CN109558903A - 一种证照图像检测方法、装置、电子设备及可读存储介质 - Google Patents

Abstract

公开了一种证照图像检测方法、装置、电子设备及可读存储介质，通过判断图像对中的两个图像的图像相似参数是否满足设定条件，以对所述两个图像进行粗粒度的相似判定，并在所述两个图像的图像相似参数满足设定条件后，判断所述两个图像的像素相似度是否大于第一阈值以对所述两个图像进行细粒度的相似判定，从而确定所述图像对是否为风险图像对，由此，可以提高证照图像检测的效率和准确率。

Description

一种证照图像检测方法、装置、电子设备及可读存储介质

技术领域

本发明涉及图像处理技术领域，更具体地，涉及一种证照图像检测方法、装置、电子设备及可读存储介质。

背景技术

随着商业搜索带来的经济价值增加，在互联网上发布商业信息的业务也不断增加，其中混入了很多没有具备合法资质的商户，依靠伪造证件和/或营业执照等证照图像通过资质审核。为了通过官方数据的验证，有的证照是套用别人的证照模版生成的伪造证照图像，即套证。

现有技术中，判断上述证照图像是否为风险图像时，大都是鉴定对图像本身内容的篡改，包括主动防伪技术和被动防伪技术。主动防伪技术主要是依靠在图像中内嵌水印或者其他编码的方式实现；被动防伪技术则是利用图像本身信息、编解码信息或图像内容信息判断图像是否伪造。由于主动防伪技术过于依赖图像的采集和对原始数据信息的掌握，而被动防伪技术可利用的先验信息有限。因此，现有技术的证照图像检测的准确率较低。

发明内容

有鉴于此,本发明实施例提供一种证照图像检测方法、装置、电子设备及可读存储介质，以提高证照图像检测的效率和准确率

第一方面，本发明实施例提供一种证照图像检测方法，包括：

获取图像对；

分别提取所述图像对中图像的图像特征；

根据所述图像特征确定所述图像对的特征相似度；

响应于所述图像对的图像相似参数满足设定条件，确定所述图像对的像素相似度，其中，所述图像相似参数至少包括所述特征相似度；

响应于所述图像对的像素相似度大于第一阈值，确定所述图像对为风险图像对。

进一步地，所述方法还包括：

将具有关联关系的所述风险图像对进行组合以获取风险图像组；

确定所述风险图像组中的各图像为相似图像。

进一步地，所述将具有关联关系的各所述风险图像对进行组合以获取风险图像组包括：

将所述风险图像对中的图像设置无向连接，获取包括多个图像的无向图；

根据所述无向图确定所述风险图像组，所述风险图像组中的图像位于所述无向图的同一连通区域中。

进一步地，所述响应于所述图像对的图像相似参数满足设定条件，确定所述图像对的像素相似度包括：

响应于所述图像对的特征相似度大于第二阈值，确定所述图像对的像素相似度。

进一步地，所述图像相似参数还包括图像大小比较结果；

所述响应于所述图像对的图像相似参数满足设定条件，确定所述图像对的像素相似度包括：

响应于所述图像对的特征相似度大于第二阈值且所述图像对中图像的图像大小相同，确定所述图像对的像素相似度。

进一步地，所述根据所述图像特征确定所述图像对的特征相似度包括：

分别对所述图像对中图像的图像特征进行归一化以获取所述图像对中图像的特征向量；

计算所述图像对中图像的特征向量的余弦距离以获取所述图像对的特征相似度。

进一步地，所述像素相似度为所述图像对中图像在相同坐标位置上的像素差小于第三阈值的像素个数占总像素数的比例。

进一步地，所述像素差为所述图像对中图像在相同坐标位置上的RGB值的差值；或者

所述像素差为所述图像对中图像对应的灰度图像在相同坐标位置上的灰度值的差值。

进一步地，所述分别提取所述图像对中图像的图像特征包括：

对所述图像对中图像分别进行深度神经网络处理以分别提取所述图像对中图像的图像特征。

进一步地，所述获取图像对包括：

从预定的一组图像中任意选择两个相同类别的图像以获取所述图像对。

第二方面，本发明实施例提供一种证照图像检测装置，包括：

图像获取单元，被配置为获取图像对；

特征提取单元，被配置为分别提取所述图像对中图像的图像特征；

特征相似度获取单元，被配置为根据所述图像特征确定所述图像对的特征相似度；

像素相似度获取单元，被配置为响应于所述图像对的图像相似参数满足设定条件，确定所述图像对的像素相似度，其中，所述图像相似参数至少包括所述特征相似度；以及

风险图像确定单元，被配置为响应于所述像素相似度大于第一阈值，确定所述图像对为风险图像对。

第三方面，本发明实施例提供一种计算机可读存储介质，其上存储计算机程序指令，所述计算机程序指令在被处理器执行时实现如上所述的方法。

第四方面，本发明是实施例提供一种电子设备，包括存储器和处理器，所述存储器用于存储一条或多条计算机程序指令，其中，所述一条或多条计算机程序指令被所述处理器执行以实现如下步骤：

获取图像对；

分别提取所述图像对中图像的图像特征；

根据所述图像特征确定所述图像对的特征相似度；

响应于所述图像对的图像相似参数满足设定条件，确定所述图像对的像素相似度，其中，所述图像相似参数至少包括所述特征相似度；

响应于所述图像对的像素相似度大于第一阈值，确定所述图像对为风险图像对。

进一步地，所述步骤还包括：

将具有关联关系的所述风险图像对进行组合以获取风险图像组；

确定所述风险图像组中的各图像为相似图像。

进一步地，所述将具有关联关系的所述风险图像对进行组合以获取风险图像组包括：

将所述风险图像对中的图像设置无向连接，获取包括多个图像的无向图；

根据所述无向图确定所述风险图像组，所述风险图像组中的图像位于所述无向图的同一连通区域中。

进一步地，所述响应于所述图像对的图像相似参数满足设定条件，确定所述图像对的像素相似度包括：

响应于所述图像对的特征相似度大于第二阈值，确定所述图像对的像素相似度。

进一步地，所述图像相似参数还包括图像大小比较结果；

所述响应于所述图像对的图像相似参数满足设定条件，确定所述图像对的像素相似度包括：

响应于所述图像对的特征相似度大于第二阈值且所述图像对中图像的图像大小相同，确定所述图像对的像素相似度。

进一步地，所述根据所述图像特征确定所述图像对的特征相似度包括：

分别对所述图像对中图像的图像特征进行归一化以获取所述图像对中图像的特征向量；

计算所述图像对中图像的特征向量的余弦距离以获取所述图像对的特征相似度。

进一步地，所述像素相似度为所述图像对中图像在相同坐标位置上的像素差小于第三阈值的像素个数占总像素数的比例。

进一步地，所述像素差为所述图像对中图像在相同坐标位置上的RGB值的差值；或者

所述像素差为所述图像对中图像对应的灰度图像在相同坐标位置上的灰度值的差值。

进一步地，所述分别提取所述图像对中图像的图像特征包括：

对所述图像对中图像分别进行深度神经网络处理以分别提取所述图像对中图像的图像特征。

进一步地，所述获取图像对包括：

从预定的一组图像中任意选择两个相同类别的图像以获取所述图像对。

本发明实施例的技术方案通过判断图像对中的两个图像的图像相似参数是否满足设定条件，以对所述两个图像进行粗粒度的相似判定，并在所述两个图像的图像相似参数满足设定条件后，判断所述两个图像的像素相似度是否大于第一阈值以对所述两个图像进行细粒度的相似判定，从而确定所述图像对是否为风险图像对，由此，可以提高证照图像检测的效率和准确率。

附图说明

通过以下参照附图对本发明实施例的描述，本发明的上述以及其它目的、特征和优点将更为清楚，在附图中：

图1是本发明第一实施例的证照图像检测方法的流程图；

图2是本发明第一实施例的获取风险图像组过程的示意图；

图3是本发明第一实施例的一种实施方式的证照图像检测方法的流程图；

图4是本发明第二实施例的证照检测装置的示意图；

图5是本发明第三实施例的电子设备的示意图。

具体实施方式

以下基于实施例对本发明进行描述，但是本发明并不仅仅限于这些实施例。在下文对本发明的细节描述中，详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明。为了避免混淆本发明的实质，公知的方法、过程、流程、元件和电路并没有详细叙述。

此外，本领域普通技术人员应当理解，在此提供的附图都是为了说明的目的，并且附图不一定是按比例绘制的。

除非上下文明确要求，否则整个说明书和权利要求书中的“包括”、“包含”等类似词语应当解释为包含的含义而不是排他或穷举的含义；也就是说，是“包括但不限于”的含义。

在本发明的描述中，需要理解的是，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。

图1是本发明第一实施例的证照图像检测方法的流程图。如图1所示，本实施例的证照图像检测方法包括以下步骤：

步骤S110，获取图像对。

在一种可选的实现方式中，通过图像处理工具(photoshop，CAD等)对图像文件库中的图像文件进行处理以获取一组图像，也即将图像文件库中的图像文件均转化为适宜于图像处理(如神经网络处理等)的图像。例如，将矢量类图像文件转换为位图类型的图像等。在获得的一组图像(例如证照图像库)中任意选择两个相同类别的图像作为一个图像对。证照图像包括证件(如身份证、毕业证等)和营业执照等资质图像。

步骤S120，分别提取图像对中的两个图像的图像特征。

具体地，图像特征包括图像的颜色特征、纹理特征、形状特征或空间关系特征等。在一种可选的实现方式中，对图像对中的两个图像进行深度神经网络处理以分别提取两个图像的图像特征。具体地，通过使用深度神经网络对大量证照图像数据进行学习并提取图像特征，可以减小图像拍摄质量差或压缩后的图像质量差对于图像特征提取的影响，也即可以提高图像特征的鲁棒性。

步骤S130，确定图像对的特征相似度。

在一种可选的实现方式中，分别对图像对中图像的图像特征进行归一化处理以分别获取图像对中图像的特征向量。计算图像对中图像的特征向量的余弦距离以获取特征相似度。通过对图像特征进行归一化可以使得每个特征向量均处于一个级别上以便于进行图像特征的对比。例如，两个图像的特征向量分别为A(x1,x2,…,xn)、B(y1,y2,…,yn),则采用余弦距离计算这两个图像的特征相似度Cos(A，B)为：

应理解，计算图像对的特征相似度的方法并不限于余弦距离，其他能够计算特征向量之间相似度的方法也可应用在本实施例中。

由于不同证照之间只有证照内容上的文字和印章不同，其他部分是基本相同的，因此检测证照是否涉嫌套证可以利用的信息很少。由此，如果仅通过特征相似度来判定两个证照为风险图像对，可能存在即使两个证照上的文字和/或印章不同(也即这两个证照实际是不同的，不能判断其涉嫌套证)，也将这两个证照判定为风险图像对的情况。这会不仅影响证照图像检测的准确率，也给后续的检测工作增大工作量，降低了证照图像检测的效率。在本实施例中，涉嫌套证的两个图像为一组风险图像对。

在拍摄图像时，会拍摄到图像周围的相关信息，如光照、背景环境等信息。因此，在自然拍摄环境下不会出现两张相同的图像。也就是说，由于获取图像时的光照及背景环境等信息不同，这两幅图像的图像大小和/或在部分相同坐标位置上的像素会存在差异。由此，在判定图像对中的两个图像在粗粒度上相似后，可以通过图像的背景和光照信息对图像对中的两个图像来进一步检测，从而提高证照图像检测的准确率。

步骤S140，响应于图像对的图像相似参数满足设定条件，确定图像对的像素相似度。其中，图像相似参数至少包括特征相似度。

在一种可选的实现方式中，响应于图像对的图像相似参数满足设定条件，确定图像对的像素相似度具体为：响应于图像对的特征相似度大于第二阈值，确定该图像对的像素相似度以对图像对进行进一步检测。应理解，第二阈值为预先设置的。优选地，第二阈值可是设置在在0.9000-0.9999之间。

由于在自然拍摄环境下，两个图像的背景和光照信息不同，因此，两个图像在部分相同坐标位置上的像素也会存在差异，由此，我们可以通过判断图像对的像素相似度来进一步检测图像对的相似性。像素相似度为两个图像在相同坐标位置上的像素差小于第三阈值的像素个数(也即相似像素的个数)占总像素数的比例。像素差为两个图像在相同坐标位置上的RGB值的差值，或者两个图像对应的灰度图像在相同坐标位置上的灰度值的差值。在一种可选的实现方式中，可以通过计算两个图像在相同坐标像素上的RGB值均小于第三阈值的像素个数占总像素个数的比例来获取这两个图像的像素相似度。或者，可以通过计算两个图像在相同坐标像素上的RGB值的欧氏距离、海明距离或巴式距离等方式来获取这两个图像在该像素上的像素差。应理解，第三阈值是根据像素差的计算方法预先设置的，并与所选取的计算像素差的方法相对应。

在一种可选的实现方式中，计算图像对中两个图像对应像素上的R、G、B值的差值以获取差值向量，例如，图像A和图像B在某一个对应像素上的RGB值分别为a(100，80，170)，b(90，100，150)。则该对应像素的RGB值的差值向量为(10，20，20)。则可以通过判断该对应像素在R、G和B上的差值的绝对值是否均小于第三阈值来判断其是否为相似像素。假设预设的第三阈值为30，则该对应像素为一个相似像素。也可以通过判断该对应像素的RGB值的差值向量的模是否小于第三阈值来判断其是否为相似像素。还可以通过该像素在R、G和B上的差值的平均值是否小于第三阈值来判断其是否为相似像素。在本实施例中，通过确定图像对中两个图像的所有相似像素，并计算所有相似像素的个数占总像素数的比例以获取图像对的像素相似度。

在另一种可选的实现方式中，图像相似参数还包括图像大小比较结果。响应于两个图像的图像相似参数满足设定条件，确定两个图像的像素相似度具体为：响应于两个图像的特征相似度大于第二阈值且两个图像的图像大小相同，确定两个图像的像素相似度。

由于在自然拍摄环境下，两个图像的背景和光照信息不同，因此，图像对中的两个图像的图像大小可能不同。由此，在粗粒度判定图像对中的两个图像相似后，可以先通过判断图像对中的两个图像的图像大小是否基本相同来进一步筛选，在判定图像对中的两个图像的图像大小相同后，再确定图像对的像素相似度。由此，可以进一步提高证照图像检测的效率和准确率。

步骤S150，响应于图像对的像素相似度大于第一阈值，确定图像为风险图像对。

也就是说，当图像对中两个图像的像素相似度过高时，判断两个证照中至少有一个为伪证。在后续的证照检测中，可以将风险图像对显示在页面上，以通过人工检测等方式进一步判别伪证，从而提高证照检测的准确性。

在本实施例中，先通过比较图像对中两个图像的图像特征来进行粗粒度的图像相似判别，再通过计算图像对中两个图像的像素相似度来进行细粒度的图像相似判别，从而可以提高证照图像检测的准确率和效率。

优选地，本实施例的证照图像检测方法还包括以下步骤：将具有关联关系的各风险图像对进行组合以获取风险图像组，并确定该风险图像组中的所有图像均相似。例如，图像A和图像B为第一组风险图像对，图像B和图像C为第二组风险图像对，图像C和图像D为第三组风险图像对，则第一组风险图像对、第二组风险图像对和第三组风险图像对是具有关联关系的。将第一组风险图像对、第二组风险图像对和第三组风险图像对进行组合，获得包括图像A、图像B、图像C和图像D的风险图像组，然后将图像A、图像B、图像C和图像D确定为两两相似的图像。由此，可以在后续的图像检测中，将风险图像组输出到页面，以通过人工检测等方式对该风险图像组中的图像进一步判断，从而确定哪些图像为套证，以提高图像检测的准确性。

图2是本发明第一实施例的获取风险图像组过程的示意图。如图2所示，从一个证照图像库21中检测风险图像。证照图像库21包括证照图像a-l。将证照图像库21中的任意两个证照图像组合图像对并分别执行图1中的证照检测方法的步骤。图像对的检测结果如图2所示，证照图像a和证照图像h、证照图像a和证照图像f、证照图像a和证照图像d、证照图像h和证照图像d、证照图像h和证照图像f、证照图像b和证照图像g、证照图像g和证照图像k、证照图像b和证照图像i、证照图像k和证照图像l以及证照图像k和证照图像i均被判定为风险图像对。

其中，风险图像对a-h、风险图像对a-f、风险图像对a-d、风险图像对h-d以及风险图像对h-f是具有关联关系的风险图像对。将风险图像对a-h、风险图像对a-f、风险图像对a-d、风险图像对h-d以及风险图像对h-f进行组合以获得包括证照图像a、证照图像h、证照图像f和证照图像d的第一风险图像组。风险图像对b-g、风险图像对g-k、风险图像对b-i、风险图像对k-l以及风险图像对k-i是具有关联关系的风险图像对。将风险图像对b-g、风险图像对g-k、风险图像对b-i、风险图像对k-l以及风险图像对k-i进行组合以获得包括证照图像b、证照图像g、证照图像i、证照图像k以及证照图像l的第二风险图像组。

在一种可选的实现方式中，可以通过无向图的连接区域将相互关联的风险图像对组合为风险图像组以提高获取风险图像组的效率。具体地，将各风险图像对中的两个图像设置无向连接，获取包括多个图像的无向图，并根据获得的无向图确定风险图像组。其中，风险图像组中的图像位于该无向图的同一连通区域中。

无向图为边没有方向的图，也即无向图中的两个顶点连成的边没有方向性。由于本实施例中的图像对中的两个图像是彼此相似的，因此以图像对中的两个图像连成的边没有方向性。由此，可以通过无向图来确定风险图像组以提高图像检测的效率。无向图的连通区域指无向图的所有连通分支组成的区域，无向图的连通分支至一个顶点到另一个顶点的连通支路。

如图2所示，将各风险图像对中的两个证照图像设置无向连接以连接与之关联的风险图像对，从而得到无向图22和无向图23。则根据无向图22可以确定证照图像a、证照图像d、证照图像f和证照图像h为第一风险图像组。根据无向图23可以确定证照图像b、证照图像g、证照图像k、证照图像i和证照图像l为第二风险图像组。

优选地，将第一风险图像组中的证照图像a、证照图像h、证照图像f和证照图像d确定为两两相似的图像，将第二风险图像组中的证照图像b、证照图像g、证照图像i、证照图像k以及证照图像l确定为两两相似的图像，从而可以将获得的所有风险图像组分别输出至页面以供后续人工检测。

由此，在后续证照图像的套证检测时，通过人工对风险图像组中的风险图像进行检测，可以准确快速的检测出涉嫌套证的证件图像。由此，本发明实施例提高了证照检测的效率和准确率。

图3是本发明第一实施例的一种实施方式的证照图像检测方法的流程图。如图3所示，本实施方式的证照图像检测方法包括以下步骤：

步骤S210，获取图像对。在一种可选的实现方式中，对图像文件库中的图像文件进行处理以获得一组图像。在获得的一组图像(例如证照图像库)中任意选择两个相同类别的图像作为一个图像对。证照图像包括证件(如身份证、毕业证等)和营业执照等。例如，从一个网站中的入住商家提交的营业执照库中选取营业执照A和营业执照B作为一个图像对。

步骤S220，对图像对中的图像进行深度神经网络处理以分别提取图像的图像特征。图像特征包括图像的颜色特征、纹理特征、形状特征或空间关系特征等。具体地，通过使用深度神经网络对大量证照图像数据进行学习并提取图像特征，可以减小图像拍摄质量差或压缩后的图像质量差对于图像特征提取的影响，也即可以提升图像特征提取的鲁棒性。

步骤S230，确定图像对中图像的图像特征的特征相似度。在一种可选的实现方式中，分别对图像对中两个图像的图像特征进行归一化处理以获取分别获取这两个图像的特征向量。计算这两个图像的特征向量的余弦距离以获取特征相似度。例如，营业执照A和营业执照B的特征向量分别为A(120，80，90)，B(90，80，120)。应理解，图像的特征向量的维度大于或等于三维，本实施例以三维特征向量为例进行说明。将特征向量A和B分别进行归一化后得到向量(0.71，0.47，0.53)，(0.53，0.47，0.71)，则这两个图像的特征向量的余弦距离Cos(A,B)为：

也即，营业执照A和营业执照B的特征相似度为0.9649。

步骤S240，判断两个图像的特征相似度是否大于第二阈值。在两个图像的特征相似度大于第二阈值时，执行步骤S250。否则，执行步骤S290。优选地，第二阈值被设置在0.9000-0.9999之间。假设预设的第二阈值为0.9500，则营业执照A和营业执照B的特征相似度0.9649大于第二阈值0.9500。因此，营业执照A和营业执照B在粗粒度上被判定相似。

步骤S250，判断图像对中两个图像的图像大小是否相同。在图像对中两个图像的图像大小相同时，执行步骤S260。否则，执行步骤S290。由于在拍摄图像时，会拍摄到图像周围的相关信息，如光照、背景环境等信息。因此，在自然拍摄环境下不会出现两张相同的图像。因此，可以通过判断两个图像的图像大小是否相同来进一步筛选。

步骤S260，确定图像对中两个图像的像素相似度。其中，像素相似度为两个图像在相同坐标位置上的像素差小于第三阈值的像素个数占总像素数的比例。像素差为两个图像在相同坐标位置上的RGB值的差值，或者两个图像对应的灰度图像在相同坐标位置上的灰度值的差值。其中，可以通过计算两个图像在对应像素上的RGB值均小于第三阈值的像素个数占总像素个数的比例以获取这两个图像的像素相似度。或者，可以通过计算两个图像在像素上的RGB值的欧氏距离、海明距离或巴式距离等方式来获取这两个图像在该像素上的像素差。应理解，第三阈值是根据像素差的计算方法预先设置的，并与所选取的计算像素差的方法相对应。

步骤S270，判断图像对中两个图像的像素相似度是否大于第一阈值。优选地，第一阈值可以被设置在0.9000-0.9999之间。在两个图像的像素相似度大于第一阈值时，执行步骤S280。否则执行步骤S290。

步骤S280，确定图像对为风险图像对。在两个图像的像素相似度大于第一阈值时，判定这两个图像为风险图像对。也就是说，这个图像对中的两个图像涉嫌套证。

步骤S290，确定图像对为非风险图像对。

在图像对中两个图像的特征相似度小于第二阈值时，该图像对中的两个图像在粗粒度上被判定为不相似，该图像对为非风险图像对，也即，图像对中的两个图像不能彼此判定是否涉嫌套证。

由于获取图像时的光照及背景环境等信息不同，这两幅图像的图像大小和/或在部分相同坐标位置上的像素会存在差异。因此，可以通过判断图像对中的两个图像的图像大小是否相同以进行进一步筛选，在两个图像的图像大小不相同时，该图像对为非风险图像对，也即，图像对中的两个图像不能彼此判定是否涉嫌套证。在图像对中两个图像的大小相同时，确定两个图像的像素相似度。在图像对中的两个图像的像素相似度小于第一阈值时(也即相似像素的个数占总像素个数的比例小于第一阈值时)，该图像对中的两个图像在细粒度上被判定为不相似，该图像对为非风险图像对，也即，图像对中的两个图像不能彼此判定是否涉嫌套证。本发明实施例的技术方案通过判断图像对中的两个图像的图像相似参数是否满足设定条件，以对这两个图像进行粗粒度的相似判定，并在两个图像的图像相似参数满足设定条件后，判断这两个图像的像素相似度是否大于第一阈值以对这两个图像进行细粒度的相似判定，从而确定该图像对是否为风险图像对，由此，可以提高证照图像检测的效率和准确率。

在一种可选的实现方式中，本实施例的证照图像检测方法还包括以下步骤：将具有关联关系的各风险图像对进行组合以获取风险图像组，并确定该风险图像组中的所有图像均相似。由此，在后续的图像检测中，可以将风险图像组输出到页面，以通过人工检测等方式对该风险图像组中的图像进一步判断，从而确定哪些图像为套证，以提高图像检测的准确性。

在一种可选的实现方式中，可以通过无向图的连接区域将相互关联的风险图像对组合为风险图像组以提高获取风险图像组的效率。具体地，将各风险图像对中的两个图像设置无向连接，获取包括多个图像的无向图，并根据获得的无向图确定风险图像组。其中，风险图像组中的图像位于该无向图的同一连通区域中。也就是说，使得有关联的风险图像对位于无向图的同一连通区域中，从而提高后续证照图像检测(例如人工图像检测)的效率和准确率。

图4是本发明第二实施例的证照图像检测装置的示意图。本发明实施例的证照图像检测装置4包括图像获取单元41、特征提取单元42、特征相似度获取单元43、像素相似度获取单元44、风险图像确定单元45、风险图像组获取单元46和相似图像确定单元47。

图像获取单元41被配置为获取图像对。其中，图像对包括两个图像。在一种可选的实现方式中，图像获取单元41包括图像对获取子单元411，被配置为从预定的一组图像中任意选择两个相同类别的图像以获取一个图像对。

特征提取单元42被配置为分别提取图像对中两个图像的图像特征。在一种可选的实现方式中，特征提取单元42包括神经网络处理子单元，被配置为对图像对中的两个图像分别进行深度神经网络处理以分别提取两个图像的图像特征，从而可以提高图像特征提取的鲁棒性。

特征相似度获取单元43被配置为确定图像对的特征相似度。在一种可选的实现方式中，特征相似度获取单元43包括特征向量获取单元431和特征相似度计算子单元432。其中，特征向量获取单元431被配置为分别对图像对中两个图像的图像特征进行归一化以获取对应的特征向量。特征相似度计算子单元，被配置为计算所述两个图像的特征向量的余弦距离以获取两个图像的特征相似度。由此，可以避免度量标准不统一的问题，提高了证照图像的准确率。

像素相似度获取单元44被配置为响应于图像对的图像相似参数满足设定条件，确定图像对的像素相似度。其中，图像相似参数至少包括所述特征相似度。在一种可选的实现方式中，像素相似度获取单元44包括第一像素相似度子单元441，被配置为响应于两个图像的特征相似度大于第二阈值，确定这两个图像的像素相似度。也就是说，在两个图像的特征相似度大于第二阈值时，可以判定这两个图像在粗粒度上相似。从而，进一步检测这两个图像的像素相似度以在细粒度上进行相似判定。

优选地，像素相似度可以为两个图像在相同坐标位置上的像素差小于第三阈值的像素个数占总像素数的比例。在一种可选的实现方式中，像素差可以为两个图像在相同坐标位置上的RGB值的差值。或者像素差可以为两个图像的灰度图像在相同坐标位置上的灰度值的差值。

在另一种可选的实现方式中，图像相似参数还包括图像大小比较结果。像素相似度获取单元44包括第二像素相似度子单元442，被配置为响应于两个图像的特征相似度大于第二阈值且两个图像的图像大小相同，确定这两个图像的像素相似度。也就是说，在两个图像的特征相似度大于第二阈值时，判定这两个图像在粗粒度上相似。由于在拍摄图像时，会拍摄到图像周围的相关信息，如光照、背景环境等信息。因此，在自然拍摄环境下不会出现两张相同的图像。由此，在确定两个图像的像素相似度之前，可以先判断这两个图像的图像大小是否基本相同，从而可以提高证照图像检测的效率和准确率。

风险图像确定单元45被配置为响应于两个图像的像素相似度大于第二阈值，确定图像对为风险图像对。也就是说，该图像对中的两个图像至少有一个涉嫌套证，可以通过人工进行进一步检测以确定哪一个为套证。

风险图像组获取单元46被配置为将具有关联关系的各风险图像对进行组合以获取风险图像组。相似图像确定单元47被配置为确定风险图像组中的各图像均相似。也就是说，使得有相互关联关系的风险图像均聚集在同一个风险图像组中，以便于后续进行人工检测出哪些图像为套证。在一种可选的实现方式中，风险图像组获取单元包括无向图获取子单元461和风险图像组获取子单元462。其中，无向图获取子单元461被配置为将各风险图像对中的两个图像设置无向连接，获取包括多个图像的无向图。风险图像组获取子单元462被配置为根据无向图确定风险图像组。其中，风险图像组中的图像位于该无向图的同一连通区域中。也就是说，使得有关联的风险图像对位于无向图的同一连通区域中，从而提高后续人工检测的效率和准确率。

本发明实施例的技术方案通过判断图像对中的两个图像的图像相似参数是否满足设定条件，以对这两个图像进行粗粒度的相似判定，并在两个图像的图像相似参数满足设定条件后，判断这两个图像的像素相似度是否大于第一阈值以对这两个图像进行细粒度的相似判定，从而确定该图像对是否为风险图像对，由此，可以提高证照图像检测的效率和准确率。

图5是本发明第三实施例的电子设备的示意图。如图5所示，该电子设备：至少包括一个处理器501；以及，与至少一个处理器501通信连接的存储器502；以及，与扫描装置通信连接的通信组件503，通信组件503在处理器501的控制下接收和发送数据；其中，存储器502存储有可被至少一个处理器501执行的指令，指令被至少一个处理器901执行以实现：

获取图像对；

分别提取所述图像对中图像的图像特征；

根据所述图像特征确定所述图像对的特征相似度；

响应于所述图像对的图像相似参数满足设定条件，确定所述图像对的像素相似度，其中，所述图像相似参数至少包括所述特征相似度；

响应于所述图像对的像素相似度大于第一阈值，确定所述图像对为风险图像对。

进一步地，指令被至少一个处理器901执行还用以实现：

将具有关联关系的所述风险图像对进行组合以获取风险图像组；

确定所述风险图像组中的各图像为相似图像。

进一步地，所述将具有关联关系的所述风险图像对进行组合以获取风险图像组包括：

将所述风险图像对中的图像设置无向连接，获取包括多个图像的无向图；

根据所述无向图确定所述风险图像组，所述风险图像组中的图像位于所述无向图的同一连通区域中。

进一步地，所述响应于所述图像对的图像相似参数满足设定条件，确定所述图像对的像素相似度包括：

响应于所述图像对的特征相似度大于第二阈值，确定所述图像对的像素相似度。

进一步地，所述图像相似参数还包括图像大小比较结果；

所述响应于所述图像对的图像相似参数满足设定条件，确定所述图像对的像素相似度包括：

响应于所述图像对的特征相似度大于第二阈值且所述图像对中图像的图像大小相同，确定所述图像对的像素相似度。

进一步地，所述根据所述图像特征确定所述图像对的特征相似度包括：

分别对所述图像对中图像的图像特征进行归一化以获取所述图像对中图像的特征向量；

计算所述图像对中图像的特征向量的余弦距离以获取所述图像对的特征相似度。

进一步地，所述像素相似度为所述图像对中图像在相同坐标位置上的像素差小于第三阈值的像素个数占总像素数的比例。

进一步地，所述像素差为所述图像对中图像在相同坐标位置上的RGB值的差值；或者

所述像素差为所述图像对中图像对应的灰度图像在相同坐标位置上的灰度值的差值。

进一步地，所述分别提取所述图像对中图像的图像特征包括：

对所述图像对中图像分别进行深度神经网络处理以分别提取所述图像对中图像的图像特征。

进一步地，所述获取图像对包括：

从预定的一组图像中任意选择两个相同类别的图像以获取所述图像对。

具体地，该电子设备包括：一个或多个处理器501以及存储器502，图5中以一个处理器501为例。处理器501、存储器502可以通过总线或者其他方式连接，图5中以通过总线连接为例。存储器502作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。处理器501通过运行存储在存储器502中的非易失性软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述证照图像检测方法。

存储器502可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储选项列表等。此外，存储器502可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施方式中，存储器502可选包括相对于处理器501远程设置的存储器，这些远程存储器可以通过网络连接至外接设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

一个或者多个模块存储在存储器502中，当被一个或者多个处理器501执行时，执行上述任意方法实施方式中的证照图像检测方法。

上述产品可执行本申请实施方式所提供的方法，具备执行方法相应的功能模块和有益效果，未在本实施方式中详尽描述的技术细节，可参见本申请实施方式所提供的方法。

本实施例通过判断图像对中的两个图像的图像相似参数是否满足设定条件，以对所述两个图像进行粗粒度的相似判定，并在所述两个图像的图像相似参数满足设定条件后，判断所述两个图像的像素相似度是否大于第一阈值以对所述两个图像进行细粒度的相似判定，从而确定所述图像对是否为风险图像对，由此，可以提高证照图像检测的效率和准确率。

本发明的第四实施例涉及一种非易失性存储介质，用于存储计算机可读程序，所述计算机可读程序用于供计算机执行上述部分或全部的方法实施例。

即，本领域技术人员可以理解，实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得一个设备(可以是单片机，芯片等)或处理器(processor)执行本申请各实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlBMemorB)、随机存取存储器(RAM，Random Access MemorB)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅为本发明的优选实施例，并不用于限制本发明，对于本领域技术人员而言，本发明可以有各种改动和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

本发明实施例公开了A1、一种证照图像检测方法，包括：

获取图像对；

分别提取所述图像对中图像的图像特征；

根据所述图像特征确定所述图像对的特征相似度；

响应于所述图像对的图像相似参数满足设定条件，确定所述图像对的像素相似度，其中，所述图像相似参数至少包括所述特征相似度；

响应于所述图像对的像素相似度大于第一阈值，确定所述图像对为风险图像对。

A2、根据A1所述的证照图像检测方法，其中，所述方法还包括：

将具有关联关系的所述风险图像对进行组合以获取风险图像组；

确定所述风险图像组中的各图像为相似图像。

A3、根据A2所述的证照图像检测方法，其中，所述将具有关联关系的各所述风险图像对进行组合以获取风险图像组包括：

将所述风险图像对中的图像设置无向连接，获取包括多个图像的无向图；

根据所述无向图确定所述风险图像组，所述风险图像组中的图像位于所述无向图的同一连通区域中。

A4、根据A1所述的证照图像检测方法，其中，所述响应于所述图像对的图像相似参数满足设定条件，确定所述图像对的像素相似度包括：

响应于所述图像对的特征相似度大于第二阈值，确定所述图像对的像素相似度。

A5、根据A1所述的证照图像检测方法，其中，所述图像相似参数还包括图像大小比较结果；

所述响应于所述图像对的图像相似参数满足设定条件，确定所述图像对的像素相似度包括：

响应于所述图像对的特征相似度大于第二阈值且所述图像对中图像的图像大小相同，确定所述图像对的像素相似度。

A6、根据A1所述的证照图像检测方法，其中，所述根据所述图像特征确定所述图像对的特征相似度包括：

分别对所述图像对中图像的图像特征进行归一化以获取所述图像对中图像的特征向量；

计算所述图像对中图像的特征向量的余弦距离以获取所述图像对的特征相似度。

A7、根据A1所述的证照图像检测方法，其中，所述像素相似度为所述图像对中图像在相同坐标位置上的像素差小于第三阈值的像素个数占总像素数的比例。

A8、根据A7所述的证照图像检测方法，其中，所述像素差为所述图像对中图像在相同坐标位置上的RGB值的差值；或者

所述像素差为所述图像对中图像对应的灰度图像在相同坐标位置上的灰度值的差值。

A9、根据A1-A8任一项所述的证照图像检测方法，其中，所述分别提取所述图像对中图像的图像特征包括：

对所述图像对中图像分别进行深度神经网络处理以分别提取所述图像对中图像的图像特征。

A10、根据A1所述的证照图像检测方法，其中，所述获取图像对包括：

从预定的一组图像中任意选择两个相同类别的图像以获取所述图像对。

本发明实施例还公开了B1、一种证照图像检测装置，包括：

图像获取单元，被配置为获取图像对；

特征提取单元，被配置为分别提取所述图像对中图像的图像特征；

特征相似度获取单元，被配置为根据所述图像特征确定所述图像对的特征相似度；

像素相似度获取单元，被配置为响应于所述图像对的图像相似参数满足设定条件，确定所述图像对的像素相似度，其中，所述图像相似参数至少包括所述特征相似度；以及

风险图像确定单元，被配置为响应于所述像素相似度大于第一阈值，确定所述图像对为风险图像对。

本发明实施例还公开了C1、一种计算机可读存储介质，其上存储计算机程序指令，所述计算机程序指令在被处理器执行时实现A1-A10中任一项所述的方法。

本发明实施例还公开了D1、一种电子设备，包括存储器和处理器，所述存储器用于存储一条或多条计算机程序指令，其中，所述一条或多条计算机程序指令被所述处理器执行以实现如下步骤：

获取图像对；

分别提取所述图像对中图像的图像特征；

根据所述图像特征确定所述图像对的特征相似度；

响应于所述图像对的图像相似参数满足设定条件，确定所述图像对的像素相似度，其中，所述图像相似参数至少包括所述特征相似度；

响应于所述图像对的像素相似度大于第一阈值，确定所述图像对为风险图像对。

D2、根据D1所述的电子设备，其中，所述步骤还包括：

将具有关联关系的所述风险图像对进行组合以获取风险图像组；

确定所述风险图像组中的各图像为相似图像。

D3、根据D2所述的电子设备，其中，所述将具有关联关系的所述风险图像对进行组合以获取风险图像组包括：

将所述风险图像对中的图像设置无向连接，获取包括多个图像的无向图；

根据所述无向图确定所述风险图像组，所述风险图像组中的图像位于所述无向图的同一连通区域中。

D4、根据D1所述的电子设备，其中，所述响应于所述图像对的图像相似参数满足设定条件，确定所述图像对的像素相似度包括：

响应于所述图像对的特征相似度大于第二阈值，确定所述图像对的像素相似度。

D5、根据D1所述的电子设备，其中，所述图像相似参数还包括图像大小比较结果；

所述响应于所述图像对的图像相似参数满足设定条件，确定所述图像对的像素相似度包括：

响应于所述图像对的特征相似度大于第二阈值且所述图像对中图像的图像大小相同，确定所述图像对的像素相似度。

D6、根据D1所述的电子设备，其中，所述根据所述图像特征确定所述图像对的特征相似度包括：

分别对所述图像对中图像的图像特征进行归一化以获取所述图像对中图像的特征向量；

计算所述图像对中图像的特征向量的余弦距离以获取所述图像对的特征相似度。

D7、根据D1所述的电子设备，其中，所述像素相似度为所述图像对中图像在相同坐标位置上的像素差小于第三阈值的像素个数占总像素数的比例。

D8、根据D7所述的电子设备，其中，所述像素差为所述图像对中图像在相同坐标位置上的RGB值的差值；或者

所述像素差为所述图像对中图像对应的灰度图像在相同坐标位置上的灰度值的差值。

D9、根据D1-D8任一项所述的电子设备，其中，所述分别提取所述图像对中图像的图像特征包括：

对所述图像对中图像分别进行深度神经网络处理以分别提取所述图像对中图像的图像特征。

D10、根据D1所述的电子设备，其中，所述获取图像对包括：

从预定的一组图像中任意选择两个相同类别的图像以获取所述图像对。

Claims (10)

1.一种证照图像检测方法，包括：

获取图像对；

分别提取所述图像对中图像的图像特征；

根据所述图像特征确定所述图像对的特征相似度；

响应于所述图像对的图像相似参数满足设定条件，确定所述图像对的像素相似度，其中，所述图像相似参数至少包括所述特征相似度；

响应于所述图像对的像素相似度大于第一阈值，确定所述图像对为风险图像对。

2.根据权利要求1所述的证照图像检测方法，其特征在于，所述方法还包括：

将具有关联关系的所述风险图像对进行组合以获取风险图像组；

确定所述风险图像组中的各图像为相似图像。

3.根据权利要求2所述的证照图像检测方法，其特征在于，所述将具有关联关系的各所述风险图像对进行组合以获取风险图像组包括：

将所述风险图像对中的图像设置无向连接，获取包括多个图像的无向图；

根据所述无向图确定所述风险图像组，所述风险图像组中的图像位于所述无向图的同一连通区域中。

4.根据权利要求1所述的证照图像检测方法，其特征在于，所述响应于所述图像对的图像相似参数满足设定条件，确定所述图像对的像素相似度包括：

响应于所述图像对的特征相似度大于第二阈值，确定所述图像对的像素相似度。

5.根据权利要求1所述的证照图像检测方法，其特征在于，所述图像相似参数还包括图像大小比较结果；

所述响应于所述图像对的图像相似参数满足设定条件，确定所述图像对的像素相似度包括：

响应于所述图像对的特征相似度大于第二阈值且所述图像对中图像的图像大小相同，确定所述图像对的像素相似度。

6.根据权利要求1所述的证照图像检测方法，其特征在于，所述像素相似度为所述图像对中图像在相同坐标位置上的像素差小于第三阈值的像素个数占总像素数的比例。

7.根据权利要求6所述的证照图像检测方法，其特征在于，所述像素差为所述图像对中图像在相同坐标位置上的RGB值的差值；或者

所述像素差为所述图像对中图像对应的灰度图像在相同坐标位置上的灰度值的差值。

8.一种证照图像检测装置，包括：

图像获取单元，被配置为获取图像对；

特征提取单元，被配置为分别提取所述图像对中图像的图像特征；

特征相似度获取单元，被配置为根据所述图像特征确定所述图像对的特征相似度；

像素相似度获取单元，被配置为响应于所述图像对的图像相似参数满足设定条件，确定所述图像对的像素相似度，其中，所述图像相似参数至少包括所述特征相似度；以及

风险图像确定单元，被配置为响应于所述像素相似度大于第一阈值，确定所述图像对为风险图像对。

9.一种计算机可读存储介质，其上存储计算机程序指令，其特征在于，所述计算机程序指令在被处理器执行时实现如权利要求1-7中任一项所述的方法。

10.一种电子设备，包括存储器和处理器，其特征在于，所述存储器用于存储一条或多条计算机程序指令，其中，所述一条或多条计算机程序指令被所述处理器执行以实现如下步骤：

获取图像对；

分别提取所述图像对中图像的图像特征；

根据所述图像特征确定所述图像对的特征相似度；

响应于所述图像对的图像相似参数满足设定条件，确定所述图像对的像素相似度，其中，所述图像相似参数至少包括所述特征相似度；

响应于所述图像对的像素相似度大于第一阈值，确定所述图像对为风险图像对。