CN109635818A - ***防伪检验方法、装置及计算机可读存储介质 - Google Patents
***防伪检验方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN109635818A CN109635818A CN201811256366.XA CN201811256366A CN109635818A CN 109635818 A CN109635818 A CN 109635818A CN 201811256366 A CN201811256366 A CN 201811256366A CN 109635818 A CN109635818 A CN 109635818A
- Authority
- CN
- China
- Prior art keywords
- characteristic point
- seal image
- tested
- seal
- image
- 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
- 238000000034 method Methods 0.000 title claims abstract description 70
- 238000007689 inspection Methods 0.000 title claims abstract description 22
- 239000013598 vector Substances 0.000 claims description 38
- 238000000605 extraction Methods 0.000 claims description 14
- 230000009977 dual effect Effects 0.000 claims description 6
- 238000001514 detection method Methods 0.000 description 14
- 230000008901 benefit Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 239000003086 colorant Substances 0.000 description 4
- 238000003708 edge detection Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 241000208340 Araliaceae Species 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 229920000535 Tan II Polymers 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 239000004615 ingredient Substances 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000008520 organization Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及图像识别技术领域，揭露了一种***防伪检验方法，该方法包括：建立参考***图像的特征点参考数据库；从文档中提取待检验的***图像；提取待检验的***图像的特征点；将待检验***图像的特征点与参考数据库中的参考***图像特征点进行匹配，以获得相匹配的特征点；及统计待检验***图像的特征点与参考***图像特征点中相匹配的特征点的数量，根据所述相匹配的特征点的数量，检验所述待检验***图像的真伪。本发明还提出一种***防伪检验装置以及一种计算机可读存储介质。本发明可以准确、快速地对***的真伪进行检测。
Description
技术领域
本发明涉及图像识别技术领域，尤其涉及一种基于关键特征点检测比较 的***防伪检验方法、装置及计算机可读存储介质。
背景技术
在我国，***是证明党政机关、企事业、社会团体等单位组织的身份， 代表其权益、具有法律效力的重要凭证。是国家行使权力、对社会进行管理， 以及公民、法人行使民事权利的重要手段。它在社会政治、经济生活中起着 极其重要的作用。
发明内容
本发明提供一种***防伪检验方法、装置及计算机可读存储介质，其主 要目的在于准确、快速地对***的真伪进行检测。
为实现上述目的，本发明提供的一种***防伪检验方法，包括：
建立参考***图像的特征点参考数据库；
从文档中提取待检验的***图像；
提取待检验的***图像的特征点；
将待检验***图像的特征点与参考数据库中的参考***图像特征点进行 匹配，以获得相匹配的特征点；及
统计待检验***图像的特征点与参考***图像特征点中相匹配的特征点 的数量，根据所述相匹配的特征点的数量，检验所述待检验***图像的真伪。
可选地，所述建立参考***图像的特征点参考数据库包括：
通过图像获取装置获取真实***的***图像作为参考***图像，并赋予 每个参考***图像一个固定的ID，该ID与特定的真实***相对应；
利用特征点提取方法提取所述参考***图像中的特征点，并将所述参考 ***图像中包含的特征点的位置信息以及描述符信息存储在参考数据库中。
可选地，所述从文档中提取待检验的***图像包括：
从所述文档中分离出预设颜色的特征数据；
根据所述预设颜色的特征数据，利用双阈值颜色分离法分离***图像； 及
进行***图像的轮廓检测，根据检测出的所述轮廓切割出***图像。
可选地，所述预设颜色包括红色，所述从所述文档中分离出预设颜色的 特征数据的方法包括下述的一种或者几种的结合：
计算像素点的RGB空间的R-G与R-B的差值，若所述R-G与R-B的差 值均大于对应的预设阈值，则判定所述像素点为红色；
计算像素点的HSV空间的H值，若所述像素点的H值小于对应的预设 阈值，则判定所述像素点为红色；及
计算像素点的YCbCr空间的偏转角θ＝a tan 2(Cb，Cr)，若所述计算出 来的θ小于对应的预设阈值，则判定所述像素点为红色。
可选地，将待检验***图像的特征点与参考数据库中的参考***图像特 征点进行匹配，以获得相匹配的特征点的步骤，采用如下的其中一种方法：
获取参考***图像的特征点i的特征向量Vj recg＝[x1，x2…xn]以及待检验 ***图像特征点j的特征向量Vj recg＝[x1′，x2′…xn′]，其中n表示特征向量的 维数，计算两个特征向量的欧式距离：
其中，欧式距离最小的相对应的两个特征向量为匹配特征向量，相应的 参考***图像特征点与待验***图像特征点为匹配特征点；或者 获取参考***图像特征点i的特征矩阵待检验*** 图像特征点j的特征矩阵其中n表示特征矩阵的行、 列数，两个特征矩阵的ρ距离为：
λk(Vi ref，Vj recg)λkVi refxk-Vj recgxk＝0k＝1...n，xk≠0，
其中，ρ(Vi ref，Vj recg)距离最小的相对应的两个特征向量为匹配特征向量， 相应的参考***图像特征点与待验***图像特征点为匹配特征点。
此外，为实现上述目的，本发明还提供一种***防伪检验装置，该装置 包括存储器和处理器，所述存储器中存储有可在所述处理器上运行的***防 伪检验程序，所述***防伪检验程序被所述处理器执行时实现如下步骤：
建立参考***图像的特征点参考数据库；
从文档中提取待检验的***图像；
提取待检验的***图像的特征点；
将待检验***图像的特征点与参考数据库中的参考***图像特征点进行 匹配，以获得相匹配的特征点；及
统计待检验***图像的特征点与参考***图像特征点中相匹配的特征点 的数量，根据所述相匹配的特征点的数量，检验所述待检验***图像的真伪。
可选地，所述建立参考***图像的特征点参考数据库包括：
通过图像获取装置获取真实***的***图像作为参考***图像，并赋予 每个参考***图像一个固定的ID，该ID与特定的真实***相对应；
利用特征点提取方法提取所述参考***图像中的特征点，并将所述参考 ***图像中包含的特征点的位置信息以及描述符信息存储在参考数据库中。
可选地，所述从文档中提取待检验的***图像包括：
从所述文档中分离出预设颜色的特征数据；
根据所述预设颜色的特征数据，利用双阈值颜色分离法分离***图像； 及
进行***图像的轮廓检测，根据检测出的所述轮廓切割出***图像。
可选地，所述预设颜色包括红色，以及从所述文档中分离出预设颜色的 特征数据的方法包括下述的一种或者几种的结合：
计算像素点的RGB空间的R-G与R-B的差值，若所述R-G与R-B的差 值均大于对应的预设阈值，则判定所述像素点为红色；
计算像素点的HSV空间的H值，若所述像素点的H值小于对应的预设 阈值，则判定所述像素点为红色；及
计算像素点的YCbCr空间的偏转角θ＝a tan 2(Cb，Cr)，若所述计算出 来的θ小于对应的预设阈值，则判定所述像素点为红色。
此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述 计算机可读存储介质上存储有***防伪检验程序，所述***防伪检验程序可 被一个或者多个处理器执行，以实现如上所述的***防伪检验方法的步骤。
本发明提出的***防伪检验方法、装置及计算机可读存储介质建立参考 ***图像的特征点参考数据库；从文档中提取待检验的***图像；提取待检 验的***图像的特征点；将待检验***图像的特征点与参考数据库中的参考 ***图像特征点进行匹配，以获得相匹配的特征点；及统计待检验***图像 的特征点与参考***图像特征点中相匹配的特征点的数量，根据所述相匹配 的特征点的数量，检验所述待检验***图像的真伪。本发明可以准确、快速 地对***的真伪进行检测。
附图说明
图1为本发明一实施例提供的***防伪检验方法的流程示意图；
图2为本发明一实施例提供的***防伪检验装置的内部结构示意图；
图3为本发明一实施例提供的***防伪检验装置中***防伪检验程序的 模块示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步 说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限 定本发明。
本发明提供一种***防伪检验方法。参照图1所示，为本发明一实施例 提供的***防伪检验方法的流程示意图。该方法可以由一个装置执行，该装 置可以由软件和/或硬件实现。
在本实施例中，***防伪检验方法包括：
S10、建立参考***图像的特征点参考数据库。
本发明较佳实施例通过照相机、扫描仪、CCD摄像头等图像获取装置获 取真实***的***图像作为参考***图像，并赋予每个参考***图像一个固 定的ID，该ID与特定的真实***相对应。
利用特征点提取方法提取所述参考***图像中的特征点，并将所述参考 ***图像中包含的特征点的位置信息以及描述符信息等数据存储在参考数据 库中。
本提案中所使用到的特征点提取方法是SIFT(Scale Invariant FeatureTransform)算法。
所述SIFT算子是图像匹配算法中性能较好的算子，基于SIFT算法的特 征图像配准可大致分为特征的检测、描述和匹配。特征检测是在尺度空间中 进行的，首先生成图像尺度空间，然后检测尺度空间中的局部极点值，再通 过剔除低对比度点和边缘响应点对局部极值点进行精确定位；在对特征进行 描述时，先计算每个极值点的主方向，对极值点的主方向，对极值点为中心 的区域进行直方图梯度方向统计，生成特征点描述符；通过特征点描述符可 以寻找匹配特征，建立图像之间的联系。
SIFT特征检测主要包括以下4个基本步骤：1.尺度空间极值检测：搜索 所有尺度上的图像位置。通过高斯微分函数来识别潜在的对于尺度和旋转不 变的候选点。2.特征点定位：在每个候选的位置上，通过一个拟合精细的模 型来确定位置和尺度。特征点的选择依据于它们的稳定程度。3.方向确定： 基于图像局部的梯度方向，分配给每个特征点位置一个或多个方向。所有后 面的对图像数据的操作都相对于特征点的方向、尺度和位置进行变换，从而 提供对于这些变换的不变性。4.特征点描述：在每个特征点周围的邻域内， 在选定的尺度上测量图像局部的梯度。这些梯度被变换成一种表示，这种表 示允许比较大的局部形状的变形和光照变化。在特征点描述中，以特征点为 中心取16×16的邻域作为采样窗口，将采样点与特征点的相对方向通过高斯 加权后归入包含8个bin的方向直方图，最后获得4×4×8的128维特征点描述 符。
S20、从文档中提取待检验的***图像。
本发明较佳实施例中，提取待检验的***图像的步骤包括：
子步骤1、从所述文档中分离出预设颜色的特征数据。
应该了解，大部分的***都是红色，因此，本实施例以红色为例。
为突出红色与其他颜色在数值上的差异，本方案根据不同色彩空间表达 颜色的特点，提出了三种描述颜色的方式，它们分别是：
(1)RGB空间的R-G、R-B差值。
RGB空间的三个分量R、G、B分别表示红色、绿色、蓝色的混合量。 直观地来讲，红色的R值，即红色分量一定是比较大的，实际上RGB空间中 标准红色的RGB值为(255,0,0)，但是R值大并不代表该颜色就接近红色，G 值和B值的大小会对颜色产生明显的影响，例如(255,255,0)就代表黄色，而 (255,0,255)则代表紫色。由此可以看出，R值较大同时G值和B值较小时， 对应的颜色越接近红色。
于是相应的，本方案计算一个像素点的R分量与G分量的差值R-G，以 及R分量与B分量的差值R-B，当所述差值R-G与差值R-B均大于对应的预 设阈值时，判定所述像素点为红色。
(2)HSV空间的H值。
HSV空间中的H、S、V分别代表色相、饱和度和强度。HSV空间对颜 色的描述更接近人类对颜色的认识：H即色相，用角度值的形式表示颜色的 相位，从0°到360°表示红色到绿色到蓝色再回到红色的渐变过程，S表示对 应色相下颜色的填充比例，取0-100％，V表示亮度，或者说光强度，取0-100％。 对于***来说，其红色的变化主要受到图像采集光线(对应亮度V)和纸张 本身磨损(对应饱和度S)的影响，因而H的取值能够较好地描述一般意义 上的“颜色”差异。
因此，本方案计算一个像素点的H值，当所述像素点的H值小于对应的 预设阈值时，判定所述像素点为红色。
(3)YCbCr空间的偏转角θ。
YCbCr空间不是一种绝对的色彩空间，而是一种对RGB空间的编码， 其编码规则如下：
实际上，YCbCr空间的各个分量依然是有意义的，Y代表像素点的灰度， Cb和Cr分别代表像素点的蓝色和红色的浓度偏移量成分。本方案可以选取 一种颜色映射到CbCr平面上的向量与Cr轴之间的夹角θ来描述像素点的颜 色，其效果与HSV中的H类似，但是与H的分布情况不尽相同。其中：
θ＝atan 2(Cb，Cr)；
当所述计算出来的θ小于对应的预设阈值时，判定所述像素点为红色。
子步骤2、根据所述预设颜色的特征数据，利用双阈值颜色分离法分离印 章图像。
为了解决噪声与***本身的颜色相近的问题，本方案采用k-均值聚类法， 假设以YCbCr空间中的θ值作为颜色描述方式，根据每个像素的θ值，将图 像按颜色划分聚类，获得***颜色所属聚类的θ值的上下界[a，b]。***边缘 的颜色有向背景色靠近的趋势，这意味着这部分的颜色可能与部分噪声的颜 色非常接近从而被认为是噪声而被去除，所以本方案采取双阈值法，在基于k- 均值聚类获取的阈值[a，b]的基础上，先收缩取值范围，采用一个严格的阈值 来获取绝对属于***的像素，并构成***像素点集合，然后再扩大取值范围， 采用一个较为宽松的阈值范围来判定***像素点集内各点的相邻点是否属于 ***，以此来补充***像素点集，保证***图像的完整性。
子步骤3、进行***图像的轮廓检测，根据检测出的所述轮廓切割出*** 图像。
本发明较佳实施例中，所述***的轮廓检测包括以下的任何一种方法或 者几种方法的结合：
(1)边缘检测，本方案采用基于Sobel算子的Canny边缘检测算法， 该方法能够很好地检测出***的边缘，并且可以通过Sobel算子获得边缘点 的梯度值。
(2)随机霍夫变换检测椭圆，随机霍夫变换能够有效地检测出椭圆，找 到椭圆的位置并能够描绘出较为准确的椭圆轮廓，但是其随机取点的机制导 致它很容易受到噪声的干扰，易出现在达到最大循环次数后依然找不到任何 椭圆的结果。此外，它的椭圆参数计算方式也使得它不可能计算出非常精确 的椭圆方程。
(3)椭圆的直接最小二乘拟合，椭圆的直接最小二乘拟合是一种最优化 的椭圆检测方法。它利用一组采样点数据，通过代数的方法拟合求解椭圆方 程中的未知参数。利用最小二乘法求解的关键问题在于样本点的选取，因此 还需要结合其他的方法来获取较好的样本。
(4)将随机霍夫变换与椭圆的直接最小二乘拟合相结合来进行椭圆的检 测。由于运用这两种方法的步骤比较繁琐，在此就不展开阐述。总之，利用 此种方法对于***图像的椭圆检测，其结果中往往包含同一形心大小不同的 两个椭圆，分别对应***边框的内缘和外缘，取其中较大的一个，就得到了 椭圆的精确边缘。将边缘以外的像素颜色置为白色，并根据边缘所在位置对 图像进行切割，就得到了轮廓以内的椭圆图像。
S30、提取待检验的***图像的特征点。
本步骤可以同样利用SIFT(Scale Invariant Feature Transform)算法作为提取特征点的方法。
S40、将待检验***图像的特征点与参考***图像特征点参考数据库进行 匹配，以获得相匹配的特征点。
特征点有特征向量及特征矩阵等两种形式的描述符。
采用特征点的特征向量作为特征点特征描述符的，本方案采用欧式距离 评价方法进行特征点匹配：
获取参考***图像特征点i的特征向量Vj recg＝[x1，x2…xn]，待检验*** 图像特征点j的特征向量Vj recg＝[x1′，x2′…xn′]，其中n表示特征向量的维数， 两个特征向量的欧式距离为：
欧式距离最小的相对应的两个特征向量为匹配特征向量，相应的参考*** 图像特征点为匹配特征点。
采用特征点的特征矩阵作为特征点特征描述符的，由于此类特征矩阵一般 为正定矩阵，本方案采用如下方法进行特征点匹配：
获取参考***图像特征点i的特征矩阵待检验*** 图像特征点j的特征矩阵其中n表示特征矩阵的行、 列数，两个特征矩阵的ρ距离为：
λk(Vi ref，Vj recg)λkVi refxk-Vj recgxk＝0k＝1...n，xk≠0，
其中Vi ref和Vj recg为两个协方差矩阵，ρ(Vi ref，Vj recg)表示他们的评价距离。 λk(Vi ref，Vj recg)表示Vi ref和Vj recg的广义本征值，由下式计算：λkVi refxk- Vj recgxk＝0k＝1...n其中，xk≠0，为Vi ref和Vj recg的广义本征向量，n为广义本 征向量的维数。
ρ(Vi ref，Vj recg)距离最小的相对应的两个特征向量为匹配特征向量，相应 的参考***图像特征点与待验***图像特征点为匹配特征点。
待检验***图像的特征点与参考***图像特征点匹配完成后，将获得参考 ***图像的特征点[P1 P2 … Pn]与待检验***图像的特征点[P1′ P2′ … Pn′]的对 应关系，其中n表示匹配特征点的数量。上式表示参考图像特征点P1与待验 图像图整点P1′对应，P2与P2′对应，以此类推。
S50、统计待检验***图像的特征点与参考***图像特征点中相匹配的特 征点的数量，根据所述相匹配的特征点的数量，检验所述待检验***图像的 真伪。
其中，若待检验***图像的特征点与参考***图像特征点中相匹配的特征 点的数量占所述参考***图像特征点的总数的百分比超过预设数值，如85％， 则认为所述待检验***图像为真。
本发明还提供一种***防伪检验装置。参照图2所示，为本发明一实施 例提供的***防伪检验装置的内部结构示意图。
在本实施例中，***防伪检验装置1可以是PC(Personal Computer，个 人电脑)，也可以是智能手机、平板电脑、便携计算机等终端设备，或者也可 以是服务器或者服务器集群等。该***防伪检验装置1至少包括存储器11、 处理器12，通信总线13，以及网络接口14。
其中，存储器11至少包括一种类型的可读存储介质，所述可读存储介质 包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、磁 性存储器、磁盘、光盘等。存储器11在一些实施例中可以是***防伪检验装 置1的内部存储单元，例如该***防伪检验装置1的硬盘。存储器11在另一 些实施例中也可以是***防伪检验装置1的外部存储设备，例如***防伪检 验装置1上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，存储器 11还可以既包括***防伪检验装置1的内部存储单元也包括外部存储设备。 存储器11不仅可以用于存储安装于***防伪检验装置1的应用软件及各类数 据，例如***防伪检验程序01的代码等，还可以用于暂时地存储已经输出或 者将要输出的数据。
处理器12在一些实施例中可以是一中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器或其他数据处理芯片，用于运行存储器 11中存储的程序代码或处理数据，例如执行***防伪检验程序01等。
通信总线13用于实现这些组件之间的连接通信。
网络接口14可选的可以包括标准的有线接口、无线接口(如WI-FI接口)， 通常用于在该装置1与其他电子设备之间建立通信连接。
可选地，该装置1还可以包括用户接口，用户接口可以包括显示器 (Display)、输入单元比如键盘(Keyboard)，可选的用户接口还可以包括标 准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显 示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏 或显示单元，用于显示在***防伪检验装置1中处理的信息以及用于显示可 视化的用户界面。
图2仅示出了具有组件11-14以及***防伪检验程序01的***防伪检验 装置1，本领域技术人员可以理解的是，图1示出的结构并不构成对***防伪 检验装置1的限定，可以包括比图示更少或者更多的部件，或者组合某些部 件，或者不同的部件布置。
在图2所示的装置1实施例中，存储器11中存储有***防伪检验程序01； 处理器12执行存储器11中存储的***防伪检验程序01时实现如下步骤：
步骤一、建立参考***图像的特征点参考数据库。
本发明较佳实施例通过照相机、扫描仪、CCD摄像头等图像获取装置获 取真实***的***图像作为参考***图像，并赋予每个参考***图像一个固 定的ID，该ID与特定的真实***相对应。
利用特征点提取方法提取所述参考***图像中的特征点，并将所述参考 ***图像中包含的特征点的位置信息以及描述符信息等数据存储在参考数据 库中。
本提案中所使用到的特征点提取方法是SIFT(Scale Invariant FeatureTransform)算法。
所述SIFT算子是图像匹配算法中性能较好的算子，基于SIFT算法的特 征图像配准可大致分为特征的检测、描述和匹配。特征检测是在尺度空间中 进行的，首先生成图像尺度空间，然后检测尺度空间中的局部极点值，再通 过剔除低对比度点和边缘响应点对局部极值点进行精确定位；在对特征进行 描述时，先计算每个极值点的主方向，对极值点的主方向，对极值点为中心 的区域进行直方图梯度方向统计，生成特征点描述符；通过特征点描述符可 以寻找匹配特征，建立图像之间的联系。
SIFT特征检测主要包括以下4个基本步骤：1.尺度空间极值检测：搜索 所有尺度上的图像位置。通过高斯微分函数来识别潜在的对于尺度和旋转不 变的候选点。2.特征点定位：在每个候选的位置上，通过一个拟合精细的模 型来确定位置和尺度。特征点的选择依据于它们的稳定程度。3.方向确定： 基于图像局部的梯度方向，分配给每个特征点位置一个或多个方向。所有后 面的对图像数据的操作都相对于特征点的方向、尺度和位置进行变换，从而 提供对于这些变换的不变性。4.特征点描述：在每个特征点周围的邻域内， 在选定的尺度上测量图像局部的梯度。这些梯度被变换成一种表示，这种表 示允许比较大的局部形状的变形和光照变化。在特征点描述中，以特征点为 中心取16×16的邻域作为采样窗口，将采样点与特征点的相对方向通过高斯 加权后归入包含8个bin的方向直方图，最后获得4×4×8的128维特征点描述 符。
步骤二、从文档中提取待检验的***图像。
本发明较佳实施例中，提取待检验的***图像的流程包括：
1、从所述文档中分离出预设颜色的的特征数据。
应该了解，大部分的***都是红色，因此，本实施例以红色为例。
为突出红色与其他颜色在数值上的差异，本方案根据不同色彩空间表达 颜色的特点，提出了三种描述颜色的方式，它们分别是：
(1)、RGB空间——R-G、R-B。
RGB空间的三个分量R、G、B分别表示红色、绿色、蓝色的混合量。 直观地来讲，红色的R值，即红色分量一定是比较大的，实际上RGB空间中 标准红色的RGB值为(255,0,0)，但是R值大并不代表该颜色就接近红色，G 值和B值的大小会对颜色产生明显的影响，例如(255,255,0)就代表黄色，而 (255,0,255)则代表紫色。由此可以看出，R值较大同时G值和B值较小时， 对应的颜色越接近红色。
于是相应的，本方案计算一个像素点的R分量与G分量的差值R-G，以 及R分量与B分量的差值R-B，当所述差值R-G与差值R-B均大于对应的预 设阈值时，判定所述像素点为红色。
(2)、HSV空间——H。
HSV空间中的H、S、V分别代表色相、饱和度和强度。HSV空间对颜 色的描述更接近人类对颜色的认识：H即色相，用角度值的形式表示颜色的 相位，从0°到360°表示红色到绿色到蓝色再回到红色的渐变过程，S表示对 应色相下颜色的填充比例，取0-100％，V表示亮度，或者说光强度，取0-100％。 对于***来说，其红色的变化主要受到图像采集光线(对应亮度V)和纸张 本身磨损(对应饱和度S)的影响，因而H的取值能够较好地描述一般意义 上的“颜色”差异。
因此，本方案计算一个像素点的H值，当所述像素点的H值小于对应的 预设阈值时，判定所述像素点为红色。(3)、YCbCr空间——偏转角θ。
YCbCr空间不是一种绝对的色彩空间，而是一种对RGB空间的编码， 其编码规则如下：
实际上，YCbCr空间的各个分量依然是有意义的，Y代表像素点的灰度， Cb和Cr分别代表像素点的蓝色和红色的浓度偏移量成分。本方案可以选取 一种颜色映射到CbCr平面上的向量与Cr轴之间的夹角θ来描述像素点的颜 色，其效果与HSV中的H类似，但是与H的分布情况不尽相同。其中：
θ＝atan 2(Cb，Cr)；
当所述计算出来的θ小于对应的预设阈值时，判定所述像素点为红色。。
2、根据所述预设颜色的特征数据，利用双阈值颜色分离法分离***图像。
为了解决噪声与***本身的颜色相近的问题，本方案采用k-均值聚类法， 假设以YCbCr空间中的θ值作为颜色描述方式，根据每个像素的θ值，将图 像按颜色划分聚类，获得***颜色所属聚类的θ值的上下界[a’b]。***边缘 的颜色有向背景色靠近的趋势，这意味着这部分的颜色可能与部分噪声的颜 色非常接近从而被认为是噪声而被去除，所以本方案采取双阈值法，在基于k- 均值聚类获取的阈值[a，b]的基础上，先收缩取值范围，采用一个严格的阈值 来获取绝对属于***的像素，并构成***像素点集合，然后再扩大取值范围， 采用一个较为宽松的阈值范围来判定***像素点集内各点的相邻点是否属于 ***，以此来补充***像素点集，保证***图像的完整性。
3、进行***图像的轮廓检测，根据检测出的所述轮廓切割出***图像。
本发明较佳实施例中，所述***的轮廓检测包括以下的任何一种方法或 者几种方法的结合：
(1)、边缘检测，本方案采用基于Sobel算子的Canny边缘检测算法， 该方法能够很好地检测出***的边缘，并且可以通过Sobel算子获得边缘点 的梯度值。
(2)、随机霍夫变换检测椭圆，随机霍夫变换能够有效地检测出椭圆， 找到椭圆的位置并能够描绘出较为准确的椭圆轮廓，但是其随机取点的机制 导致它很容易受到噪声的干扰，易出现在达到最大循环次数后依然找不到任 何椭圆的结果。此外，它的椭圆参数计算方式也使得它不可能计算出非常精 确的椭圆方程。
(3)、椭圆的直接最小二乘拟合，椭圆的直接最小二乘拟合是一种最优 化的椭圆检测方法。其利用一组采样点数据，通过代数的方法拟合求解椭圆 方程中的未知参数。利用最小二乘法求解的关键问题在于样本点的选取，因 此还需要结合其他的方法来获取较好的样本。
(4)、将随机霍夫变换与椭圆的直接最小二乘拟合相结合来进行椭圆的 检测。由于运用这两种方法的步骤比较繁琐，在此就不展开阐述。总之，利 用此种方法对于***图像的椭圆检测，其结果中往往包含同一形心大小不同 的两个椭圆，分别对应***边框的内缘和外缘，取其中较大的一个，就得到 了椭圆的精确边缘。将边缘以外的像素颜色置为白色，并根据边缘所在位置 对图像进行切割，就得到了轮廓以内的椭圆图像。
步骤三、提取待检验的***图像的特征点。
本步骤可以同样利用SIFT(Scale Invariant Feature Transform)算法作为提取特征点的方法。
步骤四、将待检验***图像的特征点与参考***图像特征点参考数据库 进行匹配，以获得相匹配的特征点。
特征点有特征向量及特征矩阵等两种形式的描述符。
采用特征点的特征向量作为特征点特征描述符的，本方案采用欧式距离 评价方法进行特征点匹配：
获取参考***图像特征点i的特征向量Vj recg＝[x1，x2…xn]，待检验*** 图像特征点j的特征向量Vj recg＝[x1′，x2′…xn′]，其中n表示特征向量的维数， 两个特征向量的欧式距离为：
其中，欧式距离最小的相对应的两个特征向量为匹配特征向量，相应的参 考***图像特征点为匹配特征点。
采用特征点的特征矩阵作为特征点特征描述符的，由于此类特征矩阵一般 为正定矩阵，本方案采用如下方法进行特征点匹配：
获取参考***图像特征点i的特征矩阵待检验*** 图像特征点j的特征矩阵其中n表示特征矩阵的行、 列数，两个特征矩阵的ρ距离为：
λk(Vi ref，Vj recg)λkVi refxk-Vj recgxk＝0k＝1...n，xk≠0，
其中Vi ref和Vj recg为两个协方差矩阵，ρ(Vi ref，Vj recg)表示他们的评价距离。 λk(Vi ref，Vj recg)表示Vi ref和Vj recg的广义本征值，由下式计算：λkVi refxk- Vj recgxk＝0k＝1...n，其中，xk≠0为Vi ref和Vj recg的广义本征向量，n为广义本 征向量的维数。
其中，ρ(Vi ref，Vj recg)距离最小的相对应的两个特征向量为匹配特征向量， 相应的参考***图像特征点与待验***图像特征点为匹配特征点。
待检验***图像的特征点与参考***图像特征点匹配完成后，将获得参考 ***图像的特征点[P1 P2 … Pn]与待检验***图像的特征点[P1′ P2′ … Pn′]的对 应关系，其中n表示匹配特征点的数量。上式表示参考图像特征点P1与待验 图像图整点P1′对应，P2与P2′对应，以此类推。
步骤五、统计待检验***图像的特征点与参考***图像特征点中相匹配 的特征点的数量，根据所述相匹配的特征点的数量，检验所述待检验***图 像的真伪。
可选地，在其他实施例中，***防伪检验程序还可以被分割为一个或者 多个模块，一个或者多个模块被存储于存储器11中，并由一个或多个处理器 (本实施例为处理器12)所执行以完成本发明，本发明所称的模块是指能够 完成特定功能的一系列计算机程序指令段，用于描述***防伪检验程序在印 章防伪检验装置中的执行过程。
例如，参照图3所示，为本发明***防伪检验装置一实施例中的***防 伪检验程序的程序模块示意图，该实施例中，***防伪检验程序可以被分割 为参考数据库建立10、***图像提取模块20、特征点提取模块30、特征点匹 配模块40和***检验模块50，示例性地：
参考数据库建立10用于：建立参考***图像的特征点参考数据库；
***图像提取模块20用于：从文档中提取待检验的***图像；
特征点提取模块30用于：提取待检验的***图像的特征点；
特征点匹配模块40用于：将待检验***图像的特征点与参考***图像特 征点参考数据库进行匹配，以获得相匹配的特征点；及
***检验模块50用于：统计待检验***图像的特征点与参考***图像特 征点中相匹配的特征点的数量，根据所述相匹配的特征点的数量，检验所述 待检验***图像的真伪。
上述参考数据库建立10、***图像提取模块20、特征点提取模块30、特 征点匹配模块40和***检验模块50等程序模块被执行时所实现的功能或操 作步骤与上述实施例大体相同，在此不再赘述。
此外，本发明实施例还提出一种计算机可读存储介质，所述计算机可读 存储介质上存储有***防伪检验程序，所述***防伪检验程序可被一个或多 个处理器执行，以实现如下操作：
建立参考***图像的特征点参考数据库；
从文档中提取待检验的***图像；
提取待检验的***图像的特征点；
将待检验***图像的特征点与参考***图像特征点参考数据库进行匹配， 以获得相匹配的特征点；及
统计待检验***图像的特征点与参考***图像特征点中相匹配的特征点 的数量，根据所述相匹配的特征点的数量，检验所述待检验***图像的真伪。
本发明计算机可读存储介质具体实施方式与上述***防伪检验装置和方 法各实施例基本相同，在此不作累述。
需要说明的是，上述本发明实施例序号仅仅为了描述，不代表实施例的 优劣。并且本文中的术语“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、装置、物品或者方法不仅包括 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、 装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括 一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法 中还存在另外的相同要素。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述 实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通 过硬件，但很多情况下前者是更佳的实施方式。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如上所述的一个存储介质(如ROM/RAM、 磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，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的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是 利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间 接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种***防伪检验方法，其特征在于，所述方法包括：
建立参考***图像的特征点参考数据库；
从文档中提取待检验的***图像；
提取待检验的***图像的特征点；
将待检验***图像的特征点与参考数据库中的参考***图像特征点进行匹配，以获得相匹配的特征点；及
统计待检验***图像的特征点与参考***图像特征点中相匹配的特征点的数量，根据所述相匹配的特征点的数量，检验所述待检验***图像的真伪。
2.如权利要求1所述的***防伪检验方法，其特征在于，所述建立参考***图像的特征点参考数据库包括：
通过图像获取装置获取真实***的***图像作为参考***图像，并赋予每个参考***图像一个固定的ID，该ID与特定的真实***相对应；
利用特征点提取方法提取所述参考***图像中的特征点，并将所述参考***图像中包含的特征点的位置信息以及描述符信息存储在参考数据库中。
3.如权利要求1所述的***防伪检验方法，其特征在于，所述从文档中提取待检验的***图像包括：
从所述文档中分离出预设颜色的特征数据；
根据所述预设颜色的特征数据，利用双阈值颜色分离法分离***图像；及
进行***图像的轮廓检测，根据检测出的所述轮廓切割出***图像。
4.如权利要求3所述的***防伪检验方法，其特征在于，所述预设颜色包括红色，所述从所述文档中分离出预设颜色的特征数据的方法包括下述的一种或者几种的结合：
计算像素点的RGB空间的R-G与R-B的差值，若所述R-G与R-B的差值均大于对应的预设阈值，则判定所述像素点为红色；
计算像素点的HSV空间的H值，若所述像素点的H值小于对应的预设阈值，则判定所述像素点为红色；及
计算像素点的YCbCr空间的偏转角θ＝atan2(Cb,Cr)，若所述计算出来的θ小于对应的预设阈值，则判定所述像素点为红色。
5.如权利要求1所述的***防伪检验方法，其特征在于，将待检验***图像的特征点与参考数据库中的参考***图像特征点进行匹配，以获得相匹配的特征点的步骤，采用如下的其中一种方法：
获取参考***图像的特征点i的特征向量Vj recg＝[x1,x2…xn]以及待检验***图像特征点j的特征向量Vj recg＝[x1′,x2′…xn′]，其中n表示特征向量的维数，计算两个特征向量的欧式距离：
其中，欧式距离最小的相对应的两个特征向量为匹配特征向量，相应的参考***图像特征点与待验***图像特征点为匹配特征点；或者
获取参考***图像特征点i的特征矩阵待检验***图像特征点j的特征矩阵其中n表示特征矩阵的行、列数，两个特征矩阵的ρ距离为：
λk(Vi ref,Vj recg)λkVi refxk-Vj recgxk＝0k＝1…n，k≠0，
其中，ρ(Vi ref,Vj recg)距离最小的相对应的两个特征向量为匹配特征向量，相应的参考***图像特征点与待验***图像特征点为匹配特征点。
6.一种***防伪检验装置，其特征在于，所述装置包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的***防伪检验程序，所述***防伪检验程序被所述处理器执行时实现如下步骤：
建立参考***图像的特征点参考数据库；
从文档中提取待检验的***图像；
提取待检验的***图像的特征点；
将待检验***图像的特征点与参考数据库中的参考***图像特征点进行匹配，以获得相匹配的特征点；及
统计待检验***图像的特征点与参考***图像特征点中相匹配的特征点的数量，根据所述相匹配的特征点的数量，检验所述待检验***图像的真伪。
7.如权利要求6所述的***防伪检验装置，其特征在于，所述建立参考***图像的特征点参考数据库包括：
通过图像获取装置获取真实***的***图像作为参考***图像，并赋予每个参考***图像一个固定的ID，该ID与特定的真实***相对应；
利用特征点提取方法提取所述参考***图像中的特征点，并将所述参考***图像中包含的特征点的位置信息以及描述符信息存储在参考数据库中。
8.如权利要求6所述的***防伪检验装置，其特征在于，所述从文档中提取待检验的***图像包括：
从所述文档中分离出预设颜色的特征数据；
根据所述预设颜色的特征数据，利用双阈值颜色分离法分离***图像；及
进行***图像的轮廓检测，根据检测出的所述轮廓切割出***图像。
9.如权利要求8所述的***防伪检验装置，其特征在于，所述预设颜色包括红色，所述从所述文档中分离出预设颜色的特征数据的方法包括下述的一种或者几种的结合：
计算像素点的RGB空间的R-G与R-B的差值，若所述R-G与R-B的差值均大于对应的预设阈值，则判定所述像素点为红色；
计算像素点的HSV空间的H值，若所述像素点的H值小于对应的预设阈值，则判定所述像素点为红色；及
计算像素点的YCbCr空间的偏转角θ＝atan2(Cb,Cr)，若所述计算出来的θ小于对应的预设阈值，则判定所述像素点为红色。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有***防伪检验程序，所述***防伪检验程序可被一个或者多个处理器执行，以实现如权利要求1至5中任一项所述的***防伪检验方法的步骤。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811256366.XA CN109635818A (zh) | 2018-10-26 | 2018-10-26 | ***防伪检验方法、装置及计算机可读存储介质 |
| PCT/CN2018/123591 WO2020082577A1 (zh) | 2018-10-26 | 2018-12-25 | ***防伪检验方法、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811256366.XA CN109635818A (zh) | 2018-10-26 | 2018-10-26 | ***防伪检验方法、装置及计算机可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109635818A true CN109635818A (zh) | 2019-04-16 |
Family
ID=66066749
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811256366.XA Pending CN109635818A (zh) | 2018-10-26 | 2018-10-26 | ***防伪检验方法、装置及计算机可读存储介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN109635818A (zh) |
| WO (1) | WO2020082577A1 (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111291757A (zh) * | 2020-02-17 | 2020-06-16 | 江苏诚印科技有限公司 | 一种***唯一性识别的方法 |
| CN111325722A (zh) * | 2020-02-17 | 2020-06-23 | 江苏诚印科技有限公司 | ***图像精确识别方法、***图像识别处理方法和***图像识别*** |
| WO2021000702A1 (zh) * | 2019-06-29 | 2021-01-07 | 华为技术有限公司 | 图像检测方法、设备以及*** |
| CN112288045A (zh) * | 2020-12-23 | 2021-01-29 | 深圳神目信息技术有限公司 | 一种***真伪判别方法 |
| CN112633366A (zh) * | 2020-12-21 | 2021-04-09 | 广州市申迪计算机***有限公司 | 一种基于特征匹配的玉器识别方法 |
| CN112862846A (zh) * | 2021-01-07 | 2021-05-28 | 北京惠朗时代科技有限公司 | 一种结合多种检测方法的公章识别方法及*** |
| CN113486901A (zh) * | 2021-06-23 | 2021-10-08 | 内江师范学院 | 一种新型的高仿圆形***鉴别方法 |
| CN114219056A (zh) * | 2021-12-17 | 2022-03-22 | 杭州沃朴物联科技有限公司 | 一种线条镭射标签的鉴伪方法 |
| CN114882482A (zh) * | 2021-10-12 | 2022-08-09 | 北京九章云极科技有限公司 | ***防伪识别方法及装置 |
| CN116010642A (zh) * | 2023-03-27 | 2023-04-25 | 北京滴普科技有限公司 | 一种基于hog特征的***快速查询方法及*** |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111797830A (zh) * | 2020-07-07 | 2020-10-20 | 因凡科技(北京)有限公司 | 票据图像快速红章检测方法、***、装置 |
| CN112381765A (zh) * | 2020-10-23 | 2021-02-19 | 杭州翔毅科技有限公司 | 基于人工智能的设备检测方法、装置、设备及存储介质 |
| CN112597840B (zh) * | 2020-12-14 | 2024-07-12 | 深圳集智数字科技有限公司 | 一种图像识别方法、装置及设备 |
| CN112560697A (zh) * | 2020-12-17 | 2021-03-26 | 合肥高维数据技术有限公司 | 一种基于局部特征的建盏识别方法、***及存储介质 |
| CN112613003B (zh) * | 2020-12-28 | 2023-12-08 | 中国农业银行股份有限公司 | 文本的处理方法及装置 |
| CN112784835B (zh) * | 2021-01-21 | 2024-04-12 | 恒安嘉新（北京）科技股份公司 | 圆形***的真实性识别方法、装置、电子设备及存储介质 |
| CN113705330B (zh) * | 2021-07-08 | 2023-12-01 | 厦门科路德科技有限公司 | 一种***真伪识别方法、*** |
| CN116842582B (zh) * | 2023-07-06 | 2024-04-23 | 上海朗晖慧科技术有限公司 | 一种基于数据防伪技术的智能分析识别***及方法 |
| CN117176481B (zh) * | 2023-11-03 | 2024-01-26 | 贵阳博亚机械制造有限公司 | 逻辑电子图章的流程安全认证方法及装置 |
| CN117592951B (zh) * | 2024-01-19 | 2024-03-22 | 南京邮电大学 | 一种基于张量的多维***数据处理方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101556692A (zh) * | 2008-04-09 | 2009-10-14 | 西安盛泽电子有限公司 | 基于特征点邻域伪Zernike矩的图像拼接方法 |
| CN101894260A (zh) * | 2010-06-04 | 2010-11-24 | 北京化工大学 | 基于匹配特征点随机生成特征线的伪造***识别方法 |
| CN102054168A (zh) * | 2010-12-23 | 2011-05-11 | 武汉大学苏州研究院 | 一种有价票据圆形印鉴识别方法 |
| CN104008369A (zh) * | 2014-05-16 | 2014-08-27 | 四川大学 | 一种真假***识别装置及其方法 |
| CN104626771A (zh) * | 2015-03-05 | 2015-05-20 | 深圳市创业***实业有限公司 | 一种***防伪方法及*** |
| CN108509992A (zh) * | 2017-12-27 | 2018-09-07 | 广西新章物电防伪技术开发有限公司 | 一种基于机器学习技术的***印文智能化识别防伪方法 |
| CN108509948A (zh) * | 2018-02-13 | 2018-09-07 | 浙江天地人科技有限公司 | 一种***印文真伪鉴别***和方法 |
| CN108596197A (zh) * | 2018-05-15 | 2018-09-28 | 汉王科技股份有限公司 | 一种***匹配方法及装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6731784B2 (en) * | 1999-08-25 | 2004-05-04 | Hewlett-Packard Development Company, L.P. | Detection and deterrence of counterfeiting of documents with a seal having characteristic color, size, shape and radial density profile |
-
2018
- 2018-10-26 CN CN201811256366.XA patent/CN109635818A/zh active Pending
- 2018-12-25 WO PCT/CN2018/123591 patent/WO2020082577A1/zh active Application Filing
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101556692A (zh) * | 2008-04-09 | 2009-10-14 | 西安盛泽电子有限公司 | 基于特征点邻域伪Zernike矩的图像拼接方法 |
| CN101894260A (zh) * | 2010-06-04 | 2010-11-24 | 北京化工大学 | 基于匹配特征点随机生成特征线的伪造***识别方法 |
| CN102054168A (zh) * | 2010-12-23 | 2011-05-11 | 武汉大学苏州研究院 | 一种有价票据圆形印鉴识别方法 |
| CN104008369A (zh) * | 2014-05-16 | 2014-08-27 | 四川大学 | 一种真假***识别装置及其方法 |
| CN104626771A (zh) * | 2015-03-05 | 2015-05-20 | 深圳市创业***实业有限公司 | 一种***防伪方法及*** |
| CN108509992A (zh) * | 2017-12-27 | 2018-09-07 | 广西新章物电防伪技术开发有限公司 | 一种基于机器学习技术的***印文智能化识别防伪方法 |
| CN108509948A (zh) * | 2018-02-13 | 2018-09-07 | 浙江天地人科技有限公司 | 一种***印文真伪鉴别***和方法 |
| CN108596197A (zh) * | 2018-05-15 | 2018-09-28 | 汉王科技股份有限公司 | 一种***匹配方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 高宏伟: "《电子封装工艺与装备技术基础教程》", 31 July 2017, 西安电子科技大学出版社, pages: 258 - 259 * |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021000702A1 (zh) * | 2019-06-29 | 2021-01-07 | 华为技术有限公司 | 图像检测方法、设备以及*** |
| CN111291757B (zh) * | 2020-02-17 | 2023-08-15 | 江苏诚印科技有限公司 | 一种***唯一性识别的方法 |
| CN111325722A (zh) * | 2020-02-17 | 2020-06-23 | 江苏诚印科技有限公司 | ***图像精确识别方法、***图像识别处理方法和***图像识别*** |
| CN111291757A (zh) * | 2020-02-17 | 2020-06-16 | 江苏诚印科技有限公司 | 一种***唯一性识别的方法 |
| CN111325722B (zh) * | 2020-02-17 | 2024-02-20 | 江苏诚印科技有限公司 | ***图像精确识别方法及***和***图像识别处理方法 |
| CN112633366A (zh) * | 2020-12-21 | 2021-04-09 | 广州市申迪计算机***有限公司 | 一种基于特征匹配的玉器识别方法 |
| CN112288045A (zh) * | 2020-12-23 | 2021-01-29 | 深圳神目信息技术有限公司 | 一种***真伪判别方法 |
| CN112862846A (zh) * | 2021-01-07 | 2021-05-28 | 北京惠朗时代科技有限公司 | 一种结合多种检测方法的公章识别方法及*** |
| CN113486901A (zh) * | 2021-06-23 | 2021-10-08 | 内江师范学院 | 一种新型的高仿圆形***鉴别方法 |
| CN113486901B (zh) * | 2021-06-23 | 2023-05-02 | 内江师范学院 | 一种新型的高仿圆形***鉴别方法 |
| CN114882482A (zh) * | 2021-10-12 | 2022-08-09 | 北京九章云极科技有限公司 | ***防伪识别方法及装置 |
| CN114219056A (zh) * | 2021-12-17 | 2022-03-22 | 杭州沃朴物联科技有限公司 | 一种线条镭射标签的鉴伪方法 |
| CN116010642A (zh) * | 2023-03-27 | 2023-04-25 | 北京滴普科技有限公司 | 一种基于hog特征的***快速查询方法及*** |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2020082577A1 (zh) | 2020-04-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109635818A (zh) | ***防伪检验方法、装置及计算机可读存储介质 | |
| Gopalakrishnan et al. | Salient region detection by modeling distributions of color and orientation | |
| CN112381775B (zh) | 一种图像篡改检测方法、终端设备及存储介质 | |
| Kim et al. | Salient region detection via high-dimensional color transform | |
| Zhou et al. | Principal visual word discovery for automatic license plate detection | |
| Ajmal et al. | A comparison of RGB and HSV colour spaces for visual attention models | |
| US20190362193A1 (en) | Eyeglass positioning method, apparatus and storage medium | |
| CN110084135A (zh) | 人脸识别方法、装置、计算机设备及存储介质 | |
| CN108090511B (zh) | 图像分类方法、装置、电子设备及可读存储介质 | |
| CN109636825A (zh) | ***图形分割方法、装置及计算机可读存储介质 | |
| CN105046280A (zh) | 一种衣柜智能管理装置及方法 | |
| CN110415212A (zh) | 异常细胞检测方法、装置及计算机可读存储介质 | |
| Yan et al. | Multiscale convolutional neural networks for hand detection | |
| Vanetti et al. | Gas meter reading from real world images using a multi-net system | |
| CN110059722A (zh) | ***图像的审核方法、装置、设备及可读存储介质 | |
| CN107194361A (zh) | 二维姿势检测方法及装置 | |
| Liang et al. | Salient object detection using content-sensitive hypergraph representation and partitioning | |
| CN107622489A (zh) | 一种图像篡改检测方法及装置 | |
| CN109409377A (zh) | 图像中文字的检测方法及装置 | |
| Zhang et al. | Image retrieval using the extended salient region | |
| CN109740417A (zh) | ***类型识别方法、装置、存储介质和计算机设备 | |
| CN109785162A (zh) | 医保异常检测方法、装置、设备和计算机存储介质 | |
| CN111784675A (zh) | 物品纹理信息处理的方法、装置、存储介质及电子设备 | |
| CN108230536A (zh) | 一种对光可变防伪标识识别方法及装置 | |
| Luo et al. | Adaptive skin detection using face location and facial structure estimation |
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 |