[發明專利]基于人工智能的藝術品鑒定方法與系統和藝術品交易的方法和系統

在審

• 申請號: 202111104769.4
• 申請日: 2021-09-18
• 公開（公告）號: CN115526823A
• 公開（公告）日: 2022-12-27
• 發明（設計）人: 李應樵;馬志雄
• 申請（專利權）人: 萬維數碼智能有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T17/20;G06T7/49;G06T7/90;G06V10/74;G06V20/80;G06V10/44;G06V10/56;G06V10/46;G06V10/764;G06V10/82;G06N3/04;G06N3/08;G06Q20/06
• 代理公司: 青島聯智專利商標事務所有限公司 37101
• 代理人: 遲姍;匡麗娟

1.一種基于人工智能的藝術品鑒定方法，包括如下步驟：

獲得擬被鑒定藝術品的多幅視圖；

通過所獲得的多幅視圖對擬被鑒定藝術品進行三維模型重建；

將被重建后的三維模型進行藝術品圖像分析給出與真實藝術品數據相似度的評估；

根據評估結果，給出擬被鑒定藝術品真偽的可能性；

其中，所述將被重建后的三維模型進行藝術品圖像分析給出與真實藝術品數據相似度的評估的步驟還包括：

輸入包含擬被鑒定藝術品圖像重建后的三維模型中包含獨特特征的圖像；

利用卷積神經網絡對所述圖像多次進行處理，并通過全連接層對所述圖像進行分類；

在特定層啟動訓練網絡：對每個所述圖像應用濾鏡并輸出其對應的特征圖，所述輸出的特征圖作為新的圖像輸入；

通過全連接層和ReLU函數獲得被處理過的所述圖像屬于所述分類類別的可能性，獲得評估結果。

2.如權利要求1所述的藝術品鑒定方法，其中所述通過所獲得的多幅視圖對擬被鑒定藝術品進行三維模型重建的步驟包括：

所述多幅視圖是從不同側面獲得的多副二維藝術品圖片；

對所述多幅二維藝術品圖片中的每個進行關鍵特征點的提取與匹配；

利用所匹配的關鍵特征點的對極約束關系獲得這些關鍵點在坐標系中的三維坐標以建立稀疏點云；

將所述稀疏點云擴展生成稠密點云；

對所述稠密點云的空洞部分進行填充從而進行表面重建，并進行紋理映射以便將二維空間中的紋理信息映射到三維空間。

3.如權利要求1所述的藝術品鑒定方法，還包括如下步驟，通過卷積層(CONV)對特征進行提取；

通過感受野(filter)與輸入圖像的卷積得到特征圖；

使用多層卷積層來得到更深層次的特征圖。

4.如權利要求3所述的藝術品鑒定方法，其中所述的特征圖中分別獲得例如簡單形狀的低層次特征、例如復雜特征的中層次特征和例如確定具體圖案形狀的高層次特征以及可訓練的分類。

5.如權利要求3所述的藝術品鑒定方法，其中卷積層之后為ReLU激活函數，所述ReLU函數的輸入值輸出數值為0和1之間的任何數；

所述ReLU函數之后為池化層，所述池化層對輸入的特征圖進行壓縮，使特征圖變小，并提取主要特征。

6.如權利要求1所述的藝術品鑒定方法，其中獲得評估結果的步驟中，通過深度神經網絡模型(DNN)來獲得相似度評估結果，其中根據DNN不同層的位置劃分，其內部的網絡層分為輸入層，隱藏層和輸出層三類，其中第一層為輸入層、最后一層為輸出層，中間的層為隱藏層。

7.如權利要求6的藝術品鑒定方法，其中還包括給出0至1的相似度評估，評價擬被鑒定的藝術品與真跡之間的相似程度，越接近1，擬被鑒定的藝術品越真實，當結果為1時，擬被鑒定藝術品與真跡一致。

8.如權利要求2所述的藝術品鑒定方法，其中所述每個進行關鍵特征點的提取與匹配步驟包括：

基于三個條件提取關鍵特征點：(1)顏色、(2)形狀、(3)圖案；并

采用基于塊的和基于SIFT特征的匹配方法，匹配過程中采用KD-TREE的方法對最近鄰的特征點進行匹配，并采用多視角幾何進行限制。

9.如權利要求2所述的藝術品鑒定方法，其中所述利用所匹配的關鍵特征點的對極約束關系獲得這些關鍵點在坐標系中的三維坐標以建立稀疏點云的步驟包括：

運動恢復結構(SFM)方法，包括三角定位、集束約束等過程，利用兩個場景或多個場景自動恢復相機運動和場景結構，從獲取的目標物系列影像出發，最終獲取較高精度的目標物稀疏三維點云；

所述SFM方法包括增量式、層級式、或全局式策略；

以及一致性搜索及增量式重建；

其中在一致性搜索階段，找到數據集中有場景重疊的圖像，識別出有場景重疊影像中同一個目標點在多張影像上的投影；

在增量式重建階段，輸入前面得到的場景圖，輸出的是影像的姿態估計以及空間三維坐標點。