CN105118048B - 翻拍证件图片的识别方法及装置 - Google Patents
翻拍证件图片的识别方法及装置 Download PDFInfo
- Publication number
- CN105118048B CN105118048B CN201510424418.XA CN201510424418A CN105118048B CN 105118048 B CN105118048 B CN 105118048B CN 201510424418 A CN201510424418 A CN 201510424418A CN 105118048 B CN105118048 B CN 105118048B
- Authority
- CN
- China
- Prior art keywords
- picture
- certificate
- certificate picture
- feature
- reproduction
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/0006—Industrial image inspection using a design-rule based approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种翻拍证件图片的识别方法及装置。所述识别方法包括:计算给定证件图片的图片特征;以及基于所计算的图片特征利用训练好的分类模型确定所述给定证件图片是否为翻拍证件图片。本发明提供的翻拍证件图片的识别方法及装置通过图像特性自动判断证件图片的类别,免去人工查看和检验的过程,提高翻拍证件图片鉴别的效率。
Description
技术领域
本发明涉及图像处理技术领域,具体而言涉及一种翻拍证件图片的识别方法及装置。
背景技术
随着经济的发展以及互联网的普及,个人征信、远程开户等业务正逐渐成为金融、电信和电商等行业的重要业务。在这些业务中,出于便捷、安全以及法律法规等方面的考虑,可能需要用户通过智能手机、平板电脑或网络摄像头等设备拍摄并上传自己的证件图片(例如图1A所示的合格身份证图片)。
然而,一些证件图片不是通过对准真实的证件拍摄得到的,而是通过翻拍电脑屏幕或手机屏幕上的证件图片而形成的。这些翻拍图片中的证件可能不属于用户本人,也可能曾经被编辑、伪造或篡改,不具备法律效力,因此被认定为违规证件图片(例如图1B所示的翻拍身份证图片)。
在实际的业务中,需要一种可以鉴别此类翻拍证件图片的有效途径。目前,翻拍证件图片的鉴别都是通过人工查看和检验的方式完成,尚没有自动化的方案、***或装置。当需要鉴别的证件图片数目巨大时,人工查看和检验的效率和成本将成为严重的制约瓶颈。
发明内容
针对现有技术的不足,一方面,本发明提供一种翻拍证件图片的识别方法。所述识别方法包括:计算给定证件图片的图片特征;以及基于所计算的图片特征利用训练好的分类模型确定所述给定证件图片是否为翻拍证件图片。
示例性地,所述分类模型的训练包括:构建证件图片数据库,所述证件图片数据库包括一组证件图片以及每个证件图片相应的标签,所述标签指示证件图片是否为翻拍证件图片;计算所述证件图片数据库中的每一个证件图片的图片特征;基于所述标签和所述图片特征构建训练集;以及采用支持向量机(SVM)模型在所述训练集上训练出所述分类模型。
示例性地,计算证件图片的图片特征包括计算证件图片的频谱特征、纹理特征和颜色特征中的至少一个。
示例性地,计算证件图片的频谱特征包括:将待计算的证件图片缩放到标准尺寸;将缩放之后得到的图像按照RGB三通道分解为三幅图像;分别计算所述三幅图像的离散傅里叶变换并取其各自的模值;将所述模值中的所有元素以列优先的方式连接成向量,以作为所述频谱特征。
示例性地,计算证件图片的纹理特征包括计算证件图片的词袋模型(Bag ofWords)。
示例性地,计算证件图片的颜色特征包括计算证件图片的颜色直方图。
另一方面,本发明还提供一种翻拍证件图片的识别装置。所述识别装置包括:特征提取模块,用于计算给定证件图片的图片特征;以及图像分类模块,用于利用其包括的训练好的分类模型、基于所计算的图片特征确定所述给定证件图片是否为翻拍证件图片。
示例性地,所述分类模型的训练包括:构建证件图片数据库,所述证件图片数据库包括一组证件图片以及每个证件图片相应的标签,所述标签指示证件图片是否为翻拍证件图片;计算所述证件图片数据库中的每一个证件图片的图片特征;基于所述标签和所述图片特征构建训练集;以及采用支持向量机模型在所述训练集上训练出所述分类模型。
示例性地,所述特征提取模块计算证件图片的图片特征包括计算证件图片的频谱特征、纹理特征和颜色特征中的至少一个。
示例性地,所述特征提取模块计算证件图片的频谱特征的方法包括:将待计算的证件图片缩放到标准尺寸;将缩放之后得到的图像按照RGB三通道分解为三幅图像;分别计算所述三幅图像的离散傅里叶变换并取其各自的模值;将所述模值中的所有元素以列优先的方式连接成向量,以作为所述频谱特征。
本发明提供的翻拍证件图片的识别方法及装置通过图像特性自动判断证件图片的类别,免去人工查看和检验的过程,提高翻拍证件图片鉴别的效率。
附图说明
本发明的下列附图在此作为本发明的一部分用于理解本发明。附图中示出了本发明的实施例及其描述,用来解释本发明的原理。
附图中:
图1A示出了合格身份证图片的示例;
图1B示出了翻拍身份证图片的示例;以及
图2示出了根据本发明实施例的、翻拍证件图片的识别方法的流程图。
具体实施方式
在下文的描述中,给出了大量具体的细节以便提供对本发明更为彻底的理解。然而,对于本领域技术人员而言显而易见的是,本发明可以无需一个或多个这些细节而得以实施。在其他的例子中,为了避免与本发明发生混淆,对于本领域公知的一些技术特征未进行描述。
应当理解的是,本发明能够以不同形式实施,而不应当解释为局限于这里提出的实施例。相反地,提供这些实施例将使公开彻底和完全,并且将本发明的范围完全地传递给本领域技术人员。
在此使用的术语的目的仅在于描述具体实施例并且不作为本发明的限制。在此使用时,单数形式的“一”、“一个”和“所述/该”也意图包括复数形式,除非上下文清楚指出另外的方式。还应明白术语“组成”和/或“包括”,当在该说明书中使用时,确定所述特征、整数、步骤、操作、元件和/或部件的存在,但不排除一个或更多其它的特征、整数、步骤、操作、元件、部件和/或组的存在或添加。在此使用时,术语“和/或”包括相关所列项目的任何及所有组合。
为了彻底理解本发明,将在下列的描述中提出详细的步骤以及详细的结构,以便阐释本发明的技术方案。本发明的较佳实施例详细描述如下,然而除了这些详细描述外,本发明还可以具有其他实施方式。
本发明的一个实施例提供一种翻拍证件图片的识别方法,用于通过图像特性自动判断证件图片(例如身份证图片、护照图片、驾驶证图片等)的类别(即,真实或翻拍),免去人工查看和检验的过程,提高翻拍证件图片鉴别的效率。
下面,参照图2来具体描述根据本发明的一个实施例的翻拍证件图片的识别方法。图2示出了根据本发明实施例的、翻拍证件图片的识别方法200的流程图。如图2所示,翻拍证件图片的识别方法200包括如下步骤:
步骤201:计算给定证件图片的图片特征;以及
步骤202:基于所计算的图片特征利用训练好的分类模型确定该给定证件图片是否为翻拍证件图片。
示例性地,步骤201可以包括:计算给定证件图片的频谱特征、纹理特征和/或颜色特征。由于相机感光元件与显示器之间的波的干涉效应,通过翻拍电脑或手机屏幕上的证件照片而得到的图片上会出现明显的周期性彩色条纹(例如见图1B),称为“摩尔纹”。摩尔纹是区别真实证件图片和翻拍证件图片的重要线索。由于摩尔纹呈现周期性,在频率域中摩尔纹的特性会更加明显。此外,摩尔纹的颜色也区别于正常的证件。因此,利用由于相机感光元件与显示器之间的波的干涉效应而产生的摩尔纹,计算图像的频谱特征、纹理特征和颜色特征中的至少一个,可以有效提高翻拍证件图片识别的精度。示例性地,上述三种特征既可以独立使用,也可以拼接起来作为组合特征使用。
根据本发明的一个实施例,计算证件图片的频谱特征可以包括如下步骤(1)~(5):
(1)将待计算的证件图片(例如P)缩放到标准尺寸(例如宽度为像素214、高度为135像素)。
(2)将缩放之后得到的图像按照RGB三通道分解为三幅图像,例如记为PR、PG和PB。
(3)对于PR、PG和PB三幅图像,分别计算其离散傅里叶变换,例如PR的离散傅里叶变换的计算可以通过如下的公式进行:
其中FR为PR经过离散傅里叶变换后得到的频谱图,u和v为频域索引。M和N分别为图像PR的宽度和高度,m和n分别为图像PR中像素水平和竖直方向的索引,j为虚数单位。采用相同的方法,可以计算PG和PB的频谱图FG和FB。
(4)FR、FG和FB中的每一个元素均为复数。对FR、FG和FB中的每一个元素取模值,得到||FR||、||FG||和||FB||。
(5)将||FR||、||FG||和||FB||中的所有元素以列优先的方式连接成一个向量x,x即为图像P的频谱特征。
根据本发明的一个实施例,计算证件图片的纹理特征可以包括计算证件图片的词袋模型。词袋模型是图像纹理特征的一种统计表达,可以有效描述图像的整体和局部特性。词袋模型的计算可以包括两个主要步骤(a)和(b):
(a)建立码本:从一个训练图像集合中随机提取大量的图像描述符(如SIFT、HOG等),每个图像描述符都是一个向量,采用K-means聚类算法对这些图像描述符进行聚类,得到K个类别(K为可以调节的参数,典型值为1024、2048、10000等)。聚类中心被称为“词”,聚类得到的所有类别组成一个“码本”。
(b)图像描述:对于一幅图像,以稠密的方式提取特征描述符(如SIFT、HOG等);对于每一个描述符,在码本中搜索最相似的聚类中心(也即词)。统计不同词在该图像中出现的频度,形成一个直方图。对该直方图作L1归一化,得到最后的基于词袋模型的图像纹理特征。
根据本发明的一个实施例,计算证件图片的颜色特征可以包括计算证件图片的颜色直方图。颜色直方图是图像颜色特征的一种统计表达,所描述的是不同色彩在整幅图像中所占的比例,而并不关心每种色彩所处的空间位置。颜色直方图与颜色空间密切相关,计算证件图片的颜色直方图可以包括计算RGB颜色直方图,HSV颜色直方图以及Lab颜色直方图等。
现在回到翻拍证件图片的识别方法200,在步骤202中所述的分类模型可以通过训练得到。示例性地,分类模型的训练可以包括如下步骤(A)~(D):
(A):收集一组证件图片。对于每一张图片,标注标签指明其所属的类别(真实或翻拍),构建一个证件图片数据库。
(B):对于证件图片数据库中的每一幅图像I,计算其特征x,特征的计算方法类似于上文所述的对证件图片的频谱特征、纹理特征和/或颜色特征的计算,因此此处不再赘述。
(C):将所有图像的特征和标签汇总,得到一个训练集,所述训练集可以表示为:S={xi,yi},i=1,2,...N,其中N为证件图片数据库中图像的数目,xi为图像Ii的特征向量,yi为图像Ii的标签(指明图像Ii所属的类别,例如是否为翻拍证件图片)。
(D):采用线性支持向量机(Linear SVM)模型,在训练集S上训练一个分类模型C。
基于训练好的分类模型C,对于给定的证件图片J,在步骤202中可以将在步骤201计算得到的图片特征x(J)输入到分类模型C,得到识别结果y(J)。y(J)指明证件图片J所属的类别,例如为真实证件图片或翻拍证件图形。
根据本发明上述实施例的翻拍证件图片的识别方法可以利用摩尔纹来进行翻拍证件图片的自动鉴别,其可以很好地应用于个人征信、远程开户等业务。该识别方法自动判断给定的证件图片是否为翻拍证件图片,可以代替人工查看和检验的环节,具有精确高、速度快的特点,从而可以极大提高金融、电信和电商等行业中个人征信、远程开户等业务的办理效率。
本发明的又一实施例提供了一种翻拍证件图片的识别装置,所述识别装置包括:特征提取模块,用于计算给定证件图片的图片特征;以及图像分类模块,用于利用其包括的训练好的分类模型、基于所计算的图片特征确定该给定证件图片是否为翻拍证件图片。
示例性地,分类模型的训练可以包括:构建证件图片数据库,证件图片数据库包括一组证件图片以及每个证件图片相应的标签,标签指示证件图片是否为翻拍证件图片;计算证件图片数据库中的每一个证件图片的图片特征;基于标签和图片特征构建训练集;以及采用支持向量机模型在训练集上训练出分类模型。
示例性地,特征提取模块计算证件图片的图片特征可以包括计算证件图片的频谱特征、纹理特征和颜色特征中的至少一个。
示例性地,特征提取模块计算证件图片的频谱特征可以包括:将待计算的证件图片缩放到标准尺寸;将缩放之后得到的图像按照RGB三通道分解为三幅图像;分别计算三幅图像的离散傅里叶变换并取其各自的模值;将模值中的所有元素以列优先的方式连接成向量,以作为频谱特征。
示例性地,特征提取模块计算证件图片的纹理特征可以包括计算证件图片的词袋模型。词袋模型是图像纹理特征的一种统计表达,可以有效描述图像的整体和局部特性。词袋模型的计算在上文中已进行了详细描述,因此此处不再赘述。
示例性地,特征提取模块计算证件图片的颜色特征可以包括计算证件图片的颜色直方图。颜色直方图是图像颜色特征的一种统计表达,所描述的是不同色彩在整幅图像中所占的比例,而并不关心每种色彩所处的空间位置。颜色直方图与颜色空间密切相关,计算证件图片的颜色直方图可以包括计算RGB颜色直方图,HSV颜色直方图以及Lab颜色直方图等。
根据本发明实施例的翻拍证件图片的识别装置通过图像特性自动判断证件图片的类别,免去人工查看和检验的过程,因而可以提高翻拍证件图片鉴别的效率。
本发明实施例的各个模块可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的翻拍证件图片的识别装置中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在存储载体上提供,或者以任何其他形式提供。
本发明已经通过上述实施例进行了说明,但应当理解的是,上述实施例只是用于举例和说明的目的,而非意在将本发明限制于所描述的实施例范围内。此外本领域技术人员可以理解的是,本发明并不局限于上述实施例,根据本发明的教导还可以做出更多种的变型和修改,这些变型和修改均落在本发明所要求保护的范围以内。本发明的保护范围由附属的权利要求书及其等效范围所界定。
Claims (6)
1.一种翻拍证件图片的识别方法,其特征在于,所述识别方法包括:
计算给定证件图片的图片特征,所述图片特征包括频谱特征、纹理特征和颜色特征,其中,翻拍证件图片的所述图片特征包括与摩尔纹对应的特征;以及
基于所计算的图片特征利用训练好的分类模型确定所述给定证件图片是否为翻拍证件图片;
其中,计算证件图片的频谱特征包括:
将待计算的证件图片缩放到标准尺寸;
将缩放之后得到的图像按照RGB三通道分解为三幅图像;
分别计算所述三幅图像的离散傅里叶变换并取其各自的模值;
将所述模值中的所有元素以列优先的方式连接成向量,以作为所述频谱特征。
2.如权利要求1所述的识别方法,其特征在于,所述分类模型的训练包括:
构建证件图片数据库,所述证件图片数据库包括一组证件图片以及每个证件图片相应的标签,所述标签指示证件图片是否为翻拍证件图片;
计算所述证件图片数据库中的每一个证件图片的图片特征;
基于所述标签和所述图片特征构建训练集;以及
采用支持向量机模型在所述训练集上训练出所述分类模型。
3.如权利要求1所述的识别方法,其特征在于,计算证件图片的纹理特征包括计算证件图片的词袋模型。
4.如权利要求1所述的识别方法,其特征在于,计算证件图片的颜色特征包括计算证件图片的颜色直方图。
5.一种翻拍证件图片的识别装置,其特征在于,所述识别装置包括:
特征提取模块,用于计算给定证件图片的图片特征,所述图片特征包括频谱特征、纹理特征和颜色特征,其中,翻拍证件图片的所述图片特征包括与摩尔纹对应的特征;以及
图像分类模块,用于利用其包括的训练好的分类模型、基于所计算的图片特征确定所述给定证件图片是否为翻拍证件图片,
其中,所述特征提取模块计算证件图片的频谱特征的方法包括:
将待计算的证件图片缩放到标准尺寸;
将缩放之后得到的图像按照RGB三通道分解为三幅图像;
分别计算所述三幅图像的离散傅里叶变换并取其各自的模值;
将所述模值中的所有元素以列优先的方式连接成向量,以作为所述频谱特征。
6.如权利要求5所述的识别装置,其特征在于,所述分类模型的训练包括:
构建证件图片数据库,所述证件图片数据库包括一组证件图片以及每个证件图片相应的标签,所述标签指示证件图片是否为翻拍证件图片;
计算所述证件图片数据库中的每一个证件图片的图片特征;
基于所述标签和所述图片特征构建训练集;以及
采用支持向量机模型在所述训练集上训练出所述分类模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510424418.XA CN105118048B (zh) | 2015-07-17 | 2015-07-17 | 翻拍证件图片的识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510424418.XA CN105118048B (zh) | 2015-07-17 | 2015-07-17 | 翻拍证件图片的识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105118048A CN105118048A (zh) | 2015-12-02 |
CN105118048B true CN105118048B (zh) | 2018-03-27 |
Family
ID=54666022
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510424418.XA Active CN105118048B (zh) | 2015-07-17 | 2015-07-17 | 翻拍证件图片的识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105118048B (zh) |
Families Citing this family (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106934408A (zh) * | 2015-12-29 | 2017-07-07 | 北京大唐高鸿数据网络技术有限公司 | 基于卷积神经网络的身份证照片分类方法 |
CN106778525B (zh) * | 2016-11-25 | 2021-08-10 | 北京旷视科技有限公司 | 身份认证方法和装置 |
CN108460649A (zh) * | 2017-02-22 | 2018-08-28 | 阿里巴巴集团控股有限公司 | 一种图像识别方法及装置 |
CN106991451A (zh) * | 2017-04-14 | 2017-07-28 | 武汉神目信息技术有限公司 | 一种证件图片的识别***及方法 |
CN109325933B (zh) * | 2017-07-28 | 2022-06-21 | 阿里巴巴集团控股有限公司 | 一种翻拍图像识别方法及装置 |
JP6923159B2 (ja) * | 2017-09-26 | 2021-08-18 | 株式会社エクォス・リサーチ | 情報処理装置 |
CN109583287B (zh) * | 2017-09-29 | 2024-04-12 | 浙江莲荷科技有限公司 | 实物识别方法及验证方法 |
CN107729847B (zh) | 2017-10-20 | 2020-08-04 | 阿里巴巴集团控股有限公司 | 一种证件验证、身份验证方法和装置 |
CN108229499A (zh) * | 2017-10-30 | 2018-06-29 | 北京市商汤科技开发有限公司 | 证件识别方法及装置、电子设备和存储介质 |
CN108288073A (zh) * | 2018-01-30 | 2018-07-17 | 北京小米移动软件有限公司 | 图片真伪识别方法及装置、计算机可读存储介质 |
CN109271941A (zh) * | 2018-09-26 | 2019-01-25 | 福州大学 | 一种基于防屏摄攻击的活体检测方法 |
CN109558794B (zh) * | 2018-10-17 | 2024-06-28 | 平安科技(深圳)有限公司 | 基于摩尔纹的图像识别方法、装置、设备和存储介质 |
CN109767376A (zh) * | 2018-12-13 | 2019-05-17 | 平安科技(深圳)有限公司 | 图像认证方法、装置、计算机设备及存储介质 |
CN109815970B (zh) * | 2018-12-21 | 2023-04-07 | 平安科技(深圳)有限公司 | 翻拍图像的识别方法、装置、计算机设备和存储介质 |
CN109815960A (zh) * | 2018-12-21 | 2019-05-28 | 深圳壹账通智能科技有限公司 | 基于深度学习的翻拍图像识别方法、装置、设备及介质 |
CN109784394A (zh) * | 2019-01-07 | 2019-05-21 | 平安科技(深圳)有限公司 | 一种翻拍图像的识别方法、***及终端设备 |
CN109886275A (zh) * | 2019-01-16 | 2019-06-14 | 深圳壹账通智能科技有限公司 | 翻拍图像识别方法、装置、计算机设备和存储介质 |
CN110046644B (zh) * | 2019-02-26 | 2023-04-07 | 创新先进技术有限公司 | 一种证件防伪的方法及装置、计算设备和存储介质 |
CN110059700B (zh) * | 2019-03-18 | 2021-04-30 | 深圳神目信息技术有限公司 | 图像摩尔纹识别方法、装置、计算机设备及存储介质 |
US10796199B1 (en) | 2019-05-29 | 2020-10-06 | Alibaba Group Holding Limited | Image recognition and authentication |
CN110263775B (zh) * | 2019-05-29 | 2021-03-05 | 创新先进技术有限公司 | 图像识别方法、装置、设备和认证方法、装置、设备 |
CN110348511A (zh) * | 2019-07-08 | 2019-10-18 | 创新奇智(青岛)科技有限公司 | 一种图片翻拍检测方法、***及电子设备 |
CN110659604A (zh) * | 2019-09-20 | 2020-01-07 | 北京达佳互联信息技术有限公司 | 视频检测方法、装置、服务器及存储介质 |
CN111127398B (zh) * | 2019-11-25 | 2023-09-26 | 深圳前海微众银行股份有限公司 | 证件照片复制的检测方法、装置、终端设备及存储介质 |
CN110929725B (zh) * | 2019-12-06 | 2023-08-29 | 深圳市碧海扬帆科技有限公司 | 证件分类方法、装置及计算机可读存储介质 |
CN111062922B (zh) * | 2019-12-14 | 2024-02-20 | 创新奇智(北京)科技有限公司 | 一种翻拍图像的判别方法、***及电子设备 |
CN111401432B (zh) * | 2020-03-12 | 2023-02-07 | 华侨大学 | 对数字图像的身份伪造识别方法、装置、设备及存储介质 |
CN113542142B (zh) * | 2020-04-14 | 2024-03-22 | ***通信集团浙江有限公司 | 人像防伪检测方法、装置及计算设备 |
CN111767828B (zh) * | 2020-06-28 | 2023-12-08 | 京东科技控股股份有限公司 | 证件图像翻拍识别方法、装置、电子设备和存储介质 |
CN113837310B (zh) * | 2021-09-30 | 2023-05-23 | 四川新网银行股份有限公司 | 多尺度融合的证件翻拍识别方法、装置、电子设备和介质 |
CN114419644B (zh) * | 2021-12-30 | 2024-07-05 | 武汉卓目科技股份有限公司 | 一种钞票面额识别方法及*** |
CN114677769A (zh) * | 2022-04-08 | 2022-06-28 | 中国平安人寿保险股份有限公司 | 一种翻拍证件识别方法、装置、计算机设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102622607A (zh) * | 2012-02-24 | 2012-08-01 | 河海大学 | 一种基于多特征融合的遥感图像分类方法 |
CN103116763A (zh) * | 2013-01-30 | 2013-05-22 | 宁波大学 | 一种基于hsv 颜色空间统计特征的活体人脸检测方法 |
CN104036285A (zh) * | 2014-05-12 | 2014-09-10 | 新浪网技术(中国)有限公司 | 垃圾图片识别方法及*** |
CN104598933A (zh) * | 2014-11-13 | 2015-05-06 | 上海交通大学 | 一种基于多特征融合的图像翻拍检测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7272261B2 (en) * | 2004-06-04 | 2007-09-18 | Xerox Corporation | Method and system for classifying scanned-media |
-
2015
- 2015-07-17 CN CN201510424418.XA patent/CN105118048B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102622607A (zh) * | 2012-02-24 | 2012-08-01 | 河海大学 | 一种基于多特征融合的遥感图像分类方法 |
CN103116763A (zh) * | 2013-01-30 | 2013-05-22 | 宁波大学 | 一种基于hsv 颜色空间统计特征的活体人脸检测方法 |
CN104036285A (zh) * | 2014-05-12 | 2014-09-10 | 新浪网技术(中国)有限公司 | 垃圾图片识别方法及*** |
CN104598933A (zh) * | 2014-11-13 | 2015-05-06 | 上海交通大学 | 一种基于多特征融合的图像翻拍检测方法 |
Non-Patent Citations (1)
Title |
---|
数码翻拍图像取证算法;尹京,方艳梅;《中山大学学报(自然科学版)》;20111130;第50卷(第6期);第48-52页 * |
Also Published As
Publication number | Publication date |
---|---|
CN105118048A (zh) | 2015-12-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105118048B (zh) | 翻拍证件图片的识别方法及装置 | |
Qureshi et al. | A bibliography of pixel-based blind image forgery detection techniques | |
CN109284729B (zh) | 基于视频获取人脸识别模型训练数据的方法、装置和介质 | |
Zhao et al. | Learning mid-level filters for person re-identification | |
CN103456013B (zh) | 一种表示超像素以及度量超像素之间相似性的方法 | |
CN104572735B (zh) | 一种图片标注词推荐方法及装置 | |
CN104991954B (zh) | 基于图像搜索的购物搜索***及其实现方法 | |
WO2013008427A1 (ja) | 画像評価装置、画像評価方法、プログラム、および集積回路 | |
CN104915673B (zh) | 一种基于视觉词袋模型的目标分类方法和*** | |
CN109740572B (zh) | 一种基于局部彩色纹理特征的人脸活体检测方法 | |
CN110348511A (zh) | 一种图片翻拍检测方法、***及电子设备 | |
CN106203454B (zh) | 证件版式分析的方法及装置 | |
CN108197250A (zh) | 图片检索方法、电子设备及存储介质 | |
CN104603833B (zh) | 用于将印刷对象与电子内容链接的方法和*** | |
CN110427972B (zh) | 证件视频特征提取方法、装置、计算机设备和存储介质 | |
CN109903210B (zh) | 水印的去除方法、装置和服务器 | |
CN103353881B (zh) | 一种应用程序搜索方法及装置 | |
CN110458078A (zh) | 一种人脸图像数据聚类方法、***及设备 | |
CN105405130B (zh) | 基于聚类的证照图像高光检测方法及装置 | |
CN103530638A (zh) | 多摄像头下的行人匹配方法 | |
CN106855883A (zh) | 基于视觉词袋模型的人脸图像检索方法 | |
Li et al. | An effective detection method based on physical traits of recaptured images on LCD screens | |
CN109740417A (zh) | ***类型识别方法、装置、存储介质和计算机设备 | |
CN104317946A (zh) | 一种基于多张关键图的图像内容检索方法 | |
CN115062186B (zh) | 一种视频内容检索方法、装置、设备以及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information |
Address after: 100080 room 1001-011, building 3, Haidian street, Beijing, Haidian District, 1 Applicant after: MEGVII INC. Applicant after: Beijing maigewei Technology Co., Ltd. Address before: 100080 room 1001-011, building 3, Haidian street, Beijing, Haidian District, 1 Applicant before: MEGVII INC. Applicant before: Beijing aperture Science and Technology Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |