CN113887438A - 人脸图像的水印检测方法、装置、设备及介质 - Google Patents
人脸图像的水印检测方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN113887438A CN113887438A CN202111167937.4A CN202111167937A CN113887438A CN 113887438 A CN113887438 A CN 113887438A CN 202111167937 A CN202111167937 A CN 202111167937A CN 113887438 A CN113887438 A CN 113887438A
- Authority
- CN
- China
- Prior art keywords
- watermark
- image
- preset
- information
- training
- 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
Links
Images
Classifications
-
- 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
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- 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
Abstract
本发明涉及人工智能技术,揭露了一种人脸图像的水印检测方法,包括:获取多个水印名称和预设的人脸图像,对水印名称和人脸图像进行随机合成处理,得到训练图像集,利用训练图像集训练预设的图像检测模型,得到标准图像检测模型,获取待检测图像,将待检测图像输入至标准图像检测模型中,得到水印检测结果,当水印检测结果为检测成功时,提取待检测图像中的水印信息,并将水印信息输入至预设的支持向量机模型中,得到水印有效性判断结果。此外,本发明还涉及区块链技术,水印检测结果可存储于区块链的节点。本发明还提出一种人脸图像的水印检测装置、电子设备以及存储介质。本发明可以解决检测水印的效率较低的问题。
Description
技术领域
本发明涉及人工智能技术领域,尤其涉及一种人脸图像的水印检测方法、装置、电子设备及计算机可读存储介质。
背景技术
随着移动互联网的发展,类似于移动支付、登录、解锁、身份核验等相关的人脸识别场景在各大互联网领域被广泛的运用,在该场景下一些黑客通过劫持人脸识别的API获取某些APP处理之后的人脸图像,这些图像往往都带有一定的水印,需要对接收到的人脸图像进行是否覆盖水印的筛查,进而抵御黑客或者不法份子的攻击。
现有技术下关于水印的检测方法通常是将图片集合输入到检测算法中,通过算法分离出水印和背景图像,进而检测出水印。采用此种方法,需要搜集使用同一个水印的大量图像集合,并要求这些具有相同可见水印的图像中的水印嵌入的大小、嵌入的相对位置和嵌入的强度相同。这些要求在实际应用中是很难达到的。同时通过分离背景图像进而检测水印的方法效率较低。
发明内容
本发明提供一种人脸图像的水印检测方法、装置及计算机可读存储介质,其主要目的在于解决检测水印的效率较低的问题。
为实现上述目的,本发明提供的一种人脸图像的水印检测方法,包括:
获取多个水印名称和预设的人脸图像,对所述水印名称和所述人脸图像进行随机合成处理,得到训练图像集;
利用所述训练图像集训练预设的图像检测模型,得到标准图像检测模型;
获取待检测图像,将所述待检测图像输入至所述标准图像检测模型中,得到水印检测结果;
当所述水印检测结果为检测成功时,提取所述待检测图像中的水印信息,并将所述水印信息输入至预设的支持向量机模型中,得到水印有效性判断结果。
可选地,所述利用所述训练图像集训练预设的图像检测模型,得到标准图像检测模型,包括:
利用所述图像检测模型中的先验框对所述训练图像集中的训练图像进行框选,得到预测框图;
根据预设的叠加值公式计算所述预测框图和预设的真实框图之间的叠加值;
当所述叠加值小于预设的阈值时,对所述预设的图像检测模型的内部参数进行调整,直到所述叠加值大于或者等于预设的阈值时,得到标准图像检测模型。
可选地,所述对所述水印名称和所述人脸图像进行随机合成处理,得到训练图像集,包括:
识别所述水印名称的名称类别,并根据所述名称类型选择对应的词典对所述水印名称进行扩展,得到相似名称集;
对所述相似名称集中的相似名称进行文字增强处理,得到增强名称集;
将所述人脸图像切分为预设个数的图像区域,并赋予多个所述图像区域不同的权重;
基于所述图像区域不同的权重将所述增强名称集随机添加至所述人脸图像上,得到训练图像集。
可选地,所述提取所述待检测图像中的水印信息,包括:
利用预设的文本识别算法对所述待检测图像进行文本识别,得到识别文本;
解析得到所述识别文本在所述待检测图像中的位置信息;
判断所述识别文本与所述词典中的水印名称是否一致;
若所述识别文本与所述词典中的水印名称一致,将所述识别文本和所述位置信息进行融合,得到水印信息。
可选地,所述将所述水印信息输入至预设的支持向量机模型中,得到水印有效性判断结果,包括:
获取预设的标签集,所述标签集中包含预先设定的有效水印标签和无效水印标签;
利用所述标签集和预设的特征维度构建多维坐标系;
将所述水印信息映射至所述多维坐标系中,得到信息坐标集;
计算所述信息坐标集中任意两个信息坐标之间的欧氏距离,并选择所述欧式距离最小的两个信息坐标为目标信息坐标;
分别以所述目标信息坐标为左边界和右边界,构建在所述左边界和所述右边界中间的超平面函数;
利用所述超平面函数对所述水印信息进行分类,得到水印有效性判断结果。
可选地,所述利用所述超平面函数对所述水印信息进行分类,得到水印有效性判断结果,包括:
计算所述超平面函数到所述目标信息坐标的距离值,并根据距离值构建最小距离函数;
构建约束条件,所述约束条件为每个坐标到超平面的距离都大于等于最小距离函数;
利用预设的拉格朗日函数求解基于所述约束条件的最小距离函数,得到超平面;
根据所述超平面对所述水印信息进行划分,得到划分结果,将所述划分结果输入至所述支持向量机模型中的高斯核函数中,得到水印概率值;
将所述水印概率值与预设的有效阈值进行比对,当所述水印概率值大于所述有效阈值时,将所述水印有效性判断结果输出为有效水印。
可选地,所述利用预设的拉格朗日函数求解基于所述约束条件的最小距离函数,得到超平面,包括:
根据拉格朗日函数将所述约束条件和所述最小距离函数构造成拉格朗日目标函数;
对所述拉格朗日目标函数进行求解,得到超平面。
为了解决上述问题,本发明还提供一种人脸图像的水印检测装置,所述装置包括:
随机合成模块,用于获取多个水印名称和预设的人脸图像,对所述水印名称和所述人脸图像进行随机合成处理,得到训练图像集;
模型训练模块,用于利用所述训练图像集训练预设的图像检测模型,得到标准图像检测模型;
水印检测模块,用于获取待检测图像,将所述待检测图像输入至所述标准图像检测模型中,得到水印检测结果;
有效性判断模块,用于当所述水印检测结果为检测成功时,提取所述待检测图像中的水印信息,并将所述水印信息输入至预设的支持向量机模型中,得到水印有效性判断结果。
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,以使所述至少一个处理器能够执行上述所述的人脸图像的水印检测方法。
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人脸图像的水印检测方法。
本发明实施例通过对水印名称和人脸图像进行随机合成处理,得到训练图像集,所述训练图像集中包含大量随机合成的训练图像,利用训练图像集训练预设的图像检测模型,可以增强模型的鲁棒性。将待检测图像输入至训练后的标准图像检测模型中,得到水印检测结果,所述水印检测结果用于说明检测到是否含有水印,当水印检测结果为检测成功时,提取待检测图像中的水印信息,将水印信息输入至预设的支持向量机模型中,得到水印有效性判断结果。所述支持向量机模型可以实现高效且准确的分类,进而提高检测水印的效率。因此本发明提出的人脸图像的水印检测方法、装置、电子设备及计算机可读存储介质,可以解决检测水印的效率较低的问题。
附图说明
图1为本发明一实施例提供的人脸图像的水印检测方法的流程示意图;
图2为本发明一实施例提供的人脸图像的水印检测装置的功能模块图;
图3为本发明一实施例提供的实现所述人脸图像的水印检测方法的电子设备的结构示意图。
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人脸图像的水印检测方法。所述人脸图像的水印检测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,所述人脸图像的水印检测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。所述服务器可以是独立的服务器,也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(ContentDelivery Network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示,为本发明一实施例提供的人脸图像的水印检测方法的流程示意图。在本实施例中,所述人脸图像的水印检测方法包括:
S1、获取多个水印名称和预设的人脸图像,对所述水印名称和所述人脸图像进行随机合成处理,得到训练图像集。
本发明实施例中,所述多个水印名称是指市面上已有的中文和英文的水印名称,所述预设的人脸图像包含不同性别、不同年龄、不同身份的多张图像。
具体地,所述对所述水印名称和所述人脸图像进行随机合成处理,得到训练图像集,包括:
识别所述水印名称的名称类别,并根据所述名称类型选择对应的词典对所述水印名称进行扩展,得到相似名称集;
对所述相似名称集中的相似名称进行文字增强处理,得到增强名称集;
将所述人脸图像切分为预设个数的图像区域,并赋予多个所述图像区域不同的权重;
基于所述图像区域不同的权重将所述增强名称集随机添加至所述人脸图像上,得到训练图像集。
详细地,在本发明实施例中,所述水印名称的名称类别分别为中文水印名称和英文水印名称,根据所述名称类型选择对应的词典对所述水印名称进行扩展即中文水印名称通过Hownet匹配检索相似名称,英文水印名称通过Wordnet匹配检索相似名称,汇总得到相似名称集。
进一步地,所述对所述相似名称集中的相似名称进行文字增强处理是从文字大小、字体类别、文字颜色和透明度等几个维度进行增强处理,所述文字大小的随机范围为10px~50px,所述字体类别的随机范围为:中文:[宋体、微软雅黑、楷体、黑体、娃娃体、汉仪秀英、小篆]、英文:[Times New Roman、Lucida Handwriting、Zapfino、businesspenmanship、Blackadder ITC],所述文字颜色的随机范围在理论上是#000000~#FFFFFF,但是考虑到实际贴图的效果,会剔除实际水印位置所在图像的颜色均值,所述透明度的范围为[0,1]。
详细地,将所述人脸图像切分为预设个数的图像区域,并赋予多个所述图像区域不同的权重,例如,所述人脸图像的大小为640*480像素,将所述人脸图像分割为大小相等的12个区域,考虑到实际人脸的场景中水印不能遮挡人脸,而人脸的位置往往居于中心位置,所以设定多个所述图像区域中四个角的权重为4,中心区域权重为1,其余位置权重为2。
本发明实施例中,基于所述图像区域不同的权重将所述增强名称集随机添加至所述人脸图像上,得到训练图像集,所述训练图像集包含多张水印位置,文字大小,字体类别,文字颜色等不同且随机组合的图像,后续利用所述训练图像集对模型进行训练,可以增加模型的鲁棒性。
S2、利用所述训练图像集训练预设的图像检测模型,得到标准图像检测模型。
本发明实施例中,利用所述训练图像集训练预设的图像检测模型,令训练好的图像检测模型为标准图像检测模型。所述标准图像检测模型可以检测出图片中是否含有水印。
其中,所述图像检测模型可以为Faster-R-CNN、YOL0检测模型等。
具体地,所述利用所述训练图像集训练预设的图像检测模型,得到标准图像检测模型,包括:
利用所述图像检测模型中的先验框对所述训练图像集中的训练图像进行框选,得到预测框图;
根据预设的叠加值公式计算所述预测框图和预设的真实框图之间的叠加值;
当所述叠加值小于预设的阈值时,对所述预设的图像检测模型的内部参数进行调整,并返回所述利用所述图像检测模型中的先验框对所述训练图像集中的训练图像进行框选,得到预测框图的步骤,直到所述叠加值大于或者等于预设的阈值时,得到标准图像检测模型。
本发明实施例根据所述图像检测模型中的先验框在所述训练图像上进行框选,得到的预测框图中即包含利用所述图像检测模型预测得到的水印所在的图像位置区域,所述真实框图为提前在所述训练图像中标注好水印所在的图像位置区域的图像。
进一步地,本发明实施例利用下述叠加值公式计算所述预测框图和预设的真实框图之间的叠加值:
其中,DetectionResult为所述预测框图,GroundTruth为所述真实框图,DetectionResult∩GroundTruth为所述预测框图和所述真实框图之间的交集,DetectionResult∪GroundTruth为所述预测框图和所述真实框图之间的并集,IOU为所述叠加值。
详细地,所述叠加值与所述阈值的比较情况可以反映出此时的图像检测模型的检测情况,当所述叠加值小于所述阈值时,说明所述预测框图与所述真实框图的相似度较小,此时图像检测模型的检测能力不够强,因此需要对所述图像检测模型进行模型参数的调整,其中,所述模型参数可以为所述图像检测模型的模型权重或者模型梯度,利用调整完模型参数后的图像检测模型重新执行图像检测处理,直至所述叠加值大于或者等于所述阈值时,将此时的图像检测模型输出为标准图像检测模型。
S3、获取待检测图像,将所述待检测图像输入至所述标准图像检测模型中,得到水印检测结果。
本发明实施例中,所述待检测图像为需要被识别是否包含水印的人脸图像。
具体地,将所述待检测图像输入至所述标准图像检测模型中,所述标准图像检测模型可以输出关于所述待检测图像中是否检测到水印的水印检测结果,其中,所述标准图像检测模型可以进行是否有水印检测判定。
其中,所述水印检测结果存在检测成功和检测失败两种可能,所述检测成功为检测到所述待检测图像中存在水印,所述检测失败为未检测到所述待检测图像中存在水印。
S4、当所述水印检测结果为检测成功时,提取所述待检测图像中的水印信息,并将所述水印信息输入至预设的支持向量机模型中,得到水印有效性判断结果。
本发明实施例中,当所述水印检测结果为检测成功时,说明所述待检测图像中存在水印,因此需要对所述待检测图像中相关的水印信息进行提取处理,得到水印信息。
具体地,所述提取所述待检测图像中的水印信息,包括:
利用预设的文本识别算法对所述待检测图像进行文本识别,得到识别文本;
解析得到所述识别文本在所述待检测图像中的位置信息;
判断所述识别文本与所述词典中的水印名称是否一致;
若所述识别文本与所述词典中的水印名称一致,将所述识别文本和所述位置信息进行融合,得到水印信息。
详细地,所述文本识别算法为OCR算法。所述识别文本在所述待检测图像中的位置信息包括水印位置坐标(x,y),水印占全图的比例,水印的概率,水印的类别(中文水印、英文水印),水印区域的颜色RGB均值。
进一步地,所述将所述水印信息输入至预设的支持向量机模型中,得到水印有效性判断结果,包括:
获取预设的标签集,所述标签集中包含预先设定的有效水印标签和无效水印标签;
利用所述标签集和预设的特征维度构建多维坐标系;
将所述水印信息映射至所述多维坐标系中,得到信息坐标集;
计算所述信息坐标集中任意两个信息坐标之间的欧氏距离,并选择所述欧式距离最小的两个信息坐标为目标信息坐标;
分别以所述目标信息坐标为左边界和右边界,构建在所述左边界和所述右边界中间的超平面函数;
利用所述超平面函数对所述水印信息进行分类,得到水印有效性判断结果。
具体地,所述利用所述超平面函数对所述水印信息进行分类,得到水印有效性判断结果,包括:
计算所述超平面函数到所述目标信息坐标的距离值,并根据距离值构建最小距离函数;
构建约束条件,所述约束条件为每个坐标到超平面的距离都大于等于最小距离函数;
利用预设的拉格朗日函数求解基于所述约束条件的最小距离函数,得到超平面;
根据所述超平面对所述水印信息进行划分,得到划分结果,将所述划分结果输入至所述支持向量机模型中的高斯核函数中,得到水印概率值;
将所述水印概率值与预设的有效阈值进行比对,当所述水印概率值大于所述有效阈值时,将所述水印有效性判断结果输出为有效水印。
详细地,所述利用预设的拉格朗日函数求解基于所述约束条件的最小距离函数,得到超平面,包括:
根据拉格朗日函数将所述约束条件和所述最小距离函数构造成拉格朗日目标函数;
对所述拉格朗日目标函数进行求解,得到超平面。
详细地,所述拉格朗日目标函数为:
其中,αi为拉格朗日乘子,w和b为预设的固定参数,xi为第i个目标信息坐标,yi为标签。
优选地,所述有效阈值可以为0.65。
本发明实施例通过对水印名称和人脸图像进行随机合成处理,得到训练图像集,所述训练图像集中包含大量随机合成的训练图像,利用训练图像集训练预设的图像检测模型,可以增强模型的鲁棒性。将待检测图像输入至训练后的标准图像检测模型中,得到水印检测结果,所述水印检测结果用于说明检测到是否含有水印,当水印检测结果为检测成功时,提取待检测图像中的水印信息,将水印信息输入至预设的支持向量机模型中,得到水印有效性判断结果。所述支持向量机模型可以实现高效且准确的分类,进而提高检测水印的效率。因此本发明提出的人脸图像的水印检测方法可以解决检测水印的效率较低的问题。
如图2所示,是本发明一实施例提供的人脸图像的水印检测装置的功能模块图。
本发明所述人脸图像的水印检测装置100可以安装于电子设备中。根据实现的功能,所述人脸图像的水印检测装置100可以包括随机合成模块101、模型训练模块102、水印检测模块103及有效性判断模块104。本发明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:
所述随机合成模块101,用于获取多个水印名称和预设的人脸图像,对所述水印名称和所述人脸图像进行随机合成处理,得到训练图像集;
所述模型训练模块102,用于利用所述训练图像集训练预设的图像检测模型,得到标准图像检测模型;
所述水印检测模块103,用于获取待检测图像,将所述待检测图像输入至所述标准图像检测模型中,得到水印检测结果;
所述有效性判断模块104,用于当所述水印检测结果为检测成功时,提取所述待检测图像中的水印信息,并将所述水印信息输入至预设的支持向量机模型中,得到水印有效性判断结果。
详细地,所述人脸图像的水印检测装置100各模块的具体实施方式如下:
步骤一、获取多个水印名称和预设的人脸图像,对所述水印名称和所述人脸图像进行随机合成处理,得到训练图像集。
本发明实施例中,所述多个水印名称是指市面上已有的中文和英文的水印名称,所述预设的人脸图像包含不同性别、不同年龄、不同身份的多张图像。
具体地,所述对所述水印名称和所述人脸图像进行随机合成处理,得到训练图像集,包括:
识别所述水印名称的名称类别,并根据所述名称类型选择对应的词典对所述水印名称进行扩展,得到相似名称集;
对所述相似名称集中的相似名称进行文字增强处理,得到增强名称集;
将所述人脸图像切分为预设个数的图像区域,并赋予多个所述图像区域不同的权重;
基于所述图像区域不同的权重将所述增强名称集随机添加至所述人脸图像上,得到训练图像集。
详细地,在本发明实施例中,所述水印名称的名称类别分别为中文水印名称和英文水印名称,根据所述名称类型选择对应的词典对所述水印名称进行扩展即中文水印名称通过Hownet匹配检索相似名称,英文水印名称通过Wordnet匹配检索相似名称,汇总得到相似名称集。
进一步地,所述对所述相似名称集中的相似名称进行文字增强处理是从文字大小、字体类别、文字颜色和透明度等几个维度进行增强处理,所述文字大小的随机范围为10px~50px,所述字体类别的随机范围为:中文:[宋体、微软雅黑、楷体、黑体、娃娃体、汉仪秀英、小篆]、英文:[Times New Roman、Lucida Handwriting、Zapfino、businesspenmanship、Blackadder ITC],所述文字颜色的随机范围在理论上是#000000~#FFFFFF,但是考虑到实际贴图的效果,会剔除实际水印位置所在图像的颜色均值,所述透明度的范围为[0,1]。
详细地,将所述人脸图像切分为预设个数的图像区域,并赋予多个所述图像区域不同的权重,例如,所述人脸图像的大小为640*480像素,将所述人脸图像分割为大小相等的12个区域,考虑到实际人脸的场景中水印不能遮挡人脸,而人脸的位置往往居于中心位置,所以设定多个所述图像区域中四个角的权重为4,中心区域权重为1,其余位置权重为2。
本发明实施例中,基于所述图像区域不同的权重将所述增强名称集随机添加至所述人脸图像上,得到训练图像集,所述训练图像集包含多张水印位置,文字大小,字体类别,文字颜色等不同且随机组合的图像,后续利用所述训练图像集对模型进行训练,可以增加模型的鲁棒性。
步骤二、利用所述训练图像集训练预设的图像检测模型,得到标准图像检测模型。
本发明实施例中,利用所述训练图像集训练预设的图像检测模型,令训练好的图像检测模型为标准图像检测模型。所述标准图像检测模型可以检测出图片中是否含有水印。
其中,所述图像检测模型可以为Faster-R-CNN、YOL0检测模型等。
具体地,所述利用所述训练图像集训练预设的图像检测模型,得到标准图像检测模型,包括:
利用所述图像检测模型中的先验框对所述训练图像集中的训练图像进行框选,得到预测框图;
根据预设的叠加值公式计算所述预测框图和预设的真实框图之间的叠加值;
当所述叠加值小于预设的阈值时,对所述预设的图像检测模型的内部参数进行调整,并返回所述利用所述图像检测模型中的先验框对所述训练图像集中的训练图像进行框选,得到预测框图的步骤,直到所述叠加值大于或者等于预设的阈值时,得到标准图像检测模型。
本发明实施例根据所述图像检测模型中的先验框在所述训练图像上进行框选,得到的预测框图中即包含利用所述图像检测模型预测得到的水印所在的图像位置区域,所述真实框图为提前在所述训练图像中标注好水印所在的图像位置区域的图像。
进一步地,本发明实施例利用下述叠加值公式计算所述预测框图和预设的真实框图之间的叠加值:
其中,DetectionResult为所述预测框图,GroundTruth为所述真实框图,DetectionResult∩GroundTruth为所述预测框图和所述真实框图之间的交集,DetectionResult∪GroundTruth为所述预测框图和所述真实框图之间的并集,IOU为所述叠加值。
详细地,所述叠加值与所述阈值的比较情况可以反映出此时的图像检测模型的检测情况,当所述叠加值小于所述阈值时,说明所述预测框图与所述真实框图的相似度较小,此时图像检测模型的检测能力不够强,因此需要对所述图像检测模型进行模型参数的调整,其中,所述模型参数可以为所述图像检测模型的模型权重或者模型梯度,利用调整完模型参数后的图像检测模型重新执行图像检测处理,直至所述叠加值大于或者等于所述阈值时,将此时的图像检测模型输出为标准图像检测模型。
步骤三、获取待检测图像,将所述待检测图像输入至所述标准图像检测模型中,得到水印检测结果。
本发明实施例中,所述待检测图像为需要被识别是否包含水印的人脸图像。
具体地,将所述待检测图像输入至所述标准图像检测模型中,所述标准图像检测模型可以输出关于所述待检测图像中是否检测到水印的水印检测结果,其中,所述标准图像检测模型可以进行是否有水印检测判定。
其中,所述水印检测结果存在检测成功和检测失败两种可能,所述检测成功为检测到所述待检测图像中存在水印,所述检测失败为未检测到所述待检测图像中存在水印。
步骤四、当所述水印检测结果为检测成功时,提取所述待检测图像中的水印信息,并将所述水印信息输入至预设的支持向量机模型中,得到水印有效性判断结果。
本发明实施例中,当所述水印检测结果为检测成功时,说明所述待检测图像中存在水印,因此需要对所述待检测图像中相关的水印信息进行提取处理,得到水印信息。
具体地,所述提取所述待检测图像中的水印信息,包括:
利用预设的文本识别算法对所述待检测图像进行文本识别,得到识别文本;
解析得到所述识别文本在所述待检测图像中的位置信息;
判断所述识别文本与所述词典中的水印名称是否一致;
若所述识别文本与所述词典中的水印名称一致,将所述识别文本和所述位置信息进行融合,得到水印信息。
详细地,所述文本识别算法为OCR算法。所述识别文本在所述待检测图像中的位置信息包括水印位置坐标(x,y),水印占全图的比例,水印的概率,水印的类别(中文水印、英文水印),水印区域的颜色RGB均值。
进一步地,所述将所述水印信息输入至预设的支持向量机模型中,得到水印有效性判断结果,包括:
获取预设的标签集,所述标签集中包含预先设定的有效水印标签和无效水印标签;
利用所述标签集和预设的特征维度构建多维坐标系;
将所述水印信息映射至所述多维坐标系中,得到信息坐标集;
计算所述信息坐标集中任意两个信息坐标之间的欧氏距离,并选择所述欧式距离最小的两个信息坐标为目标信息坐标;
分别以所述目标信息坐标为左边界和右边界,构建在所述左边界和所述右边界中间的超平面函数;
利用所述超平面函数对所述水印信息进行分类,得到水印有效性判断结果。
具体地,所述利用所述超平面函数对所述水印信息进行分类,得到水印有效性判断结果,包括:
计算所述超平面函数到所述目标信息坐标的距离值,并根据距离值构建最小距离函数;
构建约束条件,所述约束条件为每个坐标到超平面的距离都大于等于最小距离函数;
利用预设的拉格朗日函数求解基于所述约束条件的最小距离函数,得到超平面;
根据所述超平面对所述水印信息进行划分,得到划分结果,将所述划分结果输入至所述支持向量机模型中的高斯核函数中,得到水印概率值;
将所述水印概率值与预设的有效阈值进行比对,当所述水印概率值大于所述有效阈值时,将所述水印有效性判断结果输出为有效水印。
详细地,所述利用预设的拉格朗日函数求解基于所述约束条件的最小距离函数,得到超平面,包括:
根据拉格朗日函数将所述约束条件和所述最小距离函数构造成拉格朗日目标函数;
对所述拉格朗日目标函数进行求解,得到超平面。
详细地,所述拉格朗日目标函数为:
其中,αi为拉格朗日乘子,w和b为预设的固定参数,xi为第i个目标信息坐标,yi为标签。
优选地,所述有效阈值可以为0.65。
本发明实施例通过对水印名称和人脸图像进行随机合成处理,得到训练图像集,所述训练图像集中包含大量随机合成的训练图像,利用训练图像集训练预设的图像检测模型,可以增强模型的鲁棒性。将待检测图像输入至训练后的标准图像检测模型中,得到水印检测结果,所述水印检测结果用于说明检测到是否含有水印,当水印检测结果为检测成功时,提取待检测图像中的水印信息,将水印信息输入至预设的支持向量机模型中,得到水印有效性判断结果。所述支持向量机模型可以实现高效且准确的分类,进而提高检测水印的效率。因此本发明提出的人脸图像的水印检测装置可以解决检测水印的效率较低的问题。
如图3所示,是本发明一实施例提供的实现人脸图像的水印检测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、通信总线12以及通信接口13,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,如人脸图像的水印检测程序。
其中,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(ControlUnit),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(例如执行人脸图像的水印检测程序等),以及调用存储在所述存储器11内的数据,以执行电子设备的各种功能和处理数据。
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的内部存储单元,例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备,例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(Secure Digital,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的应用软件及各类数据,例如人脸图像的水印检测程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线12可以是外设部件互连标准(peripheral componentinterconnect,简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture,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。
所述通信接口13用于上述电子设备与其他设备之间的通信,包括网络接口和用户接口。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与其他电子设备之间建立通信连接。所述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中处理的信息以及用于显示可视化的用户界面。
图3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3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。
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存储的人脸图像的水印检测程序是多个指令的组合,在所述处理器10中运行时,可以实现:
获取多个水印名称和预设的人脸图像,对所述水印名称和所述人脸图像进行随机合成处理,得到训练图像集;
利用所述训练图像集训练预设的图像检测模型,得到标准图像检测模型;
获取待检测图像,将所述待检测图像输入至所述标准图像检测模型中,得到水印检测结果;
当所述水印检测结果为检测成功时,提取所述待检测图像中的水印信息,并将所述水印信息输入至预设的支持向量机模型中,得到水印有效性判断结果。
具体地,所述处理器10对上述指令的具体实现方法可参考附图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,可以存储在一个计算机可读存储介质中。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:
获取多个水印名称和预设的人脸图像,对所述水印名称和所述人脸图像进行随机合成处理,得到训练图像集;
利用所述训练图像集训练预设的图像检测模型,得到标准图像检测模型;
获取待检测图像,将所述待检测图像输入至所述标准图像检测模型中,得到水印检测结果;
当所述水印检测结果为检测成功时,提取所述待检测图像中的水印信息,并将所述水印信息输入至预设的支持向量机模型中,得到水印有效性判断结果。
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。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
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。第一、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)
1.一种人脸图像的水印检测方法,其特征在于,所述方法包括:
获取多个水印名称和预设的人脸图像,对所述水印名称和所述人脸图像进行随机合成处理,得到训练图像集;
利用所述训练图像集训练预设的图像检测模型,得到标准图像检测模型;
获取待检测图像,将所述待检测图像输入至所述标准图像检测模型中,得到水印检测结果;
当所述水印检测结果为检测成功时,提取所述待检测图像中的水印信息,并将所述水印信息输入至预设的支持向量机模型中,得到水印有效性判断结果。
2.如权利要求1所述的人脸图像的水印检测方法,其特征在于,所述利用所述训练图像集训练预设的图像检测模型,得到标准图像检测模型,包括:
利用所述图像检测模型中的先验框对所述训练图像集中的训练图像进行框选,得到预测框图;
根据预设的叠加值公式计算所述预测框图和预设的真实框图之间的叠加值;
当所述叠加值小于预设的阈值时,对所述预设的图像检测模型的内部参数进行调整,直到所述叠加值大于或者等于预设的阈值时,得到标准图像检测模型。
3.如权利要求1所述的人脸图像的水印检测方法,其特征在于,所述对所述水印名称和所述人脸图像进行随机合成处理,得到训练图像集,包括:
识别所述水印名称的名称类别,并根据所述名称类型选择对应的词典对所述水印名称进行扩展,得到相似名称集;
对所述相似名称集中的相似名称进行文字增强处理,得到增强名称集;
将所述人脸图像切分为预设个数的图像区域,并赋予多个所述图像区域不同的权重;
基于所述图像区域不同的权重将所述增强名称集随机添加至所述人脸图像上,得到训练图像集。
4.如权利要求1所述的人脸图像的水印检测方法,其特征在于,所述提取所述待检测图像中的水印信息,包括:
利用预设的文本识别算法对所述待检测图像进行文本识别,得到识别文本;
解析得到所述识别文本在所述待检测图像中的位置信息;
判断所述识别文本与所述词典中的水印名称是否一致;
若所述识别文本与所述词典中的水印名称一致,将所述识别文本和所述位置信息进行融合,得到水印信息。
5.如权利要求1所述的人脸图像的水印检测方法,其特征在于,所述将所述水印信息输入至预设的支持向量机模型中,得到水印有效性判断结果,包括:
获取预设的标签集,所述标签集中包含预先设定的有效水印标签和无效水印标签;
利用所述标签集和预设的特征维度构建多维坐标系;
将所述水印信息映射至所述多维坐标系中,得到信息坐标集;
计算所述信息坐标集中任意两个信息坐标之间的欧氏距离,并选择所述欧式距离最小的两个信息坐标为目标信息坐标;
分别以所述目标信息坐标为左边界和右边界,构建在所述左边界和所述右边界中间的超平面函数;
利用所述超平面函数对所述水印信息进行分类,得到水印有效性判断结果。
6.如权利要求5所述的人脸图像的水印检测方法,其特征在于,所述利用所述超平面函数对所述水印信息进行分类,得到水印有效性判断结果,包括:
计算所述超平面函数到所述目标信息坐标的距离值,并根据距离值构建最小距离函数;
构建约束条件,所述约束条件为每个坐标到超平面的距离都大于等于最小距离函数;
利用预设的拉格朗日函数求解基于所述约束条件的最小距离函数,得到超平面;
根据所述超平面对所述水印信息进行划分,得到划分结果,将所述划分结果输入至所述支持向量机模型中的高斯核函数中,得到水印概率值;
将所述水印概率值与预设的有效阈值进行比对,当所述水印概率值大于所述有效阈值时,将所述水印有效性判断结果输出为有效水印。
7.如权利要求6所述的人脸图像的水印检测方法,其特征在于,所述利用预设的拉格朗日函数求解基于所述约束条件的最小距离函数,得到超平面,包括:
根据拉格朗日函数将所述约束条件和所述最小距离函数构造成拉格朗日目标函数;
对所述拉格朗日目标函数进行求解,得到超平面。
8.一种人脸图像的水印检测装置,其特征在于,所述装置包括:
随机合成模块,用于获取多个水印名称和预设的人脸图像,对所述水印名称和所述人脸图像进行随机合成处理,得到训练图像集;
模型训练模块,用于利用所述训练图像集训练预设的图像检测模型,得到标准图像检测模型;
水印检测模块,用于获取待检测图像,将所述待检测图像输入至所述标准图像检测模型中,得到水印检测结果;
有效性判断模块,用于当所述水印检测结果为检测成功时,提取所述待检测图像中的水印信息,并将所述水印信息输入至预设的支持向量机模型中,得到水印有效性判断结果。
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中任意一项所述的人脸图像的水印检测方法。
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中任意一项所述的人脸图像的水印检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111167937.4A CN113887438A (zh) | 2021-09-30 | 2021-09-30 | 人脸图像的水印检测方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111167937.4A CN113887438A (zh) | 2021-09-30 | 2021-09-30 | 人脸图像的水印检测方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113887438A true CN113887438A (zh) | 2022-01-04 |
Family
ID=79005436
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111167937.4A Pending CN113887438A (zh) | 2021-09-30 | 2021-09-30 | 人脸图像的水印检测方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113887438A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114842476A (zh) * | 2022-06-29 | 2022-08-02 | 北京百度网讯科技有限公司 | 水印检测方法及装置、模型训练方法及装置 |
CN116542838A (zh) * | 2023-07-03 | 2023-08-04 | 平安银行股份有限公司 | 一种水印安全处理方法、装置、系统及介质 |
WO2023246402A1 (zh) * | 2022-06-23 | 2023-12-28 | 北京火山引擎科技有限公司 | 模型的训练方法、水印文本识别方法及相关设备 |
-
2021
- 2021-09-30 CN CN202111167937.4A patent/CN113887438A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023246402A1 (zh) * | 2022-06-23 | 2023-12-28 | 北京火山引擎科技有限公司 | 模型的训练方法、水印文本识别方法及相关设备 |
CN114842476A (zh) * | 2022-06-29 | 2022-08-02 | 北京百度网讯科技有限公司 | 水印检测方法及装置、模型训练方法及装置 |
CN116542838A (zh) * | 2023-07-03 | 2023-08-04 | 平安银行股份有限公司 | 一种水印安全处理方法、装置、系统及介质 |
CN116542838B (zh) * | 2023-07-03 | 2024-03-29 | 平安银行股份有限公司 | 一种水印安全处理方法、装置、系统及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113887438A (zh) | 人脸图像的水印检测方法、装置、设备及介质 | |
CN112699775A (zh) | 基于深度学习的证件识别方法、装置、设备及存储介质 | |
CN111898538B (zh) | 证件鉴伪方法、装置、电子设备及存储介质 | |
CN112396005A (zh) | 生物特征图像识别方法、装置、电子设备及可读存储介质 | |
WO2022126978A1 (zh) | 发票信息抽取方法、装置、计算机设备及存储介质 | |
CN113704614A (zh) | 基于用户画像的页面生成方法、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 | |
CN114881698A (zh) | 广告合规审核方法、装置、电子设备及存储介质 | |
CN113033543A (zh) | 曲形文本识别方法、装置、设备及介质 | |
CN114898373A (zh) | 文件脱敏方法、装置、电子设备及存储介质 | |
CN114708461A (zh) | 基于多模态学习模型的分类方法、装置、设备及存储介质 | |
CN114049568A (zh) | 基于图像比对的标的物形变检测方法、装置、设备及介质 | |
CN112528903B (zh) | 人脸图像获取方法、装置、电子设备及介质 | |
CN112668575A (zh) | 关键信息提取方法、装置、电子设备及存储介质 | |
CN113705469A (zh) | 人脸识别方法、装置、电子设备及计算机可读存储介质 | |
CN113065607A (zh) | 图像检测方法、装置、电子设备及介质 | |
CN114390200B (zh) | 相机作弊识别方法、装置、设备及存储介质 | |
CN112906671B (zh) | 面审虚假图片识别方法、装置、电子设备及存储介质 | |
CN113255456B (zh) | 非主动活体检测方法、装置、电子设备及存储介质 | |
CN114913518A (zh) | 基于图像处理的车牌识别方法、装置、设备及介质 | |
CN115471775A (zh) | 基于录屏视频的信息验证方法、装置、设备及存储介质 | |
CN112101192B (zh) | 基于人工智能的伪装检测方法、装置、设备及介质 | |
CN113627394A (zh) | 人脸提取方法、装置、电子设备及可读存储介质 | |
CN113536782A (zh) | 敏感词识别方法、装置、电子设备及存储介质 | |
CN114463685A (zh) | 行为识别方法、装置、电子设备及存储介质 |
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 |