CN111127398A - 证件照片复制的检测方法、装置、终端设备及存储介质 - Google Patents
证件照片复制的检测方法、装置、终端设备及存储介质 Download PDFInfo
- Publication number
- CN111127398A CN111127398A CN201911166331.1A CN201911166331A CN111127398A CN 111127398 A CN111127398 A CN 111127398A CN 201911166331 A CN201911166331 A CN 201911166331A CN 111127398 A CN111127398 A CN 111127398A
- Authority
- CN
- China
- Prior art keywords
- certificate
- image
- photo
- certificate photo
- detecting
- 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
Images
Classifications
-
- 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
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种证件照片复制的检测方法、装置、终端设备及计算机可读存储介质,通过将所述证件照片输入预设图像语义特征检测模型,以提取所述证件照片的图像语义特征;根据所述图像语义特征检测所述证件照片中证件的坐标位置,并基于所述坐标位置在所述证件照片的证件区域和非证件区域分别采集各个图像块;对各所述图像块各自对应位置的图像语义特征进行组合,得到所述证件照片的语义特征组合;将所述语义特征组合输入预设图像检测模型,以判断所述证件照片是否被复制。本发明提高了对证件照片进行检测的适用性以及检测证件照片是否被复制的准确性,综合提升了证件照片复制的检测效率。
Description
技术领域
本发明涉及证件照片检测技术领域,尤其涉及一种证件照片复制的检测方法、装置、终端设备及计算机可读存储介质。
背景技术
在新一代互联网银行等金融科技场景中,为了提高用户远程身份认证的安全性,要求对用户上传的可证明身份的证件照片(如居民身份证、驾驶证、来往港澳通行证等证件的照片)进行多项安全检查,这其中就包括验证证件照片是否是经过复制的证件。
现有的检测证件照片是否为翻拍复制的方式主要是通过检测人工手动设计提取的图像特征是否等价于翻拍照片的图像特征,而由于人工手动设计图像特征对特征提取场景具有比较大的限制,一旦提取场景超出了特定限制,将导致无法完成检测,检测的效率低下;此外,现有的检测证件照片是否为复印件的方式主要是基于颜色和纹理进行的检测,由于彩色复印件与拍摄的证件照片在颜色及纹理上的差异非常小,所以也难以针对证件照片是否为彩色复印件进行有效的检测。
综上所述,现有的检测证件照片是否被复制的检测效率低,无法满足互联网银行等金融科技场景对于证件照片的验证需求。
发明内容
本发明的主要目的在于提供一种证件照片复制的检测方法、装置、终端设备及计算机可读存储介质,旨在解决检测证件照片是否被复制的检测效率低,无法满足互联网银行等金融科技场景对于证件照片的验证需求的技术问题。
为实现上述目的,本发明提供一种证件照片复制的检测方法,所述证件照片复制的检测方法包括:
将所述证件照片输入预设图像语义特征检测模型,以提取所述证件照片的图像语义特征;
根据所述图像语义特征检测所述证件照片中证件的坐标位置,并基于所述坐标位置在所述证件照片的证件区域和非证件区域分别采集各个图像块;
对采集到的各所述图像块各自对应位置的图像语义特征进行组合,得到所述证件照片的语义特征组合;
将所述语义特征组合输入已经训练好的预设图像检测模型,以以判断所述证件照片是否被复制。
进一步地,所述根据所述图像语义特征检测证件照片中证件的坐标位置的步骤,包括:
检测所述图像语义特征中是否存在证件的图像语义特征;
当检测到存在证件的图像语义特征时,在所述证件照片中读取证件的坐标位置。
进一步地,基于所述坐标位置在所述证件照片的证件区域和非证件区域分别采集各个图像块的步骤,包括:
根据所述坐标位置,将所述证件照片的图像划分为证件区域和非证件区域;
分别在所述证件区域和所述非证件区域,以图像像素为单位采集各个图像块。
进一步地,所述对采集到的各所述图像块各自对应位置处的图像语义特征进行组合的步骤,包括:
从所述证件区域采集到的各图像块的对应位置提取各第一图像语义特征,并叠加组合各所述第一图像语义特征;
从所述非证件区域采集到的各图像块的对应位置提取各第二图像语义特征,并叠加组合各所述第二图像语义特征;
按照所述证件区域和所述非证件区域相交接边缘的像素位置,对叠加组合后的各第一图像特征和叠加组合后的各第二图像特征进行拼接组合。
进一步地,在所述将所述语义特征组合输入已经训练好的预设图像检测模型的步骤之前,还包括:
对各预设样本照片图像添加标注;
将各所述预设样本照片图像的非复制标注或者复制标注作为标准结果,并提取各所述预设样本照片图像各自的图像语义特征组合样本;
在所述预设图像检测模型的迭代训练过程中,根据各所述图像语义特征组合样本和所述标准结果,更新调整预设深度网络的模型参数,以得到所述预设图像检测模型。
进一步地,所述将所述语义特征组合输入预设图像检测模型,以判断所述证件照片是否被复制的步骤,包括:
将所述语义特征组合输入预设图像检测模型,以供所述预设图像检测模型根据所述图像语义特征组合计算输出计算结果;
检测所述计算结果是否映射所述复制标注判断所述证件照片是否被复制。
进一步地,所述复制标注至少包括:翻拍证件和复印证件;
所述检测所述计算结果是否映射所述复制标注判断所述证件照片是否被复制的步骤,包括:
当检测到所述计算结果未映射所述复制标注时,判定所述证件照片未被复制;
当检测到所述计算结果映射所述复制标注中的翻拍证件时,判定所述证件照片是被翻拍复制;
当检测到所述计算结果映射所述复制标注中的复印证件时,判定所述证件照片是被复印复制。
此外,为实现上述目的,本发明还提供一种证件照片复制的检测装置,所述证件照片复制的检测装置包括:
提取模块,用于将所述证件照片输入预设图像语义特征检测模型,以提取所述证件照片的图像语义特征;
采集模块,用于根据所述图像语义特征检测证件照片中证件的坐标位置,并基于所述坐标位置在所述证件照片的证件区域和非证件区域分别采集各个图像块;
组合模块,用于对采集到的各所述图像块各自对应位置的图像语义特征进行组合,得到所述证件照片的语义特征组合;
判断模块,用于将所述语义特征组合输入预设图像检测模型,以判断所述证件照片是否被复制。
本发明还提供一种终端设备,所述终端设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的证件照片复制的检测程序,所述证件照片复制的检测程序被所述处理器执行时实现如上述中的证件照片复制的检测方法的步骤。
本发明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证件照片复制的检测方法的步骤。
本发明提出的证件照片复制的检测方法、装置、终端设备以及计算机可读存储介质,通过深度网络自动提取证件照片的图像语义特征,并在根据图像语义特征检测证件照片中证件的坐标位置之后,基于证件坐标位置在证件照片图像的证件区域与非证件区域分别进行图像块采样,将采集到的各图像块各自所对应位置的图像语义特征分别进行组合以形成证件照片图像的语义特征组合,调用预先已经训练好的基于深度网络的图像检测模型,基于证件照片图像的语义特征组合识别得出证件照片是否为正常证件、翻拍证件或者复印证件。实现了基于深度网络自动提取学习证件照片的图像语义特征并进行照片类别的检测识别,避免了传统人工设计提取特征容易受到设备变化、光线变化的影响而无法完成对证件照片进行检测的问题,提高了对证件照片进行检测的适用性以及检测证件照片是否被复制的准确性,综合提升了证件照片复制的检测效率,满足了互联网银行等金融科技场景对于证件照片的验证需求。
附图说明
图1是本发明实施例方案涉及的硬件运行的结构示意图;
图2是本发明一种证件照片复制的检测方法第一实施例的流程示意图;
图3是本发明一种证件照片复制的检测方法一实施例中步骤S200的细化流程示意图;
图4是本发明一种证件照片复制的检测方法一实施例中步骤S300的细化流程示意图
图5是本发明一种证件照片复制的检测方法一实施例中深度网络的架构配置示意图;
图6是本发明一种证件照片复制的检测装置的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
如图1所示,图1是本发明实施例方案涉及的硬件运行环境的结构示意图。
需要说明的是,图1即可为终端设备的硬件运行环境的结构示意图。本发明实施例终端设备可以是PC,便携计算机等终端设备。
如图1所示,该终端设备可以包括:处理器1001,例如CPU,网络接口1004,用户接口1003,存储器1005,通信总线1002。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的终端设备结构并不构成对终端设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及分布式任务的处理程序。其中,操作系统是管理和控制样本终端设备硬件和软件资源的程序,支持分布式任务的处理程序以及其它软件或程序的运行。
在图1所示的终端设备中,用户接口1003主要用于与各个终端进行数据通信;网络接口1004主要用于连接后台服务器,与后台服务器进行数据通信;而处理器1001可以用于调用存储器1005中存储的证件照片复制的检测程序,并执行以下操作:
将所述证件照片输入预设图像语义特征检测模型,以提取所述证件照片的图像语义特征;
根据所述图像语义特征检测证件照片中证件的坐标位置,并基于所述坐标位置在所述证件照片的证件区域和非证件区域分别采集各个图像块;
对采集到的各所述图像块各自对应位置的图像语义特征进行组合,得到所述证件照片的语义特征组合;
将所述语义特征组合输入预设图像检测模型,以判断所述证件照片是否被复制。
进一步地,处理器1001可以调用存储器1005中存储的证件照片复制的检测程序,还执行以下操作:
检测所述图像语义特征中是否存在证件的图像语义特征;
当检测到存在证件的图像语义特征时,在所述证件照片中读取证件的坐标位置。
进一步地,处理器1001可以调用存储器1005中存储的证件照片复制的检测程序,还执行以下操作:
根据所述坐标位置,将所述证件照片的图像划分为证件区域和非证件区域;
分别在所述证件区域和所述非证件区域,以图像像素为单位采集各个图像块。
进一步地,处理器1001可以调用存储器1005中存储的证件照片复制的检测程序,还执行以下操作:
从所述证件区域采集到的各图像块的对应位置提取各第一图像语义特征,并叠加组合各所述第一图像语义特征;
从所述非证件区域采集到的各图像块的对应位置提取各第二图像语义特征,并叠加组合各所述第二图像语义特征;
按照所述证件区域和所述非证件区域相交接边缘的像素位置,对叠加组合后的各第一图像特征和叠加组合后的各第二图像特征进行拼接组合。
进一步地,处理器1001可以调用存储器1005中存储的证件照片复制的检测程序,在执行将所述语义特征组合输入已经训练好的预设图像检测模型之前,还执行以下操作:
对各预设样本照片图像添加标注;
将各所述预设样本照片图像的非复制标注或者复制标注作为标准结果,并提取各所述预设样本照片图像各自的图像语义特征组合样本;
在所述预设图像检测模型的迭代训练过程中,根据各所述图像语义特征组合样本和所述标准结果,更新调整预设深度网络的模型参数,以得到所述预设图像检测模型。
进一步地,处理器1001可以调用存储器1005中存储的证件照片复制的检测程序,还执行以下操作:
将所述语义特征组合输入预设图像检测模型,以供所述预设图像检测模型根据所述图像语义特征组合计算输出计算结果;
检测所述计算结果是否映射所述复制标注判断所述证件照片是否被复制。
进一步地,处理器1001可以调用存储器1005中存储的证件照片复制的检测程序,还执行以下操作:
当检测到所述计算结果未映射所述复制标注时,判定所述证件照片未被复制;
当检测到所述计算结果映射所述复制标注中的翻拍证件时,判定所述证件照片是被翻拍复制;
当检测到所述计算结果映射所述复制标注中的复印证件时,判定所述证件照片是被复印复制。
基于上述的结构,提出本发明证件照片复制的检测方法的各个实施例。
请参照图2,图2为本发明证件照片复制的检测方法第一实施例的流程示意图。
本发明实施例提供了证件照片复制的检测方法的实施例,需要说明的是,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本发明实施例证件照片复制的检测方法应用于上述终端设备,本发明实施例终端设备可以是PC,便携计算机等终端设备,在此不做具体限制。
本实施例证件照片复制的检测方法包括:
步骤S100,将所述证件照片输入预设图像语义特征检测模型,以提取所述证件照片的图像语义特征。
在新一代互联网等金融科技场景中,往往存在用户上传提交用于认证其身份的证件照片,为了保证用户远程身份认证的安全性,要求对用户上传的可证明身份的证件照片(如居民身份证、驾驶证、来往港澳通行证等证件的照片)进行多项的安全检查,而在各项安全检查中,尤为重要的是检测验证证件照片的照片类别,即验证证件照片是正常证件照片、翻拍证件照片或者是复印证件照片。
本实施例中,预设图像语义特征检测模型具体可以为任意深度网络,基于深度网络自动提取学习不同类别证件照片的图像语义特征之间的差异,进而对用户上传的证件照片进行照片类型判断。
在接收到用户基于远程提交或者基于本地设备上传提交的用于对用户进行身份认证的证件照片后,调用深度网络(例如CNN网络(Convolutional Neural Networks,卷积神经网络)),识别提取证件照片的图像语义特征。
需要说明的是,本实施例中,调用的深度网络--CNN网络可以是一种由卷积层、非线性层(必要时可增加提升层(pooling))组合起来的一组用于提取证件照片图像视觉特征的操作网络;图像语义特征是经由一系列深度网络--CNN网络操作级联(必要时可增加直连层(skip connection,跳跃式传递))组合,提取证件照片图像的低层特征到高层抽象特征,将各低层特征到高层抽象特征进行组合得到的多维视觉特征。
步骤S200,根据所述图像语义特征检测证件照片中证件的坐标位置,并基于所述坐标位置在所述证件照片的证件区域和非证件区域分别采集各个图像块。
在基于调用深度网络--CNN网络识别提取到用户上传的证件照片的图像语义特征之后,根据该图像语义特征检测证件的图像在该证件照片整体图像中的坐标位置(例如像素坐标位置),并根据检测到的该坐标位置,将用户上传的证件照片的图像划分为仅包含有证件图像的证件区域和除开证件图像的非证件区域,并分别在划分后的证件区域和非证件区域中,采集预设数量的小图像块。
具体地,例如,依据如图5所示的深度网络的架构配置,当基于深度网络--CNN网络识别提取到用户上传提交身份证的证件照片的图像语义特征之后,依据提取到的证件照片的图像语义特征进行证件检测,以检测该证件照片中是否存在用户身份证的图像,基于证件检测判断该证件照片中是否含有身份证图像的反馈(即存在身份证图像时,反馈身份证图像在证件照片整体图像中的像素坐标位置),将证件照片划分为证件区域和费证件区域,并在各自区域内进行特征块采样(即分别在划分后的证件区域和非证件区域中,采集预设数量的小图像块,并提取各小图像块对应位置出的图像语义特征),以便后续对采集到的特征块进行组合,并输入预设图像检测模型进行图像类别判断。
进一步地,步骤S200中,根据所述图像语义特征检测证件照片中证件的坐标位置的步骤,包括:
步骤a,检测所述图像语义特征中是否存在证件的图像语义特征。
在基于调用深度网络--CNN网络识别提取到用户上传的证件照片的图像语义特征之后,检测该提取到的图像语义特征中,是否存在有用户所上传证件的图像语义特征。
具体地,例如,用户基于远程或者本地设备选择上传身份证的照片用于进行身份认证,则在基于调用CNN网络识别提取到用户上传的该身份证的照片的图像语义特征中,是否存在有诸如身份证件的颜色、形状以及位置布局等组合而成图像语义特征。
步骤b,当检测到存在证件的图像语义特征时,在所述证件照片中读取证件的坐标位置。
在检测到从用户所上传提交的证件照片提取的图像语义特征中,存在有用户所上传证件的图像语义特征时,判断到该用户上传提交的证件照片中存在用户的证件,从而基于图像分析识别在用户所上传提交的证件照片的图像中,读取用户的证件图像所在的坐标位置。
具体地,例如,在基于调用CNN网络识别提取到用户上传的该身份证的照片的图像语义特征中,检测到存在诸如身份证件的颜色、形状以及位置布局等组合而成图像语义特征时,判断用户当前上传提交的证件照片中存在用户的身份证图像,从而基于调用现有的任意图像解析识别算法,从当前证件照片中读取用户身份证图像所在的像素坐标位置。
进一步地,在另一个实施例中,在检测到从用户所上传提交的证件照片提取的图像语义特征中,不存在有用户所上传证件的图像语义特征时,即判断到该用户上传提交的证件照片中不存在用户的证件,从而向用户上传提交证件照片的远程终端设备或者本地设备反馈相应的“照片中不存在证件,请调整后重新拍摄”等提示信息。
本实施例中,在对证件照片进行检测验证的过程中,优先检测照片中证件的坐标位置以判断照片中是否存在证件,在判断存在证件时,基于证件的坐标位置划分证件照片为证件区域和非证件区域,并分别在证件区域和非证件区域采集图像块,在判断到照片中不存在证件时,随即终止进一步地检测验证,并向用户反馈对应的提示消息,避免了在证件照片中不存在证件对证件照片图像进行检测验证造成的资源浪费,提升了对证件照片进行检测的智能性。
进一步地,请参照图3,步骤S200中,基于所述坐标位置在所述证件照片的证件区域和非证件区域分别采集各个图像块,包括:
步骤S201,根据所述坐标位置,将所述证件照片的图像划分为证件区域和非证件区域;
步骤S202,分别在所述证件区域和所述非证件区域,以图像像素为单位采集各个图像块。
具体地,例如,在读取到用户所上传提交的身份证照片中,身份证件的像素坐标位置之后,根据读取到的该身份证件的像素坐标位置,将用户上传提交的身份证照片的图像划分为包含身份证图像的证件区域和除开身份证图像之外身份证照片的图像的非证件区域,并使用随机采样算法或者其他策略性采样算法,分别在划分后的证件区域和非证件区域中,以图像像素为单位采集预设数量的小图像块。
进一步地,在另一个实施例中,还可以根据证件照片中证件的坐标位置,将证件照片图像划分为证件区域、非证件区域和证件区域与非证件区域的交接区域,并在证件区域、非证件区域和交接区域三个区域中,分别以图像像素为单位采集预设数量的小图像块。
步骤S300,对采集到的各所述图像块各自对应位置的图像语义特征进行组合,得到所述证件照片的语义特征组合。
在从依据证件照片中证件的坐标位置划分的证件区域和非证件区域中,分别采集到的预设数量的小图像块之后,根据各小图像块在证件照片图像中的像素坐标,将各自区域内小图像块对应像素位置处的图像语义特征进行叠加组合,从而得到用户所上传证件照片证件区域和非证件区域的语义特征组合。
本实施例中,从证件照片中的证件区域和非证件区域中,分别采集到的预设数量的小图像块,并直接根据各小图像块在图像中的坐标位置,从提取的图像语义特征中,提取并组合各小图像块对应位置处的图像语义特征,而不是组合拼接证件照片原始的图像像素,减少了对证件照片进行检查的整个流程的计算量,进一步提升了证件照片复制的检测效率。
步骤S400,将所述语义特征组合输入预设图像检测模型,以判断所述证件照片是否被复制。
将证件照片图像的证件区域和非证件区域内各自小图像块对应像素位置处的图像语义特征,经过叠加组合得到的用户所上传证件照片证件区域和非证件区域的语义特征组合,输入到预先配置架构并已经训练好的图像检测模型中,以基于该图像检测模型的训练计算输出用户所上传提交的证件照片的照片类别。
需要说明的是,本实施例中,图像检测模型可以为预先训练的基于深度网络的图像检测模型,用于根据输入的用户所上传证件照片证件区域和非证件区域的语义特征组合,检测识别并输出该证件照片的类别标签,从而判定该证件照片是正常证件、翻拍证件或者是复印证件。
在本实施例中,通过在接收到用户基于远程提交或者基于本地设备上传提交的用于对用户进行身份认证的证件照片后,调用深度网络识别提取证件照片的图像语义特征,根据该图像语义特征检测证件的图像在该证件照片整体图像中的坐标位置,并根据检测到的该坐标位置,将用户上传的证件照片的图像划分为仅包含有证件图像的证件区域和除开证件图像的非证件区域,并分别在划分后的证件区域和非证件区域中,采集预设数量的小图像块,根据各小图像块在证件照片图像中的像素坐标,将各自区域内小图像块对应像素位置处的图像语义特征进行叠加组合,从而得到用户所上传证件照片证件区域和非证件区域的语义特征组合,将经过叠加组合得到的用户所上传证件照片证件区域和非证件区域的语义特征组合,输入到预先配置架构并已经训练好的图像检测模型中,以基于该图像检测模型的训练计算输出用户所上传提交的证件照片是否为正常证件、翻拍证件或者复印证件。
实现了基于深度网络自动提取学习证件照片的图像语义特征并进行照片类别的检测识别,避免了传统人工设计提取特征容易受到设备变化、光线变化的影响而无法完成对证件照片进行检测的问题,提高了对证件照片进行检测的适用性以及检测证件照片是否为正常证件、翻拍证件或者复印证件的准确性,综合提升了证件照片复制的检测效率,满足了互联网银行等金融科技场景对于证件照片的验证需求。
进一步地,基于上述证件照片复制的检测方法第一实施例,提出本发明证件照片复制的检测方法的第二实施例。
请参照图4,图4为本发明证件照片复制的检测方法一实施例中,步骤S300的细化流程示意图,在本发明证件照片复制的检测方法的第二实施例中,上述第一实施例的步骤S300中,对采集到的各所述图像块各自对应位置处的图像语义特征进行组合,包括:
步骤S301,从所述证件区域采集到的各图像块的对应位置提取各第一图像语义特征,并叠加组合各所述第一图像语义特征。
根据从用户所上传提交的证件照片图像的证件区域采集到的各小图像块,在该证件照片图像中的像素坐标,从调用深度网络提取到的图像语义特征中,提取出当前证件区域各小图像块对应像素位置处的第一图像特征,并调用现有的任意图像特征组合算法,对各小图像块对应像素位置处的第一图像特征进行叠加组合。
步骤S302,从所述非证件区域采集到的各图像块的对应位置提取各第二图像语义特征,并叠加组合各所述第二图像语义特征。
根据从用户所上传提交的证件照片图像的非证件区域采集到的各小图像块,在该证件照片图像中的像素坐标,从调用深度网络提取到的图像语义特征中,提取出当前非证件区域各小图像块对应像素位置处的第二图像特征,并调用现有的任意图像特征组合算法,对各小图像块对应像素位置处的第二图像特征进行叠加组合。
步骤S303,按照所述证件区域和所述非证件区域相交接边缘的像素位置,对叠加组合后的各第一图像特征和叠加组合后的各第二图像特征进行拼接组合。
在完成对证件区域各小图像块对应像素位置处的第一图像特征进行叠加组合,从而形成证件区域和非证件区域相交接边缘曲线所围合区域的图像特征,即证件的图像特征,以及对非证件区域各小图像块对应像素位置处的第二图像特征进行叠加组合,从而形成相交接边缘外围合区域以外部分图像的图像特征,即背景的图像特征之后,按照证件区域和非证件区域相交接边缘在证件照片图像中的像素位置,将证件的图像特征和背景的图像特征进行拼接组合,从而得到当前证件照片整体的语义特征组合,以便于后续将该语义特征组合作为输入,以供预设图像类型检测模型进行训练计算输出该用户所上传提交的证件照片是否为正常证件、翻拍证件或者复印证件。
本实施例中,通过从证件照片中的证件区域和非证件区域中,分别采集到的预设数量的小图像块,并直接根据各小图像块在图像中的坐标位置,从提取的图像语义特征中,提取并组合各小图像块对应位置处的图像语义特征,而不是组合拼接证件照片原始的图像像素,减少了对证件照片进行检查的整个流程的计算量,基于综合的将证件照片图像不同区域的图像语义特征进行组合作为输入,以供预设图像类型检测模型进行训练计算输出照片类型,提升了检测证件照片是否为正常证件、翻拍证件或者复印证件的准确性。
进一步地,基于上述证件照片复制的检测方法第一实施例,提出本发明证件照片复制的检测方法的第三实施例。
在本发明证件照片复制的检测方法的第三实施例中,在上述第一实施例的步骤S400,将所述语义特征组合输入已经训练好的预设图像检测模型之前,本发明证件照片复制的检测方法,还包括:
步骤S500,对各预设样本照片图像添加标注。
在对用户所上传提交的证件照片进行检测验证的过程中,由于需要调用已经训练好的图像检测模型对输入的证件照片的语义特征组合,进行训练计算从而输出该证件照片的照片类型,所以需要在将证件照片语义特征组合输入到该图像检测模型之前,预先训练好该图像检测模型,而在对该图像检测模型进行训练的过程中,使用符合信息安全标准的标注工具,对用于模型训练的预设样本照片图像进行标注,并根据标注以及各个预设样本照片图像各自的图像语义特征组合样本对该图像检测模型进行训练。
需要说明的是,本实施例中,调用现有的任意符合信息安全标准的标注工具,对预先选择的用于模型训练的样本照片图像进行图片级标注(包括非复制标注和复制标注,其中复制标注包括:翻拍证件标注和复印证件标注),以将样本照片图像标记为非复制证件(对应非复制标注)和复制证件(对应翻拍证件标注和复印证件标注)。具体地,例如,使用标注工具PS软件(Photoshop,图像处理软件),将预先选择的用于模型训练的各个样本照片图像标记为M0-正常证件、M1-翻拍证件或者M2复印证件,其中,M0-正常证件标识中样本照片图像为非复制证件,M1-翻拍证件和M2复印证件均标识样本照片图像为复制证件。
步骤S600,将各所述预设样本照片图像的非复制标注或者复制标注作为标准结果,并提取各所述预设样本照片图像各自的图像语义特征组合样本;
步骤S700,在所述预设图像检测模型的迭代训练过程中,根据各所述图像语义特征组合样本和所述标准结果,更新调整所述预设图像检测模型的模型参数,以得到所述预设图像检测模型。
具体地,例如,将使用标注工具PS软件(Photoshop,图像处理软件),将预先选择的用于模型训练的各个样本照片图像标记的M0-正常证件、M1-翻拍证件或者M2复印证件,作为基于深度网络的图像检测模型在根据各个样本照片图像进行迭代循环训练的标准结果,并基于深度网络提取各样本照片图像各自的图像语义特征组合作为图像检测模型训练计算的样本特征,从而在图像检测模型的迭代循环训练过程中,根据图像检测模型训练计算输出的训练结果与标准结果M0、M1或者M2之间的损失值大小,对应的更新调整图像检测模型的模型参数(例如模型权重),不断的调整图像检测模型根据各个样本照片图像的图像语义特征组合样本进行迭代循环训练,以输出预先标注的标准结果M0、M1或者M2的准确度,从而得到最终能够准确判定证件照片图像是否被复制,以及是基于翻拍或者复印操作进行复制的图像检测模型。
需要说明的是,本实施例中,基于对证件照片复制的检测需求,还可以使用标注工具,对预先选择的用于模型训练的样本照片图像进行像素级标注,以将样本照片图像标记为P0-证件以及P1-非证件,并将该标记P0-证件以及P1-非证件作为基于深度网络的图像检测模型在根据各个样本照片图像进行迭代循环训练以判断证件照片是为证件或者非证件对应的预测结果,从而在图像检测模型的迭代循环训练过程中,根据图像检测模型训练计算输出的训练结果与标准的预测结果P0、P1之间的损失值大小,对应的更新调整图像检测模型的模型参数(例如模型权重),从而不断的调整图像检测模型根据各个样本照片图像进行迭代循环训练。
进一步地,上述步骤S400,将所述语义特征组合输入预设图像检测模型,以判断所述证件照片是否被复制,包括:
步骤S401,将所述语义特征组合输入预设图像检测模型,以供所述预设图像检测模型根据所述图像语义特征组合计算输出计算结果;
在将证件照片图像的证件区域和非证件区域内各自小图像块对应像素位置处的图像语义特征,经过叠加组合得到的用户所上传证件照片证件区域和非证件区域的语义特征组合,输入到预先配置架构并已经训练好的图像检测模型中之后,图像检测模型基于深度网络(例如CNN网络)对语义特征组合进行图像语义解析,以识别提取出各个图像语义特征,然后图像检测模型根据基于深度网络解析提取出的各图像语义特征,检测计算并输出结算结果:M0、M1或者M2。
步骤S402,检测所述计算结果是否映射所述复制标注判断所述证件照片是否被复制。
进一步地,步骤S402,包括:
步骤S4021,当检测到所述计算结果未映射所述复制标注时,判定所述证件照片未被复制。
若检测到图像检测模型基于深度网络解析提取出的各图像语义特征,检测计算得出计算结果是M0,基于该M0预先标注映射的证件照片类型为正常证件,则判定当前证件照片未被复制。
步骤S4022,当检测到所述计算结果映射所述复制标注中的翻拍证件时,判定所述证件照片是被翻拍复制。
若检测到图像检测模型基于深度网络解析提取出的各图像语义特征,检测计算得出计算结果是M1,基于该M1预先标注映射的证件照片类型为翻拍证件,则判定当前证件照片是被复制的,且是基于翻拍操作复制得到的。
步骤S4023,当检测到所述计算结果映射所述复制标注中的复印证件时,判定所述证件照片是被复印复制。
若检测到图像检测模型基于深度网络解析提取出的各图像语义特征,检测计算得出计算结果是M2,基于该M1预先标注映射的证件照片类型为复印证件,则判定当前证件照片是被复制的,且是基于复印操作复制得到的。
本实施例中,通过深度网络架构配置对照片图像类别进行判断识别的检测模型,以自动学习正常证件、翻拍证件和复印证件相互之间的图像语义特征的差异,进而对用户上传提交的证件照片进行非复制和复制,以及复制类别判定,相比于传统人工设计提取特征进行检测的方式具有更强的实用性和准确性,提升了对证件照片进行检测验证的效率,满足了互联网银行等金融科技场景对于证件照片的验证需求。
此外,请参照图4,本发明实施例还提出一种证件照片复制的检测装置,本发明证件照片复制的检测装置,包括:
提取模块,用于将所述证件照片输入预设图像语义特征检测模型,以提取所述证件照片的图像语义特征;
采集模块,用于根据所述图像语义特征检测所述证件照片中证件的坐标位置,并基于所述坐标位置在所述证件照片的证件区域和非证件区域分别采集各个图像块;
组合模块,用于对采集到的各所述图像块各自对应位置的图像语义特征进行组合,得到所述证件照片的语义特征组合;
判断模块,用于将所述语义特征组合输入预设图像检测模型,以判断所述证件照片是否被复制。
优选地,采集模块,包括:
检测单元,用于检测所述图像语义特征中是否存在证件的图像语义特征;
读取单元,用于当检测到存在证件的图像语义特征时,在所述证件照片中读取证件的坐标位置。
优选地,采集模块,还包括:
划分单元,用于根据所述坐标位置,将所述证件照片的图像划分为证件区域和非证件区域;
采集单元,用于分别在所述证件区域和所述非证件区域,以图像像素为单位采集各个图像块。
优选地,组合模块,包括:
第一组合单元,用于从所述证件区域采集到的各图像块的对应位置提取各第一图像语义特征,并叠加组合各所述第一图像语义特征;
第二组合单元,用于从所述非证件区域采集到的各图像块的对应位置提取各第二图像语义特征,并叠加组合各所述第二图像语义特征;
第三组合单元,用于按照所述证件区域和所述非证件区域相交接边缘的像素位置,对叠加组合后的各第一图像特征和叠加组合后的各第二图像特征进行拼接组合。
优选地,本发明证件照片复制的检测装置,还包括:
训练模块,用于对各预设样本照片图像添加标注;
训练模块,还用于将各所述预设样本照片图像的非复制标注或者复制标注作为标准结果,并提取各所述预设样本照片图像各自的图像语义特征组合样本;
训练模块,还用于在所述预设图像检测模型的迭代训练过程中,根据各所述图像语义特征组合样本和所述标准结果,更新调整所述预设图像检测模型的模型参数,以得到所述预设图像检测模型。
优选地,判断模块,包括:
计算单元,用于将所述语义特征组合输入预设图像检测模型,以供所述预设图像检测模型根据所述图像语义特征组合计算输出计算结果;
判断单元,用于检测所述计算结果是否映射所述复制标注判断所述证件照片是否被复制。
优选地,判断单元,包括:
第一判断子单元,用于当检测到所述计算结果未映射所述复制标注时,判定所述证件照片未被复制;
第二判断子单元,用于当检测到所述计算结果映射所述复制标注中的翻拍证件时,判定所述证件照片是被翻拍复制;
第三判断子单元,用于当检测到所述计算结果映射所述复制标注中的复印证件时,判定所述证件照片是被复印复制。
此外,本发明实施例还提出一种计算机可读存储介质,应用于计算机,该计算机可读存储介质可以为非易失性计算机可读存储介质,该计算机可读存储介质上存储有证件照片复制的检测程序,所述证件照片复制的检测程序被处理器执行时实现如上所述的证件照片复制的检测方法的步骤。
其中,在所述处理器上运行的证件照片复制的检测程序被执行时所实现的步骤可参照本发明证件照片复制的检测方法的各个实施例,此处不再赘述。
需要说明的是,在本文中,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、物品或者系统不仅包括那些要素,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、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,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,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种证件照片复制的检测方法,其特征在于,所述证件照片复制的检测方法,包括:
将所述证件照片输入预设图像语义特征检测模型,以提取所述证件照片的图像语义特征;
根据所述图像语义特征检测所述证件照片中证件的坐标位置,并基于所述坐标位置在所述证件照片的证件区域和非证件区域分别采集各个图像块;
对各所述图像块各自对应位置的图像语义特征进行组合,得到所述证件照片的语义特征组合;
将所述语义特征组合输入预设图像检测模型,以判断所述证件照片是否被复制。
2.如权利要求1所述的证件照片复制的检测方法,其特征在于,所述根据所述图像语义特征检测证件照片中证件的坐标位置的步骤,包括:
检测所述图像语义特征中是否存在证件的图像语义特征;
当检测到存在证件的图像语义特征时,在所述证件照片中读取证件的坐标位置。
3.如权利要求1所述的证件照片复制的检测方法,其特征在于,所述基于所述坐标位置在所述证件照片的证件区域和非证件区域分别采集各个图像块的步骤,包括:
根据所述坐标位置,将所述证件照片的图像划分为证件区域和非证件区域;
分别在所述证件区域和所述非证件区域,以图像像素为单位采集各个图像块。
4.如权利要求1所述的证件照片复制的检测方法,其特征在于,所述对采集到的各所述图像块各自对应位置处的图像语义特征进行组合的步骤,包括:
从所述证件区域采集到的各图像块的对应位置提取各第一图像语义特征,并叠加组合各所述第一图像语义特征;
从所述非证件区域采集到的各图像块的对应位置提取各第二图像语义特征,并叠加组合各所述第二图像语义特征;
按照所述证件区域和所述非证件区域相交接边缘的像素位置,对叠加组合后的各第一图像特征和叠加组合后的各第二图像特征进行拼接组合。
5.如权利要求1所述的证件照片复制的检测方法,其特征在于,在所述将所述语义特征组合输入已经训练好的预设图像检测模型的步骤之前,还包括:
对各预设样本照片图像添加标注;
将各所述预设样本照片图像的非复制标注或者复制标注作为标准结果,并提取各所述预设样本照片图像各自的图像语义特征组合样本;
在所述预设图像检测模型的迭代训练过程中,根据各所述图像语义特征组合样本和所述标准结果,更新调整预设深度网络的模型参数,以得到所述预设图像检测模型。
6.如权利要求1所述的证件照片复制的检测方法,其特征在于,所述将所述语义特征组合输入预设图像检测模型,以判断所述证件照片是否被复制的步骤,包括:
将所述语义特征组合输入预设图像检测模型,以供所述预设图像检测模型根据所述图像语义特征组合计算输出计算结果;
检测所述计算结果是否映射所述复制标注判断所述证件照片是否被复制。
7.如权利要求6所述的证件照片复制的检测方法,其特征在于,所述复制标注至少包括:翻拍证件和复印证件;
所述检测所述计算结果是否映射所述复制标注判断所述证件照片是否被复制的步骤,包括:
当检测到所述计算结果未映射所述复制标注时,判定所述证件照片未被复制;
当检测到所述计算结果映射所述复制标注中的翻拍证件时,判定所述证件照片是被翻拍复制;
当检测到所述计算结果映射所述复制标注中的复印证件时,判定所述证件照片是被复印复制。
8.一种证件照片复制的检测装置,其特征在于,所述证件照片复制的检测装置,包括:
提取模块,用于将所述证件照片输入预设图像语义特征检测模型,以提取所述证件照片的图像语义特征;
采集模块,用于根据所述图像语义特征检测所述证件照片中证件的坐标位置,并基于所述坐标位置在所述证件照片的证件区域和非证件区域分别采集各个图像块;
组合模块,用于对采集到的各所述图像块各自对应位置的图像语义特征进行组合,得到所述证件照片的语义特征组合;
判断模块,用于将所述语义特征组合输入预设图像检测模型,以判断所述证件照片是否被复制。
9.一种终端设备,其特征在于,所述终端设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的证件照片复制的检测程序,所述证件照片复制的检测程序被所述处理器执行时实现如权利要求1至7中任一项所述的证件照片复制的检测方法的步骤。
10.一种存储介质,其特征在于,所述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权利要求1至7中任一项所述的证件照片复制的检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911166331.1A CN111127398B (zh) | 2019-11-25 | 2019-11-25 | 证件照片复制的检测方法、装置、终端设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911166331.1A CN111127398B (zh) | 2019-11-25 | 2019-11-25 | 证件照片复制的检测方法、装置、终端设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111127398A true CN111127398A (zh) | 2020-05-08 |
CN111127398B CN111127398B (zh) | 2023-09-26 |
Family
ID=70496621
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911166331.1A Active CN111127398B (zh) | 2019-11-25 | 2019-11-25 | 证件照片复制的检测方法、装置、终端设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111127398B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112927221A (zh) * | 2020-12-09 | 2021-06-08 | 广州市玄武无线科技股份有限公司 | 一种基于图像细粒度特征翻拍检测方法及系统 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104834757A (zh) * | 2015-06-05 | 2015-08-12 | 昆山国显光电有限公司 | 图像语义检索方法及其系统 |
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 |
CN106991451A (zh) * | 2017-04-14 | 2017-07-28 | 武汉神目信息技术有限公司 | 一种证件图片的识别系统及方法 |
CN107133951A (zh) * | 2017-05-22 | 2017-09-05 | 中国科学院自动化研究所 | 图像篡改检测方法及装置 |
CN107644209A (zh) * | 2017-09-21 | 2018-01-30 | 百度在线网络技术(北京)有限公司 | 人脸检测方法和装置 |
CN108229499A (zh) * | 2017-10-30 | 2018-06-29 | 北京市商汤科技开发有限公司 | 证件识别方法及装置、电子设备和存储介质 |
CN109523557A (zh) * | 2018-10-11 | 2019-03-26 | 郑昕匀 | 一种图像语义分割标注方法、装置及存储介质 |
US20190180086A1 (en) * | 2017-06-30 | 2019-06-13 | Beijing Didi Infinity Technology And Development Co. Ltd. | Systems and methods for verifying authenticity of id photo |
CN110046644A (zh) * | 2019-02-26 | 2019-07-23 | 阿里巴巴集团控股有限公司 | 一种证件防伪的方法及装置、计算设备和存储介质 |
CN110188765A (zh) * | 2019-06-05 | 2019-08-30 | 京东方科技集团股份有限公司 | 图像语义分割模型生成方法、装置、设备及存储介质 |
CN110232322A (zh) * | 2019-05-13 | 2019-09-13 | 平安科技(深圳)有限公司 | 身份证的验证方法、装置、计算机设备和存储介质 |
CN110335277A (zh) * | 2019-05-07 | 2019-10-15 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、计算机可读存储介质和计算机设备 |
CN110348511A (zh) * | 2019-07-08 | 2019-10-18 | 创新奇智(青岛)科技有限公司 | 一种图片翻拍检测方法、系统及电子设备 |
-
2019
- 2019-11-25 CN CN201911166331.1A patent/CN111127398B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104834757A (zh) * | 2015-06-05 | 2015-08-12 | 昆山国显光电有限公司 | 图像语义检索方法及其系统 |
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 |
CN106991451A (zh) * | 2017-04-14 | 2017-07-28 | 武汉神目信息技术有限公司 | 一种证件图片的识别系统及方法 |
CN107133951A (zh) * | 2017-05-22 | 2017-09-05 | 中国科学院自动化研究所 | 图像篡改检测方法及装置 |
US20190180086A1 (en) * | 2017-06-30 | 2019-06-13 | Beijing Didi Infinity Technology And Development Co. Ltd. | Systems and methods for verifying authenticity of id photo |
CN107644209A (zh) * | 2017-09-21 | 2018-01-30 | 百度在线网络技术(北京)有限公司 | 人脸检测方法和装置 |
CN108229499A (zh) * | 2017-10-30 | 2018-06-29 | 北京市商汤科技开发有限公司 | 证件识别方法及装置、电子设备和存储介质 |
CN109523557A (zh) * | 2018-10-11 | 2019-03-26 | 郑昕匀 | 一种图像语义分割标注方法、装置及存储介质 |
CN110046644A (zh) * | 2019-02-26 | 2019-07-23 | 阿里巴巴集团控股有限公司 | 一种证件防伪的方法及装置、计算设备和存储介质 |
CN110335277A (zh) * | 2019-05-07 | 2019-10-15 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、计算机可读存储介质和计算机设备 |
CN110232322A (zh) * | 2019-05-13 | 2019-09-13 | 平安科技(深圳)有限公司 | 身份证的验证方法、装置、计算机设备和存储介质 |
CN110188765A (zh) * | 2019-06-05 | 2019-08-30 | 京东方科技集团股份有限公司 | 图像语义分割模型生成方法、装置、设备及存储介质 |
CN110348511A (zh) * | 2019-07-08 | 2019-10-18 | 创新奇智(青岛)科技有限公司 | 一种图片翻拍检测方法、系统及电子设备 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112927221A (zh) * | 2020-12-09 | 2021-06-08 | 广州市玄武无线科技股份有限公司 | 一种基于图像细粒度特征翻拍检测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111127398B (zh) | 2023-09-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102138082B1 (ko) | 다수의 이미지 일치성을 바탕으로 보험클레임 사기 방지를 실현하는 방법, 시스템, 기기 및 판독 가능 저장매체 | |
US11790499B2 (en) | Certificate image extraction method and terminal device | |
CN111553251B (zh) | 证件四角残缺检测方法、装置、设备及存储介质 | |
CN108648189B (zh) | 图像模糊检测方法、装置、计算设备及可读存储介质 | |
CN112396055B (zh) | 文本提取方法、装置、电子设备及存储介质 | |
CN111415336B (zh) | 一种图像篡改识别方法、装置、服务器及存储介质 | |
CN111898520A (zh) | 证件真伪识别方法、装置、计算机可读介质及电子设备 | |
CN113642639B (zh) | 活体检测方法、装置、设备和存储介质 | |
CN112650875A (zh) | 房产图片验证方法、装置、计算机设备及存储介质 | |
CN113673500A (zh) | 证件图像识别方法、装置、电子设备及存储介质 | |
CN113486785A (zh) | 基于深度学习的视频换脸方法、装置、设备及存储介质 | |
CN114550051A (zh) | 一种车损检测方法、装置、计算机设备及存储介质 | |
CN111127398B (zh) | 证件照片复制的检测方法、装置、终端设备及存储介质 | |
JP2007293399A (ja) | 画像交換装置および画像交換方法ならびに画像交換処理プログラム | |
CN111898544B (zh) | 文字图像匹配方法、装置和设备及计算机存储介质 | |
CN113591603A (zh) | 证件的验证方法、装置、电子设备及存储介质 | |
CN113239339A (zh) | 证件拍摄方法、装置、计算机设备及存储介质 | |
US10116830B2 (en) | Document data processing including image-based tokenization | |
CN111368709A (zh) | 图片文本的识别方法、装置、设备及可读存储介质 | |
CN110929725B (zh) | 证件分类方法、装置及计算机可读存储介质 | |
WO2021073576A1 (zh) | 一种智能验车的方法及系统、计算机设备与存储介质 | |
CN112434547B (zh) | 一种用户身份稽核方法和设备 | |
CN113837170A (zh) | 车辆保险理赔申请的自动审核处理方法、装置及设备 | |
US20200104588A1 (en) | Character authenticity determination | |
CN117373030B (zh) | 一种基于ocr的用户材料识别方法、系统、装置及介质 |
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 |