CN110428028B - 基于准动态镭射标签的识别验伪方法、装置、设备及介质 - Google Patents
基于准动态镭射标签的识别验伪方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN110428028B CN110428028B CN201910663889.4A CN201910663889A CN110428028B CN 110428028 B CN110428028 B CN 110428028B CN 201910663889 A CN201910663889 A CN 201910663889A CN 110428028 B CN110428028 B CN 110428028B
- Authority
- CN
- China
- Prior art keywords
- laser
- laser label
- label
- color change
- quasi
- 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 54
- 238000012795 verification Methods 0.000 title claims abstract description 47
- 230000008859 change Effects 0.000 claims abstract description 66
- 238000001514 detection method Methods 0.000 claims abstract description 6
- 239000000843 powder Substances 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 10
- 238000013136 deep learning model Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 4
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000002265 prevention Effects 0.000 claims 2
- 230000008569 process Effects 0.000 description 11
- 239000000047 product Substances 0.000 description 8
- 238000013527 convolutional neural network Methods 0.000 description 7
- 239000012634 fragment Substances 0.000 description 7
- 238000003708 edge detection Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 239000000463 material Substances 0.000 description 6
- 239000000853 adhesive Substances 0.000 description 4
- 230000001070 adhesive effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 241000167857 Bourreria Species 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004806 packaging method and process Methods 0.000 description 3
- 239000007795 chemical reaction product Substances 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 238000007639 printing Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000739 chaotic effect Effects 0.000 description 1
- 235000019504 cigarettes Nutrition 0.000 description 1
- 238000013329 compounding Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
- G06K17/0022—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisions for transferring data to distant stations, e.g. from a sensing device
- G06K17/0025—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisions for transferring data to distant stations, e.g. from a sensing device the arrangement consisting of a wireless interrogation device in combination with a device for optically marking the record carrier
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
- G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
- G06K7/1404—Methods for optical code recognition
- G06K7/1439—Methods for optical code recognition including a method step for retrieval of the optical code
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/467—Encoded features or binary features, e.g. local binary patterns [LBP]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Health & Medical Sciences (AREA)
- Electromagnetism (AREA)
- General Health & Medical Sciences (AREA)
- Toxicology (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于准动态镭射标签的识别验伪方法,涉及防伪技术领域,用于实现基于镭射标签的商品验伪,该方法包括以下步骤:识别并上传条码信息;接收所述条码信息对应的种子信息;采集镭射标签图像,利用所述种子信息与所述镭射标签图像进行特征比对;分析多帧所述镭射标签图像的颜色变化,判断是否符合所述镭射标签的颜色变化特征。本发明还公开了一种基于准动态镭射标签的识别验伪装置、电子设备和计算机存储介质。本发明通过对镭射标签进行特征提取和比对,实现商品的验伪。
Description
技术领域
本发明涉及防伪技术领域,尤其涉及一种基于准动态镭射标签的识别验伪方法、装置、设备及介质。
背景技术
我国的包装印刷行业迅猛发展,镭射防伪技术和镭射图纹的使用越来越普及,特别是在药品、香烟等高端产品的包装上普遍应用,以达到防伪效果。
但是随着镭射图纹普及后,市场上的造假者以高仿真手段对包含镭射图纹的防伪标签进行伪造,以实现对高端产品的造假;更有甚者,直接回收高端商品的外包装去重新加工,以此造假欺骗消费者,扰乱市场秩序。但是普通消费者对这些美观的镭射图纹缺乏专业的识别能力,而且他们对镭射图纹应用于商品防伪的现象也已经习以为常,日常生活中一般不会有人去仔细辨别这些印有镭射图纹的商品是否为正品。
除此之外,现有的镭射图纹通常采用将印有图纹的镭射膜通过粘接复合等工序转移至包装纸上形成镭射标签,但由于镭射转移膜的广泛运用,现有的镭射图纹很容易被复制,大大降低了其防伪功效。
因此,使用随机动态生成复杂镭射图纹的准动态镭射标签去实现商品防伪,会有更好的效果,但是同时当镭射图纹是随机动态生成的且具备唯一性时,对包含动态镭射图纹的镭射标签的识别和验证过程也会变得更加复杂,因此亟需一种针对镭射标签的识别验证方法,能对动态镭射图纹的镭射标签进行验证。
发明内容
为了克服现有技术的不足,本发明的目的之一在于提供一种基于准动态镭射标签的识别验伪方法,其通过镭射标签进行识别、准动态特征提取和比对,完成对三维随机镭射图纹组成的镭射标签的验证,从而完成对产品的验伪,进而能较好的维护消费者利益。
本发明的目的之一采用以下技术方案实现:
一种基于准动态镭射标签的识别验伪方法,包括以下步骤:
识别并上传条码信息;
接收所述条码信息对应的种子信息;
采集镭射标签图像,利用所述种子信息与所述镭射标签图像进行特征比对;
分析多帧所述镭射标签图像的颜色变化,判断是否符合所述镭射标签的颜色变化特征。
进一步地,所述种子信息包含镭射标签的纹理特征信息以及所述镭射标签的形状特征和面积特征。
进一步地,将所述种子信息与所述镭射标签图像进行特征比对步骤包括:
将所述镭射标签图像进行预处理,对预处理后的所述镭射标签图像进行轮廓提取,得到候选轮廓集;
从所述候选轮廓集中提取防伪区域,校正所述防伪区域;
将校正后的所述防伪区域与所述种子信息进行纹理特征比对。
进一步地,分析多帧所述镭射标签图像的颜色变化,判断是否符合所述镭射标签的颜色变化特征,其包括如下步骤:
获取多帧所述镭射标签图像,将多帧所述镭射标签图像转换成HSV色彩空间;
记录多帧所述镭射标签图像的HSV色彩空间,分析每个像素在多帧所述镭射标签图像中的颜色变化,当所述颜色变化的像素数量和分布满足设定的条件时,则符合所述镭射标签的颜色变化特征,反之,则不符合。
进一步地,通过VIBE算法、混合高斯模型或深度学习模型分析所述颜色变化。
进一步地,根据所述镭射标签的形状特征和面积特征,从所述候选轮廓集提取防伪区域,通过仿射变换对所述防伪区域进行校正。
进一步地,当所述镭射标签为粉块镭射图纹时,所述防伪区域包含若干个粉块镭射图纹,将校正后的所述防伪区域与所述种子信息进行纹理特征比对,具体步骤包括:
提取所述防伪区域中单个粉块镭射图纹的边缘特征和/或所有粉块镭射图纹构成的外轮廓的边缘特征,将提取到的所述边缘特征与所述种子信息进行纹理特征比对。
进一步地,当所述镭射标签为线条镭射图纹时,将校正后的所述防伪区域与所述种子信息进行纹理特征比对,包括:提取校正后的所述防伪区域的LBP特征;将所述LBP特征与所述种子信息进行比对。
进一步地,若比对成功且符合所述颜色变化特征,则验伪通过,反之,验伪不通过;
或者若比对成功且符合所述颜色变化特征,则验伪通过,并根据所述条码信息查询产品信息进行显示,反之,验伪不通过。
本发明的目的之二在于提供一种基于准动态镭射标签的识别验伪装置,其通过对所述镭射标签进行识别处理和验证,从而对商品进行验伪。
本发明的目的之二采用以下技术方案实现:
一种基于准动态镭射标签的识别验伪装置,其包括:
识别模块,用于识别条码信息;
种子下载模块,用于接收所述条码信息对应的种子信息;
验证模块,用于采集镭射标签图像,并利用所述种子信息与所述镭射标签图像进行特征比对;并分析多帧所述镭射标签图像的颜色变化,判断是否符合所述镭射标签的颜色变化特征。
本发明的目的之三在于提供执行发明目的之一的电子设备,其包括处理器、存储介质以及计算机程序,所述计算机程序存储于存储介质中,所述计算机程序被处理器执行时实现上述的基于准动态镭射标签的识别验伪方法。
本发明的目的之四在于提供存储发明目的之一的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上述的基于准动态镭射标签的识别验伪方法。
相比现有技术,本发明的有益效果在于:
本发明通过对镭射标签中的三维随机镭射图纹进行识别和特征提取,最后将提取到的特征信息与服务器中存储的特征信息进行比对,从而完成镭射标签的验证,以实现产品验伪,进而达到维护消费者利益的目的。
附图说明
图1是本发明基于准动态镭射标签的识别验伪方法的流程图;
图2是实施例1中基于准动态镭射标签的识别验伪方法的验伪原理图;
图3是实施例5的基于准动态镭射标签的识别验伪装置的结构框图;
图4是实施例6的电子设备的结构框图。
具体实施方式
以下将结合附图,对本发明进行更为详细的描述,需要说明的是,下参照附图对本发明进行的描述仅是示意性的,而非限制性的。各个不同实施例之间可以进行相互组合,以构成未在以下描述中示出的其他实施例。
实施例1
本实施例提供了一种基于准动态镭射标签的识别验伪方法,旨在通过对镭射标签进行图像采集,将采集到的镭射标签图像中的三维随机镭射图纹进行识别和准动态特征提取,最后并将提取到的准动态特征与预先存储的特征信息进行比对,从而完成镭射标签的识别验伪。
如图1所示,一种基于准动态镭射标签的识别验伪方法,其包括以下步骤:
识别并上传条码信息;
接收所述条码信息对应的种子信息;
采集镭射标签图像,利用所述种子信息与所述镭射标签图像进行特征比对;
分析多帧所述镭射标签图像的颜色变化,判断是否符合所述镭射标签的颜色变化特征。
本发明中提及的镭射标签均为准动态镭射标签,包括条码区和三维随机镭射图纹区,条码区为采用印刷工艺制作的一维码或二维码或可存储信息并能被终端SDK识别的其他图形标识码,本实施例选用二维码,该二维码中存储了标签ID、公司网站信息等信息,即本实施例识别并上传二维码信息,并根据二维码信息获取对应的种子信息。而三维随机镭射图纹区通过随机分布一系列不同形状带有随机取向镭射全息图的碎片无规则分散形成结构稳定的三维随机镭射图纹区,上述碎片包括但不限于镭射块、镭射片、镭射线、镭射粉。该镭射标签的三维随机镭射图纹区复杂度极高,且每个碎片上的镭射取向是随机的、碎片的分散位置也是随机的,这些碎片在三维随机镭射图纹区无规则分布形成混沌状,具有无法复制的特性。
该镭射标签未带图纹的一侧带有强力背胶,将保护强力背胶的离型纸拿下,即可粘贴在需防伪的标的物或其包装的关键位置,从而实现与商品(需防伪的标的物)的绑定。当该镭射标签被拿下时,镭射标签的三维随机镭射图纹区会因为机械剥离力的作用造成随机损坏,无法复原,实现标签自毁,无法重新使用,达到防伪的目的。必要时,可选择透明强力背胶,并在透明防伪背胶中掺入镭射粉(或其他掺杂粉),镭射粉与标签中固有的镭射碎片共同构成三维随机镭射图纹区(图像采集的核心区域),当标签与防伪标的物分离时必然会造成镭射粉脱落或位移,此类变化会使得后续验伪失败,进一步提高镭射标签的防伪特性。
在对上述镭射标签进行采集时,随着观察角度或采集角度的变化,三维随机镭射图纹(碎片)的颜色、亮度以及能见边缘等信息都会发生相应的动态变化,使得该镭射标签具有复杂的准动态特征。使用该镭射标签时,通过不同角度拍摄图像,提取可见的准动态特征信息,并在绑定标的物后,同时将镭射标签的准动态信息与标的物信息(商品信息)上传,以保证商家和标签生产厂家以及消费者都无法对标签防伪数据进行篡改。
消费者需要验伪时,利用本实施例的基于准动态镭射标签的识别验伪方法可实现商品的验伪。
如图2所示,通过终端的摄像头采集镭射标签图像和二维码图像,通过ZBar Sdk对二维码图像进行识别,得到该二维码中存储的数据,即二维码信息,上传二维码信息到服务器,服务器根据二维码信息调用相对应的种子信息发送给终端,终端接收该种子信息用于与所述镭射标签图像进行特征比对,以及进行颜色变化特征判断,实现对镭射图像的验伪,从而实现镭射标签的真伪判断,并显示验伪结果,并可以根据二维码信息查询使用该镭射标签的商品的产品信息进行显示,实现商品溯源作用。
在此不限定服务器类型,本实施例选用云服务器实现种子信息存储和调用。预先定义种子信息,该种子信息包含上述镭射标签中镭射图纹的纹理特征信息以及镭射标签的面积特征和形状特征。镭射图纹的纹理特征信息和颜色变化特征均为镭射标签的准动态特征信息;镭射标签与商品进行绑定后,将其镭射标签的种子信息和二维码信息的绑定关系、该镭射标签的种子信息以及商品的产品信息上传到云服务器(或区块链)进行存储。
需要注意的是,本发明提出的基于准动态镭射标签的识别验伪方法同样适用于其他具有光学特性的颗粒材料形成的防伪标签,而本实施例中形成镭射标签的镭射材料是具有光学特征的颗粒材料中的一种,具有色彩好、成本便宜、来源广泛等特点。
实施例2
本实施例与上述实施例的区别在于,本实施例对上述实施例的特征比对过程进行进一步介绍,将所述种子信息与所述镭射标签图像进行特征比对,步骤包括:
将所述镭射标签图像进行预处理,对预处理后的所述镭射标签图像进行轮廓提取,得到候选轮廓集;
从所述候选轮廓集中提取防伪区域,校正所述防伪区域;
将校正后的所述防伪区域与所述种子信息进行纹理特征比对。
本实施例中,将所述镭射标签图像进行预处理的操作为:将镭射标签图像利用MATLAB函数rgb2gray()转换为灰度图像。对预处理后的所述镭射标签图像进行轮廓提取,即对灰度图像进行边缘检测,采用MATLAB边缘检测算子实现,边缘检测算法可选用Sobel算子、Canny算子、Prewitt算子、Roberts算子、Laplacian算子等。
以Canny算子为例,对灰度图像进行边缘检测的步骤为:
step1:用高斯滤波器平滑图像;
step2:用一阶偏导的有限差分来计算梯度的幅值和方向;
step3:对梯度幅值进行非极大值抑制;
step4:用双阈值算法检测和连接边缘。
利用边缘检测算法提取镭射标签图像中各镭射图纹的轮廓(边缘),形成候选轮廓集。
优选地,根据种子信息记载的镭射标签的形状特征和面积特征,从所述候选轮廓集提取防伪区域。
通过仿射变换对所述防伪区域进行校正,使得所述防伪区域为标准矩形。
将校正后的防伪区域中包含的纹理信息与种子信息中的纹理信息作对比,得到纹理特征比对结果。
在本发明的其他实施例中,可以将分析多帧所述镭射标签图像的颜色变化,并判断是否符合所述镭射标签的颜色变化特征的过程放在纹理特征比对过程之前,即得到纹理特征比对结果之前,优先进行颜色变化特征的判断。
优选地,分析多帧所述镭射标签图像的颜色变化,判断是否符合所述镭射标签的颜色变化特征,其包括如下步骤:
获取所述镭射标签图像,将所述镭射标签图像转换成HSV色彩空间;
记录多帧所述镭射标签图像的HSV色彩空间,分析每个像素在多帧所述镭射标签图像中的颜色变化,当所述颜色变化的像素数量和分布满足设定的条件时,则符合所述镭射标签的颜色变化特征,反之,则不符合,得到颜色变化特征判断结果。即本过程是为了判断所述颜色变化特征是否符合所述镭射标签所用镭射材料的镭射规律。
在本发明的其他实施例中,还可以将所述镭射标签图像转换为CMYK色彩空间、HSL色彩空间或HSB色彩空间,然后再分析每个像素在多帧所述镭射标签图像中的颜色变化。
若上述纹理特征比对能匹配所述种子信息中记载的纹理特征且上述颜色变化特征满足设定的条件,则显示验伪通过的结果,并根据二维码信息查询使用该镭射标签的商品的产品信息进行显示,实现商品溯源作用;反之,通过终端向消费者显示验伪不通过的结果,即显示该商品不是正品的信息。
优选地,对每个像素在多帧镭射标签图像中的颜色变化进行分析,然后通过VIBE算法、混合高斯模型或深度学习模型所述分析颜色变化,得到该镭射标签的颜色变化规律,即该镭射标签的镭射规律。
本实例中选用CNN(卷积神经网络)+LSTM(长短期记忆网络)的深度学习模型总结该镭射标签图像的颜色变化规律(颜色变化特征),当该颜色变化特征符合设定的条件时,则判定为符合,反之不符合,该设定的条件为根据实际情况自定义,该设定的条件可以为自定义的相应阈值,即利用CNN+LSTM深度学习模型通过训练来判断镭射标签的真伪,即得到镭射标签的镭射规律。CNN+LSTM深度学习模型为机器学习模型,是计算机基于样本数据进行机械学习、示教学习、类比学习或事例学习等来得到相应的关系模型。样本数据越多,机器学习得到的关系模型也就越准确,即在本实例中总结得到镭射标签所用的镭射材料的颜色变化规律会更准确,镭射材料的变化规律通过多次迭代训练得到,因此本发明获取的所述镭射标签图像的帧数越多(数量越多),通过学习总结得到镭射标签图像的颜色变化特征越准确。利用CNN+LSTM进行模型训练是本技术领域的公知常识,在此不对其具体训练过程进行详细赘述。
实施例3
实施例3是在上述实施例1和实施例2的基础上的应用,其主要针对由粉块镭射图纹的构成的镭射标签(以下简称粉块镭射标签),对粉块镭射标签的纹理特征过程进行介绍。
当所述镭射标签为粉块镭射图纹时,所述防伪区域包含若干个粉块镭射图纹,将校正后的所述防伪区域与所述种子信息进行纹理特征比对,具体步骤包括:
当防伪区域只有一个粉块镭射图纹时,只需提取所述防伪区域中单个粉块镭射图纹的边缘特征,将所述边缘特征与所述种子信息中的纹理特征进行比对,得到纹理特征比对结果。
当防伪区域内包含多个粉块镭射图纹时,需要提取所述防伪区域中单个粉块镭射图纹的边缘特征和所有粉块镭射图纹构成的外轮廓的边缘特征,将提取到的所述边缘特征分别与所述种子信息进行纹理特征比对,得到纹理特征比对结果。
其中,上述边缘特征的提取利用采用MATLAB的边缘检测算子实现,如Canny算子、Sobe1算子等。
实施例4
本实施例是在实施例1和实施例2的基础上的应用,其主要针对由线条镭射图纹的构成的镭射标签(以下简称线条镭射标签),对线条镭射标签的纹理特征比对过程进行介绍。
将校正后的所述防伪区域与所述种子信息进行纹理特征比对,包括:提取校正后的所述防伪区域的LBP特征;将所述LBP特征与所述种子信息进行比对。LBP为局部二值模式,是用来描述图像局部特征的算子,LBP特征具有灰度不变性和旋转不变性,提取LBP特征的原理为:假设定义在像素3*3的邻域内,以邻域中心像素为阈值,相邻的8个像素的灰度值与邻域中心的像素值进行比较,若周围像素大于中心像素值,则该像素点的位置被标记为1,否则为0。这样,3*3邻域内的8个点经过比较可产生8位二进制数,将这8位二进制数依次排列形成一个二进制数字,这个二进制数字就是中心像素的LBP值,LBP值共有28种可能,因此LBP值有256种。中心像素的LBP值反映了该像素周围区域的纹理信息。
本实施例对线条镭射标签的纹理特征比对过程,还可以基于深度学习方法进行,选择所述防伪区域与模板图像作为3D卷积神经网络的输入集,通过3D卷积神经网络的输出结果(匹配率),根据该输出结果去判定该防伪区域与模板图像的纹理特征是否匹配。上述模板图像存储在所述种子信息中。
实施例5
本实施例公开了一种对应上述实施例的基于准动态镭射标签的识别验伪方法对应的装置,为上述实施例的虚拟装置结构,请参照图3所示,基于准动态镭射标签的识别验伪装置,包括:
识别模块310,用于识别条码信息;
种子下载模块320,用于接收所述条码信息对应的种子信息;
验证模块330,用于采集镭射标签图像,并利用所述种子信息与所述镭射标签图像进行特征比对;并分析多帧所述镭射标签图像的颜色变化,判断是否符合所述镭射标签的颜色变化特征。
优选地,所述种子信息包括上述镭射标签中镭射图纹的纹理特征信息以及镭射标签的面积特征和形状特征。在验证模块330中利用所以镭射标签的面积特征和形状特征,确定所述镭射标签图像中的防伪区域(即镭射标签的镭射图纹所在区域),然后利用所述种子信息,与所述镭射标签图像包含的镭射图纹进行纹理特征比对,通过对多帧镭射标签图像的颜色变化进行分析,判断该颜色变化是否符合所述镭射标签的颜色变化特征,,从而完成所述镭射标签的验伪,从而判断商品的真伪。
若上述纹理特征比对后能匹配所述种子信息中记载的纹理特征,且镭射标签的颜色变化也符合该镭射标签的颜色变化特征,则显示验伪通过,并根据二维码信息查询使用该镭射标签的商品的产品信息进行显示,实现商品溯源作用。反之则显示验伪不通过。
实施例6
图4为本发明实施例6提供的一种电子设备的结构示意图,如图4所示,该电子设备包括处理器410、存储器420、输入装置430和输出装置440;计算机设备中处理器410的数量可以是一个或多个,图4中以一个处理器410为例;电子设备中的处理器410、存储器420、输入装置430和输出装置440可以通过总线或其他方式连接,图4中以通过总线连接为例。
存储器420作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的基于准动态镭射标签的识别验伪方法对应的程序指令/模块(例如,基于准动态镭射标签的识别验伪装置中的识别模块310、种子下载模块320和验证模块330)。处理器410通过运行存储在存储器420中的软件程序、指令以及模块,从而执行电子设备的各种功能应用以及数据处理,即实现上述实施例1至4的基于准动态镭射标签的识别验伪方法。
存储器420可主要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、至少一个功能所需的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,存储器420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。在一些实例中,存储器420可进一步包括相对于处理器410远程设置的存储器,这些远程存储器可以通过网络连接至电子设备。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。
输入装置430可用于接收输入的镭射标签图像、种子信息等。输出装置440可包括显示屏等显示设备。
实施例7
本发明实施例7还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行基于准动态镭射标签的识别验伪方法,该方法包括:
识别并上传条码信息;
接收所述条码信息对应的种子信息;
采集镭射标签图像,利用所述种子信息与所述镭射标签图像进行特征比对;
分析多帧所述镭射标签图像的颜色变化,判断是否符合所述镭射标签的颜色变化特征。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的基于准动态镭射标签的识别验伪方法中的相关操作。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台电子设备(可以是手机,个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是,上述基于准动态镭射标签的识别验伪方法装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
对本领域的技术人员来说,可根据以上描述的技术方案以及构思,做出其它各种相应的改变以及形变,而所有的这些改变以及形变都应该属于本发明权利要求的保护范围之内。
Claims (12)
1.一种基于准动态镭射标签的识别验伪方法,其特征在于,包括以下步骤:
识别并上传条码信息;
接收所述条码信息对应的种子信息;
采集镭射标签图像,利用所述种子信息与所述镭射标签图像进行特征比对;
分析多帧所述镭射标签图像的颜色变化,判断是否符合所述镭射标签的颜色变化特征。
2.如权利要求1所述的基于准动态镭射标签的识别验伪方法,所述种子信息包含镭射标签的纹理特征信息以及所述镭射标签的形状特征和面积特征。
3.如权利要求2所述的基于准动态镭射标签的识别验伪方法,其特征在于,利用所述种子信息与所述镭射标签图像进行特征比对步骤包括:
将所述镭射标签图像进行预处理,对预处理后的所述镭射标签图像进行轮廓提取,得到候选轮廓集;
从所述候选轮廓集中提取防伪区域,校正所述防伪区域;
将校正后的所述防伪区域与所述种子信息进行纹理特征比对。
4.如权利要求1所述的基于准动态镭射标签的识别验伪方法,其特征在于,分析多帧所述镭射标签图像的颜色变化,判断是否符合所述镭射标签的颜色变化特征,其包括如下步骤:
获取多帧所述镭射标签图像,将多帧所述镭射标签图像转换成HSV色彩空间;
记录多帧所述镭射标签图像的HSV色彩空间,分析每个像素在多帧所述镭射标签图像中的颜色变化,当所述颜色变化的像素数量和分布满足设定的条件时,则符合所述镭射标签的颜色变化特征,反之,则不符合。
5.如权利要求4所述的基于准动态镭射标签的识别验伪方法,其特征在于,通过VIBE算法、混合高斯模型或深度学习模型分析所述颜色变化。
6.如权利要求3所述的基于准动态镭射标签的识别验伪方法,其特征在于,根据所述镭射标签的形状特征和面积特征,从所述候选轮廓集中提取防伪区域,通过仿射变换对所述防伪区域进行校正。
7.如权利要求3-6任一项所述的基于准动态镭射标签的识别验伪方法,其特征在于,当所述镭射标签为粉块镭射图纹时,所述防伪区域包含若干个粉块镭射图纹,将校正后的所述防伪区域与所述种子信息进行纹理特征比对,具体步骤包括:
提取所述防伪区域中单个粉块镭射图纹的边缘特征和/或所有粉块镭射图纹构成的外轮廓的边缘特征,将提取到的所述边缘特征与所述种子信息进行纹理特征比对。
8.如权利要求3-6任一顶所述的基于准动态镭射标签的识别验伪方法,其特征在于,当所述镭射标签为线条镭射图纹时,将校正后的所述防伪区域与所述种子信息进行纹理特征比对,包括:提取校正后的所述防伪区域的LBP特征;将所述LBP特征与所述种子信息进行纹理特征比对。
9.如权利要求1所述的基于镭射标签识别的验伪方法,其特征在于,若比对成功且符合所述颜色变化特征,则验伪通过,反之,验伪不通过;
或者若比对成功且符合所述颜色变化特征,则验伪通过,并根据所述条码信息查询产品信息进行显示,反之,验伪不通过。
10.一种基于准动态镭射标签的识别验伪装置,其特征在于,其包括:
识别模块,用于识别条码信息;
种子下载模块,用于接收所述条码信息对应的种子信息;
验证模块,用于采集镭射标签图像,并利用所述种子信息与所述镭射标签图像进行特征比对,并分析多帧所述镭射标签图像的颜色变化,判断是否符合所述镭射标签的颜色变化特征。
11.一种电子设备,其包括处理器、存储介质以及计算机程序,所述计算机程序存储于存储介质中,其特征在于,所述计算机程序被处理器执行时实现权利要求1至9任一项所述的基于准动态镭射标签的识别验伪方法。
12.一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权利要求1至9任一项所述的基于准动态镭射标签的识别验伪方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910663889.4A CN110428028B (zh) | 2019-07-22 | 2019-07-22 | 基于准动态镭射标签的识别验伪方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910663889.4A CN110428028B (zh) | 2019-07-22 | 2019-07-22 | 基于准动态镭射标签的识别验伪方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110428028A CN110428028A (zh) | 2019-11-08 |
CN110428028B true CN110428028B (zh) | 2023-01-10 |
Family
ID=68411812
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910663889.4A Active CN110428028B (zh) | 2019-07-22 | 2019-07-22 | 基于准动态镭射标签的识别验伪方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110428028B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112817437B (zh) * | 2019-11-15 | 2024-07-19 | 苹果公司 | 用于可变用途的经着色视觉标记 |
CN111161209A (zh) * | 2019-11-22 | 2020-05-15 | 京东数字科技控股有限公司 | 检测证件水印的方法、装置、设备及存储介质 |
CN111160331A (zh) * | 2020-01-13 | 2020-05-15 | 杭州沃朴物联科技有限公司 | 防伪标签验伪方法、设备、介质及模板图生成方法 |
CN111414779B (zh) * | 2020-05-22 | 2022-07-26 | 杭州沃朴物联科技有限公司 | 一种防伪标签识别方法及装置 |
CN111898520B (zh) * | 2020-07-28 | 2024-08-09 | 腾讯科技(深圳)有限公司 | 证件真伪识别方法、装置、计算机可读介质及电子设备 |
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 |
WO2022151460A1 (zh) * | 2021-01-18 | 2022-07-21 | 罗伯特·博世有限公司 | 激光标签识别设备和识别方法 |
CN115423771B (zh) * | 2022-09-01 | 2023-06-30 | 西安电子科技大学 | 基于特征非一致性的准动态镭射防伪标签识别方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0512504A (ja) * | 1991-07-03 | 1993-01-22 | Fujita Corp | バーコード |
CN107516465A (zh) * | 2017-08-30 | 2017-12-26 | 广州市挚联数码科技有限公司 | 一种3d立体镭射防伪标签及其应用 |
CN109637343A (zh) * | 2019-01-31 | 2019-04-16 | 广州市鑫浪信息科技有限公司 | 一种隐形紫外线可变防伪标签以及制作方法 |
-
2019
- 2019-07-22 CN CN201910663889.4A patent/CN110428028B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0512504A (ja) * | 1991-07-03 | 1993-01-22 | Fujita Corp | バーコード |
CN107516465A (zh) * | 2017-08-30 | 2017-12-26 | 广州市挚联数码科技有限公司 | 一种3d立体镭射防伪标签及其应用 |
CN109637343A (zh) * | 2019-01-31 | 2019-04-16 | 广州市鑫浪信息科技有限公司 | 一种隐形紫外线可变防伪标签以及制作方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110428028A (zh) | 2019-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110428028B (zh) | 基于准动态镭射标签的识别验伪方法、装置、设备及介质 | |
US11036949B2 (en) | Scanner with control logic for resolving package labeling conflicts | |
US20210217129A1 (en) | Detection of encoded signals and icons | |
US10635946B2 (en) | Eyeglass positioning method, apparatus and storage medium | |
CN102663600B (zh) | 基于数字水印和条码的防伪系统及其防伪方法和应用 | |
US10803272B1 (en) | Detection of encoded signals and icons | |
US11257198B1 (en) | Detection of encoded signals and icons | |
EA025922B1 (ru) | Способ автоматической аутентификации защищенного документа | |
CN102292700A (zh) | 用于增强安全印刷的系统和方法 | |
CN116664961B (zh) | 基于信码的防伪标签智能识别方法及系统 | |
CN110533704B (zh) | 油墨标签的识别验伪方法、装置、设备及介质 | |
CN110443328B (zh) | 基于led防伪标签的识别验伪方法、装置、设备及介质 | |
CN112001200A (zh) | 识别码识别方法、装置、设备、存储介质和系统 | |
CN114092108A (zh) | 一种鉴别普洱茶真伪的方法 | |
Roy et al. | Fake currency detection using image processing | |
US8269849B2 (en) | Method and system for testing image pipelines | |
CN114758162A (zh) | 商品防伪鉴别方法、装置、电子设备及存储介质 | |
CN111932282B (zh) | 一种防伪检测方法及装置 | |
CN114241463A (zh) | 签名验证方法、装置、计算机设备和存储介质 | |
CN106934756B (zh) | 一种单色或专色图中嵌入信息的方法和系统 | |
CN110428027B (zh) | 基于lcd防伪标签的识别验伪方法、装置、设备及介质 | |
CN115035533B (zh) | 一种数据鉴真处理方法、装置、计算机设备及存储介质 | |
CN113077355B (zh) | 保险理赔方法、装置、电子设备及存储介质 | |
JP2012212287A (ja) | 個体識別装置、個体識別方法、及びプログラム | |
CN111415169A (zh) | 一种产品安全流转方法及系统 |
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 |