CN111738182B - 基于图像识别的身份验证方法、装置、终端及存储介质 - Google Patents

基于图像识别的身份验证方法、装置、终端及存储介质 Download PDF

Info

Publication number
CN111738182B
CN111738182B CN202010600104.1A CN202010600104A CN111738182B CN 111738182 B CN111738182 B CN 111738182B CN 202010600104 A CN202010600104 A CN 202010600104A CN 111738182 B CN111738182 B CN 111738182B
Authority
CN
China
Prior art keywords
image
cattle
cow
identified
ear tag
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
CN202010600104.1A
Other languages
English (en)
Other versions
CN111738182A (zh
Inventor
宁培阳
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.)
Ping An Property and Casualty Insurance Company of China Ltd
Original Assignee
Ping An Property and Casualty Insurance Company of China 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 Ping An Property and Casualty Insurance Company of China Ltd filed Critical Ping An Property and Casualty Insurance Company of China Ltd
Priority to CN202010600104.1A priority Critical patent/CN111738182B/zh
Publication of CN111738182A publication Critical patent/CN111738182A/zh
Application granted granted Critical
Publication of CN111738182B publication Critical patent/CN111738182B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/40—Spoof detection, e.g. liveness detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/08—Insurance
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/09—Recognition of logos
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
    • Y02A40/70—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in livestock or poultry

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Development Economics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Technology Law (AREA)
  • General Business, Economics & Management (AREA)
  • Human Computer Interaction (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本发明涉及人工智能和区块链技术领域，提出一种基于图像识别的身份验证方法，方法包括：获取待识别牛图像，提取第一牛脸特征图像和第一耳标图像及识别第一耳标号并存储至第一数据库中；在身份验证时提取第二牛脸特征图像和第二耳标图像及识别第二耳标号，在第一数据库中识别第二耳标号一致的目标耳标号时关联出第一牛脸特征图像；计算第一牛脸特征图像和第二牛脸特征图像的相似度值并核验牛的身份一致性。本发明还提供一种基于图像识别的身份验证装置、终端及存储介质。本发明通过在耳标号一致的情况下计算第一牛脸特征图像和第二牛脸特征图像的相似度值，做到双重验证，降低了伪造风险。此外，第一数据库存储于区块链节点中。

Description

基于图像识别的身份验证方法、装置、终端及存储介质
技术领域
本发明涉及保险理赔领域，具体涉及一种基于图像识别的身份验证方法、装置、终端及存储介质。
背景技术
随着规模化养殖的逐渐普及，和科技的进步、社会的发展，大型农场对家畜保险的情况越来越普及，而对农业保险的需求也越来越大。随着农场中的牛的数量逐渐增加时，目前保险行业的牛险投保流程主要包括以下几步：用户录入承保标的牛照片后，保险核保人员核查用户上传照片是否符合要求(图像尺寸，是否奶牛，是否有耳标，耳标是否清晰，信息描述是否正确，将符合要求的照片进行存档，并录入耳标号，不符合要求的照片人工返回用户提示重新提供照片，后期还需要进行根据牛的图像进行身份同一性核验。
通过图像进行牛身份识别时，上传的照片质量参差不齐，现有技术需要人工核验，并且照片内容的核验专业性要求较高，核实身份的人员工作量过大，需要对每张照片都进行核查，耗时较大，重复工作多，且对不合格照片需进行错误标记，反馈给用户重新上传，人工成本高，无法批量自动化，在身份验证过程中，人工对索赔照片的校验复杂，需要对历史上传照片进行逐一比对，对专业性要求高，并且当存在伪造图像时，无法准确识别伪造图像，造成欺诈骗保风险。
发明内容
鉴于以上内容，有必要提出一种基于图像识别的身份验证方法、装置、终端及存储介质，通过在耳标号一致的情况下计算第一牛脸特征图像和第二牛脸特征图像的相似度值，做到双重验证，降低了伪造欺诈骗保的风险。
本发明的第一方面提供一种基于图像识别的身份验证方法，所述方法包括：
获取待识别牛图像；
提取所述待识别牛图像中的第一牛脸特征图像和第一耳标图像，并识别所述第一耳标图像中的第一耳标号，基于所述第一牛脸特征图像及所述第一耳标号判断所述待识别牛图像是否满足预设身份识别要求；
当确定所述待识别牛图像满足预设身份识别要求时，对所述待识别牛图像进行标识，并关联所述待识别牛图像、所述第一牛脸特征图像和所述第一耳标号，将关联后的所述待识别牛图像存储至第一数据库中；
当接收到待识别牛需要身份验证的请求时，获取需要身份验证的牛图像；
提取所述需要身份验证的牛图像中的第二牛脸特征图像和第二耳标图像，并识别所述第二耳标图像中的第二耳标号；
识别所述第一数据库中是否存在与所述第二耳标号一致的目标耳标号；
当在所述第一数据库中识别到存在与所述第二耳标号一致的目标耳标号时，获取所述目标耳标号关联的第一牛脸特征图像；
计算所述第一牛脸特征图像和所述第二牛脸特征图像的相似度值；
基于所述相似度值核验所述待识别牛图像中的牛和所述需要身份验证的牛图像中的牛的身份一致性；
当确定所述待识别牛图像中的牛和所述需要身份验证的牛图像中的牛的身份一致时，确定所述需要身份验证的牛图像中的牛身份验证通过。
优选的，所述提取所述待识别牛图像中的第一牛脸特征图像和第一耳标图像包括：
采用多阶段混合任务级联目标检测网络筛选出所述待识别牛图像中的多个牛脸目标候选框图像和耳标候选框图像，其中，每个所述牛脸目标候选框图像和每个所述耳标候选框图像中对应有概率值；
筛选出概率值最大的牛脸目标候选框图像作为牛脸目标框及删选出概率值最大的耳标目标候选框图像作为耳标目标框；
根据所述牛脸目标框和所述耳标目标框在所述待识别牛图像中截取牛脸特征图像和耳标图像；
将所述牛脸特征图像输入到预先训练好的多任务深度学习网络模型进行特征提取，生成所述待识别牛的第一牛脸特征图像；
将所述耳标图像输入到预先训练好的多任务深度学习网络模型进行特征提取，生成所述待识别牛的第一耳标图像。
优选的，所述基于所述第一牛脸特征图像及所述第一耳标号判断所述待识别牛图像是否满足预设身份识别要求包括：
判断所述第一牛脸特征图像是否符合预设图像质量阈值；
当确定所述第一牛脸特征图像符合所述预设图像质量阈值时，判断所述第一耳标号是否满足预设耳标号序列要求；
当确定所述第一耳标号满足所述预设耳标号序列要求时，确定所述待识别牛图像符合预设身份识别要求；
当确定所述第一耳标号不满足所述预设耳标号序列要求，或者当确定所述第一牛脸特征图像符合所述预设图像质量阈值但所述第一耳标号不满足所述预设耳标号序列要求时，确定所述待识别牛图像不符合预设身份识别要求。
优选的，所述计算所述第一牛脸特征图像和所述第二牛脸特征图像的相似度值包括：
采用如下皮尔森系数公式计算：
Figure BDA0002558337360000031
其中，r(X,Y)表示所述第一牛脸特征图像和所述第二牛脸特征图像的相似度值，x表示所述第一牛脸特征图像中任意点的像素值，y表示所述第二牛脸特征图像中任意点的像素值，n表示图像像素总数。
优选的，所述基于所述相似度值核验所述待识别牛图像中的牛和所述需要身份验证的牛图像中的牛的身份一致性包括：
将所述相似度值与预设的相似度阈值进行比对；
当所述相似度值大于或者等于所述预设的相似度阈值时，确定所述待识别牛图像中的牛和所述需要身份验证的牛图像中的牛的身份一致；
当所述相似度值小于所述预设的相似度阈值时，确定所述待识别牛图像中的牛和所述需要身份验证的牛图像中的牛的身份不一致。
优选的，所述在将所述在将关联后的待识别牛图像存储至第一数据库之后，所述方法还包括：
监控所述第一数据库中的每个待识别牛图像对应的牛的成长时间；
当每个所述待识别牛图像对应的牛的成长时间大于预设的成长时间时，重新获取所述待识别牛图像及所述待识别牛图像对应的第一牛脸特征图像存储至所述第一数据库替换所述待识别牛图像和所述待识别牛图像对应的第一牛脸特征图像，其中，所述第一数据库存储于区块链节点中。
优选的，所述方法还包括：
当确定所述待识别牛图像中的牛和所述需要身份验证的的牛图像中的牛的身份一致时，标识所述需要身份验证的的牛图像为已通过身份验证的牛图像；
将所述已通过身份验证的牛图像与所述第二牛脸特征图像和所述第二耳标号进行关联，并将关联后的所述已通过身份验证的牛图像存储至所述第二数据库中。
本发明的第二方面提供一种基于图像识别的身份验证装置，所述装置包括：
获取模块，用于获取待识别牛图像；
提取模块，用于提取所述待识别牛图像中的第一牛脸特征图像和第一耳标图像，并识别所述第一耳标图像中的第一耳标号，基于所述第一牛脸特征图像及所述第一耳标号判断所述待识别牛图像是否满足预设身份识别要求；
存储模块，用于当确定所述待识别牛图像满足预设身份识别要求时，对所述待识别牛图像进行标识，并关联所述待识别牛图像、所述第一牛脸特征图像和所述第一耳标号，将关联后的所述待识别牛的图像存储至第一数据库中；
所述获取模块，还用于当接收到待识别牛需要身份验证的请求时，获取需要身份验证的牛图像；
所述提取模块，还用于提取所述需要身份验证的牛图像中的第二牛脸特征图像和第二耳标图像，并识别所述第二耳标图像中的第二耳标号；
识别模块，用于识别所述投保数据库第一数据库中是否存在与所述第二耳标号一致的目标耳标号；
所述获取模块，还用于当在所述第一数据库中识别到存在与所述第二耳标号一致的目标耳标号时，获取所述目标耳标号关联的第一牛脸特征图像；
计算模块，用于计算所述第一牛脸特征图像和所述第二牛脸特征图像的相似度值；
核验模块，用于基于所述相似度值核验所述待识别牛图像中的牛和所述需要身份验证的牛图像中的牛的身份一致性；
确定模块，用于当确定所述待识别牛图像中的牛和所述需要身份验证的牛图像中的牛的身份一致时，确定所述需要身份验证的牛图像中的牛身份验证通过。
本发明的第三方面提供一种终端，所述终端包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现任意一项所述基于图像识别的身份验证方法。
本发明的第四方面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任意一项所述基于图像识别的身份验证方法。
综上所述，本发明所述的基于图像识别的身份验证方法、装置、终端及存储介质，一方面在身份验证阶段，采用多阶段混合任务级联目标检测算法检测需要身份验证的牛图像得到第二牛脸特征，并采用OCR提取第二耳标号，在第一数据库中识别到与第二耳标号一致的目标耳标号，关联出所述目标耳标号对应的第一牛脸特征，在耳标号一致的情况下，进一步计算了所述第一牛脸特征图像和所述第二牛脸特征图像的相似度值，做到双重验证，提高了身份一致性核验的准确度，降低了伪造欺诈骗保的风险；另一方面，为了防止牛在生长的过程中因正常生长或疾病等异常原因导致脸部发生过大变化，定期对所述第一数据库中的所述待识别牛图像和所述待识别牛图像对应的第一牛脸特征图像进行更新，确保了所述第一数据库中的所述待识别牛图像和所述待识别牛图像对应的第一牛脸特征图像的准确性；最后，把通过身份验证后牛图像、所述第二牛脸特征图像和所述第二耳标号存储至第二数据库中，在每个需要身份验证的牛在进行身份验证之前，首先在第二数据库中进行识别，若没有才会在第一数据库中识别，防止了重复身份验证，降低了二次理赔的风险。
附图说明
图1是本发明实施例一提供的基于图像识别的身份验证方法的流程图。
图2是本发明实施例二提供的基于图像识别的身份验证装置的结构图。
图3是本发明实施例三提供的终端的结构示意图。
如下具体实施方式将结合上述附图进一步说明本发明。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施例对本发明进行详细描述。需要说明的是，在不冲突的情况下，本发明的实施例及实施例中的特征可以相互组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。
实施例一
图1是本发明实施例一提供的基于图像识别的身份验证方法的流程图。
在本实施例中，所述基于图像识别的身份验证方法可以应用于终端中，对于需要进行基于图像识别的身份验证的终端，可以直接在终端上集成本发明的方法所提供的基于图像识别的身份验证的功能，或者以软件开发工具包(Software Development Kit，SKD)的形式运行在终端中。
如图1所示，所述基于图像识别的身份验证方法具体包括以下步骤，根据不同的需求，该流程图中步骤的顺序可以改变，某些可以省略。
S11：获取待识别牛图像。
本实施例中，接收客户端上传的图像或视频等格式的数据，所述图像或视频等格式的数据中包括对待投保的牛的脸部所拍的照片或视频，而为了防止其中未包含牛脸图像的无用数据的干扰，首先需要进一步解析所述客户端上传的图像或视频等格式的数据，排除其中的无用数据，从中获取到包含了牛脸图像的待识别牛图像，将未包含牛脸或未包含完整的牛脸图像的图像从客户端上传的图像或视频等格式的数据中剔除。
S12：提取所述待识别牛图像中的第一牛脸特征图像和第一耳标图像，并识别所述第一耳标图像中的第一耳标号，基于所述第一牛脸特征图像及所述第一耳标号判断所述待识别牛图像是否满足预设身份识别要求。
本实施例中，采用多阶段混合任务级联HTC(Hybrid Task Cascade)检测算法提取所述待识别牛图像中的第一牛脸特征图像和第一耳标图像，采用光学字符识别(OCR)识别所述第一耳标图像中的第一耳标号。
本实施例中，所述多阶段混合任务级联HTC检测算法为现有技术，将算法本身应用于牛的身份识别管理系统中，设计了多任务多阶段的混合级联结构，并且融合了一个语义分割的分支来增强spatial context，利用空间背景来进一步提高检测准确性，同时HTC网络设计了一个渐进式细化的级联管道，在每个阶段，第一牛脸特征图像、第一耳标图像边界框回归和掩模预测都以多任务方式组合；此外，在不同阶段的掩模分支之间引入直接连接每个阶段的掩模特征将被嵌入并馈送到下一个阶段，总体设计强度任务之间和跨阶段的信息流，导致每个阶段的更好的细化和对所有任务如所述第一牛脸特征图像和第一耳标图像得到更准确的检测。
本实施例中，所述光学字符识别(OCR)识别为现有技术，本发明在此不做详细阐述。
优选的，所述提取所述待识别牛图像中的第一牛脸特征图像和第一耳标图像包括：
采用多阶段混合任务级联目标检测网络筛选出所述待识别牛图像中的多个牛脸目标候选框图像和耳标候选框图像，其中，每个所述牛脸目标候选框图像和每个所述耳标候选框图像中对应有概率值；
筛选出概率值最大的牛脸目标候选框图像作为牛脸目标框及删选出概率值最大的耳标目标候选框图像作为耳标目标框；
根据所述牛脸目标框和所述耳标目标框在所述待识别牛图像中截取牛脸特征图像和耳标图像；
将所述牛脸特征图像输入到预先训练好的多任务深度学习网络模型进行特征提取，生成所述待识别牛的第一牛脸特征图像；
将所述耳标图像输入到预先训练好的多任务深度学习网络模型进行特征提取，生成所述待识别牛的第一耳标图像。
本实施例中，采用多阶段混合任务级联目标检测算法中融合了语义分割的分支来增强spatial context，提高了所述第一牛脸特征图像和所述第一耳标图像检测的准确性。
优选的，所述提取所述待识别牛图像中的第一牛脸特征图像和第一耳标图像，并识别所述第一耳标图像中的第一耳标号，基于所述第一牛脸特征图像及所述第一耳标号判断所述待识别牛图像是否满足预设身份识别要求包括：
判断所述第一牛脸特征图像是否符合预设图像质量阈值；
当确定所述第一牛脸特征图像符合所述预设图像质量阈值时，判断所述第一耳标号是否满足预设耳标号序列要求；
当确定所述第一耳标号满足所述预设耳标号序列要求时，确定所述待识别牛图像符合预设身份识别要求；
当确定所述第一耳标号不满足所述预设耳标号序列要求，或者当确定所述第一牛脸特征图像符合所述预设图像质量阈值但所述第一耳标号不满足所述预设耳标号序列要求时，确定所述待识别牛图像不符合预设身份识别要求。
本实施例中，服务器可以预先设置图像质量阈值。所述图像质量阈值是指用以判断所述第一牛脸特征图像质量优良的临界值。
S13：当确定所述待识别牛图像满足预设身份识别要求时，对所述待识别牛图像进行标识，并关联所述待识别牛图像、所述第一牛脸特征图像和所述第一耳标号，将关联后的所述待识别牛的图像存储至第一数据库中。
本实施例中，在确定了待识别牛图像满足要求时，将所述待识别牛图像、所述第一牛脸特征图像和所述第一耳标号进行关联后发送至第一数据库中进行存储。
优选的，在将所述在将关联后的待识别牛图像存储至第一数据库之后，所述方法还包括：
监控所述第一数据库中的每个待识别牛图像对应的牛的成长时间；
当每个所述待识别牛图像对应的牛的成长时间大于预设的成长时间时，重新获取所述待识别牛图像及所述待识别牛图像对应的第一牛脸特征图像存储至所述第一数据库替换所述待识别牛图像和所述待识别牛图像对应的第一牛脸特征图像，其中，所述第一数据库存储于区块链节点中。
需要强调的是，为进一步保证上述资源栈的私密和安全性，上述资源栈还可以存储于一区块链的节点中。
本实施例中，所述成长时间可以根据为牛投保的保险时间来设置，也可以根据牛的成长的生理时间科学设置。
本实施例中，为了防止牛在生长的过程中因正常生长或疾病等异常原因导致脸部发生过大变化，因此需要定期对所述第一数据库中的所述待识别牛图像和所述待识别牛图像对应的第一牛脸特征图像进行更新，以保持所述第一数据库中的所述待识别牛图像和所述待识别牛图像对应的第一牛脸特征图像的准确性。
S14：当接收到待识别牛需要身份验证的请求时，获取需要身份验证的牛图像。
本实施例中，保险包括投保和理赔两个阶段，当待识别的牛需要理赔的时，需要通过身份验证，接收到客户端上传的需要身份验证的牛图像或者包括牛脸的视频，从所述客户上传的牛图像或者包括牛脸的视频中获取需要身份验证的牛图像。
S15：提取所述需要身份验证的牛图像中的第二牛脸特征图像和第二耳标图像，并识别所述第二耳标图像中的第二耳标号。
本实施例中，采用多阶段混合任务级联HTC(Hybrid Task Cascade)检测算法提取所述需要身份验证的牛图像中的第二牛脸特征图像和第二耳标图像，采用光学字符识别(OCR)识别所述第二耳标图像中的第二耳标号。
S16：识别所述第一数据库中是否存在与所述第二耳标号一致的目标耳标号。
本实施例中，将所述第二耳标号和第一数据库中的第一耳标号进行匹配，识别所述第一数据库中是否存在所述第二耳标号一致的第一耳标号。
进一步的，所述方法还包括：
识别第二数据库中是否存在与所述第二耳标号一致的第二目标耳标号。
本实施例中，为了防止重复理赔，将所述第二耳标号与第二数据库中的第二耳标号进行匹配，所述第二数据库可以为理赔数据库，当在所述第二数据库中识别到与所述第二耳标号一致的第二目标耳标号时，确定所述需要身份验证的牛图像中的牛已经进行了身份验证，无需理赔。
S17：当在所述第一数据库中识别到存在与所述第二耳标号一致的目标耳标号时，获取所述目标耳标号关联的第一牛脸特征图像。
本实施例中，当在所述第一数据库中识别到所述需要身份验证的图像中的牛对应的目标耳标号时，在耳标号一致的情况下，从所述第一数据库中关联出所述目标耳标号对应的第一牛脸特征图像。
S18：计算所述第一牛脸特征图像和所述第二牛脸特征图像的相似度值。
本实施例中，所述相似度值越大，表明所述第一牛脸特征图像和所述第二牛脸特征图像越相似。
优选的，所述计算所述第一牛脸特征图像和所述第二牛脸特征图像的相似度值包括：
采用如下皮尔森系数公式计算：
Figure BDA0002558337360000111
其中，r(X,Y)表示所述第一牛脸特征图像和所述第二牛脸特征图像的相似度值，x表示所述第一牛脸特征图像中任意点的像素值，y表示所述第二牛脸特征图像中任意点的像素值，n表示图像像素总数。
本实施例中，采用皮尔森系数公式计算所述第一牛脸特征图像和所述第二牛脸特征图像的相似度值，相似度值越大，确定所述第一牛脸特征图像和所述第二牛脸特征图像越相似。
S19：基于所述相似度值核验所述待识别牛图像中的牛和所述需要身份验证的牛图像中的牛的身份一致性。
本实施例中，根据相似度中的大小来核验所述待识别牛图像中的牛和所述需要身份验证的牛图像中的牛的身份一致性。
优选的，所述基于所述相似度值核验所述待识别牛图像中的牛和所述需要身份验证的牛图像中的牛的身份一致性包括：
将所述相似度值与预设的相似度阈值进行比对；
当所述相似度值大于或者等于所述预设的相似度阈值时，确定所述待识别牛图像中的牛和所述需要身份验证的牛图像中的牛的身份一致；
当所述相似度值小于所述预设的相似度阈值时，确定所述待识别牛图像中的牛和所述需要身份验证的牛图像中的牛的身份不一致。
本实施例中，预设的相似度阈值可以预先设置，对比所述相似度值与预设的相似度阈值的大小，核验所述待识别牛图像中的牛和所述需要身份验证的牛图像中的牛的身份一致性。
本实施例中，在身份验证阶段，同样采用多阶段混合任务级联目标检测算法检测需要身份验证的牛图像得到第二牛脸特征，并采用OCR提取第二耳标号，在第一数据库中识别到与第二耳标号一致的目标耳标号，关联出所述目标耳标号对应的第一牛脸特征，在耳标号一致的情况下，进一步计算了所述第一牛脸特征图像和所述第二牛脸特征图像的相似度值，做到双重验证，提高了身份一致性核验的准确度，降低了伪造欺诈骗保的风险。
S20：当确定所述待识别牛图像中的牛和所述需要身份验证的牛图像中的牛的身份一致时，确定所述需要身份验证的牛图像中的牛身份验证通过。
本实施例中，在确定了所述需要身份验证的牛的身份一致后确定所述需要身份验证的牛图像中的牛身份验证通过，可以降低身份验证过程中造假风险。
进一步的，所述方法还包括：
当确定所述待识别牛图像中的牛和所述需要身份验证的牛图像中的牛的身份一致时，标识所述需要身份验证的牛图像为已通过身份验证的牛图像；
将所述已通过身份验证的牛图像与所述第二牛脸特征图像和所述第二耳标号进行关联，并将关联后的所述已通过身份验证的牛图像存储至所述第二数据库中。
本实施例中，把已通过身份验证的牛图像、所述第二牛脸特征图像和所述第二耳标号存储至第二数据库中，在每个需要身份验证的牛理赔之前，首先在第二数据库中进行识别，若没有才会在第一数据库中识别，防止了重复身份验证，降低了二次理赔的风险，缩短了身份验证时间，提高了身份验证处理效率。
综上所述，本实施例所述的基于图像识别的身份验证方法，一方面在身份验证阶段，采用多阶段混合任务级联目标检测算法检测需要身份验证的牛图片图像得到第二牛脸特征，并采用OCR提取第二耳标号，在第一数据库中识别到与第二耳标号一致的目标耳标号，关联出所述目标耳标号对应的第一牛脸特征，在耳标号一致的情况下，进一步计算了所述第一牛脸特征图像和所述第二牛脸特征图像的相似度值，做到双重验证，提高了身份一致性核验的准确度，降低了伪造欺诈骗保的风险；另一方面，为了防止牛在生长的过程中因正常生长或疾病等异常原因导致脸部发生过大变化，定期对所述第一数据库中的所述待识别牛图像和所述待识别牛图片图像对应的第一牛脸特征图像进行更新，确保了所述第一数据库中的所述待识别牛图像和所述待识别牛图像对应的第一牛脸特征图像的准确性；最后，把通过身份验证后牛图像、所述第二牛脸特征图像和所述第二耳标号存储至第二数据库中，在每个需要身份验证的牛在进行身份验证之前，首先在第二数据库中进行识别，若没有才会在第一数据库中识别，防止了重复身份验证，降低了二次理赔的风险。
实施例二
图2是本发明实施例二提供的基于图像识别的身份验证装置的结构图。
在一些实施例中，所述基于图像识别的身份验证装置20可以包括多个由程序代码段所组成的功能模块。所述基于图像识别的身份验证装置20中的各个程序段的程序代码可以存储于终端的存储器中，并由所述至少一个处理器所执行，以执行(详见图1描述)基于图像识别的身份验证。
本实施例中，所述基于图像识别的身份验证装置20根据其所执行的功能，可以被划分为多个功能模块。所述功能模块可以包括：获取模块201、提取模块202、存储模块203、监控模块204、替换模块205、识别模块206、计算模块207、核验模块208、确定模块209及标识模块210。本发明所称的模块是指一种能够被至少一个处理器所执行并且能够完成固定功能的一系列计算机程序段，其存储在存储器中。在本实施例中，关于各模块的功能将在后续的实施例中详述。
获取模块201：用于获取待识别牛图像。
本实施例中，接收客户端上传的图像或视频等格式的数据，所述图像或视频等格式的数据中包括对待投保的牛的脸部所拍的照片或视频，而为了防止其中未包含牛脸图像的无用数据的干扰，首先需要进一步解析所述客户端上传的图像或视频等格式的数据，排除其中的无用数据，从中获取到包含了牛脸图像的待识别牛图像，将未包含牛脸或未包含完整的牛脸图像的图像从客户端上传的图像或视频等格式的数据中剔除。
提取模块202：用于提取所述待投保牛图片待识别牛图像中的第一牛脸特征图像和第一耳标图像，并识别所述第一耳标图像中的第一耳标号，基于所述第一牛脸特征图像及所述第一耳标号判断所述待投保牛图片待识别牛图像是否满足预设投保要求预设身份识别要求。
本实施例中，采用多阶段混合任务级联HTC(Hybrid Task Cascade)检测算法提取所述待投保牛图片待识别牛图像中的第一牛脸特征图像和第一耳标图像，采用光学字符识别(OCR)识别所述第一耳标图像中的第一耳标号。
本实施例中，所述多阶段混合任务级联HTC检测算法为现有技术，将算法本身应用于牛的身份识别管理系统中，设计了多任务多阶段的混合级联结构，并且融合了一个语义分割的分支来增强spatial context，利用空间背景来进一步提高检测准确性，同时HTC网络设计了一个渐进式细化的级联管道，在每个阶段，第一牛脸特征图像、第一耳标图像边界框回归和掩模预测都以多任务方式组合；此外，在不同阶段的掩模分支之间引入直接连接每个阶段的掩模特征将被嵌入并馈送到下一个阶段，总体设计强度任务之间和跨阶段的信息流，导致每个阶段的更好的细化和对所有任务如所述第一牛脸特征图像和第一耳标图像得到更准确的检测。
本实施例中，所述光学字符识别(OCR)识别为现有技术，本发明在此不做详细阐述。
优选的，所述提取模块202提取所述待识别牛图像中的第一牛脸特征图像和第一耳标图像包括：
采用多阶段混合任务级联目标检测网络筛选出所述待识别牛图像中的多个牛脸目标候选框图像和耳标候选框图像，其中，每个所述牛脸目标候选框图像和每个所述耳标候选框图像中对应有概率值；
筛选出概率值最大的牛脸目标候选框图像作为牛脸目标框及删选出概率值最大的耳标目标候选框图像作为耳标目标框；
根据所述牛脸目标框和所述耳标目标框在所述待识别牛图像中截取牛脸特征图像和耳标图像；
将所述牛脸特征图像输入到预先训练好的多任务深度学习网络模型进行特征提取，生成所述待识别牛的第一牛脸特征图像；
将所述耳标图像输入到预先训练好的多任务深度学习网络模型进行特征提取，生成所述待识别牛的第一耳标图像。
本实施例中，采用多阶段混合任务级联目标检测算法中融合了语义分割的分支来增强spatial context，提高了所述第一牛脸特征图像和所述第一耳标图像检测的准确性。
优选的，所述提取模块202提取所述待识别牛图像中的第一牛脸特征图像和第一耳标图像，并识别所述第一耳标图像中的第一耳标号，基于所述第一牛脸特征图像及所述第一耳标号判断所述待识别牛图像是否满足预设身份识别要求包括：
判断所述第一牛脸特征图像是否符合预设图像质量阈值；
当确定所述第一牛脸特征图像符合所述预设图像质量阈值时，判断所述第一耳标号是否满足预设耳标号序列要求；
当确定所述第一耳标号满足所述预设耳标号序列要求时，确定所述待识别牛图像符合预设身份识别要求；
当确定所述第一耳标号不满足所述预设耳标号序列要求，或者当确定所述第一牛脸特征图像符合所述预设图像质量阈值但所述第一耳标号不满足所述预设耳标号序列要求时，确定所述待识别牛图像不符合预设身份识别要求。
本实施例中，服务器可以预先设置图像质量阈值。所述图像质量阈值是指用以判断所述第一牛脸特征图像质量优良的临界值。
存储模块203：用于当确定所述待识别牛图像满足预设身份识别要求时，对所述待识别牛图像进行标识，并关联所述待识别牛图像、所述第一牛脸特征图像和所述第一耳标号，将关联后的所述待识别牛的图像存储至第一数据库中。
本实施例中，在确定了待识别牛图像满足要求时，将所述待识别牛图像、所述第一牛脸特征图像和所述第一耳标号进行关联后发送至第一数据库中进行存储。
优选的，在将所述在将关联后的待识别牛图像存储至第一数据库之后，监控模块204用于监控所述第一数据库中的每个待识别牛图像对应的牛的成长时间。
替换模块205：用于当每个所述待识别牛图像对应的牛的成长时间大于预设的成长时间时，重新获取所述待识别牛图像及所述待识别牛图像对应的第一牛脸特征图像存储至所述第一数据库替换所述待识别牛图像和所述待识别牛图像对应的第一牛脸特征图像，其中，所述第一数据库存储于区块链的节点中。
需要强调的是，为进一步保证上述资源栈的私密和安全性，上述资源栈还可以存储于一区块链的节点中。
本实施例中，所述成长时间可以根据为牛投保的保险时间来设置，也可以根据牛的成长的生理时间科学设置。
本实施例中，为了防止牛在生长的过程中因正常生长或疾病等异常原因导致脸部发生过大变化，因此需要定期对所述第一数据库中的所述待识别牛图像和所述待识别牛图像对应的第一牛脸特征图像进行更新，以保持所述第一数据库中的所述待识别牛图像和所述待识别牛图像对应的第一牛脸特征图像的准确性。
所述获取模块201：还用于当接收到待识别牛需要身份验证的请求时，获取需要身份验证的牛图像。
本实施例中，保险包括投保和理赔两个阶段，当待识别的牛需要理赔的时，需要通过身份验证，接收到客户端上传的需要身份验证的牛图像或者包括牛脸的视频，从所述客户上传的牛图像或者包括牛脸的视频中获取需要身份验证的牛图像。
所述提取模块202：还用于提取所述需要身份验证的牛图像中的第二牛脸特征图像和第二耳标图像，并识别所述第二耳标图像中的第二耳标号。
本实施例中，采用多阶段混合任务级联HTC(Hybrid Task Cascade)检测算法提取所述需要身份验证的牛图像中的第二牛脸特征图像和第二耳标图像，采用光学字符识别(OCR)识别所述第二耳标图像中的第二耳标号。
识别模块206：用于识别所述第一数据库中是否存在与所述第二耳标号一致的目标耳标号。
本实施例中，将所述第二耳标号和第一数据库中的第一耳标号进行匹配，识别所述第一数据库中是否存在所述第二耳标号一致的第一耳标号。
进一步的，所述识别模块206还用于识别第二数据库中是否存在与所述第二耳标号一致的第二目标耳标号。
本实施例中，为了防止重复理赔，将所述第二耳标号与第二数据库中的第二耳标号进行匹配，所述第二数据库可以为理赔数据库，当在所述第二数据库中识别到与所述第二耳标号一致的第二目标耳标号时，确定所述需要身份验证的牛图像中的牛已经进行了身份验证，无需理赔。
所述获取模块201：还用于当在所述第一数据库中识别到存在与所述第二耳标号一致的目标耳标号时，获取所述目标耳标号关联的第一牛脸特征图像。
本实施例中，当在所述第一数据库中识别到所述需要身份验证的图像中的牛对应的目标耳标号时，在耳标号一致的情况下，从所述第一数据库中关联出所述目标耳标号对应的第一牛脸特征图像。
计算模块207：用于计算所述第一牛脸特征图像和所述第二牛脸特征图像的相似度值。
本实施例中，所述相似度值越大，表明所述第一牛脸特征图像和所述第二牛脸特征图像越相似。
优选的，所述计算模块207计算所述第一牛脸特征图像和所述第二牛脸特征图像的相似度值包括：
采用如下皮尔森系数公式计算：
Figure BDA0002558337360000181
其中，r(X,Y)表示所述第一牛脸特征图像和所述第二牛脸特征图像的相似度值，x表示所述第一牛脸特征图像中任意点的像素值，y表示所述第二牛脸特征图像中任意点的像素值，n表示图像像素总数。
本实施例中，采用皮尔森系数公式计算所述第一牛脸特征图像和所述第二牛脸特征图像的相似度值，相似度值越大，确定所述第一牛脸特征图像和所述第二牛脸特征图像越相似。
核验模块208：用于基于所述相似度值核验所述待识别牛图像中的牛和所述需要身份验证的牛图像中的牛的身份一致性。
本实施例中，根据相似度中的大小来核验所述待识别牛图像中的牛和所述需要身份验证的牛图像中的牛的身份一致性。
优选的，所述基于所述相似度值核验所述待识别牛图像中的牛和所述需要身份验证的牛图像中的牛的身份一致性包括：
将所述相似度值与预设的相似度阈值进行比对；
当所述相似度值大于或者等于所述预设的相似度阈值时，确定所述待识别牛图像中的牛和所述需要身份验证的牛图像中的牛的身份一致；
当所述相似度值小于所述预设的相似度阈值时，确定所述待识别牛图像中的牛和所述需要身份验证的牛图像中的牛的身份不一致。
本实施例中，预设的相似度阈值可以预先设置，对比所述相似度值与预设的相似度阈值的大小，核验所述待识别牛图像中的牛和所述需要身份验证的牛图像中的牛的身份一致性。
本实施例中，在身份验证阶段，同样采用多阶段混合任务级联目标检测算法检测需要身份验证的牛图像得到第二牛脸特征，并采用OCR提取第二耳标号，在第一数据库中识别到与第二耳标号一致的目标耳标号，关联出所述目标耳标号对应的第一牛脸特征，在耳标号一致的情况下，进一步计算了所述第一牛脸特征图像和所述第二牛脸特征图像的相似度值，做到双重验证，提高了身份一致性核验的准确度，降低了伪造欺诈骗保的风险。
确定模块209：当确定所述待识别牛图像中的牛和所述需要身份验证的牛图像中的牛的身份一致时，确定所述需要身份验证的牛图像中的牛身份验证通过。
本实施例中，在确定了所述需要身份验证的牛的身份一致后确定所述需要身份验证的牛图像中的牛身份验证通过，可以降低身份验证过程中造假风险。
进一步的，标识模块210用于当确定所述待识别牛图像中的牛和所述需要身份验证的牛图像中的牛的身份一致时，标识所述需要身份验证的牛图像为已通过身份验证的牛图像。
所述存储模块203：还用于将所述已通过身份验证的牛图像与所述第二牛脸特征图像和所述第二耳标号进行关联，并将关联后的所述已通过身份验证的牛图像存储至所述第二数据库中。
本实施例中，把已通过身份验证的牛图像、所述第二牛脸特征图像和所述第二耳标号存储至第二数据库中，在每个需要身份验证的牛理赔之前，首先在第二数据库中进行识别，若没有才会在第一数据库中识别，防止了重复身份验证，降低了二次理赔的风险，缩短了身份验证时间，提高了身份验证处理效率。
综上所述，本实施例所述的基于图像识别的身份验证装置，一方面在身份验证阶段，采用多阶段混合任务级联目标检测算法检测需要身份验证的牛图片图像得到第二牛脸特征，并采用OCR提取第二耳标号，在第一数据库中识别到与第二耳标号一致的目标耳标号，关联出所述目标耳标号对应的第一牛脸特征，在耳标号一致的情况下，进一步计算了所述第一牛脸特征图像和所述第二牛脸特征图像的相似度值，做到双重验证，提高了身份一致性核验的准确度，降低了伪造欺诈骗保的风险；另一方面，为了防止牛在生长的过程中因正常生长或疾病等异常原因导致脸部发生过大变化，定期对所述第一数据库中的所述待识别牛图像和所述待识别牛图片图像对应的第一牛脸特征图像进行更新，确保了所述第一数据库中的所述待识别牛图像和所述待识别牛图像对应的第一牛脸特征图像的准确性；最后，把通过身份验证后牛图像、所述第二牛脸特征图像和所述第二耳标号存储至第二数据库中，在每个需要身份验证的牛在进行身份验证之前，首先在第二数据库中进行识别，若没有才会在第一数据库中识别，防止了重复身份验证，降低了二次理赔的风险。
实施例三
参阅图3所示，为本发明实施例三提供的终端的结构示意图。在本发明较佳实施例中，所述终端3包括存储器31、至少一个处理器32、至少一条通信总线33及收发器34。
本领域技术人员应该了解，图3示出的终端的结构并不构成本发明实施例的限定，既可以是总线型结构，也可以是星形结构，所述终端3还可以包括比图示更多或更少的其他硬件或者软件，或者不同的部件布置。
在一些实施例中，所述终端3是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的终端，其硬件包括但不限于微处理器、专用集成电路、可编程门阵列、数字处理器及嵌入式设备等。所述终端3还可包括客户设备，所述客户设备包括但不限于任何一种可与客户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互的电子产品，例如，个人计算机、平板电脑、智能手机、数码相机等。
需要说明的是，所述终端3仅为举例，其他现有的或今后可能出现的电子产品如可适应于本发明，也应包含在本发明的保护范围以内，并以引用方式包含于此。
在一些实施例中，所述存储器31用于存储程序代码和各种数据，例如安装在所述终端3中的基于图像识别的身份验证装置20，并在终端3的运行过程中实现高速、自动地完成程序或数据的存取。所述存储器31包括只读存储器(Read-Only Memory，ROM)、可编程只读存储器(Programmable Read-Only Memory，PROM)、可擦除可编程只读存储器(ErasableProgrammable Read-Only Memory，EPROM)、一次可编程只读存储器(One-timeProgrammable Read-Only Memory，OTPROM)、电子擦除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、只读光盘(CompactDisc Read-Only Memory，CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
在一些实施例中，所述至少一个处理器32可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述至少一个处理器32是所述终端3的控制核心(Control Unit)，利用各种接口和线路连接整个终端3的各个部件，通过运行或执行存储在所述存储器31内的程序或者模块，以及调用存储在所述存储器31内的数据，以执行终端3的各种功能和处理数据，例如执行基于图像识别的身份验证。
在一些实施例中，所述至少一条通信总线33被设置为实现所述存储器31以及所述至少一个处理器32等之间的连接通信。
尽管未示出，所述终端3还可以是给各个部件供电的电源(比如电池)，优选的，电源可以通过电源管理装置与所述至少一个处理器32逻辑相连，从而通过电源管理装置实现管理充电、放电、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述终端3还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
上述以软件功能模块的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能模块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(可以是个人计算机，终端，或者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的部分。
在进一步的实施例中，结合图2，所述至少一个处理器32可执行所述终端3的操作装置以及安装的各类应用程序(如所述的基于图像识别的身份验证装置20)、程序代码等，例如，上述的各个模块。
所述存储器31中存储有程序代码，且所述至少一个处理器32可调用所述存储器31中存储的程序代码以执行相关的功能。例如，图2中所述的各个模块是存储在所述存储器31中的程序代码，并由所述至少一个处理器32所执行，从而实现所述各个模块的功能以达到基于图像识别的身份验证的目的。
在本发明的一个实施例中，所述存储器31存储多个指令，所述多个指令被所述至少一个处理器32所执行以实现基于图像识别的身份验证。
具体地，所述至少一个处理器32对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或，单数不排除复数。装置权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种基于图像识别的身份验证方法，其特征在于，所述基于图像识别的身份验证方法包括：
获取待识别牛图像；
采用多阶段混合任务级联目标检测网络提取所述待识别牛图像中的第一牛脸特征图像和第一耳标图像，并采用光学字符识别所述第一耳标图像中的第一耳标号，基于所述第一牛脸特征图像及所述第一耳标号判断所述待识别牛图像是否满足预设身份识别要求，包括：判断所述第一牛脸特征图像是否符合预设图像质量阈值；当确定所述第一牛脸特征图像符合所述预设图像质量阈值时，判断所述第一耳标号是否满足预设耳标号序列要求；当确定所述第一耳标号满足所述预设耳标号序列要求时，确定所述待识别牛图像符合预设身份识别要求；
当确定所述待识别牛图像满足预设身份识别要求时，对所述待识别牛图像进行标识，并关联所述待识别牛图像、所述第一牛脸特征图像和所述第一耳标号，将关联后的所述待识别牛图像存储至第一数据库中；
当接收到待识别牛需要身份验证的请求时，获取需要身份验证的牛图像；
提取所述需要身份验证的牛图像中的第二牛脸特征图像和第二耳标图像，并识别所述第二耳标图像中的第二耳标号；
识别所述第一数据库中是否存在与所述第二耳标号一致的目标耳标号；
当在所述第一数据库中识别到存在与所述第二耳标号一致的目标耳标号时，获取所述目标耳标号关联的第一牛脸特征图像；
计算所述第一牛脸特征图像和所述第二牛脸特征图像的相似度值；
基于所述相似度值核验所述待识别牛图像中的牛和所述需要身份验证的牛图像中的牛的身份一致性；
当确定所述待识别牛图像中的牛和所述需要身份验证的牛图像中的牛的身份一致时，确定所述需要身份验证的牛图像中的牛身份验证通过。
2.如权利要求1所述的基于图像识别的身份验证方法，其特征在于，所述提取所述待识别牛图像中的第一牛脸特征图像和第一耳标图像包括：
采用多阶段混合任务级联目标检测网络筛选出所述待识别牛图像中的多个牛脸目标候选框图像和耳标候选框图像，其中，每个所述牛脸目标候选框图像和每个所述耳标候选框图像中对应有概率值；
筛选出概率值最大的牛脸目标候选框图像作为牛脸目标框及删选出概率值最大的耳标目标候选框图像作为耳标目标框；
根据所述牛脸目标框和所述耳标目标框在所述待识别牛图像中截取牛脸特征图像和耳标图像；
将所述牛脸特征图像输入到预先训练好的多任务深度学习网络模型进行特征提取，生成所述待识别牛的第一牛脸特征图像；
将所述耳标图像输入到预先训练好的多任务深度学习网络模型进行特征提取，生成所述待识别牛的第一耳标图像。
3.如权利要求1所述的基于图像识别的身份验证方法，其特征在于，所述方法还包括：
当确定所述第一耳标号不满足所述预设耳标号序列要求，或者当确定所述第一牛脸特征图像符合所述预设图像质量阈值但所述第一耳标号不满足所述预设耳标号序列要求时，确定所述待识别牛图像不符合所述预设身份识别要求。
4.如权利要求1所述的基于图像识别的身份验证方法，其特征在于，所述计算所述第一牛脸特征图像和所述第二牛脸特征图像的相似度值包括：
采用如下皮尔森系数公式计算：
Figure QLYQS_1
其中，r(X,Y)表示所述第一牛脸特征图像和所述第二牛脸特征图像的相似度值，x表示所述第一牛脸特征图像中任意点的像素值，y表示所述第二牛脸特征图像中任意点的像素值，n表示图像像素总数。
5.如权利要求1所述的基于图像识别的身份验证方法，其特征在于，所述基于所述相似度值核验所述待识别牛图像中的牛和所述需要身份验证的牛图像中的牛的身份一致性包括：
将所述相似度值与预设的相似度阈值进行比对；
当所述相似度值大于或者等于所述预设的相似度阈值时，确定所述待识别牛图像中的牛和所述需要身份验证的牛图像中的牛的身份一致；
当所述相似度值小于所述预设的相似度阈值时，确定所述待识别牛图像中的牛和所述需要身份验证的牛图像中的牛的身份不一致。
6.如权利要求1所述的基于图像识别的身份验证方法，其特征在于，所述将关联后的所述待识别牛图像存储至第一数据库中之后，所述方法还包括：
监控所述第一数据库中的每个待识别牛图像对应的牛的成长时间；
当每个所述待识别牛图像对应的牛的成长时间大于预设的成长时间时，重新获取所述待识别牛图像及所述待识别牛图像对应的第一牛脸特征图像存储至所述第一数据库替换所述待识别牛图像和所述待识别牛图像对应的第一牛脸特征图像，其中，所述第一数据库存储于区块链节点中。
7.如权利要求1至6中任意一项所述的基于图像识别的身份验证方法，其特征在于，所述基于图像识别的身份验证方法还包括：
当确定所述待识别牛图像中的牛和所述需要身份验证的牛图像中的牛的身份一致时，标识所述需要身份验证的牛图像为已通过身份验证的牛图像；
将所述已通过身份验证的牛图像与所述第二牛脸特征图像和所述第二耳标号进行关联，并将关联后的所述已通过身份验证的牛图像存储至第二数据库中。
8.一种基于图像识别的身份验证装置，其特征在于，所述基于图像识别的身份验证装置包括：
获取模块，用于获取待识别牛图像；
提取模块，用于采用多阶段混合任务级联目标检测网络提取所述待识别牛图像中的第一牛脸特征图像和第一耳标图像，并采用光学字符识别所述第一耳标图像中的第一耳标号，基于所述第一牛脸特征图像及所述第一耳标号判断所述待识别牛图像是否满足预设身份识别要求，包括：判断所述第一牛脸特征图像是否符合预设图像质量阈值；当确定所述第一牛脸特征图像符合所述预设图像质量阈值时，判断所述第一耳标号是否满足预设耳标号序列要求；当确定所述第一耳标号满足所述预设耳标号序列要求时，确定所述待识别牛图像符合预设身份识别要求；
存储模块，用于当确定所述待识别牛图像满足预设身份识别要求时，对所述待识别牛图像进行标识，并关联所述待识别牛图像、所述第一牛脸特征图像和所述第一耳标号，将关联后的所述待识别牛图像存储至第一数据库中；
所述获取模块，还用于当接收到待识别牛需要身份验证的请求时，获取需要身份验证的牛图像；
所述提取模块，还用于提取所述需要身份验证的牛图像中的第二牛脸特征图像和第二耳标图像，并识别所述第二耳标图像中的第二耳标号；
识别模块，用于识别所述第一数据库中是否存在与所述第二耳标号一致的目标耳标号；
所述获取模块，还用于当在所述第一数据库中识别到存在与所述第二耳标号一致的目标耳标号时，获取所述目标耳标号关联的第一牛脸特征图像；
计算模块，用于计算所述第一牛脸特征图像和所述第二牛脸特征图像的相似度值；
核验模块，用于基于所述相似度值核验所述待识别牛图像中的牛和所述需要身份验证的牛图像中的牛的身份一致性；
确定模块，用于当确定所述待识别牛图像中的牛和所述需要身份验证的牛图像中的牛的身份一致时，确定所述需要身份验证的牛图像中的牛身份验证通过。
9.一种终端，其特征在于，所述终端包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1至7中任意一项所述的基于图像识别的身份验证方法。
10.一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，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的基于图像识别的身份验证方法。
CN202010600104.1A 2020-06-28 2020-06-28 基于图像识别的身份验证方法、装置、终端及存储介质 Active CN111738182B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010600104.1A CN111738182B (zh) 2020-06-28 2020-06-28 基于图像识别的身份验证方法、装置、终端及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010600104.1A CN111738182B (zh) 2020-06-28 2020-06-28 基于图像识别的身份验证方法、装置、终端及存储介质

Publications (2)

Publication Number Publication Date
CN111738182A CN111738182A (zh) 2020-10-02
CN111738182B true CN111738182B (zh) 2023-06-02

Family

ID=72651495

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010600104.1A Active CN111738182B (zh) 2020-06-28 2020-06-28 基于图像识别的身份验证方法、装置、终端及存储介质

Country Status (1)

Country Link
CN (1) CN111738182B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112189588B (zh) * 2020-10-10 2022-04-05 东北农业大学 一种奶牛图像信息收集处理方法及系统
CN115211383B (zh) * 2021-04-15 2024-04-19 深圳市中融数字科技有限公司 耳标确定方法、装置、存储介质及电子设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108549860A (zh) * 2018-04-09 2018-09-18 深源恒际科技有限公司 一种基于深度神经网络的牛脸识别方法
WO2019009857A2 (en) * 2017-04-11 2019-01-10 GONCU, Serap PROCESS FOR DETECTION OF OESTRAL PERIOD OF COWS BY DRONE
CN109190477A (zh) * 2018-08-02 2019-01-11 平安科技（深圳）有限公司 基于牛脸识别的保险理赔方法、装置、计算机设备及存储介质
CN109285081A (zh) * 2018-09-17 2019-01-29 翔创科技（北京）有限公司 饲养动物的确认方法、理赔方法、管理方法以及确认系统
CN110610125A (zh) * 2019-07-31 2019-12-24 平安科技（深圳）有限公司 基于神经网络的牛脸识别方法、装置、设备及存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019009857A2 (en) * 2017-04-11 2019-01-10 GONCU, Serap PROCESS FOR DETECTION OF OESTRAL PERIOD OF COWS BY DRONE
CN108549860A (zh) * 2018-04-09 2018-09-18 深源恒际科技有限公司 一种基于深度神经网络的牛脸识别方法
CN109190477A (zh) * 2018-08-02 2019-01-11 平安科技（深圳）有限公司 基于牛脸识别的保险理赔方法、装置、计算机设备及存储介质
CN109285081A (zh) * 2018-09-17 2019-01-29 翔创科技（北京）有限公司 饲养动物的确认方法、理赔方法、管理方法以及确认系统
CN110610125A (zh) * 2019-07-31 2019-12-24 平安科技（深圳）有限公司 基于神经网络的牛脸识别方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN111738182A (zh) 2020-10-02

Similar Documents

Publication Publication Date Title
CN109614238B (zh) 一种目标对象识别方法、装置、系统及可读存储介质
CN111814775B (zh) 目标对象异常行为识别方法、装置、终端及存储介质
CN111738182B (zh) 基于图像识别的身份验证方法、装置、终端及存储介质
CN111860522B (zh) 身份证图片处理方法、装置、终端及存储介质
CN112712429A (zh) 汇款业务审核方法、装置、计算机设备和存储介质
CN112560964A (zh) 基于半监督学习训练中草药病虫害识别模型的方法与系统
CN112668629A (zh) 基于图片识别的智能仓储方法、系统、设备及存储介质
CN111696663A (zh) 疾病风险的分析方法、装置、电子设备及计算机存储介质
CN111260214B (zh) 核电站预留工单领料方法、装置、设备及存储介质
CN112668575A (zh) 关键信息提取方法、装置、电子设备及存储介质
CN110852714A (zh) 应用于装修业务平台的薪酬提成数据管理系统
CN114639152A (zh) 基于人脸识别的多模态语音交互方法、装置、设备及介质
CN109801394B (zh) 一种工作人员考勤方法及装置、电子设备和可读存储介质
CN110716778A (zh) 应用兼容性测试方法、装置及系统
CN111651652B (zh) 基于人工智能的情感倾向识别方法、装置、设备及介质
CN114881313A (zh) 基于人工智能的行为预测方法、装置及相关设备
CN115222549A (zh) 风险评估处理方法、装置、计算机设备及存储介质
CN112163964B (zh) 风险预测方法、装置、电子设备及存储介质
CN114511200A (zh) 作业数据的生成方法、装置、计算机设备和存储介质
CN111522902B (zh) 数据录入方法、装置、电子设备及计算机可读存储介质
CN110598527B (zh) 基于机器学习的理赔保单号码识别方法及相关设备
CN112132693A (zh) 交易验证方法、装置、计算机设备与计算机可读存储介质
CN112686156A (zh) 一种情绪监测方法、装置、计算机设备及可读存储介质
CN113743695A (zh) 基于大数据的国际工程项目投标报价风险管理方法
CN113936313B (zh) 网点员工账号外借检测方法、装置、设备及存储介质

Legal Events

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