CN112396082A - 图像认证的方法、装置以及存储介质 - Google Patents

Abstract

本申请公开了一种图像认证的方法、装置以及存储介质。其中，该方法包括：利用预先训练的图像识别网络，确定待认证图像中包含的目标图像区域和目标图像区域的外沿轮廓线；根据目标图像区域和外沿轮廓线，对目标图像区域进行矫正；以及对矫正后的目标图像区域进行认证。解决了现有技术中存在的图像认证过程采用的方法鲁棒性不足，并且无法适应复杂背景的技术问题。

Description

图像认证的方法、装置以及存储介质

技术领域

本申请涉及计算机图像识别领域，特别是涉及一种图像认证的方法、装置以及存储介质。

背景技术

近些年，随着人工智能技术的再度兴起，其带来的红利已惠及各行各业，互联网金融行业是其应用最为广泛的行业之一。互联网金融的各个业务(信贷、理财、P2P网贷、第三方支付等)都出现了大量的产品，在用户使用这些产品的App或H5时，都需要进行身份信息的核验，故需要用户上传证件照片，但很多用户上传的身份证照片由于镜头拍摄角度问题，在二维空间上并不是正视图。针对拍摄角度存在问题的身份证，如果直接提示用户上传失败会使用户体验极差，严重的便会造成用户流失。但如果变形身份证全靠人工处理，工作量大，效率低。

空间透视变换的出现极大地解决了上述问题，透视变换可以将变形图像恢复到原有比例和形状，极大地提高认证效率。而透视变换的关键在于目标定位的准确性，只有对卡片有了准确的定位，才可能带来更高的变形矫正度。当前现有的技术是基于传统图像处理的方法，使用canny算子、sobel算子或Laplacian算子进行图像边缘检测，并对获取图像做透视变换。传统做法一般流程为：首先对输入的图像进行预处理(包括灰度化、降噪等)，使边界轮廓更加明显，选出图像边缘点。但现有技术存在以下缺点：1.该方法鲁棒性不足。对于混合多复杂噪声的图像，去除噪声越好，但图像的细节也损失越大，边缘精度也就越低。二者权衡，处理效果就不理想了。2.无法适应背景复杂的情况。现有方法常常要求用户上传身份证照片时，背景单一，只包含身份证图像，对于背景复杂的身份证图像，现有方法定位准确率很差，会造成用户体验不佳的后果。当卡片与背景对比度大时校准图像效果尚可，但当背景颜色与目标卡片颜色相近时，常常造成图像保真效果差。

针对上述的现有技术中存在的图像认证过程采用的方法鲁棒性不足，并且无法适应复杂背景的技术问题，目前尚未提出有效的解决方案。

发明内容

本公开的实施例提供了一种图像认证的方法、装置以及存储介质，以至少解决现有技术中存在的图像认证过程采用的方法鲁棒性不足，并且无法适应复杂背景的技术问题。

根据本公开实施例的一个方面，提供了一种图像认证的方法，包括：利用预先训练的图像识别网络，确定待认证图像中包含的目标图像区域和目标图像区域的外沿轮廓线；根据目标图像区域和外沿轮廓线，对目标图像区域进行矫正；以及对矫正后的目标图像区域进行认证。

根据本公开实施例的另一个方面，还提供了一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时由处理器执行以上任意一项所述的方法。

根据本公开实施例的另一个方面，还提供了一种图像认证的装置，包括：计算模块，用于利用预先训练的图像识别网络，确定待认证图像中包含的目标图像区域和目标图像区域的外沿轮廓线；矫正模块，用于根据目标图像区域和外沿轮廓线，对目标图像区域进行矫正；以及认证模块，用于对矫正后的目标图像区域进行认证。

根据本公开实施例的另一个方面，还提供了一种图像认证的装置，包括：处理器；以及存储器，与处理器连接，用于为处理器提供处理以下处理步骤的指令：利用预先训练的图像识别网络，确定待认证图像中包含的目标图像区域和目标图像区域的外沿轮廓线；根据目标图像区域和外沿轮廓线，对目标图像区域进行矫正；以及对矫正后的目标图像区域进行认证。

在本公开实施例中，首先利用预先训练的图像识别网络，确定待认证图像中包含的目标图像区域和目标图像区域的外沿轮廓线。然后根据目标图像区域和外沿轮廓线，对目标图像区域进行矫正。最终对矫正后的目标图像区域进行认证。本方法可以利用更多的特征进行目标图像位置识别，与现有的边缘检测方法相比，达到了通过更多的特征确定目标图像区域的目的。从而，实现了避免复杂背景影响定位结果，提高目标图像定位准确率的技术效果。进而解决了现有技术中存在的图像认证过程采用的方法鲁棒性不足，并且无法适应复杂背景的技术问题。

附图说明

此处所说明的附图用来提供对本公开的进一步理解，构成本申请的一部分，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。在附图中：

图1是用于实现根据本公开实施例1所述的方法的【计算机终端(或移动设备)】的硬件结构框图；

图2是根据本公开实施例1的第一个方面所述的图像认证的方法的流程示意图；

图3是根据本公开实施例1的第一个方面所述的图像处理过程的示意图；

图4是根据本公开实施例1的第一个方面所述的卷积过程示意图；

图5是根据本公开实施例2所述的图像认证的装置的示意图；以及

图6是根据本公开实施例3所述的图像认证的装置的示意图。

具体实施方式

为了使本技术领域的人员更好地理解本公开的技术方案，下面将结合本公开实施例中的附图，对本公开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公开一部分的实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本公开保护的范围。

需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

实施例1

根据本实施例，提供了一种图像认证的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

本实施例所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。图1示出了一种用于实现图像认证的方法的计算机终端(或移动设备)的硬件结构框图。如图1所示，计算机终端10(或移动设备10)可以包括一个或多个(图中采用102a、102b，……，102n来示出)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器104、以及用于通信功能的传输模块106。除此以外，还可以包括：显示器、输入/输出接口(I/O接口)、通用串行总线(USB)端口(可以作为I/O接口的端口中的一个端口被包括)、网络接口、电源和/或相机。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，计算机终端10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。

应当注意到的是上述一个或多个处理器102和/或其他数据处理电路在本文中通常可以被称为“数据处理电路”。该数据处理电路可以全部或部分的体现为软件、硬件、固件或其他任意组合。此外，数据处理电路可为单个独立的处理模块，或全部或部分的结合到计算机终端10(或移动设备)中的其他元件中的任意一个内。如本公开实施例中所涉及到的，该数据处理电路作为一种处理器控制(例如与接口连接的可变电阻终端路径的选择)。

存储器104可用于存储应用软件的软件程序以及模块，如本公开实施例中的图像认证的方法对应的程序指令/数据存储装置，处理器102通过运行存储在存储器104内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的应用程序的图像认证的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至计算机终端10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端10的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个网络适配器(Network Interface Controller，NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置106可以为射频(Radio Frequency，RF)模块，其用于通过无线方式与互联网进行通讯。

显示器可以例如触摸屏式的液晶显示器(LCD)，该液晶显示器可使得用户能够与计算机终端10(或移动设备)的用户界面进行交互。

此处需要说明的是，在一些可选实施例中，上述图1所示的计算机设备(或移动设备)可以包括硬件元件(包括电路)、软件元件(包括存储在计算机可读介质上的计算机代码)、或硬件元件和软件元件两者的结合。应当指出的是，图1仅为特定具体实例的一个实例，并且旨在示出可存在于上述计算机设备(或移动设备)中的部件的类型。

根据本实施例的第一个方面，提供了一种图像认证的方法，图2示出了该方法的流程示意图，参考图2所示，该方法包括：

S202：利用预先训练的图像识别网络，确定待认证图像中包含的目标图像区域和目标图像区域的外沿轮廓线；

S204：根据目标图像区域和外沿轮廓线，对目标图像区域进行矫正；以及

S206：对矫正后的目标图像区域进行认证。

正如背景技术中所述的，当前现有的技术是基于传统图像处理的方法，使用canny算子、sobel算子或Laplacian算子进行图像边缘检测，并对获取图像做透视变换。传统做法一般流程为：首先对输入的图像进行预处理(包括灰度化、降噪等)，使边界轮廓更加明显，选出图像边缘点。但现有技术存在以下缺点：1.该方法鲁棒性不足。对于混合多复杂噪声的图像，去除噪声越好，但图像的细节也损失越大，边缘精度也就越低。二者权衡，处理效果就不理想了。2.无法适应背景复杂的情况。现有方法常常要求用户上传身份证照片时，背景单一，只包含身份证图像，对于背景复杂的身份证图像，现有方法定位准确率很差，会造成用户体验不佳的后果。当卡片与背景对比度大时校准图像效果尚可，但当背景颜色与目标卡片颜色相近时，常常造成图像保真效果差。

针对背景技术中存在的技术问题，本实施例技术方案提供了一种图像认证的方法。具体地，参考图2所示，首先利用预先训练的图像识别网络，确定待认证图像中包含的目标图像区域和目标图像区域的外沿轮廓线。参考图3所示，例如：待认证图像是一张身份证图片，图片中的身份证由于拍摄角度的问题导致位置存在偏差，因此需要对身份证进行矫正。利用预先训练的图像识别网络对该图片进行识别，确定图片中的身份证区域(对应于目标图像区域)和身份证轮廓线(对应于目标图像区域的外延轮廓线)。其中，预先训练的图像识别网络例如可以是深度学习的unet网络，并且该网络是通过大量的图像训练得到的。

进一步地，根据目标图像区域和外沿轮廓线，对目标图像区域进行矫正。参考图3所示，矫正得到的是身份证的正视图(即，目标图像区域)。最终，对矫正后的目标图像区域(身份证正视图)进行认证。

从而通过这种方式，首先确定待认证图像中包含的目标图像区域以及对应的外沿轮廓线，然后通过目标图像区域以及对应的外沿轮廓线对待认证图像中的目标图像区域进行矫正，进而完成图像认证操作。由于该过程中利用更多的特征(目标图像区域以及对应的外延轮廓线)进行目标图像位置识别，因此与现有的边缘检测方法相比，达到了通过更多的特征确定目标图像区域的目的。从而，实现了避免复杂背景影响定位结果，提高目标图像定位准确率的技术效果。此外还节省了用户重复上传认证图像的操作，不仅节省了操作时间，而且还增强了用户的体验效果。进而解决了现有技术中存在的图像认证过程采用的方法鲁棒性不足，并且无法适应复杂背景的技术问题。

可选地，利用预先训练的图像识别网络，确定待认证图像中包含的目标图像区域和目标图像区域的外沿轮廓线的操作，包括：利用图像识别网络对待认证图像进行卷积操作，确定待认证图像对应的目标图像区域特征向量和外沿轮廓线特征向量；以及利用图像识别网络对目标图像区域特征向量和外沿轮廓线特征向量进行反卷积操作，确定待认证图像包含的目标图像区域和外沿轮廓线。

具体地，利用预先训练的图像识别网络，确定待认证图像中包含的目标图像区域和目标图像区域的外沿轮廓线的操作中，首先利用图像识别网络(例如：unet网络)对待认证图像进行卷积操作，确定待认证图像对应的目标图像区域特征向量和外沿轮廓线特征向量。例如：待认证图像是256*256*3的图像，对该图像进行卷积操作，得到目标图像区域特征向量和外沿轮廓线特征向量。然后，利用图像识别网络(例如：unet网络)对所述目标图像区域特征向量和外沿轮廓线特征向量进行反卷积操作，确定待认证图像包含的目标图像区域和外沿轮廓线。采用多任务思想，同时输出需要进行矫正的目标图像区域廓和外沿轮廓线，使得矫正效果更佳。

可选地，利用图像识别网络对待认证图像进行卷积操作，确定待认证图像对应的目标图像区域特征向量和外沿轮廓线特征向量的操作，包括：利用5*5的卷积核对待认证图像进行8次卷积操作，得到目标图像区域特征向量和外沿轮廓线特征向量。

具体地，参考图4所示，利用5*5的卷积核对待认证图像进行8次卷积操作，其中待认证图像是256*256*3的图像，经过8次卷积操作得到的是1*1*512的目标图像区域特征向量和1*1*512的外沿轮廓线特征向量。传统的unet网络的卷积核是4*4，本方案由于采用5*5的卷积核，因此增大了感受野。

可选地，利用图像识别网络对目标图像区域特征向量和外沿轮廓线特征向量进行反卷积操作，确定待认证图像包含的目标图像区域和外沿轮廓线的操作，包括：利用5*5的卷积核对目标图像区域特征向量和外沿轮廓线特征向量进行8次反卷积操作，得到待认证图像包含的目标图像区域和外沿轮廓线。

具体地，参考图4所示，利用5*5的卷积核对目标图像区域特征向量和外沿轮廓线特征向量进行8次反卷积操作，将1*1*512的目标图像区域特征向量和外沿轮廓线特征向量反卷积成256*256*3的目标图像区域和外沿轮廓线。此处采用skip connections策略可以很好地保留原图的信息不丢失，保证了矫正前后的图像大小不发生改变。

可选地，根据目标图像区域和外沿轮廓线，对目标图像区域进行矫正的操作，包括：将目标图像区域和外沿轮廓线合并为整体图像；利用连通域分析法对合并后的整体图像进行融合处理，确定待矫正图像区域；以及对待矫正图像区域进行透视变换，进行矫正。

具体地，首先将目标图像区域和外沿轮廓线进行合并得到整体图像，然后使用连通域分析法对合并后的整体图像的连接处进行融合处理，确定待矫正图像区域，进而确定带矫正图像区域四个顶点的位置。最终对待矫正图像区域进行透视变换得到还原后图像，从而完成了待认证图像的矫正操作。通过连通域分析法可以使目标图像区域和外沿轮廓线边缘合并得更佳精准，保证了图像的准确性。

可选地，利用预先训练的图像识别网络，确定待认证图像中包含的目标图像区域和目标图像区域的外沿轮廓线的操作之前，还包括：将待认证图像的分辨率大小调整为能够被图像识别网络所识别。由于图像识别网络(unet网络)对于输入图像的大小有要求(例如：分辨率为256*256)，所以需要将待认证图像大小进行缩放调整，使得待认证图像可以被图像识别网络(unet网络)所识别。

此外需要补充说明的是，本实施例还公开了一种变形证件矫正实例的的训练过程，包括以下步骤：

步骤一：数据预处理阶段：收集用户上传的证件非正视图图片，首先对原始图片进行标注，主要是用四个点确定需要矫正的目标证件的边缘线，得出标注出证件整个区域的坐标以及边缘线的坐标。在实际应用中，标注了训练样本5000张，之后进行数据增强(包括旋转、透视变换、光照变化等)至5万张，其中2000张留作测试集。将原始图像和groundtruth一起作为训练集。

步骤二：模型训练阶段：在训练阶段，本技术方案针对原始的网络结构做了一些变动。原始图像最大的feature map达到512，这对于拍摄证件的图像矫正来说并不是必须的，在实际训练中对其进行了减半处理，使其最大到256。另外，为了增大模型训练时的感受野，原始模型的卷积核大小为4*4，本发明改为5*5。最后模型使用多任务思想，同时输出需要进行矫正的变形目标的轮廓和边缘线。这三处的改变，可以使unet网络在变形图像矫正情境下效果更佳。

步骤三：模型测试阶段：在测试阶段，只需加载训练好的定位模型，输入不使用变形矫正模型之前由于拍摄角度造成的文字识别失败图片，便会得到变形矫正后图像并重新传回识别网络。本技术在2000张由于变形造成的识别不准确测试集上进行测试，使用IOU作为评价标准，矫正后图像重识别准确率可达95％以上。

此外，参考图1所示，根据本实施例的第二个方面，提供了一种存储介质104。所述存储介质104包括存储的程序，其中，在所述程序运行时由处理器执行以上任意一项所述的方法。

从而根据本实施例，通过图像认证的方法可以利用更多的特征进行目标图像位置识别，与现有的边缘检测方法相比，达到了通过更多的特征确定目标图像区域的目的。从而，实现了避免复杂背景影响定位结果，提高目标图像定位准确率的技术效果。进而解决了现有技术中存在的图像认证过程采用的方法鲁棒性不足，并且无法适应复杂背景的技术问题。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。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可以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(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，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的方法。

实施例2

图5示出了根据本实施例所述的图像认证的装置500，该装置500与根据实施例1的第一个方面所述的方法相对应。参考图5所示，该装置500包括：计算模块510，用于利用预先训练的图像识别网络，确定待认证图像中包含的目标图像区域和目标图像区域的外沿轮廓线；矫正模块520，用于根据目标图像区域和外沿轮廓线，对目标图像区域进行矫正；以及认证模块530，用于对矫正后的目标图像区域进行认证。

可选地，计算模块510，包括：第一确定子模块，用于利用图像识别网络对待认证图像进行卷积操作，确定待认证图像对应的目标图像区域特征向量和外沿轮廓线特征向量；以及第二确定子模块，用于利用图像识别网络对目标图像区域特征向量和外沿轮廓线特征向量进行反卷积操作，确定待认证图像包含的目标图像区域和外沿轮廓线。

可选地，第一确定子模块，包括：第一操作单元，用于利用5*5的卷积核对待认证图像进行8次卷积操作，得到目标图像区域特征向量和外沿轮廓线特征向量。

可选地，第二确定子模块，包括：第二操作单元，用于利用5*5的卷积核对特征向量进行8次反卷积操作，得到待认证图像包含的目标图像区域和外沿轮廓线。

可选地，矫正模块520，包括：合并子模块，用于将目标图像区域和外沿轮廓线合并为整体图像；连通计算子模块，用于利用连通域分析法对合并后的整体图像进行融合处理，确定待矫正图像区域；以及变换子模块，用于对待矫正图像区域进行透视变换，进行矫正。

可选地，还包括：图像处理模块，用于将待认证图像的分辨率大小调整为能够被图像识别网络所识别。

从而根据本实施例，通过图像认证的装置500可以利用更多的特征进行目标图像位置识别，与现有的边缘检测方法相比，达到了通过更多的特征确定目标图像区域的目的。从而，实现了避免复杂背景影响定位结果，提高目标图像定位准确率的技术效果。进而解决了现有技术中存在的图像认证过程采用的方法鲁棒性不足，并且无法适应复杂背景的技术问题。

实施例3

图6示出了根据本实施例所述的图像认证的装置600，该装置600与根据实施例1的第一个方面所述的方法相对应。参考图6所示，该装置600包括：处理器610；以及存储器620，与处理器610连接，用于为处理器610提供处理以下处理步骤的指令：利用预先训练的图像识别网络，确定待认证图像中包含的目标图像区域和目标图像区域的外沿轮廓线；根据目标图像区域和外沿轮廓线，对目标图像区域进行矫正；以及对矫正后的目标图像区域进行认证。

可选地，利用预先训练的图像识别网络，确定待认证图像中包含的目标图像区域和目标图像区域的外沿轮廓线的操作，包括：利用图像识别网络对待认证图像进行卷积操作，确定待认证图像对应的目标图像区域特征向量和外沿轮廓线特征向量；以及利用图像识别网络对目标图像区域特征向量和外沿轮廓线特征向量进行反卷积操作，确定待认证图像包含的目标图像区域和外沿轮廓线。

可选地，利用图像识别网络对待认证图像进行卷积操作，确定待认证图像对应的目标图像区域特征向量和外沿轮廓线特征向量的操作，包括：利用5*5的卷积核对待认证图像进行8次卷积操作，得到目标图像区域特征向量和外沿轮廓线特征向量。

可选地，利用图像识别网络对目标图像区域特征向量和外沿轮廓线特征向量进行反卷积操作，确定待认证图像包含的目标图像区域和外沿轮廓线的操作，包括：利用5*5的卷积核对特征向量进行8次反卷积操作，得到待认证图像包含的目标图像区域和外沿轮廓线。

可选地，根据目标图像区域和外沿轮廓线，对目标图像区域进行矫正的操作，包括：将目标图像区域和外沿轮廓线合并为整体图像；利用连通域分析法对合并后的整体图像进行融合处理，确定待矫正图像区域；以及对待矫正图像区域进行透视变换，进行矫正。

可选地，利用预先训练的图像识别网络，确定待认证图像中包含的目标图像区域和目标图像区域的外沿轮廓线的操作之前，还包括：将待认证图像的分辨率大小调整为能够被图像识别网络所识别。

从而根据本实施例，通过图像认证的装置600可以利用更多的特征进行目标图像位置识别，与现有的边缘检测方法相比，达到了通过更多的特征确定目标图像区域的目的。从而，实现了避免复杂背景影响定位结果，提高目标图像定位准确率的技术效果。进而解决了现有技术中存在的图像认证过程采用的方法鲁棒性不足，并且无法适应复杂背景的技术问题。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，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，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元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单元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单元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，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元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全部或部分可以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(可为个人计算机、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、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种图像认证的方法，其特征在于，包括：

利用预先训练的图像识别网络，确定待认证图像中包含的目标图像区域和所述目标图像区域的外沿轮廓线；

根据所述目标图像区域和所述外沿轮廓线，对所述目标图像区域进行矫正；以及

对矫正后的所述目标图像区域进行认证。

2.根据权利要求1所述的方法，其特征在于，利用预先训练的图像识别网络，确定待认证图像中包含的目标图像区域和所述目标图像区域的外沿轮廓线的操作，包括：

利用所述图像识别网络对所述待认证图像进行卷积操作，确定所述待认证图像对应的目标图像区域特征向量和外沿轮廓线特征向量；以及

利用所述图像识别网络对所述目标图像区域特征向量和所述外沿轮廓线特征向量进行反卷积操作，确定所述待认证图像包含的所述目标图像区域和所述外沿轮廓线。

3.根据权利要求2所述的方法，其特征在于，利用所述图像识别网络对所述待认证图像进行卷积操作，确定所述待认证图像对应的目标图像区域特征向量和外沿轮廓线特征向量的操作，包括：利用5*5的卷积核对所述待认证图像进行8次卷积操作，得到所述目标图像区域特征向量和所述外沿轮廓线特征向量。

4.根据权利要求3所述的方法，其特征在于，利用所述图像识别网络对所述目标图像区域特征向量和所述外沿轮廓线特征向量进行反卷积操作，确定所述待认证图像包含的所述目标图像区域和所述外沿轮廓线的操作，包括：利用5*5的卷积核对所述目标图像区域特征向量和所述外沿轮廓线特征向量进行8次反卷积操作，得到所述待认证图像包含的所述目标图像区域和所述外沿轮廓线。

5.根据权利要求1所述的方法，其特征在于，根据所述目标图像区域和所述外沿轮廓线，对所述目标图像区域进行矫正的操作，包括：

将所述目标图像区域和所述外沿轮廓线合并为整体图像；

利用连通域分析法对合并后的所述整体图像进行融合处理，确定待矫正图像区域；以及

对所述待矫正图像区域进行透视变换，进行矫正。

6.根据权利要求1所述的方法，其特征在于，利用预先训练的图像识别网络，确定待认证图像中包含的目标图像区域和所述目标图像区域的外沿轮廓线的操作之前，还包括：将所述待认证图像的分辨率大小调整为能够被所述图像识别网络所识别。

7.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时由处理器执行权利要求1至6中任意一项所述的方法。

8.一种图像认证的装置，其特征在于，包括：

计算模块，用于利用预先训练的图像识别网络，确定待认证图像中包含的目标图像区域和所述目标图像区域的外沿轮廓线；

矫正模块，用于根据所述目标图像区域和所述外沿轮廓线，对所述目标图像区域进行矫正；以及

认证模块，用于对矫正后的所述目标图像区域进行认证。

9.根据权利要求8所述的装置，其特征在于，所述计算模块，包括：

第一确定子模块，用于利用所述图像识别网络对所述待认证图像进行卷积操作，确定所述待认证图像对应的目标图像区域特征向量和外沿轮廓线特征向量；以及

第二确定子模块，用于利用所述图像识别网络对所述目标图像区域特征向量和所述外沿轮廓线特征向量进行反卷积操作，确定所述待认证图像包含的所述目标图像区域和所述外沿轮廓线。

10.一种图像认证的装置，其特征在于，包括：

处理器；以及

存储器，与所述处理器连接，用于为所述处理器提供处理以下处理步骤的指令：

利用预先训练的图像识别网络，确定待认证图像中包含的目标图像区域和所述目标图像区域的外沿轮廓线；

根据所述目标图像区域和所述外沿轮廓线，对所述目标图像区域进行矫正；以及

对矫正后的所述目标图像区域进行认证。

Images