CN114025073A - 提取摄像头的硬件指纹的方法及装置 - Google Patents

Abstract

本公开提供了一种提取摄像头的硬件指纹的方法及装置。该方法包括：获取所述摄像头拍摄的第一组图片；对所述第一组图片进行划分，得到训练图片和测试图片；从所述训练图片中提取所述摄像头的第一硬件指纹；利用所述测试图片检测所述第一硬件指纹的质量是否合格；如果所述第一硬件指纹的质量不合格，向所述摄像头的用户发送第一提示信息，以提示所述用户利用所述摄像头补充拍摄图片。

Description

提取摄像头的硬件指纹的方法及装置

技术领域

本公开涉及硬件指纹技术领域，具体涉及一种提取摄像头的硬件指纹的方法及装置。

背景技术

摄像头的硬件指纹可以从使用该摄像头的拍摄的图片中提取。摄像头硬件指纹的质量受到图片的质量影响较大。如果图片的质量较差，提取的硬件指纹质量也会较差。使用质量较差的硬件指纹进行验证时，会存在误识率(false acceptance rate，FAR)或拒识率(false rejection rate，FAR)较高的问题。

发明内容

有鉴于此，本公开提供了一种提取摄像头硬件指纹的方法及装置，以解决图片质量对摄像头硬件指纹质量的影响的问题。

第一方面，本公开提出了一种提取摄像头硬件指纹的方法。所述方法包括：获取所述摄像头拍摄的第一组图片；对所述第一组图片进行划分，得到训练图片和测试图片；从所述训练图片中提取所述摄像头的第一硬件指纹；利用所述测试图片检测所述第一硬件指纹的质量是否合格；如果所述第一硬件指纹的质量不合格，向所述摄像头的用户发送第一提示信息，以提示所述用户利用所述摄像头补充拍摄图片。

可选地，所述利用所述测试图片检测所述第一硬件指纹的质量是否合格，包括：计算所述第一硬件指纹和所述测试图片的相关性；如果所述相关性大于预设阈值，则确定所述第一硬件指纹的质量合格；如果所述相关性小于或等于所述预设阈值，则确定所述第一硬件指纹的质量不合格。

可选地，所述相关性为所述第一硬件指纹和所述测试图片的平均峰值相关能量。

可选地，所述方法还包括：获取所述用户利用所述摄像头补充拍摄的第二组图片；利用所述第二组图片更新所述训练图片和所述测试图片；从更新后的所述训练图片中提取所述摄像头的第二硬件指纹；确定所述第一硬件指纹和所述第二硬件指纹的对应区域的指纹的差异；根据所述指纹的差异，确定所述摄像头的视觉范围内的不确定区域；向所述用户发送第二提示信息，以提示所述用户提升所述不确定区域的拍摄质量。

可选地，所述方法还包括：计算所述不确定区域的目标参数，所述目标参数包括所述不确定区域的明度、饱和度、色相中的至少一种；其中，所述第二提示信息包含提示所述不确定区域的所述目标参数的改进方向的信息。

可选地，所述方法还包括：在所述摄像头对应的显示屏幕上以可视化的方式呈现所述不确定区域以及所述第二提示信息。

可选地，所述方法还包括：如果所述第一硬件指纹的质量合格，则将所述第一硬件指纹存储至区块链***。

可选地，所述从所述训练图片中提取所述摄像头的第一硬件指纹，包括：采用照片响应不均匀性分析或度量学习的方式从所述训练图片中提取所述第一硬件指纹。

第二方面，本公开提出了一种提取摄像头的硬件指纹的装置，包括：第一获取单元，用于获取所述摄像头拍摄的第一组图片；划分单元，用于对所述第一组图片进行划分，得到训练图片和测试图片；第一提取单元，用于从所述训练图片中提取所述摄像头的第一硬件指纹；检测单元，利用所述测试图片检测所述第一硬件指纹的质量是否合格；第一发送单元，用于如果所述第一硬件指纹的质量不合格，向所述摄像头的用户发送第一提示信息，以提示所述用户利用所述摄像头补充拍摄图片。

可选地，所述检测单元包括：第一计算单元，用于计算所述第一硬件指纹和所述测试图片的相关性；判断单元，包括：如果所述相关性大于预设阈值，则确定所述第一硬件指纹的质量合格；如果所述相关性小于或等于所述预设阈值，则确定所述第一硬件指纹的质量不合格。

可选地，所述相关性为所述第一硬件指纹和所述测试图片的平均峰值相关能量。

可选地，所述装置还包括：第二获取单元，用于获取所述用户利用所述摄像头补充拍摄的第二组图片；更新单元，用于利用所述第二组图片更新所述训练图片和所述测试图片；第二提取单元，用于从更新后的所述训练图片中提取所述摄像头的第二硬件指纹；对比单元，用于确定所述第一硬件指纹和所述第二硬件指纹的对应区域的指纹的差异；确定单元，用于根据所述指纹的差异，确定所述摄像头的视觉范围内的不确定区域；第二发送单元，用于向所述用户发送第二提示信息，以提示所述用户提升所述不确定区域的拍摄质量。

可选地，所述装置还包括：第二计算单元，用于计算所述不确定区域的目标参数，所述目标参数包括所述不确定区域的明度、饱和度、色相中的至少一种；其中，所述第二提示信息包含提示所述不确定区域的所述目标参数的改进方向的信息。

可选地，所述装置还包括：显示单元，用于在所述摄像头对应的显示屏幕上以可视化的方式呈现所述不确定区域以及所述第二提示信息。

可选地，所述装置还包括：存储单元，用于如果所述第一硬件指纹的质量合格，则将所述第一硬件指纹存储至区块链***。

可选地，所述第一提取单元包括：第三提取单元，用于采用照片响应不均匀性分析或度量学习的方式从所述训练图片中提取所述第一硬件指纹。

第三方面，本公开提供了一种装置，所述装置包括存储器和处理器，所述存储器中存储有可执行代码，所述处理器被配置为执行所述可执行代码，以实现第一方面所述的方法。

本公开提出的方法在提取摄像头硬件指纹的过程中，可以同步判断硬件指纹的质量，并在质量不合格时提示用户补充拍摄图片，从而提高用于硬件指纹提取的图片的质量，进而可以提取到高质量的摄像头硬件指纹。

附图说明

图1为本公开实施例提供的一提取摄像头的硬件指纹的方法的示意性流程图。

图2为本公开实施例提供的一判断硬件指纹质量是否合格的方法的示意性流程图。

图3为本公开实施例提供的一提示用户补充图片的方法的示意性流程图。

图4为本公开实施例提供的一种划分摄像头视觉范围的示例图。

图5为图4所示区域对应的可视化提示的示例图。

图6为本公开实施例提供的另一提取摄像头的硬件指纹的方法的示意性流程图。

图7为本公开实施例提供的一提取摄像头的硬件指纹的装置的结构示意图。

图8为本公开实施例提供的另一提取摄像头的硬件指纹的装置的结构示意图。

具体实施方式

下面将结合本公开实施例的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本公开一部分实施例，而不是全部的实施例。

摄像头是一种常见的图像采集设备，可用于获取照片或视频。摄像头广泛应用于监控探头、手机或平板电脑等智能设备。

摄像头在成像时会保留各种噪声。噪声可以包括摄像头的硬件噪声、软件处理噪声等。这些噪声中，有一些噪声可以作为一个摄像头与其他摄像头区分的身份标识，也就是摄像头的硬件指纹。可以作为摄像头硬件指纹的噪声可以包括硬件噪声或软件处理的噪声等。硬件噪声可以包括：传感器的固有偏差或随机白噪声等。软件处理的噪声例如可以是图像处理软件带入的，这些软件处理噪声可以被理解为某种滤波器。

摄像头的硬件指纹具有广泛的应用。例如，摄像头的硬件指纹可以解决数据源头可信问题。也就是说，摄像头作为图像采集设备，是图像数据的源头，可以利用硬件指纹验证图像的真实性。或者，摄像头的硬件指纹也可以用于设备身份认证。作为一个实施例，摄像头的硬件指纹可以用于手机应用软件(application，APP)等身份认证场景，从而提高安全水位。

对于摄像头的硬件指纹应用一般包括提取阶段和验证阶段。

在提取阶段，可以基于摄像头拍摄的图片，提取摄像头的硬件指纹。在验证阶段，可以将提取出的硬件指纹与待验证图片进行比对，从而验证该待验证图片是否由该摄像头拍摄，进而实现验真或身份认证等功能。

摄像头的硬件指纹可以基于照片响应不均匀性分析(photo response non-uniformity，PRNU)或度量学习等方法提取。

Toothpic公司提出了一种基于PRNU的摄像头硬件指纹提取的方法。该方法步骤如下：首先，对RAW格式的图片进行高频滤波，从而提取出PRNU的高频分量。该PRNU的高频分量即可作为摄像头的硬件指纹。其次，将去孤立点后的硬件指纹子集进行压缩，压缩后的硬件指纹可以作为身份一致性的比对依据。该方法具有不可反推原始指纹的优点。

度量学习是一种基于深度学习的学习框架。度量学习的主要过程在于学习两个信息表示之间的差异函数。对于基于度量学习的摄像头硬件指纹提取方法，主要过程是构造硬件指纹相似度的距离函数。

在验证阶段，可以通过置信度等指标对待验证的图片进行验证。置信度例如可以包括：峰值相关能量(peak to correlation energy，PCE)。PCE越高，则表示置信度越高，待验证的图片为该摄像头拍摄的可能性越高。

以包含摄像头的手机为例，在提取阶段，用户可以通过该手机拍摄若干张图片或者一段视频。手机可以通过PRNU或度量学习等技术提取该手机摄像头的硬件指纹。在验证阶段，手机可以计算待验证的图片与提取阶段提取的硬件指纹的PCE。如果PCE的值大于某一阈值，则确定待验证的图片是该摄像头拍摄的，如果PCE的值小于某一阈值，则确定该待验证图片并非该摄像头拍摄的。

提取阶段提取的摄像头硬件指纹的质量直接影响后续验证的效果。验证的效果通常使用误识率或拒识率等指标衡量。误识率可以表示在验证阶段通过摄像头硬件指纹错误识别的比率。拒识率可以表示在验证阶段通过摄像头硬件指纹错误拒绝的比例。可以理解的是，验证的效果可以反映提取的硬件指纹的质量。例如，误识率或拒识率越高，提取的硬件指纹的质量越差。

硬件指纹的质量受到用于提取硬件指纹的图片质量的影响较大。图片质量受到图片参数的影响。参数例如可以包括：明度、饱和度、色调、色相等。当用于提取硬件指纹的图片的参数较为合适时，对于该摄像头而言，图片的质量较高，则提取到的硬件指纹的质量较高。当用于提取硬件指纹的图片的参数不合适时，对于该摄像头而言，图片的质量较低，则硬件指纹的质量较低。

对于不同的摄像头而言，可以提取到高质量硬件指纹的图片的参数是不同的。也就是说，对于某一摄像头而言，基于一些图片可以获取到高质量的硬件指纹，但是对于另一个摄像头，使用相同的参数拍摄的图片提取的硬件指纹质量可能会比较差。可以理解的是，用于提取硬件指纹的图片很难恰好是适合该摄像头的高质量图片，而使用这些图片进行硬件指纹提取，易产生硬件指纹的质量较差的问题。

本公开针对上述问题，提出了一种提取摄像头硬件指纹的方法，以提高提取硬件指纹的质量。

图1为本公开实施例提供的一种提取摄像头硬件指纹的方法的流程性示意图。

图1所示的方法可以由具有运算能力的设备实现。例如，该设备可以为具有运算能力的摄像头，或者包括摄像头的手机、计算机等。

图1所示的方法包括步骤S110～S150。

步骤S110，获取摄像头拍摄的第一组图片。

本公开不限制图片的格式。例如图片的格式可以为RAW或JPEG等格式。

第一组图片中可以包括多张图片。由于硬件指纹通常为非常微弱的噪声信号。因此，通过多张图片提取摄像头的硬件指纹可以使得硬件指纹的提取更加可靠。

图片可以是摄像头拍摄的照片，也可以是摄像头拍摄的视频中的视频帧。

本公开不限制图片的获取方式。例如，图片可以在用户使用摄像头拍摄过程中实时获取，也可以从历史存储的图片中获取。作为一个实施例，在指纹提取的过程中，启动摄像头，提示用户使用摄像头进行拍摄，在用户使用该摄像头拍摄的过程中即可获取摄像头拍摄的图片。

步骤S120，对第一组图片进行划分，得到训练图片和测试图片。

训练图片可以包括一张或多张图片，测试图片也可以包括一张或多张图片，本公开对此不作限制。

图片的划分方式可以根据实际情况灵活选择。例如，可以进行随机和/或按照一定比例切分。作为一个实施例，可以随机选择第一组图片中的一定比例(例如80％)的图片，将这些图片划分为训练图片，将剩余部分(例如20％)划分为测试图片。

步骤S130，从训练图片中提取摄像头的第一硬件指纹。

本公开不限制提取摄像头硬件指纹的方法。例如可以为上文所述的基于PRNU的算法，也可以为基于度量学习的方法。

步骤S140，利用测试图片检测第一硬件指纹的质量是否合格。

摄像头的硬件指纹的质量可以指的是该硬件指纹是否能准确地将大多数摄像头拍摄的图片准确识别。当摄像头的硬件指纹的质量合格时，该硬件指纹可以正确识别出大多数该摄像头拍摄的图片。当摄像头的硬件指纹的质量不合格时，该硬件指纹无法正确识别出大多数该摄像头拍摄的图片。也就是说，如果第一硬件指纹可以准确验证测试图片为该摄像头拍摄的，即可确定第一硬件指纹的质量合格。否则，可以确定该第一硬件指纹的质量不合格。

作为一种实现方式，图2为根据第一硬件指纹和测试图片的相关性判断第一硬件指纹的质量是否合格的方法的示意性流程图。步骤S140可以包括如图2所示的步骤S141～步骤S143。

步骤S141，计算第一硬件指纹和测试图片的相关性。

相关性可以为硬件指纹是否合格的指标。可以理解的是，在验证阶段评价图片是否为该摄像头拍摄的指标，均可以用于计算相关性。

作为一个实施例，可以通过PCE计算相关性。例如，测试图片包括多张图片，相关性可以为第一硬件指纹和所述测试图片的平均PCE。也就是说，可以分别计算第一硬件指纹和测试图片中各个图片的PCE，得到多个PCE，并对这多个PCE求平均值。相关性即可以为上述求得的PCE的平均值。

步骤S142，如果相关性大于预设阈值，则确定第一硬件指纹的质量合格。

步骤S143，如果相关性小于或等于预设阈值，则确定第一硬件指纹的质量不合格。

可选地，预设阈值可以为一个固定的值，也可以根据实际情况动态选择，本公开对此不作限制。

步骤S150，如果第一硬件指纹的质量不合格，向所述摄像头的用户发送第一提示信息，以提示用户利用摄像头补充拍摄图片。

补充拍摄图片可以用于重新提取摄像头硬件指纹。重新提取硬件指纹的过程可以为重复步骤S110～S150。多次重复步骤S110～S150可以实现用户和执行该方法的装置之间的多轮迭代交互。每轮可以由用户拍摄补充的图片，由执行装置提取硬件指纹并判断硬件指纹的质量，以提示用户在下一轮补充拍摄图片。这样不断迭代重复，直到提取的硬件指纹的质量合格。

为了减少迭代的次数，在步骤S110前可以包括以下步骤：向用户提示需要提供的图片的基本标准。例如，当图片为全黑时，与摄像头的硬件指纹相关的噪声几乎被完全过滤，很难提取出摄像头硬件指纹。因此，可以提示用户避免拍摄全黑的图片。

本公开在摄像头硬件指纹提取阶段测试硬件指纹的质量。当硬件指纹的质量不合格时，向用户提示需要利用摄像头补充拍摄图片。实现了一种“主动学习”的策略。也就是说，本公开提出的方法在提取摄像头硬件指纹的过程中，可以同步判断硬件指纹的质量，并在质量不合格时提示用户补充拍摄图片，从而提高用于硬件指纹提取的图片的质量，进而提取到高质量的摄像头硬件指纹。

可以理解的是，当计算能力足够强时，本公开提出的方法的处理速度会很快。在用户单次拍摄的过程中，即可以完成多次迭代交互，多次实时提示用户。对于用户的而言，只需要一次拍摄即可提取搭配高质量的硬件指纹。因此，该方案可以提高了用户的体验感。

当提取的硬件指纹的质量合格时，可以将硬件指纹存储在区块链***中。

区块链***具有可信存证特点，因此广泛应用于关键数据的存储。区块链***例如可以包括蚂蚁链(AntchainStack)。

使用区块链存储硬件指纹，可以进一步提高硬件指纹的安全性。结合区块链，本公开提出的提取摄像头硬件指纹的方法可以应用于基于区块链***的可信端边产品。应用该方法的业务落地场景可以包括：保障链上抽象模型对应的各种属性的真实性。其中，抽象模型的属性可以包括：金融属性(例如质押货物的属性)、法律属性(例如事实、证据的属性)、价值属性(例如商品及原材料的属性)等。

对于区块链而言，本公开提出的提取硬件指纹的方法对于实现区块链源头的可信数据采集有重要应用价值。另外，本公开提出的方法可以将区块链技术在数字世界中定义的资产形态与物理实体打通，从而可以结合各行业商业模式，产生相应业务价值。

当硬件指纹的质量不合格时，不仅可以提示用户补充拍摄图片，也可以提示用户调整拍摄的光线、拍摄的内容或拍摄颜色等，从而调整图片的明度、饱和度、色调、色相等参数，使得用于提取摄像头硬件指纹的图片的质量更高，进而提取到更高质量的硬件指纹。

作为一个实施例，可以对拍摄的整体条件进行提示。例如，在第一提示信息中，可以包括“请调整拍摄光线”、“请改变拍摄角度”等消息。

作为另一个实施例，可以有针对性地引导用户如何拍摄改进的图片。例如，可以提示用户需要调整的区域、需要调整的参数以及如何调整参数等。

为了有针对性地引导用户拍摄改进的图片，本公开实施例提供的提取摄像头硬件指纹的方法还可以包括图3所示步骤S310～S350。

步骤S310，获取所述用户利用所述摄像头补充拍摄的第二组图片。

可以理解的是，第二组图片与第一组图片类似，可以包括多张图片。图片的格式可以为RAW或JPEG等格式。

步骤S320，利用所述第二组图片更新所述训练图片和所述测试图片。

可以将第二组图片进行划分，将划分后的图片分别更新到训练图片和测试图片中。本公开不限制对第二组图片的划分方式，例如可以按比例划分和/或随机划分。

更新过程可以是将第二组图片补充到已有的训练图片和测试图片中。补充训练图片可以使得训练图片数量更多，图片的参数的分布也可以更加全面，这对于提高硬件指纹的质量也是有益的。补充测试图片可以使得硬件指纹质量的检测更加更靠，从而提高硬件指纹质量检测的准确定。

可以理解的是，更新过程也可以使用第二组图片更换已有的训练图片和测试图片。

步骤S330，从更新后的所述训练图片中提取所述摄像头的第二硬件指纹。

步骤S340，确定所述第一硬件指纹和所述第二硬件指纹的对应区域的指纹的差异。

可选地，可以比较第一硬件指纹和第二硬件指纹的对应位置的值的差异。以第一硬件指纹和第二硬件指纹为与摄像头拍摄的图片对应的矩阵为例，可以计算矩阵中对应位置的元素之间的差异，以确定对应区域的指纹的差异。

步骤S350，根据所述指纹的差异，确定所述摄像头的范围内的不确定区域。

不确定区域可以理解为需要改进的区域。也就是说，摄像头视觉范围内，有一些区域的参数比较合适，一些区域的参数不太合适，只需要改进那些参数不合适的区域，即可提高拍摄图片的质量。

可选地，可以将硬件指纹的指纹区域划分为多个区域。在多个区域中，根据上述差异可以确定哪个或哪些区域为不确定区域。例如，当某个区域的指纹差异较大时，可以确定为不确定区域。

本公开对划分的区域数目不做限制。可以理解的是，不确定区域可以用于提示用户需要改进的区域位置。划分的区域越多，每个区域的面积越小，指纹区域的划分越细致，确定的不确定区域的边界越精准。

作为一个实施例，可以将指纹区域划分为网格状的多个区域。如图4所示，指纹区域可以被划分为3行3列(3×3)的网格区域(如图4中加粗边框的9个区域)。为便于描述，下文通过[行号，列号]的方式表示各网格区域(图4中的行号和列号在左侧和上侧标记出)。例如，[1,2]可以表示第1行第2列的网格区域。

多个区域可以进一步划分，以简化判断区域是否为不确定的区域的计算复杂度。例如，每个区域可以进一步划分为多个格子。如图4所示，每个网格区域被划分为3×3的格子。当格子中的硬件指纹的差异较大时，则将该格子标记为不确定格子(在图4中，不确定格子通过灰色格子标记)。当一个区域中不确定格子的数目大于或等于预先设定的阈值时，该区域可以被标记为不确定区域。例如，预先设定的阈值可以为3，图4中[1,2]和[2,1]区域中不确定格子数等于3，则可以被确定为不确定区域。

步骤S360，向所述用户发送第二提示信息，以提示所述用户提升所述不确定区域的拍摄质量。

第二提示信息中可以包括不确定区域的位置，以提示用户对该不确定区域进行改进。

第二提示信息可以可视化地显示在摄像头对应的显示屏上，以直观地向用户提示。图5为图4所示区域对应的可视化提示的示例图。如图5所示，可以对图4中不确定区域(例如[1,2]和[2,1]区域)进行高亮，以提示用户对该区域进行改进。

本公开通过上述步骤可以向用户提示不确定区域的位置，从而引导用户针对性地改进该不确定区域，进而可以使用户快速高效地补充高质量的图片。

上文说明了如何确定不确定区域的位置。本申请还提出一种确定不确定区域的目标参数的改进方向的方法。通过该方法，用户可以有目的性地改进该区域。

目标参数例如可以为与提取硬件指纹的图片质量相关的参数，例如明度、饱和度或色相等参数中的一个或多个。作为一种实施方式，目标参数可以通过计算图片中不确定区域的多个像素点的明度的平均值得到。

改进方向例如可以为计算得到的目标参数相反的方向。例如，当不确定区域的目标参数较低时，改进方向为提高该参数。当不确定区域的目标参数较高时，改进方向为降低该参数。目标参数的高低可以通过预设阈值衡量，也可以基于其他确定区域衡量，本公开对此不做限制。

不确定区域的目标参数的改进方向可以通过第二提示信息向用户提示。

继续以图4为例，如果计算得到区域[1,2]的平均明度较低且色相更冷，则第二提示信息可以提示：区域[1,2]需要更亮更暖。如果计算得到区域[2,1]的平均明度较低且色相更暖，则第二提示信息可以提示：区域[2,1]需要更亮更冷。

目标参数的改进方向也可以通过可视化的方式进行提示。例如，可以使用不同的颜色、文字或标识对目标参数的改进方向进行提示。

继续以图4为例，第二提示信息可以如图5所示。第二提示信息可以通过在不确定区域的位置使用文字进行提示。例如，可以在区域[1,2]的位置处使用文字提示“需要更亮更暖”。第二提示信息也可以通过颜色对改进方向进行表示。例如，在需要更暖的区域，使用红色等暖色系进行提示，或者，在需要更冷的区域，使用蓝色等冷色系进行提示。

下面，以手机摄像头为例，说明本公开实施例提供的一种提取摄像头硬件指纹的方法。图6为提取手机摄像头硬件指纹的方法，包括步骤S610～S690。该方法可以由包括摄像头的手机执行。

步骤S610，启动摄像头。

步骤S620，拍摄第一组图片，将第一组图片切分为训练图片和测试图片两部分。

第一组图片可以包括多张图片，训练图片和测试图片也可以包括多张图片。多张测试图片可以组成测试集合，多张训练图片可以组成训练集合。

步骤S630，基于训练集合中的多张图片，提取摄像头的硬件指纹，得到第一硬件指纹。

步骤S640，基于测试集合中的多张图片，检测硬件指纹是否达到置信度要求。也就是说，利用测试图片，检测第一硬件指纹的质量是否合格。

若硬件指纹未达到置信度要求，则进行步骤S680和步骤S690。

步骤S680，将满足置信度要求的硬件指纹注册到区块链***中。

步骤S690，关闭摄像头。

若硬件指纹达到置信度要求，则进行步骤S650～S670。

步骤S650，检测摄像头视觉范围内的不确定区域。

步骤S660，提示不确定区域。可以在手机的显示屏上可视化显示不确定区域。提示的内容可以包括不确定区域的位置和/或不确定区域的目标参数的改进方向。

用户根据提示，可以继续拍摄补充的图片。

步骤S670，获取用户补充拍摄的第二组图片。将第二组图片进行切分，将切分后的图片分别补充到训练集合和测试集合中，以更新训练集合和测试集合。

基于更新的训练集合和测试集合，可以进行多轮的迭代。也就是多次重复步骤S630～S670，直到提取到的硬件指纹满足置信度的要求。

上文结合图1～图6，详细描述了本公开的方法实施例。下面结合图7至图8，详细描述本公开的装置实施例。应理解，方法实施例的描述与装置实施例的描述相互对应，因此，未详细描述的部分可以参见前面方法实施例。

图7是本公开实施例提供的一提取摄像头的硬件指纹的装置700的示意性结构图。该装置700可以包括：第一获取单元710、划分单元720、第一提取单元730、检测单元740以及第一发送单元750。

第一获取单元710可以用于获取所述摄像头拍摄的第一组图片。

划分单元720可以用于对所述第一组图片进行划分，得到训练图片和测试图片。

第一提取单元730可以用于从所述训练图片中提取所述摄像头的第一硬件指纹。

检测单元740可以用于利用所述测试图片检测所述第一硬件指纹的质量是否合格。

第一发送单元750用于如果所述第一硬件指纹的质量不合格，向所述摄像头的用户发送第一提示信息，以提示所述用户利用所述摄像头补充拍摄图片。

可选地，所述检测单元包括：第一计算单元，用于计算所述第一硬件指纹和所述测试图片的相关性；判断单元，包括：如果所述相关性大于预设阈值，则确定所述第一硬件指纹的质量合格；如果所述相关性小于或等于所述预设阈值，则确定所述第一硬件指纹的质量不合格。

可选地，所述相关性为所述第一硬件指纹和所述测试图片的平均峰值相关能量。

可选的，所述装置700还包括：第二获取单元，用于获取所述用户利用所述摄像头补充拍摄的第二组图片；更新单元，用于利用所述第二组图片更新所述训练图片和所述测试图片；第二提取单元，用于从更新后的所述训练图片中提取所述摄像头的第二硬件指纹；对比单元，用于确定所述第一硬件指纹和所述第二硬件指纹的对应区域的指纹的差异；确定单元，用于根据所述指纹的差异，确定所述摄像头的视觉范围内的不确定区域；第二发送单元，用于向所述用户发送第二提示信息，以提示所述用户提升所述不确定区域的拍摄质量。

可选地，所述装置700还包括：第二计算单元，用于计算所述不确定区域的目标参数，所述目标参数包括所述不确定区域的明度、饱和度、色相中的至少一种；其中，所述第二提示信息包含提示所述不确定区域的所述目标参数的改进方向的信息。

可选地，所述装置700还包括：显示单元，用于在所述摄像头对应的显示屏幕上以可视化的方式呈现所述不确定区域以及所述第二提示信息。

可选地，所述装置700还包括：存储单元，用于如果所述第一硬件指纹的质量合格，则将所述第一硬件指纹存储至区块链***。

可选地，所述第一提取单元730包括：第三提取单元，用于采用PRNU或度量学习的方式从所述训练图片中提取所述第一硬件指纹。

图8是本公开又一实施例提供的装置结构示意图。该装置800例如可以是具有计算功能的计算设备。比如，装置800可以是服务器。装置800可以包括存储器810和处理器820。存储器810可用于存储可执行代码。存储器810还可用于存储图数据。处理器820可用于执行所述存储器810中存储的可执行代码，以实现前文描述的各个方法中的步骤。在一些实施例中，该装置800还可以包括网络接口830，处理器820与外部设备的数据交换可以通过该网络接口830实现。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其他任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本公开实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line，DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如，软盘、硬盘、磁带)、光介质(例如数字视频光盘(digital video disc，DVD))、或者半导体介质(例如固态硬盘(solid state disk，SSD))等。

本领域普通技术人员可以意识到，结合本公开实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本公开的范围。

在本公开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，在本公开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。

以上所述，仅为本公开的具体实施方式，但本公开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公开揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应以所述权利要求的保护范围为准。

Claims (17)

1.一种提取摄像头的硬件指纹的方法，包括：

获取所述摄像头拍摄的第一组图片；

对所述第一组图片进行划分，得到训练图片和测试图片；

从所述训练图片中提取所述摄像头的第一硬件指纹；

利用所述测试图片检测所述第一硬件指纹的质量是否合格；

如果所述第一硬件指纹的质量不合格，向所述摄像头的用户发送第一提示信息，以提示所述用户利用所述摄像头补充拍摄图片。

2.根据权利要求1所述的方法，所述利用所述测试图片检测所述第一硬件指纹的质量是否合格，包括：

计算所述第一硬件指纹和所述测试图片的相关性；

如果所述相关性大于预设阈值，则确定所述第一硬件指纹的质量合格；

如果所述相关性小于或等于所述预设阈值，则确定所述第一硬件指纹的质量不合格。

3.根据权利要求2所述的方法，所述相关性为所述第一硬件指纹和所述测试图片的平均峰值相关能量。

4.根据权利要求1所述的方法，所述方法还包括：

获取所述用户利用所述摄像头补充拍摄的第二组图片；

利用所述第二组图片更新所述训练图片和所述测试图片；

从更新后的所述训练图片中提取所述摄像头的第二硬件指纹；

确定所述第一硬件指纹和所述第二硬件指纹的对应区域的指纹的差异；

根据所述指纹的差异，确定所述摄像头的视觉范围内的不确定区域；

向所述用户发送第二提示信息，以提示所述用户提升所述不确定区域的拍摄质量。

5.根据权利要求4所述的方法，所述方法还包括：

计算所述不确定区域的目标参数，所述目标参数包括所述不确定区域的明度、饱和度、色相中的至少一种；

其中，所述第二提示信息包含提示所述不确定区域的所述目标参数的改进方向的信息。

6.根据权利要求4所述的方法，所述方法还包括：

在所述摄像头对应的显示屏幕上以可视化的方式呈现所述不确定区域以及所述第二提示信息。

7.根据权利要求1所述的方法，所述方法还包括：

如果所述第一硬件指纹的质量合格，则将所述第一硬件指纹存储至区块链***。

8.根据权利要求1所述的方法，所述从所述训练图片中提取所述摄像头的第一硬件指纹，包括：

采用照片响应不均匀性分析或度量学习的方式从所述训练图片中提取所述第一硬件指纹。

9.一种提取摄像头的硬件指纹的装置，包括：

第一获取单元，用于获取所述摄像头拍摄的第一组图片；

划分单元，用于对所述第一组图片进行划分，得到训练图片和测试图片；

第一提取单元，用于从所述训练图片中提取所述摄像头的第一硬件指纹；

检测单元，利用所述测试图片检测所述第一硬件指纹的质量是否合格；

第一发送单元，用于如果所述第一硬件指纹的质量不合格，向所述摄像头的用户发送第一提示信息，以提示所述用户利用所述摄像头补充拍摄图片。

10.根据权利要求9所述的装置，所述检测单元包括：

第一计算单元，用于计算所述第一硬件指纹和所述测试图片的相关性；

判断单元，用于如果所述相关性大于预设阈值，则确定所述第一硬件指纹的质量合格；

如果所述相关性小于或等于所述预设阈值，则确定所述第一硬件指纹的质量不合格。

11.根据权利要求10所述的装置，所述相关性为所述第一硬件指纹和所述测试图片的平均峰值相关能量。

12.根据权利要求9所述的装置，所述装置还包括：

第二获取单元，用于获取所述用户利用所述摄像头补充拍摄的第二组图片；

更新单元，用于利用所述第二组图片更新所述训练图片和所述测试图片；

第二提取单元，用于从更新后的所述训练图片中提取所述摄像头的第二硬件指纹；

对比单元，用于确定所述第一硬件指纹和所述第二硬件指纹的对应区域的指纹的差异；

确定单元，用于根据所述指纹的差异，确定所述摄像头的视觉范围内的不确定区域；

第二发送单元，用于向所述用户发送第二提示信息，以提示所述用户提升所述不确定区域的拍摄质量。

13.根据权利要求12所述的装置，所述装置还包括：

第二计算单元，用于计算所述不确定区域的目标参数，所述目标参数包括所述不确定区域的明度、饱和度、色相中的至少一种；

其中，所述第二提示信息包含提示所述不确定区域的所述目标参数的改进方向的信息。

14.根据权利要求12所述的装置，所述装置还包括：

显示单元，用于在所述摄像头对应的显示屏幕上以可视化的方式呈现所述不确定区域以及所述第二提示信息。

15.根据权利要求9所述的装置，所述装置还包括：

存储单元，用于如果所述第一硬件指纹的质量合格，则将所述第一硬件指纹存储至区块链***。

16.根据权利要求9所述的装置，所述第一提取单元包括：

第三提取单元，用于采用照片响应不均匀性分析或度量学习的方式从所述训练图片中提取所述第一硬件指纹。

17.一种提取摄像头的硬件指纹的装置，包括存储器和处理器，所述存储器中存储有可执行代码，所述处理器被配置为执行所述可执行代码，以实现权利要求1-8中任一项所述的方法。

Images