CN112001419A - 一种防伪识别方法和装置 - Google Patents
一种防伪识别方法和装置 Download PDFInfo
- Publication number
- CN112001419A CN112001419A CN202010711195.6A CN202010711195A CN112001419A CN 112001419 A CN112001419 A CN 112001419A CN 202010711195 A CN202010711195 A CN 202010711195A CN 112001419 A CN112001419 A CN 112001419A
- Authority
- CN
- China
- Prior art keywords
- components
- identification
- product
- image
- counterfeiting
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000012549 training Methods 0.000 claims description 16
- 238000003062 neural network model Methods 0.000 claims description 6
- 238000004064 recycling Methods 0.000 abstract description 7
- 230000008569 process Effects 0.000 description 8
- 238000004806 packaging method and process Methods 0.000 description 4
- 235000019504 cigarettes Nutrition 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computational Linguistics (AREA)
- Entrepreneurship & Innovation (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Finance (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例公开了一种防伪识别方法和装置,该方法包括:对待识别产品进行拍摄获取防伪识别图像;防伪识别图像中包括设置于待识别产品上的防伪识别标签的图像以及一个或多个组成部分的图像;与待识别产品相对应的正品产品上的防伪识别标签与正品产品上的相应的一个或多个组成部分具有预设的第一位置关系;检测防伪识别图像中的防伪识别标签与防伪识别图像中的一个或多个组成部分之间的第二位置关系;将第二位置关系与第一位置关系相比较,根据比较结果确定待识别产品的真伪。该实施例方案提高了对防伪识别标签再利用的成本,从而降低了防伪标签被再次利用的几率,提高了产品防伪能力。
Description
技术领域
本文涉及防伪技术,尤指一种防伪识别方法和装置。
背景技术
在目前的防伪方案中,由于粘贴防伪识别标签的方案成本低、易于实施,因此目前存在的主要防伪方法仍是在产品上粘贴防伪识别标签。然而由于防伪识别标签易于被从正品产品上取下来,因此防伪识别标签通常被不法分子再次利用,张贴到伪劣产品上。针对不法分子的这一操作,目前还未出现较好的解决办法,为商家造成重大经济损失。
发明内容
本申请实施例提供了一种防伪识别方法和装置,能够提高对防伪识别标签再利用的成本,降低防伪标签被再次利用的几率,提高产品防伪能力。
本申请实施例提供了一种防伪识别方法,所述方法可以包括:
对待识别产品进行拍摄,获取防伪识别图像;所述防伪识别图像中包括设置于所述待识别产品上的防伪识别标签的图像,以及所述待识别产品的一个或多个组成部分的图像;与所述待识别产品相对应的正品产品上的防伪识别标签与所述正品产品上的相同的一个或多个组成部分具有预设的第一位置关系;
检测所述防伪识别图像中的防伪识别标签与所述防伪识别图像中的一个或多个组成部分之间的第二位置关系;将所述第二位置关系与预存的所述第一位置关系相比较,根据比较结果确定所述待识别产品的真伪。
在本申请的示例性实施例中,所述对待识别产品进行拍摄,获取防伪识别图像可以包括:
在预设的识别模式下,在设定角度下为所述防伪识别标签和所述一个或多个组成部分拍摄,获取所述防伪识别图像。
在本申请的示例性实施例中,所述在设定角度下为所述防伪识别标签和所述一个或多个组成部分拍摄,获取所述防伪识别图像可以包括:
在拍摄装置的显示界面内提供与所述组成部分的数量相同的一个或多个目标锁定框,所述目标锁定框用于指示所述组成部分在所述防伪识别图像中的位置;
当所述拍摄装置的镜头移动以使得所述组成部分均已位于所述目标锁定框之内时,确认当前拍摄角度为所述设定角度,并生成所述防伪识别图像。
在本申请的示例性实施例中,所述在拍摄装置的显示界面内提供与所述组成部分的数量相同的一个或多个目标锁定框可以包括:
获取构成第一位置关系的全部所述组成部分的信息;所述信息包括:数量、类型和在所述待识别产品上所处的位置;
根据所述组成部分的数量确定提供的目标锁定框的数量,根据所述组成部分的类型确定所述目标锁定框的大小,并根据所述组成部分在所述待识别产品上所处的位置确定所述目标锁定框在所述显示界面中的位置;
根据确定出的所述目标锁定框的数量、所述目标锁定框的大小以及所述目标锁定框在所述显示界面中的位置在所述显示界面内提供一个或多个目标锁定框。
在本申请的示例性实施例中,所述方法还可以包括:预先获取所述正品产品上的防伪识别标签与所述正品产品上的所述一个或多个组成部分之间的第一位置关系;
所述预先获取所述正品产品上的防伪识别标签与所述正品产品上的所述一个或多个组成部分之间的第一位置关系可以包括:
预先以所述设定角度为拍摄角度对所述正品产品进行拍摄,获取包含所述第一位置关系的第一图像,将根据所述第一图像确定出的防伪识别标签与一个或多个组成部分之间的位置关系确定为所述第一位置关系;
和/或,
预先在所述正品产品上的防伪识别标签上确定至少一个第一特征点,并在所述正品产品上的所述一个或多个组成部分上确定至少一个第二特征点,计算所述第一特征点与所述第二特征点之间的第一距离,和/或,获取所述第一特征点与所述第二特征点的连线构成的第一形状,将所述第一距离和/或所述第一形状作为所述第一位置关系。
在本申请的示例性实施例中,所述方法还可以包括:
在所述识别模式下,在拍摄装置启动后,在设定角度下为所述防伪识别标签和所述一个或多个组成部分拍摄之前,识别出现于所述拍摄装置的镜头前的事物,并判断所述事物是否包含所述防伪识别标签和所述一个或多个组成部分;
当判定所述出现于镜头前的事物包含所述防伪识别标签和所述一个或多个组成部分时,在设定角度下为所述防伪识别标签和所述一个或多个组成部分拍摄;当判定所述出现于镜头前的事物未包含所述防伪识别标签和/或所述一个或多个组成部分时,发出移动镜头的提醒。
在本申请的示例性实施例中,所述识别出现于所述拍摄装置的镜头前的事物,并判断所述事物是否包含所述防伪识别标签和所述一个或多个组成部分可以包括:
生成所述事物的第二图像;
将所述第二图像输入预先训练好的第一识别模型,通过所述第一识别模型对所述第二图像中的事物进行识别;
根据识别结果确定所述事物是否包含所述防伪识别标签和所述一个或多个组成部分;
其中,所述第一识别模型是预先以多个第一训练数据对预先建立的第一神经网络模型进行训练获得的;每个第一训练数据为包含指定数量和指定类型的组成部分以及所述防伪识别标签的图像。
在本申请的示例性实施例中,所述检测所述防伪识别图像中的防伪识别标签与所述防伪识别图像中的一个或多个组成部分之间的第二位置关系;将所述第二位置关系与预存的所述第一位置关系相比较,根据比较结果确定所述待识别产品的真伪可以包括:
将所述防伪识别图像输入预先训练好的第二识别模型,通过所述第二识别模型对所述第二位置关系进行检测,并将所述第二位置关系与所述第一位置关系进行比较;根据所述第二识别模型的输出结果确定所述待识别产品的真伪;
其中,所述第二识别模型是预先以多个标注有所述第一位置关系的第一图像为训练数据,对预先建立的第二神经网络模型进行训练获得的。
在本申请的示例性实施例中,所述检测所述防伪识别图像中的防伪识别标签与所述防伪识别图像中的一个或多个组成部分之间的第二位置关系;将所述第二位置关系与预存的所述第一位置关系相比较,根据比较结果确定所述待识别产品的真伪可以包括:
获取所述防伪识别图像上的防伪识别标签上至少一个第三特征点,并获取所述防伪识别图像上的一个或多个组成部分上至少一个第四特征点,计算所述第三特征点与所述第四特征点之间的第二距离,和/或,获取所述第三特征点与所述第四特征点的连线构成的第二形状;
将所述第二距离与所述第一距离相比较,和/或将所述第二形状与所述第一形状相比较,当比较结果为完全一致时,确定所述待识别产品为正品产品,当比较结果为非完全一致时,确定所述待识别产品为伪造产品。
本申请实施例还提供了一种防伪识别装置,可以包括处理器和计算机可读存储介质,所述计算机可读存储介质中存储有指令,其特征在于,当所述指令被所述处理器执行时,实现上述任意一项所述的防伪识别方法。
本申请实施例包括:对待识别产品进行拍摄,获取防伪识别图像;所述防伪识别图像中包括设置于所述待识别产品上的防伪识别标签的图像,以及所述待识别产品的一个或多个组成部分的图像;与所述待识别产品相对应的正品产品上的防伪识别标签与所述正品产品上的相同的一个或多个组成部分具有预设的第一位置关系;检测所述防伪识别图像中的防伪识别标签与所述防伪识别图像中的一个或多个组成部分之间的第二位置关系;将所述第二位置关系与预存的所述第一位置关系相比较,根据比较结果确定所述待识别产品的真伪。通过该实施例方案,在进行防伪识别时加入了防伪识别标签的位置识别,从而使得不法分子对防伪标签再利用时必须准确计算防伪标签的设置位置,提高了对防伪识别标签再利用的成本,从而相应地降低了防伪标签被再次利用的几率,提高了产品防伪能力。
本申请的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请而了解。本申请的其他优点可通过在说明书以及附图中所描述的方案来实现和获得。
附图说明
附图用来提供对本申请技术方案的理解,并且构成说明书的一部分,与本申请的实施例一起用于解释本申请的技术方案,并不构成对本申请技术方案的限制。
图1为本申请实施例的防伪识别方法流程图;
图2为本申请实施例的防伪识别装置组成框图。
具体实施方式
本申请描述了多个实施例,但是该描述是示例性的,而不是限制性的,并且对于本领域的普通技术人员来说显而易见的是,在本申请所描述的实施例包含的范围内可以有更多的实施例和实现方案。尽管在附图中示出了许多可能的特征组合,并在具体实施方式中进行了讨论,但是所公开的特征的许多其它组合方式也是可能的。除非特意加以限制的情况以外,任何实施例的任何特征或元件可以与任何其它实施例中的任何其他特征或元件结合使用,或可以替代任何其它实施例中的任何其他特征或元件。
本申请包括并设想了与本领域普通技术人员已知的特征和元件的组合。本申请已经公开的实施例、特征和元件也可以与任何常规特征或元件组合,以形成由权利要求限定的独特的发明方案。任何实施例的任何特征或元件也可以与来自其它发明方案的特征或元件组合,以形成另一个由权利要求限定的独特的发明方案。因此,应当理解,在本申请中示出和/或讨论的任何特征可以单独地或以任何适当的组合来实现。因此,除了根据所附权利要求及其等同替换所做的限制以外,实施例不受其它限制。此外,可以在所附权利要求的保护范围内进行各种修改和改变。
此外,在描述具有代表性的实施例时,说明书可能已经将方法和/或过程呈现为特定的步骤序列。然而,在该方法或过程不依赖于本文所述步骤的特定顺序的程度上,该方法或过程不应限于所述的特定顺序的步骤。如本领域普通技术人员将理解的,其它的步骤顺序也是可能的。因此,说明书中阐述的步骤的特定顺序不应被解释为对权利要求的限制。此外,针对该方法和/或过程的权利要求不应限于按照所写顺序执行它们的步骤,本领域技术人员可以容易地理解,这些顺序可以变化,并且仍然保持在本申请实施例的精神和范围内。
本申请实施例提供了一种防伪识别方法,如图1所示,所述方法可以包括步骤S101-S102:
S101、对待识别产品进行拍摄,获取防伪识别图像;所述防伪识别图像中包括设置于所述待识别产品上的防伪识别标签的图像,以及所述待识别产品的一个或多个组成部分的图像;与所述待识别产品相对应的正品产品上的防伪识别标签与所述正品产品上的相同的一个或多个组成部分具有预设的第一位置关系。
在本申请的示例性实施例中,目前的防伪方法主要是防伪识别标签,由于防伪识别标签易于从正品产品上取下来,因此防伪识别标签通常被不法分子再次利用,张贴到伪劣产品上,为商家造成重大经济损失。然而,虽然防伪识别标签易于取下,但是防伪识别标签在产品上的粘贴位置并不容易被模仿,当防伪识别标签被再次粘贴时,位置多少都会产生变动,很难实现与原位置完全一致,因此,基于这一考虑,本申请实施例提出了一种基于防伪识别标签设置位置的新型防伪方法,使得不法分子难以将防伪标签再次利用,提高了防伪识别标签的防伪效果。
在本申请的示例性实施例中,每一个防伪识别标签一旦在产品上粘贴以后,便可以与产品上的任何组成部分构成唯一确定的位置关系,为了易于对该位置关系进行准确确定,可以任意选取产品中的一种或多种组成部分来进行位置关系确定,即确定所述第一位置关系。例如,对于酒瓶来说,可以选取瓶盖、瓶底、包装盒等作为该组成部分;对于香烟来说,可以选取烟盒作为该组成部分。并且该防伪识别标签也可以为一种或多种,每种防伪识别标签的数量可以为一个或多个。可以综合对多种以及多个防伪识别标签,与一个或多个组成部分之间的位置关系来进行防伪识别。
在本申请的示例性实施例中,所述方法还可以包括:预先获取所述正品产品上的防伪识别标签与所述正品产品上的所述一个或多个组成部分之间的第一位置关系。
在本申请的示例性实施例中,为了通过位置关系进行防伪识别,可以预先对正品产品上的防伪识别标签与正品产品上的组成部分之间的第一位置关系进行保存,以便于作为验证第二位置关系是否正确的标准。
在本申请的示例性实施例中,由于本申请实施例的第二位置关系是基于图像识别获取的(在一些实施例中,第一位置关系也可以基于图像识别获得),因此,为了准确地通过第一位置关系和第二位置关系识别真伪,在获取防伪识别图像时,拍摄角度非常关键,如果拍摄角度不同,可能致使获取的防伪识别图像不同,从而使得确定出的第二位置关系不同,因此可以预先对防伪识别图像的拍摄角度进行限定,通过预定角度进行拍摄。
在本申请的示例性实施例中,当第一位置关系和第二位置关系均是基于图像识别来获得时,在获取防伪识别图像和第一图像(包括正品产品中的防伪识别标签、正品产品中的组成部分,以及两者之间的第一位置关系的图像)时,两者的拍摄角度可以保持一致,即,在设定角度下拍摄防伪识别图像和第一图像。
在本申请的示例性实施例中,对于第一图像,可以在生产流水线上的设定位置处放置拍摄装置,以获取从设定角度拍出的第一图像,可以对流水线上的一种产品拍摄一个第一图像进行保存,也可以对流水线上的每个产品分别拍摄第一图像进行保存。在获取该第一图像后,可以根据防伪识别标签以及与该防伪识别标签构成第一位置关系的一个或多个组成部分在第一图像中的位置确定出该预定角度,作为后续每次进行防伪识别过程中拍摄防伪识别图像的依据。
在本申请的示例性实施例中,所述预先获取所述正品产品上的防伪识别标签与所述正品产品上的所述一个或多个组成部分之间的第一位置关系可以包括:
预先以所述设定角度为拍摄角度对所述正品产品进行拍摄,获取包含所述第一位置关系的第一图像,将根据所述第一图像确定出的防伪识别标签与一个或多个组成部分之间的位置关系确定为所述第一位置关系;
和/或,
预先在所述正品产品上的防伪识别标签上确定至少一个第一特征点,并在所述正品产品上的所述一个或多个组成部分上确定至少一个第二特征点,计算所述第一特征点与所述第二特征点之间的第一距离,和/或,获取所述第一特征点与所述第二特征点的连线构成的第一形状,将所述第一距离和/或所述第一形状作为所述第一位置关系。
在本申请的示例性实施例中,当通过第一图像确定第一位置关系时,可以对第一图像上的防伪识别标签以及一个或多个组成部分进行识别,并可以通过预设的特征识别模型识别出防伪识别标签以及一个或多个组成部分上的预先确定的一个或多个特征点(和/或特征区域),从而从第一图像上,根据这些特征点之间的位置关系确定出第一位置关系,其中,这些特征点之间的位置关系包括但不限于:特征点之间的距离、构成的形状、所构成形状的方位及大小等。在确定出这些特征点和第一位置关系后,可以进行保存,获得防伪识别特征图像后,可以从该防伪识别图像上找到相应的特征点,从而确定这些相应的特征点的第二位置关系。
在本申请的示例性实施例中,也可以不通过第一图像确定第一位置关系,即,直接在正品产品上的防伪识别标签上确定出一个或多个特征点(第一特征点),并在所述正品产品上的所述一个或多个组成部分上确定一个或多个特征点(第二特征点),并计算所述第一特征点与所述第二特征点之间的位置关系,包括但不限于:特征点之间的距离(第一距离)、构成的形状(第一形状)、所构成形状的方位及大小等;将上述位置关系中的一种或多种作为所述第一位置关系,并进行保存。在获得防伪识别特征图像后,可以从该防伪识别图像上找到相应的特征点(与第一特征点、第二特征点相应的特征点),从而确定这些相应的特征点的第二位置关系。
在本申请的示例性实施例中,上述的特征点可以根据不同的防伪识别标签的书香、不同的组成部分的属性等来确定,在此不做具体限制。例如,对于酒瓶来说,当选取瓶盖、瓶底、包装盒等作为该组成部分时,这些组成部分上的特征点可以是瓶盖、瓶底等边缘上一点,包装盒的边缘或顶点,瓶盖、瓶底、包装盒等上设置的特殊组件、图案上的一些点或区域等;对于香烟来说,当选取烟盒作为该组成部分时,可以选取烟盒的边缘、烟盒打开处缝隙等处的一点或一个区域,烟盒的顶点等作为特征点。
在本申请的示例性实施例中,所述对待识别产品进行拍摄,获取防伪识别图像可以包括:
在预设的识别模式下,在设定角度下为所述防伪识别标签和所述一个或多个组成部分拍摄,获取所述防伪识别图像。
在本申请的示例性实施例中,为了得到本申请实施例的防伪识别图像,可以首先在终端上下载相应的防伪识别程序,或者安装相应的防伪识别应用APP,小程序等,还可以进入预设的防伪识别平台;通过防伪识别程序、APP、小程序或平台进入预设的识别模式,在该模式下实现本申请实施例的防伪识别方案。
在本申请的示例性实施例中,进入识别模式后,可以通过相应的功能选择进入防伪识别图像的拍摄流程,从而在设定角度下拍摄防伪识别图像。
在本申请的示例性实施例中,所述在设定角度下为所述防伪识别标签和所述一个或多个组成部分拍摄,获取所述防伪识别图像可以包括:
在拍摄装置的显示界面内提供与所述组成部分的数量相同的一个或多个目标锁定框,所述目标锁定框用于指示所述组成部分在所述防伪识别图像中的位置;
当所述拍摄装置的镜头移动以使得所述组成部分均已位于所述目标锁定框之内时,确认当前拍摄角度为所述设定角度,并生成所述防伪识别图像。
在本申请的示例性实施例中,由于用户在通过本申请实施例方案对产品进行防伪识别时,如果没有拍摄指导,在拍摄防伪识别图像时可能从任意角度拍摄一张防伪识别图像用于防伪识别,该任意拍摄出的防伪识别图像大概率会出现角度不合适造成检测出的第二位置关系不正确,从而造成识别失败,这将严重影响本申请实施例方案的有效性和准确性,因此,为了避免这一现象的发生,本申请实施例对防伪识别图像的拍摄角度进行了限制,或者说,在拍摄时对拍摄角度给出了指导,即通过上述的一个或多个目标锁定框来限定拍摄角度,当预设的组成部分位于目标锁定框内时,确保当前拍摄就是按照设定角度对待识别产品进行拍摄。
在本申请的示例性实施例中,所述在拍摄装置的显示界面内提供与所述组成部分的数量相同的一个或多个目标锁定框可以包括:
获取构成第一位置关系的全部所述组成部分的信息;所述信息包括:数量、类型和在所述待识别产品上所处的位置;
根据所述组成部分的数量确定提供的目标锁定框的数量,根据所述组成部分的类型确定所述目标锁定框的大小,并根据所述组成部分在所述待识别产品上所处的位置确定所述目标锁定框在所述显示界面中的位置;
根据确定出的所述目标锁定框的数量、所述目标锁定框的大小以及所述目标锁定框在所述显示界面中的位置在所述显示界面内提供一个或多个目标锁定框。
在本申请的示例性实施例中,拍摄防伪识别图像时,显示界面上的目标锁定框的数量、大小、位置等均可以根据存储的第一图像,或者根据直接存储的防伪识别标签和组成部分的第一位置关系确定。根据该第一图像可以确定出对当时的正品产品进行拍摄时的角度(即设定角度),从而可以确定出通过该设定角度进行拍摄时,防伪识别标签和组成部分在拍摄图像中应该处于的位置,因此,可以通过目标锁定框确定该位置。仅通过第一位置关系(不通过第一图像)确定拍摄角度时,也可以获知如果想要得到该第一位置关系应该从哪一个角度拍摄图像最准确,因此可以确定并保存该拍摄角度,作为上述的设定角度,并可以通过目标锁定框锁定该拍摄角度。
在本申请的示例性实施例中,一个产品上的哪些防伪识别标签以及组成部分用于进行本申请实施例的防伪识别方案均可以是预先确定好的,并将用于防伪识别的一个或多个防伪识别标签以及组成部分的信息进行保存。在拍摄防伪识别图像过程中,可以根据预先保存的组成部分的信息确定所需的目标锁定框的数量、大小、位置等信息。
在本申请的示例性实施例中,对于一个产品来说,由于该产品的组成部分是固定的(例如酒瓶的瓶盖、瓶底等),并且某些组成部分又是防伪识别必须的,而防伪识别标签的位置会由于被再次利用而改变位置,因此,在拍摄防伪识别图像过程中,在进行设定角度的限制时,可以以产品的组成部分(主要是用于防伪识别的组成部分)作为框选目标来设置目标锁定框,以保证设定角度的准确。
在本申请的示例性实施例中,所述方法还可以包括:
在所述识别模式下,在拍摄装置启动后,在设定角度下为所述防伪识别标签和所述一个或多个组成部分拍摄之前,识别出现于所述拍摄装置的镜头前的事物,并判断所述事物是否包含所述防伪识别标签和所述一个或多个组成部分;
当判定所述出现于镜头前的事物包含所述防伪识别标签和所述一个或多个组成部分时,在设定角度下为所述防伪识别标签和所述一个或多个组成部分拍摄;当判定所述出现于镜头前的事物未包含所述防伪识别标签和/或所述一个或多个组成部分时,发出移动镜头的提醒,用于提醒用户移动镜头找到识别所需的组成部分。
在本申请的示例性实施例中,在通过目标锁定框锁定产品的一个或多个组成部分之前,可以首先识别出现于所述拍摄装置的镜头前的事物,并判断所述事物是否包含所述防伪识别标签和所述一个或多个组成部分,避免将错误的组成部分锁定在目标锁定框内,造成拍摄角度错误,从而造成第二位置关系计算错误,引起识别失败。
在本申请的示例性实施例中,所述识别出现于所述拍摄装置的镜头前的事物,并判断所述事物是否包含所述防伪识别标签和所述一个或多个组成部分可以包括:
生成所述事物的第二图像;
将所述第二图像输入预先训练好的第一识别模型,通过所述第一识别模型对所述第二图像中的事物进行识别;
根据识别结果确定所述事物是否包含所述防伪识别标签和所述一个或多个组成部分;
其中,所述第一识别模型是预先以多个第一训练数据对预先建立的第一神经网络模型进行训练获得的;每个第一训练数据为包含指定数量和指定类型的组成部分以及所述防伪识别标签的图像。
在本申请的示例性实施例中,通过第一识别模型对镜头前的事物进行识别,方案简单、准确、快捷。
S102、检测所述防伪识别图像中的防伪识别标签与所述防伪识别图像中的一个或多个组成部分之间的第二位置关系;将所述第二位置关系与预存的所述第一位置关系相比较,根据比较结果确定所述待识别产品的真伪。
在本申请的示例性实施例中,所述检测所述防伪识别图像中的防伪识别标签与所述防伪识别图像中的一个或多个组成部分之间的第二位置关系;将所述第二位置关系与预存的所述第一位置关系相比较,根据比较结果确定所述待识别产品的真伪可以包括:
将所述防伪识别图像输入预先训练好的第二识别模型,通过所述第二识别模型对所述第二位置关系进行检测,并将所述第二位置关系与所述第一位置关系进行比较;根据所述第二识别模型的输出结果确定所述待识别产品的真伪;
其中,所述第二识别模型是预先以多个标注有所述第一位置关系的第一图像为训练数据,对预先建立的第二神经网络模型进行训练获得的。
在本申请的示例性实施例中,对于获取的防伪识别图像可以直接输入预先训练好的第二识别模型进行防伪识别,通过该第二识别模型可以直接对比防伪识别图像中的防伪识别标签和组成部分之间的第二位置关系进行提取,并与训练时从第一图像中提取的第一位置关系相比较,直接输出识别结果。
在本申请的示例性实施例中,所述检测所述防伪识别图像中的防伪识别标签与所述防伪识别图像中的一个或多个组成部分之间的第二位置关系;将所述第二位置关系与预存的所述第一位置关系相比较,根据比较结果确定所述待识别产品的真伪可以包括:
获取所述防伪识别图像上的防伪识别标签上至少一个第三特征点,并获取所述防伪识别图像上的一个或多个组成部分上至少一个第四特征点,计算所述第三特征点与所述第四特征点之间的第二距离,和/或,获取所述第三特征点与所述第四特征点的连线构成的第二形状;
将所述第二距离与所述第一距离相比较,和/或将所述第二形状与所述第一形状相比较,当比较结果为完全一致时,确定所述待识别产品为正品产品,当比较结果为非完全一致时,确定所述待识别产品为伪造产品。
在本申请的示例性实施例中,还可以调取预先确定并存储的特征点(如上述的第三特征点和第四特征点)的信息,从防伪识别图像中检测出这些特征点,并基于这些特征点按照预设的连接方式进行连接,或者按照预设的测量方式进行测量,从而确定出当前防伪识别图像提供的第二位置关系;并将该第二位置关系与预先存储的第一位置关系相比较,当两者完全相同时,可以确定识别成功,当前待识别产品为正品,当两者完全不相同或仅有部分相同时,可以确定识别失败,当前待识别产品为赝品。
在本申请的示例性实施例中,本申请实施例方案中的防伪识别方法还可以与防伪识别标签本身所包含的防伪信息结合使用(可以全部结合,也可以部分结合),还可以与产品上设置的其他识别方案相结合,以进一步提高防伪效果。
本申请实施例还提供了一种防伪识别装置1,如图2所示,可以包括处理器11和计算机可读存储介质12,所述计算机可读存储介质12中存储有指令,当所述指令被所述处理器11执行时,实现上述任意一项所述的防伪识别方法。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中,在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分;例如,一个物理组件可以具有多个功能,或者一个功能或步骤可以由若干物理组件合作执行。某些组件或所有组件可以被实施为由处理器,如数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。这样的软件可以分布在计算机可读介质上,计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的,术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外,本领域普通技术人员公知的是,通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据,并且可包括任何信息递送介质。
Claims (10)
1.一种防伪识别方法,其特征在于,所述方法包括:
对待识别产品进行拍摄,获取防伪识别图像;所述防伪识别图像中包括设置于所述待识别产品上的防伪识别标签的图像,以及所述待识别产品的一个或多个组成部分的图像;与所述待识别产品相对应的正品产品上的防伪识别标签与所述正品产品上的相同的一个或多个组成部分具有预设的第一位置关系;
检测所述防伪识别图像中的防伪识别标签与所述防伪识别图像中的一个或多个组成部分之间的第二位置关系;将所述第二位置关系与预存的所述第一位置关系相比较,根据比较结果确定所述待识别产品的真伪。
2.根据权利要求1所述的防伪识别方法,其特征在于,所述对待识别产品进行拍摄,获取防伪识别图像包括:
在预设的识别模式下,在设定角度下为所述防伪识别标签和所述一个或多个组成部分拍摄,获取所述防伪识别图像。
3.根据权利要求2所述的防伪识别方法,其特征在于,所述在设定角度下为所述防伪识别标签和所述一个或多个组成部分拍摄,获取所述防伪识别图像包括:
在拍摄装置的显示界面内提供与所述组成部分的数量相同的一个或多个目标锁定框,所述目标锁定框用于指示所述组成部分在所述防伪识别图像中的位置;
当所述拍摄装置的镜头移动以使得所述组成部分均已位于所述目标锁定框之内时,确认当前拍摄角度为所述设定角度,并生成所述防伪识别图像。
4.根据权利要求3所述的防伪识别方法,其特征在于,所述在拍摄装置的显示界面内提供与所述组成部分的数量相同的一个或多个目标锁定框包括:
获取构成第一位置关系的全部所述组成部分的信息;所述信息包括:数量、类型和在所述待识别产品上所处的位置;
根据所述组成部分的数量确定提供的目标锁定框的数量,根据所述组成部分的类型确定所述目标锁定框的大小,并根据所述组成部分在所述待识别产品上所处的位置确定所述目标锁定框在所述显示界面中的位置;
根据确定出的所述目标锁定框的数量、所述目标锁定框的大小以及所述目标锁定框在所述显示界面中的位置在所述显示界面内提供一个或多个目标锁定框。
5.根据权利要求2-4任意一项所述的防伪识别方法,其特征在于,所述方法还包括:预先获取所述正品产品上的防伪识别标签与所述正品产品上的所述一个或多个组成部分之间的第一位置关系;
所述预先获取所述正品产品上的防伪识别标签与所述正品产品上的所述一个或多个组成部分之间的第一位置关系包括:
预先以所述设定角度为拍摄角度对所述正品产品进行拍摄,获取包含所述第一位置关系的第一图像,将根据所述第一图像确定出的防伪识别标签与一个或多个组成部分之间的位置关系确定为所述第一位置关系;
和/或,
预先在所述正品产品上的防伪识别标签上确定至少一个第一特征点,并在所述正品产品上的所述一个或多个组成部分上确定至少一个第二特征点,计算所述第一特征点与所述第二特征点之间的第一距离,和/或,获取所述第一特征点与所述第二特征点的连线构成的第一形状,将所述第一距离和/或所述第一形状作为所述第一位置关系。
6.根据权利要求2所述的防伪识别方法,其特征在于,所述方法还包括:
在所述识别模式下,在拍摄装置启动后,在设定角度下为所述防伪识别标签和所述一个或多个组成部分拍摄之前,识别出现于所述拍摄装置的镜头前的事物,并判断所述事物是否包含所述防伪识别标签和所述一个或多个组成部分;
当判定所述出现于镜头前的事物包含所述防伪识别标签和所述一个或多个组成部分时,在设定角度下为所述防伪识别标签和所述一个或多个组成部分拍摄;当判定所述出现于镜头前的事物未包含所述防伪识别标签和/或所述一个或多个组成部分时,发出移动镜头的提醒。
7.根据权利要求6所述的防伪识别方法,其特征在于,所述识别出现于所述拍摄装置的镜头前的事物,并判断所述事物是否包含所述防伪识别标签和所述一个或多个组成部分包括:
生成所述事物的第二图像;
将所述第二图像输入预先训练好的第一识别模型,通过所述第一识别模型对所述第二图像中的事物进行识别;
根据识别结果确定所述事物是否包含所述防伪识别标签和所述一个或多个组成部分;
其中,所述第一识别模型是预先以多个第一训练数据对预先建立的第一神经网络模型进行训练获得的;每个第一训练数据为包含指定数量和指定类型的组成部分以及所述防伪识别标签的图像。
8.根据权利要求5所述的防伪识别方法,其特征在于,所述检测所述防伪识别图像中的防伪识别标签与所述防伪识别图像中的一个或多个组成部分之间的第二位置关系;将所述第二位置关系与预存的所述第一位置关系相比较,根据比较结果确定所述待识别产品的真伪包括:
将所述防伪识别图像输入预先训练好的第二识别模型,通过所述第二识别模型对所述第二位置关系进行检测,并将所述第二位置关系与所述第一位置关系进行比较;根据所述第二识别模型的输出结果确定所述待识别产品的真伪;
其中,所述第二识别模型是预先以多个标注有所述第一位置关系的第一图像为训练数据,对预先建立的第二神经网络模型进行训练获得的。
9.根据权利要求5所述的防伪识别方法,其特征在于,所述检测所述防伪识别图像中的防伪识别标签与所述防伪识别图像中的一个或多个组成部分之间的第二位置关系;将所述第二位置关系与预存的所述第一位置关系相比较,根据比较结果确定所述待识别产品的真伪包括:
获取所述防伪识别图像上的防伪识别标签上至少一个第三特征点,并获取所述防伪识别图像上的一个或多个组成部分上至少一个第四特征点,计算所述第三特征点与所述第四特征点之间的第二距离,和/或,获取所述第三特征点与所述第四特征点的连线构成的第二形状;
将所述第二距离与所述第一距离相比较,和/或将所述第二形状与所述第一形状相比较,当比较结果为完全一致时,确定所述待识别产品为正品产品,当比较结果为非完全一致时,确定所述待识别产品为伪造产品。
10.一种防伪识别装置,包括处理器和计算机可读存储介质,所述计算机可读存储介质中存储有指令,其特征在于,当所述指令被所述处理器执行时,实现如权利要求1-9任意一项所述的防伪识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010711195.6A CN112001419A (zh) | 2020-07-22 | 2020-07-22 | 一种防伪识别方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010711195.6A CN112001419A (zh) | 2020-07-22 | 2020-07-22 | 一种防伪识别方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112001419A true CN112001419A (zh) | 2020-11-27 |
Family
ID=73467071
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010711195.6A Pending CN112001419A (zh) | 2020-07-22 | 2020-07-22 | 一种防伪识别方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112001419A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112183508A (zh) * | 2020-11-30 | 2021-01-05 | 深圳阜时科技有限公司 | 指纹识别方法、指纹识别传感器及电子设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104751404A (zh) * | 2013-12-30 | 2015-07-01 | 腾讯科技(深圳)有限公司 | 一种图像变换的方法及装置 |
CN105100620A (zh) * | 2015-07-30 | 2015-11-25 | 深圳市永兴元科技有限公司 | 拍摄方法及装置 |
CN108780595A (zh) * | 2016-03-14 | 2018-11-09 | 凸版印刷株式会社 | 识别装置、识别方法、识别程序以及包含识别程序的计算机可读介质 |
CN108960850A (zh) * | 2018-05-30 | 2018-12-07 | 于东升 | 防伪方法及装置、防伪溯源系统 |
CN109300263A (zh) * | 2017-07-24 | 2019-02-01 | 图灵通诺(北京)科技有限公司 | 基于卷积神经网络的图像识别技术的结算方法和装置 |
CN109784954A (zh) * | 2019-02-21 | 2019-05-21 | 贵州酒十分电子商务有限公司 | 基于扫码及动态码的商品防伪方法 |
CN110192168A (zh) * | 2017-12-29 | 2019-08-30 | 深圳市大疆创新科技有限公司 | 一种无人机拍照方法、图像处理方法和装置 |
WO2020042754A1 (zh) * | 2018-08-31 | 2020-03-05 | 众安信息技术服务有限公司 | 一种全息防伪码校验方法及装置 |
-
2020
- 2020-07-22 CN CN202010711195.6A patent/CN112001419A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104751404A (zh) * | 2013-12-30 | 2015-07-01 | 腾讯科技(深圳)有限公司 | 一种图像变换的方法及装置 |
CN105100620A (zh) * | 2015-07-30 | 2015-11-25 | 深圳市永兴元科技有限公司 | 拍摄方法及装置 |
CN108780595A (zh) * | 2016-03-14 | 2018-11-09 | 凸版印刷株式会社 | 识别装置、识别方法、识别程序以及包含识别程序的计算机可读介质 |
CN109300263A (zh) * | 2017-07-24 | 2019-02-01 | 图灵通诺(北京)科技有限公司 | 基于卷积神经网络的图像识别技术的结算方法和装置 |
CN110192168A (zh) * | 2017-12-29 | 2019-08-30 | 深圳市大疆创新科技有限公司 | 一种无人机拍照方法、图像处理方法和装置 |
CN108960850A (zh) * | 2018-05-30 | 2018-12-07 | 于东升 | 防伪方法及装置、防伪溯源系统 |
WO2020042754A1 (zh) * | 2018-08-31 | 2020-03-05 | 众安信息技术服务有限公司 | 一种全息防伪码校验方法及装置 |
CN109784954A (zh) * | 2019-02-21 | 2019-05-21 | 贵州酒十分电子商务有限公司 | 基于扫码及动态码的商品防伪方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112183508A (zh) * | 2020-11-30 | 2021-01-05 | 深圳阜时科技有限公司 | 指纹识别方法、指纹识别传感器及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109389153B (zh) | 一种全息防伪码校验方法及装置 | |
CN109472337B (zh) | 一种基于随机特征的标签防伪方法和装置 | |
US20200065577A1 (en) | System and method for detecting the authenticity of products | |
CN110263775B (zh) | 图像识别方法、装置、设备和认证方法、装置、设备 | |
CN113379720B (zh) | 一种基于茶饼图像特征编码的茶饼防伪方法 | |
JP2016201093A (ja) | 画像処理装置及び画像処理方法 | |
CN111506889B (zh) | 一种基于相似用户组的用户验证方法及装置 | |
CN111310706B (zh) | 一种商品价签识别方法及装置、电子设备、存储介质 | |
EA025922B1 (ru) | Способ автоматической аутентификации защищенного документа | |
US11294047B2 (en) | Method, apparatus, and system for recognizing target object | |
JP2016201094A (ja) | 画像処理装置及び画像処理方法 | |
CN110189343B (zh) | 图像标注方法、装置及系统 | |
CN111353549A (zh) | 图像标签的核验方法及装置、电子设备、存储介质 | |
CN112001200A (zh) | 识别码识别方法、装置、设备、存储介质和系统 | |
CN103186940A (zh) | 号码识别装置以及号码识别方法 | |
CN105321255B (zh) | 纸张类识别装置、纸张类处理装置及纸张类识别方法 | |
CN112465517A (zh) | 防伪验证方法、装置及计算机可读存储介质 | |
CN112001419A (zh) | 一种防伪识别方法和装置 | |
CN108256608A (zh) | 一种二维图像码及其识别方法和设备 | |
CN111680635B (zh) | 一种文本识别的方法、装置、电子设备和存储介质 | |
TW201719576A (zh) | 用於評價圖像信號處理器中實施的分類器的系統和方法 | |
CN112488062A (zh) | 一种图像识别方法、装置、设备及介质 | |
CN110430217B (zh) | 基于信息系统分类安全威胁的检测方法、装置和计算机可读存储介质 | |
CN112286780A (zh) | 识别算法的测试方法、装置、设备及存储介质 | |
CN114550129B (zh) | 一种基于数据集的机器学习模型处理方法和系统 |
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 |