CN112650875A - 房产图片验证方法、装置、计算机设备及存储介质 - Google Patents

房产图片验证方法、装置、计算机设备及存储介质 Download PDF

Info

Publication number
CN112650875A
CN112650875A CN202011528048.1A CN202011528048A CN112650875A CN 112650875 A CN112650875 A CN 112650875A CN 202011528048 A CN202011528048 A CN 202011528048A CN 112650875 A CN112650875 A CN 112650875A
Authority
CN
China
Prior art keywords
property
picture
verified
house
information
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
CN202011528048.1A
Other languages
English (en)
Inventor
宋文琳
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.)
OneConnect Smart Technology Co Ltd
OneConnect Financial Technology Co Ltd Shanghai
Original Assignee
OneConnect Financial Technology Co Ltd Shanghai
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 OneConnect Financial Technology Co Ltd Shanghai filed Critical OneConnect Financial Technology Co Ltd Shanghai
Priority to CN202011528048.1A priority Critical patent/CN112650875A/zh
Publication of CN112650875A publication Critical patent/CN112650875A/zh
Priority to PCT/CN2021/109507 priority patent/WO2022134584A1/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/53—Querying
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/587—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • 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
    • 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
    • G06Q40/03—Credit; Loans; Processing thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G06T1/0021—Image watermarking
    • 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
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2201/00—General purpose image data processing
    • G06T2201/005—Image watermarking
    • G06T2201/0065—Extraction of an embedded watermark; Reliable detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Library & Information Science (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Evolutionary Biology (AREA)
  • General Business, Economics & Management (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Technology Law (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Editing Of Facsimile Originals (AREA)
  • Image Processing (AREA)

Abstract

本申请实施例属于人工智能领域，应用于金融风险控制领域中，涉及一种房产图片验证方法、装置、计算机设备及存储介质，其中方法包括：接收房产图片验证请求，所述房产图片验证请求中包含待验证的房产图片和待验证的房产信息，其中，所述待验证的房产图片含数字水印，所述数字水印包含所述待验证的房产图片拍摄时的位置信息；根据所述待验证的房产信息检索预设的数据库，获得所述待验证的房产的实际位置；提取所述数字水印中的位置信息；比较所述位置信息和所述实际位置是否一致；当二者一致时，确定所述房产图片通过验证。提高了房产图片审核效率，减少伪造照片产生的欺诈损失。

Description

房产图片验证方法、装置、计算机设备及存储介质
技术领域
本申请涉及人工智能技术领域，尤其涉及房产图片验证方法、装置、计算机设备及存储介质。
背景技术
在贷款业务-房产抵押贷款场景中，业务人员需要到现场拍摄房产信息，如内景图片、电梯图片、小区环境图片，用于核实房产真实性和进行房产估值。在订单量较多的情况下，会产生较多的人力成本。
随着互联网技术的发展，通过用户自主上传房产图片进行房产评估，既方便了用户，使用户可以根据需求在没有业务员到场的场景下自助申请贷款业务，又节省了业务员的人力成本。但同时可能存在用户伪造房产图片的情况发生。
发明内容
本申请实施例的目的在于提出一种房产图片验证方法、装置、计算机设备及存储介质，以解决房产图片真伪验证问题。
为了解决上述技术问题，本申请实施例提供一种房产图片验证方法，采用了如下所述的技术方案：
接收房产图片验证请求，所述房产图片验证请求中包含待验证的房产图片和待验证的房产信息，其中，所述待验证的房产图片含数字水印，所述数字水印包含所述待验证的房产图片拍摄时的位置信息；
根据所述待验证的房产信息检索预设的数据库，获得所述待验证的房产的实际位置，所述预设的数据库至少预存房产的实际位置；
提取所述数字水印中的位置信息；
比较所述位置信息和所述实际位置是否一致；
当所述位置信息与所述实际位置一致时，确定所述房产图片通过验证。
进一步的，在所述接收房产图片验证请求，所述房产图片验证请求中包含待验证的房产图片和待验证的房产信息，其中，所述待验证的房产图片含数字水印，所述数字水印包含所述待验证的房产图片拍摄时的位置信息的步骤中还包括：
获取实时拍摄请求；
根据实时拍摄请求，调用预设的图片拍摄模块和预设的定位模块，获得实时拍摄的图片和实时拍摄所处的位置信息；
将所述位置信息转换为数字水印添加到所述图片中；获得添加了数字水印的待验证的房产图片。
进一步的，在所述当所述位置信息与所述实际位置一致时，确定所述房产图片通过验证的步骤之前还包括：
获取待验证的房产持有人信息；
根据所述待验证房产信息检索预设的数据库，获得所述房产信息对应的实际持有人信息；
比较所述待验证的房产持有人信息和所述实际持有人信息；
所述当所述位置信息与所述实际位置一致时，确定所述房产图片通过验证的步骤包括：
当所述待验证的房产持有人信息和所述实际持有人信息一致，且所述位置信息与所述实际位置一致时，确定所述待验证的房产图片通过验证。
进一步的，所述实际持有人信息包含实际持有人的人脸特征，所述比较所述待验证的房产持有人信息和所述实际持有人信息的步骤还包括：
将所述待验证的房产持有人的人脸图像进行特征提取，获得待验证人脸特征；
计算所述待验证人脸特征和所述实际持有人的人脸特征的相似度；
当所述相似度大于设定阈值时，确定所述待验证的房产持有人信息和所述实际持有人信息一致。
进一步的，在所述接收房产图片验证请求，所述房产图片验证请求中包含待验证的房产图片和待验证的房产信息，其中，所述待验证的房产图片含数字水印，所述数字水印包含所述待验证的房产图片拍摄时的位置信息的步骤之后还包括：
将所述待验证的房产图片输入到预先训练的神经网络模型中，获取所述预先训练的神经网络模型响应所述房产图片而输出的分类结果，所述分类结果为翻拍图片或非翻拍图片；
当所述分类结果为翻拍图片时，确定所述待验证的房产图片验证失败。
进一步的，所述神经网络模型的训练包括：
获取训练样本，所述训练样本为标注是否为翻拍图片的N个房产图片，N为大于0的正整数；
将所述训练样本输入到所述神经网络模型中，获得所述神经网络模型响应所述N个房产图片输出的N个预测结果；
通过损失函数比对所述N个预测结果和所述标注是否一致，其中所述损失函数为：
Figure BDA0002851404670000031
其中，N为训练样本数，针对第i个样本其对应为Yi是标注结果，h＝(h1,h2,...,hc)为样本i的预测结果，其中C是所有分类的数量；
调整所述神经网络模型中各节点的参数，至所述损失函数达到最小值时结束，得到所述预先训练的神经网络模型。
进一步的，所述房产图片验证方法还包括：
将所述接收房产图片验证请求存储于区块链中。
为了解决上述技术问题，本申请实施例还提供一种房产图片验证装置，采用了如下所述的技术方案：
接收模块，用于接收房产图片验证请求，所述房产图片验证请求中包含待验证的房产图片和待验证的房产信息，其中，所述待验证的房产图片含数字水印，所述数字水印包含所述待验证的房产图片拍摄时的位置信息；
检索模块，用于根据所述待验证的房产信息检索预设的数据库，获得所述待验证的房产的实际位置，所述预设的数据库至少预存房产的实际位置；
提取模块，用于提取所述数字水印中的位置信息；
比较模块，用于比较所述位置信息和所述实际位置是否一致；
确定模块，用于当所述位置信息与所述实际位置一致时，确定所述房产图片通过验证。
进一步的，所述房产图片验证装置包括：
第一获取子模块，用于获取实时拍摄请求；
第一处理子模块，用于根据实时拍摄请求，调用预设的图片拍摄模块和预设的定位模块，获得实时拍摄的图片和实时拍摄所处的位置信息；
第一添加子模块，用于将所述位置信息转换为数字水印添加到所述图片中；获得添加了数字水印的待验证的房产图片。
实际位置一致时，确定所述房产图片通过验证。
进一步的，所述的房产图片验证装置还包括：
第一接收子模块，用于获取待验证的房产持有人信息；
第一检索子模块，用于根据所述待验证房产信息检索预设的数据库，获得所述房产信息对应的实际持有人信息；
第一比较子模块，用于比较所述待验证的房产持有人信息和所述实际持有人信息；
第一判断子模块，用于当所述待验证的房产持有人信息和所述实际持有人信息一致，且所述位置信息与所述实际位置一致时，确定所述待验证的房产图片通过验证。
进一步的，当所述第一接收子模块接收的待验证的房产持有人信息为人脸图像时，所述第一比较子模块包括：
第一提取子单元，用于将所述待验证的房产持有人的人脸图像进行特征提取，获得待验证人脸特征；
第一比较子单元，用于计算所述待验证人脸特征和所述实际持有人的人脸特征的相似度；
第一判断子单元，用于当所述相似度大于设定阈值时，确定所述待验证的房产持有人信息和所述实际持有人信息一致。
进一步的，所述的房产图片验证装置还包括：
第一处理子模块，用于将所述待验证的房产图片输入到预先训练的神经网络模型中，获取所述预先训练的神经网络模型响应所述房产图片而输出的分类结果，所述分类结果为翻拍图片或非翻拍图片；
第二判断子模块，用于当所述分类结果为翻拍图片时，确定所述待验证的房产图片验证失败。
进一步的，所述的房产图片验证装置还包括：
第二获取子模块，用于获取训练样本，所述训练样本为标注是否为翻拍图片的N个房产图片，N为大于0的正整数；
第二处理子模块，用于将所述训练样本输入到所述神经网络模型中，获得所述神经网络模型响应所述N个房产图片输出的N个预测结果；
第一比对子模块，用于通过损失函数比对所述N个预测结果和所述标注是否一致，其中所述损失函数为：
Figure BDA0002851404670000051
其中，N为训练样本数，针对第i个样本其对应为Yi是标注结果，h＝(h1,h2,...,hc)为样本i的预测结果，其中C是所有分类的数量；
第一调整子模块，用于调整所述神经网络模型中各节点的参数，至所述损失函数达到最小值时结束，得到所述预先训练的神经网络模型。
进一步的，房产图片验证装置还包括：
存储模块，用于将所述接收房产图片验证请求存储于区块链中
为了解决上述技术问题，本申请实施例还提供一种计算机设备，采用了如下所述的技术方案：
一种计算机设备，包括存储器和处理器，存储器中存储有计算机可读指令，处理器执行计算机可读指令时实现如上述房产图片验证方法的步骤。
为了解决上述技术问题，本申请实施例还提供一种计算机可读存储介质，采用了如下所述的技术方案：
一种计算机设备，包括存储器和处理器，存储器中存储有计算机可读指令，处理器执行计算机可读指令时实现如上述房产图片验证方法的步骤。
与现有技术相比，本申请实施例主要有以下有益效果：通过接收房产图片验证请求，所述房产图片验证请求中包含待验证的房产图片和待验证的房产信息，其中，所述待验证的房产图片含数字水印，所述数字水印包含所述待验证的房产图片拍摄时的位置信息；根据所述待验证的房产信息检索预设的数据库，获得所述待验证的房产的实际位置，所述预设的数据库至少预存房产的实际位置；提取所述数字水印中的位置信息；比较所述位置信息和所述实际位置是否一致；当所述位置信息与所述实际位置一致时，确定所述房产图片通过验证。提高了房产图片审核效率。通过进行经纬度、海拔高度比较及翻拍识别，减少伪造照片产生的欺诈损失。
附图说明
为了更清楚地说明本申请中的方案，下面将对本申请实施例描述中所需要使用的附图作一个简单介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请可以应用于其中的示例性系统架构图；
图2根据本申请的房产图片验证方法的一个实施例的流程图；
图3是图2中获取待验证房产图片的一种具体实施方式的流程图；
图4是根据本申请的房产图片验证装置的一个实施例的结构示意图；
图5是根据本申请的计算机设备的一个实施例的结构示意图。
具体实施方式
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申请的技术领域的技术人员通常理解的含义相同；本文中在申请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，不是旨在于限制本申请；本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
为了使本技术领域的人员更好地理解本申请方案，下面将结合附图，对本申请实施例中的技术方案进行清楚、完整地描述。
如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving PictureExpertsGroup Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(MovingPictureExperts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
需要说明的是，本申请实施例所提供的房产图片验证方法一般由服务器/终端设 备执行，相应地，房产图片验证装置一般设置于服务器/终端设备中。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
继续参考图2，示出了根据本申请的房产图片验证的方法的一个实施例的流程图。所述的房产图片验证方法，包括以下步骤：
步骤S201，接收房产图片验证请求，所述房产图片验证请求中包含待验证的房产图片和待验证的房产信息，其中，所述待验证的房产图片含数字水印，所述数字水印包含所述待验证的房产图片拍摄时的位置信息。
在本实施例中，房产图片验证方法运行于其上的电子设备(例如图1所示的服务 器/终端设备)可以通过有线连接方式或者无线连接方式接收房产图片验证请求，所述房产图片验证请求中包含待验证的房产图片和待验证的房产信息，其。需要指出的是，上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。
用户在可交互界面上输入待验证房产的信息和待验证的房产图片，待验证房产的信息可以为房产编号、房产持有人姓名、ID的其中之一。
待验证的房产图片可以为事先保存在存储介质上的图片，也可以是通过带摄像头的设备实时拍摄的图片。用户通过可交互界面导入事先保存的图片，或通过调用拍摄程序，实时获取待验证的房产图片。
步骤S202，根据所述待验证的房产信息检索预设的数据库，获得所述待验证的房产的实际位置，所述预设的数据库至少预存房产的实际位置。
在本实施例中，预设的数据库预存了房产的实际位置，通过待验证房产的信息检索预设的数据库，待验证的房产可以为房产编号、房产门牌号、房产持有人姓名、ID的其中之一。预存的房产实际位置至少包含了房产在预设地图上的地点或经纬度和海拔高度。
步骤S203，提取所述数字水印中的位置信息。
提取数字水印的过程是添加数字水印的逆过程。例如利用图像每个像素的RGB值最后一位存储位置信息。提取数字水印的过程就是上述过程的逆：把像素值提取出来，选择最后一位，拼出信息。同样，采用其他算法添加的数字水印，通过与添加相逆的过程提取数字水印，得到待验证房产图片拍摄时的位置信息。
步骤S204，比较所述位置信息和所述实际位置是否一致；
通过字符串比较实际位置和数字水印中的位置信息是否一致。
步骤S205，当所述位置信息与所述实际位置一致时，确定所述房产图片通过验证。
比较实际位置和数字水印中的位置信息，当两者一致时，确定待验证的房产图片通过验证。当数字水印中的位置信息包含经纬度和海拔高度时，先比较经纬度，再比较海拔高度。通过经纬度和海拔高度的对比，可以精确到具体建筑物的具体楼层具体的房间，提高了房产图片验证的精度。
通过接收房产图片验证请求，所述房产图片验证请求中包含待验证的房产图片和待验证的房产信息，其中，所述待验证的房产图片含数字水印，所述数字水印包含所述待验证的房产图片拍摄时的位置信息；根据所述待验证的房产信息检索预设的数据库，获得所述待验证的房产的实际位置，所述预设的数据库至少预存房产的实际位置；提取所述数字水印中的位置信息；比较所述位置信息和所述实际位置是否一致；当所述位置信息与所述实际位置一致时，确定所述房产图片通过验证。提高了房产图片审核效率。通过进行经纬度、海拔高度比较及翻拍识别，减少伪造照片产生的欺诈损失。
在本实施例的一些可选的实现方式中，在步骤S201之前，上述电子设备还可以执行以下步骤：
获取实时拍摄请求；
根据实时拍摄请求，调用预设的图片拍摄模块和预设的定位模块，获得实时拍摄的图片和实时拍摄所处的位置信息；
将所述位置信息转换为数字水印添加到所述图片中；获得添加了数字水印的待验证的房产图片。
当用户要使用实时拍摄的图片进行验证时，可以通过点击可交互界面上的实时拍摄的选项发出实时拍摄请求，接收到实时拍摄请求，调用预设的图片拍摄模块和预设的定位模块，图片拍摄模块和定位模块内嵌在同一电子设备中，目前带摄像头的电子设备都内嵌了图片拍摄模块，图片拍摄模块通过开启摄像头拍摄照片，定位模块同时定位的拍摄时的位置信息，定位模块基于GPS系统，位置信息包含经纬度和海拔高度，也可以是映射到预设地图上的地点。
将拍摄的图片和定位的位置信息输入到预设的数字水印添加，将位置信息添加到拍摄的图片中，得到添加了数字水印的待验证的房产图片。
数字水印是将特定的数字信号嵌入到数字产品中，数字水印添加的可以基于以下原理：图像中的每个像素通常用RGB三个0～255的值来表示，转化为二进制就是00000000～11111111。把每个值的最后一位全部设为零，这种变化人眼观察不到。这样空出来的最后一位就可以用来存储信息。提取信息的过程就是上述过程的逆：把像素值提取出来，选择最后一位，拼出信息。
数字水印添加还可以基于空间域暗水印算法，例如Patchwork算法，任意选择N对图像点，增加其一点的亮度的同时，相应降低另一点的亮度值；通过这一调整过程完成水印的嵌入。该算法具有不易察觉性，并且对于有损压缩编码(JPEG)和一些恶意攻击处理等具有抵抗力。
数字水印添加还可以基于变换域暗水印算法，例如基于分块DCT的数字水印技术方案由一个密钥随机地选择图像的一些分块，在频域的中频上稍稍改变一个三元组以隐藏二进制序列信息。选择在中频分量编码是因为在高频编码易于被各种信号处理方法所破坏，而在低频编码则由于人的视觉对低频分量很敏感，对低频分量的改变易于被察觉。该数字水印算法对有损压缩和低通滤波是稳健的。
数字水印不是人的视觉直观可见的，通过在待验证的房产图片中添加位置信息的数字水印，验证位置信息与实际位置是否一致，可以有效验证房产图片的真伪。
在一些可选的实现方式中，在步骤S204之前，上述电子设备可以执行以下步骤：
获取待验证的房产持有人信息；
根据所述待验证房产信息检索预设的数据库，获得所述房产信息对应的实际持有人信息；
比较所述待验证的房产持有人信息和所述实际持有人信息；
所述当所述位置信息与所述实际位置一致时，确定所述房产图片通过验证的步骤包括：
当所述待验证的房产持有人信息和所述实际持有人信息一致，且所述位置信息与所述实际位置一致时，确定所述待验证的房产图片通过验证。
待验证的房产信息可以为房产编码，房产门牌号，通过房产信息检索预设的数据库，预设的数据库可以为房产管理机构预设的房产管理数据库，至少包含房产的实际位置和实际持有人信息，实际位置至少包含房产经纬度、海拔高度，实际持有人信息至少包含持有人姓名、ID。
进行数字水印中提取的位置信息与实际位置比较后，再比较待验证的房产持有人信息和实际持有人信息，当所述待验证的房产持有人信息和所述实际持有人信息一致，且所述位置信息与所述实际位置一致时，确定所述待验证的房产图片通过验证。
也可以先比较待验证的房产持有人信息和实际持有人信息，当两者不一致时，结束验证过程，避免用户使用不属于自己的房产进行验证。
在一些可选的实现方式中，当实际持有人信息包含实际持有人的人脸特征，所述比较所述待验证的房产持有人信息和所述实际持有人信息的步骤中，还包括：
将所述待验证的房产持有人的人脸图像进行特征提取，获得待验证人脸特征；
计算所述待验证人脸特征和所述实际持有人的人脸特征的相似度；
当所述相似度大于设定阈值时，确定所述待验证的房产持有人信息和所述实际持有人信息一致。
当数据库中实际持有人信息包含实际持有人的人脸特征时，接收待验证的房产持有人的人脸图像，对人脸图像进行特征提取，比较两者的相似度，设定阈值，当相似度大于设定阈值时，认为待验证的房产持有人为实际持有人，继续进行房产图片验证，否则结束验证。通过人脸识别可以更有效的进行身份验证，避免用户使用实际不属于自己的房产进行验证。
在一些可选的实现方式中，在步骤S202之前，还包括：
将所述待验证的房产图片输入到预先训练的神经网络模型中，获取所述预先训练的神经网络模型响应所述房产图片而输出的分类结果，所述分类结果为翻拍图片或非翻拍图片；
当所述分类结果为翻拍图片时，确定所述待验证的房产图片验证失败。
为避免用户提供的房产图片有可能为翻拍图片的情况，在进行验证时，先判断是否为翻拍图片，如果为翻拍图片，结束图片验证。对于人眼，难以分辨翻拍图片，通过预先训练的神经网络模型进行判断。
预先训练的神经网络模型的训练步骤包括：
准备训练样本，所述样本为标注图片类别的房产图片；
将训练样本输入到神经网络模型中，获取所述训练样本的预测类别；
通过损失函数比对所述训练样本内不同样本预测类别与所述图片类别是否一致，其中损失函数为：
Figure BDA0002851404670000131
其中，N为训练样本数，针对第i个样本其对应的标记为Yi是标注的结果，h＝(h1,h2,...,hc)为样本i的预测结果，其中C是所有分类的数量；
当所述预测类别与所述标注类别不一致时，反复循环迭代的更新所述神经网络模型中各节点的权重，至所述损失函数达到最小值时结束。
标注的图片类别为翻拍图片和非翻拍图片，通过人眼难以识别是否为翻拍图片，但是翻拍图片和非翻拍图片的纹理特征不同，通过神经网络模型学习不同类别图片的纹理特征，对房产图片进行分类，识别出翻拍的房产图片，可以避免用户使用翻拍的房产图片进行图片验证。
在一些可选的实现方式中，上述电子设备可以执行下述步骤：
将所述接收房产图片验证请求存储于区块链中
需要强调的是，为进一步保证上述房产图片验证请求信息的私密和安全性，上述房产图片验证请求信息还可以存储于一区块链的节点中。
本申请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。
本申请可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机可读指令来指令相关的硬件来完成，该计算机可读指令可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)等非易失性存储介质，或随机存储记忆体(Random Access Memory，RAM)等。
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
进一步参考图4，作为对上述图2所示方法的实现，本申请提供了一种房产图片验证装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图4所示，本实施例所述的房产图片验证装置400包括：接收模块401、检索模块402、提取模块403、比较模块404以及确定模块405。其中：
接收模块401，用于接收房产图片验证请求，所述房产图片验证请求中包含待验证的房产图片和待验证的房产信息，其中，所述待验证的房产图片含数字水印，所述数字水印包含所述待验证的房产图片拍摄时的位置信息；
检索模块402，用于根据所述待验证的房产信息检索预设的数据库，获得所述待验证的房产的实际位置，所述预设的数据库至少预存房产的实际位置；
提取模块403，用于提取所述数字水印中的位置信息；
比较模块404，用于比较所述位置信息和所述实际位置是否一致；
确定模块405，用于当所述位置信息与所述实际位置一致时，确定所述房产图片通过验证。
在本实施例中，通过接收房产图片验证请求，所述房产图片验证请求中包含待验证的房产图片和待验证的房产信息，其中，所述待验证的房产图片含数字水印，所述数字水印包含所述待验证的房产图片拍摄时的位置信息；根据所述待验证的房产信息检索预设的数据库，获得所述待验证的房产的实际位置，所述预设的数据库至少预存房产的实际位置；提取所述数字水印中的位置信息；比较所述位置信息和所述实际位置是否一致；当所述位置信息与所述实际位置一致时，确定所述房产图片通过验证。提高了房产图片审核效率。通过进行经纬度、海拔高度比较及翻拍识别，减少伪造照片产生的欺诈损失。
在本实施例的一些可选的实现方式中，接收模块401包括：
第一获取子模块，用于获取实时拍摄请求；
第一处理子模块，用于根据实时拍摄请求，调用预设的图片拍摄模块和预设的定位模块，获得实时拍摄的图片和实时拍摄所处的位置信息；
第一添加子模块，用于将所述位置信息转换为数字水印添加到所述图片中；获得添加了数字水印的待验证的房产图片。
实际位置一致时，确定所述房产图片通过验证。
在本实施例的一些可选的实现方式中，所述的房产图片验证装置还包括：
第一接收子模块，用于获取待验证的房产持有人信息；
第一检索子模块，用于根据所述待验证房产信息检索预设的数据库，获得所述房产信息对应的实际持有人信息；
第一比较子模块，用于比较所述待验证的房产持有人信息和所述实际持有人信息；
第一判断子模块，用于当所述待验证的房产持有人信息和所述实际持有人信息一致，且所述位置信息与所述实际位置一致时，确定所述待验证的房产图片通过验证。
在本实施例的一些可选的实现方式中，当所述第一接收子模块接收的待验证的房产持有人信息为人脸图像时，所述第一比较子模块包括：
第一提取子单元，用于将所述待验证的房产持有人的人脸图像进行特征提取，获得待验证人脸特征；
第一比较子单元，用于计算所述待验证人脸特征和所述实际持有人的人脸特征的相似度；
第一判断子单元，用于当所述相似度大于设定阈值时，确定所述待验证的房产持有人信息和所述实际持有人信息一致。
在本实施例的一些可选的实现方式中，所述的房产图片验证装置还包括：
第一处理子模块，用于将所述待验证的房产图片输入到预先训练的神经网络模型中，获取所述预先训练的神经网络模型响应所述房产图片而输出的分类结果，所述分类结果为翻拍图片或非翻拍图片；
第二判断子模块，用于当所述分类结果为翻拍图片时，确定所述待验证的房产图片验证失败。
在本实施例的一些可选的实现方式中，所述的房产图片验证装置还包括：
第二获取子模块，用于获取训练样本，所述训练样本为标注是否为翻拍图片的N个房产图片，N为大于0的正整数；
第二处理子模块，用于将所述训练样本输入到所述神经网络模型中，获得所述神经网络模型响应所述N个房产图片输出的N个预测结果；
第一比对子模块，用于通过损失函数比对所述N个预测结果和所述标注是否一致，其中所述损失函数为：
Figure BDA0002851404670000161
其中，N为训练样本数，针对第i个样本其对应为Yi是标注结果，h＝(h1,h2,...,hc)为样本i的预测结果，其中C是所有分类的数量；
第一调整子模块，用于调整所述神经网络模型中各节点的参数，至所述损失函数达到最小值时结束，得到所述预先训练的神经网络模型。
在本实施例的一些可选的实现方式中，所述的房产图片验证装置还包括：
存储模块，用于将所述接收房产图片验证请求存储于区块链中。
为解决上述技术问题，本申请实施例还提供计算机设备。具体请参阅图5，图5为本实施例计算机设备基本结构框图。
所述计算机设备5包括通过系统总线相互通信连接存储器51、处理器52、网络接口53。需要指出的是，图中仅示出了具有组件51-53的计算机设备5，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。其中，本技术领域技术人员可以理解，这里的计算机设备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/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(ApplicationSpecific Integrated Circuit，ASIC)、可编程门阵列(Field－Programmable GateArray，FPGA)、数字处理器(Digital Signal Processor，DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器51至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，所述存储器51可以是所述计算机设备5的内部存储单元，例如该计算机设备5的硬盘或内存。在另一些实施例中，所述存储器51也可以是所述计算机设备5的外部存储设备，例如该计算机设备5上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(FlashCard)等。当然，所述存储器51还可以既包括所述计算机设备5的内部存储单元也包括其外部存储设备。本实施例中，所述存储器51通常用于存储安装于所述计算机设备5的操作系统和各类应用软件，例如房产图片验证方法的计算机可读指令等。此外，所述存储器51还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器52在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器52通常用于控制所述计算机设备5的总体操作。本实施例中，所述处理器52用于运行所述存储器51中存储的计算机可读指令或者处理数据，例如运行所述房产图片验证方法的计算机可读指令。
所述网络接口53可包括无线网络接口或有线网络接口，该网络接口53通常用于在所述计算机设备5与其他电子设备之间建立通信连接。
通过接收房产图片验证请求，所述房产图片验证请求中包含待验证的房产图片和待验证的房产信息，其中，所述待验证的房产图片含数字水印，所述数字水印包含所述待验证的房产图片拍摄时的位置信息；根据所述待验证的房产信息检索预设的数据库，获得所述待验证的房产的实际位置，所述预设的数据库至少预存房产的实际位置；提取所述数字水印中的位置信息；比较所述位置信息和所述实际位置是否一致；当所述位置信息与所述实际位置一致时，确定所述房产图片通过验证。提高了房产图片审核效率。通过进行经纬度、海拔高度比较及翻拍识别，减少伪造照片产生的欺诈损失。
本申请还提供了另一种实施方式，即提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可读指令，所述计算机可读指令可被至少一个处理器执行，以使所述至少一个处理器执行如上述的房产图片验证方法的步骤。
通过接收房产图片验证请求，所述房产图片验证请求中包含待验证的房产图片和待验证的房产信息，其中，所述待验证的房产图片含数字水印，所述数字水印包含所述待验证的房产图片拍摄时的位置信息；根据所述待验证的房产信息检索预设的数据库，获得所述待验证的房产的实际位置，所述预设的数据库至少预存房产的实际位置；提取所述数字水印中的位置信息；比较所述位置信息和所述实际位置是否一致；当所述位置信息与所述实际位置一致时，确定所述房产图片通过验证。提高了房产图片审核效率。通过进行经纬度、海拔高度比较及翻拍识别，减少伪造照片产生的欺诈损失。
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上述实施例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，本申请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，空调器，或者网络设备等)执行本申请各个实施例所述的方法。
显然，以上所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例，附图中给出了本申请的较佳实施例，但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现，相反地，提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明，对于本领域的技术人员来而言，其依然可以对前述各具体实施方式所记载的技术方案进行修改，或者对其中部分技术特征进行等效替换。凡是利用本申请说明书及附图内容所做的等效结构，直接或间接运用在其他相关的技术领域，均同理在本申请专利保护范围之内。

Claims (10)

1.一种房产图片验证方法，其特征在于，包括下述步骤：
接收房产图片验证请求，所述房产图片验证请求中包含待验证的房产图片和待验证的房产信息，其中，所述待验证的房产图片含数字水印，所述数字水印包含所述待验证的房产图片拍摄时的位置信息；
根据所述待验证的房产信息检索预设的数据库，获得所述待验证的房产的实际位置，所述预设的数据库至少预存房产的实际位置；
提取所述数字水印中的位置信息；
比较所述位置信息和所述实际位置是否一致；
当所述位置信息与所述实际位置一致时，确定所述房产图片通过验证。
2.根据权利要求1所述的房产图片验证方法，其特征在于，在所述接收房产图片验证请求，所述房产图片验证请求中包含待验证的房产图片和待验证的房产信息，其中，所述待验证的房产图片含数字水印，所述数字水印包含所述待验证的房产图片拍摄时的位置信息的步骤之前，包括：
获取实时拍摄请求；
根据实时拍摄请求，调用预设的图片拍摄模块和预设的定位模块，获得实时拍摄的图片和实时拍摄所处的位置信息；
将所述位置信息转换为数字水印添加到所述图片中，获得添加了数字水印的待验证的房产图片。
3.根据权利要求1所述的房产图片验证方法，其特征在于，所述预设的数据库包含房产实际持有人信息，所述当所述位置信息与所述实际位置一致时，确定所述房产图片通过验证的步骤之前还包括：
获取待验证的房产持有人信息；
根据所述待验证房产信息检索预设的数据库，获得所述房产信息对应的实际持有人信息；
比较所述待验证的房产持有人信息和所述实际持有人信息；
所述当所述位置信息与所述实际位置一致时，确定所述房产图片通过验证的步骤包括：
当所述待验证的房产持有人信息和所述实际持有人信息一致，且所述位置信息与所述实际位置一致时，确定所述待验证的房产图片通过验证。
4.根据权利要求3所述的房产图片验证方法，其特征在于，所述实际持有人信息包含实际持有人的人脸特征，所述比较所述待验证的房产持有人信息和所述实际持有人信息的步骤，包括：
将所述待验证的房产持有人的人脸图像进行特征提取，获得待验证人脸特征；
计算所述待验证人脸特征和所述实际持有人的人脸特征的相似度；
当所述相似度大于设定阈值时，确定所述待验证的房产持有人信息和所述实际持有人信息一致。
5.根据权利要求1所述的房产图片验证方法，其特征在于，在所述接收房产图片验证请求，所述房产图片验证请求中包含待验证的房产图片和待验证的房产信息，其中，所述待验证的房产图片含数字水印，所述数字水印包含所述待验证的房产图片拍摄时的位置信息的步骤之后还包括：
将所述待验证的房产图片输入到预先训练的神经网络模型中，获取所述预先训练的神经网络模型响应所述房产图片而输出的分类结果，所述分类结果为翻拍图片或非翻拍图片；
当所述分类结果为翻拍图片时，确定所述待验证的房产图片验证失败。
6.根据权利要求5所述的房产图片验证方法，其特征在于，所述神经网络模型的训练包括：
获取训练样本，所述训练样本为标注是否为翻拍图片的N个房产图片，N为大于0的正整数；
将所述训练样本输入到所述神经网络模型中，获得所述神经网络模型响应所述N个房产图片输出的N个预测结果；
通过损失函数比对所述N个预测结果和所述标注是否一致，其中所述损失函数为：
Figure FDA0002851404660000031
其中，N为训练样本数，针对第i个样本其对应为Yi是标注结果，h＝(h1,h2,...,hc)为样本i的预测结果，其中C是所有分类的数量；
调整所述神经网络模型中各节点的参数，至所述损失函数达到最小值时结束，得到所述预先训练的神经网络模型。
7.根据权利要求1所述的房产图片验证方法，其特征在于，还包括：
将所述接收房产图片验证请求存储于区块链中。
8.一种房产图片验证装置，其特征在于，包括：
接收模块，用于接收房产图片验证请求，所述房产图片验证请求中包含待验证的房产图片和待验证的房产信息，其中，所述待验证的房产图片含数字水印，所述数字水印包含所述待验证的房产图片拍摄时的位置信息；
检索模块，用于根据所述待验证的房产信息检索预设的数据库，获得所述待验证的房产的实际位置，所述预设的数据库至少预存房产的实际位置；
提取模块，用于提取所述数字水印中的位置信息；
比较模块，用于比较所述位置信息和所述实际位置是否一致；
确定模块，用于当所述位置信息与所述实际位置一致时，确定所述房产图片通过验证。
9.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现如权利要求1至7中任一项所述的房产图片验证方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如权利要求1至7中任一项所述的房产图片验证方法的步骤。
CN202011528048.1A 2020-12-22 2020-12-22 房产图片验证方法、装置、计算机设备及存储介质 Pending CN112650875A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202011528048.1A CN112650875A (zh) 2020-12-22 2020-12-22 房产图片验证方法、装置、计算机设备及存储介质
PCT/CN2021/109507 WO2022134584A1 (zh) 2020-12-22 2021-07-30 房产图片验证方法、装置、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011528048.1A CN112650875A (zh) 2020-12-22 2020-12-22 房产图片验证方法、装置、计算机设备及存储介质

Publications (1)

Publication Number Publication Date
CN112650875A true CN112650875A (zh) 2021-04-13

Family

ID=75358967

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011528048.1A Pending CN112650875A (zh) 2020-12-22 2020-12-22 房产图片验证方法、装置、计算机设备及存储介质

Country Status (2)

Country Link
CN (1) CN112650875A (zh)
WO (1) WO2022134584A1 (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113486715A (zh) * 2021-06-04 2021-10-08 广州图匠数据科技有限公司 图像翻拍识别方法、智能终端以及计算机存储介质
CN113610517A (zh) * 2021-07-27 2021-11-05 浙江惠瀜网络科技有限公司 基于照片位置信息的家装分期业务应用方法及装置
CN113837310A (zh) * 2021-09-30 2021-12-24 四川新网银行股份有限公司 多尺度融合的证件翻拍识别方法、装置、电子设备和介质
WO2022134584A1 (zh) * 2020-12-22 2022-06-30 深圳壹账通智能科技有限公司 房产图片验证方法、装置、计算机设备及存储介质
CN114936354A (zh) * 2022-05-20 2022-08-23 浙江云程信息科技有限公司 用于工程监管的信息处理方法及装置
CN115695945A (zh) * 2021-07-30 2023-02-03 瑞庭网络技术（上海）有限公司 图像处理方法及装置、电子设备和计算机可读存储介质
CN116958795A (zh) * 2023-06-30 2023-10-27 北京房多多信息技术有限公司 翻拍图像的识别方法、装置、电子设备及存储介质
WO2024103270A1 (zh) * 2022-11-16 2024-05-23 游戏橘子数位科技股份有限公司 游戏多媒体数据认证标示方法及系统

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9965600B2 (en) * 2015-08-18 2018-05-08 International Business Machines Corporation Increased security using dynamic watermarking
CN111275468A (zh) * 2018-12-04 2020-06-12 山东快发网络科技有限公司 广告投放情况的监控方法、拍摄服务器和拍摄设备
CN110619039A (zh) * 2018-12-25 2019-12-27 北京时光荏苒科技有限公司 一种房产信息的校验方法、装置、存储介质及电子设备
CN110489944A (zh) * 2019-07-17 2019-11-22 招联消费金融有限公司 信息管理系统的背景图片生成方法、装置和存储介质
CN111508095A (zh) * 2020-04-08 2020-08-07 厦门中控智慧信息技术有限公司 一种手机远程打卡方法以及设备
CN111859331A (zh) * 2020-04-17 2020-10-30 北京嘀嘀无限科技发展有限公司 一种验证方法、装置、电子设备及介质
CN112650875A (zh) * 2020-12-22 2021-04-13 深圳壹账通智能科技有限公司 房产图片验证方法、装置、计算机设备及存储介质

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022134584A1 (zh) * 2020-12-22 2022-06-30 深圳壹账通智能科技有限公司 房产图片验证方法、装置、计算机设备及存储介质
CN113486715A (zh) * 2021-06-04 2021-10-08 广州图匠数据科技有限公司 图像翻拍识别方法、智能终端以及计算机存储介质
CN113610517A (zh) * 2021-07-27 2021-11-05 浙江惠瀜网络科技有限公司 基于照片位置信息的家装分期业务应用方法及装置
CN113610517B (zh) * 2021-07-27 2024-06-28 浙江惠瀜网络科技有限公司 基于照片位置信息的家装分期业务应用方法及装置
CN115695945A (zh) * 2021-07-30 2023-02-03 瑞庭网络技术（上海）有限公司 图像处理方法及装置、电子设备和计算机可读存储介质
CN113837310A (zh) * 2021-09-30 2021-12-24 四川新网银行股份有限公司 多尺度融合的证件翻拍识别方法、装置、电子设备和介质
CN114936354A (zh) * 2022-05-20 2022-08-23 浙江云程信息科技有限公司 用于工程监管的信息处理方法及装置
CN114936354B (zh) * 2022-05-20 2023-02-17 浙江云程信息科技有限公司 用于工程监管的信息处理方法及装置
WO2024103270A1 (zh) * 2022-11-16 2024-05-23 游戏橘子数位科技股份有限公司 游戏多媒体数据认证标示方法及系统
CN116958795A (zh) * 2023-06-30 2023-10-27 北京房多多信息技术有限公司 翻拍图像的识别方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
WO2022134584A1 (zh) 2022-06-30

Similar Documents

Publication Publication Date Title
CN112650875A (zh) 房产图片验证方法、装置、计算机设备及存储介质
CN112561684B (zh) 金融欺诈风险识别方法、装置、计算机设备及存储介质
CN112330331A (zh) 基于人脸识别的身份验证方法、装置、设备及存储介质
CN112560753B (zh) 基于特征融合的人脸识别方法、装置、设备及存储介质
EP4109332A1 (en) Certificate authenticity identification method and apparatus, computer-readable medium, and electronic device
CN112395390B (zh) 意图识别模型的训练语料生成方法及其相关设备
CN110795714A (zh) 一种身份验证方法、装置、计算机设备及存储介质
CN113591603B (zh) 证件的验证方法、装置、电子设备及存储介质
CN111931153B (zh) 基于人工智能的身份验证方法、装置和计算机设备
CN114550051A (zh) 一种车损检测方法、装置、计算机设备及存储介质
CN112016502B (zh) 安全带检测方法、装置、计算机设备及存储介质
CN110765293A (zh) 自动开启二维码的方法、系统、电子设备及存储介质
CN115941322A (zh) 基于人工智能的攻击检测方法、装置、设备及存储介质
CN114461833A (zh) 图片取证方法、装置、计算机设备及存储介质
CN114861241A (zh) 基于智能检测的防窥屏方法及其相关设备
CN112287945A (zh) 碎屏确定方法、装置、计算机设备及计算机可读存储介质
CN113988223A (zh) 证件图像识别方法、装置、计算机设备及存储介质
CN113918949A (zh) 基于多模态融合的诈骗app的识别方法
CN114282258A (zh) 截屏数据脱敏方法、装置、计算机设备及存储介质
CN112507141B (zh) 调查任务生成方法、装置、计算机设备及存储介质
CN112633200A (zh) 基于人工智能的人脸图像比对方法、装置、设备及介质
CN111709851A (zh) 基于rfid及面部识别的酒店安全入住的方法、装置及设备
CN112464873A (zh) 模型的训练方法、人脸活体识别方法、系统、设备及介质
CN116524574A (zh) 一种面部区域识别方法、装置及电子设备
CN114221964A (zh) 一种访问请求处理方法、装置、计算机设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40045393

Country of ref document: HK

SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination