CN109583287A - 实物识别方法及验证方法 - Google Patents
实物识别方法及验证方法 Download PDFInfo
- Publication number
- CN109583287A CN109583287A CN201710911613.4A CN201710911613A CN109583287A CN 109583287 A CN109583287 A CN 109583287A CN 201710911613 A CN201710911613 A CN 201710911613A CN 109583287 A CN109583287 A CN 109583287A
- Authority
- CN
- China
- Prior art keywords
- image
- identified
- environment
- condition
- recognition methods
- 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
- 238000000034 method Methods 0.000 title claims abstract description 122
- 238000012795 verification Methods 0.000 title claims abstract description 15
- 239000000463 material Substances 0.000 claims abstract description 101
- 230000007613 environmental effect Effects 0.000 claims description 104
- 238000005286 illumination Methods 0.000 claims description 65
- 238000003860 storage Methods 0.000 claims description 14
- 230000015654 memory Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 6
- 238000005520 cutting process Methods 0.000 claims description 6
- 241000406668 Loxodonta cyclotis Species 0.000 claims description 4
- 230000009471 action Effects 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 claims 1
- 230000008859 change Effects 0.000 description 24
- 238000010586 diagram Methods 0.000 description 9
- 229910052573 porcelain Inorganic materials 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000005611 electricity Effects 0.000 description 4
- 239000010410 layer Substances 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 241000208340 Araliaceae Species 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 238000004040 coloring Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 230000003760 hair shine Effects 0.000 description 2
- 239000011229 interlayer Substances 0.000 description 2
- 230000001678 irradiating effect Effects 0.000 description 2
- 239000000696 magnetic material Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 208000003464 asthenopia Diseases 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- WUKWITHWXAAZEY-UHFFFAOYSA-L calcium difluoride Chemical compound [F-].[F-].[Ca+2] WUKWITHWXAAZEY-UHFFFAOYSA-L 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000010436 fluorite Substances 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000005389 magnetism Effects 0.000 description 1
- 230000029052 metamorphosis Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/20—Scenes; Scene-specific elements in augmented reality scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/141—Control of illumination
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/35—Categorising the entire scene, e.g. birthday party or wedding scene
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/08—Network architectures or network communication protocols for network security for authentication of entities
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/08—Network architectures or network communication protocols for network security for authentication of entities
- H04L63/0853—Network architectures or network communication protocols for network security for authentication of entities using an additional device, e.g. smartcard, SIM or a different communication terminal
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/56—Cameras or camera modules comprising electronic image sensors; Control thereof provided with illuminating means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10141—Special mode during image acquisition
- G06T2207/10152—Varying illumination
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20224—Image subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30176—Document
-
- 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
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
-
- 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
- G06T3/60—Rotation of whole images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computing Systems (AREA)
- Signal Processing (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Hardware Design (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computer Security & Cryptography (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例提供了一种实物识别方法及验证方法,涉及图像识别技术领域。所述实物识别方法包括:采集目标环境条件下的待识别对象的第一图像,根据所述第一图像的图像特征,识别所述待识别对象为实物对象或非实物对象。本申请能够提高实物识别的准确性和可靠性。
Description
技术领域
本申请涉及图像识别技术领域,特别是涉及一种实物识别方法及验证方法。
背景技术
在生活和生产的过程中,出于处理业务的需要、安全需要等多种目的,需要对待识别对象为实物对象或非实物对象。比如,在对对象进行监控时,可能需要识别该对象为实物或者伪装的非实物;获取到用户的证件照时,可能需要确定该证件照是对实体的证件进行拍摄得到,或是对其它证件照(即非实体的证件)翻拍得到。因此,亟需一种实物识别方法来对待识别对象进行识别。
现有技术中,可以获取待识别对象的图像,由相关人员通过经验,对获取到的图像进行分析,从而对待识别对象进行识别,以确定该待识别对象为实物对象或非实物对象。但在现有技术中,识别待识别对象的准确性和可靠性受人工经验的丰富程度影响较大,可能难以识别出伪装程度较高的非实物对象,且识别的过程中还会受到视觉疲劳等因素的干扰,难以保证识别实物或非实物的准确性和可靠性。
发明内容
鉴于上述问题,提出了本申请以便提供一种克服上述问题或者至少部分地解决上述问题的实物识别方法及验证方法。
依据本申请的一个方面,提供了一种实物识别方法,包括:
采集目标环境条件下的待识别对象的第一图像;
根据所述第一图像的图像特征,识别所述待识别对象为实物对象或非实物对象。
可选的,所述根据所述第一图像的图像特征,识别所述待识别对象为实物对象或非实物对象包括:
根据所述第一图像中与所述目标环境条件关联的图像特征,识别所述待识别对象为实物对象或非实物对象。
可选的,环境条件包括光照条件,所述光照条件包括光照角度、光线波长和光照强度中的至少一个。
可选的,在所述采集目标环境条件下的待识别对象的第一图像之前,还包括:
对所述待识别对象所处环境进行调整,使所述待识别对象处于具有所述目标环境条件的环境下。
可选的,所述对所述待识别对象所处环境进行调整包括:
将所述待识别对象所处环境的至少一个环境条件调整至所述目标环境条件。
可选的,所述将所述待识别对象所处环境的至少一个环境条件调整至所述目标环境条件包括:
调整参考光源照射所述待识别对象的方向。
可选的,所述调整参考光源照射所述待识别对象的方向包括:
调整所述参考光源照射所述待识别对象的方向至与所述第一图像的采集方向之间的夹角小于90度。
可选的,所述将所述待识别对象所处环境的至少一个环境条件调整至所述目标环境条件包括:
调整参考光源照射所述待识别对象的区域。
可选的,所述将所述待识别对象所处环境的至少一个环境条件调整至所述目标环境条件包括:
在所述待识别对象所处环境中增加参考光源,通过所述参考光源控制光照条件。
可选的,所述通过所述参考光源控制光照条件包括:
控制闪光灯开启,以通过所述闪光灯照射所述待识别对象。
可选的,环境条件包括温度条件,所述将所述待识别对象所处环境的至少一个环境条件调整至所述目标环境条件包括:
调整当前温度至目标温度。
可选的,所述对所述待识别对象所处环境进行调整包括:
将所述待识别对象从第一环境转移至具有所述目标环境条件的第二环境。
可选的,在所述对所述待识别对象所处环境进行调整之前,还包括:
在调整前的环境下采集所述待识别对象的第二图像。
可选的,所述根据所述第一图像的图像特征,识别所述待识别对象为实物对象或非实物对象包括:
获取所述待识别对象在所述第一图像和所述第二图像中的图像特征的差异信息;
根据所述差异信息,识别所述待识别对象为实物图像或非实物图像。
可选的,所述获取所述待识别对象在第一图像和第二图像中的图像特征的差异信息包括:
通过对所述第一图像和所述第二图像进行像素比较,确定所述第一图像和第二图像的差值图像;
提取所述差值图像的图像特征作为所述差异信息。
可选的,所述根据所述差异信息,识别所述待识别对象为实物图像或非实物图像包括:
采用第一识别分类器识别所述差异信息,得到所述待识别对象为实物对象或非实物对象的识别结果。
可选的,所述根据所述第一图像的图像特征,识别所述待识别对象为实物对象或非实物对象包括:
从所述第一图像中提取所述图像特征;
采用第二识别分类器识别所述图像特征,得到所述待识别对象为实物对象或非实物对象的识别结果。
可选的,在所述根据所述第一图像的图像特征,识别所述待识别对象为实物对象或非实物对象之前,还包括:
在所述第一图像中识别所述待识别对象对应的图像内容;
根据所述图像内容所处方位对所述第一图像进行旋转,和/或,从所述第一图像中切分出所述图像内容。
依据本申请的另一方面,提供了一种实物识别方法,包括:
在非目标环境条件下,采集待识别对象的第二图像;
在目标环境条件下,采集所述待识别对象的第一图像;
确定所述第一图像与所述第二图像的差异图像;
基于所述差异图像识别所述待识别对象为实物对象或非实物对象。
可选的,在所述在目标环境条件下,采集所述待识别对象的第一图像之前,还包括:
对具有所述非目标环境条件的环境中的光照条件进行调整,使所述环境具有所述目标环境条件,所述光照条件包括光照角度、光线波长和光照强度中的至少一个。
可选的,所述对具有所述非目标环境条件的环境中的光照条件进行调整包括:
调整参考光源照射所述待识别对象的方向。
可选的,所述调整参考光源照射所述待识别对象的方向包括:
调整所述参考光源照射所述待识别对象的方向至与所述第一图像的采集方向之间的夹角小于90度。
可选的,所述对具有所述非目标环境条件的环境中的光照条件进行调整包括:
调整参考光源照射所述待识别对象的区域。
可选的,所述对具有所述非目标环境条件的环境中的光照条件进行调整包括:
在所述待识别对象所处环境中增加参考光源,通过所述参考光源控制光照条件。
可选的,所述通过所述参考光源控制光照条件包括:
控制闪光灯开启,以通过所述闪光灯照射所述待识别对象。
可选的,在所述在目标环境条件下,采集所述待识别对象的第一图像之前,还包括:
将具有所述非目标环境条件的环境中的温度调整至目标温度,使所述环境具有所述目标环境条件。
依据本申请的另一方面,提供了一种验证方法,包括:
在目标环境条件下采集待验证对象的第一图像;
根据所述第一图像的图像特征,验证所述待识别对象为实物对象或非实物对象;
若验证所述待识别对象为实物对象,则将所述第一图像提交至服务器。
依据本申请的另一方面,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如前述一个或多个的方法。
依据本申请的另一方面,提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如前述一个或多个的方法。
在本申请实施例中,由于环境会对待识别对象的结构或形态造成影响,则在目标环境条件下采集待识别对象的第一图像,第一图像的图像特征即能够说明待识别对象在具有目标环境条件的环境中的结构或形态,且由于不同对象受同一环境的影响也会不同,因此,当待识别对象分别为实物或非实物时,所获取到的第一图像的图像特征也会不同,所以可以根据第一图像的图像特征,对待识别对象进行识别。由于不需要依赖人工经验,所以提高了实物识别的准确性和可靠性。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其它的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本申请的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了根据本申请实施例一的一种实物识别方法流程图;
图2示出了根据本申请实施例一的一种实物识别方法应用场景的示意图;
图3示出了根据本申请实施例一的另一种实物识别方法应用场景的示意图;
图4示出了根据本申请实施例二的一种实物识别方法流程图;
图5示出了根据本申请实施例三的一种实物识别方法流程图;
图6示出了根据本申请实施例四的一种实物识别方法流程图;
图7示出了根据本申请实施例五的一种实物识别方法流程图;
图8示出了根据本申请实施例六的一种实物识别方法流程图;
图9示出了根据本申请实施例七的一种实物识别方法流程图;
图10示出了根据本申请实施例八的一种实物识别方法流程图;
图11示出了根据本申请实施例九的一种验证方法流程图;
图12示出了根据本申请实施例十的一种实物识别方法流程图;
图13示出了根据本申请实施例的一种实物识别方法流程图;
图14示出了根据本申请实施例十一的一种实物识别装置的结构框图;
图15示出了根据本申请实施例十二的一种实物识别装置的结构框图;
图16示出了根据本申请实施例十三的一种验证终端的结构框图;
图17示出了根据本申请一个实施例的一种示例性系统的结构框图。
具体实施方式
下面将参照附图更详细地描述本申请示例性实施例。虽然附图中显示了本申请示例性实施例,然而应当理解,可以以各种形式实现本申请而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本申请,并且能够将本申请的范围完整的传达给本领域的技术人员。
为使本领域技术人员更好地理解本申请,以下对本申请所涉及的技术概念进行解释:
对象通常具有特定的结构或形态,且该结构或形态通常是与该对象所处环境的环境条件相关联。其中,结构包括物理结构和化学结构,形态可以包括该对象所展现出的形式或状态。比如,对象为塑料材质的证件,则在可见光照射时,该对象的形态为固态薄片,外表面可能还会包括由于制作工艺产生或塑料材质所固有的纹路、颜色等;在紫外线照射时,该对象的形态为固态薄片,且外表面可能会出现新的纹路或颜色。再比如,对象为冰制作的工艺品,在零摄氏度一下,该对象具有固定的形状,而在温度高于零摄氏度且小于一百摄氏度时,该对象会融化成液体,而在温度高于一百摄氏度时,该对象会蒸发成为气体。
待识别对象包括待识别的实物对象或非实物对象。实物对象可以包括各种物品、用户、动植物等,非实物对象可以按照实物对象进行仿造或伪装得到,从而与对应的实物相似。比如,实物对象为用户的证件,则非实物对象可以为翻拍该证件得到的证件照。
环境为待识别物体所处的空间区域,包括封闭或非封闭的空间区域。
环境条件用于说明环境所具有的特征,可以包括光照、温度、湿度、压强、声音、磁场、电场、是否真空等条件中的至少一个。
图像特征用于说明图像所具有的特点,可以包括颜色特征、纹理特征、形状特征、空间关系特征中的至少一个。
本申请实施例可以应用于电子设备对待识别对象进行实物识别或验证的场景中,包括在监控或安检等过程中对对象的识别,以及需要获取对象的图像(比如证件照)进行业务处理之前对对象的识别等。
由于实物对象和伪装的非实物对象虽然相似,但实际上仍为两个不同的对象,即所具有的结构或形态不同,所以在具有目标环境条件的环境下,实物对象和伪装的非实物对象所具有与目标环境条件关联的结构或形态也不同。因此,可以根据待识别对象与目标环境条件关联的结构或形态,来识别待识别对象为实物对象或非实物对象。为了直观地体现待识别对象与目标环境条件关联的结构或形态,可以采集对象的在具有目标环境条件的环境下的图像,所采集图像的图像特征即能够体现该待识别对象与目标环境条件关联的结构或形态,因此,该图像特征即能够用于对该待识别对象进行识别。不需要依赖人工经验,提高了实物识别的准确性和可靠性。
本申请实施例可以实现为客户端或插件,电子设备可以从远程服务器获取并安装该客户端或插件,从而通过该客户端或插件来实施本申请实施例所提供的实物识别方法或验证方法。当然,本申请实施例也可以以实物识别软件或验证软件的形式部署在远程服务器上,电子设备可以通过访问该远程服务器从而获取实物识别服务或验证服务。
电子设备可以包括手机、智能手表、VR(Virtual Reality,虚拟现实)设备、平板电脑、膝上型便携计算机、车载电脑、台式计算机、机顶盒、智能电视机、可穿戴设备、监控设备、安检设备等等。该电子设备可以包括摄像头等用于采集图像的组件,或者该电子设备能够通过网络与其它设备(比如相机)连接从而获取到图像,或者该电子设备可以接收提交的图像。该电子设备够与远程服务器进行交互,获取客户端、插件、实物识别服务等,且该电子设备可以包括下图8-11提供的装置或终端,从而按照下图1-7提供的实物识别方法或验证方法对该待识别对象进行识别或验证。
客户端可以包括至少一个应用程序。该客户端能够运行在电子设备中,从而实现本申请实施例提供的实物识别方法或验证方法。
插件可以包括在运行于电子设备的应用程序中,从而实现本申请实施例提供的实物识别方法或验证方法。
实施例一
参照图1,示出了根据本申请一个实施例的一种实物识别方法流程图,具体步骤包括:
步骤101,采集目标环境条件下的待识别对象的第一图像。
由于不同的对象具有不同的结构或形态,而同一对象处于具有特定环境条件的环境时,也会具有与该特定环境条件关联的结构或形态,且该结构或形态能够通过该对象的图像中的图像特征体现,所以,为了便于后续步骤中,以待识别对象的在具有目标环境条件下的结构或形态为依据,对该待识别对象进行识别,以提高实物识别的准确性和可靠性,可以采集该待识别对象在具有目标环境条件的环境下的图像。
目标环境条件可以使待识别对象的结构或形态发生改变,从而产生与目标环境条件关联的结构或形态,以作为对待识别对象进行实物识别的依据。
可以通过该电子设备上所设置的摄像头等图像采集组件采第一图像,或者,通过与该电子设备网络连接其它设备采集第一图像。当然,在实际应用中,该电子设备也可以接收提交的图像作为第一图像。
另外,采集第一图像可以是通过可见光、X光、超声波、红外光等中的至少一种进行成像,从而提高采集图像方式的多样性以及所采集到图像的可靠性。
例如,如图2所示,待识别对象01竖直放置,电子设备02与待识别对象01平行,且电子设备02的镜头与待识别对象01相对。其中,当待识别对象01为实物对象时,该待识别对象01可以为身份证;当待识别对象01为伪装的非实物对象时,该待识别对象01可以为显示电子屏幕中的关于身份证的图像。电子设备02可以通过该电子设备02设置的闪光灯对待识别对象01进行照射,从而使待识别对象01处于闪光灯照射(即目标环境条件)下,并在照射过程中采集待识别对象01的图像。
或者,如图3所示,待识别对象01放置目标环境释放装置03内,目标环境释放装置03的腔体的内壁上设置有目标环境控制组件031,该目标环境控制组件031可以包括发光组件、温度控制组件、湿度控制组件、压强控制组件等。目标环境释放装置03可以包括操作控制台032,以便于用户通过操作控制台032控制目标环境控制组件031工作,从而使待识别对象01处于目标环境条件下,或者,目标环境释放装置03可以通过有线或无线的方式与其它设备(比如电子设备02)连接,并根据接收到所连接的其它设备的控制指令控制目标环境控制组件031工作,从而使待识别对象01处于目标环境条件下。当待识别对象01处于目标环境条件下时,可以通过电子设备02采集待识别对象01的图像,或者,目标环境释放装置03可以包括拍摄组件033,通过拍摄组件033采集待识别对象01的图像,并发送给电子设备02。
步骤102,根据所述第一图像的图像特征,识别所述待识别对象为实物对象或非实物对象。
由前述可知,待识别对象在具有目标环境条件的环境下,也会具有与该环境对应的结构或形态,比如外部形状、颜色、纹理或亮度等,且该结构或形态能够通过第一图像的图像特征(比如第一图像中的颜色、纹理或亮度等)体现,所以能够根据第一图像的图像特征来对待识别对象进行识别。
其中,可以将第一图像所有区域的中各像素的像素值、色彩值和灰度值中的至少一个作为第一图像的图像特征,或者,所有区域的中各像素的像素值、色彩值和灰度值中的至少一个,确定第一图像各区域的颜色、纹理或亮度,将确定的各区域的颜色、纹理和亮度中的至少一个作为第一图像的图像特征。
对于待识别对象,由于该待识别对象为非实物时(例如,翻拍照片),可能会有多种形式的伪装,比如,通过拍摄得到的图片或者其它材料仿造的模型等,因此,可以事先存储待识别对象对应的实物在具有该目标环境条件的环境下的图像,提取所存储图像的图像特征,将提取到的图像特征与第一图像的图像特征进行比较,如果相似度大于预设相似度,则判定待识别对象为实物,否则,判定待识别对象为非实物。
由于该图像特征从待识别对象的第一图像获取得到,所以,该图像特征能够说明待识别对象的结构或形态等。
其中,预设相似度可以通过事先设置得到,比如可以是75%。
例如,目标环境条件包括特定波长的光线照射,获取到待识别对象1在具有该目标环境条件的环境下的第一图像1,将第一图像1各区域的颜色和纹理作为第一图像的图像特征1,图像特征1即能够说明待识别对象1针对特定波长的光线照射下的颜色和形状等形态。如果图像特征1与事先存储的待识别对象1对应的实物在该特定波长的光线照射下图像的颜色和纹理等图像特征的相似度为80%,该相似度大于预设相似度75%,则说明待识别对象在该特定光线照射的颜色和形状,与实物对象在该特定光线照射下的颜色和形状一致,可以将待识别对象1识别为实物,否则,将待识别对象1识别为非实物。
在本申请实施例中,由于环境会对待识别对象的结构或形态造成影响,则在目标环境条件下采集待识别对象的第一图像,第一图像的图像特征即能够说明待识别对象在具有目标环境条件的环境中的结构或形态,且由于不同对象受同一环境的影响也会不同,因此,当待识别对象分别为实物或非实物时,所获取到的第一图像的图像特征也会不同,所以可以根据第一图像的图像特征,对待识别对象进行识别,提高了实物识别的准确性和可靠性。
实施例二
参照图4,示出了根据本申请一个实施例的一种实物识别方法流程图,具体步骤包括:
步骤401,电子设备对待识别对象所处环境进行调整,使所述待识别对象处于目标环境条件下。
为了采集待识别设备处于具有目标环境条件的环境中的第一图像,以确保下述步骤中能够通过现场采集的图像对待识别对象进行识别,提高了实物识别的准确性和可靠性,电子设备可以对待识别对象所处的环境进行调整。
电子设备可以通过该电子设备设置的环境条件检测组件(比如温度传感器、光线传感器等)来检测当前所处环境的环境条件,如果检测到的环境条件与目标环境条件不同,对待识别对象所处的环境进行调整。当然,电子设备可以通过网络接收其它设备所检测到的环境条件,并将接收到的环境条件与该目标环境条件进行比较。
在本申请实施例中,可选的,为了准确地对待识别对象所处环境进行调整,从而提高获取第一图像的准确性,电子设备可以将所述待识别对象所处环境的至少一个环境条件调整至所述目标环境条件。
其中,该电子设备可以通过该电子设备设置的环境控制组件(比如闪光灯、音响等)来对至少一个环境条件进行调整,或者,也可以通过与该电子设备连接的其它设备来对至少一个环境条件进行调整。
在本申请实施例中,可选的,由于无论待识别对象的结构或形态如何,都会反射光线,根据反射的光线成像所获得图像中的图像特征,即能够说明待识别对象的结构或形态,所以为了确保后续采集待识别图像获取图像特征的可靠性,所述环境条件包括光照条件,所述光照条件包括光照角度、光线波长和光照强度中的至少一个。
其中,参考光源用于控制待识别对象所处环境的光照条件,该参考光源可以包括人工制作的光源,比如灯管、显示屏幕、火炬等,当然,该参考光源也可以包括自然光源,比如阳光、月光、萤石等。
光照角度为参考光源照射待识别对象的方向。该光照角度可以包括待识别对象为球心的球面中任一点指向该待识别对象的方向。
光线波长由长到短,对应的光线分别为红外光线、不同颜色的可见光和紫外光线。
当然,在实际应用中,还可以通过增加或减少参考光源的数目,来调整光照条件。
在本申请实施例中,可选的,由于在待识别对象所处的环境中,通常都会有光源存在,比如太阳光,这些光源通常不容易被删除或过滤,所以为了提高控制光照条件的可靠性,可以在所述待识别对象所处环境中增加参考光源,通过所述参考光源控制光照条件。也即是,通过在待识别对象当前所处环境新增加参考光源,来改变对该待识别对象的光照状况。
其中,增加的参考光源对待识别对象的光照角度、光线波长、光照强度,与待识别对象所处环境已有参考光源对待识别对象的光照角度、光线波长、光照强度中,至少有一个不同。
在本申请实施例中,可选的,为了便于控制光照条件,提高将待识别对象所处环境进行调整的效率和可靠性,电子设备可以控制闪光灯开启,以通过所述闪光灯照射所述待识别对象。也即是,通过闪光灯来作为参考光源来改变光照条件。
其中,闪光灯可以设置在电子设备的上,该电子设备可以通过电子设备中的特定应用或插件来控制闪光灯开启,比如手电筒应用或者相机应用中用于闪光灯开启或关闭的插件等。
另外,由于闪光灯通常设置在电子设备的与屏幕相背的一面,因此,在后续通过闪光灯照射待识别对象的情况下采集图像时,也便于用户屏幕的取景框中预览将要采集的图像,提高了图像的采集效果。
当然,在实际应用中,由于不同实物对象可能具有不同的结构或形态,因此,该结构或形态可能会对不同的环境条件较为敏感而发生改变,所以为了提高对待识别对象进行识别的准确性和可靠性,电子设备还可以根据所要识别的实物对象,对待识别对象所处环境中的其它环境条件进行调整,比如温度条件、声音条件、压强条件等。
其中,对于湿度条件,该电子设备可以控制环境中水分含量;对于压强条件,该电子设备可以控制环境中的压强;对于声音条件,该电子设备可以控制环境中声源位置或数目、声音波长等。
在本申请实施例中,可选的,为了准确地对待识别对象所处环境进行调整,从而提高获取第一图像的准确性,电子设备将所述待识别对象从第一环境转移至具有所述目标环境条件的第二环境。
电子设备可以通过设置的机械臂、滚轮、传送带等第二传动组件对待识别对象进行转移,从而使该待识别对象处于具有目标环境条件的第二环境。或者,该电子设备也可以通过具有机械臂、滚轮、传送带等的其他设备来转移该待识别对象。当然,在实际应用中,该电子设备也可以显示环境转移提示信息,以提示用户将待识别对象进行转移。
其中,环境转移提示信息用于提示将待识别对象进行转移,可以包括声音、文字、震动等方式中的至少一种。
步骤402,所述电子设备采集所述目标环境条件下的所述待识别对象的第一图像。
其中,采集待识别对象的第一图像的方式,可以参见前述中的相关描述,此处不再一一赘述。
步骤403,所述电子设备对所述第一图像进行预处理。
由于在采集图像的过程中,可能会出现抖动、未能准确对焦等,从而使采集到的图像可能会不清晰、图像中包括较多与待识别对象对应的图像内容之外的图像内容等,可能会对根据图像对待识别对象进行识别造成干扰,因此,为了提高了实物识别的准确性和可靠性,可以对第一图像进行预处理。
电子设备可以在所述第一图像中识别所述待识别对象对应的图像内容,根据所述图像内容所处方位对所述第一图像进行旋转,和/或,从所述第一图像中切分出所述图像内容。
其中,可以通过基于机器学习或深度神经网络的预处理模型,在第一图像中识别待识别对象对应的图像内容,即对待识别对象对应的图像内容进行定位,然后根据该图像内容对第一图像进行旋转和/或切分。
电子设备可以事先获取待识别对象在具有目标条件的环境中的图像,根据获取到的图像,通过预处理模型对针对图像中该待识别对象对应的图像内容进行定位、旋转、切分等进行训练。
当然,在实际应用中,也可以通过传统的图像处理方法对第一图像进行预处理,比如,切分第一图像中心预设大小的正方形区域、调整第一图像的亮度、对比度等。
步骤404,所述电子设备根据所述第一图像的图像特征,识别所述待识别对象为实物对象或非实物对象。
其中,根据所一图像的图像特征对待识别对象进行识别的方式,可以参见前述中的相关描述,此处不再一一赘述。
在本申请实施例中,可选的,由于第一图像中并非全部的图像特征都会随环境条件改变,比如第一图像中的背景部分的图像特征或者待识别对象对该环境条件不敏感的部分所对应的图像特征,而改变的图像特征,即与当前环境条件关联的图像特征,通常更能够说明待识别对象当前的结构或形态,从而有利于对待识别对象进行识别,所以为了提高对待识别对象进行识别的准确性和可靠性,第一电子设备可以根据所述第一图像中与所述目标环境条件关联的图像特征,识别所述待识别对象为实物对象或非实物对象。
例如,如果待识别对象外部的某个区域在特定波长的光线下会显示出特别的颜色,以该特定波长的光线照射作为目标环境条件,在具有该目标环境条件下获取待识别对象的第一图像,第一图像中对应该区域的颜色、纹理和亮度即可作为第一图像与该目标环境条件关联的图像特征。或者,如果待识别对象由不同比热容的材料拼接而成,在环境温度升高时,由于不同部分比热容不同,所以各部分温度上升的幅度也不同,即待识别对象各部分的温度分布不均匀,所以可以将对待识别对象加热作为目标环境条件,在具有该目标环境条件下获取待识别对象的第一图像,第一图像中各区域颜色、纹理和亮度即可作为第一图像与该目标环境条件关联的图像特征。或者,如果待识别对象中包括非固定设置的磁性材料(比如指南针),由于磁性材料分布总会收到磁场约束,以特定方向的磁场作为目标环境条件,在具有该目标环境条件下获取待识别对象的第一图像,第一图像中磁性材料对应区域的颜色、纹理和亮度即作为第一图像与该目标环境条件关联的图像特征。
电子设备可以按照待识别对象在第一图像中的位置,对第一图像中该待识别对象对应的特定的图像内容进行定位、旋转或切分等处理,获取该特定区域的图像内容,包括待识别对象整体或者部分对应的内容,将该特定区域的图像内容中的像素值、色彩值和灰度值中的至少一个,作为第一图像与目标环境条件关联的图像特征,或者,根据将该特定区域的图像内容中的像素值、色彩值和灰度值中的至少一个,确定该图像内容的颜色、纹理或亮度,将所确定的颜色、纹理和亮度中的至少一个作为第一图像与该目标环境条件关联的图像特征。
其中,特定区域可以由电子设备事先确定,比如,根据用户的相关操作确定等。
在本申请实施例中,可选的,为了提高对待识别对象进行识别的准确性和可靠性,电子设备可以从所述第一图像中提取所述图像特征,采用第二识别分类器识别所述图像特征,得到所述待识别对象为实物对象或非实物对象的识别结果。
第二识别分类器可以包括基于机器学习的分类器,比如支持向量机(SupportVector Machine,SVM)分类器,或者,基于深度神经网络分类器,比如卷积神经网络(Convolutional Neural Network,CNN)分类器等分类器。电子设备可以事先获取待识别对象处于具有目标环境条件的环境下的图像、以及处于不具有该目标环境条件下的图像,分别提取获取到图像的图像特征,根据提取到的图像特征,对第二识别分类器对识别该图像特征进行训练。
当然,在实际应用中,也可以直接通过第三识别分类器对第一图像进行识别。第三识别分类器可以包括基于机器学习的分类器或者深度神经网络等分类器,且训练第三识别分类器的方式可以与训练第二识别分类器的方式相似,此处不再一一赘述。
在本申请实施例中,首先,由于环境会对待识别对象的结构或形态造成影响,则在目标环境条件下采集待识别对象的第一图像,第一图像的图像特征即能够说明待识别对象在具有目标环境条件的环境中的结构或形态,且由于不同对象受同一环境的影响也会不同,因此,当待识别对象分别为实物或非实物时,所获取到的第一图像的图像特征也会不同,所以可以根据第一图像的图像特征,对待识别对象进行识别,提高了实物识别的准确性和可靠性。
其次,在采集第一图像之前,能够通过调整环境条件或者将待识别对象进行转移等方式,对该待识别对象所处环境的环境条件进行调整,从而确保该待识别对象处于具有目标环境条件的环境中,提高了采集到第一图像的可靠性,进而确保对该待识别对象进行实物识别的可靠性。
另外,由于第一图像中并非全部的图像特征都会随环境条件改变,即并非全部的图像特征都与目标环境条件关联,而与目标环境条件关联的图像特征通常更能够说明待识别对象当前的结构或形态,有利于对待识别对象进行识别,所以为了提高对待识别对象进行识别的准确性和可靠性,第一电子设备可以根据所述第一图像中与所述目标环境条件关联的图像特征,识别所述待识别对象为实物对象或非实物对象。
实施例三
参照图5,示出了根据本申请一个实施例的一种实物识别方法流程图,具体步骤包括:
步骤501,电子设备调整参考光源照射所述待识别对象的方向或区域,使所述待识别对象处于目标环境条件下。
由于待识别对象通常会包括多个角度和方向的平面,即当光照角度不同时,待识别对象所反射的光线的角度也会不同,相应的,所获取的待识别对象的图像呈现出的图像特征也会不同,所以,为了使该图像的图像特征能够准确的说明待识别对象的结构或形态,便于后续准确地根据采集到图像的图像特征对待识别对象进行识别,可以调整参考光源照射所述待识别对象的方向,或者,调整参考光源照射所述待识别对象的区域。
其中,可以通过调整参考光源与待识别对象之间的相对位置,从而改变该参考光源照射该待识别对象的方向或区域。
在本申请实施例中,可选的,由于待识别对象可能由于某些原因而不便于移动,比如重量或体积太大,因此,为了提高调整光照角度的可靠性,可以调整参考光源的位置,从而对光照角度进行调整。
其中,电子设备可以在不同位置分别设置参考光源,通过控制开启或关闭不同位置的参考光源,从而调整参考光源的位置;或者,电子设备可以将参考光源设置在第一传动组件上,通过控制第一传动组件运动,改变该参考光源的位置。也即是,电子设备可以通过控制目标位置的参考光源开启或者将参考光源的位置进行移动,从而调整参考光源的位置。
目标位置可以由电子设备在对参考光源的位置进行调整之前确定,比如根据接收用户的相关操作确定,或者,根据来自其它设备的位置信息确定等。
第一传动组件用于带动参考光源的位置移动,比如,第一传动组件可以包括机械臂、转轮、滑道等。
在本申请实施例中,可选的,为了避免由于待识别对象相对于图像的采集方向的一侧光线不足而导致的获取的图像质量较差、继而导致根据获取到的图像进行实物识别的准确性和可靠性较低的问题,电子设备可以调整所述参考光源照射所述待识别对象的方向至与所述第一图像的采集方向之间的夹角小于90度,从而确保待识别对象相对于图像的采集方向能够被光线照射。
步骤502,所述电子设备采集所述目标环境条件下的所述待识别对象的第一图像。
其中,采集第一图像的方式可以参见前述中的相关描述,此处不再一一赘述。
步骤503,所述电子设备对所述第一图像进行预处理。
其中,对第一图像进行预处理的方式可以参见前述中的相关描述,此处不再一一赘述。
步骤504,所述电子设备根据所述第一图像的图像特征,识别所述待识别对象为实物对象或非实物对象。
其中,根据第一图像的图像特征对待识别对象进行识别的方式,可以参见前述中的相关描述,此处不再一一赘述。
例如,实物对象为塑料材质的证件,该证件表面设置有荧光标志,且该荧光标志只有在紫外光线照射下可见。因此在对待识别对象进行识别时,通过紫外光线从第一图像的采集方向照射待识别对象,采集第一图像,第一图像中待识别对象对应的图像内容的色彩、纹理和亮度等图像特征,即为紫外光线照射关联的图像特征,对该图像特征进行分析,判断第一图像中是否包括该荧光标志对应的区域,该区域的颜色、纹理和亮度等特征,与证件实物在同样目标环境条件下所采集图像中荧光标志的颜色、纹理和亮度等特征是否一致,如果一致,则确定待识别对象为证件实物,否则确定待识别对象不为证件实物,比如伪造的证件或者实物证件的翻拍图片。
在本申请实施例中,首先,由于环境会对待识别对象的结构或形态造成影响,则在目标环境条件下采集待识别对象的第一图像,第一图像的图像特征即能够说明待识别对象在具有目标环境条件的环境中的结构或形态,且由于不同对象受同一环境的影响也会不同,因此,当待识别对象分别为实物或非实物时,所获取到的第一图像的图像特征也会不同,所以可以根据第一图像的图像特征,对待识别对象进行识别,提高了实物识别的准确性和可靠性。
其次,能够通过调整参考光源照射待识别对象的方向或区域,确保了所采集图像能够准确地说明待识别对象的结构或形态,即提高了所采集图像的图像特征的准确性,进而也提高了对待识别对象进行识别的准确性。
另外,能够调整参考光源照射待识别对象的方向至与第一图像的采集方向之间的夹角小于90度,从而能避免由于待识别对象相对于图像的采集方向的一侧光线不足而导致的获取的图像质量较差、继而导致根据获取到的图像进行实物识别的准确性和可靠性较低的问题,也即是,提高了对待识别对象进行实物识别的准确性和可靠性。
实施例四
参照图6,示出了根据本申请一个实施例的一种实物识别方法流程图,具体步骤包括:
步骤601,电子设备对待识别对象所处环境的温度条件进行调整,使所述待识别对象处于目标环境条件下。
由于对于某些材质对温度变化较为敏感,在温度改变之后,其物理特定或化学特性可能发生变化,比如分子间距、密度、溶解度或颜色等,所以,在温度改变时,包括该材质的对象的结构或形态也可能发生改变,因此,为了根据待识别对象在某种温度所具有的结构或形态,对该待识别对象进行识别,提高识别的准确性和可靠性,可以对温度条件进行调整。
电子设备可以调整当前温度至目标温度。
目标温度可以由电子设备在对温度条件进行调整之前确定,比如根据接收用户的相关操作确定,或者,根据来自其它设备的温度信息确定等。
步骤602,所述电子设备采集所述目标环境条件下的所述待识别对象的第一图像。
其中,采集第一图像的方式可以参见前述中的相关描述,此处不再一一赘述。
步骤603,所述电子设备对所述第一图像进行预处理。
其中,对第一图像进行预处理的方式可以参见前述中的相关描述,此处不再一一赘述。
步骤604,所述电子设备根据所述第一图像的图像特征,识别所述待识别对象为实物对象或非实物对象。
其中,根据第一图像的图像特征,对待识别对象进行识别的方式,可以参见前述中的相关描述,此处不再一一赘述。
例如,实物对象为双层瓷杯,该双层瓷杯的外层设置有透明或半透明的窗口,且夹层中设置有挥发性有色物质,如果杯体温度超过特定温度(比如60摄氏度),则该有色物质挥发充满夹层,此时,设置在该双层瓷杯外层的窗口会显示特殊图案。因此在对待识别对象进行识别时,对该待识别对象进行加热至特定温度,采集第一图像,第一图像中待识别对象对应的图像内容的色彩、纹理和亮度等图像特征,即为该特定温度关联的图像特征,对该图像特征进行分析,判断第一图像中是否包括图案,该图像的色彩、纹理和亮度等特征与该双层瓷杯在特定温度下所采集图像中特殊图案的颜色、纹理和亮度等特征是否一致,如果一致,则确定待识别对象为双层瓷杯实物,否则确定待识别对象不为双层瓷杯实物,比如未带夹层的瓷杯。或者,实物对象为证件实物,该证件实物表面设置有热敏材质的防伪标识区,在常温时,该证件实物表面平整无接痕,当环境温度高于特定温度(比如60摄氏度),该防伪标识区会受热膨胀并产生凸起。因此,在对待识别对象进行识别时,对该待识别对象进行加热至特定温度,采集第一图像,第一图像中待识别对象对应的图像内容的色彩、纹理和亮度等图像特征,即为该特定温度关联的图像特征,对该图像特征进行分析,判断第一图像中是否包括凸起区域,该凸起区域的色彩、纹理和亮度等特征与该证件实物在特定温度下所采集图像中防伪标识区的颜色、纹理和亮度等特征是否一致,如果一致,则确定待识别对象为证件实物,否则确定待识别对象不为证件实物。
在本申请实施例中,首先,由于环境会对待识别对象的结构或形态造成影响,则在目标环境条件下采集待识别对象的第一图像,第一图像的图像特征即能够说明待识别对象在具有目标环境条件的环境中的结构或形态,且由于不同对象受同一环境的影响也会不同,因此,当待识别对象分别为实物或非实物时,所获取到的第一图像的图像特征也会不同,所以可以根据第一图像中的图像特征,对待识别对象进行识别,提高了实物识别的准确性和可靠性。
其次,能够改变待识别对象所处环境的温度条件,从而使待识别对喜丧处于具有目标环境条件的环境下,能够确保对包括对温度较为敏感的材料的实物对象进行识别,提高了实物识别的准确性和可靠性。
实施例五
参照图7,示出了根据本申请一个实施例的一种实物识别方法流程图,具体步骤包括:
步骤701,电子设备在调整前的环境下采集待识别对象的第二图像。
环境条件的改变时,处于环境中待识别对象的结构或形态也会发生改变,比如,参考光源的照射待识别对象的方向改变,会使待识别对象反光的亮度改变;参考光源发出光线的波长改变,会使待识别对象反光的颜色改变,或者,衍射折射等方式发生改变等;温度变化会使待识别对象反光的颜色改变等。且对于该待识别对象,在该待识别对象分别为实物对象以及非实物对象时,可以视为两个完全不同的对象,而不同对象受相同环境变化时,结构或形态所发生的改变也不同,因此,为了便于后续步骤中,根据调整环境条件前后该待识别对象的结构或形态变化,准确地对待识别对象进行实物识别,可以获取第二图像。
其中,获取采集第二图像的方式可以与采集第一图像的方式相似,此处不再一一赘述。
步骤702,所述电子设备对所述待识别对象所处环境进行调整,使所述待识别对象处于目标环境条件下。
其中,待识别对象所处环境进行调整的方式可以参见前述中的相关描述,此处不再一一赘述。
步骤703,所述电子设备采集所述目标环境条件下的所述待识别对象的第一图像。
其中,采集第一图像的方式可以参见前述中的相关描述,此处不再一一赘述。
步骤704,所述电子设备获取所述待识别对象在所述第一图像和所述第二图像中的图像特征的差异信息。
差异信息用于说明第一图像与第二图像之间的差异,进而说明待识别对象分别在调整前后的环境中结构或形态的差异,以直观准确地表示具有目标环境条件的环境对该待识别对象的结构或形态的影响,进一步提高对待识别对象进行实物识别的准确性。
电子设备可以通过对所述第一图像和所述第二图像进行像素比较,确定所述第一图像和第二图像的差值图像,提取所述差值图像的图像特征作为所述差异信息。
差值图像可以通过将第一图像的各像素值分别与第二图像对应位置的像素值相减得到。
当然,在实际应用中,该电子设备也可以分别提取第一图像和第二图像的图像特征,将提取到的图像特征进行比较,将比较结果作为差异信息;或者,将提取第一图像与第二图像的差值图像作为该差异信息。
步骤705,所述电子设备根据所述差异信息,识别所述待识别对象为实物图像或非实物图像。
电子设备可以采用第一识别分类器识别所述差异信息,得到所述待识别对象为实物对象或非实物对象的识别结果。
第一识别分类器可以包括基于机器学习的分类器或者基于深度学习神经网络等分类器。电子设备可以事先获取多组待识别对象的第一图像和第二图像,进而得到多个差异信息,对通过第一识别分类器识别差异信息进行训练。
当然,在实际应用中,电子设备也可以通过第四识别分类器,基于第一图像和第二图像,对待识别对象进行实物识别。其中,第四识别分类器可以包括基于机器学习的分类器或者深度神经网络等分类器,且该电子设备可以事先获取多组待识别对象的第一图像和第二图像,对通过第四识别分类器基于第一图像和第二图像进行实物识别进行训练。
在本申请实施例中,首先,由于环境会对待识别对象的结构或形态造成影响,则在目标环境条件下采集待识别对象的第一图像,第一图像的图像特征即能够说明待识别对象在具有目标环境条件的环境中的结构或形态,且由于不同对象受同一环境的影响也会不同,因此,当待识别对象分别为实物或非实物时,所获取到的第一图像的图像特征也会不同,所以可以根据第一图像的图像特征,对待识别对象进行识别,提高了实物识别的准确性和可靠性。
其次,由于环境条件的改变时,处于环境中待识别对象的结构或形态也会发生改变,且不同对象受相同环境变化时,结构或形态所发生的改变也不同,因此,在对待识别对象所处环境的环境条件进行调整之前,采集第二图像,第一图像与第二图像之间的差异信息能够说明在环境的环境条件调整为至目标环境条件时,该待识别对象的结构或形态的改变,从而能够进一步准确地说明目标环境对该待识别对象的结构或形态所造成的影响,因此,根据该差异信息对该待识别对象进行实物识别,能够进一步提高实物识别的准确性和可靠性。
另外,可以将第一图像与第二图像进行像素比较,将像素比较得到的差值图像作为差异信息,能够直观准确地说明第二图像与第一图像之间的差异,从而直观准确地表示具有目标环境条件的环境对该待识别对象的结构或形态的影响,进一步提高对待识别对象进行实物识别的准确性。
实施例六
参照图8,示出了根据本申请一个实施例的一种实物识别方法流程图,具体步骤包括:
步骤801,电子设备在目标环境条件下采集待识别对象的第一图像。
在本申请实施例中,可选的,该电子设备还可以在对待识别对象所处环境进行调整,从而使该待识别对象处于该目标环境条件下之前,采集待识别对象的第二图像。
其中,采集第一图像或第二图像的方式,可以参见前述中的相关描述,此处不再一一赘述。
步骤802,所述电子设备将采集到的图像发送给服务器。
服务器可以包括业务服务器或者用于对待识别对象进行识别的服务器。
步骤803,所述服务器根据接收到的图像,识别所述待识别对象为实物对象或非实物对象。
其中,服务器可以根据接接收到的图像识别所述待识别对象为实物对象或非实物对象的方式,可以参见前述中电子设备对待识别对象进行识别的过程,此处不再一一赘述。
在本申请实施例中,由于环境会对待识别对象的结构或形态造成影响,则在目标环境条件下采集待识别对象的第一图像,第一图像的图像特征即能够说明待识别对象在具有目标环境条件的环境中的结构或形态,且由于不同对象受同一环境的影响也会不同,因此,当待识别对象分别为实物或非实物时,所获取到的第一图像的图像特征也会不同,所以可以根据第一图像的图像特征,对待识别对象进行识别,提高了实物识别的准确性和可靠性。
实施例七
参照图9,示出了根据本申请一个实施例的一种实物识别方法流程图,具体步骤包括:
步骤901,在非目标环境条件下,采集待识别对象的第二图像。
电子设备可以在对环境调整至具有目标环境条件之前,采集待识别对象的图像作为第二图像。
其中,采集第二图像的方式,可以参见前述中的相关描述,此处不再一一赘述。
当然,在实际应用中,电子设备也可以在下述采集第一图像之后,对环境条件进行调整,使环境具有非目标环境条件,然后采集第二图像。
步骤902,在目标环境条件下,采集所述待识别对象的第一图像。
其中,采集第一图像的方式,可以参见前述中的相关描述,此处不再一一赘述。
步骤903,确定所述第一图像与所述第二图像的差异图像。
其中,电子设备确定第一图像与第二图像的差异图像的方式,可以参见前述中的相关描述,此处不再一一赘述。
步骤904,基于所述差异图像识别所述待识别对象为实物对象或非实物对象。
其中,电子设备基于差异图像对待识别对象进行识别的方式,可以参见前述中的相关描述,此处不再一一赘述。
在本申请实施例中,由于环境会对待识别对象的结构或形态造成影响,则在目标环境条件下采集待识别对象的第一图像,第一图像的图像特征即能够说明待识别对象在具有目标环境条件的环境中的结构或形态,且由于不同对象受同一环境的影响也会不同,因此,当待识别对象分别为实物或非实物时,所获取到的第一图像的图像特征也会不同,所以可以根据第一图像的图像特征,对待识别对象进行识别,提高了实物识别的准确性和可靠性。
实施例八
参照图10,示出了根据本申请一个实施例的一种实物识别方法流程图,具体步骤包括:
步骤1001,电子设备在非目标环境条件下,采集待识别对象的第二图像。
其中,电子设备采集第二图像的方式,可以参见前述中的相关描述,此处不再一一赘述。
步骤1002,所述电子设备对具有所述非目标环境条件的环境中的光照条件或温度条件进行调整,使所述环境具有目标环境条件。
其中,所述光照条件包括光照角度、光线波长和光照强度中的至少一个。
在本申请实施例中,可选的,电子设备可以调整参考光源照射所述待识别对象的方向或区域。
其中,电子设备调整参考光源照射待识别对象的方向或区域的方式,可以参见前述中的相关描述,此处不再一一赘述。
在本申请实施例中,可选的,电子设备可以调整所述参考光源的位置。
其中,电子设备调整参考光源的位置的方式,可以参见前述中的相关描述,此处不再一一赘述。
在本申请实施例中,可选的,电子设备可以调整所述参考光源照射所述待识别对象的方向至与所述第一图像的采集方向之间的夹角小于90度。
其中,电子设备调整参考光源照射待识别对象的方向至与第一图像的采集方向之间的夹角小于90度的方式,可以参见前述中的相关描述,此处不再一一赘述。
在本申请实施例中,可选的,电子设备可以在所述待识别对象所处环境中增加参考光源,通过所述参考光源控制光照条件。
其中,电子设备在待识别对象所处环境中增加参考光源,并通过参考光源控制光照条件的方式,可以参见前述中的相关描述,此处不再一一赘述。
在本申请实施例中,可选的,电子设备可以控制闪光灯开启,以通过所述闪光灯照射所述待识别对象。
其中,电子设备控制闪光灯开启的方式,可以参见前述中的相关描述,此处不再一一赘述。
在本申请实施例中,可选的,电子设备可以将具有所述非目标环境条件的环境中的温度调整至目标温度,使所述环境具有所述目标环境条件。
其中,电子设备将具有非目标环境条件的环境中的温度调整至目标温度的方式,可以参见前述中的相关描述,此处不再一一赘述。
步骤1003,所述电子设备在所述目标环境条件下,采集所述待识别对象的第一图像。
其中,电子设备采集第一图像的方式可以参见前述中的相关描述,此处不再一一赘述。
步骤1004,所述电子设备确定所述第一图像与所述第二图像的差异图像。
其中,电子设备确定差异图像的方式,可以参见前述中的相关描述,此处不再一一赘述。
步骤1005,所述电子设备基于所述差异图像识别所述待识别对象为实物对象或非实物对象。
其中,电子设备基于差异图像识别待识别对象的方式,可以参见前述中的相关描述,此处不再一一赘述。
在本申请实施例中,首先,由于环境会对待识别对象的结构或形态造成影响,则在目标环境条件下采集待识别对象的第一图像,第一图像的图像特征即能够说明待识别对象在具有目标环境条件的环境中的结构或形态,且由于不同对象受同一环境的影响也会不同,因此,当待识别对象分别为实物或非实物时,所获取到的第一图像的图像特征也会不同,所以可以根据第一图像的图像特征,对待识别对象进行识别,提高了实物识别的准确性和可靠性。
其次,能够通过调整参考光源照射待识别对象的方向或区域,确保了所采集图像能够准确地说明待识别对象的结构或形态,即提高了所采集图像的图像特征的准确性,进而也提高了对待识别对象进行识别的准确性。
另外,能够调整参考光源照射待识别对象的方向至与第一图像的采集方向之间的夹角小于90度,从而能避免由于待识别对象相对于图像的采集方向的一侧光线不足而导致的获取的图像质量较差、继而导致根据获取到的图像进行实物识别的准确性和可靠性较低的问题,也即是,提高了对待识别对象进行实物识别的准确性和可靠性。
另外,能够改变待识别对象所处环境的温度条件,从而使待识别对喜丧处于具有目标环境条件的环境下,能够确保对包括对温度较为敏感的材料的实物对象进行识别,提高了实物识别的准确性和可靠性。
实施例九
参照图11,示出了根据本申请一个实施例的一种验证方法流程图,具体步骤包括:
步骤1101,在目标环境条件下采集待验证对象的第一图像。
其中,采集第一图像的方式,可以参见前述中的相关描述,此处不再一一赘述。
步骤1102,根据所述第一图像的图像特征,验证所述待验证对象为实物对象或非实物对象。
其中,根据第一图像的图像特征,对待验证对象进行验证的方式,可以与前述中对待识别对象进行识别的方式相似,此处不再一一赘述。
步骤1103,若验证所述待验证对象为实物对象,则将所述第一图像提交至服务器。
由于已经待验证对象为实物对象,因此,第一图像可能并不是通过翻拍得到,而是直接来源与实物对象,所以,可以将第一图像发送给服务器,以使服务器基于第一图像进行进一步的业务处理。比如,在对证件照进行验证时,如果将待验证对象验证为实体的证件,则说明第一图像为直接通过拍摄身份证得到的图像,而是不是通过翻拍得到的图像,因此,可以将第一图像提交服务器,由服务器根据第一图像进行进一步的业务处理。
当然,在实际应用中,作为验证终端的电子设备也可以将采集到的第一图像发送给服务器,从而由服务器根据第一图像,对待验证对象进行验证,并在将待验证对象验证为实物对象时,根据第一图像进行业务处理。
在本申请实施例中,由于环境会对待验证对象的结构或形态造成影响,则在目标环境条件下采集待验证对象的第一图像,第一图像的图像特征即能够说明待验证对象在具有目标环境条件的环境中的结构或形态,且由于不同对象受同一环境的影响也会不同,因此,当待验证对象分别为实物或非实物时,所获取到的第一图像的图像特征也会不同,所以可以根据第一图像的图像特征,对待验证对象进行验证,提高了实物验证的准确性和可靠性。
实施例十
参照图12,示出了根据本申请一个实施例的一种实物识别方法流程图,具体步骤包括:
步骤1201,电子设备在当前环境下采集待识别对象的第二图像。
其中,在当前环境中,电子设备控制闪光灯关闭,从而不通过闪光灯照射待识别对象。当然,当前环境中可能会包括来自该电子设备之外的光线,比如太阳光、月光、室内灯光等。
采集待识别对象的第二图像的方式可以参见前述中的相关描述,此处不再一一赘述。
步骤1202,所述电子设备控制闪光灯打开,以通过所述闪光灯照射所述待识别对象,采集所述待识别对象的第二图像。
为了便于通过控制闪光灯开启来使待识别对象处于目标环境条件下,提高采集到第一图像的效率和可靠性,进而也提高对待识别对象进行识别的效率和可靠性,电子设备可以在前述当前环境的基础上,通过电子设备上的闪光灯照射待识别对象,从而使待识别对象处于具有目标环境条件的环境下。也即是,这里的具有目标环境条件的环境与前述的当前环境的区别在于电子设备的闪光灯是否开启。
另一方面,由于闪光灯通常设置在电子设备的与屏幕相背的一面,因此,在通过闪光灯照射待识别对象的情况下采集图像时,也便于用户屏幕的取景框中预览将要采集的图像,以进一步确保在采集第一图像和第二图像的过程中,待识别对象所处环境中除闪光灯之外的其它环境条件不会发生改变,提高了采集图像的效果,进而也提高了对待识别对象进行识别的准确性。
采集待识别对象第一图像的方式可以参见前述中的相关描述,此处不再一一赘述。
步骤1203,所述电子设备对所述第一图像和所述第二图像进行预处理。
其中,对图像进行预处理的方式,可以参见前述中的相关描述,此处不再一一赘述。
步骤1204,所述电子设备获取预处理后的所述第一图像和预处理后的所述第二图像之间的差值图像。
其中,获取图像之间差值图像的方式,可以参见前述中的相关描述,此处不再一一赘述。
步骤1205,所述电子设备将所述差值图像输入识别分类器,通过所述识别分类器识别对所述差值图像进行识别,从而将所述待识别对象识别为实物对象或非实物对象。
其中,通过识别分类器差值图像进行识别的方式,可以参见前述中的相关描述,此处不再一一赘述。
在本申请实施例中,由于环境会对待识别对象的结构或形态造成影响,则在目标环境条件下采集待识别对象的第一图像,第一图像的图像特征即能够说明待识别对象在具有目标环境条件的环境中的结构或形态,且由于不同对象受同一环境的影响也会不同,因此,当待识别对象分别为实物或非实物时,所获取到的第一图像的图像特征也会不同,所以可以根据第一图像的图像特征,对待识别对象进行识别,提高了实物识别的准确性和可靠性。
其次,采集第一图像和第二图像时,待识别对象所处环境的环境条件之间的唯一区别在于闪光灯是否开启,也即是,电子设备可以方便地通过控制闪光灯开启来使待识别对象处于目标环境条件下,提高了采集到第一图像的效率和可靠性,进而也提高了对待识别对象进行识别的效率和可靠性。
另外,由于闪光灯通常设置在电子设备的与屏幕相背的一面,因此,在通过闪光灯照射待识别对象的情况下采集图像时,也便于用户屏幕的取景框中预览将要采集的图像,以进一步确保在采集第一图像和第二图像的过程中,待识别对象所处环境中除闪光灯之外的其它环境条件不会发生改变,提高了采集图像的效果,进而也提高了对待识别对象进行识别的准确性。
本领域的技术人员应可理解,上述实施例中的方法步骤并非每一个都必不可少,在具体状况下,可以省略其中的一个或多个步骤,只要能够实现对待识别对象进行识别或验证技术目的。本发明并不限定的实施例中步骤的数量及其顺序,本发明的保护范围当以权利要求书的限定为准。
为了便于本领域技术人员更好地理解本申请,以下通过一个具体的示例对本申请实施例的一种实物识别方法进行说明,参见图13,具体包括如下步骤:
其中,待识别对象为用户展示的证件(比如身份证、护照、驾驶证等)或翻拍的证件照(比如手机或电脑中存储的证件照、复印件等),目标环境条件为通过参考光源照射。
步骤1301,用户展示待识别对象,所展示的待识别对象可以包括证件实物或通过翻拍得到的证件照。
步骤1302,电子设备通过拍照或拍视频的方式,获取至少一张待识别对象的图像作为第二图像。
由于此时并未对环境进行调整,所以获取到的图像为第二图像。
电子设备可以是手机。
其中,如果是通过拍视频的方式获取第二图像,可以在拍摄得到的视频中选择至少一帧的图像作为第二图像。
在本申请实施例中,可选的,该步骤为可选步骤。
步骤1303,电子设备通过参考光源照射该待识别对象,其它环境条件保持不变。
其中,参考光源可以是电子设备上设置的闪光灯,该闪光灯可以通过电子设备中相关的软件进行控制。
其它环境条件保持不变的目的在于确保待识别对象对应的图像内容,在第二图像和第一图像中的位置、大小相同,以便于后续对待识别对象进行识别。
步骤1304,在通过参考光源照射该待识别对象的过程中,获取待识别对象的至少一个图像作为第一图像。
步骤1305,对获取到的图像进行预处理,包括根据图像中待识别对象对应的图像内容对该图像进行旋转或切分、获取第一图像和第二图像之间的差值图像。
在本申请实施例中,可选的,该步骤为可选步骤。
步骤1306,将步骤1304或步骤1305得到的图像输入识别分类器,根据识别分类器将待识别对象识别为证件实物或翻拍的证件照。
实施例十一
参照图14,示出了根据本申请一个实施例的一种实物识别装置的结构框图,该实物识别装置包括:
第一图像采集模块1401,用于采集目标环境条件下的待识别对象的第一图像;
实物识别模块1402,用于根据所述第一图像的图像特征,识别所述待识别对象为实物对象或非实物对象。
可选的,所述实物识别模块还包括:
第一实物识别子模块,用于根据所述第一图像中与所述目标环境条件关联的图像特征,识别所述待识别对象为实物对象或非实物对象。
可选的,环境条件包括光照条件,所述光照条件包括光照角度、光线波长和光照强度中的至少一个。
可选的,所述实物识别装置还包括:
环境调整模块,用于对所述待识别对象所处环境进行调整,使所述待识别对象处于具有所述目标环境条件的环境下。
可选的,所述环境调整模块包括:
环境条件调整子模块,用于将所述待识别对象所处环境的至少一个环境条件调整至所述目标环境条件。
可选的,所述环境条件调整子模块还用于:
调整参考光源照射所述待识别对象的方向。
可选的,所述环境条件调整子模块还用于:
调整所述参考光源照射所述待识别对象的方向至与所述第一图像的采集方向之间的夹角小于90度。
可选的,所述环境条件调整子模块还用于:
调整参考光源照射所述待识别对象的区域。
可选的,所述环境条件调整子模块还用于:
在所述待识别对象所处环境中增加参考光源,通过所述参考光源控制光照条件。
可选的,所述环境条件调整子模块还用于:
控制闪光灯开启,以通过所述闪光灯照射所述待识别对象。
可选的,环境条件包括温度条件,所述环境条件调整子模块还用于:
调整当前温度至目标温度。
可选的,所述环境调整模块包括:
待识别对象转移子模块,用于将所述待识别对象从第一环境转移至具有所述目标环境条件的第二环境。
可选的,所述实物识别装置还包括:
第二图像采集模块,用于在调整前的环境下采集所述待识别对象的第二图像。
可选的,所述实物识别模块包括:
差异信息获取子模块,用于获取所述待识别对象在所述第一图像和所述第二图像中的图像特征的差异信息;
第二实物识别子模块,用于根据所述差异信息,识别所述待识别对象为实物图像或非实物图像。
可选的,所述差异信息获取子模块还用于:
通过对所述第一图像和所述第二图像进行像素比较,确定所述第一图像和第二图像的差值图像;
提取所述差值图像的图像特征作为所述差异信息。
可选的,所述第二实物识别子模块还用于:
采用第一识别分类器识别所述差异信息,得到所述待识别对象为实物对象或非实物对象的识别结果。
可选的,所述实物识别模块包括:
图像特征提取子模块,用于从所述第一图像中提取所述图像特征;
第三实物识别子模块,用于采用第二识别分类器识别所述图像特征,得到所述待识别对象为实物对象或非实物对象的识别结果。
可选的,所述实物识别装置还包括:
图像内容识别模块,用于在所述第一图像中识别所述待识别对象对应的图像内容;
图像处理模块,用于根据所述图像内容所处方位对所述第一图像进行旋转,和/或,从所述第一图像中切分出所述图像内容。
在本申请实施例中,由于环境会对待识别对象的结构或形态造成影响,则在目标环境条件下采集待识别对象的第一图像,第一图像的图像特征即能够说明待识别对象在具有目标环境条件的环境中的结构或形态,且由于不同对象受同一环境的影响也会不同,因此,当待识别对象分别为实物或非实物时,所获取到的第一图像的图像特征也会不同,所以可以根据第一图像的图像特征,对待识别对象进行识别,提高了实物识别的准确性和可靠性。
实施例十二
参照图15,示出了根据本申请一个实施例的一种实物识别装置的结构框图,该实物识别装置包括:
第二图像采集模块1501,用于在非目标环境条件下,采集待识别对象的第二图像;
第一图像采集模块1502,用于在目标环境条件下,采集所述待识别对象的第一图像;
差异图像确定模块1503,用于确定所述第一图像与所述第二图像的差异图像;
实物识别模块1504,用于基于所述差异图像识别所述待识别对象为实物对象或非实物对象。
可选的,所述实物识别装置还包括:
光照条件调整模块,用于对具有所述非目标环境条件的环境中的光照条件进行调整,使所述环境具有所述目标环境条件,所述光照条件包括光照角度、光线波长和光照强度中的至少一个。
可选的,所述光照条件调整模块包括:
光照角度调整子模块,用于调整参考光源照射所述待识别对象的方向。
可选的,所述光照角度调整子模块还用于:
调整所述参考光源照射所述待识别对象的方向至与所述第一图像的采集方向之间的夹角小于90度。
可选的,所述光照条件调整模块包括:
光照区域调整子模块,用于调整参考光源照射所述待识别对象的区域。
可选的,所述光照条件调整模块包括
参考光源增加子模块,用于在所述待识别对象所处环境中增加参考光源,通过所述参考光源控制光照条件。
可选的,所述参考光源增加子模块还用于:
控制闪光灯开启,以通过所述闪光灯照射所述待识别对象。
可选的,所述实物识别装置还包括:
温度条件调整模块,用于将具有所述非目标环境条件的环境中的温度调整至目标温度,使所述环境具有所述目标环境条件。
在本申请实施例中,由于环境会对待识别对象的结构或形态造成影响,则在目标环境条件下采集待识别对象的第一图像,第一图像的图像特征即能够说明待识别对象在具有目标环境条件的环境中的结构或形态,且由于不同对象受同一环境的影响也会不同,因此,当待识别对象分别为实物或非实物时,所获取到的第一图像的图像特征也会不同,所以可以根据第一图像的图像特征,对待识别对象进行识别,提高了实物识别的准确性和可靠性。
实施例十三
参照图16,示出了根据本申请一个实施例的一种验证终端的结构框图,该实物验证终端包括:
第一图像采集模块1601,用于在目标环境条件下采集待验证对象的第一图像;
实物验证模块1602,用于根据所述第一图像的图像特征,验证所述待识别对象为实物对象或非实物对象;
提交模块1603,用于若验证所述待识别对象为实物对象,则将所述第一图像提交至服务器。
在本申请实施例中,由于环境会对待验证对象的结构或形态造成影响,则在目标环境条件下采集待验证对象的第一图像,第一图像的图像特征即能够说明待验证对象在具有目标环境条件的环境中的结构或形态,且由于不同对象受同一环境的影响也会不同,因此,当待验证对象分别为实物或非实物时,所获取到的第一图像的图像特征也会不同,所以可以根据第一图像的图像特征,对待验证对象进行验证,提高了实物验证的准确性和可靠性。
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。
本申请实施例可被实现为使用任意适当的硬件,固件,软件,或及其任意组合进行想要的配置的系统。图17示意性地示出了可被用于实现本申请中所述的各个实施例的示例性系统(或装置)1700。
对于一个实施例,图17示出了示例性系统1700,该系统具有一个或多个处理器1702、被耦合到(一个或多个)处理器1702中的至少一个的系统控制模块(芯片组)1704、被耦合到系统控制模块1704的系统存储器1706、被耦合到系统控制模块1704的非易失性存储器(NVM)/存储设备1708、被耦合到系统控制模块1704的一个或多个输入/输出设备1710,以及被耦合到系统控制模块1706的网络接口1712。
处理器1702可包括一个或多个单核或多核处理器,处理器1702可包括通用处理器或专用处理器(例如图形处理器、应用处理器、基频处理器等)的任意组合。在一些实施例中,系统1700能够作为本申请实施例中所述的浏览器。
在一些实施例中,系统1700可包括具有指令的一个或多个计算机可读介质(例如,系统存储器1706或NVM/存储设备1708)以及与该一个或多个计算机可读介质相合并被配置为执行指令以实现模块从而执行本申请中所述的动作的一个或多个处理器1702。
对于一个实施例,系统控制模块1704可包括任意适当的接口控制器,以向(一个或多个)处理器1702中的至少一个和/或与系统控制模块1704通信的任意适当的设备或组件提供任意适当的接口。
系统控制模块1704可包括存储器控制器模块,以向系统存储器1706提供接口。存储器控制器模块可以是硬件模块、软件模块和/或固件模块。
系统存储器1706可被用于例如为系统1700加载和存储数据和/或指令。对于一个实施例,系统存储器1706可包括任意适当的易失性存储器,例如,适当的DRAM。在一些实施例中,系统存储器1706可包括双倍数据速率类型四同步动态随机存取存储器(DDR4SDRAM)。
对于一个实施例,系统控制模块1704可包括一个或多个输入/输出控制器,以向NVM/存储设备1708及(一个或多个)输入/输出设备1710提供接口。
例如,NVM/存储设备1708可被用于存储数据和/或指令。NVM/存储设备1708可包括任意适当的非易失性存储器(例如,闪存)和/或可包括任意适当的(一个或多个)非易失性存储设备(例如,一个或多个硬盘驱动器(HDD)、一个或多个光盘(CD)驱动器和/或一个或多个数字通用光盘(DVD)驱动器)。
NVM/存储设备1708可包括在物理上作为系统1700被安装在其上的设备的一部分的存储资源,或者其可被该设备访问而不必作为该设备的一部分。例如,NVM/存储设备1708可通过网络经由(一个或多个)输入/输出设备1710进行访问。
(一个或多个)输入/输出设备1710可为系统1700提供接口以与任意其他适当的设备通信,输入/输出设备1710可以包括通信组件、音频组件、传感器组件等。网络接口1712可为系统1700提供接口以通过一个或多个网络通信,系统1700可根据一个或多个无线网络标准和/或协议中的任意标准和/或协议来与无线网络的一个或多个组件进行无线通信,例如接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合进行无线通信。
对于一个实施例,(一个或多个)处理器1702中的至少一个可与系统控制模块1704的一个或多个控制器(例如,存储器控制器模块)的逻辑封装在一起。对于一个实施例,(一个或多个)处理器1702中的至少一个可与系统控制模块1704的一个或多个控制器的逻辑封装在一起以形成系统级封装(SiP)。对于一个实施例,(一个或多个)处理器1702中的至少一个可与系统控制模块1704的一个或多个控制器的逻辑集成在同一模具上。对于一个实施例,(一个或多个)处理器1702中的至少一个可与系统控制模块1704的一个或多个控制器的逻辑集成在同一模具上以形成片上系统(SoC)。
在各个实施例中,系统1700可以但不限于是:浏览器、工作站、台式计算设备或移动计算设备(例如,膝上型计算设备、手持计算设备、平板电脑、上网本等)。在各个实施例中,系统1700可具有更多或更少的组件和/或不同的架构。例如,在一些实施例中,系统1700包括一个或多个摄像机、键盘、液晶显示器(LCD)屏幕(包括触屏显示器)、非易失性存储器端口、多个天线、图形芯片、专用集成电路(ASIC)和扬声器。
其中,如果显示器包括触摸面板,显示屏可以被实现为触屏显示器,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。
本申请实施例还提供了一种非易失性可读存储介质,该存储介质中存储有一个或多个模块(programs),该一个或多个模块被应用在终端设备时,可以使得该终端设备执行本申请实施例中各方法步骤的指令(instructions)。
在一个示例中提供了一种装置,包括:一个或多个处理器;和,其上存储的有指令的一个或多个机器可读介质,当由所述一个或多个处理器执行时,使得所述装置执行如本申请实施例中浏览器执行的方法。
在一个示例中还提供了一个或多个机器可读介质,其上存储有指令,当由一个或多个处理器执行时,使得装置执行如本申请实施例中浏览器执行的方法。
本申请实施例公开了一种实物识别方法和装置、验证方法及验证终端。
示例1、一种实物识别方法,包括:
采集目标环境条件下的待识别对象的第一图像;
根据所述第一图像的图像特征,识别所述待识别对象为实物对象或非实物对象。
示例2包括示例1所述的实物识别方法,所述根据所述第一图像的图像特征,识别所述待识别对象为实物对象或非实物对象包括:
根据所述第一图像中与所述目标环境条件关联的图像特征,识别所述待识别对象为实物对象或非实物对象。
示例3包括示例1所述的实物识别方法,环境条件包括光照条件,所述光照条件包括光照角度、光线波长和光照强度中的至少一个。
示例4包括示例1所述的实物识别方法,在所述采集目标环境条件下的待识别对象的第一图像之前,还包括:
对所述待识别对象所处环境进行调整,使所述待识别对象处于具有所述目标环境条件的环境下。
示例5包括示例4所述的实物识别方法,所述对所述待识别对象所处环境进行调整包括:
将所述待识别对象所处环境的至少一个环境条件调整至所述目标环境条件。
示例6包括示例5所述的实物识别方法,所述将所述待识别对象所处环境的至少一个环境条件调整至所述目标环境条件包括:
调整参考光源照射所述待识别对象的方向。
示例7包括示例6所述的实物识别方法,所述调整参考光源照射所述待识别对象的方向包括:
调整所述参考光源照射所述待识别对象的方向至与所述第一图像的采集方向之间的夹角小于90度。
示例8包括示例5所述的实物识别方法,所述将所述待识别对象所处环境的至少一个环境条件调整至所述目标环境条件包括:
调整参考光源照射所述待识别对象的区域。
示例9包括示例5所述的实物识别方法,所述将所述待识别对象所处环境的至少一个环境条件调整至所述目标环境条件包括:
在所述待识别对象所处环境中增加参考光源,通过所述参考光源控制光照条件。
示例10包括示例9所述的实物识别方法,所述通过所述参考光源控制光照条件包括:
控制闪光灯开启,以通过所述闪光灯照射所述待识别对象。
示例11包括示例5所述的实物识别方法,环境条件包括温度条件,所述将所述待识别对象所处环境的至少一个环境条件调整至所述目标环境条件包括:
调整当前温度至目标温度。
示例12包括示例4所述的实物识别方法,所述对所述待识别对象所处环境进行调整包括:
将所述待识别对象从第一环境转移至具有所述目标环境条件的第二环境。
示例13包括示例4所述的实物识别方法,在所述对所述待识别对象所处环境进行调整之前,还包括:
在调整前的环境下采集所述待识别对象的第二图像。
示例14包括示例13所述的实物识别方法,所述根据所述第一图像的图像特征,识别所述待识别对象为实物对象或非实物对象包括:
获取所述待识别对象在所述第一图像和所述第二图像中的图像特征的差异信息;
根据所述差异信息,识别所述待识别对象为实物图像或非实物图像。
示例15包括示例14所述的实物识别方法,所述获取所述待识别对象在第一图像和第二图像中的图像特征的差异信息包括:
通过对所述第一图像和所述第二图像进行像素比较,确定所述第一图像和第二图像的差值图像;
提取所述差值图像的图像特征作为所述差异信息。
示例16包括示例14所述的实物识别方法,所述根据所述差异信息,识别所述待识别对象为实物图像或非实物图像包括:
采用第一识别分类器识别所述差异信息,得到所述待识别对象为实物对象或非实物对象的识别结果。
示例17包括示例1所述的实物识别方法,所述根据所述第一图像的图像特征,识别所述待识别对象为实物对象或非实物对象包括:
从所述第一图像中提取所述图像特征;
采用第二识别分类器识别所述图像特征,得到所述待识别对象为实物对象或非实物对象的识别结果。
示例18包括示例1所述的实物识别方法,在所述根据所述第一图像的图像特征,识别所述待识别对象为实物对象或非实物对象之前,还包括:
在所述第一图像中识别所述待识别对象对应的图像内容;
根据所述图像内容所处方位对所述第一图像进行旋转,和/或,从所述第一图像中切分出所述图像内容。
示例19、一种实物识别方法,包括:
在非目标环境条件下,采集待识别对象的第二图像;
在目标环境条件下,采集所述待识别对象的第一图像;
确定所述第一图像与所述第二图像的差异图像;
基于所述差异图像识别所述待识别对象为实物对象或非实物对象。
示例20包括示例19所述的实物识别方法,在所述在目标环境条件下,采集所述待识别对象的第一图像之前,还包括:
对具有所述非目标环境条件的环境中的光照条件进行调整,使所述环境具有所述目标环境条件,所述光照条件包括光照角度、光线波长和光照强度中的至少一个。
示例21包括示例20所述的实物识别方法,所述对具有所述非目标环境条件的环境中的光照条件进行调整包括:
调整参考光源照射所述待识别对象的方向。
示例22包括示例21所述的实物识别方法,所述调整参考光源照射所述待识别对象的方向包括:
调整所述参考光源照射所述待识别对象的方向至与所述第一图像的采集方向之间的夹角小于90度。
示例23包括示例20所述的实物识别方法,所述对具有所述非目标环境条件的环境中的光照条件进行调整包括:
调整参考光源照射所述待识别对象的区域。
示例24包括示例20所述的实物识别方法,所述对具有所述非目标环境条件的环境中的光照条件进行调整包括:
在所述待识别对象所处环境中增加参考光源,通过所述参考光源控制光照条件。
示例25包括示例24所述的实物识别方法,所述通过所述参考光源控制光照条件包括:
控制闪光灯开启,以通过所述闪光灯照射所述待识别对象。
示例26包括示例19所述的实物识别方法,在所述在目标环境条件下,采集所述待识别对象的第一图像之前,还包括:
将具有所述非目标环境条件的环境中的温度调整至目标温度,使所述环境具有所述目标环境条件。
示例27、一种验证方法,包括:
在目标环境条件下采集待验证对象的第一图像;
根据所述第一图像的图像特征,验证所述待识别对象为实物对象或非实物对象;
若验证所述待识别对象为实物对象,则将所述第一图像提交至服务器。
示例28、一种装置,包括:一个或多个处理器;和其上存储的有指令的一个或多个机器可读介质,当由所述一个或多个处理器执行时,使得所述装置执行如权利要求示例1-示例27一个或多个的方法。
示例29、一个或多个机器可读介质,其上存储有指令,当由一个或多个处理器执行时,使得装置执行如权利要求示例1-示例27一个或多个的方法。
虽然某些实施例是以说明和描述为目的的,各种各样的替代、和/或、等效的实施方案、或计算来达到同样的目的实施例示出和描述的实现,不脱离本申请的实施范围。本申请旨在覆盖本文讨论的实施例的任何修改或变化。因此,显然本文描述的实施例仅由权利要求和它们的等同物来限定。
Claims (29)
1.一种实物识别方法,其特征在于,包括:
采集目标环境条件下的待识别对象的第一图像;
根据所述第一图像的图像特征,识别所述待识别对象为实物对象或非实物对象。
2.根据权利要求1所述的实物识别方法,其特征在于,所述根据所述第一图像的图像特征,识别所述待识别对象为实物对象或非实物对象包括:
根据所述第一图像中与所述目标环境条件关联的图像特征,识别所述待识别对象为实物对象或非实物对象。
3.根据权利要求1所述的实物识别方法,其特征在于,环境条件包括光照条件,所述光照条件包括光照角度、光线波长和光照强度中的至少一个。
4.根据权利要求1所述的实物识别方法,其特征在于,在所述采集目标环境条件下的待识别对象的第一图像之前,还包括:
对所述待识别对象所处环境进行调整,使所述待识别对象处于具有所述目标环境条件的环境下。
5.根据权利要求4所述的实物识别方法,其特征在于,所述对所述待识别对象所处环境进行调整包括:
将所述待识别对象所处环境的至少一个环境条件调整至所述目标环境条件。
6.根据权利要求5所述的实物识别方法,其特征在于,所述将所述待识别对象所处环境的至少一个环境条件调整至所述目标环境条件包括:
调整参考光源照射所述待识别对象的方向。
7.根据权利要求6所述的实物识别方法,其特征在于,所述调整参考光源照射所述待识别对象的方向包括:
调整所述参考光源照射所述待识别对象的方向至与所述第一图像的采集方向之间的夹角小于90度。
8.根据权利要求5所述的实物识别方法,其特征在于,所述将所述待识别对象所处环境的至少一个环境条件调整至所述目标环境条件包括:
调整参考光源照射所述待识别对象的区域。
9.根据权利要求5所述的实物识别方法,其特征在于,所述将所述待识别对象所处环境的至少一个环境条件调整至所述目标环境条件包括:
在所述待识别对象所处环境中增加参考光源,通过所述参考光源控制光照条件。
10.根据权利要求9所述的实物识别方法,其特征在于,所述通过所述参考光源控制光照条件包括:
控制闪光灯开启,以通过所述闪光灯照射所述待识别对象。
11.根据权利要求5所述的实物识别方法,其特征在于,环境条件包括温度条件,所述将所述待识别对象所处环境的至少一个环境条件调整至所述目标环境条件包括:
调整当前温度至目标温度。
12.根据权利要求4所述的实物识别方法,其特征在于,所述对所述待识别对象所处环境进行调整包括:
将所述待识别对象从第一环境转移至具有所述目标环境条件的第二环境。
13.根据权利要求4所述的实物识别方法,其特征在于,在所述对所述待识别对象所处环境进行调整之前,还包括:
在调整前的环境下采集所述待识别对象的第二图像。
14.根据权利要求13所述的实物识别方法,其特征在于,所述根据所述第一图像的图像特征,识别所述待识别对象为实物对象或非实物对象包括:
获取所述待识别对象在所述第一图像和所述第二图像中的图像特征的差异信息;
根据所述差异信息,识别所述待识别对象为实物图像或非实物图像。
15.根据权利要求14所述的实物识别方法,其特征在于,所述获取所述待识别对象在第一图像和第二图像中的图像特征的差异信息包括:
通过对所述第一图像和所述第二图像进行像素比较,确定所述第一图像和第二图像的差值图像;
提取所述差值图像的图像特征作为所述差异信息。
16.根据权利要求14所述的实物识别方法,其特征在于,所述根据所述差异信息,识别所述待识别对象为实物图像或非实物图像包括:
采用第一识别分类器识别所述差异信息,得到所述待识别对象为实物对象或非实物对象的识别结果。
17.根据权利要求1所述的实物识别方法,其特征在于,所述根据所述第一图像的图像特征,识别所述待识别对象为实物对象或非实物对象包括:
从所述第一图像中提取所述图像特征;
采用第二识别分类器识别所述图像特征,得到所述待识别对象为实物对象或非实物对象的识别结果。
18.根据权利要求1所述的实物识别方法,其特征在于,在所述根据所述第一图像的图像特征,识别所述待识别对象为实物对象或非实物对象之前,还包括:
在所述第一图像中识别所述待识别对象对应的图像内容;
根据所述图像内容所处方位对所述第一图像进行旋转,和/或,从所述第一图像中切分出所述图像内容。
19.一种实物识别方法,其特征在于,包括:
在非目标环境条件下,采集待识别对象的第二图像;
在目标环境条件下,采集所述待识别对象的第一图像;
确定所述第一图像与所述第二图像的差异图像;
基于所述差异图像识别所述待识别对象为实物对象或非实物对象。
20.根据权利要求19所述的实物识别方法,其特征在于,在所述在目标环境条件下,采集所述待识别对象的第一图像之前,还包括:
对具有所述非目标环境条件的环境中的光照条件进行调整,使所述环境具有所述目标环境条件,所述光照条件包括光照角度、光线波长和光照强度中的至少一个。
21.根据权利要求20所述的实物识别方法,其特征在于,所述对具有所述非目标环境条件的环境中的光照条件进行调整包括:
调整参考光源照射所述待识别对象的方向。
22.根据权利要求21所述的实物识别方法,其特征在于,所述调整参考光源照射所述待识别对象的方向包括:
调整所述参考光源照射所述待识别对象的方向至与所述第一图像的采集方向之间的夹角小于90度。
23.根据权利要求20所述的实物识别方法,其特征在于,所述对具有所述非目标环境条件的环境中的光照条件进行调整包括:
调整参考光源照射所述待识别对象的区域。
24.根据权利要求20所述的实物识别方法,其特征在于,所述对具有所述非目标环境条件的环境中的光照条件进行调整包括:
在所述待识别对象所处环境中增加参考光源,通过所述参考光源控制光照条件。
25.根据权利要求24所述的实物识别方法,其特征在于,所述通过所述参考光源控制光照条件包括:
控制闪光灯开启,以通过所述闪光灯照射所述待识别对象。
26.根据权利要求19所述的实物识别方法,其特征在于,在所述在目标环境条件下,采集所述待识别对象的第一图像之前,还包括:
将具有所述非目标环境条件的环境中的温度调整至目标温度,使所述环境具有所述目标环境条件。
27.一种验证方法,其特征在于,包括:
在目标环境条件下采集待验证对象的第一图像;
根据所述第一图像的图像特征,验证所述待识别对象为实物对象或非实物对象;
若验证所述待识别对象为实物对象,则将所述第一图像提交至服务器。
28.一种计算机设备,包括存储器、处理器及存储在存储器上并可在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计算机程序时实现如权利要求1-27一个或多个的方法。
29.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-27一个或多个的方法。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710911613.4A CN109583287B (zh) | 2017-09-29 | 2017-09-29 | 实物识别方法及验证方法 |
TW107119980A TW201933176A (zh) | 2017-09-29 | 2018-06-11 | 實物識別方法及驗證方法 |
US16/126,597 US11182889B2 (en) | 2017-09-29 | 2018-09-10 | System and method for authenticating physical objects based on captured images |
PCT/US2018/050458 WO2019067204A1 (en) | 2017-09-29 | 2018-09-11 | SYSTEM AND METHOD FOR IDENTIFYING PHYSICAL OBJECTS |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710911613.4A CN109583287B (zh) | 2017-09-29 | 2017-09-29 | 实物识别方法及验证方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109583287A true CN109583287A (zh) | 2019-04-05 |
CN109583287B CN109583287B (zh) | 2024-04-12 |
Family
ID=65896761
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710911613.4A Active CN109583287B (zh) | 2017-09-29 | 2017-09-29 | 实物识别方法及验证方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11182889B2 (zh) |
CN (1) | CN109583287B (zh) |
TW (1) | TW201933176A (zh) |
WO (1) | WO2019067204A1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110443237A (zh) * | 2019-08-06 | 2019-11-12 | 北京旷视科技有限公司 | 证件识别方法、装置、电子设备及计算机可读存储介质 |
CN110688939A (zh) * | 2019-09-25 | 2020-01-14 | 支付宝(杭州)信息技术有限公司 | 一种验证待识别证件图像的方法、系统及设备 |
CN112598008A (zh) * | 2020-12-25 | 2021-04-02 | 上海大学 | 不可复制防伪标签的薄膜图案数据库建立及分类识别方法 |
CN113222952A (zh) * | 2021-05-20 | 2021-08-06 | 支付宝(杭州)信息技术有限公司 | 翻拍图像的识别方法及装置 |
Families Citing this family (39)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9443298B2 (en) | 2012-03-02 | 2016-09-13 | Authentect, Inc. | Digital fingerprinting object authentication and anti-counterfeiting system |
US8774455B2 (en) | 2011-03-02 | 2014-07-08 | Raf Technology, Inc. | Document fingerprinting |
US10572883B2 (en) | 2016-02-19 | 2020-02-25 | Alitheon, Inc. | Preserving a level of confidence of authenticity of an object |
US10800434B1 (en) * | 2020-03-07 | 2020-10-13 | James E. Beecham | Method and system for mitigating anticipated risks in self-driving vehicles via use of malicious roadway falsified appearances |
US10867301B2 (en) | 2016-04-18 | 2020-12-15 | Alitheon, Inc. | Authentication-triggered processes |
US10740767B2 (en) | 2016-06-28 | 2020-08-11 | Alitheon, Inc. | Centralized databases storing digital fingerprints of objects for collaborative authentication |
US10915612B2 (en) | 2016-07-05 | 2021-02-09 | Alitheon, Inc. | Authenticated production |
US10902540B2 (en) | 2016-08-12 | 2021-01-26 | Alitheon, Inc. | Event-driven authentication of physical objects |
US10839528B2 (en) | 2016-08-19 | 2020-11-17 | Alitheon, Inc. | Authentication-based tracking |
US11062118B2 (en) | 2017-07-25 | 2021-07-13 | Alitheon, Inc. | Model-based digital fingerprinting |
US10559211B2 (en) | 2017-11-27 | 2020-02-11 | Uber Technologies, Inc. | Real-time service provider progress monitoring |
US11087013B2 (en) | 2018-01-22 | 2021-08-10 | Alitheon, Inc. | Secure digital fingerprint key object database |
EP3572972A1 (en) * | 2018-05-23 | 2019-11-27 | IDEMIA Identity & Security Germany AG | Extendend convolutional neural network for document analysis |
US10733473B2 (en) * | 2018-09-20 | 2020-08-04 | Uber Technologies Inc. | Object verification for a network-based service |
US10999299B2 (en) * | 2018-10-09 | 2021-05-04 | Uber Technologies, Inc. | Location-spoofing detection system for a network service |
JP7242309B2 (ja) * | 2019-01-16 | 2023-03-20 | キヤノン株式会社 | 画像処理装置、画像処理方法およびプログラム |
US10963670B2 (en) | 2019-02-06 | 2021-03-30 | Alitheon, Inc. | Object change detection and measurement using digital fingerprints |
US11436853B1 (en) * | 2019-03-25 | 2022-09-06 | Idemia Identity & Security USA LLC | Document authentication |
EP3734506A1 (en) | 2019-05-02 | 2020-11-04 | Alitheon, Inc. | Automated authentication region localization and capture |
US10769263B1 (en) * | 2019-05-07 | 2020-09-08 | Alibaba Group Holding Limited | Certificate verification |
EP3736717A1 (en) | 2019-05-10 | 2020-11-11 | Alitheon, Inc. | Loop chain digital fingerprint method and system |
US11238146B2 (en) | 2019-10-17 | 2022-02-01 | Alitheon, Inc. | Securing composite objects using digital fingerprints |
US11412382B2 (en) * | 2019-11-07 | 2022-08-09 | Humans, Inc | Mobile application camera activation and de-activation based on physical object location |
US11687778B2 (en) | 2020-01-06 | 2023-06-27 | The Research Foundation For The State University Of New York | Fakecatcher: detection of synthetic portrait videos using biological signals |
EP3859603A1 (en) | 2020-01-28 | 2021-08-04 | Alitheon, Inc. | Depth-based digital fingerprinting |
EP3885984A1 (en) | 2020-03-23 | 2021-09-29 | Alitheon, Inc. | Facial biometrics system and method of using digital fingerprints |
US11341348B2 (en) | 2020-03-23 | 2022-05-24 | Alitheon, Inc. | Hand biometrics system and method using digital fingerprints |
US11948377B2 (en) | 2020-04-06 | 2024-04-02 | Alitheon, Inc. | Local encoding of intrinsic authentication data |
US11663849B1 (en) | 2020-04-23 | 2023-05-30 | Alitheon, Inc. | Transform pyramiding for fingerprint matching system and method |
US11983957B2 (en) | 2020-05-28 | 2024-05-14 | Alitheon, Inc. | Irreversible digital fingerprints for preserving object security |
SG10202005118QA (en) * | 2020-06-01 | 2021-08-30 | Alipay Labs Singapore Pte Ltd | Authentication method and system |
SG10202005119WA (en) * | 2020-06-01 | 2021-09-29 | Alipay Labs Singapore Pte Ltd | An identification document authentication method and system |
US11700123B2 (en) | 2020-06-17 | 2023-07-11 | Alitheon, Inc. | Asset-backed digital security tokens |
CN112102402B (zh) * | 2020-09-23 | 2023-08-22 | 平安科技(深圳)有限公司 | 闪光灯光斑位置识别方法、装置、电子设备及存储介质 |
JP7193570B2 (ja) * | 2021-03-25 | 2022-12-20 | 株式会社三井住友銀行 | 端末装置、方法、及びプログラム |
FR3121773B1 (fr) * | 2021-04-13 | 2024-03-08 | Idemia Identity & Security France | procédé de contrôle d’identité utilisant des conditions d’éclairage aléatoires |
US11769313B2 (en) * | 2021-05-21 | 2023-09-26 | Ford Global Technologies, Llc | Counterfeit image detection |
US11967184B2 (en) | 2021-05-21 | 2024-04-23 | Ford Global Technologies, Llc | Counterfeit image detection |
US20230086809A1 (en) * | 2021-09-17 | 2023-03-23 | BCD International, Inc. | Combined security and video camera control system |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100266197A1 (en) * | 2009-04-15 | 2010-10-21 | Xerox Corporation | Hole punch die identification in a document reproduction system |
US20130170731A1 (en) * | 2011-12-28 | 2013-07-04 | Keyence Corporation | Image Processing Device And Image Processing Method |
CN103914686A (zh) * | 2014-03-11 | 2014-07-09 | 辰通智能设备(深圳)有限公司 | 一种基于证件照与采集照的人脸比对认证方法及系统 |
US20150117701A1 (en) * | 2012-03-02 | 2015-04-30 | Raf Technology, Inc. | Digital fingerprinting object authentication and anti-counterfeiting system |
CN105118048A (zh) * | 2015-07-17 | 2015-12-02 | 北京旷视科技有限公司 | 翻拍证件图片的识别方法及装置 |
CN105117729A (zh) * | 2015-05-11 | 2015-12-02 | 杭州金培科技有限公司 | 一种识别翻拍图像的方法和装置 |
CN105117695A (zh) * | 2015-08-18 | 2015-12-02 | 北京旷视科技有限公司 | 活体检测设备和活体检测方法 |
CN106022283A (zh) * | 2016-05-27 | 2016-10-12 | 北京中金国信科技有限公司 | 生物识别方法、装置及识别设备 |
CN106803086A (zh) * | 2016-12-30 | 2017-06-06 | 北京旷视科技有限公司 | 辨别证件真实性的方法、装置及系统 |
CN107038428A (zh) * | 2017-04-28 | 2017-08-11 | 北京小米移动软件有限公司 | 活体识别方法和装置 |
CN107135348A (zh) * | 2016-02-26 | 2017-09-05 | 阿里巴巴集团控股有限公司 | 拍摄对象的识别方法、装置、移动终端和照相机 |
Family Cites Families (44)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7031901B2 (en) | 1998-05-13 | 2006-04-18 | Abu El Ata Nabil A | System and method for improving predictive modeling of an information system |
US6397334B1 (en) * | 1998-12-17 | 2002-05-28 | International Business Machines Corporation | Method and system for authenticating objects and object data |
US6644973B2 (en) | 2000-05-16 | 2003-11-11 | William Oster | System for improving reading and speaking |
JP3846851B2 (ja) * | 2001-02-01 | 2006-11-15 | 松下電器産業株式会社 | 画像のマッチング処理方法及びその装置 |
US20040196363A1 (en) * | 2003-04-01 | 2004-10-07 | Gary Diamond | Video identification verification system |
US7401012B1 (en) | 2005-04-20 | 2008-07-15 | Sun Microsystems, Inc. | Method and apparatus for characterizing computer system workloads |
WO2006124666A2 (en) * | 2005-05-13 | 2006-11-23 | Tivaro, Inc. | A coordinate based computer authentication system and methods |
US7536304B2 (en) | 2005-05-27 | 2009-05-19 | Porticus, Inc. | Method and system for bio-metric voice print authentication |
CN101622858B (zh) * | 2007-03-06 | 2012-09-26 | 住友电气工业株式会社 | 图像加工方法及图像检查方法 |
US7872584B2 (en) * | 2007-04-09 | 2011-01-18 | Honeywell International Inc. | Analyzing smoke or other emissions with pattern recognition |
US8280106B2 (en) * | 2007-09-29 | 2012-10-02 | Samsung Electronics Co., Ltd. | Shadow and highlight detection system and method of the same in surveillance camera and recording medium thereof |
US9298979B2 (en) | 2008-01-18 | 2016-03-29 | Mitek Systems, Inc. | Systems and methods for mobile image capture and content processing of driver's licenses |
US8180629B2 (en) | 2008-07-10 | 2012-05-15 | Trigent Softward Ltd. | Automatic pattern generation in natural language processing |
DE102008046254A1 (de) * | 2008-09-08 | 2010-03-11 | Giesecke & Devrient Gmbh | Wertdokumentbearbeitungsvorrichtung und ein Verfahren zur Reduktion von Staub in der Wertdokumentbearbeitungsvorrichtung |
US8121400B2 (en) * | 2009-09-24 | 2012-02-21 | Huper Laboratories Co., Ltd. | Method of comparing similarity of 3D visual objects |
US9082235B2 (en) | 2011-07-12 | 2015-07-14 | Microsoft Technology Licensing, Llc | Using facial data for device authentication or subject identification |
US8966613B2 (en) * | 2011-09-30 | 2015-02-24 | Microsoft Technology Licensing, Llc | Multi-frame depth image information identification |
US9165188B2 (en) * | 2012-01-12 | 2015-10-20 | Kofax, Inc. | Systems and methods for mobile image capture and processing |
US9066125B2 (en) | 2012-02-10 | 2015-06-23 | Advanced Biometric Controls, Llc | Secure display |
JP6052657B2 (ja) * | 2012-03-13 | 2016-12-27 | パナソニックIpマネジメント株式会社 | 対象物検証装置、対象物検証プログラム、及び対象物検証方法 |
US8705836B2 (en) | 2012-08-06 | 2014-04-22 | A2iA S.A. | Systems and methods for recognizing information in objects using a mobile device |
US9582843B2 (en) * | 2012-08-20 | 2017-02-28 | Tautachrome, Inc. | Authentication and validation of smartphone imagery |
US9147127B2 (en) | 2013-03-15 | 2015-09-29 | Facebook, Inc. | Verification of user photo IDs |
US10475014B1 (en) * | 2013-03-15 | 2019-11-12 | Amazon Technologies, Inc. | Payment device security |
US9723251B2 (en) * | 2013-04-23 | 2017-08-01 | Jaacob I. SLOTKY | Technique for image acquisition and management |
US9202119B2 (en) | 2013-10-18 | 2015-12-01 | Daon Holdings Limited | Methods and systems for determining user liveness |
JP6287047B2 (ja) | 2013-10-22 | 2018-03-07 | 富士通株式会社 | 画像処理装置、画像処理方法および画像処理プログラム |
US9607138B1 (en) | 2013-12-18 | 2017-03-28 | Amazon Technologies, Inc. | User authentication and verification through video analysis |
US10320807B2 (en) | 2014-02-25 | 2019-06-11 | Sal Khan | Systems and methods relating to the authenticity and verification of photographic identity documents |
US9646227B2 (en) | 2014-07-29 | 2017-05-09 | Microsoft Technology Licensing, Llc | Computerized machine learning of interesting video sections |
CA3186147A1 (en) | 2014-08-28 | 2016-02-28 | Kevin Alan Tussy | Facial recognition authentication system including path parameters |
US9619696B2 (en) | 2015-04-15 | 2017-04-11 | Cisco Technology, Inc. | Duplicate reduction for face detection |
US9794260B2 (en) | 2015-08-10 | 2017-10-17 | Yoti Ltd | Liveness detection |
US20170060867A1 (en) | 2015-08-31 | 2017-03-02 | Adfamilies Publicidade, SA | Video and image match searching |
US10065441B2 (en) | 2015-09-01 | 2018-09-04 | Digimarc Corporation | Counterfeiting detection using machine readable indicia |
JP6451861B2 (ja) * | 2015-09-09 | 2019-01-16 | 日本電気株式会社 | 顔認証装置、顔認証方法およびプログラム |
WO2017059576A1 (en) | 2015-10-09 | 2017-04-13 | Beijing Sensetime Technology Development Co., Ltd | Apparatus and method for pedestrian detection |
GB2554361B8 (en) | 2016-09-21 | 2022-07-06 | Emergent Network Intelligence Ltd | Automatic image based object damage assessment |
US20200005151A1 (en) | 2016-12-30 | 2020-01-02 | Nokia Technologies Oy | Artificial neural network |
KR102334575B1 (ko) * | 2017-07-31 | 2021-12-03 | 삼성디스플레이 주식회사 | 무라 검출 장치 및 무라 검출 장치의 검출 방법 |
US11586875B2 (en) | 2017-11-22 | 2023-02-21 | Massachusetts Institute Of Technology | Systems and methods for optimization of a data model network architecture for target deployment |
US10942767B2 (en) | 2018-02-27 | 2021-03-09 | Microsoft Technology Licensing, Llc | Deep neural network workload scheduling |
US10554738B1 (en) | 2018-03-02 | 2020-02-04 | Syncsort Incorporated | Methods and apparatus for load balance optimization based on machine learning |
GB2573809B (en) | 2018-05-18 | 2020-11-04 | Emotech Ltd | Speaker Recognition |
-
2017
- 2017-09-29 CN CN201710911613.4A patent/CN109583287B/zh active Active
-
2018
- 2018-06-11 TW TW107119980A patent/TW201933176A/zh unknown
- 2018-09-10 US US16/126,597 patent/US11182889B2/en active Active
- 2018-09-11 WO PCT/US2018/050458 patent/WO2019067204A1/en active Application Filing
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100266197A1 (en) * | 2009-04-15 | 2010-10-21 | Xerox Corporation | Hole punch die identification in a document reproduction system |
US20130170731A1 (en) * | 2011-12-28 | 2013-07-04 | Keyence Corporation | Image Processing Device And Image Processing Method |
US20150117701A1 (en) * | 2012-03-02 | 2015-04-30 | Raf Technology, Inc. | Digital fingerprinting object authentication and anti-counterfeiting system |
CN103914686A (zh) * | 2014-03-11 | 2014-07-09 | 辰通智能设备(深圳)有限公司 | 一种基于证件照与采集照的人脸比对认证方法及系统 |
CN105117729A (zh) * | 2015-05-11 | 2015-12-02 | 杭州金培科技有限公司 | 一种识别翻拍图像的方法和装置 |
CN105118048A (zh) * | 2015-07-17 | 2015-12-02 | 北京旷视科技有限公司 | 翻拍证件图片的识别方法及装置 |
CN105117695A (zh) * | 2015-08-18 | 2015-12-02 | 北京旷视科技有限公司 | 活体检测设备和活体检测方法 |
CN107135348A (zh) * | 2016-02-26 | 2017-09-05 | 阿里巴巴集团控股有限公司 | 拍摄对象的识别方法、装置、移动终端和照相机 |
CN106022283A (zh) * | 2016-05-27 | 2016-10-12 | 北京中金国信科技有限公司 | 生物识别方法、装置及识别设备 |
CN106803086A (zh) * | 2016-12-30 | 2017-06-06 | 北京旷视科技有限公司 | 辨别证件真实性的方法、装置及系统 |
CN107038428A (zh) * | 2017-04-28 | 2017-08-11 | 北京小米移动软件有限公司 | 活体识别方法和装置 |
Non-Patent Citations (1)
Title |
---|
谢心谦;刘霞;孔月萍;: "基于深度学习的图像翻拍检测", 电脑知识与技术, no. 16 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110443237A (zh) * | 2019-08-06 | 2019-11-12 | 北京旷视科技有限公司 | 证件识别方法、装置、电子设备及计算机可读存储介质 |
CN110688939A (zh) * | 2019-09-25 | 2020-01-14 | 支付宝(杭州)信息技术有限公司 | 一种验证待识别证件图像的方法、系统及设备 |
CN110688939B (zh) * | 2019-09-25 | 2022-07-29 | 支付宝(杭州)信息技术有限公司 | 一种验证待识别证件图像的方法、系统及设备 |
CN112598008A (zh) * | 2020-12-25 | 2021-04-02 | 上海大学 | 不可复制防伪标签的薄膜图案数据库建立及分类识别方法 |
CN112598008B (zh) * | 2020-12-25 | 2021-12-03 | 上海大学 | 不可复制防伪标签的薄膜图案数据库建立及分类识别方法 |
CN113222952A (zh) * | 2021-05-20 | 2021-08-06 | 支付宝(杭州)信息技术有限公司 | 翻拍图像的识别方法及装置 |
CN113222952B (zh) * | 2021-05-20 | 2022-05-24 | 蚂蚁胜信(上海)信息技术有限公司 | 翻拍图像的识别方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
TW201933176A (zh) | 2019-08-16 |
US20190102873A1 (en) | 2019-04-04 |
US11182889B2 (en) | 2021-11-23 |
CN109583287B (zh) | 2024-04-12 |
WO2019067204A1 (en) | 2019-04-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109583287A (zh) | 实物识别方法及验证方法 | |
CN105408821B (zh) | 用于验证衍射元件的方法和设备 | |
CN104115074B (zh) | 全息图处理方法和系统 | |
TWI766201B (zh) | 活體檢測方法、裝置以及儲存介質 | |
JP2021182442A (ja) | 身分証明書の改ざん検出方法 | |
CN105874468B (zh) | 用于验证产品的图像分析 | |
CN109076148A (zh) | 日常场景重建引擎 | |
TW201915831A (zh) | 對象識別方法 | |
CN110069972A (zh) | 自动探测真实世界物体 | |
Zanardelli et al. | Image forgery detection: a survey of recent deep-learning approaches | |
CN106778867A (zh) | 目标检测方法和装置、神经网络训练方法和装置 | |
CN108961194A (zh) | 用以融合多深度图的深度图产生装置 | |
CN109376631A (zh) | 一种基于神经网络的回环检测方法及装置 | |
KR102257897B1 (ko) | 라이브니스 검사 방법과 장치,및 영상 처리 방법과 장치 | |
CN107368790B (zh) | 行人检测方法、系统、计算机可读存储介质及电子设备 | |
CN107408319A (zh) | 识别装置、识别方法、识别程序及包含识别程序的计算机可读介质 | |
CN108292457A (zh) | 识别装置、识别方法、识别程序及包含识别程序的计算机可读介质 | |
Wong et al. | Counterfeit detection based on unclonable feature of paper using mobile camera | |
EP4049189A1 (en) | Shoe authentication device and authentication process | |
CN110110717A (zh) | 具有松弛对准的支付卡ocr | |
Wang et al. | Accurate but fragile passive non-line-of-sight recognition | |
US11335153B1 (en) | Fully autonomous system and method for grading, stamping and encapsulating a collectible object | |
Wang et al. | Wild face anti-spoofing challenge 2023: Benchmark and results | |
CN107110781A (zh) | 用于自动防伪的材料批量认证 | |
EP3165018A2 (en) | System and method for quantifying reflection e.g. when analyzing laminated documents |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220629 Address after: Room 5034, building 3, 820 wenerxi Road, Xihu District, Hangzhou City, Zhejiang Province Applicant after: ZHEJIANG LIANHE TECHNOLOGY Co.,Ltd. Address before: Box 847, four, Grand Cayman capital, Cayman Islands, UK Applicant before: ALIBABA GROUP HOLDING Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |