CN109087114A - 一种红酒包装防伪水印智能检测追踪方法 - Google Patents
一种红酒包装防伪水印智能检测追踪方法 Download PDFInfo
- Publication number
- CN109087114A CN109087114A CN201810859736.2A CN201810859736A CN109087114A CN 109087114 A CN109087114 A CN 109087114A CN 201810859736 A CN201810859736 A CN 201810859736A CN 109087114 A CN109087114 A CN 109087114A
- Authority
- CN
- China
- Prior art keywords
- red wine
- watermark
- image
- wine packaging
- intelligent measurement
- 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.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
- G06Q30/0185—Product, service or business identity fraud
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/0021—Image watermarking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2201/00—General purpose image data processing
- G06T2201/005—Image watermarking
- G06T2201/0065—Extraction of an embedded watermark; Reliable detection
Landscapes
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Entrepreneurship & Innovation (AREA)
- Editing Of Facsimile Originals (AREA)
Abstract
一种红酒包装防伪水印智能检测追踪方法,主要包括:A.建立红酒包装防伪水印智能检测追踪***,通过离散变换将图像水印信号嵌入红酒包装;B.将市场上的红酒包装数字水印图像进行分块处理,利用二维Arnold变换进行置乱提取图像水印信息;C.检测***的控制中心设定一个数字水印代理,并派遣到远程目标主机,代理通过遗传算法智能识别检测提取出的图像水印;D.若检测水印存在侵权现象,代理迁移后将位置通知控制中心,进行实时定位和通信,完成红酒包装防伪水印智能检测追踪方法。该方法具有较强的鲁棒性和容错性,移动水印代理不需要网络的持续支持,具有跨平台持续运行、自我控制和移动功能,能够进行智能检测,减少网络负载,提高检测效率。
Description
技术领域
本发明涉及一种红酒包装防伪水印智能检测追踪方法,属于信息隐藏、人工智能、计算机领域。
背景技术
红酒在很多消费者眼中是高端奢侈品,导致山寨假冒产品层出不穷。因此,防伪一直都是名庄不得不面对的问题。数字水印是基于内容的非密码机制的信息隐藏技术,是迄今为止唯一可以跨媒体应用的信息安全与防伪技术。但随着侵权问题日益严重,网络信息量急剧增加,在网络上收集数据并进行数字水印检测变得越来越繁琐复杂,极大地加重网络负载,使得运行速度慢,降低检测效率。
发明内容
为解决上述问题,本发明的目的在于提供一种具有较强的鲁棒性和容错性的红酒包装防伪水印智能检测追踪方法,移动水印代理不需要网络的持续支持,具有跨平台持续运行、自我控制和移动功能,能够进行智能检测,减少网络负载,提高检测效率。
本发明解决其问题所采用的技术方案,包括以下步骤:
一种红酒包装防伪水印智能检测追踪方法,其特征在于:利用代理的可移动性,不需要网络持续支持,进行智能检测,所述方法包括以下步骤:
A.建立红酒包装防伪水印智能检测追踪***,通过离散变换将图像水印信号嵌入红酒包装;
B.将市场上的红酒包装数字水印图像进行分块处理,利用二维Arnold变换进行置乱提取图像水印信息;
C.检测***的控制中心设定一个数字水印代理,并派遣到远程目标主机,代理通过遗传算法智能识别检测提取出的图像水印;
D.若检测水印存在侵权现象,代理迁移后将位置通知控制中心,进行实时定位和通信,完成红酒包装防伪水印智能检测追踪方法。
进一步的,所述步骤A包括:
建立红酒包装防伪水印智能检测追踪***,主控中心主要负责代理的设定和检测结果反馈的处理,知识库包括代理的路由策略,对反馈结果增加执行规则;
对红酒包装图像f(x)进行分割,对每个图像分块进行离散变换:
其中,x、u代表变换前后的图像像素点,n是像素个数,是离散变换的频谱,N是频谱函数的一个周期内的抽样点数,i是虚数单位,然后进行快速傅氏变换平移,对水印进行嵌入:
F′(x′)=F(1+αx′)
其中,F'(x)是嵌入水印后的图像信息,α是水印嵌入的强度系数,x'是加密后的像素信息。
进一步的,所述步骤B包括:
将红酒包装嵌入水印图像进行分块,并对每个分块进行二维离散变换,通过嵌入水印的逆运算计算每个分块嵌入水印的估计值:
将所有分块组合为图像水印估计值:
其中,n是像素个数,用二维Arnold变换对图像f(x,y)进行置乱:
其中,x'、y'是置乱后的图像信息,mod是求余,N×N是图像的大小,通过离散点的置换,转移图像信息,便产生新的图像,从而提取出水印信息。
进一步的,所述步骤C包括:
(1)确定数字水印代理的初始群体x(0),根据x(0)的适应值A(xi)选取n对父代进行交叉运算:
Amax(x)=max{A(xi),1≤i≤n}
其中,Amax(x)是最佳适应值,n是种群数量,产生相应的子代,子代个体继承父代个体所有的信息,选取杂交后适应值最高的n个个体,比较杂交种群的适应值与父代适应值,保留适应值较大者,若适应值小于父代,则杂交无效;
(2)按照自适应调整变异概率pm对交叉生成的n个个体进行变异:
其中,t是进化时间,是pm的峰值,是结构元中各分量的反向排序对应值,λ是时间常数,T是进化的最大代数,从而生成新一代种群,当进化代数达到阈值或同代种群中所有个体适应值几乎相等或个体的最大适应值达到阈值时便为满足收敛条件,算法停止,神经网络训练完毕,接收市场上的红酒包装水印信息进行识别,水印代理分析、对比水印中的版权是否与自身携带的水印版权相匹配,若不匹配,则存在侵权现象。
进一步的,所述步骤D包括:
(1)当代理在远程主机进行水印检测时,远程主机为其分配一个消息处理代理,负责处理控制中心或其他远程主机发送的消息,当代理迁移至下一主机时,消息处理代理将接收到的消息进行缓存,待代理迁移成功,将缓存发送给新位置的消息处理代理;
(2)若检测水印存在侵权现象,代理向控制中心发送位置和报告,控制中心记录了域内代理的标识和当前位置的映射,消息处理中心接收控制中心的反馈信息,更新数字水印代理并复制,迁移至下一台主机。
本发明的有益效果是:
在数字水印检测难度越来越大的情况下,本发明具有较强的鲁棒性和容错性,移动水印代理不需要网络的持续支持,具有跨平台持续运行、自我控制和移动功能,能够进行智能检测,减少网络负载,提高检测效率。
附图说明
图1为一种红酒包装防伪水印智能检测追踪方法的整体流程图;
图2为红酒包装防伪水印智能检测追踪***结构图;
图3为数字水印代理检测红酒包装流程图。
具体实施方式
参照图1,本发明所述的方法包括以下步骤:
A.建立红酒包装防伪水印智能检测追踪***,通过离散变换将图像水印信号嵌入红酒包装;
建立红酒包装防伪水印智能检测追踪***,如图2所示。主控中心主要负责代理的设定和检测结果反馈的处理,知识库包括代理的路由策略,对反馈结果增加执行规则。
对红酒包装图像f(x)进行分割,对每个图像分块进行离散变换:
其中,x、u代表变换前后的图像像素点,n是像素个数,是离散变换的频谱,N是频谱函数的一个周期内的抽样点数,i是虚数单位。然后进行快速傅氏变换平移,对水印进行嵌入:
F′(x′)=F(1+αx′)
其中,F'(x)是嵌入水印后的图像信息,α是水印嵌入的强度系数,x'是加密后的像素信息。
B.将市场上的红酒包装数字水印图像进行分块处理,利用二维Arnold变换进行置乱提取图像水印信息;
将红酒包装嵌入水印图像进行分块,并对每个分块进行二维离散变换,通过嵌入水印的逆运算计算每个分块嵌入水印的估计值:
将所有分块组合为图像水印估计值:
其中,n是像素个数。用二维Arnold变换对图像f(x,y)进行置乱:
其中,x'、y'是置乱后的图像信息,mod是求余,N×N是图像的大小。通过离散点的置换,转移图像信息,便产生新的图像,从而提取出水印信息。
C.检测***的控制中心设定一个数字水印代理,并派遣到远程目标主机,代理通过遗传算法智能识别检测提取出的图像水印(如图3所示);
(1)确定数字水印代理的初始群体x(0),根据x(0)的适应值A(xi)选取n对父代进行交叉运算:
Amax(x)=max{A(xi),1≤i≤n}
其中,Amax(x)是最佳适应值,n是种群数量。产生相应的子代,子代个体继承父代个体所有的信息,选取杂交后适应值最高的n个个体,比较杂交种群的适应值与父代适应值,保留适应值较大者,若适应值小于父代,则杂交无效。
(2)按照自适应调整变异概率pm对交叉生成的n个个体进行变异:
其中,t是进化时间,是pm的峰值,是结构元中各分量的反向排序对应值,λ是时间常数,T是进化的最大代数。从而生成新一代种群,当进化代数达到阈值或同代种群中所有个体适应值几乎相等或个体的最大适应值达到阈值时便为满足收敛条件,算法停止。神经网络训练完毕,接收市场上的红酒包装水印信息进行识别,水印代理分析、对比水印中的版权是否与自身携带的水印版权相匹配,若不匹配,则存在侵权现象。
D.若检测水印存在侵权现象,代理迁移后将位置通知控制中心,进行实时定位和通信,完成红酒包装防伪水印智能检测追踪方法。
(1)当代理在远程主机进行水印检测时,远程主机为其分配一个消息处理代理,负责处理控制中心或其他远程主机发送的消息。当代理迁移至下一主机时,消息处理代理将接收到的消息进行缓存,待代理迁移成功,将缓存发送给新位置的消息处理代理。
(2)若检测水印存在侵权现象,代理向控制中心发送位置和报告,控制中心记录了域内代理的标识和当前位置的映射,消息处理中心接收控制中心的反馈信息,更新数字水印代理并复制,迁移至下一台主机。
综上所述,便完成了本发明所述的一种红酒包装防伪水印智能检测追踪方法。该方法具有较强的鲁棒性和容错性,移动水印代理不需要网络的持续支持,具有跨平台持续运行、自我控制和移动功能,能够进行智能检测,减少网络负载,提高检测效率。
Claims (5)
1.一种红酒包装防伪水印智能检测追踪方法,其特征在于:利用代理的可移动性,不需要网络持续支持,进行智能检测,所述方法包括以下步骤:
A.建立红酒包装防伪水印智能检测追踪***,通过离散变换将图像水印信号嵌入红酒包装;
B.将市场上的红酒包装数字水印图像进行分块处理,利用二维Arnold变换进行置乱提取图像水印信息;
C.检测***的控制中心设定一个数字水印代理,并派遣到远程目标主机,代理通过遗传算法智能识别检测提取出的图像水印;
D.若检测水印存在侵权现象,代理迁移后将位置通知控制中心,进行实时定位和通信,完成红酒包装防伪水印智能检测追踪方法。
2.如权利要求1所述的红酒包装防伪水印智能检测追踪方法,其特征在于:
所述步骤A包括:
建立红酒包装防伪水印智能检测追踪***,主控中心主要负责代理的设定和检测结果反馈的处理,知识库包括代理的路由策略,对反馈结果增加执行规则;
对红酒包装图像f(x)进行分割,对每个图像分块进行离散变换:
其中,x、u代表变换前后的图像像素点,n是像素个数,是离散变换的频谱,N是频谱函数的一个周期内的抽样点数,i是虚数单位,然后进行快速傅氏变换平移,对水印进行嵌入:
F′(x′)=F(1+αx′)
其中,F'(x)是嵌入水印后的图像信息,α是水印嵌入的强度系数,x'是加密后的像素信息。
3.如权利要求2所述的红酒包装防伪水印智能检测追踪方法,其特征在于:
所述步骤B包括:
将红酒包装嵌入水印图像进行分块,并对每个分块进行二维离散变换,通过嵌入水印的逆运算计算每个分块嵌入水印的估计值:
将所有分块组合为图像水印估计值:
其中,n是像素个数,用二维Arnold变换对图像f(x,y)进行置乱:
其中,x'、y'是置乱后的图像信息,mod是求余,N×N是图像的大小,通过离散点的置换,转移图像信息,便产生新的图像,从而提取出水印信息。
4.如权利要求3所述的红酒包装防伪水印智能检测追踪方法,其特征在于:
所述步骤C包括:
(1)确定数字水印代理的初始群体x(0),根据x(0)的适应值A(xi)选取n对父代进行交叉运算:
Amax(x)=max{A(xi),1≤i≤n}
其中,Amax(x)是最佳适应值,n是种群数量,产生相应的子代,子代个体继承父代个体所有的信息,选取杂交后适应值最高的n个个体,比较杂交种群的适应值与父代适应值,保留适应值较大者,若适应值小于父代,则杂交无效;
(2)按照自适应调整变异概率pm对交叉生成的n个个体进行变异:
其中,t是进化时间,是pm的峰值,是结构元中各分量的反向排序对应值,λ是时间常数,T是进化的最大代数,从而生成新一代种群,当进化代数达到阈值或同代种群中所有个体适应值几乎相等或个体的最大适应值达到阈值时便为满足收敛条件,算法停止,神经网络训练完毕,接收市场上的红酒包装水印信息进行识别,水印代理分析、对比水印中的版权是否与自身携带的水印版权相匹配,若不匹配,则存在侵权现象。
5.如权利要求4所述的红酒包装防伪水印智能检测追踪方法,其特征在于:
所述步骤D包括:
(1)当代理在远程主机进行水印检测时,远程主机为其分配一个消息处理代理,负责处理控制中心或其他远程主机发送的消息,当代理迁移至下一主机时,消息处理代理将接收到的消息进行缓存,待代理迁移成功,将缓存发送给新位置的消息处理代理;
(2)若检测水印存在侵权现象,代理向控制中心发送位置和报告,控制中心记录了域内代理的标识和当前位置的映射,消息处理中心接收控制中心的反馈信息,更新数字水印代理并复制,迁移至下一台主机。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810859736.2A CN109087114A (zh) | 2018-08-01 | 2018-08-01 | 一种红酒包装防伪水印智能检测追踪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810859736.2A CN109087114A (zh) | 2018-08-01 | 2018-08-01 | 一种红酒包装防伪水印智能检测追踪方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109087114A true CN109087114A (zh) | 2018-12-25 |
Family
ID=64831167
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810859736.2A Withdrawn CN109087114A (zh) | 2018-08-01 | 2018-08-01 | 一种红酒包装防伪水印智能检测追踪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109087114A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109766944A (zh) * | 2019-01-10 | 2019-05-17 | 四川中新华搜信息技术有限公司 | 一种基于cnn的图像识别的商品外观防伪方法 |
WO2020181500A1 (en) * | 2019-03-12 | 2020-09-17 | Citrix Systems, Inc. | Tracking image senders on client devices |
CN116362773A (zh) * | 2023-05-31 | 2023-06-30 | 酒仙网络科技股份有限公司 | 一种基于数据分析的红酒智能防伪*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1331455A (zh) * | 2000-06-27 | 2002-01-16 | 石朝生 | 商品网络扫描电子标签防伪标识物及其制作方法 |
CN101196970A (zh) * | 2007-12-29 | 2008-06-11 | 武汉理工大学 | 基于数字水印和移动代理的数字版权管理*** |
CN101330610A (zh) * | 2008-07-22 | 2008-12-24 | 华为技术有限公司 | 水印嵌入方法及装置、提取方法及装置和处理*** |
CN102663600A (zh) * | 2012-01-17 | 2012-09-12 | 付强 | 基于数字水印和条码的防伪***及其防伪方法和应用 |
CN107194449A (zh) * | 2017-06-19 | 2017-09-22 | 南京林业大学 | 基于数字水印和二维码结合的印刷防伪和信息溯源方法 |
CN206796867U (zh) * | 2017-06-19 | 2017-12-26 | 东莞市飞易达纸业有限公司 | 一种包装盒防伪水印印刷打码装置 |
-
2018
- 2018-08-01 CN CN201810859736.2A patent/CN109087114A/zh not_active Withdrawn
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1331455A (zh) * | 2000-06-27 | 2002-01-16 | 石朝生 | 商品网络扫描电子标签防伪标识物及其制作方法 |
CN101196970A (zh) * | 2007-12-29 | 2008-06-11 | 武汉理工大学 | 基于数字水印和移动代理的数字版权管理*** |
CN101330610A (zh) * | 2008-07-22 | 2008-12-24 | 华为技术有限公司 | 水印嵌入方法及装置、提取方法及装置和处理*** |
CN102663600A (zh) * | 2012-01-17 | 2012-09-12 | 付强 | 基于数字水印和条码的防伪***及其防伪方法和应用 |
CN107194449A (zh) * | 2017-06-19 | 2017-09-22 | 南京林业大学 | 基于数字水印和二维码结合的印刷防伪和信息溯源方法 |
CN206796867U (zh) * | 2017-06-19 | 2017-12-26 | 东莞市飞易达纸业有限公司 | 一种包装盒防伪水印印刷打码装置 |
Non-Patent Citations (3)
Title |
---|
中国科学院上海技术物理研究所: "《红外光电技术》", 31 March 2004, 中国科学技术出版社 * |
叶吉祥等: "基于傅立叶域的有意义图像数字水印算法", 《计算机工程与科学》 * |
游福成等: "基于数字水印与移动Agent的数字版权保护***设计", 《中南大学学报(自然科学版)》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109766944A (zh) * | 2019-01-10 | 2019-05-17 | 四川中新华搜信息技术有限公司 | 一种基于cnn的图像识别的商品外观防伪方法 |
CN109766944B (zh) * | 2019-01-10 | 2021-05-25 | 四川中新华搜信息技术有限公司 | 一种基于cnn的图像识别的商品外观防伪方法 |
WO2020181500A1 (en) * | 2019-03-12 | 2020-09-17 | Citrix Systems, Inc. | Tracking image senders on client devices |
US10963981B2 (en) | 2019-03-12 | 2021-03-30 | Citrix Systems, Inc. | Tracking image senders on client devices |
US11557016B2 (en) | 2019-03-12 | 2023-01-17 | Citrix Systems, Inc. | Tracking image senders on client devices |
CN116362773A (zh) * | 2023-05-31 | 2023-06-30 | 酒仙网络科技股份有限公司 | 一种基于数据分析的红酒智能防伪*** |
CN116362773B (zh) * | 2023-05-31 | 2023-07-28 | 酒仙网络科技股份有限公司 | 一种基于数据分析的红酒智能防伪*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113222800B (zh) | 一种基于深度学习的鲁棒图像水印嵌入与提取方法及*** | |
Zhang et al. | A generative method for steganography by cover synthesis with auxiliary semantics | |
CN109087114A (zh) | 一种红酒包装防伪水印智能检测追踪方法 | |
CN111598762A (zh) | 一种生成式鲁棒图像隐写方法 | |
Wei et al. | Generative steganography network | |
CN110312138B (zh) | 基于时序残差卷积建模的高嵌入容量视频隐写方法和*** | |
Zhang et al. | An image watermarking method based on visual saliency and contourlet transform | |
CN107240061A (zh) | 一种基于动态bp神经网络的水印嵌入、提取方法与装置 | |
Wang et al. | HidingGAN: High capacity information hiding with generative adversarial network | |
Zhou et al. | Adaptive digital watermarking scheme based on support vector machines and optimized genetic algorithm | |
Amiri et al. | Robust watermarking against print and scan attack through efficient modeling algorithm | |
CN112132737B (zh) | 一种无参考生成的图像鲁棒隐写方法 | |
CN107578365B (zh) | 基于量子杂草寻优机制的小波数字水印嵌入和提取方法 | |
Bhuiyan et al. | An improved image steganography algorithm based on PVD | |
Berg et al. | Searching for Hidden Messages: Automatic Detection of Steganography. | |
CN116630727B (zh) | 模型训练方法、深伪图像检测方法、装置、设备及介质 | |
Hussain et al. | A novel hybrid fuzzy-SVM image steganographic model | |
Gupta et al. | A survey of watermarking technique using deep neural network architecture | |
CN104156909B (zh) | 基于图像内容的鲁棒可逆水印嵌入与检测方法 | |
Sultan et al. | A new framework for analyzing color models with generative adversarial networks for improved steganography | |
CN116342362B (zh) | 深度学习增强数字水印不可感知性方法 | |
Li et al. | A new robust watermarhing scheme based on shuffled frog leaping algorithm | |
Rahmi et al. | Offline signature recognition using back propagation neural network | |
CN113034332A (zh) | 不可见水印图像、后门攻击模型构建、分类方法及*** | |
Raju et al. | Digital image watermarking based on hybrid FRT-HD-DWT domain and flamingo search optimisation |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20181225 |