CN111275105B - 一种证件验证方法、装置及电子设备 - Google Patents

一种证件验证方法、装置及电子设备 Download PDF

Info

Publication number
CN111275105B
CN111275105B CN202010062475.9A CN202010062475A CN111275105B CN 111275105 B CN111275105 B CN 111275105B CN 202010062475 A CN202010062475 A CN 202010062475A CN 111275105 B CN111275105 B CN 111275105B
Authority
CN
China
Prior art keywords
certificate
verified
images
counterfeiting
document
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
CN202010062475.9A
Other languages
English (en)
Other versions
CN111275105A (zh
Inventor
陈志军
徐崴
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.)
Alipay Labs Singapore Pte Ltd
Original Assignee
Alipay Labs Singapore Pte 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 Alipay Labs Singapore Pte Ltd filed Critical Alipay Labs Singapore Pte Ltd
Priority to CN202311252236.XA priority Critical patent/CN117237974A/zh
Priority to CN202010062475.9A priority patent/CN111275105B/zh
Publication of CN111275105A publication Critical patent/CN111275105A/zh
Application granted granted Critical
Publication of CN111275105B publication Critical patent/CN111275105B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/22Matching criteria, e.g. proximity measures

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本说明书实施例公开一种证件验证方法、装置及电子设备。其中,在进行证件验证时,通过具有防伪标识的待验证证件在至少两种证件姿态下的至少两幅证件图像;再将各证件图像中包含的防伪标识进行相应特征比较,得到至少两幅证件图像之间的差异性验证结果;最后,基于差异性验证结果确定待验证证件的真伪性。

Description

一种证件验证方法、装置及电子设备
技术领域
本说明书涉及计算机技术领域,尤其涉及一种证件验证方法、装置及电子设备。
背景技术
互联网时代,许多事情越来越便利,如用户只需在用户终端上进行操作即可办理所需业务。但是,由于部分业务被要求很高的安全等级,需要对用户填写的信息以及提供的证明文件的真实性、完整性、合规性等进行审查,以避免被不法分子所乘。其中,一般会要求用户提供身份证件等作为证明文件,但由于存在太多证件伪造、翻拍等情况,导致审查结果可靠性差。
发明内容
本说明书的目的在于提供一种证件验证方法、装置及电子设备,能够有效利用防伪标识的特性,提供证件验证、审查结果的可靠性。
第一方面,本说明书实施例提供一种证件验证方法,包括:
获取具有防伪标识的待验证证件在至少两种证件姿态下的至少两幅证件图像;
将各所述证件图像中包含的防伪标识进行特征比较,得到所述至少两幅证件图像之间的差异性验证结果;
基于所述差异性验证结果确定所述待验证证件的真伪性。
第二方面,本说明书实施例还提供一种证件验证装置,包括:
图像获取模块,获取具有防伪标识的待验证证件在至少两种证件姿态下的至少两幅证件图像;
特征比较模块,将各所述证件图像中包含的防伪标识进行相应特征比较,得到所述至少两幅证件图像之间的差异性验证结果;
真伪确定模块,基于所述差异性验证结果确定所述待验证证件的真伪性。
第三方面,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用所述处理器执行以下操作:
获取具有防伪标识的待验证证件在至少两种证件姿态下的至少两幅证件图像;
将各所述证件图像中包含的防伪标识进行特征比较,得到所述至少两幅证件图像之间的差异性验证结果;
基于所述差异性验证结果确定所述待验证证件的真伪性。
第四方面,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,使得电子设备执行以下操作:
获取具有防伪标识的待验证证件在至少两种证件姿态下的至少两幅证件图像;
将各所述证件图像中包含的防伪标识进行特征比较,得到所述至少两幅证件图像之间的差异性验证结果;
基于所述差异性验证结果确定所述待验证证件的真伪性。
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有益效果:
利用待验证证件上的防伪标识的颜色、图案、亮度等随着证件晃动会发生变化的特性,对证件的真伪性进行验证,能够进一步提高证件验证结果或审查结果的可靠性。
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为本说明书一个或多个实施例给出的应用场景示意图。
图2为本说明书一个或多个实施例给出的证件验证方法的流程示意图。
图3为本说明书一个或多个实施例给出的S10的子流程示意图。
图4为本说明书一个或多个实施例给出的S10的另一子流程示意图。
图5为本说明书一个或多个实施例给出的S10的又一子流程示意图。
图6为本说明书一个或多个实施例给出的S20的子流程示意图。
图7为本说明书一个或多个实施例给出的S20的另一子流程示意图。
图8为本说明书一个或多个实施例给出的S20的又一子流程示意图。
图9为本说明书一个或多个实施例给出的证件验证结果的对比图。
图10为本说明书一个或多个实施例给出的电子设备的结构示意图。
图11为本说明书一个或多个实施例给出的证件验证装置的结构示意图。
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,都属于本说明书保护的范围。
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。
如图1所示,该图1示出了本说明书实施例的一种示例性应用场景,在该场景中,用户在办理相关业务时,可以通过用户终端中的应用程序(Application,APP)填写相关信息(如姓名、性别、证件号码等),并在相关信息满足预设条件时,对如身份证、护照、驾驶证等具有防伪标识的待验证证件的证件图像进行采集,并将采集结果上传至业务授权系统,以对采集到的证件图像进行真伪验证,并基于真伪验证结果响应用户办理的业务。前述的相关业务可以是各种在线办理的业务,比如,远程开户等。
此外,本说明书实施例的另一种示例性应用场景可以为:
用户向授权系统的前端设备展示如身份证、护照、驾驶证等具有防伪标识的待验证证件,由该前端设备对待验证证件的证件图像进行采集;然后,前端设备将采集到的证件图像上传至授权系统中的服务器,由服务器进行验证,并向前端设备返回验证结果,由前端设备基于验证结果确定是否授权用户。
其中,前述过程可以发生在用户安检、登录需授权的业务平台等过程中。另外,办理业务的用户与待验证证件对应的用户是否需要一致具体视业务办理方的规定而定,本实施例在此不做限制。
需要说明的是,本说明书实施例的应用场景可以是,但不限于上述两种,实际实施时,只要在技术上能够应用到本说明书提供的方案的应用场景均可使用。
下面结合附图,对本说明书各实施例提供的技术方案进行说明。
图2为本说明书实施例提供的证件验证方法的流程示意图,该证件验证方法可由电子设备(如用户终端或授权系统中的前端设备)执行,具体可以由电子设备中的硬件或/和软件执行。可选地,电子设备可以是,但不限于手机、IPAD、电脑等。参见图2,该证件验证方法可以包括如下步骤。
S10,获取具有防伪标识的待验证证件在至少两种证件姿态下的至少两幅证件图像。
可选地,在一些实施例中,待验证证件可以为身份证、临时身份证、学历证、驾照、护照、军官证等具有防伪标识的证件。防伪标识可以包括激光全息图像标签、透明PVC防伪标签、光学变色防伪标签中的至少一种。应注意的是,防伪标识需具有在不同姿态下颜色、图案、亮度等标识特征发生变化的特性。
另外,为了确保后续证件验证结果的准确性,本说明书实施例中的证件图像可以包括待验证证件的反面照、正面照,以及所述待验证证件在除反面照姿态、正面照姿态以外的其他预设姿态(如倾斜30度、倾斜60度等)下的图像。另外,关于证件图像的数量可根据实际需求进行设定,本实施例对此不做限制。
进一步,前述的获取不同姿态下的证件图像的方式可以有多种,例如,作为一种可选地实现方式,S10中获取证件图像的过程可通过图3所示的S1001和S1003实现。
S1001,基于预设图像获取规则输出至少两种持证姿态提示信息。
S1003,采集用户基于至少两种持证姿态提示信息调整后的至少两幅证件图像。
示例性地,在前述S1001至S1003中,持证姿态提示信息是用于指引用户调整所持的待验证证件的证件姿态。例如,当持证姿态提示信息为“将证件的一面对准电子设备的摄像头,再缓慢晃动证件,直到证件的另一面对准电子设备的摄像头停止转动”,那么,用户可根据该持证姿态提示信息转动证件,以使得电子设备可通过摄像头等图像采集设备采集证件晃动过程中的至少两幅证件图像。
又例如,作为另一种可选地实现方式,S10中获取证件图像的过程还可通过图4中所示的S1005和S1007实现。
S1005,获取处于晃动状态下的待验证证件的证件视频。
S1007,从证件视频中提取至少两副证件图像,其中,不同的证件图像分别对应不同的证件姿态。
示例性地,在前述S1005至S1007中,可通过用户手动晃动待验证证件使得该待验证证件处于晃动状态,也可以将待验证证件放置于一旋转平台等位置处,通过旋转平台的转动使得待验证证件处理晃动状态等,最后通过电子设备上的摄像头等采集处于晃动状态下的待验证证件的证件视频,最后从采集到的证件视频中提取处于不同证件姿态下的至少两帧图像,作为证件图像进行证件真伪的验证。
又例如,S10中获取证件图像的过程还可通过图5中所示的S1009至S10015实现。
S1009,获取具有防伪标识的待验证证件在至少两种证件姿态下的至少两幅初始证件图像。
S10011,如果至少两幅初始证件图像中的目标初始证件图像不符合证件验证要求,则获取目标初始证件图像对应的目标图像姿态。应注意,目标图像姿态的确定可以是根据不符合验证需求的证件图像对应的证件姿态确定,也可以是随机指定的证件姿态等。
S10013,基于目标图像姿态输出目标姿态提示信息,目标姿态提示信息用于指引用户调整所述待验证证件的证件姿态为所述目标图像姿态。
S10015,获取待验证证件在目标图像姿态下的目标证件图像并替换掉至少两幅初始证件图像中的目标初始证件图像。
可选地,在一些实施方式中,前述S1009至S10015给出的方法中,可以通过验证证件图像所表征的证件姿态、证件图像的清晰度、证件图像的分辨率等来验证证件图像是否符合证件验证要求,具体可根据需求进行设定。
前述S1009至S10015给出的证件图像过程中,通过对获取的初始证件图像的图像性能(如图像中包含的证件姿态、图像清晰度等)进行验证来判断获取的证件图像是否符合证件验证要求,有效确保了用于证件真伪验证的图像的可靠性,进而提高了证件验证结果的可靠性。
需要说明的是,前述S1001至S1003、S1005至S1007或S1009至S10015中获取的证件图像可以为,但不限于现场采集的图像,此处的“现场”是指需要通过待验证证件进行身份验证的现场,如开户现场、安检现场等。此外,在进行证件图像获取时,可以是用户自主打开预设在电子设备上的拍摄界面以进行证件图像的获取;也可以电子设备在响应到用户的身份验证操作时,开启拍摄界面以进行证件图像的获取,本实施例对此不做限制。
S20,将各证件图像中包含的防伪标识进行特征比较,得到至少两幅证件图像之间的差异性验证结果。
首先需要说明的是,S20中在进行差异性验证时,是利用身份证、护照、驾驶证等证件上的防伪标识在晃动过程中(不同姿态下)会出现颜色、图案、亮度等变化的特性,来进行证件真伪验证。例如,如果待验证证件为真证件,那么,不同姿态下的证件图像的防伪标识的相应特征之间会存在颜色、图案或亮度等特征上的差异,反之亦然。
实际实施过程中,在进行相应特征比较时,根据不同业务所需安全等级的不同,可选择性的设置需要进行比对的特征类型以及特征比较方式。例如,对于安全等级要求较高的业务而言,如远程开户,需要同时对待验证证件的正面图像、反面图像中包括的防伪标识的颜色、亮度、图案等多个特征进行比较,进而综合多个比较结果(如置信度、相似度等)来执行后续的证件真伪判定。
但对于安全等级要求不高的业务而言,可以适当满足验证条件,如,仅对待验证证件的正面图像、反面图像中包括的防伪标识的颜色特征进行比较,再根据比较结果(如置信度、相似度等)来执行后续的证件真伪判定,本实施例对此不做限制。
进一步,根据需求的不同,前述的获取至少两幅证件图像之间的差异性验证结果的方式有所不同,下面进行示例性说明。
示例1,作为一种可选地实现方式,假设比较结果是通过置信度来表征,那么,S20中所述的验证过程可通过图6所示的S2001和S2003实现。
S2001,按照通道数对至少两幅证件图像进行叠加,得到目标图像。
例如,假设获取的证件图像为RGB图像,且一幅RGB图像的像素为h*w*3,那么,对n幅证件图像进行通道数叠加得到的目标图像可以为h*w*3*n。
S2003,将目标图像输入训练得到的证件防伪模型中,计算得到待验证证件的置信度,将置信度作为差异性验证结果。
其中,证件防伪模型是基于多个具有防伪标识的真证件图像对机器学习模型进行训练得到。应注意的是,考虑到假证在晃动过程中,其上的防伪标识的亮度、图案等是不会发生变化的,因此,本说明书实施例利用多张不同姿态下的真证件图像对机器学习模型进行训练,是为了使得机器学习模型能够学习,并关注到证件晃动过程中的防伪标识的变化特性(如颜色、图案、亮度等),进而可利用学习有真证件特性的证件防伪标识进行证件真伪的验证。
可选地,前述的机器学习模型可以是CNN卷积神经网络等。其中,卷积神经网络中一般可包括成千上万个迭代参数,但是仅有一部分参数会对验证结果产生影响,因此,在模型训练阶段,可先找出这一部分对验证结果产生影响的迭代参数,进行参数调节和训练,从而提高模型训练效率以及模型输出结果的准确性。
示例2,作为另一种可能的实现方式,假设比较结果是通过获取的各证件图像上的防伪标识(如防伪标识的颜色、亮度、图案等)之间的相似度来表征,那么,S20中所述的验证过程可通过图7所示的S2005和S2007实现。
S2005,分别提取各证件图像中的防伪标识的标识特征。
S2007,计算各标识特征之间的相似度,将相似度作为差异性验证结果。
其中,在S2005和S2007,标识特征可以是,但不限于防伪标识的颜色特征、图案特征、亮度特征等。例如,可基于预先训练得到的基于相似度的多帧防伪模型,获取不同姿态下的各证件图像中的标识特征,再计算得到各标识特征之间的相似度,最后通过比对相似度的变化来验证不同姿态下的各证件图像之间是否存在差异性。
示例3,作为另一种可能的实现方式,假设比较结果是通过获取的某一证件姿态下的证件图像上的防伪标识与预设的对应证件姿态下的防伪标识(如防伪标识的颜色、亮度、图案等)之间的相似度来表征,那么,S20中所述的验证过程可通过图8中所示的S2009和S20013实现。
S2009,分别检测各证件图像的证件姿态角,以及分别提取各所述证件图像中的防伪标识的标识特征;其中,证件姿态角是指获取该证件图像时的待验证证件的证件姿态。
S20011,基于证件姿态角,获取与各标识特征对应的预设特征得到多个特征对;
S20013,分别计算各特征对中的标识特征与预设特征之间的相似度,将相似度作为差异性验证结果。
应注意,与前述S2005至S2007中给出的验证过程不同的是,前述S2005至S2007中是将获取的不同证件姿态角下的证件图像中的防伪标识的标识特征进行相似度计算;而在S2009和S20013中给出的验证过程中,是通过计算预先保存的真证件在一定证件姿态角下的防伪标识中的标识特征,与获取到的待验证证件在对应证件姿态角下的标识特征之间的相似度。
例如,在S2009至S20013中,假设电子设备中预先设置有当证件姿态角为30度时,证件图像中的防伪标识的标识亮度为B,那么,如果获取到的证件图像对应的证件姿态角为30度,可以将提取到的证件图像中的标识亮度与预设的标识亮度B进行相似度计算,进而将该相似度作为差异性验证结果。
应注意的是,在实际的业务办理过程中,在基于证件图像中的防伪标识进行差异性的验证时,除了前述的基于证件图像中的防伪标识的变化特性进行真伪验证之外,在一些实施方式中,为了进一步确保验证结果的可靠性,还可综合验证证件图像中包括的证件号码、证件头像、用户姓名、证件有效期等,以及持证用户的生物特征等,例如,人脸特征、虹膜特征等,本实施例对此不做限制。
S30,基于差异性验证结果确定待验证证件的真伪性。
示例性地,根据S20中采用的差异性验证方式的不同,S30的实现方式有所差别。例如,如果是基于S2001至S2003进行差异性验证,那么S30的实现过程可以包括:在置信度大于第一预设阈值时,判定待验证证件为真证件;在置信度不大于第一预设阈值时,判定待验证证件为假证件。其中,置信度代表了基于获取的各证件图像验证得到的待验证证件的可信度,置信度越高,代表了待验证证件为真证件的可能性越大。
又例如,如果是基于S2005至S2007或S2009至S20013进行差异性验证,那么S30的实现过程可以包括:在相似度小于第二预设阈值,或大于第三预设阈值时,判定待验证证件为真证件;在相似度不小于第二预设阈值,或不大于第三预设阈值时,判定待验证证件为假证件。
其中,关于前述第一预设阈值、第二预设阈值以及第三预设阈值的大小,可根据需求进行设定,本实施例在此不做限制。
需要注意的是,在基于置信度、相似度等进行证件真伪判定时,可以基于一次差异性验证结果判定证件的真伪,也可以是基于多次差异性验证结果判定证件的真伪,(如进行了5次差异性验证,其中,三次为真,两次为假,那么,由于“真”的概率大于“假”的概率,因此,综合判定待验证证件为真)。还可以仅仅基于置信度或相似度进行真伪判定,也可以同时进行置信度和相似度进行真伪的判定等,本实施例对此不做限制。
示例性地,请结合参阅图9所示,图9中的左半部分为真证件在晃动过程中,对不同证件姿态下的证件图像进行相似度计算、比对得到的曲线图;图9中的右半部分为假证件在晃动过程中,进对不同证件姿态下的证件图像进行相似度计算、比对得到的曲线图。
对比图9中的两个曲线可以看出:假证件在晃动过程中,不同姿态下的证件图像中包含的防伪标识的亮度、图案等基本无变化,导致相似度基本一致,即不同姿态下的证件图像中包含的防伪标识不具有明显的差异。而真证件在晃动过程中,不同姿态下的证件图像中包含的防伪标识的相似度相差较大,即不同姿态下的证件图像中包含的防伪标识具有明显的差异。
从本实施例给出的证件验证方法中可以看出,本说明书至少具有以下技术效果:
利用待验证证件上的防伪标识的颜色、图案、亮度等随着证件晃动会发生变化的特性,实现证件真伪性的验证,能够进一步提高证件验证、审查结果的可靠性。
需要说明的是,前述实施例中所提供方法的各步骤的执行主体均可以是同一设备,或者,该方法也由不同设备作为执行主体。比如,S10和S20的执行主体可以为设备1,步骤30的执行主体可以为设备2;又比如,S10的执行主体可以为设备1,S20和S30的执行主体可以为设备2;等等。
另外,对于上述方法实施方式,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本说明书实施方式并不受所描述的动作顺序的限制。因为依据本说明书实施方式,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施方式均属于优选实施方式,所涉及的动作并不是本说明书实施方式所必须的。且,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。
以上结合图2至图9详细描述了本说明书实施例给出的证件验证的方法。下面将结合图10详细描述本说明书实施例的电子设备,参照图10,在硬件层面,该电子设备可包括处理器,可选地,还包括内部总线、网络接口、存储器。其中,存储器可能包含内存,例如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个磁盘存储器等。当然,该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接,该内部总线可以是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。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10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,存放程序。具体地,程序可以包括程序代码,程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器,并向处理器提供指令和数据。
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,在逻辑层面上形成证件验证装置100。处理器,执行存储器所存放的程序,并具体执行以下操作:
获取具有防伪标识的待验证证件在至少两种证件姿态下的至少两幅证件图像;
将各证件图像中包含的防伪标识进行相应特征比较,以验证至少两幅证件图像之间是否存在差异性;
基于差异性验证结果确定待验证证件的真伪性。
上述如本说明书图10所示实施例揭示的证件验证装置100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 SignalProcessor,DSP)、专用集成电路(Application Specific Integrated 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中,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。
该电子设备还可执行图2的方法,并实现证件验证装置100在图2所示实施例的功能,本说明书实施例在此不再赘述。
当然,除了软件实现方式之外,本说明书的电子设备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子模块,也可以是硬件或逻辑器件。
本说明书实施例还提出了一种计算机可读存储介质,该计算机可读存储介质存储一个或多个程序,该一个或多个程序包括指令,该指令当被包括多个应用程序的电子设备执行时,能够使该电子设备执行图2所示实施例的方法,并具体执行以下方法:
获取具有防伪标识的待验证证件在至少两种证件姿态下的至少两幅证件图像;
将各证件图像中包含的防伪标识进行特征比较,得到至少两幅证件图像之间的差异性验证结果;
基于差异性验证结果确定待验证证件的真伪性。
图11所示,为本说明书实施例提供的证件验证装置100的结构示意图。参见图11,证件验证装置100包括图像获取模块110、特征比较模块120和真伪确定模块130。其中:
图像获取模块110,获取具有防伪标识的待验证证件在至少两种证件姿态下的至少两幅证件图像;其中,证件图像包括待验证证件的反面照、正面照,以及所述待验证证件在除反面照姿态、正面照姿态以外的其他预设姿态下的图像。待验证证件中的防伪标识包括激光全息图像标签、透明PVC防伪标签、光学变色防伪标签中的至少一种。
示例性地,作为一种可能地实现方式,图像获取模块110可以包括:
提示信息输出子模块,基于预设图像获取规则输出至少两种持证姿态提示信息,该持证姿态提示信息指引用户调整所持的待验证证件的证件姿态;
图像采集子模块,采集用户基于所述至少两种持证姿态提示信息调整后的至少两幅证件图像。
作为另一种可能地实现方式,图像获取模块110也可以包括:
视频获取子模块,获取处于晃动状态下的待验证证件的证件视频;
图像提取子模块,从所述证件视频中提取至少两副证件图像,其中,不同的证件图像分别对应不同的证件姿态。
作为又一种可能地实现方式,图像获取模块110也可以包括:
初始图像获取子模块,获取具有防伪标识的待验证证件在至少两种证件姿态下的至少两幅初始证件图像;
图像验证子模块,如果至少两幅初始证件图像中的目标初始证件图像不符合证件验证要求,则获取目标初始证件图像对应的目标图像姿态;
目标信息输出子模块,基于目标图像姿态输出目标姿态提示信息,目标姿态提示信息用于指引用户调整待验证证件的证件姿态为目标图像姿态;
图像替换子模块,获取待验证证件在目标图像姿态下的目标证件图像并替换掉至少两幅初始证件图像中的目标初始证件图像。
特征比较模块120,将各证件图像中包含的防伪标识进行特征比较,得到至少两幅证件图像之间的差异性验证结果。
真伪确定模块130,基于差异性验证结果确定待验证证件的真伪性。
示例性地,作为一种可能地实现方式,特征比较模块120可以包括:
通道叠加子模块,对至少两幅证件图像进行通道数叠加,得到目标图像;
置信度计算子模块,将目标图像输入训练得到的证件防伪模型中,计算得到待验证证件的置信度,将置信度作为差异性验证结果;其中,证件防伪模型是基于多个具有防伪标识的真证件图像对机器学习模型进行训练得到;
真伪确定模块130还在置信度大于第一预设阈值时,判定待验证证件为真证件;以及在置信度不大于第一预设阈值时,判定待验证证件为假证件。
作为另一种可能地实现方式,特征比较模块120还可以包括:
特征提取子模块,分别提取各证件图像中的防伪标识的标识特征;其中,标识特征包括防伪标识的颜色特征、亮度特征以及图案特征中的至少一种。
相似度计算子模块,计算各标识特征之间的相似度,将所述相似度作为差异性验证结果;
真伪确定模块130还在相似度小于第二预设阈值时,判定待验证证件为真证件;以及在相似度不小于第二预设阈值时,判定待验证证件为假证件。
作为另一种可能地实现方式,特征比较模块120也可以包括:
姿态角检测子模块,分别检测各所述证件图像的证件姿态角,以及分别提取各所述证件图像中的防伪标识的标识特征,其中,所述证件姿态角是指获取该证件图像时的待验证证件的证件姿态;
特征对确定模块基于所述证件姿态角,获取与各所述标识特征对应的预设特征,得到多个特征对;
第二相似度计算子模块,分别计算各所述特征对中的标识特征与预设特征之间的相似度,将所述相似度作为差异性验证结果。
真伪确定模块130还在相似度大于第三预设阈值时,判定待验证证件为真证件;在相似度不大于第三预设阈值时,判定待验证证件为假证件。
总之,以上仅为本说明书的较佳实施例而已,并非用于限定本说明书的保护范围。凡在本说明书的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本说明书的保护范围之内。
上述实施例阐明的电子设备、装置、模块或子模块,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
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。

Claims (12)

1.一种证件验证方法,包括:
获取具有防伪标识的待验证证件在至少两种证件姿态下的至少两幅证件图像;
将各所述证件图像中包含的防伪标识进行特征比较,得到所述至少两幅证件图像之间的差异性验证结果;
基于所述差异性验证结果确定所述待验证证件的真伪性;
其中,所述将各所述证件图像中包含的防伪标识进行特征比较,得到所述至少两幅证件图像之间的差异性验证结果的步骤,包括:
按照通道数对所述至少两幅证件图像进行叠加,得到目标图像;
将所述目标图像输入训练得到的证件防伪模型中,计算得到所述待验证证件的置信度,将所述置信度作为差异性验证结果;其中,所述证件防伪模型是基于多个具有防伪标识的真证件图像对机器学习模型进行训练得到;
所述基于所述差异性验证结果确定所述待验证证件的真伪性的步骤,包括:
在所述置信度大于第一预设阈值时,判定所述待验证证件为真证件;
在所述置信度不大于所述第一预设阈值时,判定所述待验证证件为假证件。
2.根据权利要求1所述的证件验证方法,所述获取具有防伪标识的待验证证件在至少两种证件姿态下的至少两幅证件图像的步骤,包括:
基于预设图像获取规则输出至少两种持证姿态提示信息,所述持证姿态提示信息用于指引用户调整所持的所述待验证证件的证件姿态;
采集用户基于所述至少两种持证姿态提示信息调整后的至少两幅证件图像。
3.根据权利要求1所述的证件验证方法,所述获取具有防伪标识的待验证证件在至少两种证件姿态下的至少两幅证件图像的步骤,包括:
获取处于晃动状态下的待验证证件的证件视频;
从所述证件视频中提取至少两副证件图像,其中,不同的证件图像分别对应不同的证件姿态。
4.根据权利要求1所述的证件验证方法,所述获取具有防伪标识的待验证证件在至少两种证件姿态下的至少两幅证件图像的步骤,还包括:
获取具有防伪标识的待验证证件在至少两种证件姿态下的至少两幅初始证件图像;
如果至少两幅初始证件图像中的目标初始证件图像不符合证件验证要求,则获取所述目标初始证件图像对应的目标图像姿态;
基于所述目标图像姿态输出目标姿态提示信息,所述目标姿态提示信息用于指引用户调整所述待验证证件的证件姿态为所述目标图像姿态;
获取所述待验证证件在目标图像姿态下的目标证件图像并替换掉所述至少两幅初始证件图像中的所述目标初始证件图像。
5.根据权利要求1所述的证件验证方法,所述将各所述证件图像中包含的防伪标识进行特征比较,得到所述至少两幅证件图像之间的差异性验证结果的步骤,包括:
分别提取各所述证件图像中的防伪标识的标识特征;
计算各所述标识特征之间的相似度,将所述相似度作为差异性验证结果;
所述基于所述差异性验证结果确定所述待验证证件的真伪性的步骤,包括:
在所述相似度小于第二预设阈值时,判定所述待验证证件为真证件;
在所述相似度不小于第二预设阈值时,判定所述待验证证件为假证件。
6.根据权利要求1所述的证件验证方法,所述将各所述证件图像中包含的防伪标识进行特征比较,得到所述至少两幅证件图像之间的差异性验证结果的步骤,包括:
分别检测各所述证件图像的证件姿态角,以及分别提取各所述证件图像中的防伪标识的标识特征;其中,所述证件姿态角是指获取该证件图像时的待验证证件的证件姿态;
基于所述证件姿态角,获取与各所述标识特征对应的预设特征得到多个特征对;
分别计算各所述特征对中的标识特征与预设特征之间的相似度,将所述相似度作为差异性验证结果;
所述基于所述差异性验证结果确定所述待验证证件的真伪性的步骤,包括:
在所述相似度大于第三预设阈值时,判定所述待验证证件为真证件;
在所述相似度不大于第三预设阈值时,判定所述待验证证件为假证件。
7.根据权利要求5或6所述的证件验证方法,所述标识特征包括防伪标识的颜色特征、亮度特征以及图案特征中的至少一种。
8.根据权利要求1所述的证件验证方法,所述证件图像包括所述待验证证件的反面照、正面照,以及所述待验证证件在除反面照姿态、正面照姿态以外的其他预设姿态下的图像。
9.根据权利要求1所述的证件验证方法,所述待验证证件中的防伪标识包括激光全息图像标签、透明PVC防伪标签、光学变色防伪标签中的至少一种。
10.一种证件验证装置,包括:
图像获取模块,获取具有防伪标识的待验证证件在至少两种证件姿态下的至少两幅证件图像;
特征比较模块,将各所述证件图像中包含的防伪标识进行相应特征比较,得到所述至少两幅证件图像之间的差异性验证结果;
真伪确定模块,基于所述差异性验证结果确定所述待验证证件的真伪性;
其中,所述特征比较模块包括:
通道叠加子模块,对至少两幅证件图像进行通道数叠加,得到目标图像;
置信度计算子模块,将目标图像输入训练得到的证件防伪模型中,计算得到待验证证件的置信度,将置信度作为差异性验证结果;其中,证件防伪模型是基于多个具有防伪标识的真证件图像对机器学习模型进行训练得到;
所述真伪确定模块还在置信度大于第一预设阈值时,判定待验证证件为真证件;以及在置信度不大于第一预设阈值时,判定待验证证件为假证件。
11.一种电子设备,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用所述处理器执行以下操作:
获取具有防伪标识的待验证证件在至少两种证件姿态下的至少两幅证件图像;
将各所述证件图像中包含的防伪标识进行特征比较,得到所述至少两幅证件图像之间的差异性验证结果;
基于所述差异性验证结果确定所述待验证证件的真伪性;
其中,所述将各所述证件图像中包含的防伪标识进行特征比较,得到所述至少两幅证件图像之间的差异性验证结果的步骤,包括:
按照通道数对所述至少两幅证件图像进行叠加,得到目标图像;
将所述目标图像输入训练得到的证件防伪模型中,计算得到所述待验证证件的置信度,将所述置信度作为差异性验证结果;其中,所述证件防伪模型是基于多个具有防伪标识的真证件图像对机器学习模型进行训练得到;
所述基于所述差异性验证结果确定所述待验证证件的真伪性的步骤,包括:
在所述置信度大于第一预设阈值时,判定所述待验证证件为真证件;
在所述置信度不大于所述第一预设阈值时,判定所述待验证证件为假证件。
12.一种计算机可读存储介质,所述计算机可读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,使得电子设备执行以下操作:
获取具有防伪标识的待验证证件在至少两种证件姿态下的至少两幅证件图像;
将各所述证件图像中包含的防伪标识进行特征比较,得到所述至少两幅证件图像之间的差异性验证结果;
基于所述差异性验证结果确定所述待验证证件的真伪性;
其中,所述将各所述证件图像中包含的防伪标识进行特征比较,得到所述至少两幅证件图像之间的差异性验证结果的步骤,包括:
按照通道数对所述至少两幅证件图像进行叠加,得到目标图像;
将所述目标图像输入训练得到的证件防伪模型中,计算得到所述待验证证件的置信度,将所述置信度作为差异性验证结果;其中,所述证件防伪模型是基于多个具有防伪标识的真证件图像对机器学习模型进行训练得到;
所述基于所述差异性验证结果确定所述待验证证件的真伪性的步骤,包括:
在所述置信度大于第一预设阈值时,判定所述待验证证件为真证件;
在所述置信度不大于所述第一预设阈值时,判定所述待验证证件为假证件。
CN202010062475.9A 2020-01-19 2020-01-19 一种证件验证方法、装置及电子设备 Active CN111275105B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202311252236.XA CN117237974A (zh) 2020-01-19 2020-01-19 一种证件验证方法、装置及电子设备
CN202010062475.9A CN111275105B (zh) 2020-01-19 2020-01-19 一种证件验证方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010062475.9A CN111275105B (zh) 2020-01-19 2020-01-19 一种证件验证方法、装置及电子设备

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN202311252236.XA Division CN117237974A (zh) 2020-01-19 2020-01-19 一种证件验证方法、装置及电子设备

Publications (2)

Publication Number Publication Date
CN111275105A CN111275105A (zh) 2020-06-12
CN111275105B true CN111275105B (zh) 2023-10-20

Family

ID=71003472

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202010062475.9A Active CN111275105B (zh) 2020-01-19 2020-01-19 一种证件验证方法、装置及电子设备
CN202311252236.XA Pending CN117237974A (zh) 2020-01-19 2020-01-19 一种证件验证方法、装置及电子设备

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN202311252236.XA Pending CN117237974A (zh) 2020-01-19 2020-01-19 一种证件验证方法、装置及电子设备

Country Status (1)

Country Link
CN (2) CN111275105B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111898520A (zh) * 2020-07-28 2020-11-06 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
EP3961482A1 (en) * 2020-08-31 2022-03-02 Check it out Co., Ltd. System and method for verifying authenticity of an anti-counterfeiting element, and method for building a machine learning model used to verify authenticity of an anti-counterfeiting element
CN112163575B (zh) * 2020-09-23 2023-11-03 平安科技(深圳)有限公司 证件录入检测方法、装置、设备及存储介质
CN112200136A (zh) * 2020-10-29 2021-01-08 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
CN113591603A (zh) * 2021-07-09 2021-11-02 北京旷视科技有限公司 证件的验证方法、装置、电子设备及存储介质
CN113705486B (zh) * 2021-08-31 2023-11-10 支付宝(杭州)信息技术有限公司 检测证件真伪的方法及装置
CN117237682A (zh) * 2023-10-17 2023-12-15 支付宝(杭州)信息技术有限公司 一种证件验证方法、装置、存储介质及电子设备

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009143732A1 (zh) * 2008-05-27 2009-12-03 北京华旗资讯数码科技有限公司 防伪证书、防伪系统及鉴别物品真伪的方法
EP2239145A1 (en) * 2009-04-07 2010-10-13 Gemalto SA Anti-counterfeiting element with flip images for an identification document and a method for its manufacture
EP2320390A1 (en) * 2009-11-10 2011-05-11 Icar Vision Systems, SL Method and system for reading and validation of identity documents
WO2015078182A1 (en) * 2013-11-30 2015-06-04 Beijing Zhigu Rui Tuo Tech Co., Ltd Anti-counterfeiting for determination of authenticity
CN106302529A (zh) * 2016-09-29 2017-01-04 宇龙计算机通信科技(深圳)有限公司 验证方法、验证装置、终端和服务器
CN107679457A (zh) * 2017-09-06 2018-02-09 阿里巴巴集团控股有限公司 用户身份校验方法及装置
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
CN110210312A (zh) * 2019-04-29 2019-09-06 众安信息技术服务有限公司 一种校验证件与持证人的方法及系统
CN110263805A (zh) * 2019-05-07 2019-09-20 阿里巴巴集团控股有限公司 证件验证、身份验证方法、装置及设备
CN110516739A (zh) * 2019-08-27 2019-11-29 阿里巴巴集团控股有限公司 一种证件识别方法、装置及设备

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009143732A1 (zh) * 2008-05-27 2009-12-03 北京华旗资讯数码科技有限公司 防伪证书、防伪系统及鉴别物品真伪的方法
EP2239145A1 (en) * 2009-04-07 2010-10-13 Gemalto SA Anti-counterfeiting element with flip images for an identification document and a method for its manufacture
EP2320390A1 (en) * 2009-11-10 2011-05-11 Icar Vision Systems, SL Method and system for reading and validation of identity documents
WO2015078182A1 (en) * 2013-11-30 2015-06-04 Beijing Zhigu Rui Tuo Tech Co., Ltd Anti-counterfeiting for determination of authenticity
CN106302529A (zh) * 2016-09-29 2017-01-04 宇龙计算机通信科技(深圳)有限公司 验证方法、验证装置、终端和服务器
CN107679457A (zh) * 2017-09-06 2018-02-09 阿里巴巴集团控股有限公司 用户身份校验方法及装置
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
CN110210312A (zh) * 2019-04-29 2019-09-06 众安信息技术服务有限公司 一种校验证件与持证人的方法及系统
CN110263805A (zh) * 2019-05-07 2019-09-20 阿里巴巴集团控股有限公司 证件验证、身份验证方法、装置及设备
CN110516739A (zh) * 2019-08-27 2019-11-29 阿里巴巴集团控股有限公司 一种证件识别方法、装置及设备

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
Authentication of digital video evidence;Nicholas Beser et al.;Applications of Digital Image Processing;全文 *
一种基于视觉特性及形态网屏编码的纸介质信息防伪方法;赵立龙;顾泽苍;方志良;母国光;光电子.激光(11);全文 *
一种快速的证件照片人脸检测方法;张洲;张悦;电子技术与软件工程(08);全文 *
光学信息隐藏在出入境证件防伪中的应用研究;张梅等;刑事技术;第42卷(第6期);全文 *
数字水印防伪技术的研究和应用;张志通;李迎春;姚晓琼;北华航天工业学院学报(02);全文 *

Also Published As

Publication number Publication date
CN117237974A (zh) 2023-12-15
CN111275105A (zh) 2020-06-12

Similar Documents

Publication Publication Date Title
CN111275105B (zh) 一种证件验证方法、装置及电子设备
CN107729847B (zh) 一种证件验证、身份验证方法和装置
JP6859508B2 (ja) 証明書および身元を確認するための方法および装置
CN106599772B (zh) 活体验证方法和装置及身份认证方法和装置
TWI686757B (zh) 資源轉移方法、資金支付方法、裝置及電子設備
TWI701603B (zh) 輔助物品的圖像合規的方法、裝置和電子設備
Barni et al. Copy move source-target disambiguation through multi-branch CNNs
CN107832679B (zh) 一种证件验证、身份验证方法和装置
WO2020038140A1 (zh) 人脸识别方法及装置
CN111862035B (zh) 光斑检测模型的训练方法、光斑检测方法、设备及介质
TW201928738A (zh) 證件的驗證方法、裝置、電子設備和儲存介質
CN110263775A (zh) 图像识别方法、装置、设备和认证方法、装置、设备
CN110008664A (zh) 认证信息采集、开户方法、装置及电子设备
CN110008942B (zh) 证件验证方法、装置、服务器及存储介质
CN109426759A (zh) 物品的可视化文件归档的方法、装置和电子设备
CN109063442B (zh) 业务实现、相机实现的方法和装置
US11295122B2 (en) Document identification method and system
US11216960B1 (en) Image processing method and system
CN112183270A (zh) 身份验证的拍摄参数的优化方法、装置及电子设备
CN112597810A (zh) 身份证明文件认证方法和系统
US11250254B2 (en) Methods and systems for detecting photograph replacement in a photo identity document
US11393235B2 (en) Face image quality recognition methods and apparatuses
US11295437B2 (en) Authentication method and system
CN113705486B (zh) 检测证件真伪的方法及装置
ALBU et al. Anti-Spoofing Techniques in Face Recognition, an Ensemble Based Approach

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