CN109145703A - 智能鉴定方法、装置、设备和介质 - Google Patents

Abstract

本发明实施例公开了一种智能鉴定方法、装置、设备和介质。该方法包括：获取第一特征信息，第一特征信息是指待验证图片的特征信息；对比第一特征信息与第二特征信息，确定第一特征信息与第二特征信息之间的图片相似度值，第二特征信息是通过预存储键值查找在区块链上的预存储信息得到的特征信息；当图片相似度值大于预设图片相似度阈值，则待验证图片通过鉴定。根据本发明实施例提供的方案，将真字画等信息先存储到区块链中，当需要鉴定字画真伪时，可以将当前的字画信息与存储在区块链中的字画信息进行对比，不但可以提高鉴定的准确性、可信度和效率，还可以减少人为判断的主观因素。

Description

智能鉴定方法、装置、设备和介质

技术领域

本发明涉及区块链领域，尤其涉及一种智能鉴定方法、装置、设备和介质。

背景技术

现有市场上字画拍卖和交易都变得越来越普遍，但是由于字画的真迹比较少，市场上比较多地出现伪字画，这样使得一些不懂鉴定字画的买和/或卖家被欺骗，损失大量的金钱。

目前由于纸质的鉴定证书和字画是分离的，仅仅使用证书本身并不能证实字画的真伪，因此每次交易都需要重新检验。

而且，由于字画的真伪只能靠专家或权威机构来鉴定，主观因素很多，导致出现了对字画鉴定的准确度低、可信度低、效率低的问题。

发明内容

本发明实施例提供一种智能鉴定方法、装置、设备和介质，可以克服人为的主观因素，自动鉴定图片的真伪，提高鉴定的准确度、可信度和效率。

根据本发明实施例的一方面，提供一种智能鉴定方法，包括：获取第一特征信息，所述第一特征信息是指待验证图片的特征信息；

对比所述第一特征信息与第二特征信息，确定所述第一特征信息与所述第二特征信息之间的图片相似度值，第二特征信息是通过预存储键值查找在区块链上的预存储信息得到的特征信息；

当所述图片相似度值大于预设图片相似度阈值，则所述待验证图片通过鉴定。

根据本发明实施例的另一方面，提供一种智能鉴定装置，包括：第一获取模块、第一对比模块和第一鉴定模块；

所述第一获取模块，用于获取第一特征信息，所述第一特征信息是指待验证图片的特征信息；

所述第一对比模块，用于对比所述第一特征信息与第二特征信息，确定所述第一特征信息与所述第二特征信息之间的图片相似度值，第二特征信息是通过预存储键值查找在区块链上的预存储信息得到的特征信息；

所述第一鉴定模块，用于当所述图片相似度值大于预设图片相似度阈值，则所述待验证图片通过鉴定。

根据本发明实施例的再一方面，提供一种终端设备，存储器、处理器、通信接口和总线；

所述存储器、所述处理器和所述通信接口通过所述总线连接并完成相互间的通信；

所述存储器用于存储程序代码；

所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序，以用于执行第一方面所述的智能鉴定方法。

根据本发明实施例的再一方面，提供一种计算机存储介质，包括指令，当所述指令在计算机上运行时，使所述计算机执行第一方面所述的智能鉴定方法。

根据本发明实施例中的智能鉴定方法、装置、设备和介质，将真字画等信息先存储到区块链中，当出现买卖交易，需要鉴定字画真伪时，可以将当前的字画信息与存储在区块链中的字画信息进行对比，通过采用区块链的方式，不但可以提高鉴定的准确性，还可以减少人为判断的主观因素。同时还可以提高鉴定的准确度、可信度和效率。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图作简单地介绍，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是示出本发明实施例存证过程的结构示意图；

图2是示出本发明实施例智能鉴定方法的流程图；

图3是示出本发明另一实施例智能鉴定方法的流程图；

图4是示出本发明实施例人脸验证的结构示意图；

图5是示出本发明实施例智能鉴定装置的结构示意图；

图6是示出本发明另一实施例智能鉴定装置的结构示意图；

图7是示出可以实现根据本发明实施例的智能鉴定方法和装置的计算设备的示例性硬件架构的结构图。

具体实施方式

下面将详细描述本发明的各个方面的特征和示例性实施例，为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细描述。应理解，此处所描述的具体实施例仅被配置为解释本发明，并不被配置为限定本发明。对于本领域技术人员来说，本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明更好的理解。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

图1是示出本发明实施例存证过程的结构示意图。

如图1所示，存证过程中包括两部分。第一部分是作者信息的存证，当作者作为画家或者书画家登录APP后，调用手机摄像头拍摄人脸照片进行人脸识别进而获取人脸特征，即把拍摄的照片通过人脸识别算法提取出人脸特征。然后输入作者基本信息，该作者基本信息包括姓名，性别，出生年月等。接着结合人脸特征和作者基本信息生成存放在区块链中的数字证书，该数字证书包括：人脸特征，私钥和公钥。

第二部分是字画信息的存证，基于字画的数字特征来制作数字证书，调用扫描装置拍摄字画照片，把字画照片采用哈希hash算法进行计算得到的值称为数字特征。然后由字画的创作者，画家和书法家，对该数字特征进行数字签名，签名后得到的数字证书保存在多家机构联合组建的区块链上，这样使得数字证书不被篡改。在字画需要鉴定时，从区块链上读出数字证书，根据数字证书中的数字特征和字画进行自动匹配。

下面就是利用这些存储在区块链中的数字证书和数字特征验证字画的真伪。

为了更好的理解本发明，下面将结合附图，详细描述根据本发明实施例的智能鉴定方法、装置、设备和介质，应注意，这些实施例并不是用来限制本发明公开的范围。

图2是示出本发明实施例智能鉴定方法的流程图。如图2所示，本实施例中的智能鉴定方法200包括以下步骤：

步骤S210，获取第一特征信息，第一特征信息是指待验证图片的特征信息。

在该步骤中，获取的第一特征信息主要是一些字画、***等需要验证真伪的图片信息。通过扫描装置扫描字画或者***，比如：采用手机拍摄字画或者***的照片，包括整幅作品拍照和***拍照，拍摄的照片上传到服务器端，该服务器端用已经训练好的卷积神经网络模型提取这些图片的特征，得到这些需要验证字画和/或***的图片的特征信息。

步骤S220，对比第一特征信息与第二特征信息，确定第一特征信息与第二特征信息之间的图片相似度值，第二特征信息是通过预存储键值查找在区块链上的预存储信息得到的特征信息。

在该步骤中，在鉴定过程中，首先，根据提交的字画键值key即预存储键值在区块链上查找存链的特征信息，然后将提取字画的特征信息与通过键值查找得到的特征信息进行比对，得到图片相似度值，从而确定字画是否是真字画。

步骤S230，当图片相似度值大于预设图片相似度阈值，则待验证图片通过鉴定。

在该步骤中，两张图片的特征相似度值超过一定阈值，就判定这两张图片同一幅字画作品。第二特征信息是通过预先训练好的卷积神经网络提取得到的，包括***特征及背景中纸张的纹理特征等。

根据本发明实施例中的智能鉴定方法，将真实字画的信息先存储到区块链中，当出现买卖交易，需要鉴定字画真伪时，可以将当前的字画信息与存储在区块链中的字画信息进行对比。不但可以提高鉴定的准确性，还可以减少人为判断的主观因素。同时还可以提高鉴定的准确度、可信度和效率。

图3是示出本发明另一实施例智能鉴定方法的流程图。图4是示出本发明实施例人脸验证的结构示意图。

在一实施例中，图3与图2相同或等同的步骤使用相同的标号。如图3所示，方法300基本相同于方法200，不同之处在于，方法300还包括：

在执行完步骤S230之后，还可以执行以下步骤：

步骤S240，获取第一人脸特征信息，第一人脸特征信息是指待验证人脸的特征信息。

在该步骤中，采用的一些人脸识别技术，该人脸识别技术可以包括：几何特征的人脸识别方法、基于特征脸(PCA)的人脸识别方法、神经网络的人脸识别方法、弹性图匹配的人脸识别方法、线段Hausdorff距离(LHD)的人脸识别方法、支持向量机(SVM)的人脸识别方法等。而在这些人脸识别技术中也会涉及到一些人脸识别的算法。

本发明实施例中采用的人脸识别算法可以为基于人脸特征点的识别算法(Feature-based recognition algorithms)、基于整幅人脸图像的识别算法(Appearance-based recognition algorithms)、基于模板的识别算法(Template-based recognitionalgorithms)和利用神经网络进行识别的算法(Recognition algorithms using neuralnetwork)等。

步骤S250，对比第一人脸特征信息和第二人脸特征信息，确定人脸相似度值，第二人脸特征信息是根据预存储数字证书和预存储公钥查找在区块链上的预存储信息得到的人脸特征信息。

如图4所示，本发明实施例中可以通过活体测试的方式获取第一人脸特征信息，比如：录取人眼的视频信息等等，通过录取的人眼视频信息来提取人脸的特征信息；还可以通过识别人脸的图片，通过预训练的深度卷积神经网络模型进行特征提取，比较待验证人脸的特征信息与预先存储在区块链上的人脸特征信息，确定人脸相似度值，从而确定这两张人脸是否相同。

在一示例中，该预存储作者基本信息包括以下至少一种：图片对应的作品名称信息、图片对应的作品尺寸信息、图片对应的作品创作年代信息、图片对应的作品分类信息、图片对应的作品材质信息和图片对应的作品题材信息。

步骤S260，当人脸相似度值大于预设人脸相似度值，则待验证人脸通过鉴定。

步骤S270，在待验证人脸通过鉴定后，通过预存储私钥获取存储在区块链上的预存储数字证书。

通过本发明实施例的智能鉴定方法，将待验证人脸的特征信息与预存储的人脸特征信息进行对比，从而自动识别待验证人脸，这样可以大大提高用户的安全性，提高鉴定的准确度、可信度和效率。

在一实施例中，预存储键值是指在区块链上存储预存储信息时反馈的唯一资产标识ID。

可以理解的是，基于字画的特征信息和字画的基本信息，然后使用画家的公钥和私钥对字画的特征信息和字画的基本信息进行加密，形成数字化资产。将该数字化资产存储在区块链中，该数字资产被保存在区块链网络中，同时服务器返回全网唯一资产标识ID，该唯一资产标识ID用于字画的鉴定。通过该唯一资产标识ID可以保证字画信息的真实性，提高了鉴定的准确度、可信度。

在一实施例中，第一特征信息、第二特征信息、第一人脸特征信息和预存储信息均是通过预训练的深度卷积神经网络模型提取的信息。

可以理解的是，本发明实施例中首先对人脸或者图片进行预处理，然后训练深度卷积神经网络模型，最后通过深度卷积神经网络模型提取特征，利用特征向量计算相似度，实现人脸识别。下面是本发明实施例中训练深度卷积神经网络模型，然后用深度卷积神经网络模型进行人脸识别的过程：

步骤1、预处理待验证人脸的图片

(1)检测图片中的人脸；

(2)检测人脸中的关键点(两眼、鼻尖、两边嘴角)；

(3)进行人脸对齐操作；

(4)将人脸图片大小归一化，例如把人脸图片大小归一化至112×96的像素。

步骤2、训练深度卷积神经网络模型

(1)搭建基于残差学习的深度卷积神经网络模型；

(2)前向传播计算损失误差(SoftMax Loss)；

(3)反向传播损失误差(SoftMax Loss)更新模型参数；

(4)获得训练好的深度卷积神经网络模型。

步骤3、人脸识别

(1)测试图片通过深度卷积神经网络模型；

(2)提取特征向量；

(3)利用特征向量进行相似度计算；

(4)输出识别结果。

在一实施例中，步骤S240可以包括以下步骤：

步骤S241，获取预设时间段内待验证人脸的眼睛视频信息。

步骤S242，确定眼睛视频信息中每帧图片信息的多个关键点信息。

步骤S243，根据多个关键点信息确定眼睛状态信息，将眼睛状态信息作为第一人脸特征信息。

可以理解的是，本发明实施例获取人脸特征信息可以是通过录取人眼的视频信息，通过识别视频信息中每帧图片的人眼变化，即检测人双眼的12个关键点(每只眼睛6个)。这些关键点包括眼角，上下眼皮轮廓等。通过判断上下眼皮关键点之间的距离与左右眼角距离的比值来判断眼睛的张开闭合。如果上下眼皮距离与左右眼角距离比值小于一定阈值，则认定为眼睛是闭合状态，反之为睁开状态。因为每个人的眼睛大小有差别，所以这个阈值是因人而异的，是动态获取的，即将所有视频帧中比值的最大值作为上界，最小值作为下界。通常情况下界为0，因为是闭合状态，上下眼皮是连接在一起的，距离为0。

下面结合附图，详细介绍根据本发明实施例的装置。

图5是示出本发明实施例智能鉴定装置的结构示意图。如图5所示，智能鉴定装置500包括：

第一获取模块510、第一对比模块520和第一鉴定模块530。

第一获取模块510，用于获取第一特征信息，第一特征信息是指待验证图片的特征信息。

第一对比模块520，用于对比第一特征信息与第二特征信息，确定第一特征信息与第二特征信息之间的图片相似度值，第二特征信息是通过预存储键值查找在区块链上的预存储信息得到的特征信息。

第一鉴定模块530，用于当图片相似度值大于预设图片相似度阈值，则待验证图片通过鉴定。

根据本发明实施例中的智能鉴定装置，将真实字画的信息先存储到区块链中，当出现买卖交易，需要鉴定字画真伪时，可以将当前的字画信息与存储在区块链中的字画信息进行对比。不但可以提高鉴定的准确性，还可以减少人为判断的主观因素。同时还可以提高鉴定的准确度、可信度和效率。

图6是示出本发明另一实施例智能鉴定装置的结构示意图，图6与图5相同或等同的结构使用相同的标号。如图6所示，智能鉴定装置600基本相同于智能鉴定装置500，不同之处在于，智能鉴定装置600还包括：

第二获取模块540、第二对比模块550和第二鉴定模块560。

第二获取模块540，用于获取第一人脸特征信息，第一人脸特征信息是指待验证人脸的特征信息。

第二对比模块550，用于对比第一人脸特征信息和第二人脸特征信息，确定人脸相似度值，第二人脸特征信息是根据预存储数字证书和预存储公钥查找在区块链上的预存储信息得到的人脸特征信息。

第二鉴定模块560，用于当人脸相似度值大于预设人脸相似度值，则待验证人脸通过鉴定；以及用于在待验证人脸通过鉴定后，通过预存储私钥获取存储在区块链上的预存储数字证书。

在一实施例中，预存储键值是指在区块链上存储预存储信息时反馈的唯一资产标识ID。

在一实施例中，第一特征信息、第二特征信息、第一人脸特征信息和预存储信息均是通过预训练的深度卷积神经网络模型提取的信息。

在一实施例中，第二获取模块540，包括：获取单元541和确定单元542。

获取单元541，用于获取预设时间段内待验证人脸的眼睛视频信息。

确定单元542，用于确定眼睛视频信息中每帧图片信息的多个关键点信息；以及用于根据多个关键点信息确定眼睛状态信息，将眼睛状态信息作为第一人脸特征信息。

在一实施例中，待验证图片包括以下至少一种：字画图片和***图片。

在一实施例中，预存储信息包括以下至少一种：预存储图片信息、预存储人脸信息和预存储作者基本信息。

在一实施例中，预存储数字证书是根据预存储人脸信息和预存储作者基本信息生成的证书。

在一实施例中，预存储图片信息包括以下至少一种：***特征信息、与***对应的背景纸张的纹理特征信息。

在一实施例中，预存储作者基本信息包括以下至少一种：图片对应的作品名称信息、图片对应的作品尺寸信息、图片对应的作品创作年代信息、图片对应的作品分类信息、图片对应的作品材质信息和图片对应的作品题材信息。

根据本发明实施例智能鉴定装置的其他细节与以上结合图1至图4描述的根据本发明实施例的方法类似，在此不再赘述。

结合图1至图4描述的根据本发明实施例智能鉴定方法和装置可以由可拆卸地或者固定地安装在计算设备实现。图7是示出能够实现根据本发明实施例智能鉴定方法和装置的计算设备的示例性硬件架构的结构图。如图7所示，计算设备700包括输入设备701、输入接口702、中央处理器703、存储器704、输出接口705、以及输出设备706。其中，输入接口702、中央处理器703、存储器704、以及输出接口705通过总线710相互连接，输入设备701和输出设备706分别通过输入接口702和输出接口705与总线710连接，进而与计算设备700的其他组件连接。具体地，输入设备701接收来自外部的输入信息，并通过输入接口702将输入信息传送到中央处理器703；中央处理器703基于存储器704中存储的计算机可执行指令对输入信息进行处理以生成输出信息，将输出信息临时或者永久地存储在存储器704中，然后通过输出接口705将输出信息传送到输出设备706；输出设备706将输出信息输出到计算设备700的外部供用户使用。

也就是说，图7所示的计算设备也可以被实现为包括：存储有计算机可执行指令的存储器；以及处理器，该处理器在执行计算机可执行指令时可以实现结合图1至图6描述的智能鉴定方法和装置。

需要明确的是，本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本发明的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本发明的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。

以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时，本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。

还需要说明的是，本发明中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或***。但是，本发明不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。

以上所述，仅为本发明的具体实施方式，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的***、模块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。应理解，本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。

Claims (11)

1.一种智能鉴定方法，其特征在于，所述方法包括：

获取第一特征信息，所述第一特征信息是指待验证图片的特征信息；

对比所述第一特征信息与第二特征信息，确定所述第一特征信息与所述第二特征信息之间的图片相似度值，第二特征信息是通过预存储键值查找在区块链上的预存储信息得到的特征信息；

当所述图片相似度值大于预设图片相似度阈值，则所述待验证图片通过鉴定。

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：

获取第一人脸特征信息，所述第一人脸特征信息是指待验证人脸的特征信息；

对比所述第一人脸特征信息和第二人脸特征信息，确定人脸相似度值，所述第二人脸特征信息是根据预存储数字证书和预存储公钥查找在所述区块链上的所述预存储信息得到的人脸特征信息；

当所述人脸相似度值大于预设人脸相似度值，则所述待验证人脸通过鉴定；

在所述待验证人脸通过鉴定后，通过预存储私钥获取存储在所述区块链上的所述预存储数字证书。

3.根据权利要求1所述的方法，其特征在于，所述预存储键值是指在所述区块链上存储所述预存储信息时反馈的唯一资产标识ID。

4.根据权利要求2所述的方法，其特征在于，所述第一特征信息、所述第二特征信息、所述第一人脸特征信息和所述预存储信息均是通过预训练的深度卷积神经网络模型提取的信息。

5.根据权利要求2所述的方法，其特征在于，所述获取第一人脸特征信息，包括：

获取预设时间段内所述待验证人脸的眼睛视频信息；

确定所述眼睛视频信息中每帧图片信息的多个关键点信息；

根据所述多个关键点信息确定眼睛状态信息，将所述眼睛状态信息作为所述第一人脸特征信息。

6.根据权利要求2所述的方法，其特征在于，所述预存储信息包括以下至少一种：预存储图片信息、预存储人脸信息和预存储作者基本信息。

7.根据权利要求6所述的方法，其特征在于，所述预存储数字证书是根据所述预存储人脸信息和所述预存储作者基本信息生成的证书。

8.一种智能鉴定装置，其特征在于，所述装置包括：

第一获取模块、第一对比模块和第一鉴定模块；

所述第一获取模块，用于获取第一特征信息，所述第一特征信息是指待验证图片的特征信息；

所述第一对比模块，用于对比所述第一特征信息与第二特征信息，确定所述第一特征信息与所述第二特征信息之间的图片相似度值，第二特征信息是通过预存储键值查找在区块链上的预存储信息得到的特征信息；

所述第一鉴定模块，用于当所述图片相似度值大于预设图片相似度阈值，则所述待验证图片通过鉴定。

9.根据权利要求8所述的装置，其特征在于，所述装置，还包括：

第二获取模块、第二对比模块和第二鉴定模块；

所述第二获取模块，用于获取第一人脸特征信息，所述第一人脸特征信息是指待验证人脸的特征信息；

所述第二对比模块，用于对比所述第一人脸特征信息和第二人脸特征信息，确定人脸相似度值，所述第二人脸特征信息是根据预存储数字证书和预存储公钥查找在所述区块链上的所述预存储信息得到的人脸特征信息；

所述第二鉴定模块，用于当所述人脸相似度值大于预设人脸相似度值，则所述待验证人脸通过鉴定；以及用于

在所述待验证人脸通过鉴定后，通过预存储私钥获取存储在所述区块链上的所述预存储数字证书。

10.一种终端设备，其特征在于，包括：

存储器、处理器、通信接口和总线；

所述存储器、所述处理器和所述通信接口通过所述总线连接并完成相互间的通信；

所述存储器用于存储程序代码；

所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序，以用于执行如权利要求1至7任一项所述的智能鉴定方法。

11.一种计算机存储介质，其特征在于，包括指令，当所述指令在计算机上运行时，使所述计算机执行根据权利要求1至7任一项所述的智能鉴定方法。