CN106548187A - 一种图像认证方法及装置 - Google Patents
一种图像认证方法及装置 Download PDFInfo
- Publication number
- CN106548187A CN106548187A CN201510594292.0A CN201510594292A CN106548187A CN 106548187 A CN106548187 A CN 106548187A CN 201510594292 A CN201510594292 A CN 201510594292A CN 106548187 A CN106548187 A CN 106548187A
- Authority
- CN
- China
- Prior art keywords
- image
- certified
- threshold
- sets
- matching
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Image Analysis (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明提供了一种图像认证方法及装置,所述方法包括:获取待认证图像;提取所述待认证图像的图像特征以及文字特征;根据所述待认证图像的图像特征和数据库中各个图像的图像特征,从所述数据库中获取与所述待认证图像的匹配度大于第一阈值的图像,作为第一图像组;根据所述待认证图像的文字特征和所述第一图像组中各个图像的文字特征,从所述第一图像组中获取与所述待认证图像的匹配度大于第二阈值的图像,作为第二图像组,所述第二阈值大于第一阈值;若确定出所述第二图像组包括至少一个图像,则所述待认证图像认证成功。可见,本发明通过两次匹配过程能够自动完成对图像的认证,无需进行人工比对,从而减少了工作量并提高了工作效率。
Description
技术领域
本发明涉及数据处理领域,尤其是涉及一种图像认证方法及装置。
背景技术
图像认证指的是对图像的真实性进行认证,在较多领域都有着广泛的应用。例如为了核实企业的行业信息,通常需要对企业的组织机构代码证书进行图像认证。
目前在进行图像认证时,一种常用的认证方式是将待认证图像与数据库中存储的图像进行比对,例如在数据库中存储有各个企业的组织机构代码证书,将待认证图像与数据库中存储的组织机构代码证书进行比对,若数据库中存在与待认证图像相似度较高的图像,则待认证图像认证成功。
然而在上述认证过程中,通常采用人工比对的方式将待认证图像与数据库中存储的图像进行比对,显然会导致较多的工作量和较低的工作效率。
发明内容
本发明解决的技术问题在于提供一种图像认证方法及装置,以实现能够自动完成对图像的认证,从而减少了工作量并提高了工作效率。
为此,本发明解决技术问题的技术方案是:
本发明提供了一种图像认证方法,所述方法包括:
获取待认证图像;
提取所述待认证图像的图像特征以及文字特征;
根据所述待认证图像的图像特征和数据库中各个图像的图像特征,从所述数据库中获取与所述待认证图像的匹配度大于第一阈值的图像,作为第一图像组;
根据所述待认证图像的文字特征和所述第一图像组中各个图像的文字特征,从所述第一图像组中获取与所述待认证图像的匹配度大于第二阈值的图像,作为第二图像组,所述第二阈值大于第一阈值;
若确定出所述第二图像组包括至少一个图像,则所述待认证图像认证成功。
可选的,所述方法还包括:
若确定出所述第二图像组中不包括任何图像,则所述待认证图像认证失败。
可选的,所述图像特征包括以下参数中的至少一种:
颜色的分布特征、分辨率与尺寸之间的关系、以及像素点构成的视觉效果。
可选的,所述颜色的分布特征包括以下参数中的至少一种:
颜色分布熵、在环境因素影响下造成的视觉特征、以及颜色分布的信息熵特性。
可选的,所述从所述数据库中获取与所述待认证图像的匹配度大于第一阈值的图像,作为第一图像组,包括:
利用迭代法从所述数据库中获取与所述待认证图像的匹配度大于第一阈值的图像,作为所述第三图像组;
利用搜索空间标记法从所述数据库中获取与所述待认证图像的匹配度大于第一阈值的图像,作为所述第四图像组;
将所述第三图像组和所述第四图像组的交集作为所述第一图像组。
本发明还提供了一种图像认证装置,所述装置包括:
获取单元,用于获取待认证图像;
提取单元,用于提取所述待认证图像的图像特征以及文字特征;
第一匹配单元,用于根据所述待认证图像的图像特征和数据库中各个图像的图像特征,从所述数据库中获取与所述待认证图像的匹配度大于第一阈值的图像,作为第一图像组;
第二匹配单元,用于根据所述待认证图像的文字特征和所述第一图像组中各个图像的文字特征,从所述第一图像组中获取与所述待认证图像的匹配度大于第二阈值的图像,作为第二图像组,所述第二阈值大于第一阈值;
认证单元,用于若确定出所述第二图像组包括至少一个图像,则所述待认证图像认证成功。
可选的,所述认证单元还用于,若确定出所述第二图像组中不包括任何图像,则所述待认证图像认证失败。
可选的,所述图像特征包括以下参数中的至少一种:
颜色的分布特征、分辨率与尺寸之间的关系、以及像素点构成的视觉效果。
可选的,所述颜色的分布特征包括以下参数中的至少一种:
颜色分布熵、在环境因素影响下造成的视觉特征、以及颜色分布的信息熵特性。
可选的,当从所述数据库中获取与所述待认证图像的匹配度大于第一阈值的图像,作为第一图像组时,所述第一匹配单元具体用于:
利用迭代法从所述数据库中获取与所述待认证图像的匹配度大于第一阈值的图像,作为所述第三图像组;
利用搜索空间标记法从所述数据库中获取与所述待认证图像的匹配度大于第一阈值的图像,作为所述第四图像组;
将所述第三图像组和所述第四图像组的交集作为所述第一图像组。
通过上述技术方案可知,本发明实施例中,提取待认证图像的图像特征和文字特征,根据待认证图像的图像特征进行第一次匹配,即从数据库中获取与待认证图像的匹配度大于第一阈值的图像作为第一图像组,之后根据待认证图像的文字特征进行第二次匹配,即从所述第一图像组中获取与所述待认证图像的匹配度大于第二阈值的图像作为第二图像组。若经过两次匹配后能够得到匹配的图像,即第二图像组中包括至少一个图像,则说明数据库中存在与待认证图像在图像特征和文字特征上均匹配的图像,因此待认证图像匹配成功。其中由于第一次匹配基于的是图像特征,第二次匹配基于的是文字特征,因此第二次匹配时的匹配度要求更高,即第二阈值大于第一阈值。可见,本发明实施例通过两次匹配过程能够自动完成对图像的认证,无需进行人工比对,从而减少了工作量并提高了工作效率。而且,本发明实施例这种认证方式,准确性也较高。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其它的附图。
图1为本发明实施例提供的一种方法实施例的流程示意图;
图2为本发明实施例提供的一种像素点排布的示意图;
图3为本发明实施例提供的另一种像素点排布的示意图;
图4为本发明实施例提供的另一种方法实施例的流程示意图;
图5为本发明实施例提供的一种装置实施例的结构示意图。
具体实施方式
在商务往来时往往会根据行业分类查找相应的企业作为合作伙伴,由于行业分类和企业数量日益增多,为了查找的方便和快捷,目前已经产生了具有各种行业分类对应的企业信息的信息平台。但是某些企业为了在信息平台上进行推广和营销,往往会编造虚假的企业信息,例如伪造组织机构代码证书。因此为了使得信息平台的真实性能够得到保障,需要对信息平台中企业提供的企业信息,例如组织机构代码证书等图像的真实性进行认证。
目前在进行图像认证时,一种常用的认证方式是将待认证图像与数据库中存储的图像进行比对,其中数据库中存储的通常是真实图像,例如在数据库中存储有各个企业真实的组织机构代码证书,将待认证图像与数据库中存储的真实的组织机构代码证书进行比对,若数据库中存在与待认证图像相似度较高的图像,则说明待认证图像也是真实图像,因此认证成功。若数据库中不存在与待认证图像相似度较高的图像,则说明待认证图像是虚假图像,因此认证失败。然而在上述认证过程中,通常采用人工比对的方式将待认证图像与数据库中存储的图像进行比对,显然会导致较多的工作量和较低的工作效率。
还有一种认证方式是,将待认证图像的文字部分和背景部分分离,利用文本分类器对分离出来的文字部分进行数据库比对。然而这种方式虚假图像的构成成本较低,因此认证的准确性也比较低。
本发明实施例提供一种图像认证方法及装置,以实现能够自动完成对图像的认证,从而减少了工作量并提高了工作效率。本发明实施例的认证方式,还具有较高的准确性。
为了使本技术领域的人员更好地理解本发明中的技术方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
请参阅图1,本发明实施例提供了图像认证方法的一种方法实施例,本实施例包括:
S101:获取待认证图像。
例如,用户可以在信息平台上,上传待认证的组织机构代码证书的扫描件。
S102:提取所述待认证图像的图像特征以及文字特征。
其中,所述图像特征可以包括以下参数中的至少一种:颜色的分布特征、分辨率与尺寸之间的关系、以及像素点构成的视觉效果。
在提取所述待认证图像的文字特征时,可以利用光学字符识别(OpticalCharacter Recognition,OCR)技术。
S103:根据所述待认证图像的图像特征和数据库中各个图像的图像特征,从所述数据库中获取与所述待认证图像的匹配度大于第一阈值的图像,作为第一图像组。
在本发明实施例中对待认证图像进行两次匹配,第一次匹配时基于的是待认证图像的图像特征。具体实现时,计算待认证图像的图像特征与数据库中各个图像的图像特征的匹配度,将计算出的匹配度大于第一阈值的图像,作为第一图像组。其中第一次匹配一般是模糊匹配。
需要说明的是,数据库中各个图像的图像特征可以是在执行本实施例之前获取,也可以在执行本实施例时进行获取。
本实施例中,S102中的提取待认证图像的文字特征,与S103的执行顺序不受限定,可以先提取所述文字特征,再执行S103,也可以先执行S103,再提取所述文字特征,也可以两者同时执行。
S104:根据所述待认证图像的文字特征和所述第一图像组中各个图像的文字特征,从所述第一图像组中获取与所述待认证图像的匹配度大于第二阈值的图像,作为第二图像组,所述第二阈值大于第一阈值。
在通过S103进行了第一次匹配后,继续执行第二次匹配,第二次匹配时基于的是待认证图像的文字特征。具体实现时,计算待认证图像的文字特征与第一图像组中各个图形的文字特征的匹配度,将计算出的匹配度大于第二阈值的图像,作为第二图像组。其中第二次匹配一般是精确匹配,一般大于99%。
由于第一次匹配时基于的是图像特征,第二次匹配基于的是文字特征,因此第二次匹配时的匹配度要求更高,即第二阈值大于第一阈值。例如,第一次匹配时的第一阈值为80%,第二次匹配时的第二阈值为99.99%。
需要说明的是,第一图像组中各个图像的文字特征可以是在执行本实施例之前获取,也可以在执行本实施例时进行获取。
S105:若确定出所述第二图像组包括至少一个图像,则所述待认证图像认证成功。
在经过本实施例的两次匹配后,若能够得到匹配的图像,即第二图像组中包括至少一个图像,则说明数据库中存在与待认证图像在图像特征和文字特征上均匹配的图像,因此认为待认证图像匹配成功。
在经过本实施例的两次匹配后,若不能够得到匹配的图像,即第一图像组或者第二图像组为空时,则说明数据库中不存在与待认证图像在图像特征和文字特征上均匹配的图像,因此待认证图像匹配失败。具体地,本实施例还可以包括:若确定出所述第二图像组中不包括任何图像,则所述待认证图像认证失败。
本实施例在所述待认证图像认证成功之后,还可以进一步将与所述待认证图像两次匹配均成功的图像,即所述第二图像组中的至少一个图像向用户显示。
通过上述技术方案可知,本发明实施例中,提取待认证图像的图像特征和文字特征,根据待认证图像的图像特征进行第一次匹配,即从数据库中获取与待认证图像的匹配度大于第一阈值的图像作为第一图像组,之后根据待认证图像的文字特征进行第二次匹配,即从所述第一图像组中获取与所述待认证图像的匹配度大于第二阈值的图像作为第二图像组。若经过两次匹配后能够得到匹配的图像,即第二图像组中包括至少一个图像,则说明数据库中存在与待认证图像在图像特征和文字特征上均匹配的图像,因此待认证图像匹配成功。其中由于第一次匹配基于的是图像特征,第二次匹配基于的是文字特征,因此第二次匹配时的匹配度要求更高,即第二阈值大于第一阈值。可见,本发明实施例能够自动完成对图像的认证,无需进行人工比对,从而减少了工作量并提高了工作效率。
此外,本发明实施例经过了两次匹配,一次基于图像特征的模糊匹配和一次基于文字特征的精确匹配,因此这种认证方式具有较高的准确性。
在本发明实施例的第一次匹配时,所根据的所述待认证图像的图像特征,以及所述数据库中各个图像的图像特征,可以包括以下参数中的至少一种:颜色的分布特征、分辨率与尺寸之间的关系、以及像素点构成的视觉效果。可以理解的是,在第一次匹配时,所述待认证图像的图像特征以及数据库中各个图像的图像特征所具有的参数相同,例如均包括以上三种参数。
下面分别对这些参数进行说明。
颜色的分布特征指的是用于表示图像颜色分布的特征,例如具体包括以下参数中的至少一种:颜色分布熵(color distribution entropy,CDE)、在环境因素影响下造成的视觉分布特征、以及颜色分布的信息熵特性。其中,在环境因素影响下造成的视觉分布特征,指的是环境因素对图像的颜色分布产生影响,从而造成的视觉分布特征,例如在不同的光线下,或者不同的色彩饱和度的环境因素下,人的视觉所感知到的图像的颜色分布是不同的。颜色分布的信息熵特性,指的是用于表示颜色分布的信息熵所具有的特性,例如,该信息熵特性能够表征图像的材质、纹理、或者轮廓等。
分辨率与尺寸的关系指的是图像的分辨率与图像的尺寸之间的关系。如果图像尺寸不变的话,分辩率会影响图像的清晰度,分辨率越高,图像越清楚,文件占用资源会越多,像素越多,文件自然也就越大,这里的“大”不是指尺寸,是指电脑中文件的大小。同样,如果分辨率固定不变的话,图像的尺寸会直接决定文件的大小。如果待认证图像与数据库中的某一图像实际上表征的是同一图像,例如都是同一企业的组织机构代码证书,那么这两个图像的分辨率和尺寸之间的关系,实际上具有特定的对应关系。因此,本实施例中可以通过分辨率与尺寸之间的关系表征图像特征,从而对待认证图像和数据库中的图像进行匹配。
像素点构成的视觉效果,指的是像素点的排布构成的点、线和面的视觉效果。像素点的排布,例如即像素点的大小、像素点之间的距离、以及像素点之间的位置关系不同时,都会对人的视觉效果产生不同的影响。举例说明,如图2所示,两个大小相同并相隔一定距离的点,给人以张力感和终止感。当视线反复于二点之间时,给人以“线”的视觉效果。两个大小不同并相隔一定距离的点,人的视线首先集中于大点,然后移向并集中于小点,点愈小凝聚力愈强。如图3所示,三个以上并相隔一定距离的点,人的视线会来回于各点之间,而产生“面”的感觉。点的个数越多,点与点之间的距离越短,“面”的感觉愈强。
需要说明的是,本发明实施例在用上述参数中的至少一种参数表征图像特征时,能够较好地反映图像的属性,从而提高匹配时的准确性,进一步提高了认证的准确性。
本发明实施例共经过了两次匹配,其中在进行第一次匹配时,从数据库中选取出与待认证图像的匹配度大于第一阈值的图像,作为第一图像组。其中,在具体匹配时,可以利用迭代法、搜索空间标记法等算法。例如,可以通过迭代法和搜索空间标记法分别选出匹配的图像,将分别选出的匹配的图像的交集作为最终的匹配结果。具体地,S103中的从所述数据库中获取与所述待认证图像的匹配度大于第一阈值的图像,作为第一图像组,包括:利用迭代法从所述数据库中获取与所述待认证图像的匹配度大于第一阈值的图像,作为所述第三图像组;利用搜索空间标记法从所述数据库中获取与所述待认证图像的匹配度大于第一阈值的图像,作为所述第四图像组;将所述第三图像组和所述第四图像组的交集作为所述第一图像组。
其中,在使用迭代法进行匹配时,具体可以采用分级关键点互相关迭代算法,以快速实现由重要到不重要像素点的逐级迭代互相关匹配计算,并且可以设置加权匹配百分比,例如:设置颜色的分布特征的比例为80%,设置分辨率与尺寸之间的关系的比例为80%,以及设置像素点构成的视觉效果的比例为80%,能够在保证算法精度的前提下随时结束并输出匹配度。而搜索空间标记法则能快速排除掉大量参数空间内不可能匹配的点,从而计算出最终的匹配度。
本发明实施例在进行第二次匹配时,从所述第一图像组中获取与所述待认证图像的匹配度大于第二阈值的图像,作为第二图像组。由于第二次匹配时基于的是文字特征,因此具体实现时,可以通过OCR技术提取文字特征并进行匹配。例如,获取图像中文字区域的文字特征,其中文字特征包括两类特征,第一类特征为黑/白点数之比,通过引擎获取文字区域内的黑/白点数比,当文字具有多个文字区域时,将所有文字区域的黑/白点数之比,联合构成相应的向量;第二类特征为结构特征,例如将文字影像细线化后,取得字的笔划端点、交叉点的数量及位置,或笔划段等特征。根据文字区域的这两类文字特征,进行相应的匹配。
下面以待认证图像为组织结构代码证为例,说明本发明实施例提供的一个具体实施例。
请参阅图4,本发明提供了图像认证方法的另一种方法实施例,本实施例包括:
S401:获取用户上传的待认证的组织结构代码证的扫描件,记为待认证扫描件。
S402:提取待认证扫描件的图像特征以及数据库中各个组织机构代码证的图像特征。
其中,图像特征包括:颜色的分布特征、分辨率与尺寸之间的关系、以及像素点构成的视觉效果。颜色的分布特征包括:颜色分布熵、在环境因素影响下造成的视觉分布特征、以及颜色分布的信息熵特性。
S403:根据S402提取的图像特征,从数据库中获取与所述待认证扫描件的匹配度大于第一阈值的组织结构代码证,作为第一图像组。
其中,由于S403为模糊匹配,因此第一阈值一般为80%-90%之间。
在具体匹配时,可以利用迭代法、搜索空间标记法等算法。例如,可以通过迭代法和搜索空间标记法分别选出匹配的图像,将分别选出的匹配的图像的交集作为最终的匹配结果。
S404:判断第一图像组是否为空,如果是,执行S405,如果否,执行S406。
S405:此时第一图像组为空,待认证扫描件认证失败。结束流程。
S406:提取待认证扫描件的文字特征,以及第一图像组中各个组织机构代码证的文字特征。
S407:根据S406提取的文字特征,从所述第一图像组中获取与所述待认证扫描件的匹配度大于第二阈值的图像,作为第二图像组。
其中,由于S407为精确匹配,因此第二阈值一般为99.99%。
具体可以通过OCR技术进行匹配。例如,获取图像中文字区域的两类特征:黑/白点数之比和结构特征,根据这两类特征,进行相应的匹配。
S408:判断第二图像组是否为空,如果是,执行S405,如果否,执行S409。
S409:此时所述第二图像组不为空,则所述待认证扫描件认证成功,并且第二图像组中一般包括一个组织机构代码证。从第二图像组包括的组织结构代码证中提取文字特征,例如机构代码和机构名称。
与上述方法实施例相对应,本发明还提供了图像认证装置的具体实施例,下面具体说明。
请参阅图5,本发明实施例提供了图像认证装置的一种装置实施例,本实施例包括:获取单元501、提取单元502、第一匹配单元503、第二匹配单元504、认证单元505。
获取单元501用于获取待认证图像。
例如,用户可以在信息平台上,上传待认证的组织机构代码证书的扫描件。
提取单元502用于提取所述待认证图像的图像特征以及文字特征。
其中,所述图像特征可以包括以下参数中的至少一种:颜色的分布特征、分辨率与尺寸之间的关系、以及像素点构成的视觉效果。
在提取所述待认证图像的文字特征时,可以利用光学字符识别(OpticalCharacter Recognition,OCR)技术。
第一匹配单元503用于根据所述待认证图像的图像特征和数据库中各个图像的图像特征,从所述数据库中获取与所述待认证图像的匹配度大于第一阈值的图像,作为第一图像组。
在本发明实施例中对待认证图像进行两次匹配,第一次匹配时基于的是待认证图像的图像特征。具体实现时,计算待认证图像的图像特征与数据库中各个图像的图像特征的匹配度,将计算出的匹配度大于第一阈值的图像,作为第一图像组。其中第一次匹配一般是模糊匹配。
需要说明的是,提取单元502还可以获取数据库中各个图像的图像特征。
第二匹配单元504用于根据所述待认证图像的文字特征和所述第一图像组中各个图像的文字特征,从所述第一图像组中获取与所述待认证图像的匹配度大于第二阈值的图像,作为第二图像组,所述第二阈值大于第一阈值。
在通过第一匹配单元503进行了第一次匹配后,由第二匹配单元504继续执行第二次匹配,第二次匹配时基于的是待认证图像的文字特征。具体实现时,计算待认证图像的文字特征与第一图像组中各个图形的文字特征的匹配度,将计算出的匹配度大于第二阈值的图像,作为第二图像组。其中第二次匹配一般是精确匹配,一般大于99%。
由于第一次匹配时基于的是图像特征,第二次匹配基于的是文字特征,因此第二次匹配时的匹配度要求更高,即第二阈值大于第一阈值。例如,第一次匹配时的第一阈值为80%,第二次匹配时的第二阈值为99.99%。
需要说明的是,提取单元502还可以获取第一图像组中各个图像的文字特征。
认证单元505用于若确定出所述第二图像组包括至少一个图像,则所述待认证图像认证成功。
在经过本实施例的两次匹配后,若能够得到匹配的图像,即第二图像组中包括至少一个图像,则说明数据库中存在与待认证图像在图像特征和文字特征上均匹配的图像,因此认为待认证图像匹配成功。
在经过本实施例的两次匹配后,若不能够得到匹配的图像,即第一图像组或者第二图像组为空时,则说明数据库中不存在与待认证图像在图像特征和文字特征上均匹配的图像,因此待认证图像匹配失败。具体地,认证单元505还可以用于,若确定出所述第二图像组中不包括任何图像,则所述待认证图像认证失败。
本实施例还可以包括显示单元,在所述待认证图像认证成功之后,显示单元还可以进一步将与所述待认证图像两次匹配均成功的图像,即所述第二图像组中的至少一个图像向用户显示。
通过上述技术方案可知,本发明实施例中,提取单元502提取待认证图像的图像特征和文字特征,第一匹配单元503根据待认证图像的图像特征进行第一次匹配,即从数据库中获取与待认证图像的匹配度大于第一阈值的图像作为第一图像组,之后第二匹配单元504根据待认证图像的文字特征进行第二次匹配,即从所述第一图像组中获取与所述待认证图像的匹配度大于第二阈值的图像作为第二图像组。若经过两次匹配后能够得到匹配的图像,即第二图像组中包括至少一个图像,则说明数据库中存在与待认证图像在图像特征和文字特征上均匹配的图像,因此待认证图像匹配成功。其中由于第一次匹配基于的是图像特征,第二次匹配基于的是文字特征,因此第二次匹配时的匹配度要求更高,即第二阈值大于第一阈值。可见,本发明实施例能够自动完成对图像的认证,无需进行人工比对,从而减少了工作量并提高了工作效率。
此外,本发明实施例经过了两次匹配,一次基于图像特征的模糊匹配和一次基于文字特征的精确匹配,因此这种认证方式具有较高的准确性。
在本发明实施例的第一次匹配时,所根据的所述待认证图像的图像特征,以及所述数据库中各个图像的图像特征,可以包括以下参数中的至少一种:颜色的分布特征、分辨率与尺寸之间的关系、以及像素点构成的视觉效果。可以理解的是,在第一次匹配时,所述待认证图像的图像特征以及数据库中各个图像的图像特征所具有的参数相同,例如均包括以上三种参数。其中,颜色的分布特征包括以下参数中的至少一种:颜色分布熵、在环境因素影响下造成的视觉分布特征、以及颜色分布的信息熵特性。
本发明实施例共经过了两次匹配,其中在进行第一次匹配时,从数据库中选取出与待认证图像的匹配度大于第一阈值的图像,作为第一图像组。其中,在具体匹配时,可以利用迭代法、搜索空间标记法等算法。例如,可以通过迭代法和搜索空间标记法分别选出匹配的图像,将分别选出的匹配的图像的交集作为最终的匹配结果。具体地,当从所述数据库中获取与所述待认证图像的匹配度大于第一阈值的图像,作为第一图像组时,第一匹配单元503具体用于:利用迭代法从所述数据库中获取与所述待认证图像的匹配度大于第一阈值的图像,作为所述第三图像组;利用搜索空间标记法从所述数据库中获取与所述待认证图像的匹配度大于第一阈值的图像,作为所述第四图像组;将所述第三图像组和所述第四图像组的交集作为所述第一图像组。
本发明实施例在进行第二次匹配时,从所述第一图像组中获取与所述待认证图像的匹配度大于第二阈值的图像,作为第二图像组。由于第二次匹配时基于的是文字特征,因此具体实现时,可以通过OCR技术提取文字特征并进行匹配。例如,获取图像中文字区域的文字特征,其中文字特征包括两类特征,第一类特征为黑/白点数之比,通过引擎获取文字区域内的黑/白点数比,当文字具有多个文字区域时,将所有文字区域的黑/白点数之比,联合构成相应的向量;第二类特征为结构特征,例如将文字影像细线化后,取得字的笔划端点、交叉点的数量及位置,或笔划段等特征。根据文字区域的这两类文字特征,进行相应的匹配。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的***,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种图像认证方法,其特征在于,所述方法包括:
获取待认证图像;
提取所述待认证图像的图像特征以及文字特征;
根据所述待认证图像的图像特征和数据库中各个图像的图像特征,从所述数据库中获取与所述待认证图像的匹配度大于第一阈值的图像,作为第一图像组;
根据所述待认证图像的文字特征和所述第一图像组中各个图像的文字特征,从所述第一图像组中获取与所述待认证图像的匹配度大于第二阈值的图像,作为第二图像组,所述第二阈值大于第一阈值;
若确定出所述第二图像组包括至少一个图像,则所述待认证图像认证成功。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
若确定出所述第二图像组中不包括任何图像,则所述待认证图像认证失败。
3.根据权利要求1所述的方法,其特征在于,所述图像特征包括以下参数中的至少一种:
颜色的分布特征、分辨率与尺寸之间的关系、以及像素点构成的视觉效果。
4.根据权利要求1所述的方法,其特征在于,所述颜色的分布特征包括以下参数中的至少一种:
颜色分布熵、在环境因素影响下造成的视觉特征、以及颜色分布的信息熵特性。
5.根据权利要求1所述的方法,其特征在于,所述从所述数据库中获取与所述待认证图像的匹配度大于第一阈值的图像,作为第一图像组,包括:
利用迭代法从所述数据库中获取与所述待认证图像的匹配度大于第一阈值的图像,作为所述第三图像组;
利用搜索空间标记法从所述数据库中获取与所述待认证图像的匹配度大于第一阈值的图像,作为所述第四图像组;
将所述第三图像组和所述第四图像组的交集作为所述第一图像组。
6.一种图像认证装置,其特征在于,所述装置包括:
获取单元,用于获取待认证图像;
提取单元,用于提取所述待认证图像的图像特征以及文字特征;
第一匹配单元,用于根据所述待认证图像的图像特征和数据库中各个图像的图像特征,从所述数据库中获取与所述待认证图像的匹配度大于第一阈值的图像,作为第一图像组;
第二匹配单元,用于根据所述待认证图像的文字特征和所述第一图像组中各个图像的文字特征,从所述第一图像组中获取与所述待认证图像的匹配度大于第二阈值的图像,作为第二图像组,所述第二阈值大于第一阈值;
认证单元,用于若确定出所述第二图像组包括至少一个图像,则所述待认证图像认证成功。
7.根据权利要求6所述的装置,其特征在于,
所述认证单元还用于,若确定出所述第二图像组中不包括任何图像,则所述待认证图像认证失败。
8.根据权利要求6所述的装置,其特征在于,所述图像特征包括以下参数中的至少一种:
颜色的分布特征、分辨率与尺寸之间的关系、以及像素点构成的视觉效果。
9.根据权利要求6所述的装置,其特征在于,所述颜色的分布特征包括以下参数中的至少一种:
颜色分布熵、在环境因素影响下造成的视觉特征、以及颜色分布的信息熵特性。
10.根据权利要求6所述的装置,其特征在于,当从所述数据库中获取与所述待认证图像的匹配度大于第一阈值的图像,作为第一图像组时,所述第一匹配单元具体用于:
利用迭代法从所述数据库中获取与所述待认证图像的匹配度大于第一阈值的图像,作为所述第三图像组;
利用搜索空间标记法从所述数据库中获取与所述待认证图像的匹配度大于第一阈值的图像,作为所述第四图像组;
将所述第三图像组和所述第四图像组的交集作为所述第一图像组。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510594292.0A CN106548187A (zh) | 2015-09-17 | 2015-09-17 | 一种图像认证方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510594292.0A CN106548187A (zh) | 2015-09-17 | 2015-09-17 | 一种图像认证方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106548187A true CN106548187A (zh) | 2017-03-29 |
Family
ID=58361336
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510594292.0A Pending CN106548187A (zh) | 2015-09-17 | 2015-09-17 | 一种图像认证方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106548187A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108882016A (zh) * | 2018-07-31 | 2018-11-23 | 成都华栖云科技有限公司 | 一种视频基因数据提取的方法及*** |
CN116596375A (zh) * | 2023-05-15 | 2023-08-15 | 中广核新能源(麻栗坡)有限公司 | 一种基于积分制的电力运维人员能力量化评价方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101038686A (zh) * | 2007-01-10 | 2007-09-19 | 北京航空航天大学 | 一种基于信息融合的机读旅行证件识别方法 |
JP2010067014A (ja) * | 2008-09-11 | 2010-03-25 | Ricoh Co Ltd | 画像分類装置及び画像分類方法 |
CN103258037A (zh) * | 2013-05-16 | 2013-08-21 | 西安工业大学 | 一种针对多组合内容的商标识别检索方法 |
CN104463175A (zh) * | 2014-12-23 | 2015-03-25 | 智慧眼(湖南)科技发展有限公司 | 手指静脉特征匹配方法和装置 |
CN104462380A (zh) * | 2014-12-11 | 2015-03-25 | 北京中细软移动互联科技有限公司 | 商标检索方法 |
-
2015
- 2015-09-17 CN CN201510594292.0A patent/CN106548187A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101038686A (zh) * | 2007-01-10 | 2007-09-19 | 北京航空航天大学 | 一种基于信息融合的机读旅行证件识别方法 |
JP2010067014A (ja) * | 2008-09-11 | 2010-03-25 | Ricoh Co Ltd | 画像分類装置及び画像分類方法 |
CN103258037A (zh) * | 2013-05-16 | 2013-08-21 | 西安工业大学 | 一种针对多组合内容的商标识别检索方法 |
CN104462380A (zh) * | 2014-12-11 | 2015-03-25 | 北京中细软移动互联科技有限公司 | 商标检索方法 |
CN104463175A (zh) * | 2014-12-23 | 2015-03-25 | 智慧眼(湖南)科技发展有限公司 | 手指静脉特征匹配方法和装置 |
Non-Patent Citations (2)
Title |
---|
刘进等: "图像相关匹配算法的快速实现", 《武汉大学学报信息科学版》 * |
孙君顶等: "基于熵的图像空间特征提取及检索方法", 《***工程与电子技术》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108882016A (zh) * | 2018-07-31 | 2018-11-23 | 成都华栖云科技有限公司 | 一种视频基因数据提取的方法及*** |
CN116596375A (zh) * | 2023-05-15 | 2023-08-15 | 中广核新能源(麻栗坡)有限公司 | 一种基于积分制的电力运维人员能力量化评价方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | Face anti-spoofing via adversarial cross-modality translation | |
Zhang et al. | Interpreting adversarially trained convolutional neural networks | |
Ferrara et al. | On the effects of image alterations on face recognition accuracy | |
US20190197642A1 (en) | Classification and authentication of identification documents using a convolutional neural network | |
US10204216B2 (en) | Verification methods and verification devices | |
CN105450411B (zh) | 利用卡片特征进行身份验证的方法、装置及*** | |
US11403874B2 (en) | Virtual avatar generation method and apparatus for generating virtual avatar including user selected face property, and storage medium | |
CN110008909B (zh) | 一种基于ai的实名制业务实时稽核*** | |
Cao et al. | Ancient mural restoration based on a modified generative adversarial network | |
JP2011507101A (ja) | 固有画像処理による未知の文書の識別及び検証 | |
CN104915634A (zh) | 基于人脸识别技术的图像生成方法和装置 | |
CN108288012A (zh) | 一种基于手机实现的艺术品备案验证方法及其*** | |
WO2018072028A1 (en) | Face authentication to mitigate spoofing | |
CN107358148B (zh) | 一种基于手写识别的防作弊网络调研的方法及装置 | |
CN111951154B (zh) | 包含背景和介质的图片的生成方法及装置 | |
CN108596559A (zh) | 任务自动化审核方法、装置、设备及存储介质 | |
Yin et al. | Yes," Attention Is All You Need", for Exemplar based Colorization | |
CN110502694A (zh) | 基于大数据分析的律师推荐方法及相关设备 | |
CN109242513A (zh) | 一种商品检测方法及装置 | |
CN106548187A (zh) | 一种图像认证方法及装置 | |
CN113888675A (zh) | 用于生成证件图像的方法、***、装置和介质 | |
Winter et al. | Demystifying face-recognition with locally interpretable boosted features (libf) | |
CN110414792B (zh) | 基于bim和大数据的部品集采管理***及相关产品 | |
CN112464873A (zh) | 模型的训练方法、人脸活体识别方法、***、设备及介质 | |
Rathgeb et al. | Effects of image compression on face image manipulation detection: A case study on facial retouching |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170329 |
|
RJ01 | Rejection of invention patent application after publication |