CN110958453B - 图形标识符生成、识别方法、装置、电子设备及存储介质 - Google Patents

图形标识符生成、识别方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN110958453B
CN110958453B CN201911113798.XA CN201911113798A CN110958453B CN 110958453 B CN110958453 B CN 110958453B CN 201911113798 A CN201911113798 A CN 201911113798A CN 110958453 B CN110958453 B CN 110958453B
Authority
CN
China
Prior art keywords
image
information
identifier
initial image
encrypted
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
Application number
CN201911113798.XA
Other languages
English (en)
Other versions
CN110958453A (zh
Inventor
郭晓锋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing QIYI Century Science and Technology Co Ltd
Original Assignee
Beijing QIYI Century Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing QIYI Century Science and Technology Co Ltd filed Critical Beijing QIYI Century Science and Technology Co Ltd
Priority to CN201911113798.XA priority Critical patent/CN110958453B/zh
Publication of CN110958453A publication Critical patent/CN110958453A/zh
Application granted granted Critical
Publication of CN110958453B publication Critical patent/CN110958453B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/146—Data rate or code amount at the encoder output
    • H04N19/149—Data rate or code amount at the encoder output by estimating the code amount by means of a model, e.g. mathematical model or statistical model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/46—Embedding additional information in the video signal during the compression process
    • H04N19/467—Embedding additional information in the video signal during the compression process characterised by the embedded information being invisible, e.g. watermarking

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Signal Processing (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Algebra (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Image Analysis (AREA)

Abstract

本申请提供了一种图形标识符生成、识别方法、装置、电子设备及存储介质，属于图形处理技术领域。本申请通过获取初始图像和待加密的第一信息；基于所述初始图像对所述第一信息进行加密，得到包含所述第一信息的第一加密图像，所述第一加密图像为所述初始图像的残差图像；叠加所述第一加密图像和所述初始图像，得到与所述初始图像具有相似视觉效果的图形标识符。采用本申请提供的技术方案，可以生成包含不同图片内容的图形标识符。

Description

图形标识符生成、识别方法、装置、电子设备及存储介质
技术领域
本申请涉及图形处理技术领域，特别是涉及一种图形标识符生成、识别方法、装置、电子设备及存储介质。
背景技术
二维码、条形码等图形标识符可以通过按照预设组合方式组合的黑、白色块，记录数据信息。如图1所示，为一种图形标识符的示意图。
相关技术中，图形标识符的生成过程可以为：电子设备将标识信息按照预设的字符转换方式，转换为二进制的字符串。例如，电子设备可以将标识信息345按照字符转换方式，转换为二进制的字符串0101011001。然后，电子设备可以采用0对应于白色块，1对应于黑色块的方式，将转换后的字符串中的字符逐一写入到图形标识符的数据存储区域中，得到包含标识信息的图形标识符。
然而，采用上述生成方式得到的图形标识符仅包含黑、白色块。
发明内容
本申请实施例的目的在于提供一种图形标识符生成、识别方法、装置、电子设备及存储介质，以生成包含不同图片内容的图形标识符。
具体技术方案如下：
在本申请实施的第一方面，首先提供了一种图形标识符生成方法，所述方法包括：
获取初始图像和待加密的第一信息；
基于所述初始图像对所述第一信息进行加密，得到包含所述第一信息的第一加密图像，所述第一加密图像为所述初始图像的残差图像；
叠加所述第一加密图像和所述初始图像，得到与所述初始图像具有相似视觉效果的图形标识符。
可选的，所述基于所述初始图像对所述第一信息进行加密，得到包含所述第一信息的第一加密图像，包括：
将所述第一信息转换为预设格式的字符矩阵；
基于所述初始图像对所述字符矩阵进行加密，得到包含所述第一信息的第一加密图像。
可选的，所述基于所述初始图像对所述第一信息进行加密，得到包含所述第一信息的第一加密图像，包括：
将所述初始图像、所述第一信息输入预先训练完成的第一网络模型，得到包含所述第一信息的第一加密图像，其中，所述第一网络模型为基于初始图像样本、信息样本预先训练完成的。
可选的，所述第一网络模型的训练方式包括：
获取初始网络模型和训练样本，所述训练样本包括初始图像样本、信息样本；
将所述初始图像样本和所述信息样本输入所述初始网络模型，得到第二加密图像；
根据所述第二加密图像和所述初始图像样本，调整所述初始网络模型的参数，直至达到训练结束条件，停止训练，得到所述第一网络模型。
在本申请实施的第二方面，提供了一种图形标识符识别方法，所述方法包括：
获取待识别的图形标识符，其中，所述图形标识符为基于初始图像对第一信息进行加密，得到包含所述第一信息的第一加密图像，叠加所述第一加密图像和所述初始图像得到，所述第一加密图像为所述初始图像的残差图像，所述图形标识符与所述初始图像具有相似视觉效果；
按照预设的解密方式，对所述图形标识符进行解密，得到所述图形标识符包含的第一信息。
可选的，所述按照预设的解密方式，对所述图形标识符进行解密，得到所述图形标识符包含的第一信息，包括：
将所述图形标识符输入至预先训练完成的第二网络模型，得到所述图形标识符包含的第一信息。
可选的，所述第二网络模型的训练方式包括：
获取初始网络模型和训练样本，所述训练样本包括图形标识符样本和所述图形标识符样本包含的信息样本；
将所述图形标识符样本输入所述初始网络模型，得到所述图形标识符样本包含的第二信息；
基于所述第二信息与所述信息样本，调整所述初始网络模型的参数，直至达到训练结束条件，停止训练，得到所述第二网络模型。
在本申请实施的第三方面，提供了一种图形标识符生成装置，所述装置包括：
第一获取模块，用于获取初始图像和待加密的第一信息；
加密模块，用于基于所述初始图像对所述第一信息进行加密，得到包含所述第一信息的第一加密图像，所述第一加密图像为所述初始图像的残差图像；
叠加模块，用于叠加所述第一加密图像和所述初始图像，得到与所述初始图像具有相似视觉效果的图形标识符。
可选的，所述加密模块包括：
第一加密子模块，用于将所述初始图像、所述第一信息输入预先训练完成的第一网络模型，得到包含所述第一信息的第一加密图像，其中，所述第一网络模型为基于初始图像样本、信息样本预先训练完成的。
可选的，所述加密模块包括：
转换子模块，用于将所述第一信息转换为预设格式的字符矩阵；
第二加密子模块，用于基于所述初始图像对所述字符矩阵进行加密，得到包含所述第一信息的第一加密图像。
可选的，所述装置还包括：训练模块，所述训练模块用于获取初始网络模型和训练样本，所述训练样本包括初始图像样本、信息样本；将所述初始图像样本和所述信息样本输入所述初始网络模型，得到第二加密图像；根据所述第二加密图像和所述初始图像样本，调整所述初始网络模型的参数，直至达到训练结束条件，停止训练，得到所述第一网络模型。
在本申请实施的第四方面，提供了一种图形标识符识别装置，所述装置包括：
第一获取模块，用于获取待识别的图形标识符，其中，所述图形标识符为基于初始图像对第一信息进行加密，得到包含所述第一信息的第一加密图像，叠加所述第一加密图像和所述初始图像得到，所述第一加密图像为所述初始图像的残差图像，所述图形标识符与所述初始图像具有相似视觉效果；
解密模块，用于按照预设的解密方式，对所述图形标识符进行解密，得到所述图形标识符包含的第一信息。
可选的，所述解密模块包括：
解密子模块，用于将所述图形标识符输入至预先训练完成的第二网络模型，得到所述图形标识符包含的第一信息。
可选的，所述装置还包括训练模块，所述训练模块用于获取初始网络模型和训练样本，所述训练样本包括图形标识符样本和所述图形标识符样本包含的信息样本；将所述图形标识符样本输入所述初始网络模型，得到所述图形标识符样本包含的第二信息；基于所述第二信息与所述信息样本，调整所述初始网络模型的参数，直至达到训练结束条件，停止训练，得到所述第二网络模型。
在本申请实施的第五方面，提供了一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现任一第一方面，或任一第二方面所述的方法步骤。
在本申请实施的第六方面，提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现任一第一方面，或任一第二方面所述的方法步骤。
在本申请实施的第七方面，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述任一第一方面，或任一第二方面所述的方法步骤。
本申请实施例提供的一种图形标识符生成、识别方法、装置、电子设备及存储介质，通过获取初始图像和待加密的第一信息；基于初始图像对第一信息进行加密，得到包含第一信息的第一加密图像，第一加密图像为初始图像的残差图像；叠加第一加密图像和初始图像，得到与初始图像具有相似视觉效果的图形标识符。由于第一加密图像为初始图像的残差图像，图形标识符由初始图像和第一加密图像叠加而成，因此，图形标识符与初始图像具有相似视觉效果，从而能够丰富图形标识符的形式，提供包含不同图片内容的图形标识符。
当然，实施本申请的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。
图1为一种图形标识符的示意图；
图2为本申请实施例提供的一种图形标识符生成方法的流程图；
图3a为本申请实施例提供的一种初始图像的示意图；
图3b为本申请实施例提供的一种残差图像的示意图；
图3c为本申请实施例提供的一种图形标识符的示意图；
图4为本申请实施例提供的一种图形标识符识别方法的流程图；
图5为本申请实施例提供的一种图形标识符生成装置的结构示意图；
图6为本申请实施例提供的一种图形标识符识别装置的结构示意图；
图7为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。
本申请实施例提供了一种图形标识符生成方法，该方法应用于电子设备，电子设备可以是具有图像处理功能的电子设备，例如，电子设备可以是手机、个人电脑、穿戴式电子设备等。
如图2所示，本申请实施例提供的图形标识符生成方法的具体处理过程包括：
步骤201，获取初始图像和待加密的第一信息。
在实施中，当用户想要生成图形标识符时，用户可以执行图形标识符生成操作，图形标识符生成操作例如点击用于生成图形标识符的生成图标、发出用于表示生成图形标识符的语音。
电子设备可以在检测到图形标识符生成操作后，获取初始图像和待加密的第一信息。其中，第一信息可以是字母、数字、运算符号等字符，第一信息也可以是文字。
本申请实施例中，电子设备获取初始图像的方式可以是多种多样的，在一种可行的实现方式中，电子设备可以根据用户的选择操作，在本地存储的图像中确定初始图像。在一种可行的实现方式中，电子设备可以具有拍摄功能，电子设备可以将拍摄得到的图像作为初始图像。如图3a所示，为本申请实施例提供的一种初始图像的示意图。
电子设备获取待加密的第一信息的方式可以是多种多样的，在一种可行的实现方式中，电子设备可以将用户输入的信息作为待加密的第一信息。在另一种可行的实现方式中，电子设备可以将本地存储的信息作为待加密的第一信息。待加密的第一信息例如“你真棒”、“xiaoming”。
步骤202，基于初始图像对第一信息进行加密，得到包含第一信息的第一加密图像。
其中，第一加密图像为初始图像的残差图像。
在实施中，电子设备中可以预先设置有信息加密算法，信息加密算法例如对称加密算法、非对称加密算法。电子设备可以通过信息加密算法，将第一信息转换为加密信息，将加密信息添加至初始图像中，得到包含第一信息的第一加密图像。
本申请实施例还提供了另一种电子设备生成第一加密图像的实现方式：电子设备可以提取初始图像的图像特征和第一信息的语义特征，对提取出的图像特征和语义特征进行重构，得到图像语义特征，之后，电子设备可以基于图像语义特征生成残差图像，残差图像可以表示加密后的第一信息，即生成包含第一信息的第一加密图像。如图3b所示，为本申请实施例提供的一种残差图像的示意图。
步骤203，叠加第一加密图像和初始图像，得到与初始图像具有相似视觉效果的图形标识符。
本申请实施例中，电子设备可以采用相关技术中任一种图像叠加方式，叠加第一加密图像和初始图像，得到图形标识符，具体处理过程此处不再赘述。
由于第一加密图像为初始图像的残差图像，图形标识符由初始图像和第一加密图像叠加而成，因此，图形标识符与初始图像具有相似视觉效果。
本申请实施例中，通过获取初始图像和待加密的第一信息；基于初始图像对第一信息进行加密，得到包含第一信息的第一加密图像，第一加密图像为初始图像的残差图像；叠加第一加密图像和初始图像，得到图形标识符。由于第一加密图像为初始图像的残差图像，图形标识符由初始图像和第一加密图像叠加而成，因此，图形标识符与初始图像具有相似视觉效果，从而能够丰富图形标识符的形式，提供包含不同图片内容的图形标识符。
另一方面，图形标识符与初始图像具有相似视觉效果相同，使得用户看到的图形标识符即为初始图像，能够提高图形标识符的美观性，从而可以提高用户体验。
可选的，电子设备可以先将第一信息转换为字符矩阵，然后，基于初始图像对字符矩阵进行加密，具体处理过程包括：
步骤1、按照预设的转换方式将第一信息转换为字符矩阵。
在实施中，电子设备可以确定第一信息所包含字符的数量、字符种类。字符种类例如字母、数字。然后，电子设备可以根据字符的数量、字符种类确定字符矩阵的维度，得到初始字符矩阵。之后，电子设备可以针对待加密的第一信息所包含的每个字符，确定该字符在初始字符矩阵中的对应位置，设置该位置处的矩阵元素值，由此，可以得到字符矩阵。
例如，待加密的第一信息为“xiaoming”，电子设备可以确定第一信息所包含字符的数量为9，字符种类为英文。然后，电子设备可以建立9*26维度的初始字符矩阵，其中，9表示第一信息所包含字符的数量，26表示英文字母的个数，初始字符矩阵中所有元素的初始值为0。针对第一信息中的字符“x”，由于x位于字母表第24位，因此，电子设备可以确定该字符在初始字符矩阵中的对应位置为第一行第二十四列，将该位置处的矩阵元素值设置为1。其余字符“iaoming”的编码方式与之类似，由此，电子设备可以得到字符矩阵：[[0,0,…1,0],[0,0,0,..,0],…[1,0,0,…0,1]]。
本申请实施例中，初始字符矩阵的维度可以由电子设备根据第一信息所包含字符的数量、字符种类确定出，也可以由工作人员预先设置。
在另一种可行的实现方式中，电子设备可以先将待加密的第一信息转换为预设格式的字符串，预设格式例如二进制、十六进制。例如，电子设备可以将待加密的第一信息“你真棒”转换为十六进制的字符串“e4bda0e79c9fe6a392”。然后，电子设备可以将字符串按照上述字符矩阵确定方式，将字符串转换为字符矩阵。
步骤2、基于初始图像对字符矩阵进行加密，得到包含第一信息的第一加密图像。
在实施中，电子设备可以将初始图像转换为像素矩阵，像素矩阵中的矩阵元素对应于初始图像中的像素，矩阵元素的值为相应像素的灰度值。
然后，电子设备可以采用预设的矩阵处理方式，对字符矩阵和像素矩阵执行矩阵变换等矩阵运算处理，得到处理结果矩阵。电子设备可以将处理结果矩阵转换为图像，得到包含第一信息的第一加密图像。
在一种可行的实现方式中，电子设备中可以预先设置有编码器，编码器具有对字符矩阵和像素矩阵进行矩阵变换等矩阵运算处理、以及将处理结果矩阵转换为图像的功能。电子设备可以将字符矩阵和像素矩阵输入至编码器中，得到编码器输出的包含第一信息的第一加密图像。
本申请实施例中，电子设备可以按照预设的转换方式将第一信息转换为字符矩阵，然后，基于初始图像对字符矩阵进行加密，得到包含第一信息的第一加密图像。由于将第一信息转换为字符矩阵，基于初始图像对字符矩阵进行加密，因此，能够减少信息加密过程中第一信息的信息丢失，保证第一加密图像所包含的信息与待加密的第一信息的一致性，从而提高基于第一加密图像生成的图形标识符的准确度。
可选的，本申请实施例提供了一种基于神经网络模型、第一信息、初始图像，确定包含第一信息的第一加密图像的实现方式，具体处理过程为：将初始图像、第一信息输入预先训练完成的第一网络模型，得到包含第一信息的第一加密图像。其中，第一网络模型基于初始图像样本、信息样本预先训练完成。
本申请实施例中，第一网络模型具有将初始图像样本的图像特征与信息样本的语义特征进行融合，得到图像语义特征，及基于图像语义特征生成加密图像的功能。第一网络模型可以为卷积神经网络、U-net(图像分割网络)。
本申请实施例中，电子设备生成的第一加密图像Ires可以表示为：
Ires＝Fe(Iinput,Mmsg) (1)
其中，Fe为第一网络模型，Iinput为初始图像，Mmsg为待加密的第一信息。
电子设备生成的图形标识符Iresult可以表示为：
Iresult＝Ires+Iinput (2)
可选的，第一网络模型还可以具有叠加第一加密图像和初始图像，得到图形标识符的功能。
本申请实施例中，电子设备可以将初始图像、第一信息输入预先训练完成的第一网络模型，得到包含第一信息的第一加密图像。由于通过预先训练完成的第一网络模型和初始图像对第一信息进行加密处理，得到包含第一信息的第一加密图像，因此，能够快速的生成第一加密图像，保证第一加密图像所包含的信息与待加密的第一信息的一致性。
可选的，本申请实施例提供了一种第一网络模型的训练方式，包括以下步骤：
步骤1、获取初始网络模型和训练样本。
其中，训练样本包括初始图像样本、信息样本。
在实施中，电子设备可以获取本地预先存储的初始网络模型和训练样本，电子设备也可以接收获取指令，根据获取指令确定存储地址，从确定出的存储地址处获取初始网络模型和训练样本。
步骤2、将初始图像样本和信息样本输入初始网络模型，得到第二加密图像。
在实施中，电子设备可以将初始图像样本和信息样本输入初始网络模型，初始网络模型可以提取初始图像样本的图像特征与信息样本的语义特征。然后，初始网络模型可以将初始图像样本的图像特征与信息样本的语义特征进行融合，得到图像语义特征，并基于图像语义特征生成第二加密图像，第二加密图像即加密后的信息样本。
步骤3、根据第二加密图像和初始图像样本，调整初始网络模型的参数，直至达到训练结束条件，停止训练，得到第一网络模型。
在实施中，训练结束条件可以是遍历训练样本，针对每个初始图像样本和信息样本，生成图形标识符。训练结束条件也可以是初始网络模型预设的Loss(损失)函数的函数值小于预设阈值。训练结束条件也可以是工作人员判断第二加密图像和初始图像样本叠加得到的图形标识符，与初始图像样本的外观相似。
本申请实施例中，可以对第一网络模型和用于识别图形标识符的第二网络模型进行联合训练，第一网络模型的训练结束条件可以与联合训练的训练结束条件相同，联合训练的训练结束条件后续会进行详细说明。电子设备根据第二加密图像和初始图像样本，调整初始网络模型的参数的具体处理过程此处不再赘述。
本申请实施例中，电子设备可以获取初始网络模型和训练样本，将初始图像样本和信息样本输入初始网络模型，得到第二加密图像，根据第二加密图像和初始图像样本，调整初始网络模型的参数，直至达到训练结束条件，停止训练，得到第一网络模型。由于基于训练样本对初始网络模型进行训练，将达到训练结束条件时得到的网络模型作为第一网络模型，因此，后续电子设备能够基于第一网络模型、初始图像和第一信息快速生成图形标识符，而且，可以确保图形标识符所包含的信息与待加密的第一信息的一致性。
本申请实施例还提供了一种图形标识符识别方法，该方法应用于电子设备，与能够生成图形标识符的电子设备相似，能够识别图形标识符的电子设备可以是具有图像处理功能的电子设备，例如，电子设备可以是手机、个人电脑、穿戴式电子设备等。如图4所示，具体处理过程包括：
步骤401，获取待识别的图形标识符。
其中，图形标识符的生成过程可以参照上述图形标识符生成方法中的方法步骤。
在实施中，电子设备可以将其他电子设备发送的图形标识符，作为待识别的图形标识符。电子设备也可以对图形标识符进行拍摄，得到待识别的图形标识符。
步骤402，按照预设的解密方式，对图形标识符进行解密，得到图形标识符包含的第一信息。
在实施中，电子设备中可以预先设置有信息解密算法，信息解密算法例如对称解密算法、非对称解密算法。电子设备可以通过信息解密算法，对图形标识符进行解密，得到图形标识符包含的第一信息。
本申请实施例中，电子设备可以获取待识别的图形标识符，然后，按照预设的解密方式，对图形标识符进行解密，得到图形标识符包含的第一信息。由此，能够识别由初始图像和第一加密图像叠加而成的图形标识符，保证了图形标识符的有效使用，从而可以丰富图形标识符的形式，提供包含不同图片内容的图形标识符。
可选的，本申请实施例提供了一种按照预设的解密方式，对图形标识符进行解密得到图形标识符包含的第一信息的实现方式，具体处理过程包括：将图形标识符输入至预先训练完成的第二网络模型，得到图形标识符包含的第一信息。
其中，第二网络模型具有从图形标识符中提取出图像语义特征，及基于图像语义特征确定信息的功能。第二网络模型可以为卷积神经网络、U-net(图像分割网络)。
在实施中，第二网络模型可以提取图形标识符的图像语义特征，然后，第二网络模型可以根据预先存储的图像语义特征与字符的对应关系，确定图形标识符所包含的字符，得到第一信息。
本申请实施例中，电子设备识别得到的第一信息M′msg可以表示为：
M’msg＝Fd(Iresult) (3)
其中，Fd为第二网络模型，Iresult为图形标识符。
本申请实施例中，电子设备可以将图形标识符输入至预先训练完成的第二网络模型，得到图形标识符包含的第一信息。由于通过预先训练完成的第二网络模型识别图形标识符包含的第一信息，因此，能够快速、准确的识别出图形标识符包含的第一信息。
可选的，本申请实施例提供了一种第二网络模型的训练方式，包括以下步骤：
步骤1、获取初始网络模型和训练样本。
其中，训练样本包括图形标识符样本和图形标识符样本包含的信息样本。
在实施中，电子设备可以获取本地预先存储的初始网络模型和训练样本，电子设备也可以接收获取指令，根据获取指令确定存储地址，从确定出的存储地址处获取初始网络模型和训练样本。
步骤2、将图形标识符样本输入初始网络模型，得到图形标识符样本包含的第二信息。
在实施中，电子设备可以将图形标识符样本输入初始网络模型，初始网络模型可以提取图形标识符样本的图像语义特征。然后，初始网络模型可以根据预先存储的图像语义特征与信息的对应关系，确定图形标识符样本所包含的字符，得到第二信息。
步骤3、基于第二信息与信息样本，调整初始网络模型的参数，直至达到训练结束条件，停止训练，得到第二网络模型。
在实施中，电子设备可以将第二信息与信息样本进行比较，根据比较结果调整初始网络模型的参数，以使根据图像语义特征与信息的对应关系确定出的信息与信息样本的相似度更高。
训练结束条件可以是遍历训练样本，针对每个图形标识符样本，识别出第二信息。训练结束条件也可以是初始网络模型预设的Loss函数的函数值小于预设阈值。
在一种可行的实现方式中，电子设备可以对第一网络模型和第二网络模型进行联合训练，联合训练的实现方式为：将两个初始网络模型的Loss函数设置为同一个Loss函数，该Loss函数可以表示为公式(4)，当Loss函数的函数值小于预设阈值时，结束训练。
Figure BDA0002273504310000131
其中，Loss函数的第一项表示感知损失，M表示特征提取模型，特征提取模型可以是VGG(Visual Geometry Group Network，视觉几何组网络)，ResNet(Residual Network,残差网络)。FM(Iresult)是特征提取模型对图形标识符进行特征提取，得到的图形标识符在特征提取模型的特征空间中的特征值，FM(Iinput)是特征提取模型对初始图像进行特征提取，得到的初始图像在特征提取模型的特征空间中的特征值。感知损失用于尽可能保证加密后的第一加密图像与初始图像视觉相似，从而保证叠加初始图像和第一加密图像得到的图形标识符具有美观性。
Loss函数的第二项表示正则项，
Figure BDA0002273504310000141
表示第一加密图像的像素矩阵的平方，用于保证第一加密图像的像素分布尽可能稀疏，一方面，能够保证初始图像与图形标识符视觉相似，另一方面，能够保证第一加密图像和初始图像叠加之后，不会影响初始图像的外观。
Loss函数的第三项表示交叉熵损失，用于保证电子设备能够从图形标识符中正确识别出加密后的第一信息，cross_entropy表示交叉熵。
λ1,λ2,λ3为超参数，工作人员可以根据训练情况调整λ1,λ2,λ3的具体值。
本申请实施例中，电子设备可以获取初始网络模型和训练样本，将图形标识符样本输入初始网络模型，得到图形标识符样本包含的第二信息，基于第二信息与信息样本，调整初始网络模型的参数，直至达到训练结束条件，停止训练，得到第二网络模型。由于基于训练样本对初始网络模型进行训练，将达到训练结束条件时得到的网络模型作为第二网络模型，因此，后续电子设备能够基于第二网络模型快速识别出图形标识符包含的信息，而且，可以确保识别出的信息与第一信息的一致性。
本申请实施例还提供了一种图形标识符生成装置，如图5所示，所述装置包括：
第一获取模块510，用于获取初始图像和待加密的第一信息；
加密模块520，用于基于所述初始图像对所述第一信息进行加密，得到包含所述第一信息的第一加密图像，所述第一加密图像为所述初始图像的残差图像；
叠加模块530，用于叠加所述第一加密图像和所述初始图像，得到与所述初始图像具有相似视觉效果的图形标识符。
可选的，所述加密模块包括：
第一加密子模块，用于将所述初始图像、所述第一信息输入预先训练完成的第一网络模型，得到包含所述第一信息的第一加密图像，其中，所述第一网络模型为基于初始图像样本、信息样本预先训练完成的。
可选的，所述加密模块包括：
转换子模块，用于将所述第一信息转换为预设格式的字符矩阵；
第二加密子模块，用于基于所述初始图像对所述字符矩阵进行加密，得到包含所述第一信息的第一加密图像。
可选的，所述装置还包括：训练模块，所述训练模块用于获取初始网络模型和训练样本，所述训练样本包括初始图像样本、信息样本；将所述初始图像样本和所述信息样本输入所述初始网络模型，得到第二加密图像；根据所述第二加密图像和所述初始图像样本，调整所述初始网络模型的参数，直至达到训练结束条件，停止训练，得到所述第一网络模型。
本申请实施例中，通过获取初始图像和待加密的第一信息；基于初始图像对第一信息进行加密，得到包含第一信息的第一加密图像，第一加密图像为初始图像的残差图像；叠加第一加密图像和初始图像，得到与初始图像具有相似视觉效果的图形标识符。由于第一加密图像为初始图像的残差图像，图形标识符由初始图像和第一加密图像叠加而成，因此，图形标识符与初始图像具有相似视觉效果，从而能够丰富图形标识符的形式，提供包含不同图片内容的图形标识符。
本申请实施例还提供了一种图形标识符识别装置，如图6所示，所述装置包括：
第一获取模块610，用于获取待识别的图形标识符，其中，所述图形标识符为基于初始图像对第一信息进行加密，得到包含所述第一信息的第一加密图像，叠加所述第一加密图像和所述初始图像得到，所述第一加密图像为所述初始图像的残差图像，所述图形标识符与所述初始图像具有相似视觉效果；
解密模块620，用于按照预设的解密方式，对所述图形标识符进行解密，得到所述图形标识符包含的第一信息。
可选的，所述解密模块包括：
解密子模块，用于将所述图形标识符输入至预先训练完成的第二网络模型，得到所述图形标识符包含的第一信息。
可选的，所述装置还包括训练模块，所述训练模块用于获取初始网络模型和训练样本，所述训练样本包括图形标识符样本和所述图形标识符样本包含的信息样本；将所述图形标识符样本输入所述初始网络模型，得到所述图形标识符样本包含的第二信息；基于所述第二信息与所述信息样本，调整所述初始网络模型的参数，直至达到训练结束条件，停止训练，得到所述第二网络模型。
本申请实施例中，通过获取待识别的图形标识符，然后，按照预设的解密方式，对图形标识符进行解密，得到图形标识符包含的第一信息。由此，能够识别由初始图像和第一加密图像叠加而成的图形标识符，保证了图形标识符的有效使用，从而可以丰富图形标识符的形式，提供包含不同图片内容的图形标识符。
本申请实施例还提供了一种电子设备，如图7所示，包括处理器701、通信接口702、存储器703和通信总线704，其中，处理器701，通信接口702，存储器703通过通信总线704完成相互间的通信，
存储器703，用于存放计算机程序；
处理器701，用于执行存储器703上所存放的程序时，实现图形标识符生成、识别方法步骤。
上述终端提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，简称EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述终端与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory，简称RAM)，也可以包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field－Programmable Gate Array，简称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。
在本申请提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述实施例中任一所述的图形标识符生成、识别方法。
在本申请提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一所述的图形标识符生成、识别方法。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物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、物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、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，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。
以上所述仅为本申请的较佳实施例而已，并非用于限定本申请的保护范围。凡在本申请的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本申请的保护范围内。

Claims (7)

1.一种图形标识符生成方法，其特征在于，所述方法包括：
获取初始图像和待加密的第一信息；所述第一信息是以下至少一种：字母、数字、运算符号、文字；
将所述初始图像、所述第一信息输入预先训练完成的第一网络模型，得到包含所述第一信息的第一加密图像，所述第一网络模型为基于初始图像样本、信息样本预先训练完成的，所述第一网络模型训练是否结束是根据图形标识符与初始图像样本的外观相似度确定的，其中，所述第一加密图像为所述初始图像的残差图像；
叠加所述第一加密图像和所述初始图像，得到与所述初始图像具有相似视觉效果的图形标识符。
2.一种图形标识符识别方法，其特征在于，所述方法包括：
获取待识别的图形标识符，其中，所述图形标识符为基于初始图像对第一信息进行加密，得到包含所述第一信息的第一加密图像，叠加所述第一加密图像和所述初始图像得到，所述第一加密图像为所述初始图像的残差图像，所述图形标识符与所述初始图像具有相似视觉效果；所述第一信息是以下至少一种：字母、数字、运算符号、文字；所述第一加密图像是将所述初始图像、所述第一信息输入预先训练完成的第一网络模型得到的，所述第一网络模型为基于初始图像样本、信息样本预先训练完成的，所述第一网络模型训练是否结束是根据图形标识符与初始图像样本的外观相似度确定的；
按照预设的解密方式，对所述图形标识符进行解密，得到所述图形标识符包含的第一信息。
3.根据权利要求2所述的方法，其特征在于，所述按照预设的解密方式，对所述图形标识符进行解密，得到所述图形标识符包含的第一信息，包括：
将所述图形标识符输入至预先训练完成的第二网络模型，得到所述图形标识符包含的第一信息。
4.一种图形标识符生成装置，其特征在于，所述装置包括：
第一获取模块，用于获取初始图像和待加密的第一信息；所述第一信息是以下至少一种：字母、数字、运算符号、文字；
加密模块，用于将所述初始图像、所述第一信息输入预先训练完成的第一网络模型，得到包含所述第一信息的第一加密图像，所述第一网络模型为基于初始图像样本、信息样本预先训练完成的，所述第一网络模型训练是否结束是根据图形标识符与初始图像样本的外观相似度确定的，其中，所述第一加密图像为所述初始图像的残差图像；
叠加模块，用于叠加所述第一加密图像和所述初始图像，得到与所述初始图像具有相似视觉效果的图形标识符。
5.一种图形标识符识别装置，其特征在于，所述装置包括：
第一获取模块，用于获取待识别的图形标识符，其中，所述图形标识符为基于初始图像对第一信息进行加密，得到包含所述第一信息的第一加密图像，叠加所述第一加密图像和所述初始图像得到，所述第一加密图像为所述初始图像的残差图像，所述图形标识符与所述初始图像具有相似视觉效果；所述第一信息是以下至少一种：字母、数字、运算符号、文字；所述第一加密图像是将所述初始图像、所述第一信息输入预先训练完成的第一网络模型得到的，所述第一网络模型为基于初始图像样本、信息样本预先训练完成的，所述第一网络模型训练是否结束是根据图形标识符与初始图像样本的外观相似度确定的；
解密模块，用于按照预设的解密方式，对所述图形标识符进行解密，得到所述图形标识符包含的第一信息。
6.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求1，或权利要求2、权利要求3任一所述的方法步骤。
7.一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，该程序被处理器执行时实现如权利要求1，或权利要求2、权利要求3任一所述的方法步骤。
CN201911113798.XA 2019-11-14 2019-11-14 图形标识符生成、识别方法、装置、电子设备及存储介质 Active CN110958453B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911113798.XA CN110958453B (zh) 2019-11-14 2019-11-14 图形标识符生成、识别方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911113798.XA CN110958453B (zh) 2019-11-14 2019-11-14 图形标识符生成、识别方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN110958453A CN110958453A (zh) 2020-04-03
CN110958453B true CN110958453B (zh) 2022-02-11

Family

ID=69977316

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911113798.XA Active CN110958453B (zh) 2019-11-14 2019-11-14 图形标识符生成、识别方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN110958453B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112804533B (zh) * 2021-02-08 2022-04-26 上海交通大学 基于分块信息掩膜的hevc视频隐写分析网络方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101882296A (zh) * 2010-05-07 2010-11-10 邹阿金 切比雪夫神经网络混沌数字水印信息隐藏方法
CN106960411A (zh) * 2017-03-27 2017-07-18 珠海丹德图像技术有限公司 二维码叠加数字水印的方法及其识别方法和识别系统
GB2546459A (en) * 2017-05-10 2017-07-19 Tomlinson Martin Data verification
CN108764422A (zh) * 2018-05-15 2018-11-06 普联技术有限公司 图像的二维码嵌入、提取方法和装置
CN110084346A (zh) * 2019-03-11 2019-08-02 广州真知码信息科技有限公司 一种个性化真知码的制作方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101882296A (zh) * 2010-05-07 2010-11-10 邹阿金 切比雪夫神经网络混沌数字水印信息隐藏方法
CN106960411A (zh) * 2017-03-27 2017-07-18 珠海丹德图像技术有限公司 二维码叠加数字水印的方法及其识别方法和识别系统
GB2546459A (en) * 2017-05-10 2017-07-19 Tomlinson Martin Data verification
CN108764422A (zh) * 2018-05-15 2018-11-06 普联技术有限公司 图像的二维码嵌入、提取方法和装置
CN110084346A (zh) * 2019-03-11 2019-08-02 广州真知码信息科技有限公司 一种个性化真知码的制作方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
A CNN based invisible QR code generator for human living space;Kohei Yamauchi等;《 IECON 2019 - 45th Annual Conference of the IEEE Industrial Electronics Society》;20191017;第1-2节 *
QR码美化算法及安全机制研究;张国利;《中国优秀硕士学位论文全文数据库 信息科技辑》;20180515;4.1节-4.6.5节 *
QR码美化算法及安全机制研究;张国利;《中国优秀硕士学位论文全文数据库 信息科技辑》;20180515;全文 *

Also Published As

Publication number Publication date
CN110958453A (zh) 2020-04-03

Similar Documents

Publication Publication Date Title
CN109190470B (zh) 行人重识别方法及装置
US11409849B2 (en) System, method and program for preventing unauthorized copies of webcomics and tracking replicated webcomics
CN112200796A (zh) 一种基于隐私保护的图像处理方法、装置及设备
CN110619334A (zh) 基于深度学习的人像分割方法、架构及相关装置
CN113987429A (zh) 基于水印嵌入的神经网络模型的版权验证方法
CN110958453B (zh) 图形标识符生成、识别方法、装置、电子设备及存储介质
Alkhafaji et al. Payload capacity scheme for quran text watermarking based on vowels with kashida
CN111553241A (zh) 掌纹的误匹配点剔除方法、装置、设备及存储介质
CN109829475B (zh) 一种基于深度学习的图像暗水印处理方法及装置
CN105184595A (zh) 基于移动互联大数分析技术的二维码防伪云系统及使用方法
CN108921138B (zh) 用于生成信息的方法和装置
CN114419621A (zh) 处理含有文字的图像的方法及装置
US20240007287A1 (en) Machine learning device, machine learning system, and machine learning method
CN110069907A (zh) 基于数字水印的大数据溯源方法及系统
CN109561236B (zh) 图像加密、识别方法装置、设备及介质
CN113076961A (zh) 一种图像特征库更新方法、图像检测方法和装置
CN115497152A (zh) 基于图像识别的客户信息分析方法、装置、系统及介质
JP2020003879A (ja) 情報処理装置、情報処理方法、透かし検出装置、透かし検出方法、及びプログラム
CN111860212B (zh) 人脸图像的超分方法、装置、设备及存储介质
CN114495190A (zh) 换脸网络模型的训练方法、图像换脸方法及相关设备
CN114331791A (zh) 模型水印生成、模型侵权鉴定方法、装置和计算机设备
CN112287325A (zh) 操作验证方法、装置和存储介质及电子装置
CN112019642A (zh) 一种音频上传方法、装置、设备和存储介质
JP5188290B2 (ja) アノテーション装置、アノテーション方法およびプログラム
CN115718696B (zh) 源码密码学误用检测方法、装置、电子设备和存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant