CN110046644B - 一种证件防伪的方法及装置、计算设备和存储介质 - Google Patents
一种证件防伪的方法及装置、计算设备和存储介质 Download PDFInfo
- Publication number
- CN110046644B CN110046644B CN201910142956.8A CN201910142956A CN110046644B CN 110046644 B CN110046644 B CN 110046644B CN 201910142956 A CN201910142956 A CN 201910142956A CN 110046644 B CN110046644 B CN 110046644B
- Authority
- CN
- China
- Prior art keywords
- distance
- copying
- distance image
- image
- certificate
- 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
Images
Classifications
-
- 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
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Editing Of Facsimile Originals (AREA)
Abstract
本申请提供一种证件防伪的方法及装置、计算设备和存储介质，其中，所述证件防伪的方法包括：获取证件的两幅或两幅以上的证件图像，所述证件图像包括从第一距离获取的第一距离图像和从第二距离获取的第二距离图像，其中，第一距离和第二距离不同；对所述证件图像中的两幅或多幅，进行重合度校验；若校验通过，使用一个或多个翻拍模型，计算第一距离图像的第一翻拍概率和第二距离图像的第二翻拍概率；根据第一翻拍概率和第二翻拍概率，判断证件是否被翻拍，从而无需人工对图像的真伪进行识别，减少了证件图像识别耗费的时间，提高了识别效率。
Description
技术领域
本申请涉及图像处理技术领域，特别涉及一种证件防伪的方法及装置、计算设备和存储介质。
背景技术
对于金融场景来说，鉴别使用伪造证件来冒用身份或者造假的行为至关重要。黑产用户伪造证件的行为可以划分为两类：物***伪造和电子证件伪造。物***伪造指的是直接在证件的物理实体上修改证件信息，包括用物理的手段修改用户身份信息(如使用涂抹、物理贴片的方式篡改姓名、生日信息)或者直接制造一个假的证件。电子证件伪造指的是将物***通过拍照、扫描手段电子化后，在得到的电子版证件图像上进行信息篡改的行为(如使用修图工具篡改)。
相比于物***伪造，电子证件伪造具有伪造目标易获取(对着证件拍照即可，不用拿到物***)、造假成本低、造假工具(Photoshop等改图软件即可)易获取且效果逼真等特点，容易引起批量攻击，对于互联网金融等电子化业务来说需要重点防范。但是电子证件伪造也有一个弱点，就是当伪造完成后，必须将(伪造的)电子证件借助某种物理方式(如电脑或者手机屏幕显示、打印机打印等)呈现出来后，再使用另外一台终端通过二次翻拍的方式将其录入目标应用(如某网上银行远程开户应用)中。
因此，如何借助对屏幕翻拍的识别来间接防控电子证件伪造，是需要解决的技术问题。
发明内容
有鉴于此，本说明书一个或多个实施例提供了一种证件防伪的方法及装置、计算设备和存储介质，以解决现有技术中存在的技术缺陷。
本说明书一个或多个实施例公开了一种证件防伪的方法，所述方法包括：
获取证件的两幅或两幅以上的证件图像，所述证件图像包括从第一距离获取的第一距离图像和从第二距离获取的第二距离图像，其中，第一距离和第二距离不同；
对所述证件图像中的两幅或多幅，进行重合度校验；
若校验通过，使用一个或多个翻拍模型，计算第一距离图像的第一翻拍概率和第二距离图像的第二翻拍概率；
根据第一翻拍概率和第二翻拍概率，判断证件是否被翻拍。
可选地，对所述证件图像中的两幅或多幅，进行重合度校验，包括：
获取所述第一距离图像和所述第二距离图像的第一重合度，对所述第一重合度进行校验。
可选地，获取证件的两幅或两幅以上的证件图像，包括：
获取证件的第一距离图像、中间距离图像以及第二距离图像，其中，第一距离、中间距离和第二距离依次增大。
可选地，对所述证件图像中的两幅或多幅，进行重合度校验，包括：
将证件的第一距离图像、中间距离图像以及第二距离图像进行重合度校验。
可选地，将证件的第一距离图像、中间距离图像以及第二距离图像进行重合度校验，包括：
获取证件的第一距离图像和中间距离图像的第二重合度，对所述第二重合度进行校验；
获取证件的中间距离图像和第二距离图像的第三重合度，对所述第三重合度进行校验；
在第二重合度大于第一阈值和第三重合度大于第二阈值的情况下，校验通过；
在第二重合度小于等于第一阈值或第三重合度小于等于第二阈值的情况下，校验不通过。
可选地，获取证件的第一距离图像和中间距离图像的第二重合度，包括：
基于预设算法将所述第一距离图像调整为与所述中间距离图像空间位置对齐的第一距离转换图像；
获取所述第一距离转换图像和第二距离图像的第二重合度。
可选地，获取证件的中间距离图像和第二距离图像的第三重合度，包括：
基于预设算法将所述中间距离图像调整为与所述第二距离图像空间位置对齐的中间距离转换图像；
获取所述中间距离转换图像和第二距离图像的第三重合度。
可选地，使用一个或多个翻拍模型，计算第一翻拍概率和第二翻拍概率，包括：
将校验通过的第一距离图像输入第一翻拍模型，得到第一翻拍概率；
将校验通过的第二距离图像输入第二翻拍模型，得到第二翻拍概率。
可选地，根据第一翻拍概率和第二翻拍概率，判断证件是否被翻拍，包括：
在第一翻拍概率小于等于第三阈值且第二翻拍概率小于等于第四阈值的情况下，确定证件未被翻拍；
在第一翻拍概率大于第三阈值或第二翻拍概率大于第四阈值的情况下，确定证件被翻拍。
可选地，在确定证件被翻拍的情况下，输出翻拍提示信息。
可选地，所述第一翻拍模型通过以下方法训练：
将标记有翻拍类型的第一距离图像提取特征向量，所述特征向量包括第一距离图像的频谱特征、纹理特征和/或颜色特征；
将第一距离图像的特征向量作为训练样本，将翻拍类型的标记作为训练标签，采用二分类模型进行训练得到所述第一翻拍模型，其中，所述翻拍类型包括翻拍和非翻拍。
可选地，所述第二翻拍模型通过以下方法训练：
将标记有翻拍类型的第二距离图像提取特征向量，所述特征向量包括第二距离图像的频谱特征和/或轮廓特征；
将第二距离图像的特征向量作为训练样本，将翻拍类型的标记作为训练标签，采用二分类模型进行训练得到所述第二翻拍模型，其中，所述翻拍类型包括翻拍和非翻拍。
本说明书一个或多个实施例公开了一种证件防伪的装置，所述装置包括：
获取模块，被配置为获取证件的两幅或两幅以上的证件图像，所述证件图像包括从第一距离获取的第一距离图像和从第二距离获取的第二距离图像，其中，第一距离和第二距离不同；
重合度校验模块，被配置为对所述证件图像中的两幅或多幅，进行重合度校验；
翻拍概率计算模块，被配置为若校验通过，使用一个或多个翻拍模型，计算第一距离图像的第一翻拍概率和第二距离图像的第二翻拍概率；
翻拍判断模块，被配置为根据第一翻拍概率和第二翻拍概率，判断证件是否被翻拍。
可选地，所述重合度校验模块具体被配置为：获取所述第一距离图像和所述第二距离图像的第一重合度，对所述第一重合度进行校验。
可选地，所述获取模块具体被配置为：
获取证件的第一距离图像、中间距离图像以及第二距离图像，其中，第一距离、标准距离和第二距离依次增大。
可选地，所述重合度校验模块具体被配置为：将证件的第一距离图像、中间距离图像以及第二距离图像进行重合度校验。
可选地，所述重合度校验模块具体被配置为：获取证件的第一距离图像和中间距离图像的第二重合度，对所述第二重合度进行校验；
获取证件的中间距离图像和第二距离图像的第三重合度，对所述第三重合度进行校验；
在第二重合度大于第一阈值和第三重合度大于第二阈值的情况下，校验通过；
在第二重合度小于等于第一阈值或第三重合度小于等于第二阈值的情况下，校验不通过。
可选地，所述重合度校验模块具体被配置为：基于预设算法将所述第一距离图像调整为与所述中间距离图像空间位置对齐的第一距离转换图像；
获取所述第一距离转换图像和第二距离图像的第二重合度。
可选地，所述重合度校验模块具体被配置为：基于预设算法将所述中间距离图像调整为与所述第二距离图像空间位置对齐的中间距离转换图像；
获取所述中间距离转换图像和第二距离图像的第三重合度。
可选地，所述翻拍概率计算模块具体被配置为：将校验通过的第一距离图像输入第一翻拍模型，得到第一翻拍概率；
将校验通过的第二距离图像输入第二翻拍模型，得到第二翻拍概率。
可选地，所述翻拍判断模块具体被配置为：在第一翻拍概率小于等于第三阈值且第二翻拍概率小于等于第四阈值的情况下，确定证件未被翻拍；
在第一翻拍概率大于第三阈值或第二翻拍概率大于第四阈值的情况下，确定证件被翻拍。
本说明书一个或多个实施例公开了一种计算设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机指令，所述处理器执行所述指令时实现如上所述证件防伪的方法的步骤。
本说明书一个或多个实施例公开了一种计算机可读存储介质，其存储有计算机指令，该指令被处理器执行时实现如上所述证件防伪的方法的步骤。
本说明书一个或多个实施例提供的证件防伪的方法及装置，通过获取证件的两幅或两幅以上的证件图像，然后对所述证件图像中的两幅或多幅进行重合度校验，若校验通过，使用一个或多个翻拍模型，计算第一距离图像的第一翻拍概率和第二距离图像的第二翻拍概率，并根据第一翻拍概率和第二概率判断证件是否被翻拍，从而利用证件的多幅图像与翻拍模型相结合，实现对证件图像的防控。本说明书一个或多个实施例的证件防伪的方法不需要人工对图像的真伪进行识别，减少了证件图像识别耗费的时间，提高了识别效率。
另外，相比常见的单张图片防翻拍方法，本申请证件防伪的方法通过获取证件的第一距离图像、中间距离图像以及第二距离图像，从而获得证件的更为丰富的前景信息和背景信息，提高对屏幕翻拍识别的准确性，对互联网应用防控伪造证件具有重要意义。
附图说明
图1是本说明书一个或多个实施例的计算设备的结构示意图；
图2是本说明书一个或多个实施例的证件防伪的方法流程示意图；
图3是本说明书一个或多个实施例的证件防伪的方法流程示意图；
图4是本说明书一个或多个实施例的证件防伪的方法流程示意图；
图5是本说明书一个或多个实施例的证件防伪的装置的结构示意图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本申请内涵的情况下做类似推广，因此本申请不受下面公开的具体实施的限制。
在本说明书一个或多个实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本说明书一个或多个实施例。在本说明书一个或多个实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本说明书一个或多个实施例中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本说明书一个或多个实施例中可能采用术语第一、第二等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本说明书一个或多个实施例范围的情况下，第一也可以被称为第二，类似地，第二也可以被称为第一。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
首先，对本发明一个或多个实施例涉及的名词术语进行解释。
OCR：光学字符识别，泛指定位及识别图片中文字信息的技术。
核身：对用户身份的真实性进行核验
证件防伪：对伪造的证件进行鉴别的措施。
图像特征：图像特征包括：颜色特征、纹理特征、形状特征和空间关系特征。其中，颜色特征是一种全局特征，描述了图像或图像区域所对应的景物的表面性质；纹理特征也是一种全局特征，它也描述了图像或图像区域所对应景物的表面性质；形状特征有两类表示方法，一类是轮廓特征，另一类是区域特征，图像的轮廓特征主要针对物体的外边界，而图像的区域特征则关系到整个形状区域；空间关系特征，是指图像中分割出来的多个目标之间的相互的空间位置或相对方向关系，这些关系也可分为连接/邻接关系、交叠/重叠关系和包含/包容关系等。
在本说明书一个或多个实施例中，提供了一种证件防伪的方法及装置、计算设备和存储介质，在下面的实施例中逐一进行详细说明。
图1是示出了根据本说明书一实施例的计算设备100的结构框图。该计算设备100的部件包括但不限于存储器110和处理器120。处理器120与存储器110通过总线130相连接，数据库150用于保存数据。
计算设备100还包括接入设备140，接入设备140使得计算设备100能够经由一个或多个网络160通信。这些网络的示例包括公用交换电话网(PSTN)、局域网(LAN)、广域网(WAN)、个域网(PAN)或诸如因特网的通信网络的组合。接入设备140可以包括有线或无线的任何类型的网络接口(例如，网络接口卡(NIC))中的一个或多个，诸如IEEE802.11无线局域网(WLAN)无线接口、全球微波互联接入(Wi-MAX)接口、以太网接口、通用串行总线(USB)接口、蜂窝网络接口、蓝牙接口、近场通信(NFC)接口，等等。
在本说明书的一个实施例中，计算设备100的上述部件以及图1中未示出的其他部件也可以彼此相连接，例如通过总线。应当理解，图1所示的计算设备结构框图仅仅是出于示例的目的，而不是对本说明书范围的限制。本领域技术人员可以根据需要，增添或替换其他部件。
计算设备100可以是任何类型的静止或移动计算设备，包括移动计算机或移动计算设备(例如，平板计算机、个人数字助理、膝上型计算机、笔记本计算机、上网本等)、移动电话(例如，智能手机)、可佩戴的计算设备(例如，智能手表、智能眼镜等)或其他类型的移动设备，或者诸如台式计算机或PC的静止计算设备。计算设备100还可以是移动式或静止式的服务器。
其中，处理器120可以执行图2所示方法中的步骤。图2是示出了根据本说明书一实施例的证件防伪的方法的示意性流程图，包括步骤202至步骤208。
202、获取证件的两幅或两幅以上的证件图像，所述证件图像包括从第一距离获取的第一距离图像和从第二距离获取的第二距离图像，其中，第一距离和第二距离不同。
其中，本实施例可以为获取证件的两幅图像，包括第一距离图像和第二距离图像；也可以为获取证件的两幅以上的图像，包括第一距离图像、中间距离图像和第二距离图像，其中，第一距离、中间距离和第二距离依次增大。通过获取多幅图像，并在后续步骤中进行比对，可以增加证件识别结果的准确度。
其中，证件的第一距离图像、中间距离图像和第二距离图像的获取方式可以有多种，例如通过用户点击上传的方式。
实际应用的过程中，可以采用拍摄设备的大、小两个目标物体取景框分别拍摄一次。大取景框拍照获取证件的近距离图像，从而可以获取更多的证件前景信息(如翻拍时屏幕上的摩尔纹)；小取景框拍照获取证件的远距离图像，从而可以获取更多的证件背景信息(如翻拍设备的屏幕边框)，这样，就得到了对应的两个距离的图像：第一距离图像和第二距离图像。然后还需要在正常距离拍摄证件一次，其中，正常距离拍摄的证件图像只包括证件自身的全部图像。这样，就得到了对应的证件的中间距离图像。
204、对所述证件图像中的两幅或多幅，进行重合度校验。
重合度校验的目的是：为了防止用户在拍摄多图的过程中出现调包拍摄的现象，需要对所述证件图像中的两幅或多幅进行校验。
对于获取证件的第一距离图像和第二距离图像的情形，步骤204包括：获取所述第一距离图像和所述第二距离图像的第一重合度，对所述第一重合度进行校验。
对于获取证件的第一距离图像、中间距离图像和第二距离图像的情形，步骤204包括：将证件的第一距离图像、中间距离图像以及第二距离图像进行重合度校验。
本实施例中，进行重合度校验的方法有多种，下面列举一种具体的重合度校验的方法对本实施例的重合度校验的方法进行示意性的说明。具体地，参见图3，将证件的第一距离图像、中间距离图像以及第二距离图像进行重合度校验，包括下述步骤302～308：
302、获取证件的第一距离图像和中间距离图像的第二重合度，对所述第二重合度进行校验。
具体地，步骤302包括：
S3022、基于预设算法将所述第一距离图像调整为与所述中间距离图像空间位置对齐的第一距离转换图像；
S3024、获取所述第一距离转换图像和第二距离图像的第二重合度。
其中，所述预设算法包括但不限于图像配准算法，即Image registration算法，图像配准算法可以使两幅图像之间在某种意义上达到匹配。
具体地，本步骤中以中间距离图像为基础，以第一距离图像为被变换图像，即对第一距离图像和中间距离图像进行特征提取得到特征点，通过进行相似性度量找到匹配的特征点对，然后通过匹配的特征点对得到图像空间坐标变换参数，最后由坐标变换参数进行图像配准。其中，特征点即是图像的点、线以及边缘等特征信息。
其中，图像配准(Image registration)就是将不同时间、不同传感器(成像设备)或不同条件下(天候、照度、摄像位置和角度等)获取的两幅或多幅图像进行匹配、叠加的过程，它已经被广泛地应用于遥感数据分析、计算机视觉、图像处理等领域。图像配准的方式有很多，例如使用尺度不变特征变换(Scale-invariant feature transform，SIFT)算法等。
304、获取证件的中间距离图像和第二距离图像的第三重合度，对所述第三重合度进行校验。
具体地，步骤304包括：
S3042、基于预设算法将所述中间距离图像调整为与所述第二距离图像空间位置对齐的中间距离转换图像；
S3044、获取所述中间距离转换图像和第二距离图像的第三重合度。
具体地，本步骤中以第二距离图像为基础，以中间距离图像为被变换图像，即对中间距离图像和第二距离图像进行特征提取得到特征点，通过进行相似性度量找到匹配的特征点对，然后通过匹配的特征点对得到图像空间坐标变换参数，最后由坐标变换参数进行图像配准。其中，特征点即是图像的点、线以及边缘等特征信息。
306、在第二重合度大于第一阈值和第三重合度大于第二阈值的情况下，校验通过。
308、在第二重合度小于等于第一阈值或第三重合度小于等于第二阈值的情况下，校验不通过。
其中，第一阈值和第二阈值可以根据实际需求而设置，例如设置第一阈值和第二阈值均为0.8。
需要注意的是，本实施例中将三张图像分为两组进行重合度校验，在两组图像的重合度分别大于阈值的情况下，校验通过；对于校验不通过的情形，在其中一组图像的重合度小于等于阈值的情况下，校验不通过。
在校验不通过的情况下，中断执行后续流程，并输出提示信息。提示信息的输出方式可以有多种，例如在一个应用程序中提示用户输入的图像不合规，需要重新输入。在用户确认后重新上传证件的三个距离的图像，并重新执行步骤202。
206、若校验通过，使用一个或多个翻拍模型，计算第一距离图像的第一翻拍概率和第二距离图像的第二翻拍概率。
本步骤中，可以使用一个翻拍模型，计算第一翻拍概率和第二翻拍概率；也可以使用两个翻拍模型，分别计算第一翻拍概率和第二翻拍概率。
具体地，步骤206包括：
S2062、将校验通过的第一距离图像输入第一翻拍模型，得到第一翻拍概率。
S2064、将校验通过的第二距离图像输入第二翻拍模型，得到第二翻拍概率。
具体地，将校验通过的第一距离图像提取特征向量，然后将特征向量输入第一翻拍模型，得到第一翻拍概率；
将校验通过的第二距离图像提取特征向量，然后将特征向量输入第二翻拍模型，得到第二翻拍概率。
其中，第一翻拍模型通过以下步骤S12～S14训练：
S12、将标记有翻拍类型的第一距离图像提取特征向量，所述特征向量包括第一距离图像的频谱特征、纹理特征和/或颜色特征。
其中，频谱特征可以用于识别翻拍图像中出现的屏幕反光的情形。
纹理特征可以用于识别第一距离图像中的摩尔纹或者其他失真情形，例如分辨率失真、锯齿现象等。摩尔纹是一种在数码照相机或者扫描仪等设备上，感光元件出现的高频干扰的条纹，是一种会使图片出现彩色的高频率不规则的条纹。摩尔纹是区别翻拍图像和非翻拍图像的重要参数。对于翻拍图像，其在频域中的摩尔纹会更加明显，且摩尔纹的颜色也会与非翻拍图像的摩尔纹的颜色有所区别。
颜色特征可以用于识别翻拍图像中局部颜色失真的情形。
S14、将第一距离图像的特征向量作为训练样本，将翻拍类型的标记作为训练标签，采用二分类模型进行训练得到所述第一翻拍模型，其中，所述翻拍类型包括翻拍和非翻拍。
其中，第二翻拍模型通过以下步骤S22～S24训练：
S22、将标记有翻拍类型的第二距离图像提取特征向量，所述特征向量包括第二距离图像的频谱特征和/或轮廓特征。
其中，频谱特征可以用于识别翻拍图像中出现的屏幕反光的情形。
轮廓特征可以用于识别翻拍图像中出现的翻拍设备(手机或者显示器)的边框的情形。
可以看出，对于第一翻拍模型和第二翻拍模型，其输入的第一距离图像和第二距离图像的特征向量是不同的，因为第一距离图像更注重于局部视野，可以获取更多的证件前景细节(如翻拍时屏幕上的摩尔纹)；第二距离图像更注重于环境视野，可以获取更多的背景信息(如翻拍时的手机或显示器屏幕边框)。
S24、将第二距离图像的特征向量作为训练样本，将翻拍类型的标记作为训练标签，采用二分类模型进行训练得到所述第二翻拍模型，其中，所述翻拍类型包括翻拍和非翻拍。
由上述步骤可见，第一翻拍模型和第二翻拍模型均通过二分类模型训练得到，不同的是输入的样本不同。其中，二分类模型可以有多种，例如利用CNN卷积神经网络生成的二分类模型。
一般地，卷积神经网络包括数千个迭代参数，但是仅有一部分迭代参数会对图像的预测结果产生影响。在模型的训练阶段，可以先找出该一部分对图像的预测结果产生影响的迭代参数，然后调节该一部分迭代参数，从而可以使训练好的第一翻拍模型或第二翻拍模型的预测结果更加精确。
208、根据第一翻拍概率和第二翻拍概率，判断证件是否被翻拍。
具体地，步骤208包括：
S2082、在第一翻拍概率小于等于第三阈值且第二翻拍概率小于等于第四阈值的情况下，确定证件未被翻拍；
S2084、在第一翻拍概率大于第三阈值或第二翻拍概率大于第四阈值的情况下，确定证件被翻拍。
需要注意的是，步骤S2082和步骤S2084均需要判断第一翻拍概率和第二翻拍概率，但是步骤S2082中需要满足“和”的条件，即第一翻拍概率小于等于第三阈值和第二翻拍概率小于等于第四阈值；步骤S2084中需要满足“或”的条件，即第一翻拍概率大于第三阈值或第二翻拍概率大于第四阈值。
其中，第三阈值和第四阈值可以根据实际需求而设置，例如设置第三阈值和第四阈值均为0.8。
在确定证件未翻拍后，将中间距离图像作为证件的图像输出并处理。在实际使用时，例如在远程开户的应用程序中，可以中间距离图像作为证件的图像输出给应用程序的证件文字OCR识别模块进行处理。
在确定证件翻拍后，输出提示信息。提示信息的输出方式可以有多种，例如弹出的对话框、输出的文字信息等。
本说明书一个或多个实施例提供的证件防伪的方法，通过获取证件的两幅或两幅以上的证件图像，然后对所述证件图像中的两幅或多幅进行重合度校验，若校验通过，使用一个或多个翻拍模型，计算第一翻拍概率和第二翻拍概率，并根据第一翻拍概率和第二翻拍概率判断证件是否被翻拍，从而利用证件的多幅图像与翻拍模型相结合，实现对证件图像的防控。本说明书一个或多个实施例的证件防伪的方法不需要人工对图像的真伪进行识别，减少了证件图像识别耗费的时间，提高了识别效率。
另外，相比常见的单张图片防翻拍方法，本说明书一实施例的证件防伪的方法通过获取证件的第一距离图像、中间距离图像以及第二距离图像，从而获得证件的更为丰富的前景信息和背景信息，提高对屏幕翻拍识别的准确性，对互联网应用防控伪造证件具有重要意义。
本说明书一实施例公开了一种证件防伪的方法，参见图4，包括下述步骤402～420：
402、获取证件的第一距离图像、中间距离图像以及第二距离图像，其中，第一距离、中间距离和第二距离依次增大。
其中，证件的第一距离图像、中间距离图像以及第二距离图像的获取方式可以有多种，例如通过用户点击上传的方式。
404、将证件的第一距离图像、中间距离图像以及第二距离图像进行重合度校验，若校验通过，执行步骤406，若校验不通过，执行步骤408。
406、将校验通过的第一距离图像输入第一翻拍模型，得到第一距离图像的第一翻拍概率，将校验通过的第二距离图像输入第二翻拍模型，得到第二距离图像的第二翻拍概率，然后执行步骤410。
408、输出校验失败提示信息，并返回执行步骤402。
410、判断第一翻拍概率是否大于第一阈值，若是，执行步骤412，若否，执行步骤414。
412、确定所述第一距离图像为翻拍图像，执行步骤420。
414、判断第二翻拍概率是否大于第二阈值，若是，执行步骤416，若否，执行步骤418。
416、确定所述第二距离图像为翻拍图像，执行步骤420。
418、将中间距离图像作为所述证件的图像输出并处理。
420、在确定所述第一距离图像或第二距离图像为翻拍图像的情况下，输出翻拍提示信息，返回步骤402。
翻拍提示信息可以为在应用程序中弹出的对话框，并在用户点击确认后，返回执行步骤402。
本实施例提供的证件防伪的方法，通过获取证件的不同距离的多张图像，然后将重合度校验通过的第一距离图像输入第一翻拍模型，得到第一距离图像的第一翻拍概率，将校验通过的第二距离图像输入第二翻拍模型，得到第二距离图像的第二翻拍概率；在第一翻拍概率小于等于第一阈值且第二翻拍概率小于等于第二阈值的情况下，将第二距离图像作为证件的图像输出并处理，从而利用证件的多距离图像与翻拍模型相结合，实现对证件图像的防控。本实施例的证件防伪的方法不需要人工对图像的真伪进行识别，减少了证件图像识别耗费的时间，提高了识别效率。
上述内容为对本说明书一个或多个实施例的证件防伪的方法的详细说明，本说明书一个或多个实施例还公开了一种证件防伪的装置。需要说明的是，该证件防伪的装置的技术方案与上述的证件防伪的方法的技术方案属于同一构思，证件防伪的装置的技术方案未详细描述的细节内容，均可以参见上述证件防伪的方法的技术方案的描述。
参见图5，本说明书一实施例公开的证件防伪的装置包括：
获取模块502，被配置为获取证件的两幅或两幅以上的证件图像，所述证件图像包括从第一距离获取的第一距离图像和从第二距离获取的第二距离图像，其中，第一距离和第二距离不同；
重合度校验模块504，被配置为对所述证件图像中的两幅或多幅，进行重合度校验；
翻拍概率计算模块506，被配置为若校验通过，使用一个或多个翻拍模型，计算第一距离图像的第一翻拍概率和第二距离图像的第二翻拍概率；
翻拍判断模块508，被配置为根据第一翻拍概率和第二翻拍概率，判断证件是否被翻拍。
可选地，重合度校验模块504具体被配置为：获取所述第一距离图像和所述第二距离图像的第一重合度，对所述第一重合度进行校验。
可选地，获取模块502具体被配置为：获取证件的第一距离图像、中间距离图像以及第二距离图像，其中，第一距离、标准距离和第二距离依次增大。
可选地，所述重合度校验模块504具体被配置为：将证件的第一距离图像、中间距离图像以及第二距离图像进行重合度校验。
可选地，所述重合度校验模块504具体被配置为：获取证件的第一距离图像和中间距离图像的第二重合度，对所述第二重合度进行校验；
获取证件的中间距离图像和第二距离图像的第三重合度，对所述第三重合度进行校验；
在第二重合度大于第一阈值和第三重合度大于第二阈值的情况下，校验通过；
在第二重合度小于等于第一阈值或第三重合度小于等于第二阈值的情况下，校验不通过。
可选地，所述重合度校验模块504具体被配置为：基于预设算法将所述第一距离图像调整为与所述中间距离图像空间位置对齐的第一距离转换图像；
获取所述第一距离转换图像和第二距离图像的第二重合度。
可选地，重合度校验模块504具体被配置为：基于预设算法将所述中间距离图像调整为与所述第二距离图像空间位置对齐的中间距离转换图像；
获取所述中间距离转换图像和第二距离图像的第三重合度。
可选地，所述翻拍概率计算模块506具体被配置为：将校验通过的第一距离图像输入第一翻拍模型，得到第一翻拍概率；将校验通过的第二距离图像输入第二翻拍模型，得到第二翻拍概率。
可选地，所述翻拍判断模块508具体被配置为：在第一翻拍概率小于等于第三阈值且第二翻拍概率小于等于第四阈值的情况下，确定证件未被翻拍；在第一翻拍概率大于第三阈值或第二翻拍概率大于第四阈值的情况下，确定证件被翻拍。
本实施例提供的证件防伪的装置通过获取证件的两幅或两幅以上的证件图像，然后对所述证件图像中的两幅或多幅进行重合度校验，若校验通过，使用一个或多个翻拍模型，计算第一翻拍概率和第二翻拍概率，并根据第一翻拍概率和第二翻拍概率判断证件是否被翻拍，从而利用证件的多幅图像与翻拍模型相结合，实现对证件图像的防控。本说明书一个或多个实施例的证件防伪的方法不需要人工对图像的真伪进行识别，减少了证件图像识别耗费的时间，提高了识别效率。
本说明书一实施例还提供一种计算设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机指令，所述处理器执行所述指令时实现如前所述证件防伪的方法的步骤。
本说明书一实施例还提供一种计算机可读存储介质，其存储有计算机指令，该指令被处理器执行时实现如前所述证件防伪的方法的步骤。
上述为本实施例的一种计算机可读存储介质的示意性方案。需要说明的是，该存储介质的技术方案与上述的证件防伪的方法的技术方案属于同一构思，存储介质的技术方案未详细描述的细节内容，均可以参见上述证件防伪的方法的技术方案的描述。
所述计算机指令包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
需要说明的是，对于前述的各方法实施例，为了简便描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本说明书并不受所描述的动作顺序的限制，因为依据本说明书，某些步骤可以采用其它顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定都是本说明书所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其它实施例的相关描述。
以上公开的本说明书优选实施例只是用于帮助阐述本说明书。可选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本说明书的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本说明书。本说明书仅受权利要求书及其全部范围和等效物的限制。
Claims (23)
1.一种证件防伪的方法，其特征在于，所述方法包括：
获取证件的两幅或两幅以上的证件图像，所述证件图像包括从第一距离获取的第一距离图像和从第二距离获取的第二距离图像，其中，第一距离和第二距离不同，第二距离大于第一距离；
对所述证件图像中的两幅或多幅，进行重合度校验；
若校验通过，使用一个或多个翻拍模型，计算第一距离图像的第一翻拍概率和第二距离图像的第二翻拍概率；
根据第一翻拍概率和第二翻拍概率，判断证件是否被翻拍。
2.如权利要求1所述的方法，其特征在于，对所述证件图像中的两幅或多幅，进行重合度校验，包括：
获取所述第一距离图像和所述第二距离图像的第一重合度，对所述第一重合度进行校验。
3.如权利要求1所述的方法，其特征在于，获取证件的两幅或两幅以上的证件图像，包括：
获取证件的第一距离图像、中间距离图像以及第二距离图像，其中，第一距离、中间距离和第二距离依次增大。
4.如权利要求3所述的方法，其特征在于，对所述证件图像中的两幅或多幅，进行重合度校验，包括：
将证件的第一距离图像、中间距离图像以及第二距离图像进行重合度校验。
5.如权利要求4所述的方法，其特征在于，将证件的第一距离图像、中间距离图像以及第二距离图像进行重合度校验，包括：
获取证件的第一距离图像和中间距离图像的第二重合度，对所述第二重合度进行校验；
获取证件的中间距离图像和第二距离图像的第三重合度，对所述第三重合度进行校验；
在第二重合度大于第一阈值和第三重合度大于第二阈值的情况下，校验通过；
在第二重合度小于等于第一阈值或第三重合度小于等于第二阈值的情况下，校验不通过。
6.如权利要求5所述的方法，其特征在于，获取证件的第一距离图像和中间距离图像的第二重合度，包括：
基于预设算法将所述第一距离图像调整为与所述中间距离图像空间位置对齐的第一距离转换图像；
获取所述第一距离转换图像和中间距离图像的第二重合度。
7.如权利要求6所述的方法，其特征在于，获取证件的中间距离图像和第二距离图像的第三重合度，包括：
基于预设算法将所述中间距离图像调整为与所述第二距离图像空间位置对齐的中间距离转换图像；
获取所述中间距离转换图像和第二距离图像的第三重合度。
8.如权利要求1所述的方法，其特征在于，使用一个或多个翻拍模型，计算第一翻拍概率和第二翻拍概率，包括：
将校验通过的第一距离图像输入第一翻拍模型，得到第一翻拍概率；
将校验通过的第二距离图像输入第二翻拍模型，得到第二翻拍概率。
9.如权利要求1或8所述的方法，其特征在于，根据第一翻拍概率和第二翻拍概率，判断证件是否被翻拍，包括：
在第一翻拍概率小于等于第三阈值且第二翻拍概率小于等于第四阈值的情况下，确定证件未被翻拍；
在第一翻拍概率大于第三阈值或第二翻拍概率大于第四阈值的情况下，确定证件被翻拍。
10.如权利要求9所述的方法，其特征在于，在确定证件被翻拍的情况下，输出翻拍提示信息。
11.如权利要求8所述的方法，其特征在于，所述第一翻拍模型通过以下方法训练：
将标记有翻拍类型的第一距离图像提取特征向量，所述特征向量包括第一距离图像的频谱特征、纹理特征和/或颜色特征；
将第一距离图像的特征向量作为训练样本，将翻拍类型的标记作为训练标签，采用二分类模型进行训练得到所述第一翻拍模型，其中，所述翻拍类型包括翻拍和非翻拍。
12.如权利要求8所述的方法，其特征在于，所述第二翻拍模型通过以下方法训练：
将标记有翻拍类型的第二距离图像提取特征向量，所述特征向量包括第二距离图像的频谱特征和/或轮廓特征；
将第二距离图像的特征向量作为训练样本，将翻拍类型的标记作为训练标签，采用二分类模型进行训练得到所述第二翻拍模型，其中，所述翻拍类型包括翻拍和非翻拍。
13.一种证件防伪的装置，其特征在于，所述装置包括：
获取模块，被配置为获取证件的两幅或两幅以上的证件图像，所述证件图像包括从第一距离获取的第一距离图像和从第二距离获取的第二距离图像，其中，第一距离和第二距离不同，第二距离大于第一距离；
重合度校验模块，被配置为对所述证件图像中的两幅或多幅，进行重合度校验；
翻拍概率计算模块，被配置为若校验通过，使用一个或多个翻拍模型，计算第一距离图像的第一翻拍概率和第二距离图像的第二翻拍概率；
翻拍判断模块，被配置为根据第一翻拍概率和第二翻拍概率，判断证件是否被翻拍。
14.如权利要求13所述的装置，其特征在于，所述重合度校验模块具体被配置为：获取所述第一距离图像和所述第二距离图像的第一重合度，对所述第一重合度进行校验。
15.如权利要求13所述的装置，其特征在于，所述获取模块具体被配置为：
获取证件的第一距离图像、中间距离图像以及第二距离图像，其中，第一距离、中间距离和第二距离依次增大。
16.如权利要求15所述的装置，其特征在于，所述重合度校验模块具体被配置为：将证件的第一距离图像、中间距离图像以及第二距离图像进行重合度校验。
17.如权利要求16所述的装置，其特征在于，所述重合度校验模块具体被配置为：获取证件的第一距离图像和中间距离图像的第二重合度，对所述第二重合度进行校验；
获取证件的中间距离图像和第二距离图像的第三重合度，对所述第三重合度进行校验；
在第二重合度大于第一阈值和第三重合度大于第二阈值的情况下，校验通过；
在第二重合度小于等于第一阈值或第三重合度小于等于第二阈值的情况下，校验不通过。
18.如权利要求17所述的装置，其特征在于，所述重合度校验模块具体被配置为：基于预设算法将所述第一距离图像调整为与所述中间距离图像空间位置对齐的第一距离转换图像；
获取所述第一距离转换图像和中间距离图像的第二重合度。
19.如权利要求18所述的装置，其特征在于，所述重合度校验模块具体被配置为：基于预设算法将所述中间距离图像调整为与所述第二距离图像空间位置对齐的中间距离转换图像；
获取所述中间距离转换图像和第二距离图像的第三重合度。
20.如权利要求13所述的装置，其特征在于，所述翻拍概率计算模块具体被配置为：将校验通过的第一距离图像输入第一翻拍模型，得到第一翻拍概率；
将校验通过的第二距离图像输入第二翻拍模型，得到第二翻拍概率。
21.如权利要求13或20所述的装置，其特征在于，所述翻拍判断模块具体被配置为：在第一翻拍概率小于等于第三阈值且第二翻拍概率小于等于第四阈值的情况下，确定证件未被翻拍；
在第一翻拍概率大于第三阈值或第二翻拍概率大于第四阈值的情况下，确定证件被翻拍。
22.一种计算设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机指令，其特征在于，所述处理器执行所述指令时实现权利要求1-12任意一项所述证件防伪的方法的步骤。
23.一种计算机可读存储介质，其存储有计算机指令，其特征在于，该指令被处理器执行时实现权利要求1-12任意一项所述证件防伪的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910142956.8A CN110046644B (zh) | 2019-02-26 | 2019-02-26 | 一种证件防伪的方法及装置、计算设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910142956.8A CN110046644B (zh) | 2019-02-26 | 2019-02-26 | 一种证件防伪的方法及装置、计算设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110046644A CN110046644A (zh) | 2019-07-23 |
| CN110046644B true CN110046644B (zh) | 2023-04-07 |
Family
ID=67274280
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910142956.8A Active CN110046644B (zh) | 2019-02-26 | 2019-02-26 | 一种证件防伪的方法及装置、计算设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110046644B (zh) |
Families Citing this family (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11235613B2 (en) * | 2019-04-08 | 2022-02-01 | iProov Ltd. | Document authentication by attitude-independent determination of surface appearance using controlled illumination |
| CN110648314B (zh) * | 2019-09-05 | 2023-08-04 | 创新先进技术有限公司 | 一种识别翻拍图像的方法、装置及设备 |
| CN110705532B (zh) * | 2019-09-05 | 2023-04-18 | 创新先进技术有限公司 | 一种识别翻拍图像的方法、装置及设备 |
| WO2021068142A1 (zh) * | 2019-10-09 | 2021-04-15 | 深圳大学 | 自动识别原始文档的翻拍图像的训练方法和检测方法 |
| CN110827219B (zh) * | 2019-10-31 | 2023-04-07 | 北京小米智能科技有限公司 | 图像处理模型的训练方法、装置及介质 |
| 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 |
| 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 |
| CN117237974A (zh) * | 2020-01-19 | 2023-12-15 | 支付宝实验室(新加坡)有限公司 | 一种证件验证方法、装置及电子设备 |
| CN111259894B (zh) * | 2020-01-20 | 2023-07-07 | 普信恒业科技发展（北京）有限公司 | 一种证件信息鉴别方法、装置及计算机设备 |
| CN111368944B (zh) * | 2020-05-27 | 2020-09-08 | 支付宝(杭州)信息技术有限公司 | 翻拍图像、证件照识别、模型训练方法、装置及电子设备 |
| CN111898538B (zh) * | 2020-07-30 | 2024-04-12 | 平安科技（深圳）有限公司 | 证件鉴伪方法、装置、电子设备及存储介质 |
| CN112215225B (zh) * | 2020-10-22 | 2024-03-15 | 北京通付盾人工智能技术有限公司 | 一种基于计算机视觉技术的kyc证件核验方法 |
| CN112257709B (zh) * | 2020-10-23 | 2024-05-07 | 北京云杉世界信息技术有限公司 | 一种招牌照片审核方法、装置、电子设备及可读存储介质 |
| CN113222952B (zh) * | 2021-05-20 | 2022-05-24 | 蚂蚁胜信(上海)信息技术有限公司 | 翻拍图像的识别方法及装置 |
| CN113628091B (zh) * | 2021-10-09 | 2022-03-01 | 杭州海康威视数字技术股份有限公司 | 面向电子显示屏内容翻拍场景的安全信息提取方法及装置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105118048A (zh) * | 2015-07-17 | 2015-12-02 | 北京旷视科技有限公司 | 翻拍证件图片的识别方法及装置 |
| CN106599772A (zh) * | 2016-10-31 | 2017-04-26 | 北京旷视科技有限公司 | 活体验证方法和装置及身份认证方法和装置 |
| CN107729847A (zh) * | 2017-10-20 | 2018-02-23 | 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 |
| CN107944339A (zh) * | 2017-10-20 | 2018-04-20 | 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 |
| CN109325933A (zh) * | 2017-07-28 | 2019-02-12 | 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 |
| CN109359502A (zh) * | 2018-08-13 | 2019-02-19 | 北京市商汤科技开发有限公司 | 防伪检测方法和装置、电子设备、存储介质 |
-
2019
- 2019-02-26 CN CN201910142956.8A patent/CN110046644B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105118048A (zh) * | 2015-07-17 | 2015-12-02 | 北京旷视科技有限公司 | 翻拍证件图片的识别方法及装置 |
| CN106599772A (zh) * | 2016-10-31 | 2017-04-26 | 北京旷视科技有限公司 | 活体验证方法和装置及身份认证方法和装置 |
| CN109325933A (zh) * | 2017-07-28 | 2019-02-12 | 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 |
| CN107729847A (zh) * | 2017-10-20 | 2018-02-23 | 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 |
| CN107944339A (zh) * | 2017-10-20 | 2018-04-20 | 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 |
| CN109359502A (zh) * | 2018-08-13 | 2019-02-19 | 北京市商汤科技开发有限公司 | 防伪检测方法和装置、电子设备、存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 基于深度学习的图像翻拍检测;谢心谦等;《电脑知识与技术》;20170630(第16期);第161-162、177页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110046644A (zh) | 2019-07-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110046644B (zh) | 一种证件防伪的方法及装置、计算设备和存储介质 | |
| US11893777B2 (en) | Systems and methods for image based content capture and extraction utilizing deep learning neural network and bounding box detection training techniques | |
| Scherhag et al. | Detection of face morphing attacks based on PRNU analysis | |
| US20220406029A1 (en) | Tamper detection for identification documents | |
| Jourabloo et al. | Face de-spoofing: Anti-spoofing via noise modeling | |
| US11087125B2 (en) | Document authenticity determination | |
| Birajdar et al. | Digital image forgery detection using passive techniques: A survey | |
| Swaminathan et al. | Digital image forensics via intrinsic fingerprints | |
| US11023708B2 (en) | Within document face verification | |
| EP3772036A1 (en) | Detection of near-duplicate image | |
| Wang | A simple and effective image-statistics-based approach to detecting recaptured images from LCD screens | |
| CN110008943B (zh) | 一种图像处理方法及装置、一种计算设备及存储介质 | |
| CN113642639B (zh) | 活体检测方法、装置、设备和存储介质 | |
| Thai et al. | Camera model identification based on DCT coefficient statistics | |
| Mazumdar et al. | Universal image manipulation detection using deep siamese convolutional neural network | |
| Du et al. | Towards face presentation attack detection based on residual color texture representation | |
| CN112329786A (zh) | 一种翻拍图像检测方法、装置、设备及存储介质 | |
| Jwaid et al. | An efficient technique for image forgery detection using local binary pattern (hessian and center symmetric) and transformation method | |
| CN112101296B (zh) | 人脸注册方法、人脸验证方法、装置及*** | |
| JP2023508148A (ja) | オブジェクトの真正性を識別する方法 | |
| CN116434312A (zh) | 图像识别模型的安全性检测方法及装置 | |
| CN114241493B (zh) | 扩增文档分析模型的训练数据的训练方法及训练装置 | |
| Hu et al. | Document recapture detection based on a unified distortion model of halftone cells | |
| CN110415424B (zh) | 一种防伪鉴定方法、装置、计算机设备和存储介质 | |
| EP4266264A1 (en) | Unconstrained and elastic id document identification in an rgb image |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20201019 Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands Applicant after: Advanced innovation technology Co.,Ltd. Address before: A four-storey 847 mailbox in Grand Cayman Capital Building, British Cayman Islands Applicant before: Alibaba Group Holding Ltd. Effective date of registration: 20201019 Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands Applicant after: Innovative advanced technology Co.,Ltd. Address before: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands Applicant before: Advanced innovation technology Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |