CN110705532B - 一种识别翻拍图像的方法、装置及设备 - Google Patents

Abstract

本说明书实施例公开了一种识别翻拍图像的方法、装置及设备。方法包括：在预设闪光灯条件下，拍摄待验证对象的第一目标图像，并将其输入至翻拍识别模型；由翻拍识别模型基于学习到的闪光灯造成的翻拍图像与物理实体的图像之间的图像差异，识别第一目标图像是否为翻拍图像。

Description

一种识别翻拍图像的方法、装置及设备

技术领域

本文件涉及计算机技术领域，尤其涉及一种识别翻拍图像的方法、装置及商户服务器。

背景技术

图像翻拍又称翻照，是指采用照相方法复制文件的过程。目前识别翻拍的方案，一般是基于边框、反光或摩尔纹信息等图像特征来实现，但随着拍照技术的不断发展，这种传统翻拍识别方案的局限性越来越明显。

因此，需要提供更可靠的方案。

发明内容

本说明书实施例提供一种识别翻拍图像的方法，以解决翻拍识别准确度较低的问题。

本说明书实施例还提供一种识别翻拍图像的方法，包括：

获取待验证对象的在预设闪光灯条件下拍摄的第一目标图像，其中，物理实体的在所述预设闪光灯条件的拍摄图像与所述物理实体的图像的在所述预设闪光灯条件的拍摄图像能够通过模型训练进行区分；

将所述第一目标图像输入翻拍识别模型，以预测所述第一目标图像是否为翻拍图像，其中，所述翻拍识别模型基于多个指定样本和对应的标签训练得到，所述指定样本包括预设闪光灯条件下的拍摄图像样本，所述标签用于指示所述指定样本是否为翻拍图像。

本说明书实施例还提供一种翻拍图像识别装置，包括：

获取模块，获取待验证对象的在预设闪光灯条件下拍摄的第一目标图像，其中，物理实体的在所述预设闪光灯条件的拍摄图像与所述物理实体的图像的在所述预设闪光灯条件的拍摄图像能够通过模型训练进行区分；

处理模块，将所述第一目标图像输入翻拍识别模型，以预测所述第一目标图像是否为翻拍图像，其中，所述翻拍识别模型基于多个指定样本和对应的标签训练得到，所述指定样本包括预设闪光灯条件下的拍摄图像样本，所述标签用于指示所述指定样本是否为翻拍图像。

本说明书实施例还提供一种电子设备，包括：

处理器；以及

被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行如上述的识别翻拍图像的方法的步骤。

本说明书实施例还提供一种计算机可读存储介质，所述计算机可读存储介质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上述的识别翻拍图像的方法的步骤。

本说明书实施例采用的上述至少一个技术方案能够达到以下技术效果：

使用预设闪光灯条件下的拍摄图像样本训练翻拍识别模型，以使翻拍识别模型学习闪光灯条件下的翻拍图像与物理实体的图像之间的图像差异；采集待验证对象的在预设闪光灯条件下拍摄的目标图像，并由翻拍识别模型预测该目标图像是否为翻拍图像，从而有效提高翻拍识别准确度。

附图说明

此处所说明的附图用来提供对本说明书的进一步理解，构成本说明书的一部分，本说明书的示意性实施例及其说明用于解释本说明书，并不构成对本说明书的不当限定。在附图中：

图1为本说明书提供的一种应用场景的示意图；

图2为本说明书一实施例提供的一种识别翻拍图像的方法的流程示意图；

图3a和图3b分别为本说明书一实施例提供的下移处理前后取景框的原理示意图；

图4a和图4b分别为本说明书一实施例提供的下移处理前后取景框的效果示意图；

图5为本说明书一实施例提供的一种识别翻拍图像的装置的结构示意图；

图6为本说明书一实施例提供的一种电子设备的结构示意图。

具体实施方式

为使本说明书的目的、技术方案和优点更加清楚，下面将结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本文件保护的范围。

下面参见图1对本说明书的应用场景进行示例性说明。

第一种应用场景中包括：图像采集装置101和目标图像103/104，其中：

图像采集装置101调用自身配置的闪光灯或外部的闪光灯，拍摄待验证对象(可以身份证为例)；若是拍摄待验证对象的图像，则可得到目标图像104，若是拍摄待验证对象的物理实体，则可得到目标图像103；进而，可基于预配置的翻拍识别算法对目标图像103/104进行翻拍识别处理，以确定目标图103/104是否为翻拍图像。

其中，图像采集装置101一般是指用户使用的终端设备，其可以为PC，也可以手机、平板等移动终端；待验证对象一般是指用户办理业务所需提供的证明信息，例如：人脸、证件等。

第二种应用场景中包括：图像采集装置101、服务器102和目标图像103/104，其中：

图像采集装置101调用自身配置的闪光灯或外部的闪光灯，拍摄待验证对象；若是拍摄待验证对象的图像，则可得到目标图像104，若是拍摄待验证对象的物理实体，则可得到目标图像103；将拍摄得到的目标图像103/104发送至服务器102；

服务器102基于预配置的翻拍识别算法对目标图像103/104进行翻拍识别处理，以确定目标图103/104是否为翻拍图像。

其中，服务器102一般是指可为用户提供相关业务服务的服务方。

以下结合附图，详细说明本说明书各实施例提供的技术方案。

图2为本说明书一实施例提供的一种识别翻拍图像的方法的流程示意图，该方法可由图1中的图像采集装置101或服务器102执行，参见图2，该方法具体可以包括如下步骤：

步骤202、获取待验证对象的在预设闪光灯条件下拍摄的第一目标图像，其中，物理实体的在所述预设闪光灯条件的拍摄图像与所述物理实体的图像的在所述预设闪光灯条件的拍摄图像能够通过模型训练进行区分；

其中，待验证对象一般是指用户办理业务所需提供的相关证明信息，例如：人脸、指纹、证件等，预设闪光灯条件是指使用闪光灯加强待验证对象的曝光量的条件，闪光灯的曝光量能够使得第一目标图像103和第一目标图像104之间的相似度小于预设相似度阈值。

为达到区分第一目标图像103和第一目标图像104，提高闪光灯在翻拍识别过程中的作用的目的，在步骤202之前，方法还包括：设置曝光量的步骤。结合图1，假设待验证对象为身份证，则设置曝光量的步骤的一种实现方式可以为：

步骤S1、获取样本数据，样本数据包括：不同曝光量的闪光灯条件下拍摄的图像对的样本数据，图像对包括：物理实体的身份证的拍摄图像和身份证的图像的拍摄图像；

其中，图像对的样本数据至少包括：图像对的相似度、闪光灯曝光量等特征；图像对的相似度计算方法至少包括：将图片转为二进制码进行像素比较等。

步骤S2、基于样本数据，训练曝光量确定模型，以使曝光量确定模型学习拍摄身份证需设置的目标曝光量，在所述目标曝光量的闪光灯条件下拍摄的物理实体的身份证的拍摄图像和该身份证的图像的拍摄图像的相似度小于预设相似度阈值。

其中，目标曝光量优选为曝光量确定模型确定的最优曝光量；在所述最优曝光量的闪光灯条件下拍摄的物理实体的身份证的拍摄图像和该身份证的图像的拍摄图像的相似度最低。

基于此，本说明书一个实施例实现了在拍摄身份证类的待验证对象时，由曝光量确定模型生成一目标曝光量，并将闪光灯的曝光量调整至该目标曝光量，以拍摄出相似度小于预设相似度阈值的第一目标图像103和第一目标图像104，进而为提高翻拍识别精度提供数据支持。同理，对于其他类型的待验证对象，例如：人脸、银行卡、驾驶证等，同样可由该曝光量确定模型学习每类待验证对象对应的目标曝光量。

进一步地，为提高曝光量确定模型的预测精度，本实施例还引入拍摄环境信息的概念，拍摄环境信息至少包括：自然光量、物距等，假设待验证对象为身份证，则设置曝光量的步骤的另一种实现方式可以为：

步骤S1`、获取样本数据，样本数据包括：不同曝光量的闪光灯条件和不同拍摄环境下拍摄的多个图像对的样本数据，图像对包括：物理实体的身份证的拍摄图像和该身份证的图像的拍摄图像；

其中，图像对的样本数据至少包括：图像对的相似度、闪光灯曝光量、自然光量、物距等特征。

步骤S2`、基于样本数据，训练曝光量确定模型，以使曝光量确定模型学习不同拍摄环境下拍摄身份证需设置的目标曝光量，在所述目标曝光量的闪光灯条件下拍摄的物理实体的身份证的拍摄图像和该身份证的图像的拍摄图像的相似度小于预设相似度阈值；

其中，目标曝光量优选为曝光量确定模型确定的最优曝光量；在所述最优曝光量的闪光灯条件下拍摄的物理实体的身份证的拍摄图像和该身份证的图像的拍摄图像的相似度最低。

基于此，本说明书一个实施例实现了通过使用不同曝光量的闪光灯条件，或者，不同曝光量的闪光灯条件和不同拍摄环境对应的样本数据训练曝光量确定模型，以使曝光量确定模型学习到不同拍摄环境对应的目标曝光量，从而可拍摄到相似度小于预设相似度阈值的物理实体的拍摄图像和所述物理实体的图像的拍摄图像，为提高翻拍识别模型的翻拍识别精度提供数据支持。

基于上述设置曝光量的步骤，步骤202的一种实现方式可以为：

确定待验证对象的类型，并获取拍摄时的拍摄环境的自然光量和物距；将待验证对象的类型、自然光量和物距输入至曝光量确定模型，得到曝光量确定模型输出的目标曝光量；将闪光灯的曝光量调整至目标曝光量，并在目标曝光量的闪光灯条件下进行拍摄，得到所述第一目标图像。

其中，所述待验证对象的类型可由用户验证时自主选择并指示图像采集终端，也由图像采集终端扫描待验证对象确定；所述自然光量和物距可由图像采集终端的传感器感知获得。

另外，考虑到闪光灯相对于待验证对象的打光区域的不同，拍摄出的图像的图像数据也不同，因此，为提高翻拍识别模型的识别精度，本实施例还引入打光区域的条件，并将‘曝光量+打光区域’的组合作为预设闪光灯条件，相应地，步骤202的另一种实现方式可以为：

步骤S11、调整所述闪光灯的打光区域相对于所述待验证对象所在区域的相对位置，以满足预设闪光灯条件所要求在待验证对象上的打光区域；

步骤S12、实时采集自然光量、物距等环境特征，并将待验证对象的类型、自然光量和物距输入至曝光量确定模型，得到所述曝光量确定模型输出的目标曝光量；

其中，实时采集是指在目标时间段内的每一个最小时间点都执行采集操作，所述目标时间段是指从触发拍摄界面的时间点到触发拍摄操作的时间点之间的时间段(包括触发拍摄操作的时间点)，所述最小时间点可以为预设的时间单位，例如：1s、2s等，也可以为摄像机采集图像的最小时间间隔。

步骤S13、在触发拍摄的时间点采集的环境特征对应的目标曝光量的闪光灯条件下进行拍摄，得到待验证对象的第一目标图像。

参见图3a和参见图3b，所述预设闪光灯条件至少包括：第一预设闪光灯条件和第二预设闪光灯条件，前者约束所述待验证对象位于取景框的视图中时所述闪光灯301的灯光打在所述待验证对象302的本体上，后者约束所述待验证对象位于取景框的视图中时所述闪光灯301的灯光打在所述待验证对象302的背景304上。

相应地，步骤S11的一种实现方式可以为：

维持打光角度a不变，调整取景框在拍摄界面中的显示位置，以调整在所述待验证对象位于取景框的视图中时所述闪光灯301的打光区域相对于所述待验证对象302所在区域的相对位置；其中，所述显示位置基于所述闪光灯的打光角度a确定。

本实现方式具体可以示例为：

示例1、将所述取景框303显示于所述拍摄界面的中部区域，以在第一预设闪光灯条件下进行拍摄，参见图3a和图4a；具体地，

由于图像采集装置101默认设置取景框显示于拍摄界面的中部区域，而且，在待验证对象位于取景框的视图中时闪光灯的灯光可打在所述待验证对象的本体上，故，可维持图像采集装置101的默认设置，即可实现第一预设闪光灯条件。

或者，

可基于打光角度a、摄像机性能参数(像素等)、用户拍摄行为变动参数(例如：物距)等特征，在清晰度约束条件下，自动调整中部区域的位置，以实现第一预设闪光灯条件。其中，清晰度约束条件用于约束采集的待验证对象的视图的清晰度大于预设清晰度阈值。

示例2、将所述取景框303`显示于所述拍摄界面的下部区域，以在第二预设闪光灯条件下进行拍摄，参见图3b和图4b；具体地，

调整(下移)取景框303的显示位置至下部区域，得到取景框303`，可实现第二预设闪光灯条件。至于下移的距离，即所述中部区域和所述下部区域之间的相对位置基于所述闪光灯的打光角度确定。

优选的，打光角度越大，中部区域和所述下部区域之间的高度差越小；或者，取景框303`的中线与待验证对象所在面的交点和闪光灯的灯光在待验证对象所在面上的打光区域的中点之间的高度差大于预设高度阈值，所述预设高度阈值可基于摄像机性能参数确定。

需要说明的是，步骤S11的另一种实现方式可以为：

维持取景框在拍摄界面中的显示位置不变，调整所述闪光灯的打光角度，以调整在所述待验证对象位于取景框的视图中时所述闪光灯的打光区域相对于所述待验证对象所在区域的相对位置；其中，所述打光角度基于所述取景框在所述拍摄界面中的显示位置确定。

本实现方式具体可以示例为：

示例1、调整所述闪光灯的打光角度至第一打光角度，以在第一预设闪光灯条件下进行拍摄；

由于图像采集装置101默认设置打光角度为a，而且，在待验证对象位于取景框的视图中时灯光可打在所述待验证对象的本体上，故，可维持图像采集装置101的默认设置，即可实现第一预设闪光灯条件。

或者，

可基于取景框303在所述拍摄界面中的显示位置、摄像机性能参数(像素等)、用户拍摄行为变动参数(例如：物距)等特征，在清晰度约束条件下，自动调整打光角度至第一打光角度，以实现第一预设闪光灯条件。其中，清晰度约束条件用于约束采集的待验证对象的视图的清晰度大于预设清晰度阈值。

或者，

示例2、调整所述闪光灯的打光角度至第二打光角度，以在第二预设闪光灯条件下进行拍摄；

调整(上调)闪光灯的打光角度至第二打光角度，可实现第二预设闪光灯条件。其中，所述第二打光角度大于所述第一打光角度，所述第二打光角度和所述第一打光角度之间的角度差基于所述取景框在所述拍摄界面中的显示位置确定。

优选的，取景框在所述拍摄界面中的显示位置越靠上，角度差越小；或者，闪光灯的第一打光角度的灯光在待验证对象所在面上的打光区域的第一中点和闪光灯的第二打光角度的灯光在待验证对象所在面上的打光区域的第二中点之间的高度差大于预设高度阈值，所述预设高度阈值可基于摄像机性能参数确定。

需要说明的是，步骤S11的又一种实现方式可以为：

调整取景框在拍摄界面中的显示位置和所述闪光灯的打光角度，以调整在所述待验证对象位于取景框的视图中时所述闪光灯的打光区域相对于所述待验证对象所在区域的相对位置。

由于本实施例与步骤S11的前两种实现方式有所关联，且实现原理相近，故，此处不再对本实现方式进行展开说明。

基于此，本说明书一个实施例实现了通过调整闪光灯的打光角度和/或取景框在拍摄界面中的显示位置，以调整闪光灯的打光区域相对于待验证对象的位置，从而可采集到不同打光效果的第一目标图像，由此，翻拍识别模型可从中学习到更多的图像特征，进而可提高翻拍识别模型的效能。而且，本实施例可通过下移取景框的方式，而无需对设备硬件进行物理变动，因此，可适用于绝大部分类型的图像采集装置，具有普适性强的优点。而且，本实施例除考虑打光角度和取景框在拍摄界面中的显示位置之外，还考虑了摄像机性能、用户拍摄行为变动参数等特征，因此，提高调整打光区域相对于待验证对象的位置的灵活性和准确性。

步骤204、将所述第一目标图像输入翻拍识别模型，以预测所述第一目标图像是否为翻拍图像，其中，所述翻拍识别模型基于多个指定样本和对应的标签训练得到，所述指定样本包括预设闪光灯条件下的拍摄图像样本，所述标签用于指示所述指定样本是否为翻拍图像。

其中，预设闪光灯条件下的拍摄图像样本是指预设闪光灯条件下拍摄的物理实体的图像样本或物理实体的图像的图像样本。

不难理解的是，在步骤204之前，还包括：训练翻拍识别模型步骤，该步骤具体可以示例为：

示例1、假设预设闪光灯条件为上述的第一闪光灯条件，则获取多个第一图像样本和对应的标签，所述第一图像样本包括所述第一预设闪光灯条件下的物理实体的拍摄图像样本和所述物理实体的图像的拍摄图像样本；基于多个第一图像样本和对应的标签训练得到所述翻拍识别模型。

对应的，步骤204中的第一目标图像为在第一预设闪光灯条件下拍摄的。

示例2、假设预设闪光灯条件为上述的第二闪光灯条件，则获取多个第二图像样本和对应的标签，所述第二图像样本包括所述第二预设闪光灯条件下的物理实体的拍摄图像样本和所述物理实体的图像的拍摄图像样本；基于多个第二图像样本和对应的标签训练得到所述翻拍识别模型。

对应的，步骤204中的第一目标图像为在第二预设闪光灯条件下拍摄的。

示例3、在上述两个示例的基础上，增加多个第三图像样本和对应的标签，所述第三图像样本包括自然光照条件下的物理实体的拍摄图像样本和所述物理实体的图像的拍摄图像样本；基于多个第一图像样本和第三图像样本，或者，多个第二图像样本和第三图像样本，以及对应的标签训练得到所述翻拍识别模型。

基于上述训练翻拍识别模型步骤的示例1和示例2，步骤204的一种实现方式可以为：

将所述第一目标图像输入至训练完成的翻拍识别模型，以预测所述第一目标图像是否为翻拍图像；若预测所述第一目标图像为翻拍图像，则反馈验证失败的提示信息；若预测所述第一目标图像并非翻拍图像，则可验证待验证对象中的信息是否有效。

另外，由于闪光灯的曝光量可能导致待验证对象中的信息丢失，影响信息验证，因此，为确保待验证对象中的信息的完整性，本实施例还进一步公开了信息补偿步骤，该步骤具体可以为：

获取所述待验证对象的在自然光照条件下拍摄的第二目标图像；基于所述第二目标图像，补偿所述第一目标图像中的曝光丢失信息，以供对所述待验证对象进行验证。

其中，自然光照条件是指关闭闪光灯的光照拍摄条件。

基于上述训练翻拍识别模型步骤的示例3，步骤204的另一种实现方式可以为：

将在第一预设闪光灯条件下拍摄的或第二预设闪光灯条件下拍摄的第一目标图像，和自然光照条件拍摄的第二目标图像，输入翻拍识别模型，以预测所述第一目标图像是否为翻拍图像，若预测所述第一目标图像为翻拍图像，则反馈验证失败的提示信息；若预测所述第一目标图像并非翻拍图像，则可验证待验证对象中的信息是否有效。

可见，本实施例使用预设闪光灯条件下的拍摄图像样本训练翻拍识别模型，以使翻拍识别模型学习闪光灯条件下的翻拍图像与物理实体的图像之间的图像差异；采集待验证对象的在预设闪光灯条件下拍摄的目标图像，并由翻拍识别模型预测该目标图像是否为翻拍图像，从而有效提高翻拍识别准确度。

另外，上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

图5为本说明书一实施例提供的一种识别翻拍图像的装置的结构示意图，参见图5，该装置具体可以包括：获取模块501和处理模块502，其中：

获取模块501，获取待验证对象的在预设闪光灯条件下拍摄的第一目标图像，其中，物理实体的在所述预设闪光灯条件的拍摄图像与所述物理实体的图像的在所述预设闪光灯条件的拍摄图像能够通过模型训练进行区分；

处理模块502，将所述第一目标图像输入翻拍识别模型，以预测所述第一目标图像是否为翻拍图像，其中，所述翻拍识别模型基于多个指定样本和对应的标签训练得到，所述指定样本包括预设闪光灯条件下的拍摄图像样本，所述标签用于指示所述指定样本是否为翻拍图像。

可选的，所述第一目标图像为在第一预设闪光灯条件下拍摄的，所述第一预设闪光灯条件用于约束所述待验证对象位于取景框的视图中时所述闪光灯的灯光打在所述待验证对象本体上；

其中，所述翻拍识别模型基于多个第一图像样本和对应的标签训练得到，所述第一图像样本包括所述第一预设闪光灯条件下的物理实体的拍摄图像样本和所述物理实体的图像的拍摄图像样本。

可选的，所述第一目标图像为在第二预设闪光灯条件下拍摄的，所述第二预设闪光灯条件用于约束所述待验证对象位于取景框的视图中时所述闪光灯的灯光打在所述待验证对象的背景上；

其中，所述翻拍识别模型基于多个第二图像样本和对应的标签训练得到，所述第二图像样本包括所述第二预设闪光灯条件下的物理实体的拍摄图像样本和所述物理实体的图像的拍摄图像样本。

可选的，还包括：

第一调整模块，调整取景框在拍摄界面中的显示位置，以调整在所述待验证对象位于取景框的视图中时所述闪光灯的打光区域相对于所述待验证对象所在区域的相对位置；

其中，所述显示位置基于所述闪光灯的打光角度确定。

可选的，所述第一调整模块，包括：

第一调整单元，将所述取景框显示于所述拍摄界面的中部区域，以在第一预设闪光灯条件下进行拍摄；或者，

第二调整单元，将所述取景框显示于所述拍摄界面的下部区域，以在第二预设闪光灯条件下进行拍摄；

其中，所述中部区域和所述下部区域之间的相对位置基于所述闪光灯的打光角度确定。

可选的，还包括：

第二调整模块，调整所述闪光灯的打光角度，以调整在所述待验证对象位于取景框的视图中时所述闪光灯的打光区域相对于所述待验证对象所在区域的相对位置；

其中，所述打光角度基于所述取景框在所述拍摄界面中的显示位置确定。

可选的，所述第二调整模块，包括：

第一调整单元，调整所述闪光灯的打光角度至第一打光角度，以在第一预设闪光灯条件下进行拍摄；或者，

第二调整单元，调整所述闪光灯的打光角度至第二打光角度，以在第二预设闪光灯条件下进行拍摄；

其中，所述第二打光角度大于所述第一打光角度，所述第二打光角度和所述第一打光角度之间的角度差基于所述取景框在所述拍摄界面中的显示位置确定。

可选的，还包括：

第三调整模块，调整取景框在拍摄界面中的显示位置和所述闪光灯的打光角度，以调整在所述待验证对象位于取景框的视图中时所述闪光灯的打光区域相对于所述待验证对象所在区域的相对位置。

可选的，还包括：

曝光量确定模块，获取拍摄时的自然光量和物距；将所述自然光量和所述物距输入至曝光量确定模型，得到目标曝光量，以供在所述目标曝光量的闪光灯条件下拍摄所述待验证对象；

其中，在所述目标曝光量的闪光灯条件下拍摄的物理实体的拍摄图像和所述物理实体的图像的拍摄图像的相似度最小，所述曝光量确定模型基于多个样本对和对应的标签训练得到，所述样本对包括不同自然光量、物距和曝光量的闪光灯条件下物理实体的拍摄图像样本和所述物理实体的图像的拍摄图像样本。

可选的，还包括：

补偿模块，获取所述待验证对象的在自然光照条件下拍摄的第二目标图像；基于所述第二目标图像，补偿所述第一目标图像中的曝光丢失信息，以供对所述待验证对象进行验证。

可见，本实施例使用预设闪光灯条件下的拍摄图像样本训练翻拍识别模型，以使翻拍识别模型学习闪光灯条件下的翻拍图像与物理实体的图像之间的图像差异；采集待验证对象的在预设闪光灯条件下拍摄的目标图像，并由翻拍识别模型预测该目标图像是否为翻拍图像，从而有效提高翻拍识别准确度。

另外，对于上述装置实施方式而言，由于其与方法实施方式基本相似，所以描述的比较简单，相关之处参见方法实施方式的部分说明即可。应当注意的是，在本说明书的装置的各个部件中，根据其要实现的功能而对其中的部件进行了逻辑划分，但是，本说明书不受限于此，可以根据需要对各个部件进行重新划分或者组合。

图6为本说明书一实施例提供的一种电子设备的结构示意图，参见图6，该电子设备包括处理器、内部总线、网络接口、内存以及非易失性存储器，当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成识别翻拍图像的装置。当然，除了软件实现方式之外，本说明书并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。

网络接口、处理器和存储器可以通过总线系统相互连接。总线可以是ISA(Industry Standard Architecture，工业标准体系结构)总线、PCI(PeripheralComponent Interconnect，外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture，扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图6中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。

存储器用于存放程序。具体地，程序可以包括程序代码，所述程序代码包括计算机操作指令。存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据。存储器可能包含高速随机存取存储器(Random-Access Memory，RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少1个磁盘存储器。

处理器，用于执行所述存储器存放的程序，并具体执行：

获取待验证对象的在预设闪光灯条件下拍摄的第一目标图像，其中，物理实体的在所述预设闪光灯条件的拍摄图像与所述物理实体的图像的在所述预设闪光灯条件的拍摄图像能够通过模型训练进行区分；

将所述第一目标图像输入翻拍识别模型，以预测所述第一目标图像是否为翻拍图像，其中，所述翻拍识别模型基于多个指定样本和对应的标签训练得到，所述指定样本包括预设闪光灯条件下的拍摄图像样本，所述标签用于指示所述指定样本是否为翻拍图像。

上述如本说明书图5所示实施例揭示的识别翻拍图像的装置或管理者(Master)节点执行的方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application SpecificIntegrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本说明书实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本说明书实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。

识别翻拍图像的装置还可执行图2的方法，并实现管理者节点执行的方法。

基于相同的发明创造，本说明书实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行图2对应的实施例提供的识别翻拍图像的方法。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，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。

上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本领域内的技术人员应明白，本说明书的实施例可提供为方法、系统、或计算机程序产品。因此，本说明书可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本说明书是参照根据本说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本说明书的实施例可提供为方法、系统或计算机程序产品。因此，本说明书可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

以上所述仅为本说明书的实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。

Claims (13)

1.一种识别翻拍图像的方法，包括：

获取待验证对象的在预设闪光灯条件下拍摄的第一目标图像，其中，物理实体的在所述预设闪光灯条件的拍摄图像与所述物理实体的图像的在所述预设闪光灯条件的拍摄图像能够通过模型训练进行区分，所述预设闪光灯条件是指使用闪光灯加强所述待验证对象的曝光量的条件，所述闪光灯的曝光量为由曝光量确定模型生成的目标曝光量，在所述目标曝光量的闪光灯条件下拍摄的物理实体的拍摄图像和所述物理实体的图像的拍摄图像的相似度小于预设相似度阈值；

将所述第一目标图像输入翻拍识别模型，以预测所述第一目标图像是否为翻拍图像，其中，所述翻拍识别模型基于多个指定样本和对应的标签训练得到，所述指定样本包括预设闪光灯条件下的拍摄图像样本，所述标签用于指示所述指定样本是否为翻拍图像。

2.根据权利要求1所述的方法，所述第一目标图像为在第一预设闪光灯条件下拍摄的，所述第一预设闪光灯条件用于约束所述待验证对象位于取景框的视图中时所述闪光灯的灯光打在所述待验证对象本体上；

其中，所述翻拍识别模型基于多个第一图像样本和对应的标签训练得到，所述第一图像样本包括所述第一预设闪光灯条件下的物理实体的拍摄图像样本和所述物理实体的图像的拍摄图像样本。

3.根据权利要求1所述的方法，所述第一目标图像为在第二预设闪光灯条件下拍摄的，所述第二预设闪光灯条件用于约束所述待验证对象位于取景框的视图中时所述闪光灯的灯光打在所述待验证对象的背景上；

其中，所述翻拍识别模型基于多个第二图像样本和对应的标签训练得到，所述第二图像样本包括所述第二预设闪光灯条件下的物理实体的拍摄图像样本和所述物理实体的图像的拍摄图像样本。

4.根据权利要求2或3所述的方法，还包括：

调整取景框在拍摄界面中的显示位置，以调整在所述待验证对象位于取景框的视图中时所述闪光灯的打光区域相对于所述待验证对象所在区域的相对位置；

其中，所述显示位置基于所述闪光灯的打光角度确定。

5.根据权利要求4所述的方法，所述调整取景框在拍摄界面中的显示位置，包括：

将所述取景框显示于所述拍摄界面的中部区域，以在第一预设闪光灯条件下进行拍摄；或者，

将所述取景框显示于所述拍摄界面的下部区域，以在第二预设闪光灯条件下进行拍摄；

其中，所述中部区域和所述下部区域之间的相对位置基于所述闪光灯的打光角度确定。

6.根据权利要求2或3所述的方法，还包括：

调整所述闪光灯的打光角度，以调整在所述待验证对象位于取景框的视图中时所述闪光灯的打光区域相对于所述待验证对象所在区域的相对位置；

其中，所述打光角度基于所述取景框在拍摄界面中的显示位置确定。

7.根据权利要求6所述的方法，所述调整所述闪光灯的打光角度，包括：

调整所述闪光灯的打光角度至第一打光角度，以在第一预设闪光灯条件下进行拍摄；或者，

调整所述闪光灯的打光角度至第二打光角度，以在第二预设闪光灯条件下进行拍摄；

其中，所述第二打光角度大于所述第一打光角度，所述第二打光角度和所述第一打光角度之间的角度差基于所述取景框在所述拍摄界面中的显示位置确定。

8.根据权利要求2或3所述的方法，还包括：

调整取景框在拍摄界面中的显示位置和所述闪光灯的打光角度，以调整在所述待验证对象位于取景框的视图中时所述闪光灯的打光区域相对于所述待验证对象所在区域的相对位置。

9.根据权利要求1所述的方法，还包括：

获取拍摄时的自然光量和物距；

将所述自然光量和所述物距输入至曝光量确定模型，得到目标曝光量，以供在所述目标曝光量的闪光灯条件下拍摄所述待验证对象；

其中，在所述目标曝光量的闪光灯条件下拍摄的物理实体的拍摄图像和所述物理实体的图像的拍摄图像的相似度最小，所述曝光量确定模型基于多个样本对和对应的标签训练得到，所述样本对包括不同自然光量、物距和曝光量的闪光灯条件下物理实体的拍摄图像样本和所述物理实体的图像的拍摄图像样本。

10.根据权利要求1所述的方法，还包括：

获取所述待验证对象的在自然光照条件下拍摄的第二目标图像；

基于所述第二目标图像，补偿所述第一目标图像中的曝光丢失信息，以供对所述待验证对象进行验证。

11.一种识别翻拍图像的装置，包括：

获取模块，获取待验证对象的在预设闪光灯条件下拍摄的第一目标图像，其中，物理实体的在所述预设闪光灯条件的拍摄图像与所述物理实体的图像的在所述预设闪光灯条件的拍摄图像能够通过模型训练进行区分，所述预设闪光灯条件是指使用闪光灯加强所述待验证对象的曝光量的条件，所述闪光灯的曝光量为由曝光量确定模型生成的目标曝光量，在所述目标曝光量的闪光灯条件下拍摄的物理实体的拍摄图像和所述物理实体的图像的拍摄图像的相似度小于预设相似度阈值；

处理模块，将所述第一目标图像输入翻拍识别模型，以预测所述第一目标图像是否为翻拍图像，其中，所述翻拍识别模型基于多个指定样本和对应的标签训练得到，所述指定样本包括预设闪光灯条件下的拍摄图像样本，所述标签用于指示所述指定样本是否为翻拍图像。

12.一种电子设备，包括：

处理器；以及

被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行以下操作：

获取待验证对象的在预设闪光灯条件下拍摄的第一目标图像，其中，物理实体的在所述预设闪光灯条件的拍摄图像与所述物理实体的图像的在所述预设闪光灯条件的拍摄图像能够通过模型训练进行区分，所述预设闪光灯条件是指使用闪光灯加强所述待验证对象的曝光量的条件，所述闪光灯的曝光量为由曝光量确定模型生成的目标曝光量，在所述目标曝光量的闪光灯条件下拍摄的物理实体的拍摄图像和所述物理实体的图像的拍摄图像的相似度小于预设相似度阈值；

将所述第一目标图像输入翻拍识别模型，以预测所述第一目标图像是否为翻拍图像，其中，所述翻拍识别模型基于多个指定样本和对应的标签训练得到，所述指定样本包括预设闪光灯条件下的拍摄图像样本，所述标签用于指示所述指定样本是否为翻拍图像。

13.一种计算机可读存储介质，所述计算机可读存储介质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以下操作：

获取待验证对象的在预设闪光灯条件下拍摄的第一目标图像，其中，物理实体的在所述预设闪光灯条件的拍摄图像与所述物理实体的图像的在所述预设闪光灯条件的拍摄图像能够通过模型训练进行区分，所述预设闪光灯条件是指使用闪光灯加强所述待验证对象的曝光量的条件，所述闪光灯的曝光量为由曝光量确定模型生成的目标曝光量，在所述目标曝光量的闪光灯条件下拍摄的物理实体的拍摄图像和所述物理实体的图像的拍摄图像的相似度小于预设相似度阈值；

将所述第一目标图像输入翻拍识别模型，以预测所述第一目标图像是否为翻拍图像，其中，所述翻拍识别模型基于多个指定样本和对应的标签训练得到，所述指定样本包括预设闪光灯条件下的拍摄图像样本，所述标签用于指示所述指定样本是否为翻拍图像。

Images