CN111311550A - 伪造证件的识别方法、装置及电子设备 - Google Patents
伪造证件的识别方法、装置及电子设备 Download PDFInfo
- Publication number
- CN111311550A CN111311550A CN202010065245.8A CN202010065245A CN111311550A CN 111311550 A CN111311550 A CN 111311550A CN 202010065245 A CN202010065245 A CN 202010065245A CN 111311550 A CN111311550 A CN 111311550A
- Authority
- CN
- China
- Prior art keywords
- certificate
- identified
- image
- determining
- edge
- 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
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 238000003708 edge detection Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 15
- 238000012545 processing Methods 0.000 description 9
- 238000012549 training Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 238000004590 computer program Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 239000000835 fiber Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
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
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Inspection Of Paper Currency And Valuable Securities (AREA)
Abstract
本说明书公开了一种伪造证件的识别方法、装置、电子设备及计算机可读存储介质。该方法包括:获取待识别证件的图像;根据该待识别证件的图像,确定该待识别证件的边缘形成的阴影区域的边缘厚度值;根据该阴影区域的边缘厚度值,确定该待识别证件的真伪。根据本说明书实施例,通过判断拍摄方向的一致性以及边缘厚度值,来识别真实证件和复印、打印等伪造证件。有效提升对于复印件或PS打印件等伪造证件的识别准确度。
Description
技术领域
本发明涉及证件防伪技术领域,更具体的,涉及一种伪造证件的识别方法、一种伪造证件的识别装置、一种电子设备以及一种计算机可读存储介质。
背景技术
证件是用来证明身份、经历等的证书和文件,如居民身份证、护照、工作证等等。随着科学技术的发展,伪造证件的手段也在不断的提高。
在证件扫描的实名认证场景中,对于伪造的证件,可以通过扫描获得证件图像,并通过基于深度学习的分类算法对证件图像进行真伪二分类,从而实现对证件的真伪的判断。但这种方式对于证件真伪的识别存在误差。因此,有必要提出一种新的伪造证件的识别方法。
发明内容
本说明书的一个目的是提供一种用于伪造证件的识别的新的技术方案。
根据本说明书的第一方面,提供了一种伪造证件的识别方法,其中,所述方法包括:
获取待识别证件的图像;
根据所述待识别证件的图像,确定所述待识别证件的边缘形成的阴影区域的边缘厚度值;
根据所述阴影区域的边缘厚度值,确定所述待识别证件的真伪。
可选地,其中,所述根据所述待识别证件的图像,确定所述待识别证件的边缘形成的阴影区域厚度的步骤,包括:
利用边缘检测算法对所述待识别证件的图像进行计算,得到所述待识别证件的第一边缘形成的第一阴影区域,以及第二边缘形成的第二阴影区域;其中,所述第一边缘的长度大于所述第二边缘;
分别计算第一阴影区域的边缘厚度值和第二阴影区域的边缘厚度值。
可选地,其中,所述根据所述阴影区域厚度,确定所述待识别证件的真伪,包括:
在所述第一阴影区域的边缘厚度值大于所述第二阴影区域的边缘厚度值时,确定所述待识别证件是真实证件;
在所述第一阴影区域的边缘厚度值小于所述第二阴影区域的边缘厚度值时,确定所述待识别证件是伪造证件。
可选地,其中,所述获取待识别证件的图像的步骤,包括:
按照预设拍摄方向拍摄所述待识别证件的图像;其中,所述预设拍摄方向包括从下向上的拍摄方向、从上向下的拍摄方向、从右向左的拍摄方向或者从左向右的拍摄方向;按照预设拍摄方向拍摄得到的所述待识别证件的图像是梯形的。
可选地,其中,所述按照预设拍摄方向拍摄所述待识别证件的图像的步骤之后,所述方法还包括:
确定所述待识别证件的图像的四个角点的坐标值;
根据所述四个角点的坐标值,确定所述待识别证件的图像的拍摄方向是否与所述预设拍摄方向一致;
在确定所述待识别证件的图像的拍摄方向与所述预设拍摄方向不一致时,重新拍摄所述待识别证件的图像。
可选地,其中,所述确定所述待识别证件的图像的四个角点的坐标值的步骤,包括:
利用关键点回归算法计算得到所述待识别证件的图像的四个角点的坐标值。
可选地,其中,所述根据所述四个角点的坐标值,确定所述待识别证件的图像的拍摄方向是否与所述预设拍摄方向一致的步骤,包括:
根据所述四个角点的坐标值,确定所述梯形的上底和下底;
根据所述上底和下底的长度比例确定所述拍摄方向是否与所述预设拍摄方向一致。
根据本说明书的第二方面,提供了一种伪造证件的识别装置,其中,包括:
获取模块,用于获取待识别证件的图像;
确定模块,用于根据所述待识别证件的图像,确定所述待识别证件的边缘形成的阴影区域的边缘厚度值;
识别模块,用于根据所述阴影区域的边缘厚度值,确定所述待识别证件的真伪。
根据本说明书的第三方面,提供了一种电子设备,包括如本说明书第二方面所述的伪造证件的识别装置,或者,所述电子设备包括:
存储器,用于存储可执行命令;
处理器,用于在所述可执行命令的控制下,执行如本说明书第一方面中任一项所述的伪造证件的识别方法。
根据本说明书的第四方面,提供了一种计算机可读存储介质,存储有可执行指令,所述可执行指令被处理器执行时,执行如说明书第一方面中任一项所述的伪造证件的识别方法。
本说明书的一个有益效果在于,通过获取待识别证件的图像;根据所述待识别证件的图像,确定所述待识别证件的边缘形成的阴影区域的边缘厚度值;根据所述阴影区域的边缘厚度值,确定所述待识别证件的真伪。根据本说明书实施例,通过判断拍摄方向的一致性以及边缘厚度值,来识别真实证件和复印、打印等伪造证件。有效提升对于复印件或PS打印件等伪造证件的识别准确度。
通过以下参照附图对本发明的示例性实施例的详细描述,本发明的其它特征及其优点将会变得清楚。
附图说明
被结合在说明书中并构成说明书的一部分的附图示出了本发明的实施例,并且连同其说明一起用于解释本发明的原理。
图1是用于实施本说明书实施例的伪造证件的识别方法的电子设备的示意性结构图;
图2是本说明书实施例的伪造证件的识别方法的示意性流程图;
图3是本说明书实施例中步骤2300中真实证件和伪造证件的示意图;
图4是根据本说明书实施例的伪造证件的识别装置的示意性结构图;
图5是根据本说明书实施例的电子设备的示意性结构图。
具体实施方式
现在将参照附图来详细描述本发明的各种示例性实施例。应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,该技术、方法和设备应当被视为说明书的一部分。
在这里示出和讨论的所有例子中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。因此,示例性实施例的其它例子可以具有不同的值。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
<硬件配置>
图1是用于实施本说明书实施例的伪造证件的识别方法的电子设备的示意性结构图。
如图1所示,该电子设备1000可以包括处理器1010、存储器1020、接口装置1030、通信装置1040、显示装置1050、输入装置1060、扬声器1070、麦克风1080,等等。
其中,处理器1010可以是中央处理器CPU、微处理器MCU等。存储器1020例如包括ROM(只读存储器)、RAM(随机存取存储器)、诸如硬盘的非易失性存储器等。接口装置1030例如包括USB接口、耳机接口等。通信装置1040例如能够进行有线或无线通信。显示装置1050例如是液晶显示屏、触摸显示屏等。输入装置1060例如可以包括触摸屏、键盘等。
电子设备1000可以通过扬声器1070输出音频信息。电子设备1000可以通过麦克风1080拾取用户输入的语音信息。
本实施例中,电子设备1000获取待识别证件的图像;根据该待识别证件的图像,确定该待识别证件的边缘形成的阴影区域的边缘厚度值;根据该阴影区域的边缘厚度值,确定该待识别证件的真伪。
在本实施例中,电子设备1000的存储器1020用于存储指令,该指令用于控制该处理器1010进行操作以支持实现根据本说明书任意实施例的文字识别方法。技术人员可以根据本说明书实施例所公开方案设计指令。指令如何控制处理器进行操作,这是本领域公知,故在此不再详细描述。
本领域技术人员应当理解,尽管在图1中示出了电子设备1000的多个装置,但是,本说明书实施例的电子设备1000可以仅涉及其中的部分装置,例如,只涉及处理器1010、存储器1020、显示装置1050、输入装置1060等。
<方法实施例>
如图2所示,本实施例提供一种伪造证件的识别方法。该方法例如可以由图1所示的电子设备1000执行。
具体的,该方法可以包括如下步骤2000~步骤2400:
步骤2000,获取待识别证件的图像。
本步骤中,在获取待识别证件的图像时,该电子设备1000可以先初始化摄像头,在电子设备1000的显示界面上随机显示用于拍摄待识别证件的预设拍摄方向,并提示用户按照预设拍摄方向拍摄该待识别证件的图像。
其中,该预设拍摄方向可以是从下向上的拍摄方向、从上向下的拍摄方向、从右向左的拍摄方向或者从左向右的拍摄方向;按照预设拍摄方向拍摄得到的该待识别证件的图像是梯形的。
例如,该电子设备1000在显示界面上显示用于提示用户按照从上向下的方向拍摄的提示文字或提示图案,如箭头。用户根据该提示文字或提示图案,调整该电子设备1000的方向对待识别证件进行拍摄,以获取待识别证件的图像。
在实际应用中,该电子设备1000按照预设拍摄方向拍摄该待识别证件的图像之后,还可以进一步确认用户所拍摄的待识别证件是否是按照预设拍摄方向拍摄的。
具体的,该电子设备1000可以先确定该待识别证件的图像的四个角点的坐标值。例如,该电子设备1000可以利用关键点回归算法计算得到该待识别证件的图像的四个角点的坐标值。在一些其他可行的实施方式中,该电子设备1000还可以利用边缘检测算法或图像拼接算法对该待识别证件的图像进行处理,本实施例对此不做具体限定。
需要说明的是,上述关键点回归算法在训练时,将n张证件图像数据作为训练数据集,其中每张图像中证件的坐上角、右上角、左下角和右下角的坐标都进行了标注;然后对训练数据集进行预处理,将训练数据集中图像数据的分辨率缩放到256*256,并将四个角点的坐标按比例进行归一化处理。将预处理后的训练数据集输入卷积神经网络进行训练,得到8维向量。计算8维向量与经过归一化处理后的四个角点坐标之间的L2距离,作为训练迭代的损失值。经过多轮迭代后完成卷积神经网络进行训练。
在利用关键点回归算法计算待识别证件的图像的四个角点的坐标值时,具体可以将待识别证件的图像按照上述训练过程的预处理方法进行预处理后,输入卷积神经网络经过计算得到8维0-1区间的向量,将向量乘以图像分辨率宽高即可得到待识别证件的左上角、右上角、右下角、左下角4个角点的坐标值。
在确定四个角点的坐标值后,该电子设备1000可以根据该四个角点的坐标值,确定该待识别证件的图像的拍摄方向是否与该预设拍摄方向一致;在确定该待识别证件的图像的拍摄方向与该预设拍摄方向不一致时,重新拍摄该待识别证件的图像。
实际应用中,该电子设备1000在根据该四个角点的坐标值,确定该待识别证件的图像的拍摄方向是否与该预设拍摄方向一致时,具体可以根据该四个角点的坐标值,确定该梯形的上底和下底;根据该上底和下底的长度比例确定该拍摄方向是否与该预设拍摄方向一致。
可以理解的是,在确定该待识别证件的图像的拍摄方向与该预设拍摄方向一致时,执行步骤2200。
步骤2200,根据该待识别证件的图像,确定该待识别证件的边缘形成的阴影区域的边缘厚度值。
具体的,该电子设备1000可以利用边缘检测算法对该待识别证件的图像进行计算,得到该待识别证件的第一边缘形成的第一阴影区域,以及第二边缘形成的第二阴影区域;其中,该第一边缘的长度大于该第二边缘。分别计算第一阴影区域的边缘厚度值和第二阴影区域的边缘厚度值。
步骤2400,根据该阴影区域的边缘厚度值,确定该待识别证件的真伪。
实际应用中,该电子设备1000可以通过判断第一阴影区域的边缘厚度值是否大于第二阴影区域的边缘厚度值来确定待识别证件的真伪。
具体的,在该第一阴影区域的边缘厚度值大于该第二阴影区域的边缘厚度值时,确定该待识别证件是真实证件;在该第一阴影区域的边缘厚度值小于该第二阴影区域的边缘厚度值时,确定该待识别证件是伪造证件。
如图3所示,随机选择的预设拍摄方向为从上向下。电子设备1000在获取到待识别证件的图像后,如图3上半部分图像所示的,其第一边缘(图3中所示的长底边)所在的第一阴影区域的边缘厚度值大于第二边缘(图3中所示的短底边)所做的第二阴影区域的边缘厚度值,则该电子设备1000可以据此确定出该待识别证件是真实证件。
如图3下半部分图像所示的,其其第一边缘(图3中所示的长底边)所在的第一阴影区域的边缘厚度值小于第二边缘(图3中所示的短底边)所做的第二阴影区域的边缘厚度值,则该电子设备1000可以据此确定出该待识别证件是伪造证件。
本实施例的方法,通过获取待识别证件的图像;根据该待识别证件的图像,确定该待识别证件的边缘形成的阴影区域的边缘厚度值;根据该阴影区域的边缘厚度值,确定该待识别证件的真伪。根据本说明书实施例,通过判断拍摄方向的一致性以及边缘厚度值,来识别真实证件和复印、打印等伪造证件。有效提升对于复印件或PS打印件等伪造证件的识别准确度。
<装置实施例>
本实施例提供一种伪造证件的识别装置,如图4所示,本实施例的伪造证件的识别装置4000可以包括:获取模块4100,确定模块4200和识别模块4300。
具体的,获取模块4100,用于获取待识别证件的图像。
确定模块4200,用于根据该待识别证件的图像,确定该待识别证件的边缘形成的阴影区域的边缘厚度值。
识别模块4300,用于根据该阴影区域的边缘厚度值,确定该待识别证件的真伪。
确定模块4200具体可以用于利用边缘检测算法对该待识别证件的图像进行计算,得到该待识别证件的第一边缘形成的第一阴影区域,以及第二边缘形成的第二阴影区域;其中,该第一边缘的长度大于该第二边缘;分别计算第一阴影区域的边缘厚度值和第二阴影区域的边缘厚度值。
识别模块4300具体可以用于在该第一阴影区域的边缘厚度值大于该第二阴影区域的边缘厚度值时,确定该待识别证件是真实证件;在该第一阴影区域的边缘厚度值小于该第二阴影区域的边缘厚度值时,确定该待识别证件是伪造证件。
获取模块4100具体可以用于按照预设拍摄方向拍摄该待识别证件的图像;其中,该预设拍摄方向包括从下向上的拍摄方向、从上向下的拍摄方向、从右向左的拍摄方向或者从左向右的拍摄方向;按照预设拍摄方向拍摄得到的该待识别证件的图像是梯形的。
确定模块4200还可以用于确定该待识别证件的图像的四个角点的坐标值;根据该四个角点的坐标值,确定该待识别证件的图像的拍摄方向是否与该预设拍摄方向一致;在确定该待识别证件的图像的拍摄方向与该预设拍摄方向不一致时,触发该获取模块4100重新拍摄该待识别证件的图像。其中,该确定模块4200可以利用关键点回归算法计算得到该待识别证件的图像的四个角点的坐标值。
该确定模块4200在根据该四个角点的坐标值,确定该待识别证件的图像的拍摄方向是否与该预设拍摄方向一致时,可以根据该四个角点的坐标值,确定该梯形的上底和下底;根据该上底和下底的长度比例确定该拍摄方向是否与该预设拍摄方向一致。
本实施例的伪造证件的识别装置,可用于执行上述方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
<设备实施例>
本实施例中,还提供一种电子设备,该电子设备包括本说明书装置实施例中描述的伪造证件的识别装置4000;或者,该电子设备为图5所示的电子设备5000,包括:
存储器5100,用于存储可执行命令。
处理器5200,用于在存储器5100存储的可执行命令的控制下,执行本发明任意方法实施例中描述的方法。
在电子设备根据所执行的方法实施例的实施主体,可以是服务器,也可以是终端设备。
<计算机可读存储介质>
本实施例提供一种计算机可读存储介质,该存储介质中存储有可执行命令,该可执行命令被处理器执行时,执行本发明任意方法实施例中描述的方法。
本发明可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,该编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本发明的各个方面。
这里参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,该模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。对于本领域技术人员来说公知的是,通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。
以上已经描述了本发明的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。本发明的范围由所附权利要求来限定。
Claims (10)
1.一种伪造证件的识别方法,其中,所述方法包括:
获取待识别证件的图像;
根据所述待识别证件的图像,确定所述待识别证件的边缘形成的阴影区域的边缘厚度值;
根据所述阴影区域的边缘厚度值,确定所述待识别证件的真伪。
2.根据权利要求1所述的方法,其中,所述根据所述待识别证件的图像,确定所述待识别证件的边缘形成的阴影区域厚度的步骤,包括:
利用边缘检测算法对所述待识别证件的图像进行计算,得到所述待识别证件的第一边缘形成的第一阴影区域,以及第二边缘形成的第二阴影区域;其中,所述第一边缘的长度大于所述第二边缘;
分别计算第一阴影区域的边缘厚度值和第二阴影区域的边缘厚度值。
3.根据权利要求2所述的方法,其中,所述根据所述阴影区域厚度,确定所述待识别证件的真伪,包括:
在所述第一阴影区域的边缘厚度值大于所述第二阴影区域的边缘厚度值时,确定所述待识别证件是真实证件;
在所述第一阴影区域的边缘厚度值小于所述第二阴影区域的边缘厚度值时,确定所述待识别证件是伪造证件。
4.根据权利要求1所述的方法,其中,所述获取待识别证件的图像的步骤,包括:
按照预设拍摄方向拍摄所述待识别证件的图像;其中,所述预设拍摄方向包括从下向上的拍摄方向、从上向下的拍摄方向、从右向左的拍摄方向或者从左向右的拍摄方向;按照预设拍摄方向拍摄得到的所述待识别证件的图像是梯形的。
5.根据权利要求4所述的方法,其中,所述按照预设拍摄方向拍摄所述待识别证件的图像的步骤之后,所述方法还包括:
确定所述待识别证件的图像的四个角点的坐标值;
根据所述四个角点的坐标值,确定所述待识别证件的图像的拍摄方向是否与所述预设拍摄方向一致;
在确定所述待识别证件的图像的拍摄方向与所述预设拍摄方向不一致时,重新拍摄所述待识别证件的图像。
6.根据权利要求5所述的方法,其中,所述确定所述待识别证件的图像的四个角点的坐标值的步骤,包括:
利用关键点回归算法计算得到所述待识别证件的图像的四个角点的坐标值。
7.根据权利要求5所述的方法,其中,所述根据所述四个角点的坐标值,确定所述待识别证件的图像的拍摄方向是否与所述预设拍摄方向一致的步骤,包括:
根据所述四个角点的坐标值,确定所述梯形的上底和下底;
根据所述上底和下底的长度比例确定所述拍摄方向是否与所述预设拍摄方向一致。
8.一种伪造证件的识别装置,其中,包括:
获取模块,用于获取待识别证件的图像;
确定模块,用于根据所述待识别证件的图像,确定所述待识别证件的边缘形成的阴影区域的边缘厚度值;
识别模块,用于根据所述阴影区域的边缘厚度值,确定所述待识别证件的真伪。
9.一种电子设备,包括如权利要求8所述的伪造证件的识别装置,或者,所述电子设备包括:
存储器,用于存储可执行命令;
处理器,用于在所述可执行命令的控制下,执行如权利要求1-7中任一项所述的伪造证件的识别方法。
10.一种计算机可读存储介质,存储有可执行指令,所述可执行指令被处理器执行时,执行如权利要求1-7中任一项所述的伪造证件的识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010065245.8A CN111311550B (zh) | 2020-01-20 | 2020-01-20 | 伪造证件的识别方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010065245.8A CN111311550B (zh) | 2020-01-20 | 2020-01-20 | 伪造证件的识别方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111311550A true CN111311550A (zh) | 2020-06-19 |
CN111311550B CN111311550B (zh) | 2024-01-05 |
Family
ID=71150951
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010065245.8A Active CN111311550B (zh) | 2020-01-20 | 2020-01-20 | 伪造证件的识别方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111311550B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11308492B2 (en) * | 2019-07-03 | 2022-04-19 | Sap Se | Anomaly and fraud detection with fake event detection using pixel intensity testing |
US11429964B2 (en) | 2019-07-03 | 2022-08-30 | Sap Se | Anomaly and fraud detection with fake event detection using line orientation testing |
US12039615B2 (en) | 2019-07-03 | 2024-07-16 | Sap Se | Anomaly and fraud detection with fake event detection using machine learning |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101421118A (zh) * | 2006-02-13 | 2009-04-29 | 德国捷德有限公司 | 具有光学可变结构的防伪元件 |
CN102713501A (zh) * | 2009-10-01 | 2012-10-03 | 德拉鲁国际有限公司 | 用于检测片状票证的厚度的装置和方法 |
CN103354059A (zh) * | 2013-07-22 | 2013-10-16 | 上海宏盾防伪材料有限公司 | 一种具有反射效果的透视型激光全息防伪膜及其制备方法 |
CN203444698U (zh) * | 2013-07-24 | 2014-02-19 | 上海宏盾防伪材料有限公司 | 一种法定证件视觉防伪部件 |
JP2015055991A (ja) * | 2013-09-11 | 2015-03-23 | 株式会社東芝 | 紙幣計数方法、紙幣処理方法 |
CN104497714A (zh) * | 2014-12-09 | 2015-04-08 | 上海印钞有限公司 | 一种具有导电性能的雕刻凹印油墨及由该油墨印制的防伪文件 |
CN105283884A (zh) * | 2013-03-13 | 2016-01-27 | 柯法克斯公司 | 对移动设备捕获的数字图像中的对象进行分类 |
CN106782037A (zh) * | 2015-11-24 | 2017-05-31 | 公安部第研究所 | 一种不干胶贴纸签证及其制作方法 |
CN107341839A (zh) * | 2017-07-07 | 2017-11-10 | 成都东软学院 | 一种证件图像处理方法、装置及设备 |
CN107729847A (zh) * | 2017-10-20 | 2018-02-23 | 阿里巴巴集团控股有限公司 | 一种证件验证、身份验证方法和装置 |
CN110163152A (zh) * | 2019-05-23 | 2019-08-23 | 艾科芯(深圳)智能科技有限公司 | 防伪识别方法、防伪方法、系统、设备终端和存储介质 |
JP2019204293A (ja) * | 2018-05-23 | 2019-11-28 | Necソリューションイノベータ株式会社 | 偽造判定方法、プログラム、記録媒体および偽造判定装置 |
CN110598710A (zh) * | 2019-08-21 | 2019-12-20 | 阿里巴巴集团控股有限公司 | 证件识别方法及装置 |
CN110691997A (zh) * | 2017-05-22 | 2020-01-14 | 凸版印刷株式会社 | 信息记录体及个人证件 |
-
2020
- 2020-01-20 CN CN202010065245.8A patent/CN111311550B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101421118A (zh) * | 2006-02-13 | 2009-04-29 | 德国捷德有限公司 | 具有光学可变结构的防伪元件 |
CN102713501A (zh) * | 2009-10-01 | 2012-10-03 | 德拉鲁国际有限公司 | 用于检测片状票证的厚度的装置和方法 |
CN105283884A (zh) * | 2013-03-13 | 2016-01-27 | 柯法克斯公司 | 对移动设备捕获的数字图像中的对象进行分类 |
CN103354059A (zh) * | 2013-07-22 | 2013-10-16 | 上海宏盾防伪材料有限公司 | 一种具有反射效果的透视型激光全息防伪膜及其制备方法 |
CN203444698U (zh) * | 2013-07-24 | 2014-02-19 | 上海宏盾防伪材料有限公司 | 一种法定证件视觉防伪部件 |
JP2015055991A (ja) * | 2013-09-11 | 2015-03-23 | 株式会社東芝 | 紙幣計数方法、紙幣処理方法 |
CN104497714A (zh) * | 2014-12-09 | 2015-04-08 | 上海印钞有限公司 | 一种具有导电性能的雕刻凹印油墨及由该油墨印制的防伪文件 |
CN106782037A (zh) * | 2015-11-24 | 2017-05-31 | 公安部第研究所 | 一种不干胶贴纸签证及其制作方法 |
CN110691997A (zh) * | 2017-05-22 | 2020-01-14 | 凸版印刷株式会社 | 信息记录体及个人证件 |
CN107341839A (zh) * | 2017-07-07 | 2017-11-10 | 成都东软学院 | 一种证件图像处理方法、装置及设备 |
CN107729847A (zh) * | 2017-10-20 | 2018-02-23 | 阿里巴巴集团控股有限公司 | 一种证件验证、身份验证方法和装置 |
JP2019204293A (ja) * | 2018-05-23 | 2019-11-28 | Necソリューションイノベータ株式会社 | 偽造判定方法、プログラム、記録媒体および偽造判定装置 |
CN110163152A (zh) * | 2019-05-23 | 2019-08-23 | 艾科芯(深圳)智能科技有限公司 | 防伪识别方法、防伪方法、系统、设备终端和存储介质 |
CN110598710A (zh) * | 2019-08-21 | 2019-12-20 | 阿里巴巴集团控股有限公司 | 证件识别方法及装置 |
Non-Patent Citations (2)
Title |
---|
JANA DITTMANN等: "Content-based Digital Signature for Motion Pictures Authentication and Content-Fragile Watermarking", pages 209 - 213 * |
杨世杰等: "护照证件防伪技术与伪假护照证件鉴别手段研究", vol. 17, no. 1, pages 6 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11308492B2 (en) * | 2019-07-03 | 2022-04-19 | Sap Se | Anomaly and fraud detection with fake event detection using pixel intensity testing |
US11429964B2 (en) | 2019-07-03 | 2022-08-30 | Sap Se | Anomaly and fraud detection with fake event detection using line orientation testing |
US11568400B2 (en) | 2019-07-03 | 2023-01-31 | Sap Se | Anomaly and fraud detection with fake event detection using machine learning |
US12039615B2 (en) | 2019-07-03 | 2024-07-16 | Sap Se | Anomaly and fraud detection with fake event detection using machine learning |
US12073397B2 (en) | 2019-07-03 | 2024-08-27 | Sap Se | Anomaly and fraud detection with fake event detection using pixel intensity testing |
Also Published As
Publication number | Publication date |
---|---|
CN111311550B (zh) | 2024-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106599772B (zh) | 活体验证方法和装置及身份认证方法和装置 | |
CN111260569B (zh) | 图像倾斜校正的方法、装置、电子设备和存储介质 | |
US10275672B2 (en) | Method and apparatus for authenticating liveness face, and computer program product thereof | |
JP6629513B2 (ja) | ライブネス検査方法と装置、及び映像処理方法と装置 | |
CN110163053B (zh) | 生成人脸识别的负样本的方法、装置及计算机设备 | |
CN110443016B (zh) | 信息防泄露方法、电子装置及存储介质 | |
CN111311550B (zh) | 伪造证件的识别方法、装置及电子设备 | |
US8550339B1 (en) | Utilization of digit sequences for biometric authentication | |
US11367310B2 (en) | Method and apparatus for identity verification, electronic device, computer program, and storage medium | |
US9430627B2 (en) | Method and system for enforced biometric authentication | |
CN109801192A (zh) | 电子合同签订方法、装置、计算机设备及存储介质 | |
CN110795714A (zh) | 一种身份验证方法、装置、计算机设备及存储介质 | |
US10963552B2 (en) | Method and electronic device for authenticating a user | |
CN109902611B (zh) | 目标证件的检测方法、装置和终端设备 | |
US20200218772A1 (en) | Method and apparatus for dynamically identifying a user of an account for posting images | |
US11544722B2 (en) | Hardware integration for part tracking using texture extraction and networked distributed ledgers | |
CN107247936A (zh) | 图像识别方法及装置 | |
CN114612986A (zh) | 检测方法、装置、电子设备及存储介质 | |
CN113642639A (zh) | 活体检测方法、装置、设备和存储介质 | |
CN106250755B (zh) | 用于生成验证码的方法及装置 | |
CN112699811B (zh) | 活体检测方法、装置、设备、储存介质及程序产品 | |
JP6195252B2 (ja) | 金融書類トランザクションのための携帯デバイス | |
WO2023241242A1 (zh) | 一种数据识别方法及移动终端 | |
CN114140839A (zh) | 用于人脸识别的图像发送方法、装置、设备及存储介质 | |
CN111275042B (zh) | 伪造证件的识别方法、装置及电子设备 |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20240910 Address after: 128 Meizhi Road, Singapore, Guohao Times City # 20-01189773 Patentee after: Ant Shield Co.,Ltd. Country or region after: Singapore Address before: 45-01 Anson Building, 8 Shanton Avenue, Singapore Patentee before: Alipay laboratories (Singapore) Ltd. Country or region before: Singapore |
|
TR01 | Transfer of patent right |