[發(fā)明專利]一種基于LBP水印特征和細粒度識別的圖像翻拍檢測方法在審
| 申請?zhí)枺?/td> | 202010628464.2 | 申請日: | 2020-07-01 |
| 公開(公告)號: | CN111882525A | 公開(公告)日: | 2020-11-03 |
| 發(fā)明(設(shè)計)人: | 孫鯤 | 申請(專利權(quán))人: | 上海品覽數(shù)據(jù)科技有限公司 |
| 主分類號: | G06T7/00 | 分類號: | G06T7/00;G06N3/04 |
| 代理公司: | 上海創(chuàng)開專利代理事務(wù)所(普通合伙) 31374 | 代理人: | 汪發(fā)成 |
| 地址: | 201800 上海市*** | 國省代碼: | 上海;31 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 基于 lbp 水印 特征 細粒度 識別 圖像 翻拍 檢測 方法 | ||
本發(fā)明公開了一種基于LBP水印特征和細粒度識別的圖像翻拍檢測方法,涉及圖像翻拍審核的人工智能識別技術(shù)領(lǐng)域。本發(fā)明方法包括以下步驟:S1、獲取待審查的圖像;S2、圖像預(yù)處理;S3、從待審查從待審查圖像中裁剪出25張32×32尺寸的小圖;S4、對每張小圖用輕量CNN模型預(yù)測一個翻拍置信度;S5、對25張小圖的翻拍置信度取的最終翻拍置信度;S6、判斷最終置信度是否大于0.5;若是則為翻拍圖片,若不是則不是翻拍圖片。本發(fā)明通過卷積神經(jīng)網(wǎng)絡(luò)和ensemble方法,大幅提高了翻拍檢測的正確率,在32x32小圖數(shù)據(jù)集上,CNN模型的正確率可達到0.8以上,整圖數(shù)據(jù)集上,翻拍檢測算法的正確率可達到0.9以上。
技術(shù)領(lǐng)域
本發(fā)明屬于圖像翻拍審核的人工智能識別技術(shù)領(lǐng)域,特別是涉及一種基于LBP水印特征和細粒度識別的圖像翻拍檢測方法。
背景技術(shù)
當(dāng)前圖片翻拍檢測基本上還是基于人工審核的方式,相關(guān)的自動化軟件比較少,人工成本高昂。在需要全天候?qū)崟r檢測的場合,比如快遞自提柜的人臉翻拍檢測任務(wù),很難通過人工審核來實現(xiàn)。這使得相關(guān)的計算機視覺應(yīng)用的落地受到阻礙。圖像翻拍自動識別技術(shù)有助于防止個人信息盜用導(dǎo)致的。但是財務(wù)報表中的專用章嚴(yán)重干擾數(shù)字、漢字等信息的自動識別,對財務(wù)報表識別工作效率、準(zhǔn)確率存在一定影響。基于傳統(tǒng)圖像處理的翻拍檢測方法,比如LBP特征或小波特征,精確度較低。因此針對以上問題,提供一種基于LBP水印特征和細粒度識別的圖像翻拍檢測方法具有重要意義。
發(fā)明內(nèi)容
本發(fā)明提供了一種基于LBP水印特征和細粒度識別的圖像翻拍檢測方法,本專利在傳統(tǒng)LBP特征的基礎(chǔ)上,通過卷積神經(jīng)網(wǎng)絡(luò)和ensemble方法,大幅提高了翻拍檢測的正確率。
為解決上述技術(shù)問題,本發(fā)明是通過以下技術(shù)方案實現(xiàn)的:
本發(fā)明的一種基于LBP水印特征和細粒度識別的圖像翻拍檢測方法,包括以下步驟;
S1、獲取待檢測的圖像;
S2、對圖像進行預(yù)處理,包括能夠提升檢測精確度的圖像銳化和直方圖均衡,使圖像質(zhì)量進行提升,并抽取整張圖像的LBP特征圖,該LBP特征圖的尺寸與原始圖片相同;
S3、將LBP特征圖用水印方法根據(jù)自適應(yīng)參數(shù)疊加到步驟S2處理后的圖像上,在S2中處理后的圖片中,用目標(biāo)檢測中的roi-proposal算法找到25個敏感區(qū)域,在每個敏感區(qū)域上裁剪一張32x32的小圖;
S4、對S3中裁剪的每張小圖用特殊結(jié)構(gòu)的預(yù)訓(xùn)練CNN模型預(yù)測一個翻拍置信度;
S5、對25個翻拍置信度取平均值,則為步驟S1中獲取到的整張圖片的翻拍置信度;
S6、若翻拍置信度大于0.5,則判讀是翻拍圖片,否則是正常圖片。
本發(fā)明相對于現(xiàn)有技術(shù)包括有以下有益效果:
本發(fā)明基于LBP水印特征和細粒度識別的圖像翻拍檢測方法解決了基于傳統(tǒng)圖像處理的翻拍檢測方法,比如LBP特征或小波特征,精確度較低的問題,基于傳統(tǒng)LBP特征的基礎(chǔ)上,通過卷積神經(jīng)網(wǎng)絡(luò)和ensemble方法,大幅提高了翻拍檢測的正確率,本發(fā)明在32x32小圖數(shù)據(jù)集上,CNN模型的正確率可達到0.8以上。整圖數(shù)據(jù)集上,翻拍檢測算法的正確率可達到0.9以上。
當(dāng)然,實施本發(fā)明的任一產(chǎn)品并不一定需要同時達到以上所述的所有優(yōu)點。
附圖說明
為了更清楚地說明本發(fā)明實施例的技術(shù)方案,下面將對實施例描述所需要使用的附圖作簡單地介紹,顯而易見地,下面描述中的附圖僅僅是本發(fā)明的一些實施例,對于本領(lǐng)域普通技術(shù)人員來講,在不付出創(chuàng)造性勞動的前提下,還可以根據(jù)這些附圖獲得其他的附圖。
圖1為本發(fā)明一種基于LBP水印特征和細粒度識別的圖像翻拍檢測方法的流程圖;
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于上海品覽數(shù)據(jù)科技有限公司,未經(jīng)上海品覽數(shù)據(jù)科技有限公司許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202010628464.2/2.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 數(shù)字水印的水印跳變方法
- 一種基于離散小波變換的數(shù)字水印系統(tǒng)
- 一種音頻數(shù)字水印系統(tǒng)
- 一種基于奇異值分解的數(shù)字水印的嵌入和提取方法及系統(tǒng)
- 根據(jù)圖形生成水印的方法、系統(tǒng)、終端及介質(zhì)
- 一種用于大數(shù)據(jù)的數(shù)字水印嵌入和提取方法及系統(tǒng)
- 基于PDF的水印平鋪方法、裝置、計算機設(shè)備及存儲介質(zhì)
- 一種編輯水印的方法、裝置及電子設(shè)備
- 水印檢測模型的生成和水印檢測方法、裝置及設(shè)備
- 視頻水印去除方法、視頻數(shù)據(jù)發(fā)布方法及相關(guān)裝置





