CN111461102A - 防伪识别方法、装置、设备终端和可读存储介质 - Google Patents

防伪识别方法、装置、设备终端和可读存储介质 Download PDF

Info

Publication number
CN111461102A
CN111461102A CN202010320269.3A CN202010320269A CN111461102A CN 111461102 A CN111461102 A CN 111461102A CN 202010320269 A CN202010320269 A CN 202010320269A CN 111461102 A CN111461102 A CN 111461102A
Authority
CN
China
Prior art keywords
vector information
image
information
feature vector
product
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.)
Pending
Application number
CN202010320269.3A
Other languages
English (en)
Inventor
姚健
乔椿
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.)
Aco Shenzhen Intelligent Technology Co ltd
Original Assignee
Aco Shenzhen Intelligent 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 Aco Shenzhen Intelligent Technology Co ltd filed Critical Aco Shenzhen Intelligent Technology Co ltd
Priority to CN202010320269.3A priority Critical patent/CN111461102A/zh
Publication of CN111461102A publication Critical patent/CN111461102A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/018—Certifying business or products
    • G06Q30/0185—Product, service or business identity fraud
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/24—Aligning, centring, orientation detection or correction of the image
    • G06V10/245—Aligning, centring, orientation detection or correction of the image by locating a pattern; Special marks for positioning
    • 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
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Artificial Intelligence (AREA)
  • Development Economics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Economics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Finance (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Computational Linguistics (AREA)
  • Databases & Information Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及防伪识别方法、装置、设备终端和可读存储介质，该防伪识别方法通过接收第一终端发送的产品表面预定区域的第一拍摄图像，对第一拍摄图像中的第一印刷图像进行识别以获取对应的轮廓边缘信息以及产品所对应的身份标识信息，以第一印刷图像的轮廓边缘为定位参考边界，对定位参考边界所对应的预设区域范围内的非印刷表面图像进行特征提取以得到对应的特征向量信息，特征向量信息包括非印刷表面图像所对应的表面特征信息，根据身份标识信息从特征向量信息数据库查询以获取对应的标准特征向量信息，计算特征向量信息与标准特征向量信息的相似度，并根据相似度确定产品的真伪，以较小的成本代价极大的提升了产品对应的防伪能力。

Description

防伪识别方法、装置、设备终端和可读存储介质
技术领域
本发明涉及防伪识别领域，尤其涉及一种防伪识别方法、装置、设备终端和可读存储介质。
背景技术
随着智能制造不断发展，商品制造的智能化、自动化和标准化程度不断提高，制造水平提高同时也提升了商品伪造技术，伪造技术的提升提高了商品真伪辨识的难度，假冒伪劣商品的泛滥也容易对消费者造成损害。由此，不可复制性的防伪技术极为迫切。
发明内容
鉴于此，本发明提供一种防伪识别方法，能够利用第一印刷图像的边缘轮廓信息作为定位参考边界，进而对定位参考边界所对应的预设区域范围内的非印刷表面图像进行特征提取以得到对应的特征向量信息，然后将该特征向量信息与参考标准特征向量信息进行比较并计算出对应的相似度，最终通过相似度的大小判断判断产品的对应的真伪信息，不需要对原来的产品生产线做较大的变动，并以较小的成本代价极大的提升了产品对应的防伪能力。
一种防伪识别方法，防伪识别方法包括：
接收第一终端发送的产品表面预定区域的第一拍摄图像；
对第一拍摄图像中的第一印刷图像进行识别以获取对应的轮廓边缘信息以及产品所对应的身份标识信息；
以第一印刷图像的轮廓边缘为定位参考边界，对定位参考边界所对应的预设区域范围内的非印刷表面图像进行特征提取以得到对应的特征向量信息，特征向量信息包括非印刷表面图像所对应的表面特征信息；
根据身份标识信息从特征向量信息数据库查询以获取对应的标准特征向量信息；
计算特征向量信息与标准特征向量信息的相似度，并根据相似度确定产品的真伪。
在一个实施例中，特征向量信息数据库通过以下方式预先建立：
接收第二终端发送的产品表面预定区域的第二拍摄图像；
对第二拍摄图像中的第二印刷图像进行识别以获取对应的轮廓边缘信息以及产品所对应的身份标识信息；
根据第二印刷图像的轮廓边缘信息对第二拍摄图像中的非印刷表面图像进行特征提取以得到对应的标准特征向量信息；
将身份标识信息和标准特征向量信息进行关联并存储以得到特征向量信息数据库。
在一个实施例中，特征向量信息数据库通过以下方式预先建立：
接收第二终端上传的身份标识信息和标准特征向量信息并关联地存储以得到特征向量信息数据库，身份标识信息和标准特征向量信息由第二终端拍摄产品表面预定区域以得到第二拍摄图像并对第二拍摄图像进行身份识别和特征提取处理得到。
在一个实施例中，对定位参考边界所对应的预设区域范围内的非印刷表面图像进行特征提取以得到对应的特征向量信息的步骤包括：
将定位参考边界所对应的预设区域范围内的非印刷表面图像进行校正、尺度变换和图像增强，得到预处理图像；
根据预设特征提取算子对预处理图像进行特征提取处理，生成对应的特征向量信息。
在一个实施例中，计算特征向量信息与标准特征向量信息的相似度的步骤之前还包括：
分别将特征向量信息和标准特征向量信息进行标准化处理，标准化处理采用归一化方法、中心化方法和定基比率法中的任意一种。
此外，还提供一种防伪识别装置，防伪识别装置包括：
图像接收装置，用于接收第一终端发送的产品表面预定区域的第一拍摄图像；
图像识别装置，用于对第一拍摄图像中的第一印刷图像进行识别以获取对应的轮廓边缘信息以及产品所对应的身份标识信息；
特征提取装置，用于以第一印刷图像的轮廓边缘为定位参考边界，对定位参考边界所对应的预设区域范围内的非印刷表面图像进行特征提取以得到对应的特征向量信息，特征向量信息包括非印刷表面图像所对应的表面特征信息；
信息查询装置，用于根据身份标识信息从特征向量信息数据库查询以获取对应的标准特征向量信息；
产品真伪确定装置，用于计算特征向量信息与标准特征向量信息的相似度，并根据相似度确定产品的真伪。
此外，还提供一种防伪识别方法，防伪识别方法包括：
获取产品表面预定区域的第一拍摄图像，并对第一拍摄图像中的第一印刷图像进行识别以获取对应的轮廓边缘信息以及产品所对应的身份标识信息；
以第一印刷图像的轮廓边缘为定位参考边界，对定位参考边界所对应的预设区域范围内的非印刷表面图像进行特征提取以得到对应的特征向量信息，特征向量信息包括非印刷表面图像所对应的表面特征信息；
将特征向量信息和身份标识信息发送至服务器，以使服务器根据身份标识信息从特征向量信息数据库查询获取对应的标准特征向量信息并计算特征向量信息与标准特征向量信息的相似度以确定产品的真伪。
此外，还提供一种防伪识别方法，防伪识别方法包括：
获取产品表面预定区域的第一拍摄图像，并对第一拍摄图像中的第一印刷图像进行识别以获取对应的轮廓边缘信息以及产品所对应的身份标识信息；
以第一印刷图像的轮廓边缘为定位参考边界，对定位参考边界所对应的预设区域范围内的非印刷表面图像进行特征提取以得到对应的特征向量信息，特征向量信息包括非印刷表面图像所对应的表面特征信息；
将特征向量信息和身份标识信息发送至服务器，以使服务器根据身份标识信息从特征向量信息数据库查询获取对应的标准特征向量信息；
接收服务器返回的标准特征向量信息，并计算特征向量信息与标准特征向量信息的相似度以确定产品的真伪。
此外，还提供一种设备终端，包括存储器以及处理器，存储器用于存储计算机程序，处理器运行计算机程序以使终端执行权上述防伪识别方法。
此外，还提供一种可读存储介质，可读存储介质存储有计算机程序，计算机程序在被处理器运行时执行上述防伪识别方法。
上述防伪识别方法，通过接收第一终端发送的产品表面预定区域的第一拍摄图像，对第一拍摄图像中的第一印刷图像进行识别以获取对应的轮廓边缘信息以及产品所对应的身份标识信息，以第一印刷图像的轮廓边缘为定位参考边界，对定位参考边界所对应的预设区域范围内的非印刷表面图像进行特征提取以得到对应的特征向量信息，特征向量信息包括非印刷表面图像所对应的表面特征信息，根据身份标识信息从特征向量信息数据库查询以获取对应的标准特征向量信息，计算特征向量信息与标准特征向量信息的相似度，并根据相似度确定产品的真伪，能够利用第一印刷图像的边缘轮廓信息作为定位参考边界，进而对定位参考边界所对应的预设区域范围内的非印刷表面图像进行特征提取以得到对应的特征向量信息，然后将该特征向量信息与参考标准特征向量信息进行比较并计算出对应的相似度，最终通过相似度的大小判断判断产品的对应的真伪信息，不需要对原来的产品生产线做较大的变动，并以较小的成本代价极大的提升了产品对应的防伪能力。
附图说明
为了更清楚地说明本发明的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对本发明保护范围的限定。在各个附图中，类似的构成部分采用类似的编号。
图1为一个实施例中提供的一种防伪识别方法的应用环境图；
图2为一个实施例中提供的一种防伪识别方法的流程示意图；
图3(a)和图3(b)分别为一个实施例中特征向量信息与参考标准特征向量信息各自对应的曲线示意图；
图4为一个实施例中特征向量信息数据库建立方法的流程示意图；
图5为一个实施例中提供的提取得到特征向量信息的方法流程示意图；
图6为另一个实施例中提供的一种防伪识别方法的流程示意图；
图7为一个实施例中一种防伪识别装置的结构框图；
图8为又一个实施例中提供的一种防伪识别方法的流程示意图；
图9为再一个实施例中提供的一种防伪识别方法的流程示意图。
具体实施方式
下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
通常在此处附图中描述和示出的本发明实施例的组件可以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
在下文中，将更全面地描述本公开的各种实施例。本公开可具有各种实施例，并且可在其中做出调整和改变。然而，应理解：不存在将本公开的各种实施例限于在此公开的特定实施例的意图，而是应将本公开理解为涵盖落入本公开的各种实施例的精神和范围内的所有调整、等同物和/或可选方案。
在下文中，可在本发明的各种实施例中使用的术语“包括”、“具有”及其同源词仅意在表示特定特征、数字、步骤、操作、元件、组件或前述项的组合，并且不应被理解为首先排除一个或更多个其它特征、数字、步骤、操作、元件、组件或前述项的组合的存在或增加一个或更多个特征、数字、步骤、操作、元件、组件或前述项的组合的可能性。
此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
除非另有限定，否则在这里使用的所有术语(包括技术术语和科学术语)具有与本发明的各种实施例所属领域普通技术人员通常理解的含义相同的含义。所述术语(诸如在一般使用的词典中限定的术语)将被解释为具有与在相关技术领域中的语境含义相同的含义并且将不被解释为具有理想化的含义或过于正式的含义，除非在本发明的各种实施例中被清楚地限定。
图1为一个实施例中防伪识别方法的应用环境图，包括第一终端10和服务器20，第一终端10和服务器20能够通过网络进行通信，其中第一终端10包括具有拍摄功能的手机、平板电脑或者个人PC均可。
如图2所示，提供了一种防伪识别方法，该防伪识别方法应用于具有表面特征的产品，该防伪识别方法包括：
步骤S110，接收第一终端发送的产品表面预定区域的第一拍摄图像。
第一终端获取产品表面预定区域的第一拍摄图像，可通过自身设置的摄像头拍摄获取，也可接收其它设备发送的产品表面预定区域的第一拍摄图像，当通过第一终端获取到产品表面预定区域的第一拍摄图像后，可进一步发送至服务器。
步骤S120，对第一拍摄图像中的第一印刷图像进行识别以获取对应的轮廓边缘信息以及产品所对应的身份标识信息。
其中，产品在工厂出厂时通常设置有对应的产品第一印刷图像，例如二维码、一维码、字符和图案，用来对产品进行身份标识，第一印刷图像产生都是在出厂前设置在对应的产品或者产品包装上，产品身份标识产生的过程通常称为赋码过程，该过程有两种实现方式，一种是将第一印刷图像先喷印在不干胶标签上然后在将标签直接贴到产品或者产品包装上，另一种是将第一印刷图像直接通喷印在产品指定位置。
其中，在获取到第一拍摄图像后，在对第一印刷图像进行识别以获取上述产品的身份标识信息之后还需要进一步对第一拍摄图像中的第一印刷图像进行识别以获取对应的轮廓边缘信息。
步骤S130，以第一印刷图像的轮廓边缘为定位参考边界，对定位参考边界所对应的预设区域范围内的非印刷表面图像进行特征提取以得到对应的特征向量信息，特征向量信息包括非印刷表面图像所对应的表面特征信息。
其中，在上述第一拍摄图像中，对于包括伪品在内的产品，对应产品或者产品包装上的设置的第一印刷图像上之外的非印刷表面图像通常具有对应的表面特征，例如纹理表面特征和凹凸表面特征，此时以第一印刷图像的轮廓边缘为定位参考边界，对定位参考边界所对应的预设区域范围内的非印刷表面图像进行特征提取以得到对应的特征向量信息，特征向量信息包括非印刷表面图像所对应的表面特征信息。
步骤S140，根据身份标识信息从特征向量信息数据库查询以获取对应的标准特征向量信息。
其中，服务器预先设置有特征向量信息数据库，由于出厂时设置的对应的第一印刷图像包含了产品的身份标识信息，因而该特征向量信息数据库中每个真实产品的身份标识信息均有对应所提取的特征向量信息，进而服务器通过身份标识信息从特征向量信息数据库查询以获取对应的标准特征向量信息。
步骤S150，计算特征向量信息与标准特征向量信息的相似度，并根据相似度确定产品的真伪。
其中，在第一拍摄图像中，服务器在获取定位参考边界对应的预设区域范围内的非印刷表面图像所对应的特征向量信息后，进一步将该特征向量信息与标准特征向量信息的相似度，并根据相似度确定产品的真伪。
在一个实施例中，可以对上述相似度的阈值进行设定，例如相似度阈值设置为0.86，若服务器计算对应的特征向量信息与参考标准特征向量信息的相似度为0.26，则可直接判定第一第一印刷图像为伪造图像，进而判断第一第一印刷图像对应的产品为伪品。
例如，如图3(a)和图3(b)所示，图3(a)和图3(b)分别代表特征向量信息与参考标准特征向量信息，两者相似度为0.2608，显然可以直接判定图3(a)所代表的产品直接为伪品。
其中，上述计算出来的相似度值越小，表明两者之间差异越大，表明第一第一印刷图像对应的产品时伪品的可能性越大。
其中，相似度阈值的设定可以根据大数据算法进行合理的选取，进而可以设定合理的相似度阈值，进一步提高上述判断过程的准确度。
上述防伪识别方法，通过接收第一终端发送的产品表面预定区域的第一拍摄图像，对第一拍摄图像中的第一印刷图像进行识别以获取对应的轮廓边缘信息以及产品所对应的身份标识信息，能够利用第一印刷图像的边缘轮廓信息作为定位参考边界，进而对定位参考边界所对应的预设区域范围内的非印刷表面图像进行特征提取以得到对应的特征向量信息，然后将该特征向量信息与参考标准特征向量信息进行比较并计算出对应的相似度，最终通过相似度的大小判断判断产品的对应的真伪信息，不需要对原来的产品生产线做较大的变动，并以较小的成本代价极大的提升了产品对应的防伪能力。
在一个实施例中，如图4所示，特征向量信息数据库通过以下方式预先建立：
步骤S162，接收第二终端发送的产品表面预定区域的第二拍摄图像。
其中，第二终端获取产品表面预定区域的第二拍摄图像，可通过自身设置的摄像头拍摄获取，也可接收其它设备发送的产品表面预定区域的第二拍摄图像，当通过第二终端获取到产品表面预定区域的第二拍摄图像后，可进一步发送至服务器。
其中，第二终端通常设置有摄像采集装置或者扫描装置，第二终端也可采用带有摄像装置的PC终端或者平板电脑等，摄像采集装置通常采用符合要求的工业摄像装置。
其中，为降低成本，可在出厂前每个产品生产线上后续流程上加装对应的第二终端，以采集产品表面预定区域的第二拍摄图像，通过第二终端能够对每个生产线上的待出厂产品可直接采集产品表面预定区域的第二拍摄图像。
步骤S164，对第二拍摄图像中的第一印刷图像进行识别以获取对应的轮廓边缘信息以及产品所对应的身份标识信息。
其中，针对每个产品，通常在出厂时需要通过设置有对应的产品第一印刷图像，例如二维码、一维码、字符和图案，用来对产品进行身份标识，第一印刷图像产生都是在出厂前设置在对应的产品或者产品包装上，因而在出厂时需要对每个产品进行设置，该第一印刷图像通常包括产品对应的身份标识信息，这样以来，通过对第一印刷图像进行识别，可在获取第一印刷图像的身份标识信息的基础上进一步获取第二拍摄图像中第一印刷图像的轮廓边缘信息。
步骤S166，根据第一印刷图像的轮廓边缘信息对第二拍摄图像中的非印刷表面图像进行特征提取以得到对应的标准特征向量信息。
其中，以第二拍摄图像中的第一印刷图像的轮廓边缘为定位参考边界，对定位参考边界所对应的预设区域范围内的非印刷表面图像进行特征提取以得到对应的标准特征向量信息，该标准特征向量信息包括非印刷表面图像所对应的表面特征信息。
其中，对应的出厂产品或者产品包装上的设置的第一印刷图像上之外的非印刷表面图像通常具有对应的表面特征，例如纹理表面特征和凹凸表面特征，此时以第二拍摄图像中第一印刷图像的轮廓边缘为定位参考边界，对定位参考边界所对应的预设区域范围内的非印刷表面图像进行特征提取以得到对应的标准特征向量信息，标准特征向量信息包括非印刷表面图像所对应的表面特征信息。
其中，服务器在对第二拍摄图像中的非印刷表面图像进行特征提取的过程中，可去掉背景信息以及共性信息，保留差异化特征，以提高提取的准确度。
步骤S168，将身份标识信息和标准特征向量信息进行关联并存储以得到特征向量信息数据库。
在一个实施例中，特征向量信息数据库通过以下方式预先建立：
接收第二终端上传的身份标识信息和标准特征向量信息并关联地存储以得到特征向量信息数据库，身份标识信息和标准特征向量信息由第二终端获取产品表面预定区域以得到第二拍摄图像并对第二拍摄图像进行身份识别和特征提取处理得到。
其中，与上述图4所示的特征向量信息数据库建立方法相比，从第二拍摄图像识别提取身份标识信息和标准特征向量信息的过程由第二终端来处理，此时第二终端通常需采用带有摄像装置和处理器的电脑，至于身份识别信息的识别过程和参考标准特征向量信息的特征提取过程仍与服务器端的过程相同。
在一个实施例中，如图5所示，步骤S130中对定位参考边界所对应的预设区域范围内的非印刷表面图像进行特征提取以得到对应的特征向量信息的步骤包括：
步骤S132，将定位参考边界所对应的预设区域范围内的非印刷表面图像进行校正、尺度变换和图像增强，得到预处理图像。
其中，在图像的拍摄过程中，由于产品变形或者图像拍摄会带来图像变形问题，需要对图像进行图像畸变校正以提高识别率，进一步地，还可将上述畸变校正处理过后的图像变换到多个不同的尺度，通过在不同的尺度下分析图片的细节特征，保证提取的特征向量信息稳定可靠，此外，还可通过时域和频域两个方向上对图像增强处理，以强化细节纹理信息以及强化褪色细节信息，进而提高细节纹理特征辨识度同时抑制图像拍摄时可能出现的亮度不均对后续提取特征向量信息过程的影响，并可对上述处理过后的图像中比较浅的图像细节进行强化，进而提高特征差异化辨识度。
步骤S134，根据预设特征提取算子对预处理图像进行特征提取处理，生成对应的特征向量信息。
其中，对于预处理图像信息，往往需要去掉其中的共性信息以及背景信息，保留明显的差异化信息，从而保证特征提取的准确度。
其中，预设特征提取算子可采用常用的提取算法，例如SIFT(尺度不变特征变换)、LBP算子(局部二值模式)和HOG(方向梯度直方图)方法，也可采用其它传统的提取算法，例如SURF、ORB或HAAR算法。
其中，对于预处理图像信息的提取过程中一般选取图像中的纹理信息作为重点。
在一个实施例中，如图6所示，步骤S150之前还包括：
步骤S170，分别将特征向量信息和标准特征向量信息进行标准化处理，标准化处理采用归一化方法、中心化方法和定基比率法中的任意一种。
其中，在计算对应的相似度之前还需要分别将特征向量信息和参考标准特征向量信息按照预设数据标准算法进行标准化处理，以便于后续的计算过程和比较过程，预设数据标准算法通常采用最小-最大标准化算法或Z-score标准化算法。
此外，如图7所示，还提供一种防伪识别装置200，防伪识别装置200包括：
图像接收装置210，用于接收第一终端发送的产品表面预定区域的第一拍摄图像；
图像识别装置220，用于对第一拍摄图像中的第一印刷图像进行识别以获取对应的轮廓边缘信息以及产品所对应的身份标识信息；
特征提取装置230，用于以第一印刷图像的轮廓边缘为定位参考边界，对定位参考边界所对应的预设区域范围内的非印刷表面图像进行特征提取以得到对应的特征向量信息，特征向量信息包括非印刷表面图像所对应的表面特征信息；
信息查询装置240，用于根据身份标识信息从特征向量信息数据库查询以获取对应的标准特征向量信息；
产品真伪确定装置250，用于计算特征向量信息与标准特征向量信息的相似度，并根据相似度确定产品的真伪。
此外，如图8所示，还提供一种防伪识别方法，防伪识别方法包括：
步骤S310，获取产品表面预定区域的第一拍摄图像，并对第一拍摄图像中的第一印刷图像进行识别以获取对应的轮廓边缘信息以及产品所对应的身份标识信息。
步骤S320，以第一印刷图像的轮廓边缘为定位参考边界，对定位参考边界所对应的预设区域范围内的非印刷表面图像进行特征提取以得到对应的特征向量信息，特征向量信息包括非印刷表面图像所对应的表面特征信息。
步骤S330，将特征向量信息和身份标识信息发送至服务器，以使服务器根据身份标识信息从特征向量信息数据库查询获取对应的标准特征向量信息并计算特征向量信息与标准特征向量信息的相似度以确定产品的真伪。
其中，与图1所示的防伪识别方法相比，图8中所示的防伪识别方法中第一终端在获取产品表面预定区域的第一拍摄图像之后，可直接对第一拍摄图像中的第一印刷图像进行识别以获取对应的轮廓边缘信息以及产品所对应的身份标识信息，然后进一步以第一印刷图像的轮廓边缘为定位参考边界，对定位参考边界所对应的预设区域范围内的非印刷表面图像进行特征提取以得到对应的特征向量信息，换言之，上述身份识别信息的识别过程和特征向量信息的特征提取过程可直接在第一终端完成，然后直接上传对应的特征向量信息和身份识别信息至服务器。
此外，如图9所示，还提供一种防伪识别方法，防伪识别方法包括：
步骤S410，获取产品表面预定区域的第一拍摄图像，并对第一拍摄图像中的第一印刷图像进行识别以获取对应的轮廓边缘信息以及产品所对应的身份标识信息。
步骤S420，以第一印刷图像的轮廓边缘为定位参考边界，对定位参考边界所对应的预设区域范围内的非印刷表面图像进行特征提取以得到对应的特征向量信息，特征向量信息包括非印刷表面图像所对应的表面特征信息。
步骤S430，将特征向量信息和身份标识信息发送至服务器，以使服务器根据身份标识信息从特征向量信息数据库查询获取对应的标准特征向量信息。
步骤S440，接收服务器返回的标准特征向量信息，并计算特征向量信息与标准特征向量信息的相似度以确定产品的真伪。
其中，与图1所示的防伪识别方法相比，图9中所示的防伪识别方法中除了查询标准特征向量信息的过程在服务器完成之后，其余的处理过程均在第一终端完成。
此外，还提供一种设备终端，包括存储器以及处理器，存储器用于存储计算机程序，处理器运行计算机程序以使终端执行权上述防伪识别方法。
此外，还提供一种可读存储介质，可读存储介质存储有计算机程序，计算机程序在被处理器运行时执行上述防伪识别方法。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和结构图显示了根据本发明的多个实施例的装置、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、程序段或代码的一部分，所述模块、程序段或代码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。也应当注意，在作为替换的实现方式中，方框中所标注的功能也可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，结构图和/或流程图中的每个方框、以及结构图和/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。
另外，在本发明各个实施例中的各功能模块或单元可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或更多个模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。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或者该技术方案的部分可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中，包括若干指令用以使得一台计算机设备(可以是智能手机、个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种防伪识别方法，其特征在于，所述防伪识别方法包括：
接收第一终端发送的产品表面预定区域的第一拍摄图像；
对所述第一拍摄图像中的第一印刷图像进行识别以获取所述第一印刷图像的轮廓边缘信息以及所述产品所对应的身份标识信息；
以所述第一印刷图像的轮廓边缘为定位参考边界，对所述定位参考边界所对应的预设区域范围内的非印刷表面图像进行特征提取以得到对应的特征向量信息，所述特征向量信息包括所述非印刷表面图像所对应的表面特征信息；
根据所述身份标识信息从特征向量信息数据库查询以获取对应的标准特征向量信息；
计算所述特征向量信息与所述标准特征向量信息的相似度，并根据所述相似度确定所述产品的真伪。
2.根据权利要求1所述的防伪识别方法，其特征在于，所述特征向量信息数据库通过以下方式预先建立：
接收第二终端发送的产品表面预定区域的第二拍摄图像；
对所述第二拍摄图像中的第二印刷图像进行识别以获取所述第二印刷图像的轮廓边缘信息以及所述产品所对应的身份标识信息；
根据所述第二印刷图像的轮廓边缘信息对所述第二拍摄图像中的非印刷表面图像进行特征提取以得到对应的标准特征向量信息；
将所述身份标识信息和所述标准特征向量信息进行关联并存储以得到特征向量信息数据库。
3.根据权利要求1所述的防伪识别方法，其特征在于，所述特征向量信息数据库通过以下方式预先建立：
接收第二终端上传的身份标识信息和标准特征向量信息并关联地存储以得到特征向量信息数据库，所述身份标识信息和标准特征向量信息由所述第二终端拍摄产品表面预定区域以得到第二拍摄图像并对所述第二拍摄图像进行身份识别和特征提取处理得到。
4.根据权利要求1所述的防伪识别方法，其特征在于，所述对所述定位参考边界所对应的预设区域范围内的非印刷表面图像进行特征提取以得到对应的特征向量信息的步骤包括：
将所述定位参考边界所对应的预设区域范围内的非印刷表面图像进行校正、尺度变换和图像增强，得到预处理图像；
根据预设特征提取算子对所述预处理图像进行特征提取处理，生成对应的特征向量信息。
5.根据权利要求1所述的防伪识别方法，其特征在于，所述计算所述特征向量信息与所述标准特征向量信息的相似度的步骤之前还包括：
分别将所述特征向量信息和所述标准特征向量信息进行标准化处理，所述标准化处理采用归一化方法、中心化方法和定基比率法中的任意一种。
6.一种防伪识别装置，其特征在于，所述防伪识别装置包括：
图像接收装置，用于接收第一终端发送的产品表面预定区域的第一拍摄图像；
图像识别装置，用于对所述第一拍摄图像中的第一印刷图像进行识别以获取所述第一印刷图像的轮廓边缘信息以及所述产品所对应的身份标识信息；
特征提取装置，用于以所述第一印刷图像的轮廓边缘为定位参考边界，对所述定位参考边界所对应的预设区域范围内的非印刷表面图像进行特征提取以得到对应的特征向量信息，所述特征向量信息包括所述非印刷表面图像所对应的表面特征信息；
信息查询装置，用于根据所述身份标识信息从特征向量信息数据库查询以获取对应的标准特征向量信息；
产品真伪确定装置，用于计算所述特征向量信息与所述标准特征向量信息的相似度，并根据所述相似度确定所述产品的真伪。
7.一种防伪识别方法，其特征在于，所述防伪识别方法包括：
获取产品表面预定区域的第一拍摄图像，并对所述第一拍摄图像中的第一印刷图像进行识别以获取所述第一印刷图像的轮廓边缘信息以及所述产品所对应的身份标识信息；
以所述第一印刷图像的轮廓边缘为定位参考边界，对所述定位参考边界所对应的预设区域范围内的非印刷表面图像进行特征提取以得到对应的特征向量信息，所述特征向量信息包括所述非印刷表面图像所对应的表面特征信息；
将所述特征向量信息和所述身份标识信息发送至服务器，以使所述服务器根据所述身份标识信息从特征向量信息数据库查询获取对应的标准特征向量信息并计算所述特征向量信息与所述标准特征向量信息的相似度以确定所述产品的真伪。
8.一种防伪识别方法，其特征在于，所述防伪识别方法包括：
获取产品表面预定区域的第一拍摄图像，并对所述第一拍摄图像中的第一印刷图像进行识别以获取所述第一印刷图像的轮廓边缘信息以及所述产品所对应的身份标识信息；
以所述第一印刷图像的轮廓边缘为定位参考边界，对所述定位参考边界所对应的预设区域范围内的非印刷表面图像进行特征提取以得到对应的特征向量信息，所述特征向量信息包括所述非印刷表面图像所对应的表面特征信息；
将所述特征向量信息和所述身份标识信息发送至服务器，以使所述服务器根据所述身份标识信息从特征向量信息数据库查询获取对应的标准特征向量信息；
接收所述服务器返回的标准特征向量信息，并计算所述特征向量信息与所述标准特征向量信息的相似度以确定所述产品的真伪。
9.一种设备终端，其特征在于，包括存储器以及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述设备终端执行权利要求1至5中任一项所述的防伪识别方法。
10.一种可读存储介质，其特征在于，所述可读存储介质存储有计算机程序，所述计算机程序在被处理器运行时执行权利要求1至5中任一项所述的防伪识别方法。
CN202010320269.3A 2020-04-22 2020-04-22 防伪识别方法、装置、设备终端和可读存储介质 Pending CN111461102A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010320269.3A CN111461102A (zh) 2020-04-22 2020-04-22 防伪识别方法、装置、设备终端和可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010320269.3A CN111461102A (zh) 2020-04-22 2020-04-22 防伪识别方法、装置、设备终端和可读存储介质

Publications (1)

Publication Number Publication Date
CN111461102A true CN111461102A (zh) 2020-07-28

Family

ID=71682573

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010320269.3A Pending CN111461102A (zh) 2020-04-22 2020-04-22 防伪识别方法、装置、设备终端和可读存储介质

Country Status (1)

Country Link
CN (1) CN111461102A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111932282A (zh) * 2020-09-22 2020-11-13 北京大鱼梦想科技有限公司 一种防伪检测方法及装置
CN111932283A (zh) * 2020-09-22 2020-11-13 北京大鱼梦想科技有限公司 一种防伪检测方法及装置
CN113656631A (zh) * 2021-08-20 2021-11-16 上海烟草集团有限责任公司 产品身份标识的生成方法、身份识别方法、装置与设备
CN113780041A (zh) * 2020-08-25 2021-12-10 北京沃东天骏信息技术有限公司 虚假图片识别方法及装置、计算机可存储介质
CN111932283B (zh) * 2020-09-22 2024-07-02 北京大鱼梦想科技有限公司 一种防伪检测方法及装置

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120183180A1 (en) * 2009-09-28 2012-07-19 Shanghai Kos Security Paper Technology Co., Ltd. Anti-counterfeit method for random texture and recognizer thereof
CN102982606A (zh) * 2011-09-07 2013-03-20 深圳兆日科技股份有限公司 一种利用物理特征识别的防伪方法和系统
CN103065545A (zh) * 2009-09-27 2013-04-24 天津黑马行云物联网科技有限公司 条形码埋藏计算机数据结构纹理防伪方法
US20160275743A1 (en) * 2013-10-28 2016-09-22 Rusi Information Technology (Shanghai) Co., Ltd. Method and System for Printing Stock Anti-Counterfeiting by means of Feature Image
CN106650865A (zh) * 2016-10-12 2017-05-10 无锡新光印标识科技有限公司 一种防伪标记识别方法
CN109409158A (zh) * 2018-09-29 2019-03-01 武汉保诚信网络科技有限公司 一种基于二维码边缘粗糙度的防伪方法
CN109572258A (zh) * 2018-12-21 2019-04-05 北京印刷学院 伪码隐形红外互补识别二维码防伪方法
CN110222602A (zh) * 2019-05-23 2019-09-10 艾科芯（深圳）智能科技有限公司 防伪识别方法、系统、设备终端和计算机可读存储介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103065545A (zh) * 2009-09-27 2013-04-24 天津黑马行云物联网科技有限公司 条形码埋藏计算机数据结构纹理防伪方法
US20120183180A1 (en) * 2009-09-28 2012-07-19 Shanghai Kos Security Paper Technology Co., Ltd. Anti-counterfeit method for random texture and recognizer thereof
CN102982606A (zh) * 2011-09-07 2013-03-20 深圳兆日科技股份有限公司 一种利用物理特征识别的防伪方法和系统
US20160275743A1 (en) * 2013-10-28 2016-09-22 Rusi Information Technology (Shanghai) Co., Ltd. Method and System for Printing Stock Anti-Counterfeiting by means of Feature Image
CN106650865A (zh) * 2016-10-12 2017-05-10 无锡新光印标识科技有限公司 一种防伪标记识别方法
CN109409158A (zh) * 2018-09-29 2019-03-01 武汉保诚信网络科技有限公司 一种基于二维码边缘粗糙度的防伪方法
CN109572258A (zh) * 2018-12-21 2019-04-05 北京印刷学院 伪码隐形红外互补识别二维码防伪方法
CN110222602A (zh) * 2019-05-23 2019-09-10 艾科芯（深圳）智能科技有限公司 防伪识别方法、系统、设备终端和计算机可读存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘家昕等: "基于边缘增强的二维码区域快速检测定位算法" *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113780041A (zh) * 2020-08-25 2021-12-10 北京沃东天骏信息技术有限公司 虚假图片识别方法及装置、计算机可存储介质
CN111932282A (zh) * 2020-09-22 2020-11-13 北京大鱼梦想科技有限公司 一种防伪检测方法及装置
CN111932283A (zh) * 2020-09-22 2020-11-13 北京大鱼梦想科技有限公司 一种防伪检测方法及装置
CN111932283B (zh) * 2020-09-22 2024-07-02 北京大鱼梦想科技有限公司 一种防伪检测方法及装置
CN113656631A (zh) * 2021-08-20 2021-11-16 上海烟草集团有限责任公司 产品身份标识的生成方法、身份识别方法、装置与设备

Similar Documents

Publication Publication Date Title
CN111461102A (zh) 防伪识别方法、装置、设备终端和可读存储介质
CN108229466B (zh) 一种车牌识别方法及装置
CN107871137B (zh) 一种基于图像识别的物料匹配方法
CN109409158B (zh) 一种基于二维码边缘粗糙度的防伪方法
CN112200136A (zh) 证件真伪识别方法、装置、计算机可读介质及电子设备
Chen et al. Robust text line segmentation for historical manuscript images using color and texture
EP3203416A1 (en) Method computer program and system for facial recognition
CN111461131A (zh) 身份证号码信息识别方法、装置、设备及存储介质
CN110163152A (zh) 防伪识别方法、防伪方法、系统、设备终端和存储介质
KR102102403B1 (ko) 위조 영상 인쇄물 감식을 통한 코드인증방법과 그 응용 시스템
Pinthong et al. Globally Harmonized System Label detection using Color Segmentation
CN112633281B (zh) 一种基于Hash算法车辆身份认证方法及系统
CN113920434A (zh) 一种基于目标的图像翻拍检测方法、装置及介质
KR100726473B1 (ko) 이미지 분별 장치 및 그 방법
Niigaki et al. Circular object detection based on separability and uniformity of feature distributions using Bhattacharyya coefficient
US20160358039A1 (en) Apparatus and method for detecting object
KR20070041816A (ko) 모폴로지를 이용한 지문영상의 방향성 검출장치 및검출방법
CN112396638A (zh) 一种图像处理方法、终端和计算机可读存储介质
CN115984178A (zh) 伪造图像检测方法、电子设备和计算机可读存储介质
CN115410191A (zh) 文本图像识别方法、装置、设备和存储介质
WO2017179728A1 (ja) 画像認識装置、画像認識方法および画像認識プログラム
CN111860314B (zh) 基于图像识别的电子证照验证方法、装置和系统
Chen et al. Hidden-Markov-model-based segmentation confidence applied to container code character extraction
Xu et al. Coin recognition method based on SIFT algorithm
CN112633250A (zh) 一种人脸识别检测实验方法及装置

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200728