CN109101868A - 随机纹理防伪标识图案判定方法 - Google Patents

随机纹理防伪标识图案判定方法 Download PDF

Info

Publication number
CN109101868A
CN109101868A CN201810598306.XA CN201810598306A CN109101868A CN 109101868 A CN109101868 A CN 109101868A CN 201810598306 A CN201810598306 A CN 201810598306A CN 109101868 A CN109101868 A CN 109101868A
Authority
CN
China
Prior art keywords
pattern data
identification person
variety
contrast
way
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
Application number
CN201810598306.XA
Other languages
English (en)
Inventor
孙显林
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.)
BEIJING KESIYUAN TECHNOLOGY Co Ltd
Original Assignee
BEIJING KESIYUAN TECHNOLOGY 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 BEIJING KESIYUAN TECHNOLOGY Co Ltd filed Critical BEIJING KESIYUAN TECHNOLOGY Co Ltd
Publication of CN109101868A publication Critical patent/CN109101868A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/80Recognising image objects characterised by unique random patterns

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种随机纹理防伪标识图案判定方法,包括:存储基准图案数据于数据库中;获取识别者图案数据;通过多种对比方式比较所述识别者图案数据与基准图案数据,得出多个相似度,取其中的最大相似度,本发明的技术方案通过多种对比方式比较识别者图案数据与基准图案数据,取最大相似度,提高防伪辨识的准确性和安全性。

Description

随机纹理防伪标识图案判定方法
技术领域
本发明涉及防伪标识判定方法,特别涉及一种随机纹理防伪标识图案判定方法。
背景技术
随着防伪技术的发展,防伪标识已广泛应用于产品防伪领域。防伪标识的种类也在不断的升级变化,以满足更高的防伪要求。
随机纹理防伪标识即在编码周围布置随机纹理图案,从而形成整体的随机纹理防伪标识,在辨别防伪图案的真伪时,随机纹理图案参与其中,识别者将所获取的防伪标识图案与基准标识图案配组并作比对,其比较结果(相似度)将作为标识真伪判定的重要依据,从而显著的提高防伪的准确性及安全性。
识别者获取标识图案的方式多种多样,目前较常见、较便捷的方式为识别者直接通过手机或其他移动终端对所接触到的防伪标识进行拍摄或扫描。识别者获取标识图案的过程中或多或少都会存在各种干扰,特别是对包含随机纹理的防伪标识图案,直接通过手机或移动终端拍摄扫描的方式,其易受到手机型号、抖动、聚焦、光线明暗、光色、污染、光照角度、拍摄角度等等多种干扰。将识别者图案数据与基准图案数据做比较获得相似度时,由于存在噪声干扰,可能会严重影响比较结果,单一比较方式的比较结果存在误差的几率较高,这将会影响相似度的准确取得,进而影响到最终的真伪判定结果。
鉴于上述情况,本设计人借其多年相关领域的技术经验以及丰富的专业知识,不断研发改进,并经大量的实践验证,提出了本发明的随机纹理防伪标识图案判定方法的技术方案。
发明内容
本发明的目的在于提供一种随机纹理防伪标识图案判定方法,通过多种对比方式比较识别者图案数据与基准图案数据,取最大相似度,提高防伪辨识的准确性和安全性。
本发明的另一目的在于提供一种随机纹理防伪标识图案判定方法,通过对图案数据进行预处理,并且用多种对比方式比较识别者图案数据与基准图案数据,取最大相似度,提高防伪辨识的准确性和安全性
为了实现上述目的,本发明提供了一种随机纹理防伪标识图案判定方法,包括:S1,存储基准图案数据于数据库中;S2,获取识别者图案数据;S4,通过多种对比方式比较所述识别者图案数据与基准图案数据,得出多个相似度,取其中的最大相似度。
优选的,上述的随机纹理防伪标识图案判定方法,其中,在所述步骤S4之前,所述步骤S1、S2之后还包括:S3,数据预处理步骤,对图案数据进行数据预处理;所述步骤S4中通过多种对比方式比较所述数据预处理步骤后的图案数据,得出多个相似度,取其中的最大相似度。
优选的,上述的随机纹理防伪标识图案判定方法,其中,所述步骤S3中对所述识别者图案数据进行预处理;步骤S4中通过多种对比方式比较预处理后的识别者图案数据与基准图案数据,得出多个相似度,取其中的最大相似度。
优选的,上述的随机纹理防伪标识图案判定方法,其中,步骤S3对所述识别者图案数据进行多种预处理,得到多个预处理后的识别者图案数据A1至An;步骤S4中通过多种对比方式将所述多个预处理后的识别者图案数据A1至An分别与基准图案数据比较,对应得到多个相似度值,取其中的最大相似度值。
优选的,上述的随机纹理防伪标识图案判定方法,其中,步骤S3中对所述基准图案数据进行预处理;步骤S4中通过多种对比方式比较预处理后的基准图案数据与识别者图案数据,得出多个相似度,取其中的最大相似度。
优选的,上述的随机纹理防伪标识图案判定方法,其中,步骤S3中对所述基准图案数据进行多种预处理,得到多个预处理后的基准图案数据B1至Bm;步骤S4中通过多种对比方式将所述多个预处理后的基准图案数据B1至Bm分别与识别者图案数据比较,对应得到多个相似度值,取其中的最大相似度值。
优选的,上述的随机纹理防伪标识图案判定方法,其中,步骤S3中对所述识别者图案数据和基准图案数据都进行预处理;步骤S4中通过多种对比方式比较预处理后的识别者图案数据与预处理后基准图案数据,得出多个相似度,取其中的最大相似度。
优选的,上述的随机纹理防伪标识图案判定方法,其中,步骤S3中对所述识别者图案数据进行多种预处理,得到多个预处理后的识别者图案数据A1至An,对所述基准图案数据进行多种预处理,得到多个预处理后的基准图案数据B1至Bm;步骤S4中通过多种对比方式将所述多个预处理后的识别者图案数据A1至An逐一分别与所述多个预处理后的基准图案数据B1至Bm进行比较,对应得到多个相似度值,取其中的最大相似度值。
优选的,上述的随机纹理防伪标识图案判定方法,其中,所述多种对比方式包括角点角点包特征点对比方式、位置特征点对比方式。
优选的,上述的随机纹理防伪标识图案判定方法,其中,所述预处理为图像二值化处理、图像像素值增强弱化处理、图像压缩处理或图像还原处理。
优选的,上述的随机纹理防伪标识图案判定方法,其中,步骤S2中获取识别者图案数据为识别者通过手机或其他移动终端拍摄或扫描获得。
为了实现上述目的,本发明还提供了一种随机纹理防伪标识图案判定方法,包括:步骤一,采集基准图案数据,并对其进行预处理;步骤二,存储预处理后的基准图案数据于数据库中;步骤三,获取识别者图案数据;步骤四,通过多种对比方式比较所述识别者图案数据与预处理后的基准图案数据,得出多个相似度,取最大相似度;或者预处理所述识别者图案数据,通过多种对比方式将所述预处理后的识别者图案数据与预处理后的基准图案数据进行比较,得出多个相似度,取最大相似度。
由上述可知,本发明的随机纹理防伪标识图案判定方法具有下列优点及特点:
1、本发明的随机纹理防伪标识图案判定方法通过多种对比方式比较识别者图案数据与基准图案数据,对应得到多个相似度值,取其中的最大相似度来进行图案相符程度的判定,特别是对于真标来说,获取越大的相似度值将越有利于真标的判定和筛选,而对于假标来说,通过多种对比方式也基本不能提高其与基准图案的相似度,所以本发明可有效拉大真标、假标与基准图案对比的相似度的差距,显著降低了真标由于对比方式不合适造成相似度低而被误判成假标的可能性。能够提高图案相符判定的准确性,进而提高整体防伪标识的辨识可靠性。
2、本发明的随机纹理防伪标识图案判定方法还可通过对图案数据进行预处理,降低各种干扰对图案对比相似度的影响,进而提高图案相符判定的准确性,特别是对于真标来说,降低干扰将显著提高其与基准图案的相似度,而对于假标来说,降低各种干扰对其相似度将没有很大影响,从而可提高图标防伪辨识的准确性和安全性,特别是显著的降低了真标由于各种干扰而被判定为假标的可能。
3、在一实施例中,本发明的随机纹理防伪标识图案判定方法对识别者图案数据和基准图案数据进行预处理,可通过多种预处理方式得到多个预处理后的识别者图案数据A1至An,以及多个预处理后的基准图案数据B1至Bn,将A1至An与B1至Bn进行交叉对比,获得一系列相似度值,取最大相似度值,进一步利用该最大相似度值来对识别者图案的真伪来进行判断,如此将有效降低干扰对判定结果的影响,特别是对真标来说,将显著提高其相似度,使其更易被辨识出来。
4、本发明的随机纹理防伪标识图案判定方法的图案比较及预处理的方式多种多样,不做限定,只要能够对提升相似度有利,均属于本发明的保护范围,并且所有比较及数据处理均可由计算机完成,速度快,效率高,结果可靠度高。
附图说明
图1为本发明随机纹理防伪标识图案判定方法第一实施例流程示意图;
图2A为未处理的原始图;
图2B为原始图灰度增强后的图;
图2C为60灰度提取轮廓进行二值化处理后的图;
图3A为本发明第一实施例中第一种情况流程示意图;
图3B为本发明第一实施例中第二种情况流程示意图;
图3C为本发明第一实施例中第三种情况流程示意图;
图4为本发明随机纹理防伪标识图案判定方法步骤示意图。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解,现对照附图说明本发明的具体实施方式,但其仅为优选实施例,并不用来限制本发明的实质范围。为了说明方便,以下实施例中将识别者通过手机等移动终端扫描、拍摄获得的防伪标识图案称为“识别者图案数据”,将存储于数据库中作为对比基准的图案称为“基准图案数据”。
第一实施例:
请参考图1,为本发明随机纹理防伪标识图案判定方法第一实施例流程示意图,如图所示,本发明的判定方法包括:步骤一(S1),存储基准图案数据于数据库中,此处的基准图案数据即为作为比对基础的标准图案数据;步骤二(S2),获取识别者图案数据,此处的识别者图案数据即为识别者通过手机或其他移动终端拍摄或扫描其所遇到的标识图案所获得的图案数据。步骤一与步骤二的顺序并不做具体限定;步骤三(S3),数据预处理步骤,对图案数据进行数据预处理;步骤四(S4),通过多种对比方式比较预处理步骤后的图案数据,对应得到多个相似度值,取其中的最大相似度。通过得出的相似度判断识别者图案数据与基准图案数据是否相符,相似度越高识别者图案数据与基准图案数据越相符,进一步的,所述相符程度将用于防伪标识的判定。
需要说明的是,本领域一般技术人员应可理解,在特殊条件下,所获得的基准图案数据和识别者图案数据较理想,不需要进行数据预处理的话,也可省略上述步骤三,直接将所获取的识别者图案数据与基准图案数据通过多种对比方式进行对比,但这种情况需要外部环境较高,各种干扰值较小的理想状态,现实中这种状态较少,但此种方案仍应属于本发明的保护范围,结合参考图4。
下面具体说明本实施例,步骤一中,将基准图案数据存储于数据库中,该基准图案数据可以为对真标识图案进行工业采集,采集的环境、精确度、完整度等要远远好于识别者在实际环境中获取识别者图案数据,能够得到比较理想的数据采集结果,将其存储,从而能够作为对比的基准图案数据。当然,基准图案数据也可为现有的数据,直接将其导入至数据库中。数据库可为一般的数据库或网络云端数据库等,在后续的对比处理中,识别者或者计算机能够方便的从中调取基准图案数据。识别者图案数据与基准图案数据的配组,本领域技术人员应可较容易得知,例如本实施例中,随机纹理防伪标识图案为在二维码周围布置随机纹理,通过二维码可实现识别者图案数据与基准图案数据的配组,进而进行后续的比较。
步骤二中,获取识别者图案数据,识别者通过手机或者其他移动终端,对所接触到的防伪标识图案进行拍摄或扫描等,以获取识别者图案数据。需要说明的是,此处提到的防伪标识为识别者在实际生活或商业活动中随时随地接触到的,其有可能是真的防伪标识,也有可能是仿冒的假防伪标识。
步骤三中对所得到的数据图像进行预处理,本实施例中,仅对获取的识别者图案数据进行预处理,对基准图案数据不进行预处理。在实际情况中,识别者拍摄或扫描得到的识别者图案数据会存在多种比较大的干扰,比如手机型号、聚焦能力、拍摄是否抖动、远近、光线明暗、光色、拍摄角度、光照角度等都将产生影响,严重时获取的图像数据不经过预处理根本无法使用。而相对的基准图案数据要好得多,其存在的干扰也小得多,视实际情况可选择不对其进行预处理,当然,若实际需要,也可对其进行预处理。
根据上述实施例记载的内容,本领域技术人员不难得知,在某些特定的情况下,步骤三中也可能仅对基准数据进行预处理,而对识别者图案数据不进行预处理,这种方案仍应属于本发明的保护范围。
上述对图案数据的预处理为本领域常规技术,例如可为常见的图像增强处理、图像压缩处理或图像还原处理。
以图像增强处理为例进行说明,在纹理防伪领域,大量使用线状纹理形成纹理分布,由于图案数据获取存在各种干扰,会影响到线条的清晰度,大量的实验、测试表明,图像增强对清晰度及相似度的提高有显著帮助。图像增强又包括很多方法,例如有图像二值化处理、图像像素值增强弱化处理等。
请参考图2A、图2B及图2C,为图像二值化处理示意图,其中图2A为未处理的原始图,比如其可能为识别者直接用手机拍摄的标识图案;图2B为原始图灰度增强后的图;图2C为60灰度提取轮廓进行二值化处理后的图,由图中可看出,经过二值化处理后的图案标识,其清晰度有所提升,会更利于图案比较并提高真标与基准图案的相似度,而大量实验表明,假标经过处理后其与基准图案的相似度基本不会提高,而且有很大几率会下降。从而上述的数据处理可有效的通过相似度来判定识别者图案数据与基准图案数据的相符程度,进一步用于防伪标识的真伪判定。
图像像素值增强弱化处理为先将图像方格化,测量每个方格的像素值,设定一个像素值的阈值,然后根据实际需要设定判断方案,比如大于等于该阈值的增强或小于该阈值的弱化,或者大于等于该阈值的增强同时小于该阈值的弱化。
关于通过预处理、图像增强等方法而得到较清晰易判断相似度的图案,此已为本领域内比较常规的技术,在此不再赘述。
步骤四中对经过步骤三处理的数据进行比较,通过多种对比方式比较得出多个相似度,取其中的最大相似度,该相似度应大于直接比较识别者图案数据与基准图案数据所得的相似度,如上所述,本实施例中包括有以下三种情况:
第一种情况,结合参考图3A,步骤三中仅对识别者图案数据进行预处理,那么步骤四中将通过多种对比方式比较预处理后的识别者图案数据与基准图案数据,得到二者的多个相似度,取其中的最大相似度。
第二种情况,结合参考图3B,步骤三中仅对基准图案数据进行预处理,那么步骤四中将通过多种对比方式比较识别者图案数据与预处理后的基准图案数据,得到二者的多个相似度,取其中的最大相似度。
第三种情况,结合参考图3C,步骤三中对识别者图案数据和基准图案数据均进行了预处理,那么步骤四中将通过多种对比方式比较预处理后的识别者图案数据与预处理后的基准图案数据,得到二者的多个相似度,取其中的最大相似度。
上述的识别者图案数据与基准图案数据的多种对比方式可包括两种或者更多种,对应得到两个或者更多个相似度值,从中选取最大的相似度用于后续判定。具体的对比方式可为角点角点包特征点对比方式、位置特征点对比方式或者其他已有的对比方式,本领域的技术人员可视实际情况选择哪几种对比方式,并且可根据实际需求设置不同的阈值或测量精度等参数来进行比较,从而得到多个相似度值,取其中的最大相似度。
经过上述步骤得到识别者图案数据与基准图案数据的相似度后,通过相似度来判断二者的相符程度,进一步二者的相符度将用于判断防伪标识的真伪。
本发明的方案通过多种对比方式来比较识别者图案数据和基准图案数据,对应得到多个相似度值,取其中的最大相似度来进行图案相符程度的判定,对于真标来说,获取越大的相似度值将越有利于真标的判定和筛选,而对于假标来说,通过多种对比方式也基本不能提高其与基准图案的相似度,所以本发明可有效拉大真标、假标与基准图案对比的相似度的差距,显著降低了真标由于对比方式不合适造成相似度低而被误判成假标的可能性。能够提高图案相符判定的准确性,进而提高整体防伪标识的辨识可靠性。
另外,本方案还对图案数据进行预处理,降低各种干扰对图案对比相似度的影响,进而提高图案相符判定的准确性,特别是对于真标来说,降低干扰将显著提高其与基准图案的相似度,而对于假标来说,降低各种干扰对其相似度将没有很大影响,甚至会降低其与基准图案的相似度,从而可提高图标防伪辨识的准确性和安全性,特别是显著的降低了真标图案由于各种干扰而被判定为假标的可能性。
第二实施例:
本实施例的技术方案与上述第一实施例基本相同,区别之处在于,在对识别者图案数据或者基准图案数据进行预处理时,通过多种不同的预处理方式而得到多个预处理后的识别者图案数据A1至An或者多个预处理后的基准图案数据B1至Bm。本实施例分为以下两种情况:
第一种情况,步骤三中仅对识别者图案数据进行多种预处理,那么步骤四中通过多种对比方式(设对比方式的种类为K种)将多个预处理后的识别者图案数据A1至An分别与基准图案数据进行比较,得到多个相似度值(即n*K个相似度值),取其中的最大相似度值。
第二种情况,步骤三中仅对基准图案数据进行多种预处理,那么步骤四中通过多种对比方式(设对比方式的种类为K种)将多个预处理后的基准图案数据B1至Bm分别与识别者图案数据进行比较,得到多个相似度值(即m*K个相似度值),取其中的最大相似度值。
本实施例中通过多种预处理方式,最后提高了获得的相似度的数量,从中选取最大的相似度值,能够使相似度值的选取更加准确,拉大真标与假标与基准图案比较相似度的差距,从而更加利于后续判断步骤的进行,提高防伪辨别的可靠性,降低真标被当成假标误判的可能性。
本实施例中的其他技术特征与上述第一实施例相同,具有相同的功能,达到相同的技术效果,在此不再重复说明。
第三实施例:
本实施例的技术方案与上述第二实施例基本相同,区别之处在于,步骤三中,在进行预处理时,同时对识别者图案数据和基准图案数据进行多种预处理,得到多个预处理后的识别者图案数据A1至An以及多个预处理后的基准图案数据B1至Bm;步骤四中,通过多种对比方式(设对比方式的种类为K种)将多个预处理后的识别者图案数据A1至An逐一分别与多个预处理后的基准图案数据B1至Bm进行比较,对应得到n*m*K个相似度值,取其中的最大相似度值。
相比于第二实施例,本实施例能够获得更多的相似度值,同时也使相似度值的选取进一步准确,更加利于后续判断步骤的进行,使防伪辨别的可靠性再度提高,进一步降低真标被当成假标误判的可能性。
本实施例中的其他技术特征与上述第一及第二实施例相同,具有相同的功能,达到相同的技术效果,在此不再重复说明。
第四实施例:
本发明的随机纹理防伪标识图案判定方法还可视实际情况调整基准图案数据预处理的步骤顺序,本实施例中,判定方法包括:步骤一,采集基准图案数据,并对其进行预处理,此处的采集可谓上述的工业采集,预处理与上述记载相同;步骤二,存储预处理后的基准图案数据于数据库中;步骤三,获取识别者图案数据;步骤四,通过多种对比方式比较所述识别者图案数据与预处理后的基准图案数据,得出多个相似度,取最大相似度;或者预处理所述识别者图案数据,将所述预处理后的识别者图案数据与预处理后的基准图案数据进行比较,得出多个相似度,取最大相似度。
本实施例将基准图案数据预处理步骤设置在了存储基准数据之前,相较于上述实施例,可有效节省数据库的存储资源。
本实施例中提到的图案数据获取、预处理、图案数据比较等,均与上述实施例所记载的功效相同,不再赘述。
本领域技术人员应可推知,本实施例中同样可对基准图案数据和识别者图案数据进行多种预处理,进而得到多个相似度值,取其中的最大值。
由上述可知,本发明的随机纹理防伪标识图案判定方法通过多种对比方式来比较识别者图案数据和基准图案数据,对应得到多个相似度值,取其中的最大相似度来进行图案相符程度的判定,所以本发明可有效拉大真标、假标与基准图案对比的相似度的差距,显著降低了真标由于对比方式不合适造成相似度低而被误判成假标的可能性。能够提高图案相符判定的准确性,进而提高整体防伪标识的辨识可靠性。
以上所述仅为本发明示意性的具体实施方式,并非用以限定本发明的范围。任何本领域的技术人员,在不脱离本发明的构思和原则的前提下所作出的等同变化与修改,均应属于本发明保护的范围。

Claims (10)

1.一种随机纹理防伪标识图案判定方法,其特征在于,包括:
S1,存储基准图案数据于数据库中;
S2,获取识别者图案数据;
S4,通过多种对比方式比较所述识别者图案数据与基准图案数据,得出多个相似度,取其中的最大相似度。
2.根据权利要求1所述的随机纹理防伪标识图案判定方法,其特征在于,在所述步骤S4之前,所述步骤S1、S2之后还包括:
S3,数据预处理步骤,对图案数据进行数据预处理;
所述步骤S4中通过多种对比方式比较所述数据预处理步骤后的图案数据,得出多个相似度,取其中的最大相似度。
3.根据权利要求2所述的随机纹理防伪标识图案判定方法,其特征在于,所述步骤S3中对所述识别者图案数据进行预处理;步骤S4中通过多种对比方式比较预处理后的识别者图案数据与基准图案数据,得出多个相似度,取其中的最大相似度。
4.根据权利要求3所述的随机纹理防伪标识图案判定方法,其特征在于,步骤S3对所述识别者图案数据进行多种预处理,得到多个预处理后的识别者图案数据A1至An;步骤S4中通过多种对比方式将所述多个预处理后的识别者图案数据A1至An分别与基准图案数据比较,对应得到多个相似度值,取其中的最大相似度值。
5.根据权利要求2所述的随机纹理防伪标识图案判定方法,其特征在于,步骤S3中对所述基准图案数据进行预处理;步骤S4中通过多种对比方式比较预处理后的基准图案数据与识别者图案数据,得出多个相似度,取其中的最大相似度。
6.根据权利要求2所述的随机纹理防伪标识图案判定方法,其特征在于,步骤S3中对所述识别者图案数据和基准图案数据都进行预处理;步骤S4中通过多种对比方式比较预处理后的识别者图案数据与预处理后基准图案数据,得出多个相似度,取其中的最大相似度。
7.根据权利要求6所述的随机纹理防伪标识图案判定方法,其特征在于,步骤S3中对所述识别者图案数据进行多种预处理,得到多个预处理后的识别者图案数据A1至An,对所述基准图案数据进行多种预处理,得到多个预处理后的基准图案数据B1至Bm;步骤S4中通过多种对比方式将所述多个预处理后的识别者图案数据A1至An逐一分别与所述多个预处理后的基准图案数据B1至Bm进行比较,对应得到多个相似度值,取其中的最大相似度值。
8.根据权利要求1至7中任一项所述的随机纹理防伪标识图案判定方法,其特征在于,所述多种对比方式包括角点角点包特征点对比方式、位置特征点对比方式。
9.根据权利要求2至7中任一项所述的随机纹理防伪标识图案判定方法,其特征在于,所述预处理为图像二值化处理、图像像素值增强弱化处理、图像压缩处理或图像还原处理。
10.一种随机纹理防伪标识图案判定方法,其特征在于,包括:
步骤一,采集基准图案数据,并对其进行预处理;
步骤二,存储预处理后的基准图案数据于数据库中;
步骤三,获取识别者图案数据;
步骤四,通过多种对比方式比较所述识别者图案数据与预处理后的基准图案数据,得出多个相似度,取最大相似度;或者预处理所述识别者图案数据,通过多种对比方式将所述预处理后的识别者图案数据与预处理后的基准图案数据进行比较,得出多个相似度,取最大相似度。
CN201810598306.XA 2017-06-20 2018-06-12 随机纹理防伪标识图案判定方法 Pending CN109101868A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201710467383 2017-06-20
CN2017104673837 2017-06-20

Publications (1)

Publication Number Publication Date
CN109101868A true CN109101868A (zh) 2018-12-28

Family

ID=64796807

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810598306.XA Pending CN109101868A (zh) 2017-06-20 2018-06-12 随机纹理防伪标识图案判定方法

Country Status (1)

Country Link
CN (1) CN109101868A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111766244A (zh) * 2019-04-01 2020-10-13 陈膺任 防伪元件验证方法及系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111766244A (zh) * 2019-04-01 2020-10-13 陈膺任 防伪元件验证方法及系统

Similar Documents

Publication Publication Date Title
Ciftci et al. How do the hearts of deep fakes beat? deep fake source detection via interpreting residuals with biological signals
CN105184160B (zh) 一种基于API对象调用关系图的Android手机平台应用程序恶意行为检测的方法
US9189842B2 (en) Paper identifying method and related device
CN107609399A (zh) 基于nin神经网络的恶意代码变种检测方法
CN109302410A (zh) 一种内部用户异常行为检测方法、系统及计算机存储介质
CN111582359B (zh) 一种图像识别方法、装置、电子设备及介质
KR101054107B1 (ko) 이미지 특성정보를 이용한 개인정보 노출 검색 시스템
Jing et al. Fabric defect detection based on golden image subtraction
CN108090356A (zh) 一种基于图像纹理和bp神经网络的恶意文件检测方法
CN112560989B (zh) 一种基于大数据的人工智能防伪图像识别方法及系统
WO2022178945A1 (zh) 基于人脸三维形状的换脸伪造检测方法、系统及设备
Rebelo et al. Staff line detection and removal in the grayscale domain
CN109101868A (zh) 随机纹理防伪标识图案判定方法
Boato et al. TrueFace: A dataset for the detection of synthetic face images from social networks
CN116822623B (zh) 一种生成对抗网络联合训练方法、装置、设备及存储介质
CN109255362A (zh) 随机纹理防伪标识图案判定方法
Ponishjino et al. Bogus currency authorization using HSV techniques
CN116911883A (zh) 基于ai鉴真技术和溯源量化的农产防伪溯源方法及云平台
CN116188956A (zh) 一种深度伪造人脸图像检测的方法及相关设备
CN112818150B (zh) 一种图片内容审核方法、装置、设备和介质
Shan et al. RIFD-Net: A Robust Image Forgery Detection Network
Jain et al. An enhanced statistical approach for median filtering detection using difference image
CN108074323B (zh) 一种纸币面向的识别方法及其装置
Sudiro et al. Detection of Fingerprint Authenticity Based on Deep Learning Using Image Pixel Value
Warke et al. COUNTERFEIT CURRENCY DETECTION USING IMAGE PROCESSING

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20181228

WD01 Invention patent application deemed withdrawn after publication