CN112446312A - 三维模型识别方法、装置、电子设备及存储介质 - Google Patents
三维模型识别方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112446312A CN112446312A CN202011304718.1A CN202011304718A CN112446312A CN 112446312 A CN112446312 A CN 112446312A CN 202011304718 A CN202011304718 A CN 202011304718A CN 112446312 A CN112446312 A CN 112446312A
- Authority
- CN
- China
- Prior art keywords
- dimensional model
- data set
- acquiring
- information
- similarity
- 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 38
- 238000012549 training Methods 0.000 claims abstract description 18
- 230000015654 memory Effects 0.000 claims description 18
- 238000009877 rendering Methods 0.000 claims description 15
- 239000013598 vector Substances 0.000 description 7
- 239000000463 material Substances 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000011176 pooling Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication 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
- 230000009467 reduction Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
-
- 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
- G06T15/00—3D [Three Dimensional] image rendering
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computer Graphics (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种三维模型识别方法、装置、电子设备及存储介质,涉及信息安全技术领域,其中三维模型识别方法包括:获取待识别三维模型的坐标信息,根据所述坐标信息得到三维模型图像数据集;利用卷积模型对所述三维模型图像数据集进行训练,得到所述待识别三维模型的三维模型特征图谱;获取参考三维模型的特征信息;获取所述三维模型特征图谱与所述特征信息之间的相似度;根据所述相似度确定所述待识别三维模型的侵权性。通过上述三维模型识别方法,能够准确判断用户上传的三维模型是否侵权,识别精度高,有效的保证三维模型创作者的合法权益。
Description
技术领域
本发明涉及信息安全技术领域,尤其是涉及一种三维模型识别方法、装置、电子设备及存储介质。
背景技术
三维模型是物体的多边形表示,通常用计算机或者其它视频设备进行显示。显示的物体可以是现实世界的实体,也可以是虚构的物体。目前,三维模型已经广泛应用于医疗、电影、视频游戏、建筑等各个行业。
随着三维模型市场的日益扩展,人们对于三维模型的需求与日俱增。因制作三维模型所耗费的时间和精力太大,人们开始倾向于在互联网上获取制作好的三维模型,于是各类三维模型在线交易平台就应运而生。由模型创作者将三维模型素材上传至平台,用户可通过下载模型资源。然而三维模型不同于传统信息媒介,用户下载模型资源之后可以将购买的模型素材作为自己的原创模型再次上传至其他网站,且三维模型上传到互联网后可以被无限的复制,可以通过互联网在全球范围内传播,对创作者产生不良影响,侵害创作者的合法权益。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此,本发明实施例提出一种三维模型识别方法,能够准确判断用户上传的三维模型是否侵权,识别精度高,有效的保证三维模型创作者的合法权益。
本发明还提出一种三维模型识别装置。
本发明还提出一种电子设备。
本发明还提出一种计算机可读存储介质。
根据本发明的第一方面实施例的三维模型识别方法,包括:
获取待识别三维模型的坐标信息,根据所述坐标信息得到三维模型图像数据集;
利用卷积模型对所述三维模型图像数据集进行训练,得到所述待识别三维模型的三维模型特征图谱;
获取参考三维模型的特征信息;
获取所述三维模型特征图谱与所述特征信息之间的相似度;
根据所述相似度确定所述待识别三维模型的侵权性。
根据本发明第一方面实施例的三维模型识别方法,至少具有如下有益效果:通过待识别三维模型的坐标信息得到三维模型图像数据集,然后利用卷积模型对三维模型图像数据集进行训练得到三维模型特征图谱,进而可以将三维模型特征图谱与参考三维模型的特征信息进行比对,得到二者之间的相似度,最后可以根据相似度确定待识别三维模型的侵权性,从而能够准确判断用户上传的三维模型是否侵权,识别精度高,有效的保证三维模型创作者的合法权益。
根据本发明的一些实施例,所述根据所述相似度确定所述待识别三维模型的侵权性,包括:获取预设阈值;比较所述相似度与所述预设阈值的大小关系;若所述相似度大于所述预设阈值,则确定所述待识别三维模型为侵权作品。
根据本发明的一些实施例,所述根据所述坐标信息得到三维模型图像数据集,包括:获取预设步长;根据所述坐标信息和所述预设步长得到目标采集点;根据所述目标采集点对所述待识别三维模型进行图像采集,得到所述三维模型图像数据集。
根据本发明的一些实施例,所述根据所述目标采集点对所述待识别三维模型进行图像采集,得到所述三维模型图像数据集,包括:获取采集得到的所述待识别三维模型的多张图片;对所述多张图片进行图像渲染,生成所述待识别三维模型对应的渲染结果;根据所述渲染结果提取所述三维模型图像数据集。
根据本发明的一些实施例,所述获取参考三维模型的参考特征信息,包括:根据所述待三维模型特征图谱从区块链节点数据集中提取所述参考三维模型的作品参数;从所述作品参数中提取出所述特征信息。
根据本发明的一些实施例,还包括获取所述区块链节点数据集,所述获取所述区块链节点数据集,包括:获取所述参考三维模型的参考坐标信息,根据所述参考坐标信息得到参考图像数据集;利用所述卷积模型对所述参考图像数据集进行训练,得到所述特征信息;将所述特征信息上传至所述区块链节点数据集中,以通过所述区块链节点数据集存储所述特征信息。
根据本发明的一些实施例,所述作品参数还包括:参考三维模型的版权信息;所述获取所述区块链节点数据集,还包括:获取所述参考三维模型的版权信息;将所述版权信息上传至所述区块链节点数据集中,以通过所述区块链节点数据集存储所述版权信息。
根据本发明的第二方面实施例的三维模型识别装置,包括:
第一获取模块,用于获取待识别三维模型的坐标信息,根据所述坐标信息得到三维模型图像数据集;
训练模块,用于利用卷积模型对所述三维模型图像数据集进行训练,得到所述待识别三维模型的三维模型特征图谱;
第二获取模块,用于获取参考三维模型的特征信息;
第三获取模块,用于获取所述三维模型特征图谱与所述特征信息之间的相似度;
识别模块,用于根据所述相似度确定所述待识别三维模型的侵权性。
根据本发明第二方面实施例的三维模型识别装置,至少具有如下有益效果:通过执行本发明第一方面实施例的三维模型识别装置,能够准确判断用户上传的三维模型是否侵权,识别精度高,有效的保证三维模型创作者的合法权益。
根据本发明第三方面实施例的电子设备,包括:至少一个处理器,以及,与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器执行所述指令时实现第一方面所述的三维模型识别方法。
根据本发明实施例的电子设备,至少具有如下有益效果:通过执行本发明第一方面实施例的三维模型识别方法,能够准确判断用户上传的三维模型是否侵权,识别精度高,有效的保证三维模型创作者的合法权益。
根据本发明第四方面实施例的计算机可读存储介质,所述存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行第一方面所述的三维模型识别方法。
根据本发明第四方面实施例的交互显示存储介质,至少具有如下有益效果:通过执行本发明第一方面实施例的三维模型识别方法,能够准确判断用户上传的三维模型是否侵权,识别精度高,有效的保证三维模型创作者的合法权益。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1为本发明实施例的三维模型识别方法的流程示意图;
图2为本发明实施例的三维模型识别装置的结构示意图;
图3为本发明实施例的电子设备的功能模块图。
附图标记:
第一获取模块200、训练模块210、第二获取模块220、第三获取模块230、识别模块240、处理器300、存储器310、数据传输模块320、摄像头330、显示屏340。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
本发明的描述中,除非另有明确的限定,设置、安装、连接等词语应做广义理解,所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。
参照图1,根据本发明第一方面实施例的三维模型识别方法,包括:
步骤S100,获取待识别三维模型的坐标信息,根据坐标信息得到三维模型图像数据集。
其中,三维模型是物体的多边形表示,三维模型显示的物体可以是现实世界的实体,也可以是虚构的物体;待识别三维模型可以是用户上传至平台的、需要进行校验的三维模型;坐标信息可以是根据待识别三维模型建立坐标系后所得的待识别三维模型的坐标参数;三维模型图像数据集可以是根据需求对待识别三维模型进行图像处理后得到的图像数据的集合。当有新的三维模型作品上传至平台时,需要对该三维模型进行识别和校验,该三维模型即为待识别单位模型,从而可以判断待识别三维模型是否为侵权作品,若待识别三维模型为侵权作品,则可以禁止该三维模型通过平台进行版权交易。可选的,可以根据待识别三维模型的大小来建立经纬度坐标系,从而可以得到待识别三维模型的坐标信息。然后可以根据该坐标信息对待识别三维模型进行图像采集和处理,从而得到待识别三维模型的三维模型图像数据集。
步骤S110,利用卷积模型对三维模型图像数据集进行训练,得到待识别三维模型的三维模型特征图谱。
其中,卷积模型可以是指卷积神经网络,卷积神经网络(Convolutional NeuralNetwork,CNN)是一种深度前馈人工神经网络,用于图像识别;三维模型特征图谱可以是利用卷积模型对三维模型图像数据集进行训练后得到的、待识别三维模型的图像数据,也可以是卷积层和池化层降维过的图像数据。可选的,可以利用卷积模型(或卷积核)对三维模型图像数据集进行特征提取的训练,例如,在三维模型图像数据集的每层像素矩阵上,利用卷积模型不断按预设的步长进行扫描,具体的,从三维模型图像数据集中的每张图片的左上角扫到右下角,从而可以将训练扫描得到的数与卷积核对应位置的数相乘,最后可以求总和,每扫描一次,得到一个值,全部扫完则生成一个新的卷积矩阵,即完成对三维模型图像数据集的特征提取,得到待识别三维模型的三维模型特征图谱。
步骤S120,获取参考三维模型的特征信息。
其中,参考三维模型可以是预先在区块链数据中存储的、与待识别三维模型最相似的三维模型,参考三维模型可以附带原创者的版权信息;特征信息可以是参考三维模型对应的特征图的数据。可选的,参考三维模型可以从区块链数据中获取,例如,将区块链数据同步到本地计算机,然后可以从区块链数据的相应分类中得到参考三维模型,此处的相应分类可以是与待识别三维模型所属的类型相同或最相近的类型,例如电影类,或游戏类。因此,可以从区块链数据中获取与待识别三维模型最接近的参考三维模型,进而可以提取该参考三维模型的特征信息。
步骤S130,获取三维模型特征图谱与特征信息之间的相似度。
其中,相似度可以是三维模型特征图谱与特征信息之间的相似程度,即三维模型特征图谱与特征信息之间的相似性。可选的,可以将三维模型特征图谱与特征信息进行CNN识别,分别得到卷积后的三维模型特征图谱的特征向量和特征信息的特征向量,进而计算两个特征向量之间的欧几里得距离,最后可以根据两个特征向量之间的欧几里得距离计算得到三维模型特征图谱与特征信息之间的相似度,例如,若两个特征向量之间的欧几里得距离越小,则二者相似度越高;若两个特征向量之间的欧几里得距离越大,则二者相似度越低。
步骤S140,根据相似度确定待识别三维模型的侵权性。
可选的,可以根据相似度判断待识别三维模型与参考三维模型是否相似,从而可以判断待识别三维模型与参考三维模型是否为同一模型。可选的,若三维模型特征图谱与特征信息之间的相似度较高,则可以判断待识别三维模型与参考三维模型为同一模型,则待识别三维模型涉及侵权;若三维模型特征图谱与特征信息之间的相似度较低,则待识别三维模型与参考三维模型为两个不同的模型,则待识别三维模型不涉及侵权。
上述三维模型识别方法,通过待识别三维模型的坐标信息得到三维模型图像数据集,然后利用卷积模型对三维模型图像数据集进行训练得到三维模型特征图谱,进而可以将三维模型特征图谱与参考三维模型的特征信息进行比对,得到二者之间的相似度,最后可以根据相似度确定待识别三维模型的侵权性,从而能够准确判断用户上传的三维模型是否侵权,识别精度高,有效的保证三维模型创作者的合法权益。
在本发明的一些实施例中,根据相似度确定待识别三维模型的侵权性,包括:
获取预设阈值。其中,预设阈值可以是预先设置的相似度对应的临界值。预设阈值可以根据需求设置。可选的,可以设置预设阈值为相似度对应的最大值,则可以获取该预设阈值。
比较相似度与预设阈值的大小关系。可选的,可以比较相似度与预设阈值之间的大小,得到二者之间的大小关系。例如,比较相似度与预设阈值之间的大小后可得:相似度小于预设阈值的大小关系、相似度等于预设阈值的大小关系或相似度大于预设阈值的大小关系。
若相似度大于预设阈值,则确定待识别三维模型为侵权作品。可选的,假设预设阈值为相似度对应的最大值,若相似度大于预设阈值,则相似度大于其对应的最大值,则待识别三维模型与参考三维模型之间的相似程度较高,因此可以确定待识别三维模型为侵权作品。可选的,若相似度小于预设阈值,则相似度小于其对应的最大值,则待识别三维模型与参考三维模型之间的相似的程度较低,因此可以确定待识别三维模型不是侵权作品。通过比较预设阈值与相似度之间的大小关系,若相似度大于预设阈值,则可以确定待识别三维模型与参考三维模型之间的相似度较高,从而确定待识别三维模型为侵权作品,可以准确判断用户上传的三维模型是否侵权。
在本发明的一些实施例中,根据坐标信息得到三维模型图像数据集,包括:
获取预设步长。其中,预设步长可以是预先设置、用于采集待识别三维模型的图形数据集的采集距离,预设步长可以根据需求设置。可选的,可以根据待识别三维模型建立经纬度坐标系,假设该经纬度坐标系中每一度经度或每一度纬度为一个最小单位,可以设置12个经度或12个纬度为一个预设步长,则可以根据该坐标系使用12度的步长,即沿着经度方向12度作为预设步长、沿着纬度方向12度为预设步长。
根据坐标信息和预设步长得到目标采集点。其中,目标采集点可以是用于采集拍摄三维模型图像数据集的坐标点。可选的,可以根据待识别三维模型的坐标信息和预设步长对坐标系进行划分,从而得到多个目标采集点。例如,假设预设步长为12度,假设待识别三维模型以原点为中心,则可以根据预设步长对待识别三维模型所在的坐标系进行划分,具体的,在每隔12度不同的纬度处,沿着经度方向每12度设置一个采集点,由此可以得到多个目标采集点。
根据目标采集点对待识别三维模型进行图像采集,得到三维模型图像数据集。可选的,假设预设步长为12度,可以在每隔12度不同的纬度处,沿着经度方向每12度对待识别三维模型拍摄一张照片,即根据目标采集点对待识别三维模型进行图像采集,可以移动相机到各个目标采集点,并调整相机的指向方向始终朝向坐标原点,以对待识别三维模型进行拍摄得到多张照片,从而得到三维模型图像数据集。根据预设步长和坐标信息对坐标系进行划分得到目标采集点,进而可以根据目标采集点对待识别三维模型进行图像采集,得到三维模型图像数据集,可以在固定角度得到多方位的、完整的待识别三维模型的图像数据集。
在本发明的一些实施例中,根据目标采集点对待识别三维模型进行图像采集,得到三维模型图像数据集,包括:
获取采集得到的待识别三维模型的多张图片。可选的,假设预设步长为12度,可以调整相机的指向方向始终朝向坐标原点,在每隔12度不同的纬度处,沿着经度方向每12度对待识别三维模型拍摄一张照片,即在多个目标采集点对待识别三维模型进行拍照,由此可以沿经度方向和纬度方向拍摄得到30*30=900张图片,即得到待识别三维模型的多张图片。
对多张图片进行图像渲染,生成待识别三维模型对应的渲染结果。可选的,假设采集得到待识别三维模型的图片为900张,在完成对待识别三维模型的拍摄后,可以在渲染引擎中对该900张图片进行渲染,生成待识别三维模型的渲染结果。
根据渲染结果提取三维模型图像数据集。可选的,可以在完成对待识别三维模型拍摄后,生成三维模型的渲染结果,形成三维模型图像数据集,从而提取到待识别三维模型的三维模型图像数据集。通过对采集得到的多张图片进行渲染,生成待识别三维模型对应的渲染结果,从而可以形成三维模型图像数据集,
在本发明的一些实施例中,获取参考三维模型的参考特征信息,包括:
根据三维模型特征图谱从区块链节点数据集中提取参考三维模型的作品参数。其中,作品参数可以是参考三维模型的相关信息,例如参考三维模型的特征信息和版权信息;区块链节点数据集可以是采用区块链技术存储的若干个三维模型的集合。可选的,可以将区块链节点数据集同步到本地计算机,进而根据三维模型特征图谱,从区块链节点数据集中确定与待识别三维模型相同或最接近的三维模型的类别,然后从该类别中提取与待识别三维模型最相似的三维模型,即得到参考三维模型。同时可以提取存储于区块链节点数据集中的参考三维模型的作品参数,即得到参考三维模型的所有相关信息。
从作品参数中提取出特征信息。可选的,参考三维模型的作品参数可以包括特征信息和其他信息,因此,可以从作品参数中提取得到参考三维模型的特征信息,即得到参考三维模型的图像数据。根据三维模型特征图谱从区块链节点数据集中提取参考三维模型的作品参数,然后从作品参数中提取出参考三维模型的特征信息,从而可以得到与待识别三维模型最相似的参考三维模型,提高待识别三维模型的识别精度。
在本发明的一些实施例中,三维模型识别方法还包括:获取所述区块链节点数据集。获取区块链节点数据集,包括:
获取参考三维模型的参考坐标信息,根据参考坐标信息得到参考图像数据集。其中,参考坐标信息可以是根据参考三维模型而建立的坐标系后所得的参考三维模型的坐标参数;参考图像数据集可以说根据需求对参考三维模型进行图像处理后得到的图形数据的集合。可选的,在原创者将设计的三维模型上传至平台时,可以将原创者设计的三维模型作为参考三维模型,进而获取参考三维模型的参考坐标信息。具体的,可以根据原创者设计的三维模型(即参考三维模型)的包围盒大小,建立经纬度坐标系,然后使用12度(360/30=12)步长,即在每隔12度不同的纬度处,沿着经度方向每12度拍摄一张照片,可以移动相机到上述指定的经纬度,并调整相机指向方向始终朝向坐标原点,对该参考三维模型进行拍摄,总共拍摄30*30=900张图片,拍摄完成后生成该参考三维模型的渲染结果,形成三维模型图像数据集,即得到参考图像数据集。
利用卷积模型对参考图像数据集进行训练,得到特征信息。可选的,特征信息可以是通过卷机模型的卷积层和池化层降维过的图像数据。可以利用卷积模型对参考图像数据集中的每张图片根据预先设置的步长进行扫描,得到参考图像数据集的特征,具体的,从参考图像数据集中的每张图片的左上角扫到右下角,从而可以将训练扫描得到的数与卷积核对应位置的数相乘,最后可以求总和,每扫描一次,得到一个值,全部扫完则生成一个新的卷积矩阵,即完成对参考图像数据集的特征提取,得到参考三维模型的参考图像数据集。
将特征信息上传至区块链节点数据集中,以通过区块链节点数据集存储特征信息。可选的,可以根据特征信息对参考三维模型进行分类,然后将分类后的参考三维模型的特征信息保存于区块链节点数据集中,以便在新的三维模型(即待识别三维模型)上传至平台时,可以根据区块链节点数据集中的特征信息对待识别三维模型进行识别和校验。利用区块链的链式结构来验证与存储参考三维模型的信息、利用分布式节点共识机制来记录参考三维模型的数据,可以保证作参考三维模型的相关数据不可篡改和伪造,为参考三维模型的归属权提供有效证据。
在本发明的一些实施例中,作品参数还包括:参考三维模型的版权信息。其中,版权信息可以是原创者依法对参考三维模型享有权利的相关信息,例如参考三维模型的基本信息,包括:原创者的身份证明、参考三维模型归属权的证明。
获取区块链节点数据集,还包括:
获取参考三维模型的版权信息。其中,版权信息可以是原创者的身份证明、参考三维模型归属权的证明等信息。版权信息可以在原创者上传参考三维模型时,由原创者输入相关版权信息并与参考三维模型一并上传至平台,从而可以将版权信息与参考三维模型进行绑定,可以将版权信息作为该参考三维模型的标记,使得用户在浏览或下载参考三维模型时,可以同时获知该参考三维模型的版权信息。
将版权信息上传至区块链节点数据集中,以通过区块链节点数据集存储版权信息。可选的,可以将参考三维模型的原创者的身份证明、作品归属权的证明等信息和征信息一并保存于区块链节点数据集中,以便在新的三维模型(即待识别三维模型)上传至平台时,可以根据区块链节点数据集中的特征信息对待识别三维模型进行识别、根据该版权信息对待识别三维模型的版权归属进行校验。利用区块链的链式结构来验证与存储参考三维模型的信息、利用分布式节点共识机制来记录参考三维模型的数据,可以保证作参考三维模型的相关数据不可篡改和伪造,为参考三维模型的归属权提供有效证据。
参照图2,根据本发明第二方面实施例的三维模型识别装置,包括:
第一获取模块200,用于获取待识别三维模型的坐标信息,根据坐标信息得到三维模型图像数据集;
训练模块210,用于利用卷积模型对三维模型图像数据集进行训练,得到待识别三维模型的三维模型特征图谱;
第二获取模块220,用于获取参考三维模型的特征信息;
第三获取模块230,用于获取三维模型特征图谱与特征信息之间的相似度;
识别模块240,用于根据相似度确定待识别三维模型的侵权性。
上述三维模型识别装置,通过执行本发明第一方面实施例的三维模型识别装置,能够准确判断用户上传的三维模型是否侵权,识别精度高,有效的保证三维模型创作者的合法权益。
参照图3,本发明第三方面实施例还提供了一种电子设备内部结构图,包括:至少一个处理器300,以及与至少一个处理器300通信连接的存储器310;还可以包括数据传输模块320、摄像头330、显示屏340。
其中,处理器300通过调用存储器310中存储的计算机程序,用于执行第一方面实施例中的三维模型识别方法。
存储器作为一种非暂态存储介质,可用于存储非暂态软件程序以及非暂态性计算机可执行程序,如本发明第一方面实施例中的三维模型识别方法。处理器通过运行存储在存储器中的非暂态软件程序以及指令,从而实现上述第一方面实施例中的三维模型识别方法。
存储器可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储执行上述第一方面实施例中的三维模型识别方法。此外,存储器可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中,存储器可选包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至该终端。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。
实现上述第一方面实施例中的三维模型识别方法所需的非暂态软件程序以及指令存储在存储器中,当被一个或者多个处理器执行时,执行上述第一方面实施例中的三维模型识别方法。
本发明第四方面实施例还提供了计算机可读存储介质,存储有计算机可执行指令,该计算机可执行指令用于:执行第一方面实施例中的三维模型识别方法。
在一些实施例中,该存储介质存储有计算机可执行指令,该计算机可执行指令被一个或多个控制处理器执行,例如,被第三方面实施例的电子设备中的一个处理器执行,可使得上述一个或多个处理器执行上述第一方面实施例中的三维模型识别方法。
上面结合附图对本发明实施例作了详细说明,但是本发明不限于上述实施例,在所属技术领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下作出各种变化。
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、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器,如中央处理器、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。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
Claims (10)
1.三维模型识别方法,其特征在于,包括:
获取待识别三维模型的坐标信息,根据所述坐标信息得到三维模型图像数据集;
利用卷积模型对所述三维模型图像数据集进行训练,得到所述待识别三维模型的三维模型特征图谱;
获取参考三维模型的特征信息;
获取所述三维模型特征图谱与所述特征信息之间的相似度;
根据所述相似度确定所述待识别三维模型的侵权性。
2.根据权利要求1所述的方法,其特征在于,所述根据所述相似度确定所述待识别三维模型的侵权性,包括:
获取预设阈值;
比较所述相似度与所述预设阈值的大小关系;
若所述相似度大于所述预设阈值,则确定所述待识别三维模型为侵权作品。
3.根据权利要求1所述的方法,其特征在于,所述根据所述坐标信息得到三维模型图像数据集,包括:
获取预设步长;
根据所述坐标信息和所述预设步长得到目标采集点;
根据所述目标采集点对所述待识别三维模型进行图像采集,得到所述三维模型图像数据集。
4.根据权利要求3所述的方法,其特征在于,所述根据所述目标采集点对所述待识别三维模型进行图像采集,得到所述三维模型图像数据集,包括:
获取采集得到的所述待识别三维模型的多张图片;
对所述多张图片进行图像渲染,生成所述待识别三维模型对应的渲染结果;
根据所述渲染结果提取所述三维模型图像数据集。
5.根据权利要求1所述的方法,其特征在于,所述获取参考三维模型的参考特征信息,包括:
根据所述待三维模型特征图谱从区块链节点数据集中提取所述参考三维模型的作品参数;
从所述作品参数中提取出所述特征信息。
6.根据权利要求5所述的方法,其特征在于,还包括获取所述区块链节点数据集,所述获取所述区块链节点数据集,包括:
获取所述参考三维模型的参考坐标信息,根据所述参考坐标信息得到参考图像数据集;
利用所述卷积模型对所述参考图像数据集进行训练,得到所述特征信息;
将所述特征信息上传至所述区块链节点数据集中,以通过所述区块链节点数据集存储所述特征信息。
7.根据权利要求6所述的方法,其特征在于,所述作品参数还包括:参考三维模型的版权信息;
所述获取所述区块链节点数据集,还包括:
获取所述参考三维模型的版权信息;
将所述版权信息上传至所述区块链节点数据集中,以通过所述区块链节点数据集存储所述版权信息。
8.三维模型识别装置,其特征在于,包括:
第一获取模块,用于获取待识别三维模型的坐标信息,根据所述坐标信息得到三维模型图像数据集;
训练模块,用于利用卷积模型对所述三维模型图像数据集进行训练,得到所述待识别三维模型的三维模型特征图谱;
第二获取模块,用于获取参考三维模型的特征信息;
第三获取模块,用于获取所述三维模型特征图谱与所述特征信息之间的相似度;
识别模块,用于根据所述相似度确定所述待识别三维模型的侵权性。
9.电子设备,其特征在于,包括:
至少一个处理器,以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器执行所述指令时实现如权利要求1至7任一项所述的三维模型识别方法。
10.计算机可读存储介质,其特征在于,所述存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行如权利要求1至7任一项所述的三维模型识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011304718.1A CN112446312A (zh) | 2020-11-19 | 2020-11-19 | 三维模型识别方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011304718.1A CN112446312A (zh) | 2020-11-19 | 2020-11-19 | 三维模型识别方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112446312A true CN112446312A (zh) | 2021-03-05 |
Family
ID=74737682
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011304718.1A Pending CN112446312A (zh) | 2020-11-19 | 2020-11-19 | 三维模型识别方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112446312A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113011327A (zh) * | 2021-03-18 | 2021-06-22 | 苏州市开鑫智慧教育科技有限公司 | 一种三维图形识别方法、装置、设备及存储介质 |
CN113486972A (zh) * | 2021-07-19 | 2021-10-08 | 筑盟(上海)数字科技有限公司 | 一种bim模型版权认证的系统和方法 |
CN114387085A (zh) * | 2022-01-12 | 2022-04-22 | 见知数据科技(上海)有限公司 | 流水数据处理方法、装置、计算机设备和存储介质 |
TWI827030B (zh) * | 2021-05-04 | 2023-12-21 | 藝信股份有限公司 | 一種對一待檢測物進行檢測的方法與檢測裝置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107832384A (zh) * | 2017-10-28 | 2018-03-23 | 北京安妮全版权科技发展有限公司 | 侵权检测方法、装置、存储介质和电子设备 |
CN109299734A (zh) * | 2018-09-13 | 2019-02-01 | 北京字节跳动网络技术有限公司 | 侵权图片的识别方法、装置和计算机可读存储介质 |
KR20190035146A (ko) * | 2017-09-26 | 2019-04-03 | 상명대학교산학협력단 | 3d 모델 깊이 이미지를 이용한 딥러닝 기반의 3d 모델 저작권 침해 판단 방법 |
CN109784181A (zh) * | 2018-12-14 | 2019-05-21 | 平安科技(深圳)有限公司 | 图片水印识别方法、装置、设备及计算机可读存储介质 |
CN109919208A (zh) * | 2019-02-25 | 2019-06-21 | 中电海康集团有限公司 | 一种外观图像相似度比对方法和系统 |
CN110008997A (zh) * | 2019-03-06 | 2019-07-12 | 平安科技(深圳)有限公司 | 图像纹理相似度识别方法、装置及计算机可读存储介质 |
CN110163220A (zh) * | 2019-04-26 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 图片特征提取模型训练方法、装置和计算机设备 |
CN110704811A (zh) * | 2019-09-03 | 2020-01-17 | 特赞(上海)信息科技有限公司 | 图片侵权检测方法及装置、存储介质 |
CN111652940A (zh) * | 2020-04-30 | 2020-09-11 | 平安国际智慧城市科技股份有限公司 | 目标异常识别方法、装置、电子设备及存储介质 |
-
2020
- 2020-11-19 CN CN202011304718.1A patent/CN112446312A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20190035146A (ko) * | 2017-09-26 | 2019-04-03 | 상명대학교산학협력단 | 3d 모델 깊이 이미지를 이용한 딥러닝 기반의 3d 모델 저작권 침해 판단 방법 |
CN107832384A (zh) * | 2017-10-28 | 2018-03-23 | 北京安妮全版权科技发展有限公司 | 侵权检测方法、装置、存储介质和电子设备 |
CN109299734A (zh) * | 2018-09-13 | 2019-02-01 | 北京字节跳动网络技术有限公司 | 侵权图片的识别方法、装置和计算机可读存储介质 |
CN109784181A (zh) * | 2018-12-14 | 2019-05-21 | 平安科技(深圳)有限公司 | 图片水印识别方法、装置、设备及计算机可读存储介质 |
CN109919208A (zh) * | 2019-02-25 | 2019-06-21 | 中电海康集团有限公司 | 一种外观图像相似度比对方法和系统 |
CN110008997A (zh) * | 2019-03-06 | 2019-07-12 | 平安科技(深圳)有限公司 | 图像纹理相似度识别方法、装置及计算机可读存储介质 |
CN110163220A (zh) * | 2019-04-26 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 图片特征提取模型训练方法、装置和计算机设备 |
CN110704811A (zh) * | 2019-09-03 | 2020-01-17 | 特赞(上海)信息科技有限公司 | 图片侵权检测方法及装置、存储介质 |
CN111652940A (zh) * | 2020-04-30 | 2020-09-11 | 平安国际智慧城市科技股份有限公司 | 目标异常识别方法、装置、电子设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
张静 等: "基于深度学习的三维模型检索研究", 智能计算机与应用, vol. 9, no. 3, 31 May 2019 (2019-05-31), pages 1 - 3 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113011327A (zh) * | 2021-03-18 | 2021-06-22 | 苏州市开鑫智慧教育科技有限公司 | 一种三维图形识别方法、装置、设备及存储介质 |
TWI827030B (zh) * | 2021-05-04 | 2023-12-21 | 藝信股份有限公司 | 一種對一待檢測物進行檢測的方法與檢測裝置 |
CN113486972A (zh) * | 2021-07-19 | 2021-10-08 | 筑盟(上海)数字科技有限公司 | 一种bim模型版权认证的系统和方法 |
CN114387085A (zh) * | 2022-01-12 | 2022-04-22 | 见知数据科技(上海)有限公司 | 流水数据处理方法、装置、计算机设备和存储介质 |
CN114387085B (zh) * | 2022-01-12 | 2024-04-16 | 见知数据科技(上海)有限公司 | 流水数据处理方法、装置、计算机设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112446312A (zh) | 三维模型识别方法、装置、电子设备及存储介质 | |
US11830230B2 (en) | Living body detection method based on facial recognition, and electronic device and storage medium | |
CN109325933B (zh) | 一种翻拍图像识别方法及装置 | |
CN109302619A (zh) | 一种信息处理方法及装置 | |
US20150221133A1 (en) | Determining space to display content in augmented reality | |
CN109155078A (zh) | 样本图像的集合的生成方法、装置、电子设备和存储介质 | |
US9189966B2 (en) | System for learning trail application creation | |
CN105122272A (zh) | 数字图像的自动综合处理 | |
CN109842811A (zh) | 一种在视频中植入推送信息的方法、装置及电子设备 | |
CN111340889B (zh) | 基于车载激光扫描自动获取匹配图像块与点云球的方法 | |
CN111031359B (zh) | 视频播放方法、装置、电子设备和计算机可读存储介质 | |
Chen et al. | Event-driven stitching for tile-based live 360 video streaming | |
CN116546304A (zh) | 一种参数配置方法、装置、设备、存储介质及产品 | |
CN112036342B (zh) | 单证抓拍方法、设备及计算机存储介质 | |
CN112132892A (zh) | 目标位置标注方法、装置及设备 | |
CN108734712B (zh) | 背景分割的方法、装置及计算机存储介质 | |
CN112102145B (zh) | 图像处理方法及装置 | |
JP2004038980A (ja) | 画像を解析する方法、しきい値を生成する方法、該方法を実行するコンピュータプログラム、該プログラムを記憶するコンピュータ可読媒体および該方法を実行するように適応した装置 | |
US11615167B2 (en) | Media creation system and method | |
CN113781491A (zh) | 图像分割模型的训练、图像分割方法及装置 | |
JP2018180125A (ja) | 画像投影装置、画像投影方法および画像投影プログラム | |
US20150278636A1 (en) | Image processing apparatus, image processing method, and recording medium | |
KR101904108B1 (ko) | 평면 모델링을 통한 깊이 영상의 가변적 블록 부호화 방법 및 장치 | |
CN113962964B (zh) | 基于时序图像数据的指定对象擦除方法及装置 | |
CN113763467B (zh) | 图像处理方法、装置、计算设备及介质 |
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 |