码命中率超过或者等于设定的阈值F,则认定为同一防伪标签;若否,则不认定为同一防伪标签。其中,阈值F为96%。对比时,比较每一个位置的编码,记录下数值相同的数量,编码对比相同的数量超过96个表示是同一个标签,这样即可完成防伪标签的识别。将此特征参数与数据库已经存在的特征参数进行对比。如果可以匹配到,则显示此特征参数信息;如果没有匹配,则将新的特征参数写入到数据库。以最终完成对待识别的具随机纹理的防伪标签的快速识别。
在本实施方式中,由于防伪标签的纹理是随机生成的,并且具有唯一性,所以可以用来作为防伪措施。本发明可以快速识别已经将特征参数写入数据库的具随机纹理的防伪标签,识别一个新具随机纹理的防伪标签耗时约1~2秒。
上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施方式的具体说明,它们并非用以限制本发明的保护范围,凡未脱离本发明技艺精神所作的等效实施方式或变更均应包含在本发明的保护范围之内。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
Claims (6)
1.一种识别具随机纹理的防伪标签的方法,所述防伪标签的四个顶点具定位点,其特征在于,包括以下步骤:
S1、使用图像采集设备获取具随机纹理的防伪标签的原始图像;
S2、基于OpenCV图形图像处理库对步骤S1中得到的原始图像进行灰度化处理后得灰度图,使用Canny算法基于防伪标签四个顶点的定位点规划出正方形区域,并基于Canny算法获取灰度图的边缘及层级关系;
S3、对灰度图的边缘执行腐蚀运算与二值化处理,以将灰度图的边缘区域的像素点变换成纯白像素点;
S4、将经过二值化处理得到的二值化图像按照纵向和横向十等份的划分,以分割形成多个子区域;
S5、遍历计算每个子区域中的纯白像素点的个数,并将子区域中纯白像素点的个数占比大于设定阈值T的子区域编码为1,否则编码为0,以得到长度为100个字节的特征参数;
S6、将特征参数载入数据库;
S7、将待识别的具随机纹理的防伪标签顺序执行步骤S1~步骤S6;
若获得的特征参数中的编码命中率超过或者等于设定的阈值F,则认定为同一防伪标签;若否,则不认定为同一防伪标签。
2.根据权利要求1所述的方法,其特征在于,所述图像采集设备包括:照相机或者摄像机。
3.根据权利要求1所述的方法,其特征在于,所述步骤S2中,在执行基于Canny算法获取灰度图的边缘及层级关系的处理后还包括:使用OpenCV图形图像处理库对灰度图执行透视变换。
4.根据权利要求1所述的方法,其特征在于,所述阈值T为15%。
5.根据权利要求1所述的方法,其特征在于,所述阈值F为96%。
6.根据权利要求1所述的方法,其特征在于,所述数据库为关系型数据库。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810291197.7A CN108764419A (zh) | 2018-04-03 | 2018-04-03 | 一种识别具随机纹理的防伪标签的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810291197.7A CN108764419A (zh) | 2018-04-03 | 2018-04-03 | 一种识别具随机纹理的防伪标签的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108764419A true CN108764419A (zh) | 2018-11-06 |
Family
ID=63981104
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810291197.7A Pending CN108764419A (zh) | 2018-04-03 | 2018-04-03 | 一种识别具随机纹理的防伪标签的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108764419A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111160331A (zh) * | 2020-01-13 | 2020-05-15 | 杭州沃朴物联科技有限公司 | 防伪标签验伪方法、设备、介质及模板图生成方法 |
CN112001405A (zh) * | 2020-08-26 | 2020-11-27 | 顶十(深圳)商城网络防伪技术有限公司 | 一种图形边缘吻合识别、比对方法、系统及存储介质 |
CN114507401A (zh) * | 2022-03-17 | 2022-05-17 | 河北师范大学 | 一种具有装饰功能的物理不可克隆防伪材料与其制备方法及微观裂纹的验证方法 |
CN116664254A (zh) * | 2023-07-31 | 2023-08-29 | 山东远盾网络技术股份有限公司 | 基于汽车零配件防伪的安全交易管理系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102819724A (zh) * | 2012-08-02 | 2012-12-12 | 广东正迪科技股份有限公司 | 基于智能手机的二维码标签防伪识别系统及方法 |
CN103745247A (zh) * | 2014-01-21 | 2014-04-23 | 陈中英 | 一种标识及防伪鉴别的方法 |
CN104536999A (zh) * | 2014-09-15 | 2015-04-22 | 湖南千码防伪科技有限公司 | 基于图像处理的随机纤维码防伪数据库构建方法 |
-
2018
- 2018-04-03 CN CN201810291197.7A patent/CN108764419A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102819724A (zh) * | 2012-08-02 | 2012-12-12 | 广东正迪科技股份有限公司 | 基于智能手机的二维码标签防伪识别系统及方法 |
CN103745247A (zh) * | 2014-01-21 | 2014-04-23 | 陈中英 | 一种标识及防伪鉴别的方法 |
CN104536999A (zh) * | 2014-09-15 | 2015-04-22 | 湖南千码防伪科技有限公司 | 基于图像处理的随机纤维码防伪数据库构建方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111160331A (zh) * | 2020-01-13 | 2020-05-15 | 杭州沃朴物联科技有限公司 | 防伪标签验伪方法、设备、介质及模板图生成方法 |
CN112001405A (zh) * | 2020-08-26 | 2020-11-27 | 顶十(深圳)商城网络防伪技术有限公司 | 一种图形边缘吻合识别、比对方法、系统及存储介质 |
CN114507401A (zh) * | 2022-03-17 | 2022-05-17 | 河北师范大学 | 一种具有装饰功能的物理不可克隆防伪材料与其制备方法及微观裂纹的验证方法 |
CN114507401B (zh) * | 2022-03-17 | 2023-08-29 | 河北师范大学 | 一种具有装饰功能的物理不可克隆防伪材料与其制备方法及微观裂纹的验证方法 |
CN116664254A (zh) * | 2023-07-31 | 2023-08-29 | 山东远盾网络技术股份有限公司 | 基于汽车零配件防伪的安全交易管理系统 |
CN116664254B (zh) * | 2023-07-31 | 2023-10-13 | 山东远盾网络技术股份有限公司 | 基于汽车零配件防伪的安全交易管理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108764419A (zh) | 一种识别具随机纹理的防伪标签的方法 | |
CN104021207B (zh) | 一种基于图像的食物信息提供方法 | |
US10755153B2 (en) | Method of generating 3-dimensional code based on gaussian modulating function | |
CN103279952B (zh) | 一种目标跟踪方法和装置 | |
CN109800698A (zh) | 基于深度网络的图标检测方法 | |
CN104598933A (zh) | 一种基于多特征融合的图像翻拍检测方法 | |
CN108197644A (zh) | 一种图像识别方法和装置 | |
CN109740572A (zh) | 一种基于局部彩色纹理特征的人脸活体检测方法 | |
CN106874818B (zh) | 一种数字对象唯一标识符doi识别方法与装置 | |
JP2021524976A (ja) | カラーバーコード及びその色補正方法 | |
CN110544300B (zh) | 一种基于二维手绘图像特征自动生成三维模型的方法 | |
CN105354558A (zh) | 人脸图像匹配方法 | |
CN108829711A (zh) | 一种基于多特征融合的图像检索方法 | |
CN101923721B (zh) | 无光照人脸图像重建方法和系统 | |
CN105069754A (zh) | 基于在图像上无标记增强现实的系统和方法 | |
CN108710837A (zh) | 吸烟行为识别方法、装置、计算机设备和存储介质 | |
CN114723636A (zh) | 基于多特征融合的模型生成方法、装置、设备及存储介质 | |
US20090297055A1 (en) | Supervised edge detection using fractal signatures | |
CN112950485A (zh) | 色卡及图像色差处理方法、装置、电子设备和存储介质 | |
CN115759148A (zh) | 图像处理方法、装置、计算机设备及计算机可读存储介质 | |
CN110619060B (zh) | 一种条烟图像数据库构建方法及条烟防伪查询方法 | |
CN109448010B (zh) | 一种基于内容特征的四方连续纹样自动生成方法 | |
CN107808382A (zh) | 一种基于色彩饱和度信息的pcb条码分割方法 | |
CN105184252B (zh) | 一种基于高空间分辨率图像的水华识别方法及装置 | |
JP2014099027A (ja) | 画像特徴量算出装置、学習装置、識別装置、およびそのプログラム |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181106 |