CN112906671A - 面审虚假图片识别方法、装置、电子设备及存储介质 - Google Patents
面审虚假图片识别方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112906671A CN112906671A CN202110378757.4A CN202110378757A CN112906671A CN 112906671 A CN112906671 A CN 112906671A CN 202110378757 A CN202110378757 A CN 202110378757A CN 112906671 A CN112906671 A CN 112906671A
- Authority
- CN
- China
- Prior art keywords
- picture
- background
- face
- pictures
- segmentation
- 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 47
- 230000011218 segmentation Effects 0.000 claims abstract description 76
- 238000000605 extraction Methods 0.000 claims abstract description 29
- 238000003709 image segmentation Methods 0.000 claims description 16
- 230000006870 function Effects 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 13
- 238000005070 sampling Methods 0.000 claims description 11
- 238000012550 audit Methods 0.000 claims description 9
- 230000004913 activation Effects 0.000 claims description 7
- 230000004927 fusion Effects 0.000 claims description 5
- 238000011176 pooling Methods 0.000 claims description 5
- 230000009467 reduction Effects 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 2
- 230000001815 facial effect Effects 0.000 claims 2
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000012552 review Methods 0.000 description 17
- 238000007726 management method Methods 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
Images
Classifications
-
- 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
- G06V40/161—Detection; Localisation; Normalisation
-
- 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
- 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
- G06N3/045—Combinations of networks
-
- 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
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/40—Spoof detection, e.g. liveness detection
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Image Analysis (AREA)
Abstract
本发明揭露了一种面审虚假图片识别方法,包括:利用人像背景分割模型对面审图片进行背景分割,得到背景面审图片,对背景面审图片进行特征提取,得到特征背景图片;计算特征背景图片与面审黑背景图片库中图片的第一相似度,从特征背景图片中选取第一相似度大于预设阈值的图片,得到第一预警背景图片;计算特征背景图片与面审白背景图片库中图片的第二相似度,从特征背景图片中选取第二相似度不大于预设阈值的图片,得到第二预警背景图片;根据第一预警背景图片和第二预警背景图片,识别面审图片是否为虚假图片,得到识别结果。此外,本发明还涉及区块链技术,背景面审图片可存储于区块链中。本发明可以提高面审虚假图片识别的准确性。
Description
技术领域
本发明涉及大数据领域,尤其涉及一种面审虚假图片识别方法、装置、电子设备及计算机可读存储介质。
背景技术
随着信息科技的不断发展和完善,会相应带来许多信息安全问题,比如对于金融领域信用贷款场景,在进行用户视频面审过程中,一些非法用户往往会构造虚假的审核背景图,以提高信贷审核通过率,目前关于视频中虚假图片的识别通常是将待检索的图像与黑背景数据库中已经发现的黑背景图片进行匹配检索,所述黑背景图片是指被人工审核发现并放进黑背景库当中的欺诈案件图片,但是该方法并不能有效及时的发现潜在、还未被人工审核查出的黑背景欺诈案件图片,从而会影响视频中虚假图片识别的准确率。
发明内容
本发明提供一种面审虚假图片识别方法、装置、电子设备及计算机可读存储介质,其主要目的在于提高面审虚假图片识别的准确性。
为实现上述目的,本发明提供的一种面审虚假图片识别方法,包括:
利用预训练好的人像背景分割模型对面审图片进行背景分割,得到背景面审图片,并对所述背景面审图片进行特征提取,得到特征背景图片;
计算所述特征背景图片与预构建的面审黑背景图片库中图片的第一相似度,从所述特征背景图片中选取所述第一相似度大于预设阈值的图片,得到第一预警背景图片;
计算所述特征背景图片与预构建的面审白背景图片库中图片的第二相似度,从所述特征背景图片中选取所述第二相似度不大于所述预设阈值的图片,得到第二预警背景图片;
根据所述第一预警背景图片和所述第二预警背景图片,识别所述面审图片是否为虚假图片,得到识别结果。
可选地,所述利用预训练好的人像背景分割模型对面审图片进行背景分割之前,所述方法还包括:
接收面审视频,获取所述面审视频的总帧数;
基于所述总帧数,提取所述面审视频中每个帧数对应的图片,得到面审图片。
可选地,所述利用预训练好的人像背景分割模型对面审图片进行背景分割,得到背景面审图片,包括:
利用所述人像背景分割模型中的图像分割网络对所述面审图片进行人像分割,得到人像分割图片,所述人像分割图片包括人像图片和非人像图片;
利用所述人像背景分割模型中的背景图片识别网络从所述非人像图片中选取背景图片。
可选地,所述利用所述人像背景分割模型中的图像分割网络对所述面审图片进行人像分割,得到人像分割图片,包括:
利用所述图像分割网络中的卷积层对所述面审图片进行卷积,生成卷积图片;
利用所述图像分割网络中的金字塔池化层对所述卷积图片进行降维;
利用所述图像分割网络中的全连接层输出降维后的卷积图片,得到所述面审图片的人像分割图片,其中,所述人像分割图片包括:人像图片和非人像图片。
可选地,所述利用述人像背景分割模型中的背景图片识别网络从所述非人像图片中选取背景图片,包括:
利用所述背景图片识别网络中的采样层对所述人像分割图片进行上采样,得到采样图片;
利用所述背景图片识别网络中的编码器对所述采样图片进行背景编码,得到背景编码图片;
利用所述背景图片识别网路中的解码器对所述背景编码图片进行序列解码,得到背景图片。
可选地,所述对所述背景面审图片进行特征提取,得到特征背景图片,包括:
利用预构建图片特征提取模型的卷积层对所述背景面审图片进行卷积操作,得到初始背景特征图;
利用所述图片特征提取模型的批标准层对所述初始背景特征图进行标准化,得到标准背景特征图;
利用所述图片特征提取模型的激活函数输出所述标准背景特征图;
利用所述图片特征提取模型的空间空洞金字塔对输出的所述标准背景特征图进行多尺度特征融合,得到特征背景图片。
可选地,所述计算所述特征背景图片与面审黑背景图片库中图片的第一相似度,包括:
利用下述公式计算所述特征背景图片与面审黑背景图片库中图片的第一相似度:
其中,DICE(A,B)表示第一相似度,A表示特征背景图片的像素值,B表示面审黑背景图片库中图片的像素值。
为了解决上述问题,本发明还提供一种面审虚假图片识别装置,所述装置包括:
分割模块,用于利用预训练好的人像背景分割模型对面审图片进行背景分割,得到背景面审图片,并对所述背景面审图片进行特征提取,得到特征背景图片;
选取模块,用于计算所述特征背景图片与预构建的面审黑背景图片库中图片的第一相似度,从所述特征背景图片中选取所述第一相似度大于预设阈值的图片,得到第一预警背景图片;
所述选取模块,还用于计算所述特征背景图片与预构建的面审白背景图片库中图片的第二相似度,从所述特征背景图片中选取所述第二相似度不大于所述预设阈值的图片,得到第二预警背景图片;
识别模块,用于根据所述第一预警背景图片和所述第二预警背景图片,识别所述面审图片是否为虚假图片,得到识别结果。
为了解决上述问题,本发明还提供一种电子设备,所述电子设备包括:
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,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以实现上述所述的面审虚假图片识别方法。
为了解决上述问题,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一个计算机程序,所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的面审虚假图片识别方法。
本发明实施例首先从所述面审视频中提取面审图片,利用预训练好的人像背景分割模型对所述面审图片进行背景分割,得到背景面审图片,并对所述背景面审图片进行特征提取,得到特征背景图片,以更加准确定位到面审视频中的背景图片及筛选出面审视频中一些无用图片,提高后续视频中虚假图片识别的效率;其次,本发明实施例计算所述特征背景图片与面审黑背景图片库中图片及面审白背景图片库中图片相似度,根据所述相似度,生成第一预警背景图片和第二预警背景图片,基于双支图片库的预警背景图片识别,可以有效避免因单支图片库中未存在面审图片中虚假图片而带来虚假图片识别遗漏的现象,同时也可以及时的发现潜在、还未被人工审核查出的预警背景图片,从而提高虚假图片的识别准确率。因此,本发明提出的一种面审虚假图片识别方法、装置、电子设备以及存储介质可以提高虚假图片的识别准确率。
附图说明
图1为本发明一实施例提供的面审虚假图片识别方法的流程示意图;
图2为本发明第一实施例中图1提供的面审虚假图片识别方法其中一个步骤的详细流程示意图;
图3为本发明一实施例提供的面审虚假图片识别装置的模块示意图;
图4为本发明一实施例提供的实现面审虚假图片识别方法的电子设备的内部结构示意图;
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本申请实施例提供一种面审虚假图片识别方法。所述面审虚假图片识别方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,所述面审虚假图片识别方法可以由安装在终端设备或服务端设备的软件或硬件来执行,所述软件可以是区块链平台。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。
参照图1所示,为本发明一实施例提供的面审虚假图片识别方法的流程示意图。在本发明实施例中,所述面审虚假图片识别方法包括:
S1、利用预训练好的人像背景分割模型对面审图片进行背景分割,得到背景面审图片,并对所述背景面审图片进行特征提取,得到特征背景图片。
本发明实施例中利用预训练好的人像背景分割模型对面审图片进行背景分割之前,还包括:接收面审视频,获取所述面审视频的总帧数,基于所述总帧数,提取所述面审视频中每个帧数对应的图片,得到面审图片。
其中,所述面审视频基于不同的用户线上面审场景生成,比如用户A在公司B中的线上面审所产生的视频流或者用户C在申请公司D创业贷款的线上面审视频,进一步地,应该了解在面审视频中会存在不同的面审图片,为了更好的识别出面审视频中用户是否存在欺诈行为,本发明从所述面审视频中提取面审图片,以准确定位到面审视频中的背景图片,从而实现用户欺诈行为的识别。
示例性的,所述面审视频的总帧数为N,识别出所述面审视频其中一个图片的起始帧为S,结束帧为E,则对应图片采样方法包括:从第S帧开始,对图像帧进行图片提取,若图片提取失败(检测不到图片),则继续遍历下一帧,若图片提取成功,则将对应的图像帧提取出来作为面审图片,遍历结束。
进一步地,在本发明实施例中,所述预训练好的人像背景分割模型包括deeplabv3+神经网络,用于将图片中人像和背景进行分割,以更加准确定位到面审视频中的背景图片。
详细地,参阅图2所示,所述利用预训练好的人像背景分割模型对所述面审图片进行背景分割,得到背景面审图片,包括:
S20、利用所述人像背景分割模型中的图像分割网络对所述面审图片进行人像分割,得到人像分割图片,所述人像分割图片包括人像图片和非人像图片;
S21、利用所述人像背景分割模型中的背景图片识别模块从所述非人像图片中选取背景图片,并对选取的所述背景图片进行膨胀操作,得到背景面审图片。
需要说明的是,所述人像图片是指只包括人脸的图片,所述非人像图片包括背景图片和人像背景图片,所述背景图片是指不包括人脸的图片,所述人像背景图片是指既包含人像又包含背景的图片,基于所述人像分割,可以从面审图片中筛选出人像图片,从而保障后续背景图片提取的准确性。
一个可选实施例中,所述图像分割网络包括:卷积层、金字塔池化层以及全连接层,所述利用所述人像背景分割模型中的图像分割网络对所述面审图片进行人像分割,得到人像分割图片,所述人像分割图片包括人像图片和非人像图片,包括:利用所述图像分割网络中的卷积层对所述面审图片进行卷积,生成卷积图片,利用所述图像分割网络中的金字塔池化层对所述卷积图片进行降维,利用所述图像分割网络中的全连接层输出降维后的卷积图片,得到所述面审图片的人像分割图片,其中,所述人像分割图片包括:人像图片和非人像图片。
进一步地,所述面审图片的卷积通过卷积层的卷积核实现,以提取出所述面审图片的特征图片,所述卷积图片的降维通过金字塔池化层中的池化函数实现,如relu函数,所述降维后的卷积图片的输出通过所述全连接层的激活函数实现,如softmax函数。
一个可选实施例中,所述背景图片识别网络包括:采样层、编码器以及解码器,所述利用述人像背景分割模型中的背景图片识别网络从所述非人像图片中选取背景图片,包括:利用所述背景图片识别网络中的采样层对所述人像分割图片进行上采样,得到采样图片,利用所述背景图片识别网络中的编码器对所述采样图片进行背景编码,得到背景编码图片,利用所述背景图片识别网路中的解码器对所述背景编码图片进行序列解码,得到背景图片。
进一步地,所述上采样是指将人像分割图片到指定分辨率大小,比如一张(416,416,3)的面审图片经过人像分割操作后,得到一个人像分割图片为(13,13,16),为了将该这人像分割图片和对应面审图片进行比较,需要将这个面审图片变成(416,416,3)大小,该过程称为上采样,所述背景编码是指将采样图片进行非背景区域进行掩码的过程,所述序列解码用于以提取出掩码后的背景编码图片的背景区域。
进一步地,应该了解,在所述背景面审图片中会存在一些无用图片,因此本发明通过对所述背景面审图片进行特征提取,以筛选出述背景面审图片中无用图片,提高后续预警面审图片识别的速度。本发明实施例中,所述背景面审图片的特征提取通过预构建的图片特征提取模型实现,所述图片特征提取模型基于MobilenetV3网络进行构建,其中,所述MobilenetV3网络包括:卷积层、批标准层、激活函数以及空间空洞金字塔。
详细地,所述对所述背景面审图片进行特征提取,得到特征背景图片,包括:利用预构建图片特征提取模型的卷积层对所述背景面审图片进行卷积操作,得到初始背景特征图,利用所述图片特征提取模型的批标准层对所述初始背景特征图进行标准化,得到标准背景特征图,利用所述图片特征提取模型的激活函数输出所述标准背景特征图,利用所述图片特征提取模型的空间空洞金字塔对输出的所述标准背景特征图进行多尺度特征融合,得到特征背景图片。
一个可选实施例中,所述背景面审图片的卷积操作通过所述卷积层中的卷积核实现。
一个可选实施例中,利用下述公式对所述初始背景特征图进行标准化:
其中,x′i为标准背景特征图,xi为初始背景特征图,μ为初始背景特征图的像素均值,σ2为初始背景特征图的像素方差,ε为无穷小的随机数。
一个可选实施例中,所述激活函数包括:
其中,s′表示激活后的标准背景特征图,s表示标准背景特征图。
一个可选实施例中,所述多尺度特征融合是指将输出的所述标准背景特征图中底层特征融合至输出的所述标准背景特征图中,以减小对不同增益引起的图像灰度变化影响。所述底层特征指的是输出的所述标准背景特征图的基本特征,例如、颜色、长度、宽度等等,较佳地,本发明实施例中,所述多尺度特征融合可以通过所述空间空洞金字塔中的CSP(Cross-Stage-Partial-connections,跨阶段部分连接)模块实现。
进一步地,为保障所述背景面审图片的隐私性和复用性,所述背景面审图片还可存储于一区块链节点中。
S2、计算所述特征背景图片与预构建的面审黑背景图片库中图片的第一相似度,从所述特征背景图片中选取所述第一相似度大于预设阈值的图片,得到第一预警背景图片。
本发明实施例中,所述面审黑背景图片库通过搜集欺诈场景中的欺诈背景图片得到,即所述面审黑背景库中的图片为欺诈背景图片,因此本发明实施例通过计算所述特征背景图片与面审黑背景图片库中图片的第一相似度,并从所述特征背景图片中选取所述第一相似度大于预设阈值的图片,以从所述面审视频中筛选出存在的欺诈图片,从而可以预警所述面审视频中存在的欺诈行为,帮助用户做出更好的判断。
本发明实施例中,所述计算所述特征背景图片与面审黑背景图片库中图片的第一相似度之前还包括:将所述面审黑背景图片库中图片进行聚类,即将相同类型的图片归为一类,提高后续面审黑背景库中图片的检索速度,可选的,所述面审黑背景图片库中图片的聚类可以通过当前已知的聚类算法(如k-means)实现。
进一步地,本发明实施例中,利用下述公式计算所述特征背景图片与面审黑背景图片库中图片的第一相似度:
其中,DICE(A,B)表示第一相似度,A表示特征背景图片的像素值,B表示面审黑背景图片库中图片的像素值,若DICE(A,B)=1,则表示特征背景图片和面审黑背景图片库中图片完全相似,若DICE(A,B)=0,则表示特征背景图片和面审黑背景图片库中图片完没有任何区域相似。
一个可选实施例中,所述预设阈值为0.75,即从所述特征背景图片中选取第一相似度大于0.75的图片作为所述第一预警背景图片。
S4、计算所述特征背景图片与预构建的面审白背景图片库中图片的第二相似度,从所述特征背景图片中选取所述第二相似度不大于所述预设阈值的图片,得到第二预警背景图片。
本发明实施例中,所述面审白背景图片库通过搜集非欺诈场景中的非欺诈背景图片得到,即所述面审白背景图片库中的图片均为非欺诈背景图片,因此本发明实施例通过计算所述特征背景图片与面审白背景图片库中图片的第二相似度,并从所述特征背景图片中选取所述第一相似度不大于预设阈值的图片,以从所述面审视频中筛选出存在的欺诈图片,从而可以预警所述面审视频中存在的欺诈行为,帮助用户做出更好的判断。
本发明实施例中,所述计算所述特征背景图片与面审白背景图片库中图片的第二相似度之前还包括:将所述面审白背景图片库中图片进行聚类,即将相同类型的图片归为一类,提高后续面审白背景库中图片的检索速度,可选的,所述面审白背景图片库中图片的聚类可以通过当前已知的聚类算法(如k-means)实现。
进一步地,本发明实施例中,利用下述公式计算所述特征背景图片与面审白背景图片库中图片的第二相似度:
其中,T(x,y)表示第二相似度,xi表示第i个特征背景图片,yi表示面审白背景图片库中第i个图片。
由上述S3可知,所述预设阈值为0.75,因此本发明实施例从所述特征背景图片中选取第二相似度不大于0.75的图片作为所述第二预警背景图片。
S5、根据所述第一预警背景图片和所述第二预警背景图片,识别所述面审图片是否为虚假图片,得到识别结果。
本发明实施例中,根据所述第一预警背景图片和所述第二预警背景图片,识别所述面审图片是否为虚假图片,即将所述第一预警背景图片和所述第二预警背景图片推送至面审人员进行审核,并接收面审人员返回的面审结果,从而得到所述面审图片的识别结果。
本发明实施例首先从所述面审视频中提取面审图片,利用预训练好的人像背景分割模型对所述面审图片进行背景分割,得到背景面审图片,并对所述背景面审图片进行特征提取,得到特征背景图片,以更加准确定位到面审视频中的背景图片及筛选出面审视频中一些无用图片,提高后续视频中虚假图片识别的效率;其次,本发明实施例计算所述特征背景图片与面审黑背景图片库中图片及面审白背景图片库中图片的相似度,根据所述相似度,生成第一预警背景图片和第二预警背景图片,基于双支图片库的预警背景图片识别,可以有效避免因单支图片库中未存在面审图片中虚假图片而带来虚假图片识别遗漏的现象,同时也可以及时的发现潜在、还未被人工审核查出的预警背景图片,从而提高虚假图片的识别准确率。因此,本发明提出的一种面审虚假图片识别方法可以提高虚假图片的识别准确率。
如图3所示,是本发明面审虚假图片识别装置的功能模块图。
本发明所述面审虚假图片识别装置100可以安装于电子设备中。根据实现的功能,所述面审虚假图片识别装置可以包括分割模块101、选取模块102以及识别模块103。本发所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
在本实施例中,关于各模块/单元的功能如下:
所述分割模块101,用于利用预训练好的人像背景分割模型对面审图片进行背景分割,得到背景面审图片,并对所述背景面审图片进行特征提取,得到特征背景图片;
所述选取模块102,用于计算所述特征背景图片与预构建的面审黑背景图片库中图片的第一相似度,从所述特征背景图片中选取所述第一相似度大于预设阈值的图片,得到第一预警背景图片;
所述选取模块102,还用于计算所述特征背景图片与预构建的面审白背景图片库中图片的第二相似度,从所述特征背景图片中选取所述第二相似度不大于所述预设阈值的图片,得到第二预警背景图片;
所述识别模块103,用于根据所述第一预警背景图片和所述第二预警背景图片,识别所述面审图片是否为虚假图片,得到识别结果。
详细地,本发明实施例中所述面审虚假图片识别装置100中的所述各模块在使用时采用与上述的图1和图2中所述的面审虚假图片识别方法一样的技术手段,并能够产生相同的技术效果,这里不再赘述。
如图4所示,是本发明实现面审虚假图片识别方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11和总线,还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序,如面审虚假图片识别程序12。
其中,所述存储器11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、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元,例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备,例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(SecureDigital,SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据,例如面审虚假图片识别的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(例如执行面审虚假图片识别程序12等),以及调用存储在所述存储器11内的数据,以执行电子设备1的各种功能和处理数据。
所述总线可以是外设部件互连标准(peripheral component interconnect,简称PCI)总线或扩展工业标准结构(extended industry standard architecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图4仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图4示出的结构并不构成对所述电子设备1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备1还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器10逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
进一步地,所述电子设备1还可以包括网络接口,可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地,该电子设备1还可以包括用户接口,用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的面审虚假图片识别程序12是多个计算机程序的组合,在所述处理器10中运行时,可以实现:
利用预训练好的人像背景分割模型对面审图片进行背景分割,得到背景面审图片,并对所述背景面审图片进行特征提取,得到特征背景图片;
计算所述特征背景图片与预构建的面审黑背景图片库中图片的第一相似度,从所述特征背景图片中选取所述第一相似度大于预设阈值的图片,得到第一预警背景图片;
计算所述特征背景图片与预构建的面审白背景图片库中图片的第二相似度,从所述特征背景图片中选取所述第二相似度不大于所述预设阈值的图片,得到第二预警背景图片;
根据所述第一预警背景图片和所述第二预警背景图片,识别所述面审图片是否为虚假图片,得到识别结果。
具体地,所述处理器10对上述计算机程序的具体实现方法可参考图1对应实施例中相关步骤的描述,在此不赘述。
进一步地,所述电子设备1集成的模块/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,可以存储在一个非易失性计算机可读取存储介质中。所述计算机可读存储介质可以是易失性的,也可以是非易失性的。例如,所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
本发明还提供一种计算机可读存储介质,所述可读存储介质存储有计算机程序,所述计算机程序在被电子设备的处理器所执行时,可以实现:
利用预训练好的人像背景分割模型对面审图片进行背景分割,得到背景面审图片,并对所述背景面审图片进行特征提取,得到特征背景图片;
计算所述特征背景图片与预构建的面审黑背景图片库中图片的第一相似度,从所述特征背景图片中选取所述第一相似度大于预设阈值的图片,得到第一预警背景图片;
计算所述特征背景图片与预构建的面审白背景图片库中图片的第二相似度,从所述特征背景图片中选取所述第二相似度不大于所述预设阈值的图片,得到第二预警背景图片;
根据所述第一预警背景图片和所述第二预警背景图片,识别所述面审图片是否为虚假图片,得到识别结果。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,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。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块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模块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模块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,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明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。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种面审虚假图片识别方法,其特征在于,所述方法包括:
利用预训练好的人像背景分割模型对面审图片进行背景分割,得到背景面审图片,并对所述背景面审图片进行特征提取,得到特征背景图片;
计算所述特征背景图片与预构建的面审黑背景图片库中图片的第一相似度,从所述特征背景图片中选取所述第一相似度大于预设阈值的图片,得到第一预警背景图片;
计算所述特征背景图片与预构建的面审白背景图片库中图片的第二相似度,从所述特征背景图片中选取所述第二相似度不大于所述预设阈值的图片,得到第二预警背景图片;
根据所述第一预警背景图片和所述第二预警背景图片,识别所述面审图片是否为虚假图片,得到识别结果。
2.如权利要求1所述的面审虚假图片识别方法,其特征在于,所述利用预训练好的人像背景分割模型对面审图片进行背景分割之前,所述方法还包括:
接收面审视频,获取所述面审视频的总帧数;
基于所述总帧数,提取所述面审视频中每个帧数对应的图片,得到面审图片。
3.如权利要求1所述的面审虚假图片识别方法,其特征在于,所述利用预训练好的人像背景分割模型对面审图片进行背景分割,得到背景面审图片,包括:
利用所述人像背景分割模型中的图像分割网络对所述面审图片进行人像分割,得到人像分割图片,所述人像分割图片包括人像图片和非人像图片;
利用所述人像背景分割模型中的背景图片识别网络从所述非人像图片中选取背景图片。
4.如权利要求3所述的面审虚假图片识别方法,其特征在于,所述利用所述人像背景分割模型中的图像分割网络对所述面审图片进行人像分割,得到人像分割图片,包括:
利用所述图像分割网络中的卷积层对所述面审图片进行卷积,生成卷积图片;
利用所述图像分割网络中的金字塔池化层对所述卷积图片进行降维;
利用所述图像分割网络中的全连接层输出降维后的卷积图片,得到所述面审图片的人像分割图片,其中,所述人像分割图片包括:人像图片和非人像图片。
5.如权利要求3所述的面审虚假图片识别方法,其特征在于,所述利用述人像背景分割模型中的背景图片识别网络从所述非人像图片中选取背景图片,包括:
利用所述背景图片识别网络中的采样层对所述人像分割图片进行上采样,得到采样图片;
利用所述背景图片识别网络中的编码器对所述采样图片进行背景编码,得到背景编码图片;
利用所述背景图片识别网路中的解码器对所述背景编码图片进行序列解码,得到背景图片。
6.如权利要求1所述的面审虚假图片识别方法,其特征在于,所述对所述背景面审图片进行特征提取,得到特征背景图片,包括:
利用预构建图片特征提取模型的卷积层对所述背景面审图片进行卷积操作,得到初始背景特征图;
利用所述图片特征提取模型的批标准层对所述初始背景特征图进行标准化,得到标准背景特征图;
利用所述图片特征提取模型的激活函数输出所述标准背景特征图;
利用所述图片特征提取模型的空间空洞金字塔对输出的所述标准背景特征图进行多尺度特征融合,得到特征背景图片。
8.一种面审虚假图片识别装置,其特征在于,所述装置包括:
分割模块,用于利用预训练好的人像背景分割模型对面审图片进行背景分割,得到背景面审图片,并对所述背景面审图片进行特征提取,得到特征背景图片;
选取模块,用于计算所述特征背景图片与预构建的面审黑背景图片库中图片的第一相似度,从所述特征背景图片中选取所述第一相似度大于预设阈值的图片,得到第一预警背景图片;
所述选取模块,还用于计算所述特征背景图片与预构建的面审白背景图片库中图片的第二相似度,从所述特征背景图片中选取所述第二相似度不大于所述预设阈值的图片,得到第二预警背景图片;
识别模块,用于根据所述第一预警背景图片和所述第二预警背景图片,识别所述面审图片是否为虚假图片,得到识别结果。
9.一种电子设备,其特征在于,所述电子设备包括:
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,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至7中任意一项所述的面审虚假图片识别方法。
10.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的面审虚假图片识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110378757.4A CN112906671B (zh) | 2021-04-08 | 2021-04-08 | 面审虚假图片识别方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110378757.4A CN112906671B (zh) | 2021-04-08 | 2021-04-08 | 面审虚假图片识别方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112906671A true CN112906671A (zh) | 2021-06-04 |
CN112906671B CN112906671B (zh) | 2024-03-15 |
Family
ID=76110155
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110378757.4A Active CN112906671B (zh) | 2021-04-08 | 2021-04-08 | 面审虚假图片识别方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112906671B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115063612A (zh) * | 2022-05-27 | 2022-09-16 | 平安科技(深圳)有限公司 | 基于面审视频的欺诈预警方法、装置、设备及存储介质 |
CN116071089A (zh) * | 2023-02-10 | 2023-05-05 | 成都新希望金融信息有限公司 | 一种欺诈识别方法、装置、电子设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110188712A1 (en) * | 2010-02-04 | 2011-08-04 | Electronics And Telecommunications Research Institute | Method and apparatus for determining fake image |
CN108520196A (zh) * | 2018-02-01 | 2018-09-11 | 平安科技(深圳)有限公司 | 奢侈品辨别方法、电子装置及存储介质 |
CN111914769A (zh) * | 2020-08-06 | 2020-11-10 | 腾讯科技(深圳)有限公司 | 用户合法性判定方法、装置、计算机可读存储介质及设备 |
CN112580668A (zh) * | 2020-12-24 | 2021-03-30 | 西安深信科创信息技术有限公司 | 一种背景欺诈检测方法、装置及电子设备 |
-
2021
- 2021-04-08 CN CN202110378757.4A patent/CN112906671B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110188712A1 (en) * | 2010-02-04 | 2011-08-04 | Electronics And Telecommunications Research Institute | Method and apparatus for determining fake image |
CN108520196A (zh) * | 2018-02-01 | 2018-09-11 | 平安科技(深圳)有限公司 | 奢侈品辨别方法、电子装置及存储介质 |
CN111914769A (zh) * | 2020-08-06 | 2020-11-10 | 腾讯科技(深圳)有限公司 | 用户合法性判定方法、装置、计算机可读存储介质及设备 |
CN112580668A (zh) * | 2020-12-24 | 2021-03-30 | 西安深信科创信息技术有限公司 | 一种背景欺诈检测方法、装置及电子设备 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115063612A (zh) * | 2022-05-27 | 2022-09-16 | 平安科技(深圳)有限公司 | 基于面审视频的欺诈预警方法、装置、设备及存储介质 |
CN116071089A (zh) * | 2023-02-10 | 2023-05-05 | 成都新希望金融信息有限公司 | 一种欺诈识别方法、装置、电子设备及存储介质 |
CN116071089B (zh) * | 2023-02-10 | 2023-12-05 | 成都新希望金融信息有限公司 | 一种欺诈识别方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112906671B (zh) | 2024-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111681681A (zh) | 语音情绪识别方法、装置、电子设备及存储介质 | |
CN112137591B (zh) | 基于视频流的目标物位置检测方法、装置、设备及介质 | |
CN112507934A (zh) | 活体检测方法、装置、电子设备及存储介质 | |
CN111860377A (zh) | 基于人工智能的直播方法、装置、电子设备及存储介质 | |
CN112906671A (zh) | 面审虚假图片识别方法、装置、电子设备及存储介质 | |
CN113705462A (zh) | 人脸识别方法、装置、电子设备及计算机可读存储介质 | |
CN113903068A (zh) | 基于人脸特征的陌生人监控方法、装置、设备及存储介质 | |
CN114677650B (zh) | 地铁乘客行人违法行为智能分析方法及装置 | |
CN114881698A (zh) | 广告合规审核方法、装置、电子设备及存储介质 | |
CN113887438A (zh) | 人脸图像的水印检测方法、装置、设备及介质 | |
CN114550076A (zh) | 区域异常行为监控方法、装置、设备及存储介质 | |
CN115471775A (zh) | 基于录屏视频的信息验证方法、装置、设备及存储介质 | |
CN114066664A (zh) | 基于行为画像的风险等级评估方法、装置、设备及介质 | |
CN113704474A (zh) | 银行网点设备操作指引生成方法、装置、设备及存储介质 | |
CN112883346A (zh) | 基于复合数据的安全身份认证方法、装置、设备及介质 | |
CN114267064A (zh) | 一种人脸识别方法、装置、电子设备及存储介质 | |
CN113792671A (zh) | 人脸合成图像的检测方法、装置、电子设备及介质 | |
CN113536782A (zh) | 敏感词识别方法、装置、电子设备及存储介质 | |
CN113888760A (zh) | 基于软件应用的违规信息监控方法、装置、设备及介质 | |
CN114187476A (zh) | 基于图像分析的车险信息核对方法、装置、设备及介质 | |
CN113792801A (zh) | 人脸炫光程度的检测方法、装置、设备及存储介质 | |
CN113255456A (zh) | 非主动活体检测方法、装置、电子设备及存储介质 | |
CN112541436A (zh) | 专注度分析方法、装置、电子设备及计算机存储介质 | |
CN112861649A (zh) | 指纹签名生成方法、装置、电子设备及计算机存储介质 | |
CN112633183A (zh) | 影像遮挡区域自动检测方法、装置及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |