CN115359253A - 一种防伪鉴别方法、系统、存储介质和电子设备 - Google Patents
一种防伪鉴别方法、系统、存储介质和电子设备 Download PDFInfo
- Publication number
- CN115359253A CN115359253A CN202210833529.6A CN202210833529A CN115359253A CN 115359253 A CN115359253 A CN 115359253A CN 202210833529 A CN202210833529 A CN 202210833529A CN 115359253 A CN115359253 A CN 115359253A
- Authority
- CN
- China
- Prior art keywords
- image
- counterfeiting
- identification
- detected
- light spot
- 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
- 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
-
- 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
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
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
本发明涉及一种防伪鉴别方法、系统、存储介质和电子设备,所述方法包括:采集待测物体的光斑图像,并对所述光斑图像进行特征提取,得到所述待测物体的鉴别特征数据;从预设的防伪数据库中,获取所述待测物体的防伪特征数据,并将所述鉴别特征数据和所述防伪特征数据进行比对,得到所述待测物体的鉴别结果。本发明利用激光扫描提取物体的特征图像,再对图像的微观特征进行进一步处理,为物体制定了具有唯一性的“指纹”,在实现对原有物体的真假鉴定的同时,进而使物体的安全性得到了明显的提高。
Description
技术领域
本发明涉及防伪技术领域,尤其涉及一种防伪鉴别方法、系统、存储介质和电子设备。
背景技术
在互联网信息时代的今天,随着各种伪造技术的不断进步,较为贵重的物品和证件的防伪成为了全球都面临的一个重大问题。当前国内假冒活动极为猖撅,已经由手工制假、低科技制假,发展到高科技制假。随着经济的发展,任何好的商品一经投入市场,很快就会出现大批量的伪劣制品,有的伪劣制品甚至达到了以假乱真的地步,极度扰乱市场秩序,对国民经济安全造成了极大的威胁。因此,防伪技术的发展也成为了全球都在关注的一大焦点。
从当前市场上应用的防伪技术来看,现有技术可以大致可分为:以防伪设计印刷、防伪油墨、防伪纸(荧光纤维、安全线、水印等)、防伪膜、激光全息等为主的传统防伪技术;以电话号码、条码、二维码等可变信息为主基于计算机网络系统的数码防伪技术。民用防伪技术产品基本上是以传统防伪技术和数码防伪技术相结合,做成防伪标识、证卡或者防伪包装等形式。
然而,无论是传统防伪技术还是数码防伪技术,在理论上都存在着可被伪造的可能性,而且随着伪造技术的进一步深入发展,上一代的防伪技术的壁垒被攻克的可能性会越来越高,无法从根源部位杜绝伪造的出现。传统防伪技术,在低值商品中更容易被复制,且伪造所需的技术成本与经济成本都相对较低,容易被利用不法手段复制以后,对商品进行大批量伪造,以牟取暴利,扰乱市场经济。数码防伪技术,一般采用了一些编码的加密手段,对商品信息进行手机的技术,密码的防伪技术,以及加密一维条码技术,加密二维条码技术和数字水印技术等综合信息防伪技术,可以采用条码扫描、网络等手段进行查询识别。有着查询快速、准确、高效等优点。但是对于这种技术的实现,其所需的资金投入相对较高,需要建立起较为庞大的识别系统,以支撑起整个商品链的识别。且无法从根本上避免被造假者利用非法手段获取密码来进行大规模造假,如果公司企业在市场内投入资金过多,在面临造假者的技术侵入以生产伪劣产品时,造成的损失也相对更高,风险相对更高。因此,亟需提供一种解决上述问题的技术方案。
发明内容
为解决上述技术问题,本发明提供了一种防伪鉴别方法、系统、存储介质和电子设备。
本发明的一种防伪鉴别方法的技术方案如下:
采集待测物体的光斑图像,并对所述光斑图像进行特征提取,得到所述待测物体的鉴别特征数据;
从预设的防伪数据库中,获取所述待测物体的防伪特征数据,并将所述鉴别特征数据和所述防伪特征数据进行比对,得到所述待测物体的鉴别结果。
本发明的一种防伪鉴别方法的有益效果如下:
本发明的方法利用激光扫描提取物体的特征图像,再对图像的微观特征进行进一步处理,为物体制定了具有唯一性的“指纹”,在实现对原有物体的真假鉴定的同时,进而使物体的安全性得到了明显的提高。
在上述方案的基础上,本发明的一种防伪鉴别方法还可以做如下改进。
进一步,所述待测物体的光斑图像为:激光照射至所述待测物体的检测区域时,所述检测区域产生的漫反射光束所形成的图像。
进一步,所述鉴别特征数据包括:鉴别特征点图像和鉴别频谱图像;所述对所述光斑图像进行特征提取,得到所述待测物体的鉴别特征数据,包括:
对所述光斑图像进行图像灰度处理,得到光斑灰度图像;
对所述光斑灰度图像进行阈值分割,得到光斑分割图像;
提取所述光斑分割图像的特征点,得到所述待测物体的所述鉴别特征点图像;
对所述光斑图像进行傅里叶变换,得到所述鉴别频谱图像。
进一步,所述防伪特征数据包括:防伪特征点图像和防伪频谱图像;所述将所述鉴别特征数据和所述防伪特征数据进行比对,得到所述待测物体的鉴别结果,包括:
分别计算所述防伪特征点图像和所述鉴别特征点图像的描述向量,得到计算描述向量后的防伪特征点图像和计算描述向量后的鉴别特征点图像;
对所述计算描述向量后的防伪特征点图像和所述计算描述向量后的鉴别特征点图像进行特征匹配,得到第一互相关图像,并判断所述第一互相关图像是否满足第一预设条件,得到第一判断结果;
对所述防伪频谱图像和所述鉴别频谱图像进行特征匹配,得到第二互相关图像,并判断所述第二互相关图像是否满足第二预设条件,得到第二判断结果;
当所述第一判断结果和所述第二判断结果均为是时,判定所述待测物体的鉴别结果为真,否则,判定所述待测物体的鉴别结果为假。
进一步,所述预设的防伪数据库中的每个防伪特征数据均对应一个物体编码;所述从预设的防伪数据库中,获取所述待测物体的防伪特征数据,包括:
基于所述待测物体的物体编码,从所述预设的防伪数据库获取所述物体编码对应的防伪特征数据。
本发明的一种防伪鉴别系统的技术方案如下:
包括:处理模块和鉴别模块;
所述处理模块用于:采集待测物体的光斑图像,并对所述光斑图像进行特征提取,得到所述待测物体的鉴别特征数据;
所述鉴别模块用于:从预设的防伪数据库中,获取所述待测物体的防伪特征数据,并将所述鉴别特征数据和所述防伪特征数据进行比对,得到所述待测物体的鉴别结果。
本发明的一种防伪鉴别系统的有益效果如下:
本发明的系统利用激光扫描提取物体的特征图像,再对图像的微观特征进行进一步处理,为物体制定了具有唯一性的“指纹”,在实现对原有物体的真假鉴定的同时,进而使物体的安全性得到了明显的提高。
在上述方案的基础上,本发明的一种防伪鉴别系统还可以做如下改进。
进一步,所述待测物体的光斑图像为:激光照射至所述待测物体的检测区域时,所述检测区域产生的漫反射光束所形成的图像。
进一步,所述鉴别特征数据包括:鉴别特征点图像和鉴别频谱图像;所述处理模块具体用于:
对所述光斑图像进行图像灰度处理,得到光斑灰度图像;
对所述光斑灰度图像进行阈值分割,得到光斑分割图像;
提取所述光斑分割图像的特征点,得到所述待测物体的所述鉴别特征点图像;
对所述光斑图像进行傅里叶变换,得到所述鉴别频谱图像。
本发明的一种存储介质的技术方案如下:
存储介质中存储有指令,当计算机读取所述指令时,使所述计算机执行如本发明的一种防伪鉴别方法的步骤。
本发明的一种电子设备的技术方案如下:
包括存储器、处理器及存储在存储器上并可在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,使所述计算机执行如本发明的一种防伪鉴别方法的步骤。
附图说明
图1为本发明实施例的一种防伪鉴别方法的流程示意图;
图2为本发明实施例的一种防伪鉴别系统的结构示意图。
具体实施方式
如图1所示,本发明实施例的一种防伪鉴别方法,包括如下步骤:
S1、采集待测物体的光斑图像,并对所述光斑图像进行特征提取,得到所述待测物体的鉴别特征数据。
其中,待测物体为市面上常见的具有一定形状的物体,如各类消费品、文物、证件等,在此不设限制。
其中,采用CCD相机采集待测物体的光斑图像。
其中,鉴别特征数据为:包含物体的微观结构特征的数据,用于特征鉴别时进行匹配验证,为物体流通后所得到的数据。
S2、从预设的防伪数据库中,获取所述待测物体的防伪特征数据,并将所述鉴别特征数据和所述防伪特征数据进行比对,得到所述待测物体的鉴别结果。
其中,预设的防伪数据库中包括:多个待测物体的防伪特征数据,每个防伪特征数据对应一个物品编码。防伪特征数据为:物体流通前所获取的包含该物体的微观结构特征的数据,用于特征鉴别时进行匹配验证,为物体流通前所得到的数据。
具体地,从预设防伪数据库中,获取与待测物体的物品编码相同的防伪特征数据,并将防伪特征数据和鉴别特征数据进行特征比对,以此鉴定出该待测物体的真伪。
较优地,所述待测物体的光斑图像为:激光照射至所述待测物体的检测区域时,所述检测区域产生的漫反射光束所形成的图像。
其中,检测区域为待测物体上预先设定的区域,每次检测时需对物体的检测区域进行采集处理。
具体地,首先利用功率为3mW、波长为635nm的激光发射器发射出一束激光,该束激光通过一次镜面反射后,以30°为入射角的角度入射到待测物体的检测区域表面,激光到达检测区域表面后,因为物体表面的微观结构起伏,会导致激光以漫反射形式反射而出。此时,该激光的漫反射光束已经携带了物体表面的特征属性。再利用CCD相机,使其以45°角收集漫反射激光的光束。经过传感以后,CCD相机采集到的激光光束会传输到计算机系统之中,图像显示为光斑,该光斑携带了物品被检测区域的特征,将该光斑图片传输至MATLAB软件,或者是传输到特定文件夹等待调用,至此即为完成了待测物体的光斑图像的采集。
需要说明的是,在本实施例中,CCD相机的清晰度为:200万像素,相机规格为:49mm*49mm*49mm,镜头规格为:8mm定焦镜头,感光尺寸为: 1/3,滤光片为:650nm,也可根据用户需求进行调整CCD相机的参数或者更换其他相同功能的采集装置,在此不设限制。
较优地,所述鉴别特征数据包括:鉴别特征点图像和鉴别频谱图像。
其中,鉴别特征点图像为:当待测物体流通后且对待测物体进行鉴别时,待测物体的特征点图像。鉴别频谱图像为:当待测物体流通后且对待测物体进行鉴别时,待测物体的频谱图像。
所述对所述光斑图像进行特征提取,得到所述待测物体的鉴别特征数据,包括:
对所述光斑图像进行图像灰度处理,得到光斑灰度图像。
具体地,利用MATLAB中的rgb2gray函数对光斑图像进行灰度处理,得到光斑灰度图像。
对光斑图像进行灰度处理的过程为现有技术,在此不过多赘述。
对所述光斑灰度图像进行阈值分割,得到光斑分割图像。
具体地,利用MATLAB对光斑灰度图像进行“迭代法全局阈值分割”,排除掉不明确的光斑特征,留下较为明显的信息,从而得到光斑分割图像。
利用MATLAB对光斑灰度图像进行“迭代法全局阈值分割”的过程为现有技术,在此不过多赘述。
提取所述光斑分割图像的特征点,得到所述待测物体的所述鉴别特征点图像。
具体地,利用MATLAB的detectHarrisFeatures函数读取光斑分割图像的特征点,将MinQuality值设置为0.5,运行MATLAB代码后,得到鉴别特征点图像。
利用MATLAB的detectHarrisFeatures函数读取光斑分割图像的特征点的过程为现有技术,在此不过多赘述。
对所述光斑图像进行傅里叶变换,得到所述鉴别频谱图像。
利用傅里叶变换对光斑图像进行处理的过程为现有技术,在此不过多赘述。
较优地,所述防伪特征数据包括:防伪特征点图像和防伪频谱图像。
其中,一个防伪特征数据对应一个物体编码。
其中,防伪特征点图像:待测物体流通前所获取的待测物体的特征点图像,其存储于预设的防伪数据库中;防伪频谱图像为:待测物体流通前所获取的待测物体的频谱图像,其存储于预设的防伪数据库中。
需要说明的是,防伪特征点图像与鉴别特征图像的获取方式、所采取的图像处理手段均相同,仅获取的时间先后上存在不同。防伪频谱图像与鉴别频谱图像的获取方式、所采取的图像处理手段均相同,仅获取的时间先后上存在不同。
所述将所述鉴别特征数据和所述防伪特征数据进行比对,得到所述待测物体的鉴别结果,包括:
分别计算所述防伪特征点图像和所述鉴别特征点图像的描述向量,得到计算描述向量后的防伪特征点图像和计算描述向量后的鉴别特征点图像。
具体地,利用MATLAB的extractFeatures函数分别对防伪特征点图像和鉴别特征点图像进行描述向量的计算,得到计算描述向量后的防伪特征点图像和计算描述向量后的鉴别特征点图像。
利用MATLAB的extractFeatures函数对特征点图进行描述向量的计算的过程为现有技术,在此不过多赘述。
对所述计算描述向量后的防伪特征点图像和所述计算描述向量后的鉴别特征点图像进行特征匹配,得到第一互相关图像,并判断所述第一互相关图像是否满足第一预设条件,得到第一判断结果。
其中,第一预设条件为:第一互相关图像中存在至少一个较强的峰值。该较强的峰值指的是匹配度的最高值,判断依据为图像中具体的匹配度数值,当匹配度峰值在0.9到1.0区间内时,则认为两特征点图来自同一物体。
具体地,利用MATLAB的matchFeatures函数对计算描述向量后的防伪特征点图像和计算描述向量后的鉴别特征点图像进行特征匹配,得到相应的匹配度,根据匹配度得到两者之间的第一互相关图像。若在第一互相关图中,有一个较强的峰值则表明两张特征点图来自同一物体,则第一判断结果为是,否则,第一判断结果为否。
利用MATLAB的matchFeatures函数对两个图像进行特征匹配的过程为现有技术,在此不过多赘述。
对所述防伪频谱图像和所述鉴别频谱图像进行特征匹配,得到第二互相关图像,并判断所述第二互相关图像是否满足第二预设条件,得到第二判断结果。
其中,第二预设条件为:第二互相关图像中存在至少一个较强的峰值。该较强的峰值指的是匹配度的最高值,判断依据为图像中具体的匹配度数值,当匹配度峰值在0.9到1.0区间内时,则认为两特征点图来自同一物体。
具体地,利用MATLAB的matchFeatures函数对防伪频谱图像和所述鉴别频谱图像进行特征匹配,得到第二互相关图像。若在第二互相关图中,有一个较强的峰值则表明两张频谱图来自同一物体,则第二判断结果为是,否则,第二判断结果为否。
当所述第一判断结果和所述第二判断结果均为是时,判定所述待测物体的鉴别结果为真,否则,判定所述待测物体的鉴别结果为假。
具体地,当第一判断结果和第二判断结果均为是时,判定待测物体的鉴别结果为真;当第一判断结果和第二判断结果中有一个结果为否时,判定待测物体的鉴别结果为假。
例如,对大量的同一生产批次的A4纸进行防伪鉴别。首先采用本实施例的步骤对200张第一生产批次的A4纸进行特征提取,为每张A4纸赋予不同的“指纹(防伪特征点图像和防伪频谱图像)”,并进行编号。再取第二生产批次的200张A4纸,同样进行编号,并从中随机抽取100张不同编号的A4纸,替换掉已经录入“指纹”的对应编号的A4纸,这200张纸记为“检测区间一”。对于被替换掉的100张A4纸,再将其与剩余的100张第二生产批次的纸张组合,这200张纸记为“检测区间二”。重复技术方案中的步骤,对两个检测区间的每张纸都进行检测,最终从检测区间一中得到鉴别结果为“真”的纸张共计86张,从检测区间二中得到的鉴别结果为“真”的纸张攻击88张。并反复多次重复实验,排除掉个别实验误差较大的数据,最终发现检测结果基本稳定在85-95之间,以此证实了本实施例的防伪鉴别的精准度。
本实施例的技术方案利用激光扫描提取物体的特征图像,再对图像的微观特征进行进一步处理,为物体制定了具有唯一性的“指纹”,在实现对原有物体的真假鉴定的同时,进而使物体的安全性得到了明显的提高。
如图2所示,本发明实施例的一种防伪鉴别系统200,包括:处理模块 210和鉴别模块220;
所述处理模块210用于:采集待测物体的光斑图像,并对所述光斑图像进行特征提取,得到所述待测物体的鉴别特征数据;
所述鉴别模块220用于:从预设的防伪数据库中,获取所述待测物体的防伪特征数据,并将所述鉴别特征数据和所述防伪特征数据进行比对,得到所述待测物体的鉴别结果。
较优地,所述待测物体的光斑图像为:激光照射至所述待测物体的检测区域时,所述检测区域产生的漫反射光束所形成的图像。
较优地,所述鉴别特征数据包括:鉴别特征点图像和鉴别频谱图像;所述处理模块具体用于:
对所述光斑图像进行图像灰度处理,得到光斑灰度图像;
对所述光斑灰度图像进行阈值分割,得到光斑分割图像;
提取所述光斑分割图像的特征点,得到所述待测物体的所述鉴别特征点图像;
对所述光斑图像进行傅里叶变换,得到所述鉴别频谱图像。
本实施例的技术方案利用激光扫描提取物体的特征图像,再对图像的微观特征进行进一步处理,为物体制定了具有唯一性的“指纹”,在实现对原有物体的真假鉴定的同时,进而使物体的安全性得到了明显的提高。
上述关于本实施例的一种防伪鉴别系统200中的各参数和各个模块实现相应功能的步骤,可参考上文中关于一种防伪鉴别方法的实施例中的各参数和步骤,在此不做赘述。
本发明实施例提供的一种存储介质,包括:存储介质中存储有指令,当计算机读取所述指令时,使所述计算机执行如一种防伪鉴别方法的步骤,具体可参考上文中一种防伪鉴别方法的实施例中的各参数和步骤,在此不做赘述。
计算机存储介质例如:优盘、移动硬盘等。
本发明实施例提供的一种电子设备,包括存储器、处理器及存储在存储器上并可在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,使所述计算机执行如一种防伪鉴别方法的步骤,具体可参考上文中一种防伪鉴别方法的实施例中的各参数和步骤,在此不做赘述。
所属技术领域的技术人员知道,本发明可以实现为方法、系统、存储介质和电子设备。
因此,本发明可以具体实现为以下形式,即:可以是完全的硬件、也可以是完全的软件(包括固件、驻留软件、微代码等),还可以是硬件和软件结合的形式,本文一般称为“电路”、“模块”或“系统”。此外,在一些实施例中,本发明还可以实现为在一个或多个计算机可读介质中的计算机程序产品的形式,该计算机可读介质中包含计算机可读的程序代码。可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器 (RAM),只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种防伪鉴别方法,其特征在于,包括:
采集待测物体的光斑图像,并对所述光斑图像进行特征提取,得到所述待测物体的鉴别特征数据;
从预设的防伪数据库中,获取所述待测物体的防伪特征数据,并将所述鉴别特征数据和所述防伪特征数据进行比对,得到所述待测物体的鉴别结果。
2.根据权利要求1所述的一种防伪鉴别方法,其特征在于,所述待测物体的光斑图像为:激光照射至所述待测物体的检测区域时,所述检测区域产生的漫反射光束所形成的图像。
3.根据权利要求1所述的一种防伪鉴别方法,其特征在于,所述鉴别特征数据包括:鉴别特征点图像和鉴别频谱图像;所述对所述光斑图像进行特征提取,得到所述待测物体的鉴别特征数据,包括:
对所述光斑图像进行图像灰度处理,得到光斑灰度图像;
对所述光斑灰度图像进行阈值分割,得到光斑分割图像;
提取所述光斑分割图像的特征点,得到所述待测物体的所述鉴别特征点图像;
对所述光斑图像进行傅里叶变换,得到所述鉴别频谱图像。
4.根据权利要求3所述的一种防伪鉴别方法,其特征在于,所述防伪特征数据包括:防伪特征点图像和防伪频谱图像;所述将所述鉴别特征数据和所述防伪特征数据进行比对,得到所述待测物体的鉴别结果,包括:
分别计算所述防伪特征点图像和所述鉴别特征点图像的描述向量,得到计算描述向量后的防伪特征点图像和计算描述向量后的鉴别特征点图像;
对所述计算描述向量后的防伪特征点图像和所述计算描述向量后的鉴别特征点图像进行特征匹配,得到第一互相关图像,并判断所述第一互相关图像是否满足第一预设条件,得到第一判断结果;
对所述防伪频谱图像和所述鉴别频谱图像进行特征匹配,得到第二互相关图像,并判断所述第二互相关图像是否满足第二预设条件,得到第二判断结果;
当所述第一判断结果和所述第二判断结果均为是时,判定所述待测物体的鉴别结果为真,否则,判定所述待测物体的鉴别结果为假。
5.根据权利要求1所述的一种防伪鉴别方法,其特征在于,所述预设的防伪数据库中的每个防伪特征数据均对应一个物体编码;所述从预设的防伪数据库中,获取所述待测物体的防伪特征数据,包括:
基于所述待测物体的物体编码,从所述预设的防伪数据库获取所述物体编码对应的防伪特征数据。
6.一种防伪鉴别系统,其特征在于,包括:处理模块和鉴别模块;
所述处理模块用于:采集待测物体的光斑图像,并对所述光斑图像进行特征提取,得到所述待测物体的鉴别特征数据;
所述鉴别模块用于:从预设的防伪数据库中,获取所述待测物体的防伪特征数据,并将所述鉴别特征数据和所述防伪特征数据进行比对,得到所述待测物体的鉴别结果。
7.根据权利要求6所述的一种防伪鉴别系统,其特征在于,所述待测物体的光斑图像为:激光照射至所述待测物体的检测区域时,所述检测区域产生的漫反射光束所形成的图像。
8.根据权利要求6所述的一种防伪鉴别系统,其特征在于,所述鉴别特征数据包括:鉴别特征点图像和鉴别频谱图像;所述处理模块具体用于:
对所述光斑图像进行图像灰度处理,得到光斑灰度图像;
对所述光斑灰度图像进行阈值分割,得到光斑分割图像;
提取所述光斑分割图像的特征点,得到所述待测物体的所述鉴别特征点图像;
对所述光斑图像进行傅里叶变换,得到所述鉴别频谱图像。
9.一种存储介质,其特征在于,所述存储介质中存储有指令,当计算机读取所述指令时,使所述计算机执行如权利要求1至5中任一项所述的一种防伪鉴别方法。
10.一种电子设备,包括存储器、处理器及存储在存储器上并可在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,使所述计算机执行如权利要求1至5中任一项所述的一种防伪鉴别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210833529.6A CN115359253A (zh) | 2022-07-14 | 2022-07-14 | 一种防伪鉴别方法、系统、存储介质和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210833529.6A CN115359253A (zh) | 2022-07-14 | 2022-07-14 | 一种防伪鉴别方法、系统、存储介质和电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115359253A true CN115359253A (zh) | 2022-11-18 |
Family
ID=84031121
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210833529.6A Pending CN115359253A (zh) | 2022-07-14 | 2022-07-14 | 一种防伪鉴别方法、系统、存储介质和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115359253A (zh) |
-
2022
- 2022-07-14 CN CN202210833529.6A patent/CN115359253A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11423641B2 (en) | Database for detecting counterfeit items using digital fingerprint records | |
US10614302B2 (en) | Controlled authentication of physical objects | |
CA2658566C (en) | Method and apparatus for comparing document features using texture analysis | |
EP2869240A2 (en) | Digital fingerprinting object authentication and anti-counterfeiting system | |
US20100008590A1 (en) | Signature of Moulded Article | |
US20090307112A1 (en) | Two Tier Authentication | |
US20100007930A1 (en) | Authentication Scanner | |
CN102955930B (zh) | 一种利用物质自身物理特征识别的防伪方法和系统 | |
Tessfaw et al. | Ethiopian banknote recognition and fake detection using support vector machine | |
Murthy et al. | Design and implementation of paper currency recognition with counterfeit detection | |
EP2499618A1 (en) | Optimisation | |
Guarnera et al. | A new study on wood fibers textures: documents authentication through LBP fingerprint | |
US9499006B2 (en) | Anti-counterfeiting feature generation method for valuable document and authentication method and device therefor | |
Ponishjino et al. | Bogus currency authorization using HSV techniques | |
CN114757317B (zh) | 防伪纹理图案的制作及其验证方法 | |
CN115359253A (zh) | 一种防伪鉴别方法、系统、存储介质和电子设备 | |
KR101740592B1 (ko) | 세계지폐 인식방법 | |
Shoeb et al. | Software system to detect counterfeit Egyptian currency | |
GB2462029A (en) | A system for tracking an article | |
EP3577635B1 (fr) | Procédé de vérification de l'authenticité d'un produit sensible | |
Debiasi et al. | Identifying iris sensors from iris images | |
He et al. | Seal imprint verification using edge difference histogram | |
Kumar et al. | Currency Authentication using Color Based Processing | |
You et al. | Identification of a Printed Anti-Counterfeiting Code Based on Feature Guidance Double Pool Attention Networks. | |
Aruna et al. | A FRAMEWORK FOR PRECISE RECOGNITION OF INDIAN PAPER CURRENCY NOTE FOR VISUALLY IMPAIRED USERS |
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 |