CN115063613B - 一种验证商品标签的方法及装置 - Google Patents

一种验证商品标签的方法及装置 Download PDF

Info

Publication number
CN115063613B
CN115063613B CN202210950919.1A CN202210950919A CN115063613B CN 115063613 B CN115063613 B CN 115063613B CN 202210950919 A CN202210950919 A CN 202210950919A CN 115063613 B CN115063613 B CN 115063613B
Authority
CN
China
Prior art keywords
image
detected
sub
standard
pixel
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.)
Active
Application number
CN202210950919.1A
Other languages
English (en)
Other versions
CN115063613A (zh
Inventor
陈斌
冯谨强
刘继超
金岩
唐至威
胡国锋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hainayun IoT Technology Co Ltd
Qingdao Hainayun Digital Technology Co Ltd
Qingdao Hainayun Intelligent System Co Ltd
Original Assignee
Hainayun IoT Technology Co Ltd
Qingdao Hainayun Digital Technology Co Ltd
Qingdao Hainayun Intelligent System Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hainayun IoT Technology Co Ltd, Qingdao Hainayun Digital Technology Co Ltd, Qingdao Hainayun Intelligent System Co Ltd filed Critical Hainayun IoT Technology Co Ltd
Priority to CN202210950919.1A priority Critical patent/CN115063613B/zh
Publication of CN115063613A publication Critical patent/CN115063613A/zh
Application granted granted Critical
Publication of CN115063613B publication Critical patent/CN115063613B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06V10/70—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
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • 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
    • 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
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明属于图像处理计算领域，公开一种验证商品标签的方法及装置：按照预设分割方式分别对标准图像和待检测图像进行分割，得到分割后的标准子图像和待检测子图像；通过将待检测子图像与标准子图像对比，对待检测子图像各个第二像素点的坐标值和像素值进行调整，得到调整后的目标待检测图像；根据目标待检测图像和标准图像的相似度对比结果，确定目标待检测图像的真假。本发明通过对待检测图像和标准图像进行分割得到待检测子图像和标准子图像，通过对比待检测子图像和标准子图像，对待检测图像分块调整，得到调整后的目标待检测图像，提高了对待检测图像的调整精度，同时根据计相似度对比结果确定真假，避免了校正时带来的误差影响验证精度。

Description

一种验证商品标签的方法及装置
技术领域
本发明属于图像处理计算领域，具体地说，涉及一种验证商品标签的方法及装置。
背景技术
现有技术中图像防伪技术越来越广泛，有些产品为了减少包装和防伪成本，公司会制作一种商品标签，将商品的生产日期以及类似指纹图案印刷在标签上，用户在购买商品以后，可以通过手机等设备拍摄商品的标签，将拍摄的待检测标签与标准标签进行对比，来鉴别购买的商品的真伪，由于采用手机等设备拍摄待检测标签，会存在角度亮度等问题，通常会将待检测标签与标准标签进行对比，然后对待检测标签进行调整，存在调整误差较大，调整精度不准确的问题。
有鉴于此特提出本发明。
发明内容
本发明要解决的技术问题在于克服现有技术的不足，提供一种验证商品标签的方法及装置，以解决现有技术中直接待检测标签与标准标签进行对比，对待检测标签调整时调整精度较低的问题，提高对待检测标签的调整精度。
为解决上述技术问题，本发明采用技术方案的基本构思是：
第一方面，本发明提供了一种验证商品标签的方法，包括：
按照预设分割方式分别对标准图像和待检测图像进行分割，得到分割后的标准子图像和待检测子图像；
通过将所述待检测子图像与所述标准子图像对比，对待检测子图像各个第二像素点的坐标值和像素值进行调整，得到调整后的目标待检测图像；
根据所述目标待检测图像和所述标准图像的相似度对比结果，确定所述目标待检测图像的真假。
可选的，所述预设分割方式包括：
根据标准图像和待检测图像中匹配的特征点组合确定标准图像中的第一特征点的数量；
根据所述第一特征点的数量，对标准图像进行分割得到标准子图像；各个标准子图像中的第一特征点的数量分布均匀。
可选的，每组匹配的特征点组合中包括第一特征点和第二特征点，所述第一特征点由多个第一像素点组成，所述第二特征点由多个第二像素点组成，通过将所述将待检测子图像和标准子图像对比，对待检测子图像各个第二像素点的坐标值进行调整，得到调整后的目标待检测图像，包括：
根据每组匹配的特征点组合的第一坐标值和第二坐标值进行对比，确定转换矩阵；第一坐标值为第一特征点在标准子图像中的坐标值；第二坐标值为第二特征点在待检测子图像中的坐标值；
利用所述转换矩阵对各个待检测子图像中各个第二像素点进行校正，得到目标待检测图像。
可选的，通过将所述将待检测子图像和标准子图像对比，对各个待检测子图像进行调整，得到调整后的目标待检测图像，还包括：
将相互对应的待检测子图像和标准子图像进行对比，对标准子图像中各个第二像素点的像素值进行处理，得到目标待检测图像。
可选的，将相互对应的待检测子图像和标准子图像进行对比，对标准子图像中各个第二像素点的像素值进行处理，包括：
针对每个待检测子图像的每个第二像素点，若所述第二像素点的像素值大于等于该待检测子图像的第一预设像素值，则确定所述第二像素点的像素值为第二预设像素值；
针对每个待检测子图像的每个第二像素点，若所述第二像素点的像素值小于等于该待检测子图像的第三预设像素值，则确定所述第二像素点的像素值为第四预设像素值；
针对每个待检测子图像的每个第二像素点，若所述第二像素点的像素值在该待检测子图像的第一预设像素值和第三预设像素值之间，则利用预设公式计算出所述第二像素点的目标像素值。
可选的，根据所述目标待检测图像和所述标准图像的相似度对比结果，确定所述待检测图像的真假，包括：
若所述相似度对比结果大于等于预设阈值，则确定所述目标待检测图像为真实；
若所述相似度对比结果小于所述预设阈值，则确定所述目标待检测图像为虚假。
第二方面，本发明提供了一种验证商品标签的装置，包括：
分割模块，用于按照预设分割方式分别对标准图像和待检测图像进行分割，得到分割后的标准子图像和待检测子图像；
调整模块，用于通过将所述待检测子图像与所述标准子图像对比，对待检测子图像各个第二像素点的坐标值和像素值进行调整，得到调整后的目标待检测图像；
确定模块，用于根据所述目标待检测图像和所述标准图像的相似度对比结果，确定所述目标待检测图像的真假。
可选的，所述分割模块包括：
第一确定单元，用于根据标准图像和待检测图像中匹配的特征点组合确定标准图像中的第一特征点的数量；
分割单元，根据所述第一特征点的数量，对标准图像进行分割得到标准子图像；各个标准子图像中的第一特征点的数量分布均匀。
可选的，所述确定模块，包括：
第二确定单元，用于若所述相似度对比结果大于等于预设阈值，则确定所述目标待检测图像为真实；
第三确定单元，用于若所述相似度对比结果小于所述预设阈值，则确定所述目标待检测图像为虚假。
第三方面，本发明还提供了一种计算机设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当所述计算机设备运行时，所述处理器与所述存储器之间通过总线通信，所述处理器执行所述机器可读指令使时实现第一方面中任一项验证商品标签的方法。
本发明公开了一种验证商品标签的方法及装置，包括：按照预设分割方式分别对标准图像和待检测图像进行分割，得到分割后的标准子图像和待检测子图像；通过将所述待检测子图像与所述标准子图像对比，对待检测子图像各个第二像素点的坐标值和像素值进行调整，得到调整后的目标待检测图像；根据所述目标待检测图像和所述标准图像的相似度对比结果，确定所述目标待检测图像的真假。
本发明通过对待检测图像和标准图像进行分割得到待检测子图像和标准子图像，通过对比待检测子图像和标准子图像，实现对待检测子图像的调整，通基于对待检测图像分块调整，得到调整后的目标待检测图像，提高了对待检测图像的调整精度。同时根据计相似度对比结果确定标待检测图像的真假，避免了校正时带来的误差影响验证精度。
下面结合附图对本发明的具体实施方式作进一步详细的描述。
附图说明
附图作为本发明的一部分，用来提供对本发明的进一步的理解，本发明的示意性实施例及其说明用于解释本发明，但不构成对本发明的不当限定。显然，下面描述中的附图仅仅是一些实施例，对于本领域普通技术人员来说，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。在附图中：
图1是本发明提供的一种验证商品标签的方法流程示意图；
图2a是本发明提供的是标准图像的示意图；
图2b是本发明提供的是待检测图像的示意图；
图3是本发明提供的一种验证商品标签的装置的结构示意图；
图4是本发明提供的计算机设备的结构示意图。
需要说明的是，这些附图和文字描述并不旨在以任何方式限制本发明的构思范围，而是通过参考特定实施例为本领域技术人员说明本发明的概念。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对实施例中的技术方案进行清楚、完整地描述，以下实施例用于说明本发明，但不用来限制本发明的范围。
在本发明的描述中，需要说明的是，术语 “上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
如图1所示，为本发明所提供的一种验证商品标签的方法，包括：
S101，按照预设分割方式分别对标准图像和待检测图像进行分割，得到分割后的标准子图像和待检测子图像；
S102，通过将所述待检测子图像与所述标准子图像对比，对待检测子图像各个第二像素点的坐标值和像素值进行调整，得到调整后的目标待检测图像；
S103，根据所述目标待检测图像和所述标准图像的相似度对比结果，确定所述目标待检测图像的真假。
在上述步骤S101之前，利用手机摄像头或者相机等其他获取设备来获取待检测商品的标签，在拍摄的时候尽量让上述待检测商品的标签占满拍摄画面，且尽量保持正面拍摄。根据上述待检测商品从预设图像库中找到正品商品的标准标签，将标准标签作为标准图像，如图2a所示。
然后对标准图像中的各个第一特征点进行提取，其中每个第一特征点是由标准图像中的多个第一像素点的组成，得到一个128维特征向量，对待检测商品的标签的各个第二特征点进行提取，其中第二特征点是由标签中的多个第二像素点组成，得到一个128维特征向量，基于进行sift特征点提取是现有技术，在此不再赘述。
将标准图像中的第一特征点与拍摄的待检测商品的标签中的第二特征点采用sift特征点匹配，根据匹配到的特征点组合对待检测商品的标签中未匹配上的区域进行裁剪，得到裁剪后的待检测图像，如图2b所示。
在上述步骤101中，按照预设分割方式分别对标准图像和待检测图像进行分割，得到分割后的标准子图像和待检测子图像。
其中，预设分割方式包括：
步骤1011，根据标准图像和待检测图像中匹配的特征点组合确定标准图像中的第一特征点的数量；
步骤1012，根据所述第一特征点的数量，对标准图像进行分割得到标准子图像；各个标准子图像中的第一特征点的数量分布均匀。
在步骤1011中，基于sift特征点匹配，确定标准图像中和待检测图像中匹配的特征点组合，根据特征点组合的数量确定标准图像中第一特征点的数量。
例如，基于特征点匹配，确定标准图像和待检测图像有80组匹配的特征点组合，进而确定标准图像中有80个第一特征点。
在步骤1012中，根据标准图像中第一特征点的数量，对标准图像进行分割，确保分割得到的各个标准子图像中包含的第一特征点的数量大致相同。
例如，假如是对标准图像划分为4个标准子图像，首先，先将标准图像平均分割成四等分，即，横向两块、纵向两块，从顺时针方向分别记为A，B，C，D四块，然后计算落在AB区域中的第一特征点的数量总和为N1，落在CD区域中的第一特征点的总数为N2，比较N1和N2，移动AB区域和CD区域之间的横向分割线，使得AB区域和CD区域中包含的第一特征点数量大致相同，然后在计算落在AD区域中的第一特征点的数量N3，落再BC区域中的第一特征点的数量N4，比较N3和N4，移动AD区域和BC区域之间的横向分割线，使得AD区域和BC区域中包含的第一特征点数量大致相同，最后得到各个标准子图像A’，B’ ，C’ ，D’。
在上述步骤102中，通过将所述待检测子图像和标准子图像对比，对待检测子图像进行校正以及亮度调整，使得调整后的目标待检测图像与标准图像基本一致。
由于手机或者摄像头在拍摄图像时拍摄视角发生变换，导致拍摄出来的待检测图像会产生透视效应，使得拍摄的图像与标准图像存在较大的差异，因此需要根据标准图像中的各个第一像素点对待检测图像的各个第二像素点进行校正。每组匹配的特征点组合中包括第一特征点和第二特征点，所述第一特征点由多个第一像素点组成，所述第二特征点由多个第二像素点组成，通过将所述将待检测子图像和标准子图像对比，对待检测子图像各个第二像素点的坐标值进行调整，得到调整后的目标待检测图像，步骤S102包括：
步骤1021，根据每组匹配的特征点组合的第一坐标值和第二坐标值进行对比，确定转换矩阵；第一坐标值为第一特征点在标准子图像中的坐标值；第二坐标值为第二特征点在待检测子图像中的坐标值；
步骤1022，利用所述转换矩阵对各个待检测子图像中各个第二像素点进行校正，得到目标待检测图像。
在上述步骤1021中，针对每组匹配的特征点组合，将每组特征点组合中第一特征点在标准子图像中的第一坐标值和该组合特征点中的第二特征点在待检测子图像中的第二坐标值进行对比处理，得到转换矩阵中的各个转换参数。
例如，假如有三组匹配的特征点组合，分别根据每组特征点组合中的第一坐标值(X1、Y1、1)、(X2、Y2、1)、(X3、Y3、1)和第二坐标值(x1、y1、1)，(x2、y2、1)、(x3、y3、1)处理得到a3、a2、a3各个转换参数，根据上述转换参数获得转换矩阵A。
在上述步骤1022中，利用所述转换矩阵与各个待检测子图像中各个第二像素点的坐标值相乘，实现对待检测图像的校正，得到目标待检测图像。
另外，由于在拍摄图像时会受到周围环境的影响，为了实现对待检测图像更好的鉴别，还需要根据标准图像中各个第一像素点的第一像素值对待检测图像中各个第二像素点得的像素值进行调整，实现对待检测图像的亮度进行调整，通过将所述待检测子图像和标准子图像对比，对对待检测子图像各个第二像素点的像素值进行调整，得到调整后的目标待检测图像，步骤102，还包括：
步骤1023，将相互对应的待检测子图像和标准子图像进行对比，对标准子图像中各个第二像素点的像素值进行处理，得到目标待检测图像。
在上述步骤1023中，相互对应的待检测子图像和标准子图像指的是待检测子图像与标准子图像中的图形、文字、数字等特征是相同的。
例如，标准图像分割完后的标准子图像从顺时针方向分别为A’，B’ ，C’ ，D’， 待检测图像分割完后的待检测子图像从顺时针方向分别为a，b ，c ，d，标准子图像A’和待检测子图像a相互对应，将标准子图像A’中的第一像素点和待检测子图像a中的第二像素点进行对比，进而对待检测子图像a中的各个第二像素点的像素值进行调整，以此类推，对其余的待检测子图像进行调整，得到目标待检测图像。
为了更详细的了解将相互对应的待检测子图像和标准子图像进行对比，对标准子图像中的各个第二像素点的像素值进行处理，得到目标待检测图像，步骤1023，还包括：
步骤10231，针对每个待检测子图像的每个第二像素点，若所述第二像素点的像素值大于等于该待检测子图像的第一预设像素值，则确定所述第二像素点的像素值为第二预设像素值；
步骤10232，针对每个待检测子图像的每个第二像素点，若所述第二像素点的像素值小于等于该待检测子图像的第三预设像素值，则确定所述第二像素点的像素值为第四预设像素值；
步骤10233，针对每个待检测子图像的每个第二像素点，若所述第二像素点的像素值在该待检测子图像的第一预设像素值和第三预设像素值之间，则利用预设公式计算出所述第二像素点的目标像素值。
在步骤10231中，第一预设像素值为待检测子图像中预设数量的像素值最高的第二像素点的像素值之和的平均值。
具体的，以待检测子图像a为例，若待检测子图像中各个第二像素点的像素值S大于等于最大像素值Tu，则将该第二像素点的像素值设为第一预设像素值Lu，其中第一预设像素值Tu的计算方法是先将待检测子图像a中的第二像素值由大到小排序，然后计算待检测子图像a中前5%第二像素点的像素值之和，并取平均值，假如待检测子图像a中有80个按照像素值从大到小排序的第二像素点，统计前5%的第二像素点，也就是，将待检测子图像中前4个第二像素点的像素值之和并取平均值得到第一预设像素值Tu，其中第二预设像素值Lu是标准子图像A’中预设数量的像素值最高的第一像素点的像素值之和的平均值，和上述第一预设像素值的计算方法相同，在此不做赘述。
在步骤10232中，第三预设像素值为待检测子图像中预设数量的像素值最小的第二像素点的像素值之和的平均值。
具体的，以待检测子图像a为例，若待检测子图像中各个第二像素点的第二像素值S小于等于最小像素值Td，则将该第二像素点的第二像素值设为第四预设像素值Ld，其中第三预设像素值Tu的计算方法也是先将待检测子图像a中的第二像素值由大到小排序，基于步骤10231中已经对这些第二像素点进行排序，在此步骤中不需要在重新排序，然后计算待检测子图像a中排序处于最后的5%第二像素点的像素值之和，并取平均值，假如待检测子图像a中有80个按照像素值从大到小排序的第二像素点，统计处于排序最后的5%的第二像素点，也就是，将待检测子图像中最后4个第二像素点的像素值之和并取平均值得到第三预设像素值Td，其中第四预设像素值Ld是标准子图像A’中预设数量的像素值最小的第一像素点的像素值之和的平均值，和上述第三预设像素值的计算方法相同，在此不做赘述。
在步骤10233中，具体的，以待检测子图像a为例，若待检测子图像中各个第二像素点的像素值S在待检测子图像a的第一预设像素值Tu和第三预设像素值Td之间，则根据预设公式计算第二像素点的目标像素值P。其中预设公式为P = （S-Td）*（Lu-Ld）/（Tu-Td），其中Lu和Ld分别为第二预设像素值和第四预设像素值，Tu为待检测子图像a的第一预设像素值，Td为待检测子图像a的第三预设像素值。
在步骤S103中，根据目标待检测图像和标准图像的相似度对比结果，确定所述目标待检测图像的真假。
其中为了更详细的了解如何计算相似度对比结果，计算目标待检测图像和所述标准图像的相似度对比结果，步骤是S103，包括：
步骤1031，按照预设采样规则对标准图像和目标待检测图像进行采样，得到标准子采样信息和目标待检测子采样信息；
步骤1032，通过对比标准子采样信息和目标待检测子采样信息，确定真实的目标待检测子采样信息的数量；
步骤1033，根据真实的目标待检测子采样信息的数量与目标待检测子采样信息的总数量的比值确定相似度对比结果。
在步骤1031中预设采样规则是为了确定采集目标待检测图像和标准图像中的某些像素点，其中本发明中的预设采样规则是纵向/横向采集像素值小于预设像素值Th的像素点，标准子采样信息包括采集的第一像素点的数量、采集的各个第一像素点的坐标。
具体的，以纵向采集为例，采集标准图像每列像素值小于预设阈值Th的第一像素点，假如第一列中有5个第一像素点的像素值小于预设阈值Th，则依次采集1’、2’、3’、4’、5’这5个第一像素点的坐标值，并计算相邻两个第一像素点之间的距离，得到标准图像其中一列对应的标准子采样信息，依次类推得到标准图像的各列标准子采样信息。
同样的，目标待检测子采样信息包括采集的第二像素点的数量、采集的各个第二像素点的坐标，以纵向采集为例，采集目标待检测图像每列像素值小于预设阈值Th的第二像素点，假如第一列中有5个第二像素点的像素值小于预设阈预设阈值Th，则依次采集1、2、3、4、5这5个第二像素点的坐标值，并计算相邻两个第二像素点之间的距离，得到目标待检测图像其中一列对应的目标待检测子采样信息，依次类推得到目标待检测图像的各列目标待检测子采样信息。
在步骤1032中，通过对比标准子采样信息和目标待检测子采样信息，确定真实的目标待检测子采样信息的数量。
具体的，以目标待检测图像中的第一列对应的目标待检测子采样信息，将该目标待检测子采样信息与标准图像中的第一列的标准子采样信息进行对比，计算匹配的像素点的个数N1，或者是将目标待检测图像中的第一列对应的目标待检测子采样信息与标准图像中第二列的标准子采样信息进行对比，得到匹配的像素点的个数N2，又或者是将目标待检测图像中第二列对应的目标待检测子采样信息与标准图像中第一列对应的标准子采样信息进行对比，得到匹配的像素点的个数N3，从N1、N2 、N3中选出最大值作为Nmax，假如最大值N1，则比较N1对应的目标待检测子采样信息中第二像素点的数量和标准子采样信息中第一像素点的数量，将数值较大的值作为Mmax，计算Nmax与Mmax的比值，若比值大于等于第二预设比值Tm，则确定目标待检测图像中的第一列为真实，记为1，否则为虚假，记为0，其中Tm设为0. 95，依次类推，最后相加计算出真实的目标待检测子采样信息的数量。
在步骤1033中，根据真实的目标待检测子采样信息的数量与目标待检测子采样信息的总数量的比值，将该比值作为相似度结果。
进一步的，根据所述目标待检测图像和所述标准图像的相似度对比结果，确定所述待检测图像的真假，步骤103，还包括：
步骤1034，若所述相似度对比结果大于等于预设阈值，则确定所述目标待检测图像为真实；
步骤1035，若所述相似度对比结果小于所述预设阈值，则确定所述目标待检测图像为虚假。
具体的，若相似度对比结果大于等于预设阈值Tg，则确定目标待检测图像为真实；若比值小于预设阈值Tg，则确定目标待检测图像为虚假，其中预设阈值Tg为0.98。
本发明中通过按照预设采样规则对标准图像和目标待检测图像进行采样，并将标准子采样信息和目标待检测子采样信息进行对比，来判断标准图像和目标待检测图像的相对位置关系是否匹配，避免了校正时带来的误差影响验证精度。
如图3所示，为本发明提供的一种验证商品标签的装置，包括：分割模块301、调整模块302、确定模块303，具体的：
分割模块301，用于按照预设分割方式分别对标准图像和待检测图像进行分割，得到分割后的标准子图像和待检测子图像；
调整模块302，用于通过将所述待检测子图像与所述标准子图像对比，对待检测子图像各个第二像素点的坐标值和像素值进行调整，得到调整后的目标待检测图像；
确定模块303，用于根据所述目标待检测图像和所述标准图像的相似度对比结果，确定所述目标待检测图像的真假。
可选的，分割模块包括：
第一确定单元，用于根据标准图像和待检测图像中匹配的特征点组合确定标准图像中的第一特征点的数量；
分割单元，根据所述第一特征点的数量，对标准图像进行分割得到标准子图像；各个标准子图像中的第一特征点的数量分布均匀。
可选的，每组匹配的特征点组合中包括第一特征点和第二特征点，所述第一特征点由多个第一像素点组成，所述第二特征点由多个第二像素点组成，所述调整模块，包括：
确定单元，用于根据每组匹配的特征点组合的第一坐标值和第二坐标值进行对比，确定转换矩阵；第一坐标值为第一特征点在标准子图像中的坐标值；第二坐标值为第二特征点在待检测子图像中的坐标值；
第一处理单元，用于利用所述转换矩阵对各个待检测子图像中各个第二像素点进行校正，得到目标待检测图像。
可选的，所述调整模块，还包括：
第二处理单元，用于将相互对应的待检测子图像和标准子图像进行对比，对标准子图像中的各个第二像素点的第二像素值进行处理，得到目标待检测图像。
可选的，所述第二处理单元，包括：
第一确定单元，用于针对每个待检测子图像的每个第二像素点，若所述第二像素点的像素值大于等于该待检测子图像的第一预设像素值，则确定所述第二像素点的像素值为第二预设像素值；
第二确定单元，用于针对每个待检测子图像的每个第二像素点，若所述第二像素点的像素值小于等于该待检测子图像的第三预设像素值，则确定所述第二像素点的像素值为第四预设像素值；
第三确定单元，用于针对每个待检测子图像的每个第二像素点，若所述第二像素点的像素值在该待检测子图像的第一预设像素值和第三预设像素值之间，则利用预设公式计算出所述第二像素点的目标像素值。
可选的，所述确定模块，包括：
采样单元，用于按照预设采样规则对标准图像和目标待检测图像进行采样，得到标准子采样信息和目标待检测子采样信息；
第四确定单元，用于通过对比标准子采样信息和目标待检测子采样信息，确定真实的目标待检测子采样信息的数量；
第五确定单元，根据真实的目标待检测子采样信息的数量与目标待检测子采样信息的总数量的比值确定相似度对比结果。
可选的，所述确定模块，还包括：
第六确定单元，用于若所述相似度对比结果大于等于预设阈值，则确定所述目标待检测图像为真实；
第七确定单元，用于若所述相似度对比结果小于所述预设阈值，则确定所述目标待检测图像为虚假。
对应于图1中的验证商品标签的方法，本发明还提供了一种计算机设备800，如图4所示，该设备包括存储器801、处理器802及存储在该存储器801上并可在该处理器802上运行的计算机程序，其中，上述处理器802执行上述计算机程序时实现验证商品标签的方法的步骤。
具体地，上述存储器801和处理器802能够为通用的存储器和处理器，这里不做具体限定，当处理器802运行存储器801存储的计算机程序时，能够执行上述验证商品标签的方法，解决了现有技术在对待检测标签进行校正处理时，存在校正精度较低、误差较大的问题，首先：按照预设分割方式分别对标准图像和待检测图像进行分割，得到分割后的标准子图像和待检测子图像；通过将所述待检测子图像与所述标准子图像对比，对待检测子图像进行调整，得到调整后的目标待检测图像；根据所述目标待检测图像和所述标准图像的相似度对比结果，确定所述目标待检测图像的真假。
本发明通过对待检测图像和标准图像进行分割得到待检测子图像和标准子图像，通过对比待检测子图像和标准子图像，对待检测子图像各个第二像素点的坐标值和像素值进行调整，通基于对待检测图像分块调整，得到调整后的目标待检测图像，提高了对待检测图像的调整精度。本发明中通过按照预设采样规则对标准图像和目标待检测图像进行采样，并将标准子采样信息和目标待检测子采样信息进行对比，来判断标准图像和目标待检测图像的相对位置关系是否匹配，避免了校正时带来的误差影响验证精度。
以上所述仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明，任何熟悉本专利的技术人员在不脱离本发明技术方案范围内，当可利用上述提示的技术内容作出些许更动或修饰为等同变化的等效实施例，上述实施例中的实施方案也可以进一步组合或者替换，但凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明方案的范围内。

Claims (6)

1.一种验证商品标签的方法，其特征在于，包括：
按照预设分割方式分别对标准图像和待检测图像进行分割，得到分割后的标准子图像和待检测子图像；所述预设分割方式包括：根据标准图像和待检测图像中匹配的特征点组合确定标准图像中的第一特征点的数量；根据所述第一特征点的数量，对标准图像进行分割得到标准子图像；各个标准子图像中的第一特征点的数量分布均匀；
通过将所述待检测子图像与所述标准子图像对比，对待检测子图像各个第二像素点的坐标值和像素值进行调整，得到调整后的目标待检测图像； 根据所述目标待检测图像和所述标准图像的相似度对比结果，确定所述目标待检测图像的真假；
所述通过将所述待检测子图像和标准子图像对比，对待检测子图像中各个第二像素点的像素值进行调整，包括：
针对每个待检测子图像的每个第二像素点，若所述第二像素点的像素值大于等于该待检测子图像的第一预设像素值，则确定所述第二像素点的像素值为第二预设像素值；所述第二预设像素值为与该待检测子图像对应的标准子图像中预设数量的像素值最高的第一像素点的像素值之和的平均值；
针对每个待检测子图像的每个第二像素点，若所述第二像素点的像素值小于等于该待检测子图像的第三预设像素值，则确定所述第二像素点的像素值为第四预设像素值；所述第四预设像素值为与该待检测子图像对应的标准子图像中预设数量的像素值最小的第一像素点的像素值之和的平均值；
针对每个待检测子图像的每个第二像素点，若所述第二像素点的像素值在该待检测子图像的第一预设像素值和第三预设像素值之间，则利用预设公式计算出所述第二像素点的目标像素值；
所述计算目标待检测图像和所述标准图像的相似度对比结果，包括：
按照预设采样规则对标准图像和目标待检测图像进行采样，得到标准子采样信息和目标待检测子采样信息；
通过对比标准子采样信息和目标待检测子采样信息，确定真实的目标待检测子采样信息的数量；
根据真实的目标待检测子采样息的数量与目标待检测子采样信息的总数量的比值确定相似度对比结果。
2.根据权利要求1所述的验证商品标签的方法，其特征在于，每组匹配的特征点组合中包括第一特征点和第二特征点，所述第一特征点由多个第一像素点组成，所述第二特征点由多个第二像素点组成；通过将所述待检测子图像和标准子图像对比，对待检测子图像各个第二像素点的坐标值进行调整，包括：
根据每组匹配的特征点组合的第一坐标值和第二坐标值进行对比，确定转换矩阵；第一坐标值为第一特征点在标准子图像中的坐标值；第二坐标值为第二特征点在待检测子图像中的坐标值；
利用所述转换矩阵对待检测子图像中各个第二像素点的坐标值进行校正。
3.根据权利要求1所述的验证商品标签的方法，其特征在于，根据所述目标待检测图像和所述标准图像的相似度对比结果，确定所述待检测图像的假，包括：
若所述相似度对比结果大于等于预设阈值，则确定所述目标待检测图像为真实；
若所述相似度对比结果小于所述预设阈值，则确定所述目标待检测图像为虚假。
4.一种验证商品标签的装置，其特征在于，包括：
分割模块，用于按照预设分割方式分别对标准图像和待检测图像进行分割，得到分割后的标准子图像和待检测子图像；所述预设分割方式包括：根据标准图像和待检测图像中匹配的特征点组合确定标准图像中的第一特征点的数量；根据所述第一特征点的数量，对标准图像进行分割得到标准子图像；各个标准子图像中的第一特征点的数量分布均匀；
调整模块，用于通过将所述待检测子图像与所述标准子图像对比，对待检测子图像各个第二像素点的坐标值和像素值进行调整，得到调整后的目标待检测图像；
确定模块，用于根据所述目标待检测图像和所述标准图像的相似度对比结果，确定所述目标待检测图像的真假；
所述调整模块，包括：
第一确定单元，用于针对每个待检测子图像的每个第二像素点，若所述第二像素点的像素值大于等于该待检测子图像的第一预设像素值，则确定所述第二像素点的像素值为第二预设像素值；所述第二预设像素值为与该待检测子图像对应的标准子图像中预设数量的像素值最高的第一像素点的像素值之和的平均值；
第二确定单元，用于针对每个待检测子图像的每个第二像素点，若所述第二像素点的像素值小于等于该待检测子图像的第三预设像素值，则确定所述第二像素点的像素值为第四预设像素值；所述第四预设像素值为与该待检测子图像对应的标准子图像中预设数量的像素值最小的第一像素点的像素值之和的平均值；
第三确定单元，用于针对每个待检测子图像的每个第二像素点，若所述第二像素点的像素值在该待检测子图像的第一预设像素值和第三预设像素值之间，则利用预设公式计算出所述第二像素点的目标像素值；
所述计算目标待检测图像和所述标准图像的相似度对比结果，包括：
采样单元，用于按照预设采样规则对标准图像和目标待检测图像进行采样，得到标准子采样信息和目标待检测子采样信息；
第四确定单元，用于通过对比标准子采样信息和目标待检测子采样信息，确定真实的目标待检测子采样信息的数量；
第五确定单元，用于根据真实的目标待检测子采样息的数量与目标待检测子采样信息的总数量的比值确定相似度对比结果。
5.根据权利要求4所述的一种验证商品标签的装置，其特征在于，所述确定模块，包括：
第二确定单元，用于若所述相似度对比结果大于等于预设阈值，则确定所述目标待检测图像为真实；
第三确定单元，用于若所述相似度对比结果小于所述预设阈值，则确定所述目标待检测图像为虚假。
6.一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1-3中任一项所述的方法的步骤。
CN202210950919.1A 2022-08-09 2022-08-09 一种验证商品标签的方法及装置 Active CN115063613B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210950919.1A CN115063613B (zh) 2022-08-09 2022-08-09 一种验证商品标签的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210950919.1A CN115063613B (zh) 2022-08-09 2022-08-09 一种验证商品标签的方法及装置

Publications (2)

Publication Number Publication Date
CN115063613A CN115063613A (zh) 2022-09-16
CN115063613B true CN115063613B (zh) 2023-07-14

Family

ID=83208570

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210950919.1A Active CN115063613B (zh) 2022-08-09 2022-08-09 一种验证商品标签的方法及装置

Country Status (1)

Country Link
CN (1) CN115063613B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112926354A (zh) * 2019-12-05 2021-06-08 北京超星未来科技有限公司 一种基于深度学习的车道线检测方法及装置
CN113468914A (zh) * 2020-03-30 2021-10-01 杭州海康威视数字技术股份有限公司 一种商品纯净度的确定方法、装置及设备

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107295256A (zh) * 2017-06-23 2017-10-24 华为技术有限公司 一种图像处理方法、装置与设备
CN109299634A (zh) * 2017-07-25 2019-02-01 上海中科顶信医学影像科技有限公司 斑检测方法、系统、设备及存储介质
CN108805859A (zh) * 2018-04-20 2018-11-13 深圳博脑医疗科技有限公司 一种图像检测方法、图像检测装置及终端设备
CN109101867A (zh) * 2018-06-11 2018-12-28 平安科技（深圳）有限公司 一种图像匹配方法、装置、计算机设备及存储介质
CN108765416B (zh) * 2018-06-15 2023-10-03 福建工程学院 基于快速几何对准的pcb表面缺陷检测方法及装置
CN112215811A (zh) * 2020-09-30 2021-01-12 上海闻泰信息技术有限公司 一种图像检测方法、装置、电子设备及存储介质
CN112837303A (zh) * 2021-02-09 2021-05-25 广东拓斯达科技股份有限公司 一种用于模具监视的缺陷检测方法、装置、设备及介质
CN114677290A (zh) * 2022-01-10 2022-06-28 北京航空航天大学 一种sar图像扇贝抑制的处理方法和装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112926354A (zh) * 2019-12-05 2021-06-08 北京超星未来科技有限公司 一种基于深度学习的车道线检测方法及装置
CN113468914A (zh) * 2020-03-30 2021-10-01 杭州海康威视数字技术股份有限公司 一种商品纯净度的确定方法、装置及设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Linear Time Distances Between Fuzzy Sets With Applications to Pattern Matching and Classification;Joakim Lindblad，and etc;《 IEEE Transactions on Image Processing》;第23卷(第1期);第126-136页 *
基于自适应相似度距离的改进FCM图像分割;华漫;李燕玲;魏永超;;电视技术(第02期);第33-36页 *

Also Published As

Publication number Publication date
CN115063613A (zh) 2022-09-16

Similar Documents

Publication Publication Date Title
CN111145238B (zh) 单目内窥镜图像的三维重建方法、装置及终端设备
CN109886997B (zh) 基于目标检测的识别框确定方法、装置及终端设备
CN111179358B (zh) 标定方法、装置、设备及存储介质
CN105427298B (zh) 基于各向异性梯度尺度空间的遥感图像配准方法
US8577099B2 (en) Method, apparatus, and program for detecting facial characteristic points
CN110992263B (zh) 一种图像拼接方法及系统
US9767383B2 (en) Method and apparatus for detecting incorrect associations between keypoints of a first image and keypoints of a second image
CN110660105A (zh) 一种全景环视系统的标定参数优化方法及装置
CN110084743B (zh) 基于多航带起始航迹约束的图像拼接与定位方法
CN112861870B (zh) 指针式仪表图像矫正方法、系统及存储介质
CN107610097A (zh) 仪表定位方法、装置和终端设备
CN111681186A (zh) 图像处理方法、装置、电子设备及可读存储介质
CN111368573A (zh) 一种基于几何特征约束的定位方法
CN110443245A (zh) 一种非限制场景下的车牌区域的定位方法、装置及设备
CN111950554A (zh) 一种身份证识别方法、装置、设备及存储介质
CN112950528A (zh) 证件姿态确定方法、模型训练方法、装置、服务器及介质
CN111108515B (zh) 图片目标点纠正方法、装置设备及存储介质
CN115063613B (zh) 一种验证商品标签的方法及装置
CN113723380B (zh) 基于雷达技术的人脸识别方法、装置、设备和存储介质
CN110245674A (zh) 模板匹配方法、装置、设备及计算机存储介质
CN113920196A (zh) 视觉定位方法、装置及计算机设备
CN115830604A (zh) 面单图像矫正方法、装置、电子设备及可读存储介质
CN114170319A (zh) 测试标板的调整方法及装置
CN112329845A (zh) 更换纸币的方法、装置、终端设备及计算机可读存储介质
CN109472279B (zh) 基于图像处理的物品识别方法和装置

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