CN109389032B - 图片真实性的确定方法、装置、电子设备及可读存储介质 - Google Patents
图片真实性的确定方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN109389032B CN109389032B CN201810983728.9A CN201810983728A CN109389032B CN 109389032 B CN109389032 B CN 109389032B CN 201810983728 A CN201810983728 A CN 201810983728A CN 109389032 B CN109389032 B CN 109389032B
- Authority
- CN
- China
- Prior art keywords
- target
- picture
- plane
- point set
- point
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000001514 detection method Methods 0.000 claims description 30
- 239000013598 vector Substances 0.000 claims description 27
- 238000004590 computer program Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Images
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
- G06V40/40—Spoof detection, e.g. liveness detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/06—Topological mapping of higher dimensional structures onto lower dimensional surfaces
- G06T3/067—Reshaping or unfolding 3D tree structures onto 2D planes
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本公开的实施例提供了一种图片真实性的确定方法、装置、电子设备及可读存储介质,所述方法包括:从至少两张目标图片中检测目标区域,所述目标区域为所述目标图片中具有同一拍摄对象的区域;在从所述目标图片中均检测到目标区域的情况下,针对所述目标区域建立三维空间得到组成所述三维空间的点集;采用所述点集进行平面拟合得到参考平面;通过所述参考平面以及所述点集确定所述目标图片的真实性。可以通过图片的三维模型拟合出平面,并判断图片的真实性,工作量较小,有助于识别各种图片的真实性。
Description
技术领域
本公开的实施例涉及图片识别技术领域,尤其涉及一种图片真实性的确定方法、装置、电子设备及可读存储介质。
背景技术
在网络销售平台上,为了帮助用户获取商家信息,需要商家提供代表商家信息的图片。而这些图片的真实性需要确定,以真正帮助用户。
现有技术中,申请号为2017104843429的专利申请提出了一种基于透视失真特性的人脸图像鉴伪方法。主要步骤包括:1、识别2D图像中的人脸的关键点以及轮廓;2、根据预先存储的2D图像和3D人脸模型,获取对应3D人脸模型中的关键点;3、基于2D图像与所述3D模型中的关键点的对应关系计算相机参数;4、基于所述2D图像中的轮廓对所述相机参数进行优化;5、多次采样二维人脸关键点获取相机内参数估计点云;6、计算所述相机内参数估计点云与相机标称内参数的不一致性,进行人脸图像真伪的判断。
对上述方法进行研究发现,上述方法需要预先建立2D图像和3D人脸模型的数据库,导致工作量较大,且无法识别数据库之外的其他图片。
发明内容
本公开的实施例提供一种图片真实性的确定方法、装置、电子设备及可读存储介质,用以提高图片真实性的确定准确性。
根据本公开的实施例的第一方面,提供了一种图片真实性的确定方法,所述方法包括:
从至少两张目标图片中检测目标区域,所述目标区域为所述目标图片中具有同一拍摄对象的区域;
在从所述目标图片中均检测到目标区域的情况下,针对所述目标区域建立三维模型得到组成所述三维空间的点集;
采用所述点集进行平面拟合得到参考平面;
通过所述参考平面以及所述点集确定所述目标图片的真实性。
根据本公开的实施例的第二方面,提供了一种图片真实性的确定装置,所述装置包括:
目标区域检测模块,用于从至少两张目标图片中检测目标区域,所述目标区域为所述目标图片中具有同一拍摄对象的区域;
三维模型创建模块,用于在从所述目标图片中均检测到目标区域的情况下,针对所述目标区域建立三维空间得到组成所述三维空间的点集;
平面拟合模块,用于采用所述点集进行平面拟合得到参考平面;
真实性判断模块,用于通过所述参考平面以及所述点集确定所述目标图片的真实性。
根据本公开的实施例的第三方面,提供了一种电子设备,包括:
处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现前述图片真实性的确定方法。
根据本公开的实施例的第四方面,提供了一种可读存储介质,当所述存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行前述图片真实性的确定方法。
本公开的实施例提供了一种图片真实性的确定方法、装置、电子设备及可读存储介质,所述方法包括:从至少两张目标图片中检测目标区域,所述目标区域为所述目标图片中具有同一拍摄对象的区域;在从所述目标图片中均检测到目标区域的情况下,针对所述目标区域建立三维空间得到组成所述三维空间的点集;采用所述点集进行平面拟合得到参考平面;通过所述参考平面以及所述点集确定所述目标图片的真实性。可以通过图片的三维模型拟合出平面,并判断图片的真实性,工作量较小,有助于识别各种图片的真实性。
附图说明
为了更清楚地说明本公开的实施例的技术方案,下面将对本公开的实施例的描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本公开的实施例的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1示出了在本公开的一个实施例中的图片真实性的确定方法的步骤流程图;
图2示出了非真实图片中目标区域对应的点集示意图;
图3示出了真实图片中目标区域对应的点集示意图;
图4示出了在本公开的另一个实施例中的图片真实性的确定方法的步骤流程图;
图5示出了目标图片中目标对象和目标区域其中一种位置关系的示意图;
图6示出了在本公开的一个实施例中的图片真实性的确定装置的结构图;
图7示出了在本公开的另一个实施例中的图片真实性的确定装置的结构图;
图8示出了本公开的一个实施例提供的电子设备的结构图。
具体实施方式
下面将结合本公开的实施例中的附图,对本公开的实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本公开的实施例一部分实施例,而不是全部的实施例。基于本公开的实施例中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本公开的实施例保护的范围。
实施例一
参照图1,其示出了在本公开的一个实施例中的图片真实性的确定方法的步骤流程图,包括:
步骤101,从至少两张目标图片中检测目标区域,所述目标区域为所述目标图片中具有同一拍摄对象的区域。
其中,目标图片可以从应用平台上获取,也可以为其他平台上获取。
目标区域根据应用场景不同而不同。例如,目标图片可以为商品售卖平台上商家提供的门店图片,则需要从图片中识别出门店的环境区域;或,目标图片还可以为商品售卖平台上商家提供的商品图片,则需要从图片中识别出商品区域。
可以理解,不同目标图片可以为针对同一拍摄对象的不同角度、不同相机参数拍摄等拍摄的图片。此外,目标图片的数目越多,识别结果越准确;目标图片的数目越少,识别结果越不准确。
步骤102,在从所述目标图片中均检测到目标区域的情况下,针对所述目标区域建立三维空间得到组成所述三维空间的点集。
其中,三维建模用于从图片中建立对应的三维空间。三维空间由若干点表示,每个点的位置用三维坐标表示。例如,一个点的位置为(10,15,11),即该点在三维坐标中的位置的x分量为10,y分量为15,z分量为11。如图2所示,对于非真实图片,例如,对已有照片进行再次拍摄或打印得到的图片,得到的三维模型的点集基本在一个平面;如图3所示,对于真实图片,例如,直接对自然环境或人拍摄得到的图片,得到的三维模型的点分散在各个平面上。
在本公开的实施例中,可以双目三角化方法建立三维模型。由于本公开的实施例对三维模型的建立精度不敏感,只需要将平面图片转换为三维模型即可,在实际应用中可以采用其他任何方法建立三维模型。且不需要进行相机参数的标定,从而可以采用任何常规相机参数。
可以理解,当点集中的点数目小于一定阈值时,表明目标图片中至少存在一张图片是非真实图片,或目标图片针对不同环境拍摄,从而输出真实性识别结果为非真实。当然,在实际应用中,商家在上传目标图片时,或者所有图片均为真实图片,或所有图片均为非真实图片,部分为真实部分为非真实的情况很少甚至不会出现。此外,在从至少一张目标图片中未检测到目标区域的情况下,直接确定该目标图片为非真实图片。在实际应用中,还可以将该非真实图片剔除,利用剩余目标图片进行三维建模。若均未检测到目标区域,则直接确定所有目标图片为非真实图片,不需要进行三维建模以及后续处理。
步骤103,采用所述点集进行平面拟合得到参考平面。
其中,平面拟合可以确定点集中最多点所在的平面。
平面拟合可以采用RANSAC(RANdom SAmple Consensus,随机采样一致)算法,主要步骤可以包括:首先,初始化一个平面模型,并从点集中随机抽取若干点,对模型进行拟合;然后,找出在该平面附近一定范围内的点,若得到的点以及平面满足一定条件时拟合结束,此时的平面为拟合得到的平面;若不满足,则不断调整平面模型的参数,并进行重新拟合,直至得到的点以及平面满足一定条件。
步骤104,通过所述参考平面以及所述点集确定所述目标图片的真实性。
可以从如2或3所示的图片中看出,对于真实图片,参考平面之外的点往往多于参考平面之内的点;对于非真实图片,参考平面之外的点往往少于参考平面之内的点。
综上所述,本公开的实施例提供了一种图片真实性的确定方法,所述方法包括:从至少两张目标图片中检测目标区域,所述目标区域为所述目标图片中具有同一拍摄对象的区域;在从所述目标图片中均检测到目标区域的情况下,针对所述目标区域建立三维空间得到组成所述三维空间的点集;采用所述点集进行平面拟合得到参考平面;通过所述参考平面以及所述点集确定所述目标图片的真实性。可以通过图片的三维模型拟合出平面,并判断图片的真实性,工作量较小,有助于识别各种图片的真实性。
实施例二
参照图4,其示出了在本公开的另一个实施例中的图片真实性的确定方法的步骤流程图,具体如下。
步骤201,针对每张目标图片,检测目标对象,在检测成功的情况下得到所述目标对象的位置信息。
其中,位置信息采用二维坐标表示,针对目标对象的形状不同,坐标的数目不同。例如,对于长方形,可以直接提取两个对角位置的坐标作为长方形的位置信息;对于菱形,可以提取四个角的坐标作为位置信息;对于圆形,可以采用圆心坐标作为位置信息。
在实际应用中,目标对象可以与目标区域之间存在相对位置关系,且存在比较显著的特征。例如,如图5所示,对于门店的图片,目标对象可以为门店的招牌,招牌位于门店上方,招牌为规则形状,且上面写有文字。
可选地,在本公开的另一种实施例中,上述步骤201包括子步骤2011:
子步骤2011,通过预先训练得到的对象检测模型检测目标对象。
其中,对象检测模型的输入为目标图片,输出为目标对象的位置信息。
具体地,对象检测模型可以采用Faster_Rcnn_Resnet101模型进行训练。训练的样本为标注了目标对象的位置信息的图片。
步骤202,根据所述目标对象的位置信息确定目标区域,所述目标区域为所述目标图片中具有同一拍摄对象的区域。
具体地,可以按照一定规则确定目标区域,例如,若目标对象在图片上方,则将目标对象的下方作为目标区域;若目标对象在图片下方,则将目标对象的上方作为目标区域;若目标对象在图片左方,则将目标对象的右方作为目标区域;若目标对象在图片右方,则将目标对象的左方作为目标区域。
可以理解,规则可以根据实际应用场景设定,本公开的实施例对其不加以限制。
可选地,在本公开的另一种实施例中,所述目标图片包括商家上传的门店图片,所述目标对象包括门店的招牌,所述目标区域包括门店的环境区域。
本发明实施例一个典型的应用场景为商家在应用平台上注册并上传门店的图片时,平台需要验证该图片的真实性。具体地,首先,检测门店图片的招牌,得到招牌的位置;然后,根据招牌的位置确定门店环境区域;最后,根据环境区域判断该图片是否为真实图片。
步骤203,在从所述目标图片中均检测到目标区域的情况下,针对所述目标区域建立三维空间得到组成所述三维空间的点集。
该步骤可以参照步骤102的详细说明,在此不在赘述。
步骤204,采用所述点集进行平面拟合得到参考平面。
该步骤可以参照步骤103的详细说明,在此不在赘述。
可选地,在本公开的另一种实施例中,还包括如下步骤A1至A2:
步骤A1,在进行平面拟合的每次迭代中,根据所述迭代得到的平面以及所述点集计算余弦拟合度。
其中,余弦拟合度为各点相对于平面的符合程度,可以表示平面的拟合效果。可以理解,余弦拟合度越大,表示所有点垂直于平面的向量基本指向同一方向,则拟合效果越好;余弦拟合度越小,则拟合效果越差。
可选地,在本公开的另一种实施例中,上述步骤A1包括子步骤A11至A14:
子步骤A11,对于所述点集中的每个点,确定所述点与所述迭代得到的平面的垂直向量。
具体地,在计算垂直向量时,向量的方向需要统一,可以为点到平面的方向,也可以为平面到点的方向,但必须所有点统一。
子步骤A12,计算所述点集中各点的垂直向量的平均值,得到平均垂直向量。
具体地,平均垂直向量AVRVCT可以根据如下公式计算得到:
其中,其中,I为点集中点的数目,VCTi为第i个点的垂直向量。
子步骤A13,对于所述点集中的每个点,计算所述点的垂直向量与所述平均垂直向量之间夹角的余弦值。
具体地,对于第i个点,余弦值CosVli可以根据如下公式计算得到:
子步骤A14,计算所述点集中各点的余弦值的平均值,得到所述点集与所述平面的余弦拟合度。
具体地,余弦拟合度CosVlAV可以根据如下公式计算得到:
步骤A2,根据所述余弦确定是否结束迭代。
本公开的实施例在原有的迭代判断条件之上增加了余弦拟合度的判断。
在实际应用中,可以在余弦拟合度大于一定阈值,且满足原有的迭代判断条件时,结束迭代,此时得到参考平面;若余弦拟合度小于该阈值,或,不满足原有的迭代判断条件,则继续迭代,直至余弦拟合度大于阈值。
可以理解,该阈值越大,迭代次数越长,平面拟合时间越长;该阈值越小,迭代次数越短,平面拟合时间越短。此外,该阈值可以根据实际应用场景设定,本公开的实施例对其不加以限制。
步骤205,确定所述点集中在所述参考平面内的点数目,得到第一点数目。
具体地,可以计算所述点与所述参考平面之间的距离,若距离在一定阈值之内,则确定该点在该参考平面内;若距离不在该阈值之内,则确定该点在该参考平面外。
可以理解,该阈值可以根据实际应用场景设定,本公开的实施例对其不加以限制。
步骤206,确定所述点集中在所述参考平面外的点数目,得到第二点数目。
在实际应用中,还可以用点集中的点数目减掉第一点数目得到第二点数目。
步骤207,在所述第一点数目小于所述第二点数目的情况下,确定所述目标图片均为真实图片。
可以理解,当少数点组成平面时,代表图片为真实图片,例如,如图3所示,点分散在不同平面上。
在实际应用中,为了有一定的容错能力,可以在第二点数目与第一点数目之间的差值大于一定阈值时,判断目标图片中存在真实图片;在第二点数目与第一点数目之间的差值大于0,且小于或等于该阈值时,输出异常信息,表明无法识别真实性。
步骤208,在所述第一点数目大于或等于所述第二点数目的情况下,确定所述目标图片中至少一张图片为非真实图片。
可以理解,当多数点组成平面时,代表图片为非真实图片,例如,如图2所示,点比较集中在一个平面。
在实际应用中,为了有一定的容错能力,可以在第一点数目与第二点数目之间的差值大于一定阈值时,判断目标图片中存在非真实图片;在第一点数目与第二点数目之间的差值大于0,且小于或等于该阈值时,输出异常信息,表明无法识别真实性。
此外,还可以通过第一点数目和第二点数目的比值,或,比值的指数,对数等确定识别真实性,本公开的实施例对其不加以限制。
综上所述,本公开的实施例提供了一种图片真实性的确定方法,所述方法包括:从至少两张目标图片中检测目标区域,所述目标区域为所述目标图片中具有同一拍摄对象的区域;在从所述目标图片中均检测到目标区域的情况下,针对所述目标区域建立三维空间得到组成所述三维空间的点集;采用所述点集进行平面拟合得到参考平面;通过所述参考平面以及所述点集确定所述目标图片的真实性。可以通过图片的三维模型拟合出平面,并判断图片的真实性,工作量较小,有助于识别各种图片的真实性。
实施例三
参照图6,其示出了在本公开的一个实施例中的图片真实性的确定装置的结构图,具体如下。
目标区域检测模块301,用于从至少两张目标图片中检测目标区域,所述目标区域为所述目标图片中具有同一拍摄对象的区域。
三维模型创建模块302,用于在从所述目标图片中均检测到目标区域的情况下,针对所述目标区域建立三维空间得到组成所述三维空间的点集。
平面拟合模块303,用于采用所述点集进行平面拟合得到参考平面。
真实性判断模块304,用于通过所述参考平面以及所述点集确定所述目标图片的真实性。
综上所述,本公开的实施例提供了一种图片真实性的确定装置,所述装置包括:目标区域检测模块,用于从至少两张目标图片中检测目标区域,所述目标区域为所述目标图片中具有同一拍摄对象的区域;三维模型创建模块,用于在从所述目标图片中均检测到目标区域的情况下,针对所述目标区域建立三维空间得到组成所述三维空间的点集;平面拟合模块,用于采用所述点集进行平面拟合得到参考平面;真实性判断模块,用于通过所述参考平面以及所述点集确定所述目标图片的真实性。可以通过图片的三维模型拟合出平面,并判断图片的真实性,工作量较小,有助于识别各种图片的真实性。
装置实施例三对应方法实施例一,详细说明可以参照实施例一,在此不再赘述。
实施例四
参照图7,其示出了本公开的另一个实施例中的图片真实性的确定装置的结构图,具体如下。
目标区域检测模块401,用于从至少两张目标图片中检测目标区域,所述目标区域为所述目标图片中具有同一拍摄对象的区域。可选地,在本公开实施例中,上述目标区域检测模块401,包括:
目标对象检测子模块4011,用于针对每张目标图片,检测目标对象,在检测成功的情况下得到所述目标对象的位置信息。
目标区域检测子模块4012,用于根据所述目标对象的位置信息确定目标区域。
三维模型创建模块402,用于在从所述目标图片中均检测到目标区域的情况下,针对所述目标区域建立三维空间得到组成所述三维空间的点集。
平面拟合模块403,用于采用所述点集进行平面拟合得到参考平面。
真实性判断模块404,用于通过所述参考平面以及所述点集确定所述目标图片的真实性。可选地,在本公开的实施例中,上述真实性判断模块404,包括:
第一点数目统计子模块4041,用于确定所述点集中在所述参考平面内的点数目,得到第一点数目。
第二点数目统计子模块4042,用于确定所述点集中在所述参考平面外的点数目,得到第二点数目。
真实图片确定子模块4043,用于在所述第一点数目小于所述第二点数目的情况下,确定所述目标图片均为真实图片。
非真实图片确定子模块4044,用于在所述第一点数目大于或等于所述第二点数目的情况下,确定所述目标图片中至少一张图片为非真实图片。
可选地,在本公开的另一种实施例中,上述目标对象检测子模块4011包括:
目标对象检测单元,用于通过预先训练得到的对象检测模型检测目标对象。
可选地,在本公开的另一种实施例中,还包括如下模块:
余弦抖动计算模块,用于在进行平面拟合的每次迭代中,根据所述迭代得到的平面以及所述点集计算所述点集与所述平面的余弦拟合度。
迭代判断模块,用于根据所述余弦拟合度确定是否结束迭代。
可选地,在本公开的另一种实施例中,上述余弦抖动计算模块包括:
垂直向量确定子模块,用于对于所述点集中的每个点,确定所述点与所述迭代得到的平面的垂直向量。
平均垂直向量计算子模块,用于计算所述点集中各点的垂直向量的平均值,得到平均垂直向量。
余弦值计算子模块,用于对于所述点集中的每个点,计算所述点的垂直向量与所述平均垂直向量之间夹角的余弦值。
余弦抖动计算子模块,用于计算所述点集中各点的余弦值的平均值,得到所述点集与所述平面的余弦拟合度。
综上所述,本公开的实施例提供了一种图片真实性的确定装置,所述装置包括:目标区域检测模块,用于从至少两张目标图片中检测目标区域,所述目标区域为所述目标图片中具有同一拍摄对象的区域;三维模型创建模块,用于在从所述目标图片中均检测到目标区域的情况下,针对所述目标区域建立三维空间得到组成所述三维空间的点集;平面拟合模块,用于采用所述点集进行平面拟合得到参考平面;真实性判断模块,用于通过所述参考平面以及所述点集确定所述目标图片的真实性。可以通过图片的三维模型拟合出平面,并判断图片的真实性,工作量较小,有助于识别各种图片的真实性。
装置实施例四对应方法实施例二,详细说明可以参照实施例二,在此不再赘述。
本公开的实施例还提供了一种电子设备,参见图8,包括:处理器501、存储器502以及存储在所述存储器502上并可在所述处理器501上运行的计算机程序5021,所述处理器执行所述程序时实现前述实施例的图片真实性的确定方法。
本公开的实施例还提供了一种可读存储介质,当所述存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行前述实施例的图片真实性的确定方法。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本公开的实施例也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本公开的实施例的内容,并且上面对特定语言所做的描述是为了披露本公开的实施例的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本公开的实施例的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本公开的实施例的示例性实施例的描述中,本公开的实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本公开的实施例要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本公开的实施例的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
本公开的实施例的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本公开的实施例的图片真实性的确定设备中的一些或者全部部件的一些或者全部功能。本公开的实施例还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序。这样的实现本公开的实施例的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本公开的实施例进行说明而不是对本公开的实施例进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本公开的实施例可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
以上所述仅为本公开的实施例的较佳实施例而已,并不用以限制本公开的实施例,凡在本公开的实施例的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本公开的实施例的保护范围之内。
以上所述,仅为本公开的实施例的具体实施方式,但本公开的实施例的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本公开的实施例揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本公开的实施例的保护范围之内。因此,本公开的实施例的保护范围应以权利要求的保护范围为准。
Claims (8)
1.一种图片真实性的确定方法,其特征在于,所述方法包括:
从至少两张目标图片中检测目标区域,所述目标区域为所述目标图片中具有同一拍摄对象的区域;所述目标图片为针对同一拍摄对象的不同角度、不同相机参数拍摄的图片;
在从所述目标图片中均检测到目标区域的情况下,针对所述目标区域建立三维空间得到组成所述三维空间的点集;
采用所述点集进行平面拟合得到参考平面;具体地,在进行平面拟合的每次迭代中,根据所述迭代得到的平面以及所述点集计算所述点集与所述平面的余弦拟合度;
根据所述余弦拟合度确定是否结束迭代;
通过所述参考平面以及所述点集确定所述目标图片的真实性;
其中,所述根据所述迭代得到的平面以及所述点集计算所述点集与所述平面的余弦拟合度的步骤,包括:
对于所述点集中的每个点,确定所述点与所述迭代得到的平面的垂直向量;
计算所述点集中各点的垂直向量的平均值,得到平均垂直向量;
对于所述点集中的每个点,计算所述点的垂直向量与所述平均垂直向量之间夹角的余弦值;
计算所述点集中各点的余弦值的平均值,得到所述点集与所述平面的余弦拟合度。
2.根据权利要求1所述的方法,其特征在于,所述通过所述参考平面以及所述点集确定所述目标图片的真实性的步骤,包括:
确定所述点集中在所述参考平面内的点数目,得到第一点数目;
确定所述点集中在所述参考平面外的点数目,第二点数目;
在所述第一点数目小于所述第二点数目的情况下,确定所述目标图片均为真实图片;
在所述第一点数目大于或等于所述第二点数目的情况下,确定所述目标图片中至少一张图片为非真实图片。
3.根据权利要求1所述的方法,其特征在于,所述从至少两张目标图片中检测目标区域的步骤,包括:
针对每张目标图片,检测目标对象,在检测成功的情况下得到所述目标对象的位置信息;
根据所述目标对象的位置信息确定目标区域。
4.根据权利要求3所述的方法,其特征在于,所述检测目标对象的步骤,包括:
通过预先训练得到的对象检测模型检测目标对象。
5.根据权利要求3所述的方法,其特征在于,所述目标图片包括商家上传的门店图片,所述目标对象包括门店的招牌,所述目标区域包括门店的环境区域。
6.一种图片真实性的确定装置,其特征在于,所述装置包括:
目标区域检测模块,用于从至少两张目标图片中检测目标区域,所述目标区域为所述目标图片中具有同一拍摄对象的区域;所述目标图片为针对同一拍摄对象的不同角度、不同相机参数拍摄的图片;
三维模型创建模块,用于在从所述目标图片中均检测到目标区域的情况下,针对所述目标区域建立三维空间得到组成所述三维空间的点集;
平面拟合模块,用于采用所述点集进行平面拟合得到参考平面;具体用于,在进行平面拟合的每次迭代中,根据所述迭代得到的平面以及所述点集计算所述点集与所述平面的余弦拟合度;
根据所述余弦拟合度确定是否结束迭代;
真实性判断模块,用于通过所述参考平面以及所述点集确定所述目标图片的真实性;
其中,所述根据所述迭代得到的平面以及所述点集计算所述点集与所述平面的余弦拟合度的步骤,包括:
对于所述点集中的每个点,确定所述点与所述迭代得到的平面的垂直向量;
计算所述点集中各点的垂直向量的平均值,得到平均垂直向量;
对于所述点集中的每个点,计算所述点的垂直向量与所述平均垂直向量之间夹角的余弦值;
计算所述点集中各点的余弦值的平均值,得到所述点集与所述平面的余弦拟合度。
7.一种电子设备,其特征在于,包括:
处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-5中一个或多个所述的图片真实性的确定方法。
8.一种可读存储介质,其特征在于,当所述存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行如方法权利要求1-5中一个或多个所述的图片真实性的确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810983728.9A CN109389032B (zh) | 2018-08-27 | 2018-08-27 | 图片真实性的确定方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810983728.9A CN109389032B (zh) | 2018-08-27 | 2018-08-27 | 图片真实性的确定方法、装置、电子设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109389032A CN109389032A (zh) | 2019-02-26 |
CN109389032B true CN109389032B (zh) | 2020-06-12 |
Family
ID=65417585
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810983728.9A Active CN109389032B (zh) | 2018-08-27 | 2018-08-27 | 图片真实性的确定方法、装置、电子设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109389032B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110298885B (zh) * | 2019-06-18 | 2023-06-27 | 仲恺农业工程学院 | 一种非光滑类球体目标的立体视觉识别方法和定位夹持检测装置及其应用 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103593872A (zh) * | 2013-09-24 | 2014-02-19 | 沈阳美行科技有限公司 | 一种导航地图展现真实实景空间的方法 |
CN105205458A (zh) * | 2015-09-16 | 2015-12-30 | 北京邮电大学 | 人脸活体检测方法、装置及系统 |
CN105740781A (zh) * | 2016-01-25 | 2016-07-06 | 北京天诚盛业科技有限公司 | 一种三维人脸活体检测的方法和装置 |
CN105740779A (zh) * | 2016-01-25 | 2016-07-06 | 北京天诚盛业科技有限公司 | 人脸活体检测的方法和装置 |
WO2017029488A3 (en) * | 2015-08-14 | 2017-03-30 | Metail Limited | Methods of generating personalized 3d head models or 3d body models |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103824287A (zh) * | 2014-02-14 | 2014-05-28 | 同济大学 | 一种基于稳健平面拟合的相位相关亚像素匹配方法 |
-
2018
- 2018-08-27 CN CN201810983728.9A patent/CN109389032B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103593872A (zh) * | 2013-09-24 | 2014-02-19 | 沈阳美行科技有限公司 | 一种导航地图展现真实实景空间的方法 |
WO2017029488A3 (en) * | 2015-08-14 | 2017-03-30 | Metail Limited | Methods of generating personalized 3d head models or 3d body models |
CN105205458A (zh) * | 2015-09-16 | 2015-12-30 | 北京邮电大学 | 人脸活体检测方法、装置及系统 |
CN105740781A (zh) * | 2016-01-25 | 2016-07-06 | 北京天诚盛业科技有限公司 | 一种三维人脸活体检测的方法和装置 |
CN105740779A (zh) * | 2016-01-25 | 2016-07-06 | 北京天诚盛业科技有限公司 | 人脸活体检测的方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109389032A (zh) | 2019-02-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9881204B2 (en) | Method for determining authenticity of a three-dimensional object | |
CN108875511B (zh) | 图像生成的方法、装置、系统及计算机存储介质 | |
KR102459853B1 (ko) | 디스패리티 추정 장치 및 방법 | |
EP3016071B1 (en) | Estimating device and estimation method | |
CN108875534B (zh) | 人脸识别的方法、装置、系统及计算机存储介质 | |
JP2013232195A5 (zh) | ||
CN108416902A (zh) | 基于差异识别的实时物体识别方法和装置 | |
US20160335523A1 (en) | Method and apparatus for detecting incorrect associations between keypoints of a first image and keypoints of a second image | |
CN108447094B (zh) | 一种单目彩色相机的姿态估算方法及系统 | |
JP6515039B2 (ja) | 連続的な撮影画像に映り込む平面物体の法線ベクトルを算出するプログラム、装置及び方法 | |
CN112184757A (zh) | 运动轨迹的确定方法及装置、存储介质、电子装置 | |
CN108492284B (zh) | 用于确定图像的透视形状的方法和装置 | |
WO2023016182A1 (zh) | 位姿确定方法、装置、电子设备和可读存储介质 | |
CN113111513A (zh) | 传感器配置方案确定方法、装置、计算机设备及存储介质 | |
US8462155B1 (en) | Merging three-dimensional models based on confidence scores | |
CN108961164A (zh) | 基于几何不变量的图像配准拼接方法和装置及计算机设备 | |
CN109389032B (zh) | 图片真实性的确定方法、装置、电子设备及可读存储介质 | |
US11475629B2 (en) | Method for 3D reconstruction of an object | |
CN111784660A (zh) | 一种用于人脸图像的正脸程度的分析方法和系统 | |
KR100933304B1 (ko) | 단일 카메라를 이용한 객체 정보 추정기, 그 방법, 상기 추정기를 포함하는 멀티미디어 기기 및 컴퓨터 기기, 및 상기 방법을 수행하기 위한 프로그램을 기록한 컴퓨터로 판독 가능한 기록매체 | |
CN113989376B (zh) | 室内深度信息的获取方法、装置和可读存储介质 | |
CN112685919B (zh) | 手柄追踪效果评估方法 | |
CN112598665B (zh) | 一种曼哈顿场景消失点、消失线检测方法及装置 | |
CN112308836B (zh) | 角点检测方法、装置、电子设备及可读存储介质 | |
CN116503387B (zh) | 图像检测方法、装置、设备、系统及可读存储介质 |
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 |