[發明專利]一種圖像識別方法及裝置

在審

• 申請號: 201710097375.8
• 申請日: 2017-02-22
• 公開（公告）號: CN108460649A
• 公開（公告）日: 2018-08-28
• 發明（設計）人: 陳凱
• 申請（專利權）人: 阿里巴巴集團控股有限公司
• 主分類號: G06Q30/06
• 分類號: G06Q30/06;G06K9/62;G06N3/08
• 代理公司: 北京同達信恒知識產權代理有限公司 11291
• 代理人: 朱佳

本申請涉及圖像識別技術領域，特別涉及一種圖像識別方法及裝置。該方法為：基于空間變換網絡模型，對上述待識別圖像進行圖像處理和空間變換處理，得到上述待識別圖像對應的翻拍圖像概率值，在判定上述待識別圖像對應的翻拍圖像概率值大于等于預設的第一閾值時，確定上述待識別圖像為疑似翻拍圖像。采用上述方法，僅需對空間變換網絡進行一次模型訓練和模型測試，即可建立空間變換網絡模型，這樣，就減少了訓練和測試過程中圖像樣本標定的工作量，提高了訓練和測試效率，進一步的，基于一級空間變換網絡進行模型訓練，訓練得到的各個配置參數為最優組合，從而提高了在線使用空間變換網絡模型對圖像進行識別時的識別效果。

技術領域

本申請涉及圖像識別技術領域，特別涉及一種圖像識別方法及裝置。

背景技術

隨著網絡經濟的發展，電子商務平臺為用戶購物、交易帶來了極大的便利。在電商生態中，幾乎每個環節都涉及到“金錢”，從而促使了不法分子使用虛假身份在電商平臺上進行欺詐、發布違禁商品信息等違法違規行為。為了凈化互聯網的生態環境，推進建立實人認證的全社會誠信體系是必不可少的方式。

所謂實人認證，就是要做到人證合一，依據認證過的賬號身份信息就能方便而準確的找到使用此賬號的人。在實人認證實施的過程中，發現有部分用戶在進行實人認證時，上傳的身份證件的圖像是翻拍圖，而這部分用戶有很大的可能性是通過非法渠道獲得的他人的身份證件的數據，這樣，在進行實人認證的過程中，就需要對用戶上傳的身份證件的圖像進行識別分類，需要判斷用戶上傳的身份證件的圖像是否為翻拍圖。

現有技術中，在進行實人認證的過程中，需要采用多級獨立的卷積神經網絡(Convolutional Neural Network，CNN)對用戶上傳的身份證件圖像進行檢測判斷處理。

然而，現有的技術方案需要針對每一CNN分別建立相應的訓練模型，并進行海量的樣本訓練，從而導致樣本標定工作量大，且需要花費大量的人力、物力資源對建立的多個CNN進行后續的運維操作，進一步的，現有的技術方案中采用了多級獨立的CNN處理來對用戶上傳的身份證件圖像進行識別，識別效果不佳。

綜上所述，需要設計一種新的圖像識別方法及裝置來彌補現有技術中存在的缺陷和不足之處。

發明內容

本申請實施例提供一種圖像識別方法及裝置，用以解決現有技術中存在的需要針對每一CNN分別進行海量的樣本訓練，導致樣本標定工作量大，以及采用多級獨立的CNN處理導致圖像識別效果不佳的問題。

本申請實施例提供的具體技術方案如下：

一種圖像識別方法，包括：

將獲取到的待識別圖像輸入空間變換網絡模型中；

基于所述空間變換網絡模型，對所述待識別圖像進行圖像處理和空間變換處理，得到所述待識別圖像對應的翻拍圖像概率值；

在判定所述所述待識別圖像對應的翻拍圖像概率值大于等于預設的第一閾值時，確定所述待識別圖像為疑似翻拍圖像。

可選的，在將獲取到的待識別圖像輸入空間變換網絡模型中之前，進一步包括：

獲取圖像樣本，并按照預設比例將獲取到的圖像樣本劃分為訓練集合和測試集合；

基于卷積神經網絡CNN和空間變換模塊構建空間變換網絡，并基于所述訓練集合對所述空間變換網絡進行模型訓練，以及基于所述測試集合對已完成模型訓練的空間變換網絡進行模型測試。

可選的，基于CNN和空間變換模塊構建空間變換網絡，具體包括：

在CNN中嵌入一個可學習的空間變換模塊，以構建空間變換網絡，其中，所述空間變換模塊至少包括定位網絡，網格生成器和采樣器，所述定位網絡包括至少一個卷積層，至少一個池化層和至少一個全連接層；