CN113435219A - 防伪检测方法、装置、电子设备及存储介质 - Google Patents
防伪检测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113435219A CN113435219A CN202110713848.9A CN202110713848A CN113435219A CN 113435219 A CN113435219 A CN 113435219A CN 202110713848 A CN202110713848 A CN 202110713848A CN 113435219 A CN113435219 A CN 113435219A
- Authority
- CN
- China
- Prior art keywords
- counterfeiting
- image
- target image
- source image
- target
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 41
- 238000000034 method Methods 0.000 claims abstract description 34
- 239000003086 colorant Substances 0.000 claims description 35
- 238000012549 training Methods 0.000 claims description 13
- 238000012795 verification Methods 0.000 claims description 12
- 238000005192 partition Methods 0.000 claims description 7
- 238000013135 deep learning Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 description 8
- 230000009471 action Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003702 image correction Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/0008—General problems related to the reading of electronic memory record carriers, independent of its reading method, e.g. power transfer
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
- G06K17/0022—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisions for transferring data to distant stations, e.g. from a sensing device
- G06K17/0025—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisions for transferring data to distant stations, e.g. from a sensing device the arrangement consisting of a wireless interrogation device in combination with a device for optically marking the record carrier
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种防伪检测方法、装置、电子设备及存储介质,对于消费者扫描防伪标签所产生的目标图像、以及该防伪标签出厂时所采集的源图像,能够综合位置坐标和颜色两个方面对比两者防伪点的相似程度,以该相似程度来判定消费者所扫描标签的真伪。由此,本发明能够快速准确地完成真伪判定,尤其是面对复杂的防伪标签,可以有效防止消费者不能按照操作提示正确对比所造成的真判假、或假判真的情况。
Description
技术领域
本发明涉及软件技术领域,更具体地说,涉及一种防伪检测方法、装置、电子设备及存储介质。
背景技术
现阶段,物理防伪日新月异,防伪标签需要满足防复制的同时还要满足防破坏,这就诞生了一种随机散布于标签上的、颗粒材料的防伪点。
目前常规防伪流程都是消费者使用电子设备扫描物品上的防伪标签,再接收系统给出出厂采集的防伪标签的源图像,由消费者人工对比所扫描的防伪标签是否与源图像一致来鉴定真伪。显然,这复杂了消费者查防伪的流程,也不能提升产品自身价值。
发明内容
有鉴于此,为解决上述问题,本发明提供一种防伪检测方法、装置、电子设备及存储介质,技术方案如下:
本发明一方面提供一种防伪检测方法,所述方法包括:
获取消费者所扫描防伪标签的目标图像,并调取所述防伪标签的源图像;
检测所述目标图像和所述源图像中的通用特征,并利用所述通用特征定位所述目标图像和所述源图像中防伪点的位置坐标;
识别所述目标图像和所述源图像中防伪点的颜色;
通过对比防伪点的位置坐标和颜色计算所述目标图像与所述源图像的相似程度,所述相似程度是确定所述防伪标签真伪的依据。
优选的,所述利用所述通用特征定位所述目标图像和所述源图像中防伪点的位置坐标之前,所述方法还包括:
基于所述通用特征对所述目标图像进行预处理。
优选的,所述识别所述目标图像和所述源图像中防伪点的颜色,包括:
基于所述目标图像中防伪点的位置坐标,切割所述目标图像中防伪点所在的第一子图像;以及,基于所述源图像中防伪点的位置坐标,切割所述源图像中防伪点所在的第二子图像;
将所述第一子图像输入至预先训练得到的颜色识别模型中,以获取所述颜色识别模型所输出的所述目标图像中防伪点的颜色;以及,将所述第二子图像输入至所述颜色识别模型中,以获取所述颜色识别模型所输出的所述源图像中防伪点的颜色;
所述颜色识别模型是基于深度学习技术对基础网络模型训练得到的。
优选的,所述通过对比防伪点的位置坐标和颜色计算所述目标图像与所述源图像的相似程度,包括:
以所述源图像中的防伪点为标准防伪点,确定所述目标图像中位置坐标与所述标准防伪点的位置坐标相匹配的目标防伪点;
计算所述目标防伪点与其所匹配标准防伪点间颜色的色差;
根据色差满足对应阈值的目标防伪点的数量确定所述目标图像与所述源图像的相似程度。
优选的,所述方法还包括:
若所述目标图像中防伪点的位置坐标满足对应的分区条件,将所述目标图像和所述源图像划分为多个区域,同一区域在所述目标图像和和源图像中的位置相同;
相应的,所述通过对比防伪点的位置坐标和颜色计算所述目标图像与所述源图像的相似程度,包括:
针对每个区域,通过对比该区域内防伪点的位置坐标和颜色计算所述目标图像与所述源图像在该区域的相似程度;
对于所述多个区域对应的多个相似程度,选取其中的中位数作为目标图像与所述源图像的相似程度。
本发明另一方面提供一种防伪检测装置,所述装置包括:
图像获取模块,用于获取消费者所扫描防伪标签的目标图像,并调取所述防伪标签的源图像;
位置定位模块,用于检测所述目标图像和所述源图像中的通用特征,并利用所述通用特征定位所述目标图像和所述源图像中防伪点的位置坐标;
颜色识别模块,用于识别所述目标图像和所述源图像中防伪点的颜色;
真伪验证模块,用于通过对比防伪点的位置坐标和颜色计算所述目标图像与所述源图像的相似程度,所述相似程度是确定所述防伪标签真伪的依据。
优选的,用于通过对比防伪点的位置坐标和颜色计算所述目标图像与所述源图像的相似程度的所述真伪验证模块,具体用于:
以所述源图像中的防伪点为标准防伪点,确定所述目标图像中位置坐标与所述标准防伪点的位置坐标相匹配的目标防伪点;计算所述目标防伪点与其所匹配标准防伪点间颜色的色差;根据色差满足对应阈值的目标防伪点的数量确定所述目标图像与所述源图像的相似程度。
优选的,所述真伪验证模块,还用于:
若所述目标图像中防伪点的位置坐标满足对应的分区条件,将所述目标图像和所述源图像划分为多个区域,同一区域在所述目标图像和和源图像中的位置相同;
相应的,用于通过对比防伪点的位置坐标和颜色计算所述目标图像与所述源图像的相似程度的所述真伪验证模块,具体用于:
针对每个区域,通过对比该区域内防伪点的位置坐标和颜色计算所述目标图像与所述源图像在该区域的相似程度;对于所述多个区域对应的多个相似程度,选取其中的中位数作为目标图像与所述源图像的相似程度。
本发明另一方面提供一种电子设备,所述电子设备包括:至少一个存储器和至少一个处理器;所述存储器存储有程序,所述处理器调用所述存储器存储的程序,所述程序用于实现任意一项所述的防伪检测方法。
本发明另一方面提供一种存储介质,所述存储介质中存储有计算机可执行指令,所述计算机可执行指令用于执行任意一项所述的防伪检测方法。
相较于现有技术,本发明实现的有益效果为:
本发明提供一种防伪检测方法、装置、电子设备及存储介质,对于消费者扫描防伪标签所产生的目标图像、以及该防伪标签出厂时所采集的源图像,能够综合位置坐标和颜色两个方面对比两者防伪点的相似程度,以该相似程度来判定消费者所扫描标签的真伪。由此,本发明能够快速准确地完成真伪判定,尤其是面对复杂的防伪标签,可以有效防止消费者不能按照操作提示正确对比所造成的真判假、或假判真的情况。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,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,还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的防伪检测方法的方法流程图;
图2为本发明实施例提供的防伪检测方法的部分方法流程图;
图3为本发明实施例提供的防伪检测方法的另一方法流程图;
图4为本发明实施例提供的防伪检测装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
本发明实施例提供一种防伪检测方法,该方法的方法流程图如图1所示,包括如下步骤:
S10,获取消费者所扫描防伪标签的目标图像,并调取防伪标签的源图像。
消费者欲验证一个物品的真伪时,可以使用诸如手机的电子设备扫描该物品表面或者包装上的防伪标签,本发明实施例可以收集消费者扫描该防伪标签时拍摄产生的图像,即目标图像。
此外,物品在出厂前商家会对其打印或者张贴一个防伪标签。当然,同一物品可以采用一个防伪标签,还可以采用多个防伪标签,举例来说,一款白酒,批次1使用防伪标签A、批次2使用防伪标签B、批次3使用防伪标签C,本发明实施例对此不做限定。对于某物品来说,无论其对于一个防伪标签,还是多个防伪标签,在物品出厂时均会保存该防伪标签的图像,即源图像。继续以上述白酒举例,针对该款白酒则会保存防伪标签A、B、C的图像作为源图像。
由此,对于一个物品来说,可以将其属性信息与其防伪标签的源图像对应保存。在获得消费者针对某物品所扫描的防伪标签的目标图像后,可以根据属性信息调取其对应的目标图像。继续以述白酒举例,可以将其名称与批次作为属性信息与源图像对应保存,获取目标图像后,根据目标图像对应的白酒名称和批次来从防伪标签A、B、C的图像中确定一个相匹配的源图像进行后续处理。
S20,检测目标图像和源图像中的通用特征,并利用通用特征定位目标图像和源图像中防伪点的位置坐标。
本发明实施例中,对于目标图像和源图像,其中特征随机或者均匀分布,可以没有固定区域,针对不同类型的特征可以选择相应的特征检测算法来实现,本发明实施例对此不做限定。
而在目标图像和源图像中共同存在的特征,比如图案、文字、图像码、二维码等即属于通用特征,通用特征在目标图像和源图像中的表现形式相同,包括外观、以及在防伪标签中的位置。以通用特征为二维码来举例,二维码具有三个定位点,可以根据定位点在目标图像/源图像中的位置来定位二维码,进而以二维码作为参照物来确定目标图像/源图像中防伪点的位置坐标(该位置坐标即为相对坐标)。
需要说明的是,目标图像中防伪点的位置坐标是以对目标图像所定位的二维码作为参照物的,源图像中防伪点的位置坐标则是以对源图像所定位的二维码作为参照物的。此外,在根据定位点定位二维码时,可以直接选择某个定位点的位置作为该二维码的位置,还可以将多个定位点的中心位置作为该二维码的位置,本发明实施例对此不做限定。
还需要说明的是,目标图像和源图像中的通用特征可以多个,而在定位防伪点的位置坐标时可以通过其中一个通用特征来实现。
还需要说明的是,本发明实施例中的防伪点属于在防伪标签中随机分布的点阵特征,其可以为点状、还可以为纹理,还可以为图像等,本发明实施例对此不做限定。检测防伪点时,可以通过对目标图像/源图像进行二值化和灰度处理、并以特定的点阵特征来过滤得到。
在其他一些实施例中,为保证目标图像的大小、亮度以及角度等属性与源图像一致,本发明实施例在执行利用通用特征定位目标图像和源图像中防伪点的位置坐标之前,还可以进一步执行如下步骤:
基于通用特征对目标图像进行预处理。
本发明实施例中,对于目标图像可以根据源图像算法结果进行图像计算。以通用特征为图形码为例,通过检测图形码的顶点和四点坐标区域来对目标图像进行图像矫正或者仿射变换等处理,保证处理后的目标图像与源图像在旋转方向、倾斜角度方面的一致性。此外,还可以对目标图像进行图像增强,以增加其亮度、对比度以及色温,同时对目标图像中的雪花点或者模糊点可以采用降噪处理,保证处理后的目标图像与源图像在图像亮度方面的一致性。最后,还可以根据源图像中图形码的相对位置与大小,对目标图像进行切割,从而得到与源图像大小一致的目标图像。
S30,识别目标图像和源图像中防伪点的颜色。
本发明实施例中,为提高防伪等级,防伪点常设置颜色。因此,本发明实施例中,还可以通过对目标图像/源图像中的防伪点进行点阵切割来识别目标图像/源图像中防伪点的颜色。
具体实现过程中,步骤S30可以采用如下步骤:
基于目标图像中防伪点的位置坐标,切割目标图像中防伪点所在的第一子图像;以及,基于源图像中防伪点的位置坐标,切割源图像中防伪点所在的第二子图像;
将第一子图像输入至预先训练得到的颜色识别模型中,以获取颜色识别模型所输出的目标图像中防伪点的颜色;以及,将第二子图像输入至颜色识别模型中,以获取颜色识别模型所输出的源图像中防伪点的颜色;
颜色识别模型是基于深度学习技术对基础网络模型训练得到的。
本发明实施例中,通过记录防伪点在目标图像中的位置坐标,对目标图像中防伪点所在的区域进行切割,得到第一子图像;通过记录防伪点在源图像中的位置坐标,对源图像中防伪点所在的区域进行切割,得到第二子图像。可以理解的是,对防伪点所在的区域进行切割,即以防伪点的位置坐标中的长宽大小进行点阵抠图。
本发明预先通过深度学习技术来训练一个颜色识别模型,其能够实现计算机视觉分类,最终完成图像的颜色识别。颜色识别模型是以预先标注的防伪点图像为训练样本,以对训练样本的颜色预测结果趋近于训练样本的颜色标注结果为目标,对基础网络模型训练得到的。需要说明的是,该基础网络模型可以采用现有模型,本发明实施例对此不做限定。
S40,通过对比防伪点的位置坐标和颜色计算目标图像与源图像的相似程度,相似程度是确定防伪标签真伪的依据。
本发明实施例中,考虑防伪点的位置坐标和颜色,本发明实施例对目标图像和源图像中的防伪点进行对比,以此可以获得目标图像中与源图像的防伪码位置坐标、颜色均相同的防伪点的数量,进而可以根据该数量来确定相匹配的相似程度。
举例来说,可以根据源图像中防伪点的总数量来设置目标图像的防伪标签属于真实标签时的最低数量阈值,进而相较于该最低数量阈值,如果目标图像中与源图像的防伪码位置坐标、颜色均相同的防伪点的数量越大,则相似程度为1,反之,则相似程度为0。由此,相似程度为1时即可确定消费者所扫描的防伪标签是真实的,而相似程度为0时则可以确定消费者所扫描的防伪标签是伪造的。
具体实现过程中,步骤S40中“通过对比防伪点的位置坐标和颜色计算目标图像与源图像的相似程度”可以采用如下步骤,方法流程图如图2所示:
S401,以源图像中的防伪点为标准防伪点,确定目标图像中位置坐标与标准防伪点的位置坐标相匹配的目标防伪点。
本发明实施例中,将源图像中的防伪点作为标准防伪点,对目标图像中的防伪点进行位置对比。即从目标图像中的防伪点中筛选能够与标准防伪点位置坐标相匹配的防伪点作为目标防伪点。举例来说,假设标准防伪点包括a_1、a_2、a_3、……、a_n,而目标图像中的防伪点包括b_1、b_2、b_3、……、b_m,则分别对b_1~b_m进行位置匹配,以b_1举例来说,判断从a_1~a_n中是否存在与其位置坐标相匹配的标准防伪点,如果有,则将b_1作为目标防伪点,反之,如果没有,则确定b_1不是目标防伪点。
需要说明的是,本发明实施例中可以对位置坐标匹配设置一定的容错条件,继续以b_1举例来说,首先根据其位置坐标确定一个位置匹配区域,比如可以将以该位置坐标为中心、半径为i个像素的区域作为b_1的位置匹配区域,进而如果a_1~a_n中存在位置坐标位于该位置匹配区域的标准防伪点,即确定b_1作为目标防伪点,相应的,a_1~a_n中位置坐标位于该位置匹配区域的标准防伪点即b_1位置坐标所匹配到的标准防伪点。
S402,计算目标防伪点与其所匹配标准防伪点间颜色的色差。
本发明实施例中,由于颜色本质上是由多种基本色光组成的,因此,对于目标防伪点和该目标防伪点所匹配的标准防伪点来说,颜色对比本质上在于对比两者的基本色光。因此,本发明可以通过对比多种基本色光来确定目标防伪点与其所匹配标准防伪点间颜色是否相同,只有两者的所有基本色光完全相同才可以判定两者的颜色相同。
而在实际场景中,消费者所在环境的光线明暗不一,所使用电子设备的硬件参数也不尽相同,因此即便消费者扫描的防伪标签是真实的,目标图像也很可能出现与源图像出现较大色差。因此,本发明实施例中,判定目标防伪点与其所匹配的标准防伪点间颜色相同时,不要求两者所有基本色光完全一致。对此,本发明实施例可以通过对比基本色光来计算目标防伪点与其所匹配标准防伪点间颜色的色差,如果该色差低于其对应的阈值,则判定两者的颜色相同,反之,如果该色差不低于其对应的阈值,则判定两者的颜色不同。
S403,根据色差满足对应阈值的目标防伪点的数量确定目标图像与源图像的相似程度。
本发明实施例中,色差满足对应阈值的目标防伪点即目标图像中与源图像的防伪码位置坐标、颜色均相同的防伪点。
在运输或者销售过程中物品的防伪标签难免受到污染以及损坏,因此为防止部分区域污损造成防伪误判,在其他一些实施例中,还包括如下步骤,方法流程图如图3所示:
S50,若目标图像中防伪点的位置坐标满足对应的分区条件,将目标图像和源图像划分为多个区域,同一区域在目标图像和源图像中的位置相同。
相应的,步骤S40中“通过对比防伪点的位置坐标和颜色计算目标图像与源图像的相似程度”可以采用如下步骤:
针对每个区域,通过对比该区域内防伪点的位置坐标和颜色计算目标图像与源图像在该区域的相似程度;对于多个区域对应的多个相似程度,选取其中的中位数作为目标图像与源图像的相似程度。
本发明实施例中,根据目标图像中防伪点的位置坐标可以确定防伪点在目标图像中的分布状态。如果防伪点分布均匀,则判定其出现污损的概率较低,反之,如果防伪点分布不均匀,出现部分区域稠密、部分区域稀疏的情况,则判定其出现污损的概率较高。具体的,识别防伪点的分布状态可以使用现有方案来实现,比如可以利用通过深度学习技术训练得到的分布识别模型来实现,本发明实施例对此不做限定。此外,如果防伪点分布均匀,则可以采用图1所示的防伪方法来完成防伪检测,这就可以减少检测时间,确保检测的高效性和准确性并存。
进一步,如果防伪点分布不均匀则确定满足分区条件,此时可以将目标图像和源图像划分为多个区域。具体的,可以对目标图像和源图像进行模拟网格化画线,以九宫格为例,将目标图像和源图像均划分为九个区域,对于每个区域都执行上述步骤S40的过程,以确定目标图像与源图像在该区域内的相似程度,由此即获得九个区域各自的相似程度,共计九个相似程度,最后则将九个相似程度中的中位数作为目标图像与源图像的相似程度,以此避免防伪点过于稠密或稀疏对于最终目标图像与源图像的相似程度的影响,能保证防伪标签被污染或者破坏的情况下也不影响防伪检测效果。
本发明实施例提供一种防伪检测方法,对于消费者扫描防伪标签所产生的目标图像、以及该防伪标签出厂时所采集的源图像,能够综合位置坐标和颜色两个方面对比两者防伪点的相似程度,以该相似程度来判定消费者所扫描标签的真伪。由此,本发明能够快速准确地完成真伪判定,尤其是面对复杂的防伪标签,可以有效防止消费者不能按照操作提示正确对比所造成的真判假、或假判真的情况。
基于上述实施例提供的防伪检测方法,本发明实施例则对应提供一种执行上述防伪检测方法的装置,该装置的结构示意图如图4所示,包括:
图像获取模块10,用于获取消费者所扫描防伪标签的目标图像,并调取防伪标签的源图像;
位置定位模块20,用于检测目标图像和源图像中的通用特征,并利用通用特征定位目标图像和源图像中防伪点的位置坐标;
颜色识别模块30,用于识别目标图像和源图像中防伪点的颜色;
真伪验证模块40,用于通过对比防伪点的位置坐标和颜色计算目标图像与源图像的相似程度,相似程度是确定防伪标签真伪的依据。
可选的,位置定位模块20,还用于:
基于通用特征对目标图像进行预处理。
可选的,颜色识别模块30,具体用于:
基于目标图像中防伪点的位置坐标,切割目标图像中防伪点所在的第一子图像;以及,基于源图像中防伪点的位置坐标,切割源图像中防伪点所在的第二子图像;将第一子图像输入至预先训练得到的颜色识别模型中,以获取颜色识别模型所输出的目标图像中防伪点的颜色;以及,将第二子图像输入至颜色识别模型中,以获取颜色识别模型所输出的源图像中防伪点的颜色;颜色识别模型是基于深度学习技术对基础网络模型训练得到的。
可选的,用于通过对比防伪点的位置坐标和颜色计算目标图像与源图像的相似程度的真伪验证模块40,具体用于:
以源图像中的防伪点为标准防伪点,确定目标图像中位置坐标与标准防伪点的位置坐标相匹配的目标防伪点;计算目标防伪点与其所匹配标准防伪点间颜色的色差;根据色差满足对应阈值的目标防伪点的数量确定目标图像与源图像的相似程度。
可选的,真伪验证模块40,还用于:
若目标图像中防伪点的位置坐标满足对应的分区条件,将目标图像和源图像划分为多个区域,同一区域在目标图像和和源图像中的位置相同;
相应的,用于通过对比防伪点的位置坐标和颜色计算目标图像与源图像的相似程度的真伪验证模块40,具体用于:
针对每个区域,通过对比该区域内防伪点的位置坐标和颜色计算目标图像与源图像在该区域的相似程度;对于多个区域对应的多个相似程度,选取其中的中位数作为目标图像与源图像的相似程度。
需要说明的是,本发明实施例中各功能模块的细化功能可以参见上述防伪检测方法实施例的对应公开部分,在此不再赘述。
本发明实施例提供的防伪检测方法,对于消费者扫描防伪标签所产生的目标图像、以及该防伪标签出厂时所采集的源图像,能够综合位置坐标和颜色两个方面对比两者防伪点的相似程度,以该相似程度来判定消费者所扫描标签的真伪。由此,本发明能够快速准确地完成真伪判定,尤其是面对复杂的防伪标签,可以有效防止消费者不能按照操作提示正确对比所造成的真判假、或假判真的情况。
基于上述实施例提供的防伪检测方法,本发明实施例还提供一种电子设备,该电子设备包括:至少一个存储器和至少一个处理器;存储器存储有程序,处理器调用存储器存储的程序,程序用于实现防伪检测方法。
基于上述实施例提供的防伪检测方法,本发明实施例还提供一种存储介质,该存储介质中存储有计算机可执行指令,该计算机可执行指令用于执行防伪检测方法。
以上对本发明所提供的一种防伪检测方法、装置、电子设备及存储介质进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备所固有的要素,或者是还包括为这些过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种防伪检测方法,其特征在于,所述方法包括:
获取消费者所扫描防伪标签的目标图像,并调取所述防伪标签的源图像;
检测所述目标图像和所述源图像中的通用特征,并利用所述通用特征定位所述目标图像和所述源图像中防伪点的位置坐标;
识别所述目标图像和所述源图像中防伪点的颜色;
通过对比防伪点的位置坐标和颜色计算所述目标图像与所述源图像的相似程度,所述相似程度是确定所述防伪标签真伪的依据。
2.根据权利要求1所述的方法,其特征在于,所述利用所述通用特征定位所述目标图像和所述源图像中防伪点的位置坐标之前,所述方法还包括:
基于所述通用特征对所述目标图像进行预处理。
3.根据权利要求1所述的方法,其特征在于,所述识别所述目标图像和所述源图像中防伪点的颜色,包括:
基于所述目标图像中防伪点的位置坐标,切割所述目标图像中防伪点所在的第一子图像;以及,基于所述源图像中防伪点的位置坐标,切割所述源图像中防伪点所在的第二子图像;
将所述第一子图像输入至预先训练得到的颜色识别模型中,以获取所述颜色识别模型所输出的所述目标图像中防伪点的颜色;以及,将所述第二子图像输入至所述颜色识别模型中,以获取所述颜色识别模型所输出的所述源图像中防伪点的颜色;
所述颜色识别模型是基于深度学习技术对基础网络模型训练得到的。
4.根据权利要求1所述的方法,其特征在于,所述通过对比防伪点的位置坐标和颜色计算所述目标图像与所述源图像的相似程度,包括:
以所述源图像中的防伪点为标准防伪点,确定所述目标图像中位置坐标与所述标准防伪点的位置坐标相匹配的目标防伪点;
计算所述目标防伪点与其所匹配标准防伪点间颜色的色差;
根据色差满足对应阈值的目标防伪点的数量确定所述目标图像与所述源图像的相似程度。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
若所述目标图像中防伪点的位置坐标满足对应的分区条件,将所述目标图像和所述源图像划分为多个区域,同一区域在所述目标图像和和源图像中的位置相同;
相应的,所述通过对比防伪点的位置坐标和颜色计算所述目标图像与所述源图像的相似程度,包括:
针对每个区域,通过对比该区域内防伪点的位置坐标和颜色计算所述目标图像与所述源图像在该区域的相似程度;
对于所述多个区域对应的多个相似程度,选取其中的中位数作为目标图像与所述源图像的相似程度。
6.一种防伪检测装置,其特征在于,所述装置包括:
图像获取模块,用于获取消费者所扫描防伪标签的目标图像,并调取所述防伪标签的源图像;
位置定位模块,用于检测所述目标图像和所述源图像中的通用特征,并利用所述通用特征定位所述目标图像和所述源图像中防伪点的位置坐标;
颜色识别模块,用于识别所述目标图像和所述源图像中防伪点的颜色;
真伪验证模块,用于通过对比防伪点的位置坐标和颜色计算所述目标图像与所述源图像的相似程度,所述相似程度是确定所述防伪标签真伪的依据。
7.根据权利要求6所述的装置,其特征在于,用于通过对比防伪点的位置坐标和颜色计算所述目标图像与所述源图像的相似程度的所述真伪验证模块,具体用于:
以所述源图像中的防伪点为标准防伪点,确定所述目标图像中位置坐标与所述标准防伪点的位置坐标相匹配的目标防伪点;计算所述目标防伪点与其所匹配标准防伪点间颜色的色差;根据色差满足对应阈值的目标防伪点的数量确定所述目标图像与所述源图像的相似程度。
8.根据权利要求6所述的装置,其特征在于,所述真伪验证模块,还用于:
若所述目标图像中防伪点的位置坐标满足对应的分区条件,将所述目标图像和所述源图像划分为多个区域,同一区域在所述目标图像和和源图像中的位置相同;
相应的,用于通过对比防伪点的位置坐标和颜色计算所述目标图像与所述源图像的相似程度的所述真伪验证模块,具体用于:
针对每个区域,通过对比该区域内防伪点的位置坐标和颜色计算所述目标图像与所述源图像在该区域的相似程度;对于所述多个区域对应的多个相似程度,选取其中的中位数作为目标图像与所述源图像的相似程度。
9.一种电子设备,其特征在于,所述电子设备包括:至少一个存储器和至少一个处理器;所述存储器存储有程序,所述处理器调用所述存储器存储的程序,所述程序用于实现权利要求1-5任意一项所述的防伪检测方法。
10.一种存储介质,其特征在于,所述存储介质中存储有计算机可执行指令,所述计算机可执行指令用于执行权利要求1-5任意一项所述的防伪检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110713848.9A CN113435219B (zh) | 2021-06-25 | 2021-06-25 | 防伪检测方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110713848.9A CN113435219B (zh) | 2021-06-25 | 2021-06-25 | 防伪检测方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113435219A true CN113435219A (zh) | 2021-09-24 |
CN113435219B CN113435219B (zh) | 2023-04-07 |
Family
ID=77754770
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110713848.9A Active CN113435219B (zh) | 2021-06-25 | 2021-06-25 | 防伪检测方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113435219B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114219056A (zh) * | 2021-12-17 | 2022-03-22 | 杭州沃朴物联科技有限公司 | 一种线条镭射标签的鉴伪方法 |
CN116012333A (zh) * | 2023-01-03 | 2023-04-25 | 恩埃赛文数据处理(杭州)有限公司 | 一种基于人工智能的电子防伪标签生产监测管理系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109472337A (zh) * | 2018-11-05 | 2019-03-15 | 上海中商网络股份有限公司 | 一种基于随机特征的标签防伪方法和装置 |
CN110139104A (zh) * | 2018-02-09 | 2019-08-16 | 腾讯科技(深圳)有限公司 | 视频解码方法、装置、计算机设备和存储介质 |
CN110428264A (zh) * | 2019-07-22 | 2019-11-08 | 杭州沃朴物联科技有限公司 | 基于点阵屏防伪标签的识别验伪方法、装置、设备及介质 |
CN110443328A (zh) * | 2019-07-22 | 2019-11-12 | 杭州沃朴物联科技有限公司 | 基于led防伪标签的识别验伪方法、装置、设备及介质 |
CN110796221A (zh) * | 2019-10-18 | 2020-02-14 | 周晓明 | 一种防伪标签的生成方法、验证方法及系统和防伪标签 |
CN111160331A (zh) * | 2020-01-13 | 2020-05-15 | 杭州沃朴物联科技有限公司 | 防伪标签验伪方法、设备、介质及模板图生成方法 |
CN111738390A (zh) * | 2020-06-29 | 2020-10-02 | 陈洪 | 一种防伪图像及其生成方法和应用 |
CN111898520A (zh) * | 2020-07-28 | 2020-11-06 | 腾讯科技(深圳)有限公司 | 证件真伪识别方法、装置、计算机可读介质及电子设备 |
CN112733939A (zh) * | 2021-01-12 | 2021-04-30 | 上海明略人工智能(集团)有限公司 | 相似度特征向量的构建方法、装置、电子设备及存储介质 |
WO2021102770A1 (zh) * | 2019-11-28 | 2021-06-03 | 罗伯特·博世有限公司 | 用于验证产品的真伪的方法和设备 |
-
2021
- 2021-06-25 CN CN202110713848.9A patent/CN113435219B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110139104A (zh) * | 2018-02-09 | 2019-08-16 | 腾讯科技(深圳)有限公司 | 视频解码方法、装置、计算机设备和存储介质 |
CN109472337A (zh) * | 2018-11-05 | 2019-03-15 | 上海中商网络股份有限公司 | 一种基于随机特征的标签防伪方法和装置 |
CN110428264A (zh) * | 2019-07-22 | 2019-11-08 | 杭州沃朴物联科技有限公司 | 基于点阵屏防伪标签的识别验伪方法、装置、设备及介质 |
CN110443328A (zh) * | 2019-07-22 | 2019-11-12 | 杭州沃朴物联科技有限公司 | 基于led防伪标签的识别验伪方法、装置、设备及介质 |
CN110796221A (zh) * | 2019-10-18 | 2020-02-14 | 周晓明 | 一种防伪标签的生成方法、验证方法及系统和防伪标签 |
WO2021102770A1 (zh) * | 2019-11-28 | 2021-06-03 | 罗伯特·博世有限公司 | 用于验证产品的真伪的方法和设备 |
CN111160331A (zh) * | 2020-01-13 | 2020-05-15 | 杭州沃朴物联科技有限公司 | 防伪标签验伪方法、设备、介质及模板图生成方法 |
CN111738390A (zh) * | 2020-06-29 | 2020-10-02 | 陈洪 | 一种防伪图像及其生成方法和应用 |
CN111898520A (zh) * | 2020-07-28 | 2020-11-06 | 腾讯科技(深圳)有限公司 | 证件真伪识别方法、装置、计算机可读介质及电子设备 |
CN112733939A (zh) * | 2021-01-12 | 2021-04-30 | 上海明略人工智能(集团)有限公司 | 相似度特征向量的构建方法、装置、电子设备及存储介质 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114219056A (zh) * | 2021-12-17 | 2022-03-22 | 杭州沃朴物联科技有限公司 | 一种线条镭射标签的鉴伪方法 |
CN116012333A (zh) * | 2023-01-03 | 2023-04-25 | 恩埃赛文数据处理(杭州)有限公司 | 一种基于人工智能的电子防伪标签生产监测管理系统 |
CN116012333B (zh) * | 2023-01-03 | 2023-07-14 | 恩埃赛文数据处理(杭州)有限公司 | 一种基于人工智能的电子防伪标签生产监测管理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113435219B (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108197642B (zh) | 一种印章鉴别方法及装置 | |
CN113435219B (zh) | 防伪检测方法、装置、电子设备及存储介质 | |
Xiang et al. | Moving object detection and shadow removing under changing illumination condition | |
WO2018040948A1 (zh) | 一种数字对象唯一标识符doi识别方法与装置 | |
CN109993758A (zh) | 分割方法、分割装置、计算机设备及存储介质 | |
CN113392664B (zh) | 防伪二维码生成方法、验伪方法和装置 | |
CN109389110B (zh) | 一种区域确定方法及装置 | |
CN111738979A (zh) | 证件图像质量自动检查方法及系统 | |
CN111626249A (zh) | 题目图像中几何图形的识别方法、装置和计算机存储介质 | |
CN113205633B (zh) | 票据红蓝纤维的检测方法、装置、电子设备和存储介质 | |
CN112419207A (zh) | 一种图像矫正方法及装置、系统 | |
CN110533704B (zh) | 油墨标签的识别验伪方法、装置、设备及介质 | |
CN111414779A (zh) | 一种防伪标签识别方法及装置 | |
CN110210467B (zh) | 一种文本图像的公式定位方法、图像处理装置、存储介质 | |
CN112818983B (zh) | 一种利用图片相识度判断字符倒置的方法 | |
CN114241463A (zh) | 签名验证方法、装置、计算机设备和存储介质 | |
Bodnár et al. | A novel method for barcode localization in image domain | |
US7440636B2 (en) | Method and apparatus for image processing | |
CN110175257B (zh) | 一种线稿图像匹配方法、电子设备、存储介质 | |
Feng et al. | Extraction of serial numbers on bank notes | |
CN111402185B (zh) | 一种图像检测方法及装置 | |
CN111753842B (zh) | 票据文本区域检测方法及装置 | |
Thaiparnit et al. | Tracking vehicles system based on license plate recognition | |
Islam et al. | Automatic Vehicle Bangla License Plate Detection and Recognition | |
CN108573253B (zh) | 车牌字符二值图的生成方法 |
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 |