[發明專利]一種證件真假識別方法、裝置、電子設備及存儲介質

在審

• 申請號: 202210397692.2
• 申請日: 2022-04-15
• 公開（公告）號: CN114743016A
• 公開（公告）日: 2022-07-12
• 發明（設計）人: 王小東;呂文勇;周智杰;朱羽;劉洪江
• 申請（專利權）人: 成都新希望金融信息有限公司
• 主分類號: G06V10/40
• 分類號: G06V10/40;G06V10/80;G06V40/40;G06V10/42;G06V10/24;G06K9/62;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 唐正瑜

1.一種證件真假識別方法，其特征在于，包括：

獲取視頻流中的多幀原始圖像，對多幀原始圖像分別進行變換，獲得每一幀原始圖像對應的目標圖像；

基于每一幀原始圖像和對應的目標圖像利用神經網絡模型分別進行特征提取，獲得每一幀目標圖像對應的多個特征；

對每一幀目標圖像對應的多個特征進行特征融合，獲得每一幀目標圖像對應的融合特征；

將每一幀目標圖像對應的融合特征輸入到訓練好的多幀識別模型中，獲得每一幀目標圖像對應的目標特征，并對所有目標圖像分別對應的目標特征分類，獲得分類結果，所述分類結果為待檢測證件真假的識別結果。

2.根據權利要求1所述的方法，其特征在于，所述神經網絡模型包括第一神經網絡，所述目標圖像包括反光圖像，所述對多幀原始圖像分別進行變換，獲得每一幀原始圖像對應的目標圖像，包括：

將用于拍攝證件的設備的屏幕亮度調整為預設屏幕亮度，獲得每一幀目標圖像對應的反光圖像；

相應地，所述基于每一幀原始圖像和對應的目標圖像利用神經網絡模型分別進行特征提取，獲得每一幀目標圖像對應的多個特征，包括：

將每一幀原始圖像和對應的反光圖像輸入至所述第一神經網絡；

利用所述第一神經網絡對每一幀原始圖像和對應的反光圖像進行特征提取，獲得每一幀目標圖像對應的第一特征。

3.根據權利要求1所述的方法，其特征在于，所述神經網絡模型包括第二神經網絡，所述第二神經網絡中帶有注意力機制，所述原始圖像包括用于檢測所述待檢測證件的參考框，所述目標圖像包括寬度延伸圖像和高度延伸圖像，所述對多幀原始圖像分別進行變換，獲得每一幀原始圖像對應的目標圖像，包括：

保持每一幀原始圖像中所述參考框的高度不變，將所述參考框沿寬度方向延伸預設第一長度的邊框圖像，獲得每一幀原始圖像對應的寬度延伸圖像；

保持每一幀原始圖像中所述參考框的寬度不變，將所述參考框沿高度方向延伸預設第二長度的邊框圖像，獲得每一幀原始圖像對應的高度延伸圖像；

相應地，所述基于每一幀原始圖像和對應的目標圖像利用神經網絡模型分別進行特征提取，獲得每一幀目標圖像對應的多個特征，包括：

將每一幀原始圖像對應的高度延伸圖像和寬度延伸圖像輸入至所述第二神經網絡；

利用所述第二神經網絡對每一幀原始圖像對應的高度延伸圖像和寬度延伸圖像進行特征提取，獲得每一幀目標圖像對應的第二特征。

4.根據權利要求1所述的方法，其特征在于，所述神經網絡模型包括第三神經網絡，所述第三神經網絡中帶有注意力機制，所述目標圖像包括頻譜圖像，所述對多幀原始圖像分別進行變換，獲得每一幀原始圖像對應的目標圖像，包括：

利用傅里葉變換對每一幀原始圖像進行頻域變換，獲得每一幀原始圖像對應的頻域圖像；

相應地，所述基于每一幀原始圖像和對應的目標圖像利用神經網絡模型分別進行特征提取，獲得每一幀目標圖像對應的多個特征，包括：

將每一幀原始圖像對應的頻域圖像輸入至所述第三神經網絡；

利用第三神經網絡對每一幀原始圖像對應的頻域圖像進行特征提取，獲得每一幀目標圖像對應的第三特征。

5.根據權利要求1所述的方法，其特征在于，所述神經網絡模型包括多個神經網絡，所述神經網絡模型在訓練過程中根據每一神經網絡對應的損失函數值和加權參數確定最終損失函數值。

6.根據權利要求1所述的方法，其特征在于，在對多幀原始圖像分別進行變換，獲得每一幀原始圖像對應的目標圖像之前，所述方法還包括：

獲取當前幀對應的原始圖像中包括的參考框；

利用證件有無檢測算法檢測所述參考框中是否存在所述待檢測證件；

若存在，則對當前幀對應的原始圖像進行變換，獲得對應的目標圖像；

若不存在，則利用所述證件有無檢測算法檢測下一幀對應的原始圖像中所述參考框是否存在待檢測證件。