发明内容
本发明要解决的技术问题在于,针对现有技术的不足,提供一种防转移性能更强、有助于降低生产成本以及提高用户体验的基于计算机视觉识别的标签防转移方法。
为解决上述技术问题,本发明采用如下技术方案。
一种基于计算机视觉识别的标签防转移方法,其包括有标签生成步骤S1和标签验证步骤S2;其中,所述标签生成步骤S1包括有:步骤S10,生成原始噪声图案;步骤S11,对所述原始噪声图案进行极坐标转换后,生成极坐标噪声图案;步骤S12,将所述极坐标噪声图案组合到预设标签模版中所定义的外圆内,得到组合图案,记录所述组合图案的鉴真参数;步骤S13,按照所述组合图案,将所述极坐标噪声图案和所述标签模版同时印制于一张标签纸上,得到标签;步骤S14,粘贴所述标签时,令所述极坐标噪声图案与所述标签模版中外圆之间的区域镂空;所述标签验证步骤S2包括有:步骤S20,获取所述组合图案的鉴真参数;步骤S21,捕获所述极坐标噪声图案,对所述极坐标噪声图案进行逆变换处理,得到逆变换噪声图案;步骤S22,判断所述逆变换噪声图案与所述原始噪声图案是否相同;若不相同,则判定标签为假,所述标签验证步骤S2结束;若相同,则继续执行步骤S23;步骤S23,对标签进行外来攻击检测;步骤S24,判断所述逆变换噪声图案的LBP值与原始噪声图案的LBP值是否相同;若不相同,则判定标签为假,所述标签验证步骤S2结束;若相同,则判定标签为真。
优选地,所述步骤S10中,生成原始噪声图案的过程包括:按照棋盘格噪声生成方法,先将图像等分成多个呈阵列式分布的格子,然后对等分后的格子进行随机填充,进而生成噪声图案。
优选地,所述步骤S11中,生成极坐标噪声图案的过程包括:步骤S110,将所述原始噪声图案中第二、三、四象限中的像素均旋转到第一象限;步骤S112,设点M(x,y)为原始噪声图案笛卡尔坐标系上的点,点M’(r,θ)为极坐标上的点,r为极坐标中圆的半径,θ为点M’(r,θ)的极角,则原始噪声图案的极坐标M’(r,θ)转换算式如下:
步骤S113,利用极坐标M’(r,θ)转换算式对所述步骤S110中旋转后的图案进行运算,运算完成后,再将各个像素反向旋转回第二、三、四象限,此时得到的圆形图案即为所述极坐标噪声图案。
优选地,所述步骤S12中的图案组合过程包括:步骤S120,以预设标签模版的中心点为圆心,定位出一个外圆,设该外圆的圆心为O,该外圆用虚线表示;步骤S121,选取该外圆中的任意一个点I作为内圆的圆心,该内圆的半径与所述极坐标噪声图案的半径一致,并要求内圆区域不能超出外圆区域;步骤S122,将所述极坐标噪声图案以I为中心组合到所述标签模版上,得到所述组合图案。
优选地,所述步骤S12中,所述组合图案的鉴真参数包括:内圆心I的坐标;随机选取的一个圆周角度作为标签的鉴真角度;以及,r的取值范围。
优选地,所述步骤S21中,逆变换的过程包括;针对所述标签,其外圆心为点O,内圆心为点I,根据鉴真角度,从点O向外确定一条射线α,该条射线与外圆的交点为A,与内圆的交点为B,线段BI即为内圆鉴真参数;以线段BI为基准,朝线段BI的两侧外扩一定的角度,结合预先保存的r的取值范围r∈[c,d],得到一个扇形,将该扇形中的像素逆变换回基于笛卡尔坐标的噪声图案,从而得到逆变换噪声图案;
优选地,所述步骤S21中,在已知极坐标噪声图案中每一个像素M’(r,θ)的条件下,其笛卡尔坐标M(x,y)的转换式如下:
优选地,所述步骤S23中,对标签进行外来攻击检测的过程包括:使用LBP算子来检测标签是否遭到攻击,所述LBP算子是在3*3的像素窗口内,以窗口中心的像素值为阈值,进行窗口内二值化来描述图像局部纹理特征,对于3*3的像素窗口,在左边的像素窗口中,用中心像素值50作为阈值,对于周边的像素,小于阈值的填0,大于或等于阈值的填1,从而得出右边的像素窗口,右边窗口即为左边窗口的LBP值。
本发明公开的基于计算机视觉识别的标签防转移方法,其相比现有技术而言的有益效果在于,本发明算法实现了极强的标签防转移性能,同时还兼顾了低成本应用要求,在实际应用中,本发明基于计算机视觉技术,可供市场上的智能手机识别,从而提高用户的使用体验,较好地满足了用户需要和市场需求。
具体实施方式
下面结合附图和实施例对本发明作更加详细的描述。
本发明公开了一种基于计算机视觉识别的标签防转移方法,结合图8和图13所示,其包括有标签生成步骤S1和标签验证步骤S2;
其中,所述标签生成步骤S1包括有:
步骤S10,生成原始噪声图案;
步骤S11,对所述原始噪声图案进行极坐标转换后,生成极坐标噪声图案;
步骤S12,将所述极坐标噪声图案组合到预设标签模版中所定义的外圆内,得到组合图案,记录所述组合图案的鉴真参数;
步骤S13,按照所述组合图案,将所述极坐标噪声图案和所述标签模版同时印制于一张标签纸上,得到标签;
步骤S14,粘贴所述标签时,令所述极坐标噪声图案与所述标签模版中外圆之间的区域镂空;所述标签验证步骤S2包括有:
步骤S20,获取所述组合图案的鉴真参数;
步骤S21,捕获所述极坐标噪声图案,对所述极坐标噪声图案进行逆变换处理,得到逆变换噪声图案;
步骤S22,判断所述逆变换噪声图案与所述原始噪声图案是否相同;
若不相同,则判定标签为假,所述标签验证步骤S2结束;
若相同,则继续执行步骤S23;
步骤S23,对标签进行外来攻击检测;
步骤S24,判断所述逆变换噪声图案的LBP值与原始噪声图案的LBP值是否相同;
若不相同,则判定标签为假,所述标签验证步骤S2结束;
若相同,则判定标签为真。
本发明公开的基于计算机视觉识别的标签防转移方法,其相比现有技术而言的有益效果在于,本发明算法实现了极强的标签防转移性能,同时还兼顾了低成本应用要求,在实际应用中,本发明基于计算机视觉技术,可供市场上的智能手机识别,从而提高用户的使用体验,较好地满足了用户需要和市场需求。
进一步地,在所述步骤S10中,生成原始噪声图案的过程包括:
按照棋盘格噪声生成方法,先将图像等分成多个呈阵列式分布的格子,然后对等分后的格子进行随机填充,进而生成噪声图案。
本实施例的所述步骤S11中,生成极坐标噪声图案的过程包括:
步骤S110,将所述原始噪声图案中第二、三、四象限中的像素均旋转到第一象限;
步骤S112,设点M(x,y)为原始噪声图案笛卡尔坐标系上的点,点M’(r,θ)为极坐标上的点,r为极坐标中圆的半径,θ为点M’(r,θ)的极角,则原始噪声图案的极坐标M’(r,θ)转换算式如下:
步骤S113,利用极坐标M’(r,θ)转换算式对所述步骤S110中旋转后的图案进行运算,运算完成后,再将各个像素反向旋转回第二、三、四象限,此时得到的圆形图案即为所述极坐标噪声图案。所述极坐标噪声图案可以通过极坐标噪声图案层来体现,也就是说,在制作标签时,所述极坐标噪声图案是一个具体的结构层。
本实施例的所述步骤S12中,图案组合过程包括:
步骤S120,以预设标签模版的中心点为圆心,定位出一个外圆,设该外圆的圆心为O,该外圆用虚线表示;
步骤S121,选取该外圆中的任意一个点I作为内圆的圆心,该内圆的半径与所述极坐标噪声图案的半径一致,并要求内圆区域不能超出外圆区域;
步骤S122,将所述极坐标噪声图案以I为中心组合到所述标签模版上,得到所述组合图案。
此外,所述步骤S12还涉及鉴真参数,具体地,在所述步骤S12中,所述组合图案的鉴真参数包括:
内圆心I的坐标;
随机选取的一个圆周角度作为标签的鉴真角度;
以及,r的取值范围。
关于噪声图案极坐标转换,本实施例的所述步骤S21中,逆变换的过程包括;
针对所述标签,其外圆心为点O,内圆心为点I,根据鉴真角度,从点O向外确定一条射线α,该条射线与外圆的交点为A,与内圆的交点为B,线段BI即为内圆鉴真参数;
以线段BI为基准,朝线段BI的两侧外扩一定的角度,结合预先保存的r的取值范围r∈[c,d],得到一个扇形,将该扇形中的像素逆变换回基于笛卡尔坐标的噪声图案,从而得到逆变换噪声图案。
作为一种优选方式,所述步骤S21中,在已知极坐标噪声图案中每一个像素M’(r,θ)的条件下,其笛卡尔坐标M(x,y)的转换式如下:
本实施例的所述步骤S23中,对标签进行外来攻击检测的过程包括:
使用LBP算子来检测标签是否遭到攻击,所述LBP算子是在3*3的像素窗口内,以窗口中心的像素值为阈值,进行窗口内二值化来描述图像局部纹理特征,对于3*3的像素窗口,在左边的像素窗口中,用中心像素值50作为阈值,对于周边的像素,小于阈值的填0,大于或等于阈值的填1,从而得出右边的像素窗口,右边窗口即为左边窗口的LBP值。
实际生产时,在所述步骤S13中,制造所述标签时包括如下步骤:
步骤S130,承载所述极坐标噪声图案和所述标签模版的标签纸分别采用不同粘力的胶水;
步骤S131,所述极坐标噪声图案的边缘以及所述标签模版的外圆边缘均利用精细模切工艺增设易损边缘锯齿结构;
步骤S132,在所述标签表面设置一层透明材料层,进而形成二层粘力结构,使所述极坐标噪声图案不能与标签模版同时被撕下;
其中,所述步骤S130、步骤S131和所述步骤S132可以独立执行或者组合执行。也就是说,上述三种防撕手段既可以独立采用,也可以对三者进行灵活选用、灵活组合,具体的组合方式,以能够实现防转移目的为佳。
基于上述技术方案,现提供如下实施例对本发明的原理和技术效果作进一步的说明。
实施例一
本实施例中的基于计算机视觉识别的标签防转移方法,其包括如下步骤:
步骤S1,标签生成,具体步骤如下:
步骤S10,生成噪声图案;
首先,针对每一个标签,都生成具有随机性和独立性的噪声图案。因为这个噪声图案须在算法后期用于识别及比对,再考虑到手机摄像头对图像进行重采样所可能引入的干扰,噪声图案不宜过小。噪声图案中的显著特征,一定要扛得住摄像头重采样所带来的影响。
对此,本发明提出基于棋盘格的噪声生成方法。棋盘格噪声生成方法需要先将图像等分成格子,每个格子可以理解为噪声图案中的显著特征。如图1所示,左侧图案有15*15个空格子,中间图案是将这些格子填成棋盘格的样式,右侧图案是将这些格子随机填补的样式,即本发明所提及的噪声图案。需要指出的是,标签生产商可结合最终标签的尺寸及噪声随机性需要,在任意等分的格子上生成噪声图案。
如前文所提到的,每个格子的像素面积应要能扛得住摄像头重采样的影响。根据标签的规格需求,本发明建议每个格子的像素面积至少要在5*5个像素或以上。像素面积越大,图像识别和比对的鲁棒性也会越强。此外,如图2所示,棋盘格噪声生成方法是多种多样的,除了直接把格子填黑外,我们还能往格子里填入各种规则或不规则的几何形状,比如圆形、三角形、五角星等,都可以达到同样的效果。本发明为了阐述方便,下文中的所有图例,均以填黑格子的噪声图案作为优选。
步骤S11,噪声图案极坐标转换;
在标签生成过程中,需要将笛卡尔坐标的噪声图案转换为极坐标的形态。简单来说,极坐标可以理解为一种用角度和长度描述位置的坐标系。通过简单的几何解析,就可以分析笛卡尔坐标与极坐标之间的转换关系。
如图3所示,点M(x,y)为笛卡尔坐标系上的点,点M’(r,θ)为极坐标上的点。r可以理解为极坐标中圆的半径,点M’(r,θ)就是用半径r的长度和角度θ表示出来的。事实上,点M(x,y)和点M’(r,θ)都代表了图像中同一个像素的位置,只是用不同的坐标系表示出来而已。在已知噪声图案的像素笛卡尔坐标M(x,y)的情况下,其极坐标M’(r,θ)的转换式如下:
需要注意的是,以上公式仅在第一象限时成立。在工程实现中,为了加快系统速度,可以在运算时,将笛卡尔坐标下的第二、三、四象限中的图案,单独旋转到第一象限的位置,应用上述公式对第二、三、四象限旋转过来的图案像素位置分别求解后,再分别旋转到极坐标下相应的象限位置,亦即在第一象限利用上述公式进行四次运算。如图4所示,整个笛卡尔坐标系下的噪声图案,经完整转换到极坐标后,将得到一个圆形的图案,将其称为极坐标噪声图案。
进一步解释如下:例如,对于笛卡尔坐标下第二象限的处理流程,首先,将笛卡尔坐标下的第二象限旋转到第一象限;然后,应用同一组转换公式求解;再将求到的解旋转到极坐标下的第二象限。第三、四象限可依次类推,按照同样的方式处理。
上述处理手段的益处在于方便代码实现,有助于加快系统运行速度。与现有技术比较而言,现有的常规手段,是针对四个象限使用四组不同的公式,不同象限下因为几何关系的改变,相应的几何函数也要做出改变。同理,如果要将四个象限的笛卡儿坐标都转换成极坐标的话,就需要4组不同的公式,这种情况所涉及的要素较多,代码也很复杂,很显然会拖慢系统速度。而本发明配合旋转象限的技术手段,仅应用一组公式就能实现对四个象限的运算处理,此外,关于图像的坐标旋转,在一些主流的图像处理库,如OpenCV中都有通用的方法可以调用。
步骤S12,组合标签模版;
如图5所示,组合标签模版的具体步骤如下:首先,如左侧图案所示,以标签模版的中心点为圆心,先定位出来一个外圆,圆心为O,用虚线表示;然后,如中间图案所示,选取此外圆中任意一个点I作为内圆的圆心,该内圆的半径与极坐标噪声图案一致。需要强调的是,本算法需要控制内圆不能超出外圆的面积范围,此时,内圆与外圆将呈现一个偏心圆的形态;最后,将极坐标噪声图案以I为中心放置到标签模版上,如右侧图案所示。
组合标签模版完成后,需要提前在系统中记录三个鉴真参数:一是内圆心I的坐标;二是随机选取一个圆周角度作为此标签的鉴真角度;三是随机选取内圆的鉴真范围,即r的取值范围r∈[c,d]。需要将上述参数绑定到标签所对应的数据库中。其中,c和d代表取值范围,可随机指定,例如,r的值是10,c和d的值可以是2和8,可以理解为从10中选取了从2到8这个范围。
特别指出的是,根据终端标签客户需求的不同,标签的最终形状都并非是固定的。如图6所示,标签模版和极坐标噪声图案可以变为其它几何形状,首先,标签模版可以是其它几何形态;其次,也可以在极坐标噪声图案上盖上一层几何蒙版,只保留几何部分内的噪声图案即可。全部这些标签形态,只要是应用了本发明的关键流程,均属于本发明的适用范围。
步骤S13,标签印刷生产;
在标签印刷生产时,极坐标噪声图案和标签模版可以用高DPI同时印刷在一张标签纸上。
步骤S14,应用杀胶及模切等成熟工艺,在标签贴到商品表面时,如图7所示,使极坐标噪声图案与标签模版之间镂空出一个不规则圆环。本发明所提出的标签在生产过程中不涉及多层材质及复杂工艺,因此成本极低。
步骤S2,标签验证,具体包括如下步骤:
步骤S20,获取鉴真参数;
在对本发明所提出的标签进行鉴真前,需要先获取该标签的鉴真参数。这会涉及一个问题,那就是需要先定位到标签,才能获取其对应的鉴真参数。对此,本发明的做法是在标签模版中剩余的位置嵌入编码,解码后即可进行对应。
步骤S21,极坐标逆变换;
在获取鉴真参数后,需要将捕获到的极坐标噪声图案,即捕获到的内圆,逆变换回笛卡尔坐标的噪声图案。这里要特别注意,需提前在系统中记录的鉴真角度,指的是外圆角度,在应用到内圆之前,还需要进行一些的特别处理。
如图9所示,本发明标签的中间是一个偏心圆,外圆心为点O,内圆心为点I,通过外圆鉴真角度,从O便可以确定一条射线α,这条射线与外圆的交点为A,与内圆的交点为B,而线段BI才是真正需要的内圆鉴真参数。
如图10所示,以BI为基准,朝两个方向外扩一定的角度,结合步骤S12中所保存下来的r的取值范围r∈[c,d],便可以取到一个扇形。需要将这个扇形中的像素,逆变换回基于笛卡尔坐标的噪声图案。这里要特别指出,逆变换回来的笛卡尔坐标噪声图案,对应的是步骤S10中所生成噪声图案的某个部分。
在所述步骤S11中已经分析过,在已知极坐标噪声图案中每一个像素M’(r,θ)的情况下,其笛卡尔坐标M(x,y)的转换式如下:
所述步骤S13、步骤S14所提到的,真正贴到商品包装上的标签,极坐标噪声图案与标签模版之间是镂空的,因此,不法分子在转移标签的时候,需要把两个标签都撕下来。标签固然是可以撕下来,但它们之间通过鉴真角度所绑定的噪声图案,是很难进行复原的。在高DPI印刷的精度下,标签将小至毫米级别,不法分子从物理上恢复鉴真参数将会变得非常困难。在极端情况下,如果不法分子不惜成本,制造高精密仪器来对标签进行复原,本发明还可以在工程级别加入一把防暴力破解的锁。当系统疑似检测到有人正在旋转极坐标噪声图案,试图暴力破解标签时,该标签自动失效。
步骤S22,标签真伪的判断标准,是通过对比两个笛卡尔坐标系下的噪声图案得出的。这两个噪声图案一个是原始噪声图案,另一个是捕获的噪声图案。如图11所示,真标签和假标签从肉眼上很难看出区别,但假标签粘贴的角度偏差了一些,这会直接导致噪声图案的偏差。从图中看出,不仅从假标签转换回来的噪声图案没有遵循等分的棋盘格规则,选中噪声图案区域的坐标也发生了位移。
总之,只要上述偏差存在,系统便能辨别标签的真假。
步骤S23,标签攻击检测;
针对本发明的一种典型的攻击是,提前往粘贴在商品的标签上做记号,待到标签被转移下来后,再根据记号推算鉴真参数。且不论在实际操作层面,在标签上做记号的难度有多大,这种方法从理论上确实会对本发明造成威胁。事实上,在标签上做记号等于是对标签图像进行了攻击,因此,出了噪声图案的坐标位移之外,本发明也需要对捕获的标签图像做攻击检测,以提升安全性。
本发明提出使用LBP算子来检测标签是否遭到了攻击。LBP,即Local BinaryPattern,局部二值模式,它是一种用来描述局部纹理特征的算法,常用于人脸识别算法中,它具有旋转不变性和灰度不变性等显著优点。
简单来说,LBP可以理解为在3*3的像素窗口内,以窗口中心的像素值为阈值,进行窗口内二值化来描述图像局部纹理特征的一种技术。如图12所示,在左边的像素窗口中,用中心像素值50作为阈值,周边的像素,小于阈值的填0,大于或等于阈值的填1,从而得出右边的像素窗口,右边窗口即为左边窗口的LBP值。
LBP值描述的是图像的局部纹理情况,因此在噪声图案中所做的记号,都可以通过LBP反映出来。应用LBP算子,系统便可以对捕获的标签图像进行检测,从而判别标签是否被人做了记号或是经过了其它非法修改。
下面针对本发明技术方案提出了一些扩展思路:
从本质上讲,本发明的标签防转移能力,来源于标签中两个图像的相对位置绑定。有人可能会提出一个漏洞,如果将两个图像同时撕下且保留其相对位置,便可以攻破本发明。但事实上,在标签的生产过程中,应用简单方法或工艺手段便可以避免以上情况的发生。第一,内圆与标签模版采用不同粘力的胶水;第二,在内圆与外圆的镂空边缘,应用精细模切工艺添加易损的边缘锯齿;第三,给标签罩上一层透明材料,从而形成一个简单的二层粘力结构,使得内圆不能与标签模版同时被撕下。以上三点互不冲突,可以分开或同时应用。
此外,在本发明的阐述过程中,应用了极坐标与笛卡尔坐标之间相互转换的技术,但可选地,可以将步骤S11中生成的噪声图案,直接放到步骤S13的标签模版中,通过选取一个随机的笛卡尔坐标下的矩形区域,也能完成近似的验证效果。同时,在本发明的所述步骤S21中也已做出说明,在极坐标下选取一个扇形,与笛卡尔坐标下选取一部分,是等价的。
但本发明仍然优选地应用了极坐标技术,其主要原因有如下三个:
1、图案加密。本发明应用极坐标,等于是给笛卡尔坐标的噪声图案加了一层密,如有需要,更强的加密手段也可以被引入进来。
2、无指向性。极坐标是圆形,是没有指向性的,而笛卡尔坐标是矩形,是有指向性的。提前获知噪声图案的指向性会降低破解标签的难度,从而降低标签的安全性。
3、系统性能优势。极坐标下只须记录三组鉴真参数共5个数字就可以了。而笛卡尔坐标下,想要做到类似的效果,则至少需要存储矩形区域的4个顶点的坐标,即需要存储8个数字才能达到相同效果。在大规模的数据处理情况下,选择极坐标具有系统性能优势。
综上所述,本发明基于计算机视觉技术,很好地解决了标签的防转移问题,它主要使用纸张作为载体,可使用主流智能手机进行识别,具有划时代意义。相比现有技术而言,本发明具有极强的防转移性能,具有极低的生产成本,而且具有极好的用户体验。
以上所述只是本发明较佳的实施例,并不用于限制本发明,凡在本发明的技术范围内所做的修改、等同替换或者改进等,均应包含在本发明所保护的范围内。