CN116664254B - 基于汽车零配件防伪的安全交易管理系统 - Google Patents
基于汽车零配件防伪的安全交易管理系统 Download PDFInfo
- Publication number
- CN116664254B CN116664254B CN202310943193.3A CN202310943193A CN116664254B CN 116664254 B CN116664254 B CN 116664254B CN 202310943193 A CN202310943193 A CN 202310943193A CN 116664254 B CN116664254 B CN 116664254B
- Authority
- CN
- China
- Prior art keywords
- gray level
- level image
- edge
- pixel point
- edge 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
Links
- 238000009826 distribution Methods 0.000 claims abstract description 38
- 238000000034 method Methods 0.000 claims abstract description 35
- 239000013598 vector Substances 0.000 claims description 28
- 238000003708 edge detection Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000013139 quantization Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000010923 batch production Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
- G06Q30/0185—Product, service or business identity fraud
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
-
- 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
- G06V10/40—Extraction of image or video features
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
-
- 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
- G06V10/54—Extraction of image or video features relating to texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- 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)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Multimedia (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Technology Law (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Burglar Alarm Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及用于数据安全的管理系统领域,提出了基于汽车零配件防伪的安全交易管理系统,包括:采集同一类型同一批次的若干汽车零配件图像,得到若干零件灰度图像;获取每个零件灰度图像的若干边缘像素点,根据不同零件灰度图像中相同坐标的边缘像素点分布,获取每个零件灰度图像中每个边缘像素点的第一独特性;根据同一零件灰度图像中不同边缘像素点与邻域像素点的灰度分布,获取每个零件灰度图像中每个边缘像素点的第二独特性,结合第一独特性与第二独特性,得到每个零件灰度图像的若干特征像素点;生成每个汽车零配件的唯一防伪码;完成汽车零配件的安全交易管理。本发明旨在解决汽车零配件交易过程中防伪信息不充分而影响交易安全的问题。
Description
技术领域
本发明涉及用于数据安全的管理系统领域,具体涉及基于汽车零配件防伪的安全交易管理系统。
背景技术
在汽车零配件市场,存在大量的假冒伪劣产品以及交易风险,为了保护消费者权益并提高产品交易的安全可靠性,因此在进行汽车零配件的交易过程中需要进行相应的信息管理;现有方法中对于汽车零配件的交易管理通常利用区块链进行对应的信息管理,区块链能够使得交易过程中汽车零配件的信息公开透明,同时具备一定的可溯源性;然而链上信息并不具备每个汽车零配件的防伪唯一的效果,即链上信息并不能确保与真实情况完全一致,导致链上信息存在大量假冒伪劣产品的交易风险,对于汽车零配件的交易市场的公信力以及交易双方的个人财产均有一定程度的威胁。
对于区块链上信息没有防伪效果的问题,需要针对汽车零配件生成相应的防伪码,进而根据防伪码结合区块链技术对汽车零配件的信息进行安全管理,在达成汽车零配件交易可溯源的情况下实现汽车零配件的防伪目的;而防伪码则需要对于同一批次同种类型的汽车零配件保证唯一性,即确保每个汽车零配件的防伪码唯一,则可以根据每个汽车零配件的特征进行防伪码的获取,进而提高汽车零配件交易及信息管理的安全性。
发明内容
本发明提供基于汽车零配件防伪的安全交易管理系统,以解决现有的汽车零配件交易过程中防伪信息不充分而影响交易安全的问题,所采用的技术方案具体如下:
本发明一个实施例提供了基于汽车零配件防伪的安全交易管理系统,该系统包括:
数据采集模块,采集同一类型同一批次的若干汽车零配件图像,对每个汽车零配件图像预处理得到每个汽车零配件的零件灰度图像;
特征分析模块:通过图像增强及边缘检测获取每个零件灰度图像的若干边缘像素点,根据不同零件灰度图像中相同坐标的边缘像素点分布,获取每个零件灰度图像中每个边缘像素点的第一独特性;
根据同一零件灰度图像中不同边缘像素点与邻域像素点的灰度分布,获取每个零件灰度图像中每个边缘像素点的第二独特性;
根据第一独特性及第二独特性得到每个零件灰度图像中每个边缘像素点的综合独特性,通过综合独特性得到每个零件灰度图像的若干特征像素点;
防伪生成模块,根据每个零件灰度图像的若干特征像素点,生成每个汽车零配件的唯一防伪码;
安全管理模块,根据每个汽车零配件的唯一防伪码,结合区块链技术,完成汽车零配件的安全交易管理。
进一步的,所述通过图像增强及边缘检测获取每个零件灰度图像的若干边缘像素点,包括的具体方法为:
以任意一个零件灰度图像为目标零件灰度图像,对目标零件灰度图像进行直方图均衡化,得到的图像记为目标零件灰度图像的增强后图像,对增强后图像利用canny算法进行边缘检测,得到增强后图像的边缘图像,将边缘图像中的边缘点在目标零件灰度图像对应的像素点,记为目标零件灰度图像的边缘像素点;
获取每个零件灰度图像的若干边缘像素点。
进一步的,所述每个零件灰度图像中每个边缘像素点的第一独特性,具体的获取方法为:
根据不同零件灰度图像中相同坐标的边缘像素点分布,得到每个零件灰度图像中每个边缘像素点的若干参考边缘点以及每个像素点的边缘分布向量;
第个零件灰度图像中第/>个边缘像素点的第一独特性/>的计算方法为:
其中,表示零件灰度图像的总数量,/>表示第/>个零件灰度图像中第/>个边缘像素点的参考边缘点的数量,/>表示第/>个零件灰度图像中第/>个边缘像素点的边缘分布向量,/>表示第/>个零件灰度图像中与第/>个零件灰度图像中第/>个边缘像素点相同坐标的像素点的边缘分布向量,/>表示对两个边缘分布向量求余弦相似度,表示以自然常数为底的指数函数;
获取每个零件灰度图像中每个边缘像素点的第一独特性。
进一步的,所述得到每个零件灰度图像中每个边缘像素点的若干参考边缘点以及每个像素点的边缘分布向量,包括的具体方法为:
根据不同零件灰度图像中边缘像素点的分布,获取每个零件灰度图像中每个边缘像素点的若干参考边缘点;
以任意一个零件灰度图像中任意一个边缘像素点为目标边缘像素点,以目标像素点为中心,获取目标像素点的预设窗口,将预设窗口中除目标像素点之外的其他每个像素点,是边缘像素点的标记为1,不是边缘像素点的标记为0,按照从左到右、从上到下的顺序对预设窗口中除目标边缘像素点之外其他每个像素点的标记值进行排列,得到一个向量,将向量记为目标边缘像素点的边缘分布向量;
获取每个零件灰度图像中每个像素点的边缘分布向量。
进一步的,所述每个零件灰度图像中每个边缘像素点的若干参考边缘点,具体的获取方法为:
以任意一个零件灰度图像中任意一个边缘像素点为目标边缘像素点,获取目标边缘像素点在零件灰度图像中的坐标,获取其他零件灰度图像中相同坐标的边缘像素点,记为目标边缘像素点的参考边缘点,得到目标边缘像素点的若干参考边缘点;获取每个零件灰度图像中每个边缘像素点的若干参考边缘点。
进一步的,所述每个零件灰度图像中每个边缘像素点的第二独特性,具体的获取方法为:
根据同一零件灰度图像中每个边缘像素点及其领域像素点的灰度值,获取每个零件灰度图像中每个边缘像素点的纹理特征参数;
第个零件灰度图像中第/>个边缘像素点的第二独特性/>的计算方法为:
其中,表示第/>个零件灰度图像中边缘像素点的数量,/>表示第/>个零件灰度图像中第/>个边缘像素点的纹理特征参数,/>表示第/>个零件灰度图像中第/>个边缘像素点的纹理特征参数,/>表示求绝对值;
获取每个零件灰度图像中每个边缘像素点的第二独特性。
进一步的,所述每个零件灰度图像中每个边缘像素点的纹理特征参数,具体的获取方法为:
其中,表示第/>个零件灰度图像中第/>个边缘像素点的纹理特征参数,/>表示第/>个零件灰度图像中第/>个边缘像素点及其八邻域像素点的灰度值均值,/>表示第个零件灰度图像中所有像素点的灰度值均值,/>表示边缘像素点的邻域像素点数量,表示第/>个零件灰度图像中第/>个边缘像素点的灰度值,/>表示第/>个零件灰度图像中第/>个边缘像素点的第/>个邻域像素点的灰度值,/>表示求绝对值;
获取每个零件灰度图像中每个边缘像素点的纹理特征参数。
进一步的,所述根据第一独特性及第二独特性得到每个零件灰度图像中每个边缘像素点的综合独特性,包括的具体方法为:
以任意一个零件灰度图像为目标零件灰度图像,对目标零件灰度图像中所有边缘像素点的第二独特性进行线性归一化,将第二独特性的归一化值与第一独特性的乘积,作为目标零件灰度图像中每个边缘像素点的综合独特性;
获取每个零件灰度图像中每个边缘像素点的综合独特性。
进一步的,所述通过综合独特性得到每个零件灰度图像的若干特征像素点,包括的具体方法为:
以任意一个零件灰度图像为目标零件灰度图像,将目标零件灰度图像中所有边缘像素点按照综合独特性降序排列,提取前预设数量的边缘像素点,作为目标零件灰度图像的特征像素点;获取每个零件灰度图像的若干特征像素点。
进一步的,所述生成每个汽车零配件的唯一防伪码,包括的具体方法为:
以任意一个零件灰度图像为目标零件灰度图像,获取目标零件灰度图像所有特征像素点的坐标,按照目标零件灰度图像中从左到右、从上到下的顺序对所有坐标进行排列,得到目标零件灰度图像的防伪文本;
利用哈希算法对目标零件灰度图像的防伪文本生成唯一的128位哈希签名,将得到的哈希签名作为目标零件灰度图像对应的汽车零配件的唯一防伪码;
获取每个汽车零配件的唯一防伪码。
本发明的有益效果是:本发明在利用区块链对汽车零配件的交易信息进行管理同时,通过汽车零配件生产过程中图像进行了唯一防伪码的生成,而后利用唯一防伪码作为汽车零配件的交易信息上链时的ID,通过以此方式解决了汽车零配件交易过程中区块链无法进行汽车零配件的真伪识别问题;通过对同一类型同一批次的汽车零配件的零件灰度图像进行独立特征的分析,根据独立特征得到特征像素点,进而生成唯一防伪码;而特征像素点获取过程中涉及的第一独特性,其通过同类型同批次的所有的汽车零配件计算得到,因此在进行某一个汽车零配件的防伪时,需要考虑整体的同一批次生产的所有的汽车零配件的特征,在假冒伪劣产品进行仿制的时候,需要考虑相应的批次生产问题,造假的成本更大,进而提升防伪效果;而对于第二独特性,其考虑了汽车零配件自身的独特纹理特征,与每个汽车零配件结合更紧密,进而提升对于单个汽车零配件的防伪效果,从而提升基于区块链的汽车零配件交易的安全性及可溯源性。
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一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一个实施例所提供的基于汽车零配件防伪的安全交易管理系统结构框图。
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。
请参阅图1,其示出了本发明一个实施例所提供的基于汽车零配件防伪的安全交易管理系统结构框图,该系统包括:
数据采集模块101,采集同一类型同一批次的若干汽车零配件图像,预处理得到若干零件灰度图像。
本实施例的目的是对汽车零配件在利用区块链的交易过程中,实现对于汽车零配件的防伪唯一性以及可溯源性,因此需要根据每个汽车零配件的特征进行唯一防伪码的生成,其中同一类型同一批次的若干汽车零配件之间,在基础特征上表现较为相似,则需要提取每个汽车零配件的独立特征,进而根据独立特征生成防伪信息,用于区块链上交易记录,因此首先需要采集同一类型同一批次的若干汽车零配件的图像。
具体的,本实施例通过在汽车零配件生产流水线上布置工业相机,对同一类型同一批次的每个汽车零配件进行图像采集,每次采集的角度相同,避免因为环境因素导致汽车零配件图像出现差异,则得到了每个汽车零配件的汽车零配件图像;对每个汽车零配件图像进行灰度化处理,得到若干灰度图像,记为每个汽车零配件的零件灰度图像。
至此,获取到了同一类型同一批次每个汽车零配件的零件灰度图像,用于后续对每个汽车零配件进行防伪信息的获取及添加。
特征分析模块102:
需要说明的是,汽车零配件的生产过程中,虽然同一类型的汽车零配件的生产过程以及既定的参数都是相同的,但是实际生产的同一类型的汽车零配件仍具有细微差别,形成属于对应汽车零配件的自身的特征纹理;而在进行汽车零配件的防伪过程中,进行一件一码处理方式能够更好的对汽车零配件的防伪提供可信度信息;因此对同一批次同一类型的汽车类配件进行对应的图像采集,而后通过若干零件灰度图像中单个汽车零配件对应的零件灰度图像自身独特纹理特征的量化,以此来进行对应的汽车零配件的防伪码的生成,从而实现对每个汽车零配件生成唯一的防伪码。
(1)对每个零件灰度图像通过图像增强及边缘检测,得到每个零件灰度图像的若干边缘像素点,根据不同零件灰度图像中相同坐标的边缘像素点分布,获取每个零件灰度图像中每个边缘像素点的第一独特性。
需要说明的是,由于需要对每个零件灰度图像进行独特纹理特征的提取,因此首先需要对纹理特征进行方法,通过直方图均衡化的图像增强实现每个零件灰度图像的特征放大,再对增强后的图像进行边缘检测,通过边缘像素点来反映每个汽车零配件的结构信息及纹理信息;获取到边缘像素点后,则根据不同零件灰度图像中在相同位置的边缘像素点的分布特征,来量化得到每个零件灰度图像中每个边缘像素点的第一独特性;其中分布特征通过每个边缘像素点对应位置是否在其他图像中相同位置仍分布有边缘像素点,以及这些边缘像素点邻域范围内其他边缘像素点的分布情况,来量化得到。
具体的,以任意一个零件灰度图像为例,首先对该零件灰度图像进行直方图均衡化,得到的图像记为该零件灰度图像的增强后图像,对增强后图像利用canny算法进行边缘检测,得到增强后图像的边缘图像,将边缘图像中的边缘点在零件灰度图像对应的像素点,记为该零件灰度图像的边缘像素点;按照上述方法获取每个零件灰度图像的若干边缘像素点,其中直方图均衡化及边缘检测均为公知技术,本实施例不再赘述。
进一步的,由于每个零件灰度图像的尺寸大小一样,则以任意一个零件灰度图像中任意一个边缘像素点为例,获取该边缘像素点在零件灰度图像中的坐标,获取其他零件灰度图像中相同坐标的边缘像素点,记为该边缘像素点的参考边缘点,得到该边缘像素点的若干参考边缘点,其中坐标可以在零件灰度图像中直接获取,本实施例不再赘述;同时对于该边缘像素点,以该边缘像素点为中心,构建大小的预设窗口,其中本实施例采用进行叙述,获取预设窗口中除中心的该边缘像素点之外其他像素点为边缘像素点的情况,若预设窗口中像素点为边缘像素点,则将该像素点标记为1,不是边缘像素点则标记为0,按照从左到右、从上到下的顺序对预设窗口中除中心的该边缘像素点之外其他每个像素点的标记值进行排列,得到一个向量,将该向量记为该边缘像素点的边缘分布向量;按照上述方法获取每个零件灰度图像中每个边缘像素点的若干参考边缘点,同时对每个零件灰度图像中每个像素点获取边缘分布向量,需要说明的是,若像素点由于分布在零件灰度图像边界部分,而导致预设窗口超出图像范围,则对预设窗口中超出图像范围的每个像素点标记为0,并继续构建边缘分布向量。
进一步的,以第个零件灰度图像中第/>个边缘像素点为例,该边缘像素点的第一独特性/>的计算方法为:
其中,表示零件灰度图像的总数量,/>表示第/>个零件灰度图像中第/>个边缘像素点的参考边缘点的数量,/>表示第/>个零件灰度图像中第/>个边缘像素点的边缘分布向量,/>表示第/>个零件灰度图像中与第/>个零件灰度图像中第/>个边缘像素点相同坐标的像素点的边缘分布向量,/>表示对两个边缘分布向量求余弦相似度,表示以自然常数为底的指数函数,本实施例通过/>函数来呈现反比例关系,实施者可根据实际情况设置反比例函数;
通过参考边缘点的数量占比,以及不同零件灰度图像中相同坐标像素点的边缘分布向量的差异,量化得到第一独特性;其中参考边缘点的数量占比越小,表明该边缘像素点的参考边缘点的数量越少,不同零件灰度图像中该边缘像素点对应的坐标下,为边缘像素点的像素点数量越少,该边缘像素点能够反映的独立特征越大,则第一独特性越大;而通过其他每个零件灰度图像中相同坐标像素点的边缘分布向量与该边缘像素点的边缘分布向量获取余弦相似度,余弦相似度越小,邻域范围边缘像素点边缘分布差异越大,该边缘像素点能够反映的独立特征越大,则第一独特性越大;同时数量占比的值域范围为,余弦相似度的值域范围为/>,且都呈现反比例关系,因此采用相同的反比例函数对两个数值进行处理,保证量纲统一,并对多个余弦相似度处理后的结果求均值,且由于余弦相似度累加过程中不包括第/>个灰度图像,则求均值通过/>进行计算,则最终得到该边缘像素点的第一独特性;按照上述方法获取每个零件灰度图像中每个边缘像素点的第一独特性。
至此,得到了每个零件灰度图像中若干边缘像素点,并获取了每个边缘像素点的第一独特性。
(2)根据同一零件灰度图像中不同边缘像素点与邻域像素点的灰度分布,获取每个零件灰度图像中每个边缘像素点的第二独特性,结合第一独特性与第二独特性,得到每个零件灰度图像的若干特征像素点。
需要说明的是,获取到基于不同零件灰度图像得到的第一独特性后,则需要在同一零件灰度图像中继续对每个边缘像素点进行独特性分析,通过每个边缘像素点的灰度值,以及邻域范围内像素点的灰度值,量化得到每个零件灰度图像中每个边缘像素点的第二独特性;结合第一独特性与第二独特性共同获取每个边缘像素点的综合独特性,通过综合独特性筛选出每个零件灰度图像的特征像素点,用于后续生成唯一防伪码。
具体的,以第个零件灰度图像中第/>个边缘像素点为例,该边缘像素点的第二独特性/>的计算方法为:
其中,表示第/>个零件灰度图像中边缘像素点的数量,/>表示第/>个零件灰度图像中第/>个边缘像素点的纹理特征参数,/>表示第/>个零件灰度图像中第/>个边缘像素点的纹理特征参数,/>表示求绝对值;/>表示第/>个零件灰度图像中第/>个边缘像素点及其八邻域像素点的灰度值均值,/>表示第/>个零件灰度图像中所有像素点的灰度值均值,/>表示边缘像素点的邻域像素点数量,本实施例采用/>进行叙述,/>表示第/>个零件灰度图像中第/>个边缘像素点的灰度值,/>表示第/>个零件灰度图像中第/>个边缘像素点的第/>个邻域像素点的灰度值;
通过对该边缘像素点与同一零件灰度图像中其他边缘像素点之间,纹理特征参数的差异来量化第二独特性,通过对纹理特征参数的差异求均值得到第二独特性,其中均值获取的累加过程中由于不包含第个边缘像素点,则通过/>进行计算,纹理特征参数差异越大,该边缘像素点在该零件灰度图像中越独特,则第二独特性越大;其中纹理特征参数则通过边缘像素点的邻域范围灰度均值与整体灰度均值的差异,并结合邻域像素点与该边缘像素点的灰度差异均值得到,最终量化得到第二独特性;按照上述方法获取每个零件灰度图像中每个边缘像素点的第二独特性。
进一步的,由于第二独特性与第一独特性量纲存在差异,以任意一个零件灰度图像为例,对该零件灰度图像中所有边缘像素点的第二独特性进行线性归一化,将第二独特性的归一化值与第一独特性的乘积,作为该零件灰度图像中每个边缘像素点的综合独特性;需要说明的是,由于第一独特性及第二独特性均反映边缘像素点的独立特征,因此通过乘积来量化得到综合独特性;获取到该零件灰度图像中每个边缘像素点的综合独特性后,将所有边缘像素点按照综合独特性降序排列,提取前预设数量的边缘像素点,作为该零件灰度图像的特征像素点,其中预设数量本实施例采用20进行叙述;按照上述方法获取每个零件灰度图像的若干特征像素点。
至此,得到了每个零件灰度图像的若干特征像素点,用于每个零件灰度图像对应汽车零配件的唯一防伪码生成。
防伪生成模块103,根据每个零件灰度图像的若干特征像素点,生成每个汽车零配件的唯一防伪码。
以任意一个零件灰度图像为例,获取该零件灰度图像所有特征像素点的坐标,按照零件灰度图像中从左到右、从上到下的顺序对所有坐标进行排列,得到该零件灰度图像的防伪文本;
利用哈希算法对该零件灰度图像的防伪文本生成唯一的128位哈希签名,将得到的哈希签名作为该零件灰度图像对应的汽车零配件的唯一防伪码;按照上述方法获取每个汽车零配件的唯一防伪码,其中哈希签名生成为公知技术,本实施例不再赘述。
至此,生成了每个汽车零配件的唯一防伪码。
安全管理模块104,根据每个汽车零配件的唯一防伪码,结合区块链技术,完成汽车零配件的安全交易管理。
获取到同一类型同一批次每个汽车零配件的唯一防伪码后,将唯一防伪码作为每个汽车零配件在区块链中的上链ID,在上链ID的基础上进行基于区块链的交易,实现对于交易相关信息的管理,并确保交易的防伪安全性,其中区块链技术为公知技术,本实施例不再赘述。
至此,完成了对于汽车零配件的安全交易管理系统,实现了基于区块链的汽车零配件的防伪交易管理。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.基于汽车零配件防伪的安全交易管理系统,其特征在于,该系统包括:
数据采集模块,采集同一类型同一批次的若干汽车零配件图像,对每个汽车零配件图像预处理得到每个汽车零配件的零件灰度图像;
特征分析模块:通过图像增强及边缘检测获取每个零件灰度图像的若干边缘像素点,根据不同零件灰度图像中相同坐标的边缘像素点分布,获取每个零件灰度图像中每个边缘像素点的第一独特性;
根据同一零件灰度图像中不同边缘像素点与邻域像素点的灰度分布,获取每个零件灰度图像中每个边缘像素点的第二独特性;
根据第一独特性及第二独特性得到每个零件灰度图像中每个边缘像素点的综合独特性,通过综合独特性得到每个零件灰度图像的若干特征像素点;
防伪生成模块,根据每个零件灰度图像的若干特征像素点,生成每个汽车零配件的唯一防伪码;
安全管理模块,根据每个汽车零配件的唯一防伪码,结合区块链技术,完成汽车零配件的安全交易管理;
所述通过图像增强及边缘检测获取每个零件灰度图像的若干边缘像素点,包括的具体方法为:
以任意一个零件灰度图像为目标零件灰度图像,对目标零件灰度图像进行直方图均衡化,得到的图像记为目标零件灰度图像的增强后图像,对增强后图像利用canny算法进行边缘检测,得到增强后图像的边缘图像,将边缘图像中的边缘点在目标零件灰度图像对应的像素点,记为目标零件灰度图像的边缘像素点;
获取每个零件灰度图像的若干边缘像素点;
所述每个零件灰度图像中每个边缘像素点的第一独特性,具体的获取方法为:
根据不同零件灰度图像中相同坐标的边缘像素点分布,得到每个零件灰度图像中每个边缘像素点的若干参考边缘点以及每个像素点的边缘分布向量;
第个零件灰度图像中第/>个边缘像素点的第一独特性/>的计算方法为:
其中,表示零件灰度图像的总数量,/>表示第/>个零件灰度图像中第/>个边缘像素点的参考边缘点的数量,/>表示第/>个零件灰度图像中第/>个边缘像素点的边缘分布向量,/>表示第/>个零件灰度图像中与第/>个零件灰度图像中第/>个边缘像素点相同坐标的像素点的边缘分布向量,/>表示对两个边缘分布向量求余弦相似度,/>表示以自然常数为底的指数函数;
获取每个零件灰度图像中每个边缘像素点的第一独特性;
所述每个零件灰度图像中每个边缘像素点的第二独特性,具体的获取方法为:
根据同一零件灰度图像中每个边缘像素点及其领域像素点的灰度值,获取每个零件灰度图像中每个边缘像素点的纹理特征参数;
第个零件灰度图像中第/>个边缘像素点的第二独特性/>的计算方法为:
其中,表示第/>个零件灰度图像中边缘像素点的数量,/>表示第/>个零件灰度图像中第/>个边缘像素点的纹理特征参数,/>表示第/>个零件灰度图像中第/>个边缘像素点的纹理特征参数,/>表示求绝对值;
获取每个零件灰度图像中每个边缘像素点的第二独特性;
所述根据第一独特性及第二独特性得到每个零件灰度图像中每个边缘像素点的综合独特性,包括的具体方法为:
以任意一个零件灰度图像为目标零件灰度图像,对目标零件灰度图像中所有边缘像素点的第二独特性进行线性归一化,将第二独特性的归一化值与第一独特性的乘积,作为目标零件灰度图像中每个边缘像素点的综合独特性;
获取每个零件灰度图像中每个边缘像素点的综合独特性;
所述通过综合独特性得到每个零件灰度图像的若干特征像素点,包括的具体方法为:
以任意一个零件灰度图像为目标零件灰度图像,将目标零件灰度图像中所有边缘像素点按照综合独特性降序排列,提取前预设数量的边缘像素点,作为目标零件灰度图像的特征像素点;获取每个零件灰度图像的若干特征像素点;
所述生成每个汽车零配件的唯一防伪码,包括的具体方法为:
以任意一个零件灰度图像为目标零件灰度图像,获取目标零件灰度图像所有特征像素点的坐标,按照目标零件灰度图像中从左到右、从上到下的顺序对所有坐标进行排列,得到目标零件灰度图像的防伪文本;
利用哈希算法对目标零件灰度图像的防伪文本生成唯一的128位哈希签名,将得到的哈希签名作为目标零件灰度图像对应的汽车零配件的唯一防伪码;
获取每个汽车零配件的唯一防伪码。
2.根据权利要求1所述的基于汽车零配件防伪的安全交易管理系统,其特征在于,所述得到每个零件灰度图像中每个边缘像素点的若干参考边缘点以及每个像素点的边缘分布向量,包括的具体方法为:
根据不同零件灰度图像中边缘像素点的分布,获取每个零件灰度图像中每个边缘像素点的若干参考边缘点;
以任意一个零件灰度图像中任意一个边缘像素点为目标边缘像素点,以目标像素点为中心,获取目标像素点的预设窗口,将预设窗口中除目标像素点之外的其他每个像素点,是边缘像素点的标记为1,不是边缘像素点的标记为0,按照从左到右、从上到下的顺序对预设窗口中除目标边缘像素点之外其他每个像素点的标记值进行排列,得到一个向量,将向量记为目标边缘像素点的边缘分布向量;
获取每个零件灰度图像中每个像素点的边缘分布向量。
3.根据权利要求2所述的基于汽车零配件防伪的安全交易管理系统,其特征在于,所述每个零件灰度图像中每个边缘像素点的若干参考边缘点,具体的获取方法为:
以任意一个零件灰度图像中任意一个边缘像素点为目标边缘像素点,获取目标边缘像素点在零件灰度图像中的坐标,获取其他零件灰度图像中相同坐标的边缘像素点,记为目标边缘像素点的参考边缘点,得到目标边缘像素点的若干参考边缘点;获取每个零件灰度图像中每个边缘像素点的若干参考边缘点。
4.根据权利要求1所述的基于汽车零配件防伪的安全交易管理系统,其特征在于,所述每个零件灰度图像中每个边缘像素点的纹理特征参数,具体的获取方法为:
其中,表示第/>个零件灰度图像中第/>个边缘像素点的纹理特征参数,/>表示第/>个零件灰度图像中第/>个边缘像素点及其八邻域像素点的灰度值均值,/>表示第/>个零件灰度图像中所有像素点的灰度值均值,/>表示边缘像素点的邻域像素点数量,/>表示第/>个零件灰度图像中第/>个边缘像素点的灰度值,/>表示第/>个零件灰度图像中第/>个边缘像素点的第/>个邻域像素点的灰度值,/>表示求绝对值;
获取每个零件灰度图像中每个边缘像素点的纹理特征参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310943193.3A CN116664254B (zh) | 2023-07-31 | 2023-07-31 | 基于汽车零配件防伪的安全交易管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310943193.3A CN116664254B (zh) | 2023-07-31 | 2023-07-31 | 基于汽车零配件防伪的安全交易管理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116664254A CN116664254A (zh) | 2023-08-29 |
CN116664254B true CN116664254B (zh) | 2023-10-13 |
Family
ID=87715719
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310943193.3A Active CN116664254B (zh) | 2023-07-31 | 2023-07-31 | 基于汽车零配件防伪的安全交易管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116664254B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108764419A (zh) * | 2018-04-03 | 2018-11-06 | 上海链井信息科技有限公司 | 一种识别具随机纹理的防伪标签的方法 |
JP2018192729A (ja) * | 2017-05-19 | 2018-12-06 | 独立行政法人 国立印刷局 | 偽造防止印刷物作成方法及び偽造防止印刷物作成用プログラム |
CN111340689A (zh) * | 2020-03-02 | 2020-06-26 | 周晓明 | 一种用于复合图像的生成方法和系统 |
CN113392664A (zh) * | 2021-06-22 | 2021-09-14 | 杭州沃朴物联科技有限公司 | 防伪二维码生成方法、验伪方法和装置 |
CN114757317A (zh) * | 2022-06-16 | 2022-07-15 | 武汉朗修科技有限公司 | 防伪纹理图案的制作及其验证方法 |
CN114862852A (zh) * | 2022-07-07 | 2022-08-05 | 山东意吉希精密制造有限公司 | 一种用于汽车零部件加工的智能控制方法 |
CN115100210A (zh) * | 2022-08-29 | 2022-09-23 | 山东艾克赛尔机械制造有限公司 | 一种基于汽车零部件防伪识别方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2145774A1 (en) * | 2008-07-07 | 2010-01-20 | Gemalto SA | Method for securing an image by means of graphical anti-counterfeiting means, method for securing an identification document, and secure identification |
-
2023
- 2023-07-31 CN CN202310943193.3A patent/CN116664254B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018192729A (ja) * | 2017-05-19 | 2018-12-06 | 独立行政法人 国立印刷局 | 偽造防止印刷物作成方法及び偽造防止印刷物作成用プログラム |
CN108764419A (zh) * | 2018-04-03 | 2018-11-06 | 上海链井信息科技有限公司 | 一种识别具随机纹理的防伪标签的方法 |
CN111340689A (zh) * | 2020-03-02 | 2020-06-26 | 周晓明 | 一种用于复合图像的生成方法和系统 |
CN113392664A (zh) * | 2021-06-22 | 2021-09-14 | 杭州沃朴物联科技有限公司 | 防伪二维码生成方法、验伪方法和装置 |
CN114757317A (zh) * | 2022-06-16 | 2022-07-15 | 武汉朗修科技有限公司 | 防伪纹理图案的制作及其验证方法 |
CN114862852A (zh) * | 2022-07-07 | 2022-08-05 | 山东意吉希精密制造有限公司 | 一种用于汽车零部件加工的智能控制方法 |
CN115100210A (zh) * | 2022-08-29 | 2022-09-23 | 山东艾克赛尔机械制造有限公司 | 一种基于汽车零部件防伪识别方法 |
Non-Patent Citations (1)
Title |
---|
基于数字图像处理技术的金属表面防伪图案识别算法;刘悦;;世界有色金属(15);33-34 * |
Also Published As
Publication number | Publication date |
---|---|
CN116664254A (zh) | 2023-08-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Identification of deep network generated images using disparities in color components | |
Ferreira et al. | A review of digital image forensics | |
Alkawaz et al. | Detection of copy-move image forgery based on discrete cosine transform | |
Yang et al. | Source camera identification based on content-adaptive fusion residual networks | |
Qazi et al. | Survey on blind image forgery detection | |
Sabeti et al. | An adaptive LSB matching steganography based on octonary complexity measure | |
Mahmood et al. | A survey on block based copy move image forgery detection techniques | |
CN116664961B (zh) | 基于信码的防伪标签智能识别方法及系统 | |
Hakimi et al. | Image-splicing forgery detection based on improved lbp and k-nearest neighbors algorithm | |
CN111931783A (zh) | 一种训练样本生成方法、机读码识别方法及装置 | |
CN111445058A (zh) | 数据分析方法、装置、设备及计算机可读存储介质 | |
Liu et al. | Detection of JPEG double compression and identification of smartphone image source and post-capture manipulation | |
Rhee | Detection of spliced image forensics using texture analysis of median filter residual | |
Davarzani et al. | Image authentication using LBP-based perceptual image hashing | |
CN116664254B (zh) | 基于汽车零配件防伪的安全交易管理系统 | |
Ponishjino et al. | Bogus currency authorization using HSV techniques | |
Baumy et al. | Efficient Forgery Detection Approaches for Digital Color Images. | |
CN114757317B (zh) | 防伪纹理图案的制作及其验证方法 | |
Kumar et al. | Robust approach of video steganography using combined keypoints detection algorithm against geometrical and signal processing attacks | |
Al-Ghadi et al. | Guilloche detection for ID authentication: a dataset and baselines | |
CN113077355B (zh) | 保险理赔方法、装置、电子设备及存储介质 | |
Raja | Active and Passive Detection of Image Forgery: A Review Analysis | |
CN113239738A (zh) | 一种图像的模糊检测方法及模糊检测装置 | |
Hansda et al. | Copy-move image forgery detection via combined pseudo-zernike moment invariant | |
Zhang et al. | Image Splicing Detection Based on Complex Features of Camera Noise Characteristics |
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 |