[發(fā)明專利]證件校驗方法、裝置、電子設(shè)備及介質(zhì)

有效

• 申請?zhí)枺?/td>: 202011018247.8
• 申請日: 2020-09-24
• 公開（公告）號: CN112132812B
• 公開（公告）日: 2023-06-30
• 發(fā)明（設(shè)計）人: 雷晨雨;周建偉;張國輝;宋晨
• 申請（專利權(quán)）人: 平安科技（深圳）有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/13;G06T5/00;G06T7/90;G06N3/0464;G06N3/08
• 代理公司: 深圳市沃德知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44347
• 代理人: 高杰;于志光

1.一種證件校驗方法，其特征在于，所述方法包括：

獲取待校驗證件的圖像集，所述圖像集包括多張不同角度的所述待校驗證件的圖像；

對所述圖像集進行邊緣檢測處理，得到邊緣證件圖像集；

提取所述邊緣證件圖像集中各圖像的全息校驗區(qū)域，將提取到的多個全息校驗區(qū)域進行合成處理，得到全息證件圖像；

將所述全息證件圖像輸入至訓(xùn)練的3D卷積網(wǎng)絡(luò)模型識別所述全息證件圖像的變化程度值；

根據(jù)所述全息證件圖像的變化程度值和預(yù)置校驗算法計算所述待校驗證件的校驗值；

若所述校驗值大于或等于預(yù)設(shè)校驗閾值，確定所述待校驗證件為真實證件；

其中，所述對所述圖像集進行邊緣檢測處理，得到邊緣證件圖像集，包括：對所述圖像集進行平滑濾波處理，得到濾波圖像集；對所述濾波圖像集進行邊緣細化處理，得到細化圖像集；利用雙閾值法對所述細化圖像集進行邊緣選取處理，得到邊緣證件圖像集；

所述對所述圖像集進行平滑濾波處理，得到濾波圖像集，包括：利用高斯濾波器對所述圖像集進行平滑濾波處理，得到濾波圖像集G(x,y)：

G(x,y)＝f(x,y)*H(x,y)

H(x,y)＝exp[-(x²+y²)/2σ²]

其中，f(x,y)為所述圖像集，G(x,y)為所述濾波圖像集，H(x,y)為所述高斯濾波器，exp為濾波處理運算，σ表示取值為常數(shù)的系統(tǒng)參數(shù)。

2.如權(quán)利要求1所述的證件校驗方法，其特征在于，所述利用雙閾值法對所述細化圖像集進行邊緣選取處理，得到所述邊緣證件圖像集，包括：

獲取高像素閾值條件和低像素閾值條件；

選取所述細化圖像集的各細化圖像中符合所述高像素閾值條件的第一像素點集合，以及符合所述低像素閾值條件的第二像素點集合；

將各細化圖像中所述第一像素點集合與所述第二像素點集合進行連接，得到邊緣證件圖像集。

3.如權(quán)利要求1所述的證件校驗方法，其特征在于，所述將所述全息證件圖像輸入至訓(xùn)練的3D卷積網(wǎng)絡(luò)模型識別所述全息證件圖像的變化程度值之前，所述方法還包括：

獲取訓(xùn)練全息圖像集及所述訓(xùn)練全息圖像集的標(biāo)簽值；

將所述訓(xùn)練全息圖像集轉(zhuǎn)換為全息圖像向量集；

利用預(yù)構(gòu)建的3D卷積網(wǎng)絡(luò)模型中的卷積層對所述全息圖像向量集進行卷積操作，得到卷積圖像向量集；

利用所述預(yù)構(gòu)建的3D卷積網(wǎng)絡(luò)模型中的池化層提取所述卷積圖像向量集的特征圖像向量，得到特征圖片向量集；

利用所述預(yù)構(gòu)建的3D卷積網(wǎng)絡(luò)模型中的激活函數(shù)計算所述特征圖片向量集的多個訓(xùn)練值，其中，每個訓(xùn)練值標(biāo)識所述訓(xùn)練全息圖像集中全息圖像的變化程度；

利用所述預(yù)構(gòu)建的3D卷積網(wǎng)絡(luò)模型中的損失函數(shù)計算所述多個訓(xùn)練值的損失值；

若所述損失值大于預(yù)設(shè)損失閾值，持續(xù)調(diào)整所述預(yù)構(gòu)建的3D卷積網(wǎng)絡(luò)模型的參數(shù)，直至所述損失值小于預(yù)設(shè)閾值時，確定訓(xùn)練完畢，得到訓(xùn)練的3D卷積網(wǎng)絡(luò)模型。

4.如權(quán)利要求3所述的證件校驗方法，其特征在于，所述利用所述預(yù)構(gòu)建的3D卷積網(wǎng)絡(luò)模型中的損失函數(shù)計算所述訓(xùn)練值集合的損失值，所述損失函數(shù)包括：

其中，L(s)表示損失值，s_i表示y_i與y_i′的差值，k表示所述特征圖片向量集的數(shù)量，y_i表示所述特征圖片向量集中第i個特征圖片向量對應(yīng)的訓(xùn)練全息圖像的標(biāo)簽值，y_i′表示所述特征圖片向量集中第i個訓(xùn)練值。

5.如權(quán)利要求3所述的證件校驗方法，其特征在于，所述將所述訓(xùn)練全息圖像集轉(zhuǎn)換為全息圖像向量集之前，所述方法還包括：

獲取所述訓(xùn)練全息圖像集中若干圖像；

對所述若干圖像進行顏色變換處理，將圖像處理后得到的圖像添加至所述訓(xùn)練全息圖像集。