CN112784835A - 圆形印章的真实性识别方法、装置、电子设备及存储介质 - Google Patents
圆形印章的真实性识别方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112784835A CN112784835A CN202110081552.XA CN202110081552A CN112784835A CN 112784835 A CN112784835 A CN 112784835A CN 202110081552 A CN202110081552 A CN 202110081552A CN 112784835 A CN112784835 A CN 112784835A
- Authority
- CN
- China
- Prior art keywords
- pixel value
- circular
- value
- channel pixel
- stamp image
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000004364 calculation method Methods 0.000 claims abstract description 65
- 238000012545 processing Methods 0.000 claims abstract description 41
- 230000011218 segmentation Effects 0.000 claims description 36
- 238000012549 training Methods 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 6
- 238000013145 classification model Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000008030 elimination Effects 0.000 description 4
- 238000003379 elimination reaction Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 235000002566 Capsicum Nutrition 0.000 description 2
- 239000006002 Pepper Substances 0.000 description 2
- 241000722363 Piper Species 0.000 description 2
- 235000016761 Piper aduncum Nutrition 0.000 description 2
- 235000017804 Piper guineense Nutrition 0.000 description 2
- 235000008184 Piper nigrum Nutrition 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 150000003839 salts Chemical class 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
- G06V10/242—Aligning, centring, orientation detection or correction of the image by image rotation, e.g. by 90 degrees
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Biophysics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Biomedical Technology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Mathematical Physics (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Collating Specific Patterns (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例公开了一种圆形印章的真实性识别方法、装置、电子设备及存储介质。其中,所述方法包括:获取一张包含圆形印章的图片;其中,所述圆形印章的数量至少为一个;从所述图片中识别至少一个圆形印章图像;对每个所述圆形印章图像进行多个角度的旋转处理,得到与每个圆形印章图像对应的多个候选圆形印章图像;分别计算同一个圆形印章图像中各所述候选圆形印章图像与至少一个模板印章图像的相似度,根据相似度计算结果确定各圆形印章图像的真实性判别结果,可以实现对圆形印章的真实性进行确定,可以提高对圆形印章的识别准确率。
Description
技术领域
本发明实施例涉及信息处理技术领域,尤其涉及一种圆形印章的真实性识别方法、装置、电子设备及存储介质。
背景技术
随着当代社会进步和经济多元化发展,企业中的职能部门越来越细化,各种企业的圆形印章的种类和应用场合也越来越多,对圆形印章的真伪进行鉴定至关重要,因而对圆形印章的识别准确率的要求也越来越高。
自从上世纪八十年代以来,许多国内外学者对圆形印章的真伪识别问题进行了一系列的研究,主要处理过程包含圆形印章的提取、预处理、配准和分析判断四个部分,每一部分的设计都是为了实现圆形印章识别准确率的提升,但以往的圆形印章的提取采用传统技术手段,存在对圆形印章的提取并不准确,对圆形印章的识别存在识别准确率不高的问题。
发明内容
本发明实施例提供了一种圆形印章的真实性识别方法、装置、电子设备及存储介质,可以实现对圆形印章的真实性进行确定,可以提高对圆形印章的识别准确率。
第一方面,本发明实施例提供了一种圆形印章的真实性识别方法,其中,该方法包括:
获取一张包含圆形印章的图片;其中,所述圆形印章的数量至少为一个;
从所述图片中识别至少一个圆形印章图像;
对每个所述圆形印章图像进行多个角度的旋转处理,得到与每个圆形印章图像对应的多个候选圆形印章图像;
分别计算同一个圆形印章图像中各所述候选圆形印章图像与至少一个模板印章图像的相似度,根据相似度计算结果确定各圆形印章图像的真实性判别结果。
第二方面,本发明实施例还提供了一种圆形印章的真实性识别装置,其中,该装置包括:
获取模块,用于获取一张包含圆形印章的图片;其中,所述圆形印章的数量至少为一个;
识别模块,用于从所述图片中识别至少一个圆形印章图像;
候选印章获取模块,用于对每个所述圆形印章图像进行多个角度的旋转处理,得到与每个圆形印章图像对应的多个候选圆形印章图像;
确定模块,用于分别计算同一个圆形印章图像中各所述候选圆形印章图像与至少一个模板印章图像的相似度,根据相似度计算结果确定各圆形印章图像的真实性判别结果。
第三方面,本发明实施例还提供了一种电子设备,其中,该设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本发明实施例中任一项所述的圆形印章的真实性识别方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明实施例中任一项所述的圆形印章的真实性识别方法。
本发明实施例提供的技术方案,通过获取一张包含圆形印章的图片,从图片中识别至少一个圆形印章图像,对每个圆形印章图像进行多个角度的旋转处理,得到与每个圆形印章图像对应的多个候选圆形印章图像,分别计算同一个圆形印章图像中各候选圆形印章图像与至少一个模板印章图像的相似度,根据相似度计算结果确定各圆形印章图像的真实性判别结果,可以实现对圆形印章的真实性进行确定,可以提高对圆形印章的识别准确率。
附图说明
图1是本发明实施例提供的一种圆形印章的真实性识别方法的流程图;
图2是本发明实施例提供的另一种圆形印章的真实性识别方法的流程图;
图3是本发明实施例提供的又一种圆形印章的真实性识别方法的流程图;
图4是本发明实施例提供的又一种圆形印章的真实性识别方法的流程图;
图5是本发明实施例提供的一种圆形印章的真实性识别装置结构示意图;
图6是本发明实施例提供的一种电子设备结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
图1是本发明实施例提供的圆形印章的真实性识别方法的流程图,所述方法可以由圆形印章的真实性识别装置来执行,所述装置可以由软件和/或硬件的方式实现,所述装置可以配置在服务器等电子设备中。可选的,所述方法应用于对圆形印章的真实性进行识别的场景中。如图1所示,本发明实施例提供的技术方案具体包括:
S110:获取一张包含圆形印章的图片;其中,所述圆形印章的数量至少为一个。
在本发明实施例中,可选的,为了实现对待识别的圆形印章的真实性进行确定,需要获取包含圆形印章的一张或多张图片,图片中可以包含一个或者多个圆形印章。
S120:从所述图片中识别至少一个圆形印章图像。
在本发明实施例中,可选的,要将圆形印章图像从图片中识别出来,需要从包含圆形印章的图片中将不属于待识别的圆形印章图像的部分抠除掉,可以使用训练好的实例分割模型将待识别的圆形印章图像识别出来,也可以使用其他方式实现对待识别的圆形印章图像的识别,从图片中识别出的圆形印章图像的数量可以为一个也可以为多个。
S130:对每个所述圆形印章图像进行多个角度的旋转处理,得到与每个圆形印章图像对应的多个候选圆形印章图像。
在本发明实施例中,可选的,为了对待识别的圆形印章图像的真实性进行更加准确地识别,对于每一个待识别的圆形印章图像进行全维度的旋转处理,即将待识别的圆形印章图像进行每一个角度的无损失旋转,得到与该圆形印章图像对应的每一个角度的候选圆形印章图像。所以,候选圆形印章图像的数量可以为360个,记为I(I0,I1,…,Ii,…,I359)。
在本发明实施例的一个实施方式中,可选的,对每个所述圆形印章图像进行多个角度的旋转处理,得到与每个圆形印章图像对应的多个候选圆形印章图像之前,还包括:对每个圆形印章图像进行去噪声处理。
在本发明实施例中,可选的,由于通过实例分割得到的待识别的圆形印章图像都是原始图像数据的片段,其中掺杂了许多颜色、轮廓、椒盐等噪声。为了使得匹配的结果更加准确,在得到每一个待识别的圆形印章图像对应的候选印章图像之前进行噪声消除处理,消除方法是通过像素的值进行颜色区域判断,由于包含待识别的圆形印章的图片的颜色和圆形印章的颜色对比相对比较鲜明,因此通过颜色区域判断可以有效去除圆形印章中的干扰项。
由此,通过在得到与待识别的圆形印章图像对应的候选印章图像之前对待识别的圆形印章图像进行去噪处理,可以避免各种噪声对待识别的圆形印章的真实性进行识别时造成的干扰,可以实现对待识别的圆形印章的真实性进行更加准确的识别。通过对每个圆形印章图像进行多个角度的旋转处理,得到与每个圆形印章图像对应的多个候选圆形印章图像,可以为后续确定待识别圆形印章的真实性提供更加全面的对比图像数据,使得对圆形印章真实性的识别更加精准。
S140:分别计算同一个圆形印章图像中各所述候选圆形印章图像与至少一个模板印章图像的相似度,根据相似度计算结果确定各圆形印章图像的真实性判别结果。
在本发明实施例中,可选的,模板印章图像即为真实的标准印章图像,可以从带有圆型印章的真实合同扫描件图片中或者拍摄的图片中通过统一格式、裁剪和旋转处理得到相对比较正规的数据,然后进行模板印章图像的提取和入库处理,记为II(II0,II1…IIj…IIn),n为模板库中模板印章图像的个数,用作对待识别的圆形印章图像的真实性进行识别的参考模板,待识别的圆形印章图像与模板库中的模板印章图像规格可以相同,为了实现更加准确地对待识别的圆形印章的真实性进行确定,模板库中的模板印章图像的数量越多越好。
对于同一个待识别的圆形印章图像对应的每一个候选圆形印章图像,计算其与模板印章图像的相似度,可以先计算每一个候选圆形印章图像与每一个模板印章图像的差异值图像,然后利用直方图对差异值图像与零模板图像进行计算得到相似度,也可以采用其他方式计算候选圆形印章图像与模板印章图像的相似度。其中,相似度的计算结果可以取相对值也可以取绝对值,相似度的计算结果大小表示进行相似度计算的候选圆形印章图像与模板印章图像的相似程度的高低,相似度计算结果越大表示相似度越高,相似度计算结果越小表示相似度越低。如果对相似度的计算结果取相对值,则相似度的计算结果介于0-1之间,如果完全相似,则相似度计算结果为1;如果完全不相似,则相似度计算结果为0。通过上述计算相似度的方式可以得到多个相似度的计算结果,可以通过确定所有相似度计算结果的集合中的最大计算结果来确定待识别的圆形印章图像的真实性判别结果。
在本发明实施例的一个实施方式中,可选的,分别计算同一个圆形印章图像中各所述候选圆形印章图像与至少一个模板印章图像的相似度,包括:分别将各所述候选圆形印章图像与各模板印章图像进行差异值计算,得到每个候选圆形印章图像针对每个模板印章图像的差异值图像;通过直方图的相关系数,计算各所述差异值图像与零模板图像的相似度,作为候选圆形印章图像与模板印章图像的相似度。
在本发明实施例中,可选的,可以先对同一个圆形印章图像中每一候选印章图像Ii和模板库中每一个模板印章图像IIj分别进行差异值计算,差异值计算方式如下:将Ii中各像素点的像素值与IIj中对应像素点的像素值做差,如果得到的像素值差值大于或者等于零则不做任何处理,如果得到的像素值差值小于零则将像素值差值赋值为零,据此将Ii减去IIj得到差值subtr1;将IIj中各像素点的像素值与Ii中对应像素点的像素值做差,如果得到的像素值差值大于或者等于零则不做任何处理,如果得到的像素值差值小于零则将像素值差值赋值为零,据此将IIj减去Ii得到差值subtr2;将subtr1与subtr2相加得到和add_img,即为每个候选圆形印章图像与每个模板印章图像的差异值图像;分别得到该差异值图像与零模板图像的颜色直方图,利用直方图的相关系数计算得到该差异值图像与零模板图像的相似度,即为候选圆形印章图像与模板印章图像的相似度。其中零模板图像为图像中所有像素的RGB值都为0的图像,即全黑图像。
由此,通过分别将各所述候选圆形印章图像与各模板印章图像进行差异值计算,得到每个候选圆形印章图像针对每个模板印章图像的差异值图像;通过直方图的相关系数,计算各所述差异值图像与零模板图像的相似度,作为候选圆形印章图像与模板印章图像的相似度,可以实现对各候选圆形印章图像与各模板印章图像的相似度进行准确地计算,进而可以更加准确地实现对候选圆形印章图形所对应的圆形印章图像的真实性进行识别。
在本发明实施例的一个实施方式中,可选的,根据相似度计算结果确定各圆形印章图像的真实性判别结果,包括:在与当前处理的目标圆形印章图像对应的多个相似度计算结果中,获取最大计算结果;如果确定所述最大计算结果超过预设的门限阈值,则确定所述目标圆形印章图像为真实的印章图像。
在本发明实施例中,可选的,同一个待识别的圆形印章图像中的每一个候选圆形印章图像与每个模板印章图像的相似度计算都对应一个相似度计算结果,因而对于同一个待识别的圆形印章图像,可以得到对应的多个相似度的计算结果,在所有的相似度计算结果中取最大计算结果,将其与预设的门限阈值作对比,例如预设的门限阈值可以是0.98,可以是0.95,也可以根据需要取其他值,如果相似度计算结果最大值大于或者等于预设的门限阈值,则确定该圆形印章图像为真实的印章图像,并将确定结果进行输出;如果相似度计算结果最大值小于预设的门限阈值,则确定该圆形印章图像不为真实的印章图像,并将确定结果进行输出。
本发明实施例提供的技术方案,通过获取一张包含圆形印章的图片,从图片中识别至少一个圆形印章图像,对每个圆形印章图像进行多个角度的旋转处理,得到与每个圆形印章图像对应的多个候选圆形印章图像,分别计算同一个圆形印章图像中各候选圆形印章图像与至少一个模板印章图像的相似度,根据相似度计算结果确定各圆形印章图像的真实性判别结果,即通过对圆形印章图像进行多角度旋转处理得到多个候选圆形印章图像,将每一个候选圆形印章图像与每一个模板印章图像进行相似度计算,进而根据所有的相似度计算结果确定圆形印章图像的真实性判别结果,可以实现对圆形印章的真实性进行确定,可以提高对圆形印章的识别准确率。
图2是本发明实施例提供的圆形印章的真实性识别方法的流程图,在本发明实施例中,可选的,从所述图片中识别至少一个圆形印章图像,包括:将所述图片输入至预先训练的实例分割模型中,获取所述实例分割模型针对所述图片输出的至少一个圆形印章图像。
可选的,本发明实施例提供的方法还包括:对每个所述圆形印章图像进行多个角度的旋转处理,得到与每个圆形印章图像对应的多个候选圆形印章图像之前,对每个圆形印章图像进行去噪声处理。
如图2所示,本发明实施例提供的技术方案包括:
S210:获取一张包含圆形印章的图片;其中,所述圆形印章的数量至少为一个。
S220:将所述图片输入至预先训练的实例分割模型中,获取所述实例分割模型针对所述图片输出的至少一个圆形印章图像。
在本发明实施例中,可选的,实例分割模型是深度学习中的一种模型,其结构可以是一个神经网络结构,也可以是其他的结构。在使用实例分割模型之前,还包括对实例分割模型进行训练:获取训练样本图片,以及与所述训练样本图片中包含的各圆形印章对应的掩码文件;使用各所述训练样本图片以及与训练样本图片中包含的各圆形印章对应的掩码文件对设定的分类模型进行训练,得到所述实例分割模型。具体的,收集含有原始圆形印章的扫描件或者图片;对扫描件或者图片的格式统一成.jpg;对统一格式后的数据进行标注,并根据标注信息得到掩码文件;将原始图片、掩码文件输入至实例分割模型中进行模型训练;对训练出的实例分割模型进行验证和评估,并不断对损失函数迭代优化。当损失函数的输出结果满足预设条件时,即可停止训练过程,得到已训练的实例分割模型。
由此,通过使用预先训练的实例分割模型可以实现对图片中包含的圆形印章图像进行准确地识别,为后续的圆形印章图像的真实性进行确定流程提供了准确的数据来源。
S230:对每个圆形印章图像进行去噪声处理。
在本发明实施例的一个实施方式中,可选的,对每个圆形印章图像进行去噪声处理,包括:针对当前处理的目标圆形印章图像,获取与所述圆形印章图像中各像素点对应的RGB通道值;针对每个像素点,执行下述一项去噪声处理操作:如果像素点的R通道像素值与B通道像素值或者G通道像素值中的至少一个相同或者小于B通道像素值或者G通道像素值中的至少一个,则将所述像素点的RGB通道值均设置为第一设置值;如果像素点的R通道像素值与B通道像素值的绝对差值小于第一门限值、G通道像素值与B通道像素值的绝对差值小于所述第一门限值且R通道像素值小于第二门限值,则将所述像素点的RGB通道值均设置为第一设置值;如果像素点的R通道像素值与B通道像素值之比大于预设比例,则将所述像素点的R通道像素值设置为第一设置值,将所述像素点的B通道像素值与G通道像素值设置为第二设置值;如果像素点的R通道像素值减去B通道像素值大于第三门限值、R通道像素值减去G通道像素值大于所述第三门限值且R通道像素值小于第四门限值,则将所述像素点的R通道像素值设置为第一设置值,将所述像素点的B通道像素值与G通道像素值设置为第二设置值;如果像素点的R通道像素值大于所述第二门限值且B通道像素值与G通道像素值都小于第五门限值,则将所述像素点的R通道像素值设置为第一设置值,将所述像素点的B通道像素值与G通道像素值设置为第二设置值;如果像素点的R通道像素值大于第六门限值且B通道像素值与G通道像素值都小于第七门限值,则将所述像素点的R通道像素值设置为第一设置值,将所述像素点的B通道像素值与G通道像素值设置为第二设置值;如果像素点的R通道像素值减去B通道像素值大于第八门限值、R通道像素值减去G通道像素值大于所述第一门限值且B通道像素值减去G通道像素值大于第九门限值且R通道像素值大于所述第四门限值,则将所述像素点的R通道像素值设置为第一设置值,将所述像素点的B通道像素值与G通道像素值设置为第二设置值;如果像素点的R通道像素值为第一设置值,B通道像素值与G通道像素值为第二设置值,则不做任何处理;如果像素点的R通道像素值、G通道像素值与B通道像素值的取值是其他情况,则将所述像素点的RGB通道值均设置为第一设置值。
在本发明实施例中,可选的,可以采用基于通道分离经验计算的去噪声方法对待识别的圆形印章图像中每一个像素点,视像素点的R通道像素值、B通道像素值与G通道像素值的取值情况作以上选项中的一项进行处理,具体的,如果R通道像素值与其他两个通道中任一通道或者两通道像素值同时相等,则三通道像素值均改为255;如果R通道像素值小于其他两个通道任一像素值或者都小于两通道像素值,则三通道像素值均改为255;如果R通道像素值与B通道像素值绝对差值小于20,G通道像素值与B通道像素值的绝对差值小于20,并且R通道像素值小于200,则三通道像素值均改为255;如果R通道像素值与B通道像素值之比大于3:2,则R通道像素值改为255,B通道和G通道像素值改为0;如果R通道像素值减去B通道像素值大于18,R通道像素值减去G通道像素值大于18,且R通道像素值小于210,则R通道像素值设为255,其他两通道值均改为0;如果R通道像素值大于200,B通道和G通道像素值均小于180,则R通道像素值改为255,B通道和G通道像素值改为0;如果R通道像素值大于250,B通道和G通道像素值均小于230,则R通道像素值改为255,B通道和G通道像素值改为0;如果R通道像素值减去B通道像素值大于6,R通道像素值减去G通道像素值大于20,并且B通道像素值减去G通道像素值大于5,且R通道像素值大于210,则R通道像素值改为255,B通道和G通道像素值改为0;如果R通道像素值为255,B通道和G通道像素值为0,则不做任何处理;其他情况下,R通道、G通道和B通道像素值均改为255。
由此,通过对待识别的圆形印章图像进行去噪声处理,可以避免各种噪声对待识别的圆形印章的真实性进行识别时造成的干扰,可以实现对待识别的圆形印章的真实性进行更加准确的识别。
S240:对每个所述圆形印章图像进行多个角度的旋转处理,得到与每个圆形印章图像对应的多个候选圆形印章图像。
S250:分别计算同一个圆形印章图像中各所述候选圆形印章图像与至少一个模板印章图像的相似度,根据相似度计算结果确定各圆形印章图像的真实性判别结果。
图3是本发明实施例提供的圆形印章的真实性识别方法的流程图,在本发明实施例中,可选的,分别计算同一个圆形印章图像中各所述候选圆形印章图像与至少一个模板印章图像的相似度,包括:分别将各所述候选圆形印章图像与各模板印章图像进行差异值计算,得到每个候选圆形印章图像针对每个模板印章图像的差异值图像;通过直方图的相关系数,计算各所述差异值图像与零模板图像的相似度,作为候选圆形印章图像与模板印章图像的相似度。
可选的,根据相似度计算结果确定各圆形印章图像的真实性判别结果,包括:在与当前处理的目标圆形印章图像对应的多个相似度计算结果中,获取最大计算结果;如果确定所述最大计算结果超过预设的门限阈值,则确定所述目标圆形印章图像为真实的印章图像。
如图3所示,本发明实施例提供的技术方案包括:
S310:获取一张包含圆形印章的图片;其中,所述圆形印章的数量至少为一个。
S320:将所述图片输入至预先训练的实例分割模型中,获取所述实例分割模型针对所述图片输出的至少一个圆形印章图像。
S330:对每个圆形印章图像进行去噪声处理。
S340:对每个所述圆形印章图像进行多个角度的旋转处理,得到与每个圆形印章图像对应的多个候选圆形印章图像。
S350:分别将各所述候选圆形印章图像与各模板印章图像进行差异值计算,得到每个候选圆形印章图像针对每个模板印章图像的差异值图像。
S360:通过直方图的相关系数,计算各所述差异值图像与零模板图像的相似度,作为候选圆形印章图像与模板印章图像的相似度。
S370:在与当前处理的目标圆形印章图像对应的多个相似度计算结果中,获取最大计算结果。
S380:确定所述最大计算结果是否超过预设的门限阈值。
若是,则确定所述目标圆形印章图像为真实的印章图像,执行S390;若否,执行S3100。
S390:输出圆形印章是真实印章。
S3100:输出圆形印章不是真实印章。
图4是本发明实施例提供的圆形印章的真实性识别方法的流程图,如图4所示,本发明实施例提供的技术方案还包括如下步骤:
步骤1、获取模板印章图像。
在本发明实施例中,可选的,收集带有圆形印章的真实合同扫描件图片或者拍摄的图片,通过统一格式、裁剪和旋转处理得到相对比较正规的数据,然后进行模板印章图像提取和入库处理,记为II(II0,II1,…IIj,…IIn),n为模板库中模板印章图像的个数。入库的模板印章图像作为真实的对比模板,如果待识别的圆形印章图像与之能匹配,则认为该圆形印章为真实的圆形印章,否则不是。
步骤2、输入包含圆形印章的待识别图片。
步骤3、待识别图片经过实例分割模型得到圆形印章结果区域关键点信息。
在本发明实施例中,可选的,基于实例分割的圆形印章检测算法,使用Mask RCNN技术实现对圆形印章的检测和分割功能。该技术为两阶段框架,第一阶段扫描图片生成候选框;第二阶段根据候选框得到分类结果,边界框,同时在原有Faster RCNN模型基础上添加分割分支,得到掩码结果,实现了掩码和类别预测关系的解藕。
对实例分割模型训练流程如下:收集含有原始圆形印章的扫描件或者图片;对扫描件或者图片的格式统一成.jpg;对统一格式后的数据进行标注,并根据标注信息得到掩码文件;将原始图片、掩码文件输入实例分割模型进行模型训练;对训练出的实例分割模型进行验证和评估,并不断迭代优化,最终得到训练的实例分割模型。
步骤4、根据像素阈值法和结果区域关键点信息提取待识别图片中的圆形印章。
经过实例分割模型的待识别图片得到圆形印章的像素级结果区域后,根据结果区域的关键点信息进行目标提取,从而得到提取的圆形印章图像。
步骤5、对提取出的圆形印章图像根据像素阈值进行去噪声处理。
在本发明实施例中,可选的,通过实例分割得到的圆形印章图像都是原始数据的片段,其中掺杂了许多颜色、轮廓、椒盐等噪声。为了使得匹配的结果更加准确,本方案在匹配之前进行噪声消除处理,噪声消除方法是通过像素的值进行颜色区域判断,由于包含待识别的圆形印章图像的图片的颜色和圆形印章的颜色对比相对比较鲜明,因此通过颜色区域判断可以有效去除圆形印章图像中的干扰项。在遍历整个圆形印章图像过程中,它的每个像素点均有三个通道,分别是R通道、G通道和B通道,获取到每个像素点的三个通道像素值后具体去噪流程如下:如果R通道像素值与其他两个通道中任一通道或者两通道像素值同时相等,则三通道像素值均改为255;如果R通道像素值小于其他两个通道任一像素值或者都小于两通道像素值,则三通道像素值均改为255;如果R通道像素值与B通道像素值绝对差值小于20,G通道像素值与B通道像素值的绝对差值小于20,并且R通道像素值小于200,则三通道像素值均改为255;如果R通道像素值与B通道像素值之比大于3:2,则R通道像素值改为255,B通道和G通道像素值改为0;如果R通道像素值减去B通道像素值大于18,R通道像素值减去G通道像素值大于18,且R通道像素值小于210,则R通道像素值设为255,其他两通道值均改为0;如果R通道像素值大于200,B通道和G通道像素值均小于180,则R通道像素值改为255,B通道和G通道像素值改为0;如果R通道像素值大于250,B通道和G通道像素值均小于230,则R通道像素值改为255,B通道和G通道像素值改为0;如果R通道像素值减去B通道像素值大于6,R通道像素值减去G通道像素值大于20,并且B通道像素值减去G通道像素值大于5,且R通道像素值大于210,则R通道像素值改为255,B通道和G通道像素值改为0;如果R通道像素值为255,B通道和G通道像素值为0,则不做任何处理;其他情况下,R通道、G通道和B通道像素值均改为255。
步骤6、对提取出的圆形印章图像进行全维度无损失旋转,得到360个候选圆形印章图像。
在本发明实施例中,可选的,获取到相对比较干净的圆形印章图像后再进行全维度对比工作。完成这项工作前首先需要对待识别的圆形印章图像进行360度无损失旋转,得到360个候选圆形印章图像,记为I(I0,I1,…,Ii,…,I359)。
步骤7、对每一个候选圆形印章图像和模板库中的每个模板印章图像分别进行绝对差异值计算得到新的对比像素特征。
在本发明实施例中,可选的,对于每一候选印章图像Ii和模板库中的模板印章图像IIj分别进行差异值计算,其详细计算流程如下:将Ii中各像素点的像素值与IIj中对应像素点的像素值做差,如果得到的像素值差值大于或者等于零则不做任何处理,如果得到的像素值差值小于零则将像素值差值赋值为零,据此将Ii减去IIj得到差值subtr1;将IIj中各像素点的像素值与Ii中对应像素点的像素值做差,如果得到的像素值差值大于或者等于零则不做任何处理,如果得到的像素值差值小于零则将像素值差值赋值为零,据此将IIj减去Ii得到差值subtr2;将subtr1与subtr2相加得到和add_img,即为每个候选圆形印章图像与每个模板印章图像的差异值图像。
步骤8、对新的对比像素特征和零模板图像进行直方图统计计算,并根据相关系数计算相似度。
在本发明实施例中,可选的,将步骤7中得到的差异值图像add_img和零模板图像分别进行颜色直方图计算,然后根据直方图的相关系数计算得出每个候选圆形印章图像和每个模板印章图像的差异值图像与零模板图像的相似度。如果完全相似则相似度为1,如果完全不相似则相似度为0。
步骤9、对得到的所有相似度的计算结果进行取最大,判断相似度的最大计算结果是否大于预设的门限阈值。
在本发明实施例中,可选的,根据所有的相似度特征计算出最接近的一个圆形印章图像,即相似度计算结果最大的候选圆形印章图像对应的圆形印章图像,如果该最大相似度计算结果大于预设的门限阈值,则证明待识别的圆形印章为真实印章,否则不是。
若是,执行步骤10;若否,执行步骤11。
步骤10、输出圆形印章是真实印章。
步骤11、输出圆形印章不是真实印章。
自从上世纪八十年代以来,许多国内外学者对圆形印章的真伪识别问题进行了一系列的研究,主要处理过程包含圆形印章的提取、预处理、配准和分析判断四个部分,每一部分的设计都是为了实现圆形印章识别准确率的提升,但以往的圆形印章识别方案存在识别准确率不高的问题。
本发明实施例提供的技术方案,通过实例分割进行圆形印章提取、基于全维度差异值计算进行圆形印章识别,综合以上两个模块的技术实现最终的圆形印章识别方法。首先将输入图片进行实例分割检测和圆形印章图像提取工作,然后进行圆形印章图像去噪声处理,其次进行全维度旋转计算得到候选圆形印章图像,接着将候选圆形印章图像和模板印章图像进行差异值计算得到候选圆形印章图像,最后将候选圆形印章图像和零模板图像分别计算直方图,根据直方图相关系数匹配计算结果,分析判断是否是真实印章。可以提高圆形印章识别准确率,可以实现确定圆形印章的真实性。
图5是本发明实施例提供的圆形印章的真实性识别装置结构示意图,所述装置配置于服务器等电子设备中,该装置包括:获取模块510、识别模块520、候选印章获取模块530和确定模块540。
其中,获取模块510,用于获取一张包含圆形印章的图片;其中,所述圆形印章的数量至少为一个;识别模块520,用于从所述图片中识别至少一个圆形印章图像;候选印章获取模块530,用于对每个所述圆形印章图像进行多个角度的旋转处理,得到与每个圆形印章图像对应的多个候选圆形印章图像;确定模块540,用于分别计算同一个圆形印章图像中各所述候选圆形印章图像与至少一个模板印章图像的相似度,根据相似度计算结果确定各圆形印章图像的真实性判别结果。
在一个示例性的实施方式中,所述从所述图片中识别至少一个圆形印章图像,包括:将所述图片输入至预先训练的实例分割模型中,获取所述实例分割模型针对所述图片输出的至少一个圆形印章图像。
在一个示例性的实施方式中,所述装置还包括实例分割模型训练模块,用于在将所述图片输入至预先训练的实例分割模型中之前,获取训练样本图片,以及与所述训练样本图片中包含的各圆形印章对应的掩码文件;使用各所述训练样本图片以及与训练样本图片中包含的各圆形印章对应的掩码文件对设定的分类模型进行训练,得到所述实例分割模型。
在一个示例性的实施方式中,所述分别计算同一个圆形印章图像中各所述候选圆形印章图像与至少一个模板印章图像的相似度,包括:分别将各所述候选圆形印章图像与各模板印章图像进行差异值计算,得到每个候选圆形印章图像针对每个模板印章图像的差异值图像;通过直方图的相关系数,计算各所述差异值图像与零模板图像的相似度,作为候选圆形印章图像与模板印章图像的相似度。
在一个示例性的实施方式中,所述装置还包括去噪模块,用于对每个所述圆形印章图像进行多个角度的旋转处理,得到与每个圆形印章图像对应的多个候选圆形印章图像之前,对每个圆形印章图像进行去噪声处理。
在一个示例性的实施方式中,所述对每个圆形印章图像进行去噪声处理,包括:针对当前处理的目标圆形印章图像,获取与所述圆形印章图像中各像素点对应的RGB通道值;针对每个像素点,执行下述一项去噪声处理操作:如果像素点的R通道像素值与B通道像素值或者G通道像素值中的至少一个相同或者小于B通道像素值或者G通道像素值中的至少一个,则将所述像素点的RGB通道值均设置为第一设置值;如果像素点的R通道像素值与B通道像素值的绝对差值小于第一门限值、G通道像素值与B通道像素值的绝对差值小于所述第一门限值且R通道像素值小于第二门限值,则将所述像素点的RGB通道值均设置为第一设置值;如果像素点的R通道像素值与B通道像素值之比大于预设比例,则将所述像素点的R通道像素值设置为第一设置值,将所述像素点的B通道像素值与G通道像素值设置为第二设置值;如果像素点的R通道像素值减去B通道像素值大于第三门限值、R通道像素值减去G通道像素值大于所述第三门限值且R通道像素值小于第四门限值,则将所述像素点的R通道像素值设置为第一设置值,将所述像素点的B通道像素值与G通道像素值设置为第二设置值;如果像素点的R通道像素值大于所述第二门限值且B通道像素值与G通道像素值都小于第五门限值,则将所述像素点的R通道像素值设置为第一设置值,将所述像素点的B通道像素值与G通道像素值设置为第二设置值;如果像素点的R通道像素值大于第六门限值且B通道像素值与G通道像素值都小于第七门限值,则将所述像素点的R通道像素值设置为第一设置值,将所述像素点的B通道像素值与G通道像素值设置为第二设置值;如果像素点的R通道像素值减去B通道像素值大于第八门限值、R通道像素值减去G通道像素值大于所述第一门限值且B通道像素值减去G通道像素值大于第九门限值且R通道像素值大于所述第四门限值,则将所述像素点的R通道像素值设置为第一设置值,将所述像素点的B通道像素值与G通道像素值设置为第二设置值;如果像素点的R通道像素值为第一设置值,B通道像素值与G通道像素值为第二设置值,则不做任何处理;如果像素点的R通道像素值、G通道像素值与B通道像素值的取值是其他情况,则将所述像素点的RGB通道值均设置为第一设置值。
在一个示例性的实施方式中,所述根据相似度计算结果确定各圆形印章图像的真实性判别结果,包括:在与当前处理的目标圆形印章图像对应的多个相似度计算结果中,获取最大计算结果;如果确定所述最大计算结果超过预设的门限阈值,则确定所述目标圆形印章图像为真实的印章图像。
上述实施例所提供的装置可以执行本发明任意实施例所提供的圆形印章的真实性识别方法,具备执行方法相应的功能模块和有益效果。
图6是本发明实施例提供的一种电子设备结构示意图,如图6所示,该设备包括:
一个或多个处理器610,图6中以一个处理器610为例;
存储器620;
所述设备还可以包括:输入装置630和输出装置640。
所述设备中的处理器610、存储器620、输入装置630和输出装置640可以通过总线或者其他方式连接,图6中以通过总线连接为例。
存储器620作为一种非暂态计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的一种圆形印章的真实性识别方法对应的程序指令/模块(例如,附图5所示的获取模块510、识别模块520、候选印章获取模块530和确定模块540)。处理器610通过运行存储在存储器620中的软件程序、指令以及模块,从而执行计算机设备的各种功能应用以及数据处理,即实现上述方法实施例的一种圆形印章的真实性识别方法,即:
获取一张包含圆形印章的图片;其中,所述圆形印章的数量至少为一个;
从所述图片中识别至少一个圆形印章图像;
对每个所述圆形印章图像进行多个角度的旋转处理,得到与每个圆形印章图像对应的多个候选圆形印章图像;
分别计算同一个圆形印章图像中各所述候选圆形印章图像与至少一个模板印章图像的相似度,根据相似度计算结果确定各圆形印章图像的真实性判别结果。
存储器620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;存储数据区可存储根据计算机设备的使用所创建的数据等。此外,存储器620可以包括高速随机存取存储器,还可以包括非暂态性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态性固态存储器件。在一些实施例中,存储器620可选包括相对于处理器610远程设置的存储器,这些远程存储器可以通过网络连接至终端设备。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。
输入装置630可用于接收输入的数字或字符信息,以及产生与计算机设备的用户设置以及功能控制有关的键信号输入。输出装置640可包括显示屏等显示设备。
本发明实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明实施例提供的一种圆形印章的真实性识别方法:
获取一张包含圆形印章的图片;其中,所述圆形印章的数量至少为一个;
从所述图片中识别至少一个圆形印章图像;
对每个所述圆形印章图像进行多个角度的旋转处理,得到与每个圆形印章图像对应的多个候选圆形印章图像;
分别计算同一个圆形印章图像中各所述候选圆形印章图像与至少一个模板印章图像的相似度,根据相似度计算结果确定各圆形印章图像的真实性判别结果。
可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于——无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种圆形印章的真实性识别方法,其特征在于,包括:
获取一张包含圆形印章的图片;其中,所述圆形印章的数量至少为一个;
从所述图片中识别至少一个圆形印章图像;
对每个所述圆形印章图像进行多个角度的旋转处理,得到与每个圆形印章图像对应的多个候选圆形印章图像;
分别计算同一个圆形印章图像中各所述候选圆形印章图像与至少一个模板印章图像的相似度,根据相似度计算结果确定各圆形印章图像的真实性判别结果。
2.根据权利要求1所述的方法,其特征在于,从所述图片中识别至少一个圆形印章图像,包括:
将所述图片输入至预先训练的实例分割模型中,获取所述实例分割模型针对所述图片输出的至少一个圆形印章图像。
3.根据权利要求1所述的方法,其特征在于,在将所述图片输入至预先训练的实例分割模型中之前,还包括:
获取训练样本图片,以及与所述训练样本图片中包含的各圆形印章对应的掩码文件;
使用各所述训练样本图片以及与训练样本图片中包含的各圆形印章对应的掩码文件对设定的分类模型进行训练,得到所述实例分割模型。
4.根据权利要求1所述的方法,其特征在于,分别计算同一个圆形印章图像中各所述候选圆形印章图像与至少一个模板印章图像的相似度,包括:
分别将各所述候选圆形印章图像与各模板印章图像进行差异值计算,得到每个候选圆形印章图像针对每个模板印章图像的差异值图像;
通过直方图的相关系数,计算各所述差异值图像与零模板图像的相似度,作为候选圆形印章图像与模板印章图像的相似度。
5.根据权利要求1所述的方法,其特征在于,对每个所述圆形印章图像进行多个角度的旋转处理,得到与每个圆形印章图像对应的多个候选圆形印章图像之前,还包括:
对每个圆形印章图像进行去噪声处理。
6.根据权利要求5所述的方法,其特征在于,对每个圆形印章图像进行去噪声处理,包括:
针对当前处理的目标圆形印章图像,获取与所述圆形印章图像中各像素点对应的RGB通道值;
针对每个像素点,执行下述一项去噪声处理操作:
如果像素点的R通道像素值与B通道像素值或者G通道像素值中的至少一个相同或者小于B通道像素值或者G通道像素值中的至少一个,则将所述像素点的RGB通道值均设置为第一设置值;
如果像素点的R通道像素值与B通道像素值的绝对差值小于第一门限值、G通道像素值与B通道像素值的绝对差值小于所述第一门限值且R通道像素值小于第二门限值,则将所述像素点的RGB通道值均设置为第一设置值;
如果像素点的R通道像素值与B通道像素值之比大于预设比例,则将所述像素点的R通道像素值设置为第一设置值,将所述像素点的B通道像素值与G通道像素值设置为第二设置值;
如果像素点的R通道像素值减去B通道像素值大于第三门限值、R通道像素值减去G通道像素值大于所述第三门限值且R通道像素值小于第四门限值,则将所述像素点的R通道像素值设置为第一设置值,将所述像素点的B通道像素值与G通道像素值设置为第二设置值;
如果像素点的R通道像素值大于所述第二门限值且B通道像素值与G通道像素值都小于第五门限值,则将所述像素点的R通道像素值设置为第一设置值,将所述像素点的B通道像素值与G通道像素值设置为第二设置值;
如果像素点的R通道像素值大于第六门限值且B通道像素值与G通道像素值都小于第七门限值,则将所述像素点的R通道像素值设置为第一设置值,将所述像素点的B通道像素值与G通道像素值设置为第二设置值;
如果像素点的R通道像素值减去B通道像素值大于第八门限值、R通道像素值减去G通道像素值大于所述第一门限值且B通道像素值减去G通道像素值大于第九门限值且R通道像素值大于所述第四门限值,则将所述像素点的R通道像素值设置为第一设置值,将所述像素点的B通道像素值与G通道像素值设置为第二设置值;
如果像素点的R通道像素值为第一设置值,B通道像素值与G通道像素值为第二设置值,则不做任何处理;
如果像素点的R通道像素值、G通道像素值与B通道像素值的取值是其他情况,则将所述像素点的RGB通道值均设置为第一设置值。
7.根据权利要求1所述的方法,其特征在于,根据相似度计算结果确定各圆形印章图像的真实性判别结果,包括:
在与当前处理的目标圆形印章图像对应的多个相似度计算结果中,获取最大计算结果;
如果确定所述最大计算结果超过预设的门限阈值,则确定所述目标圆形印章图像为真实的印章图像。
8.一种圆形印章的真实性识别装置,其特征在于,包括:
获取模块,用于获取一张包含圆形印章的图片;其中,所述圆形印章的数量至少为一个;
识别模块,用于从所述图片中识别至少一个圆形印章图像;
候选印章获取模块,用于对每个所述圆形印章图像进行多个角度的旋转处理,得到与每个圆形印章图像对应的多个候选圆形印章图像;
确定模块,用于分别计算同一个圆形印章图像中各所述候选圆形印章图像与至少一个模板印章图像的相似度,根据相似度计算结果确定各圆形印章图像的真实性判别结果。
9.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110081552.XA CN112784835B (zh) | 2021-01-21 | 2021-01-21 | 圆形印章的真实性识别方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110081552.XA CN112784835B (zh) | 2021-01-21 | 2021-01-21 | 圆形印章的真实性识别方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112784835A true CN112784835A (zh) | 2021-05-11 |
CN112784835B CN112784835B (zh) | 2024-04-12 |
Family
ID=75758223
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110081552.XA Active CN112784835B (zh) | 2021-01-21 | 2021-01-21 | 圆形印章的真实性识别方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112784835B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113435439A (zh) * | 2021-06-30 | 2021-09-24 | 青岛海尔科技有限公司 | 单据的审核方法及装置、存储介质、电子装置 |
CN113705571A (zh) * | 2021-08-31 | 2021-11-26 | 平安银行股份有限公司 | 基于rgb阈值去红章的方法、装置、可读介质及电子设备 |
CN114936840A (zh) * | 2022-05-16 | 2022-08-23 | 合肥优尔电子科技有限公司 | 基于图像分类和ocr技术的电力业务工单信息智能识别方法 |
CN115035533A (zh) * | 2022-08-10 | 2022-09-09 | 新立讯科技股份有限公司 | 一种数据鉴真处理方法、装置、计算机设备及存储介质 |
Citations (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001067472A (ja) * | 1999-08-25 | 2001-03-16 | Hitachi Ltd | 印鑑照合方法および該方法を実現するための印鑑照合システム |
JP2003317098A (ja) * | 2002-04-19 | 2003-11-07 | Ricoh Co Ltd | 画像認識装置およびプログラム |
EP1927937A2 (en) * | 2006-12-01 | 2008-06-04 | NEC Corporation | Certificate stamp identifying system and certificate stamp identifying method |
CN101382770A (zh) * | 2007-09-07 | 2009-03-11 | 夏普株式会社 | 图像比对装置、图像比对方法和图像数据输出处理装置 |
CN103425984A (zh) * | 2013-08-15 | 2013-12-04 | 北京京北方信息技术有限公司 | 一种检测票据中正多边形印章的方法和装置 |
US20140205193A1 (en) * | 2013-01-24 | 2014-07-24 | Fujitsu Semiconductor Limited | Image processing apparatus, method and imaging apparatus |
CN104008369A (zh) * | 2014-05-16 | 2014-08-27 | 四川大学 | 一种真假印章识别装置及其方法 |
WO2017162069A1 (zh) * | 2016-03-25 | 2017-09-28 | 阿里巴巴集团控股有限公司 | 一种图像文本的识别方法和装置 |
JP2018116701A (ja) * | 2017-01-20 | 2018-07-26 | 富士通株式会社 | 印鑑画像の処理装置、方法及び電子機器 |
CN108491870A (zh) * | 2018-03-14 | 2018-09-04 | 平安科技(深圳)有限公司 | 电子装置、物理印章识别方法和计算机可读存储介质 |
CN108596197A (zh) * | 2018-05-15 | 2018-09-28 | 汉王科技股份有限公司 | 一种印章匹配方法及装置 |
CN109657666A (zh) * | 2018-11-23 | 2019-04-19 | 汉王科技股份有限公司 | 一种圆形印章识别方法及装置 |
CN110009004A (zh) * | 2019-03-14 | 2019-07-12 | 努比亚技术有限公司 | 图像数据处理方法、计算机设备和存储介质 |
CN110378351A (zh) * | 2019-07-26 | 2019-10-25 | 中国工商银行股份有限公司 | 印章鉴别方法及装置 |
WO2019233166A1 (zh) * | 2018-06-04 | 2019-12-12 | 杭州海康威视数字技术股份有限公司 | 一种表面缺陷检测方法、装置及电子设备 |
WO2020063314A1 (zh) * | 2018-09-25 | 2020-04-02 | 京东数字科技控股有限公司 | 字符切分识别方法、装置、电子设备、存储介质 |
WO2020082577A1 (zh) * | 2018-10-26 | 2020-04-30 | 平安科技(深圳)有限公司 | 印章防伪检验方法、装置及计算机可读存储介质 |
CN111178355A (zh) * | 2019-12-27 | 2020-05-19 | 中化资本有限公司 | 印章识别方法、装置和存储介质 |
CN111191533A (zh) * | 2019-12-18 | 2020-05-22 | 北京迈格威科技有限公司 | 行人重识别的处理方法、装置、计算机设备和存储介质 |
CN111291797A (zh) * | 2020-01-21 | 2020-06-16 | 支付宝实验室(新加坡)有限公司 | 一种防伪识别方法、装置及电子设备 |
CN111291757A (zh) * | 2020-02-17 | 2020-06-16 | 江苏诚印科技有限公司 | 一种印章唯一性识别的方法 |
CN111353485A (zh) * | 2018-12-20 | 2020-06-30 | 中国移动通信集团辽宁有限公司 | 印章识别方法、装置、设备及介质 |
CN111627033A (zh) * | 2020-05-30 | 2020-09-04 | 郑州大学 | 一种难样本实例分割方法、设备及计算机可读存储介质 |
CN111767422A (zh) * | 2020-06-30 | 2020-10-13 | 平安国际智慧城市科技股份有限公司 | 一种数据审核方法、装置、终端及存储介质 |
CN111950355A (zh) * | 2020-06-30 | 2020-11-17 | 深圳市雄帝科技股份有限公司 | 印章识别方法、装置及电子设备 |
CN112016563A (zh) * | 2020-10-17 | 2020-12-01 | 深圳神目信息技术有限公司 | 一种圆形印章的真伪识别方法 |
WO2021003824A1 (zh) * | 2019-07-11 | 2021-01-14 | 平安科技(深圳)有限公司 | 基于图像识别的违章建筑识别方法、装置 |
-
2021
- 2021-01-21 CN CN202110081552.XA patent/CN112784835B/zh active Active
Patent Citations (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001067472A (ja) * | 1999-08-25 | 2001-03-16 | Hitachi Ltd | 印鑑照合方法および該方法を実現するための印鑑照合システム |
JP2003317098A (ja) * | 2002-04-19 | 2003-11-07 | Ricoh Co Ltd | 画像認識装置およびプログラム |
EP1927937A2 (en) * | 2006-12-01 | 2008-06-04 | NEC Corporation | Certificate stamp identifying system and certificate stamp identifying method |
CN101382770A (zh) * | 2007-09-07 | 2009-03-11 | 夏普株式会社 | 图像比对装置、图像比对方法和图像数据输出处理装置 |
US20140205193A1 (en) * | 2013-01-24 | 2014-07-24 | Fujitsu Semiconductor Limited | Image processing apparatus, method and imaging apparatus |
CN103425984A (zh) * | 2013-08-15 | 2013-12-04 | 北京京北方信息技术有限公司 | 一种检测票据中正多边形印章的方法和装置 |
CN104008369A (zh) * | 2014-05-16 | 2014-08-27 | 四川大学 | 一种真假印章识别装置及其方法 |
WO2017162069A1 (zh) * | 2016-03-25 | 2017-09-28 | 阿里巴巴集团控股有限公司 | 一种图像文本的识别方法和装置 |
JP2018116701A (ja) * | 2017-01-20 | 2018-07-26 | 富士通株式会社 | 印鑑画像の処理装置、方法及び電子機器 |
CN108491870A (zh) * | 2018-03-14 | 2018-09-04 | 平安科技(深圳)有限公司 | 电子装置、物理印章识别方法和计算机可读存储介质 |
CN108596197A (zh) * | 2018-05-15 | 2018-09-28 | 汉王科技股份有限公司 | 一种印章匹配方法及装置 |
WO2019233166A1 (zh) * | 2018-06-04 | 2019-12-12 | 杭州海康威视数字技术股份有限公司 | 一种表面缺陷检测方法、装置及电子设备 |
WO2020063314A1 (zh) * | 2018-09-25 | 2020-04-02 | 京东数字科技控股有限公司 | 字符切分识别方法、装置、电子设备、存储介质 |
WO2020082577A1 (zh) * | 2018-10-26 | 2020-04-30 | 平安科技(深圳)有限公司 | 印章防伪检验方法、装置及计算机可读存储介质 |
CN109657666A (zh) * | 2018-11-23 | 2019-04-19 | 汉王科技股份有限公司 | 一种圆形印章识别方法及装置 |
CN111353485A (zh) * | 2018-12-20 | 2020-06-30 | 中国移动通信集团辽宁有限公司 | 印章识别方法、装置、设备及介质 |
CN110009004A (zh) * | 2019-03-14 | 2019-07-12 | 努比亚技术有限公司 | 图像数据处理方法、计算机设备和存储介质 |
WO2021003824A1 (zh) * | 2019-07-11 | 2021-01-14 | 平安科技(深圳)有限公司 | 基于图像识别的违章建筑识别方法、装置 |
CN110378351A (zh) * | 2019-07-26 | 2019-10-25 | 中国工商银行股份有限公司 | 印章鉴别方法及装置 |
CN111191533A (zh) * | 2019-12-18 | 2020-05-22 | 北京迈格威科技有限公司 | 行人重识别的处理方法、装置、计算机设备和存储介质 |
CN111178355A (zh) * | 2019-12-27 | 2020-05-19 | 中化资本有限公司 | 印章识别方法、装置和存储介质 |
CN111291797A (zh) * | 2020-01-21 | 2020-06-16 | 支付宝实验室(新加坡)有限公司 | 一种防伪识别方法、装置及电子设备 |
CN111291757A (zh) * | 2020-02-17 | 2020-06-16 | 江苏诚印科技有限公司 | 一种印章唯一性识别的方法 |
CN111627033A (zh) * | 2020-05-30 | 2020-09-04 | 郑州大学 | 一种难样本实例分割方法、设备及计算机可读存储介质 |
CN111767422A (zh) * | 2020-06-30 | 2020-10-13 | 平安国际智慧城市科技股份有限公司 | 一种数据审核方法、装置、终端及存储介质 |
CN111950355A (zh) * | 2020-06-30 | 2020-11-17 | 深圳市雄帝科技股份有限公司 | 印章识别方法、装置及电子设备 |
CN112016563A (zh) * | 2020-10-17 | 2020-12-01 | 深圳神目信息技术有限公司 | 一种圆形印章的真伪识别方法 |
Non-Patent Citations (3)
Title |
---|
HE, J等: "Seal imprint verification using edge difference histogram", OPTOELECTRONIC IMAGING AND MULTIMEDIA TECHNOLOGY II, vol. 8558, pages 855804 * |
TONG, XF等: "A Noise Eliminating and Point Matching Algorithm for Seal Image Verification", 2017 NINTH INTERNATIONAL CONFERENCE ON INTELLIGENT HUMAN-MACHINE SYSTEMS AND CYBERNETICS (IHMSC 2017), vol. 1, pages 410 - 413, XP033155493, DOI: 10.1109/IHMSC.2017.100 * |
梁吉胜: "圆形印章图像提取与配准方法研究", 中国优秀硕士学位论文全文数据库 信息科技辑, no. 01, pages 138 - 461 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113435439A (zh) * | 2021-06-30 | 2021-09-24 | 青岛海尔科技有限公司 | 单据的审核方法及装置、存储介质、电子装置 |
CN113435439B (zh) * | 2021-06-30 | 2023-11-28 | 青岛海尔科技有限公司 | 单据的审核方法及装置、存储介质、电子装置 |
CN113705571A (zh) * | 2021-08-31 | 2021-11-26 | 平安银行股份有限公司 | 基于rgb阈值去红章的方法、装置、可读介质及电子设备 |
CN114936840A (zh) * | 2022-05-16 | 2022-08-23 | 合肥优尔电子科技有限公司 | 基于图像分类和ocr技术的电力业务工单信息智能识别方法 |
CN115035533A (zh) * | 2022-08-10 | 2022-09-09 | 新立讯科技股份有限公司 | 一种数据鉴真处理方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112784835B (zh) | 2024-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112784835B (zh) | 圆形印章的真实性识别方法、装置、电子设备及存储介质 | |
CN111611643B (zh) | 户型矢量化数据获得方法、装置、电子设备及存储介质 | |
CN110148130B (zh) | 用于检测零件缺陷的方法和装置 | |
US9613266B2 (en) | Complex background-oriented optical character recognition method and device | |
CN109344864B (zh) | 用于密集物体的图像处理方法及装置 | |
CN109116129B (zh) | 终端检测方法、检测设备、系统及存储介质 | |
CN111507324B (zh) | 卡片边框识别方法、装置、设备和计算机存储介质 | |
CN106557740B (zh) | 一种遥感图像中油库目标的识别方法 | |
US11164327B2 (en) | Estimation of human orientation in images using depth information from a depth camera | |
CN112419298A (zh) | 一种螺栓节点板锈蚀检测方法、装置、设备及存储介质 | |
CN112001362A (zh) | 一种图像分析方法、图像分析装置及图像分析系统 | |
CN111257329A (zh) | 一种智能手机摄像头缺陷检测方法以及检测系统 | |
US9679218B2 (en) | Method and apparatus for image matching | |
CN116311214B (zh) | 车牌识别方法和装置 | |
CN112052730B (zh) | 一种3d动态人像识别监控设备及方法 | |
CN109165592B (zh) | 一种基于pico算法的实时可旋转的人脸检测方法 | |
WO2015031350A1 (en) | Systems and methods for memory utilization for object detection | |
CN112036323B (zh) | 签名笔迹鉴别方法、客户端及服务器 | |
CN117576632A (zh) | 基于多模态ai大模型的电网监控火灾预警系统及方法 | |
CN112967224A (zh) | 一种基于人工智能的电子电路板检测系统、方法及介质 | |
CN111985400A (zh) | 一种人脸活体识别方法、装置、设备及存储介质 | |
CN110728316A (zh) | 一种课堂行为检测方法、系统、装置和存储介质 | |
CN116152191A (zh) | 基于深度学习的显示屏裂纹缺陷检测方法、装置及设备 | |
CN116188826A (zh) | 一种复杂光照条件下的模板匹配方法及装置 | |
US20190149878A1 (en) | Determining and correlating visual context on a user device with user behavior using digital content on the user device |
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 |