CN116205250A - 一种二维码的唯一化标记的验证方法及其验证*** - Google Patents

Abstract

本发明涉及一种二维码的唯一化标记的验证方法，包括：对于待识别的码牌图像，通过扫描所述码牌图像采集到码牌图像信息，其中，所述码牌图像由二维码和纹理图像构成，并且码牌图像的图像特征数据已被作为二维码的唯一化标记预先存储并且已预先存储唯一化标记与二维码之间的匹配关系；基于码牌图像信息采用预设的风险模型进行风险判别，在风险判别为不存在风险的情况下继续下述步骤；以及从码牌图像信息中解析获得二维码和纹理图像，基于二维码和纹理图像得到码牌图像的图像特征数据作为唯一化标记，判断识别出的唯一化标记与解析获得的二维码是否满足所述匹配关系，在满足所述匹配关系的情况下则唯一化标记验证成功。

Description

一种二维码的唯一化标记的验证方法及其验证***

技术领域

本发明涉及计算机技术，具体地涉及一种二维码的唯一化标记的验证方法以及二维码的唯一化标记的验证***。

背景技术

二维码信息属于***息，容易被复制分发。

针对二维码容易被复制分发的问题，现有技术中已出现方案有以下两种：

（1）位置分析法：基于用户设备位置信息与商户地址信息分析，防止远程飞码使用。

（2）基于标签的收款码

在现有商户静态码码牌基础上增加低功耗蓝牙模块，开启广播模式，基于短距离通信方式与所述收款码对应的标签装置进行交互从而获取安全校验信息；以及基于所述安全校验信息，向支付后台上送支付请求。

但是上述两种方案存在的缺点或问题有：

（1）对于位置分析法，存在设备位置容易被篡改的问题。

（2）对于基于标签的收款码，需要商户码牌增加蓝牙等电子模块装置，有一定装置复杂度及维护成本。

发明内容

鉴于上述问题，本发明旨在提出一种不需要增加硬件设施就能够提高交易安全性的二维码的唯一化标记的验证方法以及二维码的唯一化标记的验证***。

本发明一方面的二维码的唯一化标记的验证方法，其特征在于，包括：

扫码采集步骤，对于待识别的码牌图像，通过扫描所述码牌图像采集到码牌图像信息，其中，所述码牌图像由二维码和纹理图像构成，其中，基于所述二维码和纹理图像得到的图像特征数据被作为二维码的唯一化标记已预先存储，并且已预先存储唯一化标记与二维码之间的匹配关系；

风险判别步骤，基于所述码牌图像信息采用预设的风险模型进行风险判别，在风险判别为不存在风险的情况下继续下述的标记验证步骤；以及

标记验证步骤，从所述码牌图像信息中解析获得二维码和纹理图像，将基于所述二维码和所述纹理图像得到的图像特征数据作为唯一化标记识别出，判断识别出的唯一化标记与解析获得的二维码是否满足所述匹配关系，在满足所述匹配关系的情况下则唯一化标记验证成功，否则唯一化标记验证失败。

可选地，在所述扫描采集步骤之前进一步包括：

唯一化标记生成步骤，由二维码和位于所述二维码周围的纹理图像构成码牌图像，根据所述二维码和所述纹理图像生成图像特征数据，将所述图像特征数据作为唯一化标记进行存储，并且存储所述唯一化标记与所述二维码之间的匹配关系。

可选地，所述二维码周围的纹理图像包括以下的一项或者多项的组合：

二维码周围的随机纹理图像；以及

二维码码周围的环境不变细微特征图像。

可选地，在所述唯一化标记生成步骤中进一步包括：

获取码牌图像的原始的反光度特征数据；

在所述匹配关系中进一步存储所述原始的反光度特征数据与唯一化标记及二维码之间的匹配关系。

可选地，在所述风险判别步骤中，采用深度学习网络模型对于所述码牌图像信息判断是否为视频攻击场景或者照片攻击场景，在判断为不是的情况下继续所述标记验证步骤。

可选地，所述深度学习网络模型的模型训练数据中，作为正样本数据采用码牌图像，作为负样本数据采用电子设备播放的照片、视频以及打印的照片。

可选地，在所述风险判别步骤中，基于所述码牌图像信息进一步获得当前的反光度特征数据，基于所述当前的反光度特征数据进行风险判别。

可选地，在所述风险判别步骤中包括：

基于所述码牌图像信息获得当前的反光度特征数据；

计算所述当前的反光度特征数据和所述原始的反光度特征数据之间的相似度，获得第一相似度值；

计算所述当前的反光度特征数据和对于同一码牌图像通过不同终端获得的反光度特征数据之间的相似度，获得第二相似度值；

基于所述第一相似度值和所述第二相似度值的加权计算，获得综合相似度值；以及

基于所述综合相似度值进行风险判别。

可选地，在所述扫码采集步骤中，对于待识别的码牌图像采集多张码牌图像的码牌图像信息，

在所述风险判别步骤中，对于所述多张码牌图像信息获得多个当前的反光度特征数据，判断所述多个当前的反光度特征数据之间是否有变化发生，若判断为有变化发生，则判别为不存在风险。

可选地，所述随机纹理图像包括在预设的定位点上随机分布的参杂物，采用数字化矢量图形***基于所述码牌图像生成所述图像特征数据。

可选地，所述标记验证步骤包括：

从所述扫描采集步骤采集到的码牌图像信息中解析获得二维码和随机纹理图像；

对于所述随机纹理图像中的参杂物，记录相对于二维码的位置信息和色彩信息；

基于所述预设的定位点对所述位置信息进行位置空间校正并且基于所述综合相似度值对于所述色彩信息进行色彩校正，得到校正后的位置信息和色彩信息作为识别出的图像特征数据；以及

将所述识别出的图像特征数据与已存储的图像特征数据进行比较，如果两者相似度大于预设阈值则判断为识别出的图像特征数据与解析获得的二维码满足所述匹配关系。

可选地，进一步包括：

风控执行步骤，在所述风险判别步骤中判别为存在风险的情况下以及在所述标记验证步骤中唯一化标记验证失败的情况下执行风控措施。

本发明一方面的用于二维码的唯一化标记验证的服务后台，其特征在于，包括：

唯一化标记生成模块，用于根据二维码和位于二维码周围的纹理图像生成图像特征数据，将所述图像特征数据作为唯一化标记进行存储，并且预先存储所述唯一化标记与所述二维码之间的匹配关系，其中，二维码和位于二维码周围的纹理图像构成码牌图像；

风险判别模块，基于从用户终端收到的码牌图像信息采用预设的风险模型进行风险判别，在风险判别为不存在风险的情况下继续下述的标记验证模块，其中，从用户终端接收到的码牌图像信息是对于待识别的码牌图像通过用户终端扫描码牌图像采集到码牌图像信息并上传到所述服务后台；以及

标记验证模块，从所述扫描采集模块采集到的码牌图像信息中解析获得二维码和纹理图像，基于所述二维码和所述纹理图像识别出图像特征数据，判断识别出的图像特征数据与解析获得的二维码是否满足所述匹配关系，在满足所述匹配关系的情况下允许执行基于二维码的相关操作。

可选地，所述二维码周围的纹理图像包括以下的一项或者多项的组合：

二维码周围的随机纹理图像；以及

二维码码周围的环境不变细微特征图像。

可选地，在所述唯一化标记生成模块中，所述随机纹理图像包括在预设的定位点上随机分布的参杂物，采用数字化矢量图形***基于所述码牌图像生成所述图像特征数据。

可选地，所述唯一化标记生成模块中进一步获取码牌图像的原始的反光度特征数据，并且在所述匹配关系中进一步存储所述原始的反光度特征数据与唯一化标记及二维码之间的匹配关系。

可选地，在所述风险判别模块中，采用深度学习网络模型对于所述码牌图像信息判断是否为视频攻击场景或者照片攻击场景，在判断为不是的情况下继续所述标记验证模块。

可选地，所述深度学习网络模型的模型训练数据中，作为正样本数据采用码牌图像，作为负样本数据采用电子设备播放的照片、视频以及打印的照片。

可选地，在所述风险判别模块中，基于所述码牌图像信息进一步获得当前的反光度特征数据，基于所述当前的反光度特征数据进行风险判别。

可选地，在所述风险判别模块中进一步基于所述码牌图像信息获得当前的反光度特征数据，计算所述当前的反光度特征数据和所述原始的反光度特征数据之间的相似度，获得第一相似度值，计算所述当前的反光度特征数据和对于同一码牌图像由不同终端扫描获得的反光度特征数据之间的相似度，获得第二相似度值，基于所述第一相似度值和所述第二相似度值的加权计算，获得综合相似度值，基于所述综合相似度值进行风险判别。

可选地，从用户终端收到的码牌图像信息为多张码牌图像信息的情况下，在所述风险判别模块中，对于所述多张码牌图像信息获得多个当前的反光度特征数据，判断所述多个当前的反光度特征数据之间是否有变化发生，若判断为有变化发生，则判别为不存在风险。

可选地，在所述标记验证模块中，从所述扫描采集模块采集到的码牌图像信息中解析获得二维码和纹理图像，对于所述纹理图像中的参杂物，记录相对于二维码的位置信息和色彩信息，基于所述预设的定位点对所述位置信息进行位置空间校正并且基于所述综合相似度值对于所述色彩信息进行色彩校正，得到校正后的位置信息和色彩信息作为识别出的图像特征数据，及将所述识别出的图像特征数据与已存储的图像特征数据进行比较，如果两者相似度大于预设阈值则判断为识别出的图像特征数据与解析获得的二维码满足所述匹配关系。

可选地，进一步包括：风控执行模块，在所述风险判别模块中判别为存在风险的情况下以及在所述标记验证模块中判断为不满足所述匹配关系的情况下实施风控措施。

本发明一方面的二维码的唯一化标记的识别***，其特征在于，包括：服务后台和用户终端，

其中，所述服务后台包括：

唯一化标记生成模块，用于基于二维码和位于所述二维码周围的纹理图像生成码牌图像，根据所述二维码和所述纹理图像生成图像特征数据，将所述图像特征数据作为唯一化标记进行存储，并且存储所述唯一化标记与所述二维码之间的匹配关系，

风险判别模块，基于从所述用户终端收到的码牌图像信息采用预设的风险模型进行风险判别，在风险判别为不存在风险的情况下继续下述的标记验证模块，其中，从用户终端接收到的码牌图像信息是对于待识别的码牌图像通过用户终端扫描码牌图像采集到码牌图像信息并上传到所述服务后台；以及

标记验证模块，从所述扫描采集模块采集到的码牌图像信息中解析获得二维码和纹理图像，基于所述二维码和所述纹理图像识别出图像特征数据，判断识别出的图像特征数据与解析获得的二维码是否满足所述匹配关系，在满足所述匹配关系的情况下允许执行基于二维码的相关操作，

所述用户终端用于对于待识别的码牌图像通过扫描码牌图像采集到码牌图像信息并将所述码牌图像信息上传到所述服务后台。

本发明一方面的计算机可读介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现所述的二维码的唯一化标记的验证方法。

本发明一方面的计算机设备，包括存储模块、处理器以及存储在存储模块上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现所述的二维码的唯一化标记的验证方法。

根据本发明的二维码的唯一化标记的验证方法以及二维码的唯一化标记的验证***，通过将二维码与二维码周围的随机纹理图像构成商户的码牌图像，使得商户的码牌图像具有唯一性特征，即生成唯一化标记，由于加入了随机纹理图像，因此，该唯一化标记具有随机性并且难以复制。当基于二维码进行交易时，在扫码过程中，通过用户终端扫描获得码牌图像，获得码牌图像信息，根据获得的码牌图像信息进行风险判别以及唯一化标记的验证，根据风险判别结果及唯一化标记的验证结果，决定是否对交易采用分级风控措施（例如，限制额度、禁止交易等），由此，能够避免二维码的滥用（例如非面对面交易），提高基于二维码的交易的安全性。

附图说明

图1是表示本发明的二维码的唯一化标记验证方法的概要流程图。

图2是表示二维码和位于所述二维码周围的随机纹理图像构成的码牌图像的一个示例。

图3是表示本发明的二维码的唯一化标记的验证方法的一个具体实施方式的流程图。

图4是表示本发明的二维码的唯一化标记验证***的结构框图。

具体实施方式

下面介绍的是本发明的多个实施例中的一些，旨在提供对本发明的基本了解。并不旨在确认本发明的关键或决定性的要素或限定所要保护的范围。

出于简洁和说明性目的，本文主要参考其示范实施例来描述本发明的原理。但是，本领域技术人员将容易地认识到，相同的原理可等效地应用于所有类型的二维码的唯一化标记验证方法以及二维码的唯一化标记验证***，并且可以在其中实施这些相同的原理以及任何此类变化不背离本专利申请的真实精神和范围。

而且，在下文描述中，参考了附图，这些附图图示特定的示范实施例。在不背离本发明的精神和范围的前提下可以对这些实施例进行电、机械、逻辑和结构上的更改。此外，虽然本发明的特征是结合若干实施/实施例的仅其中之一来公开的，但是如针对任何给定或可识别的功能可能是期望和/或有利的，可以将此特征与其他实施/实施例的一个或多个其他特征进行组合。因此，下文描述不应视为在限制意义上的，并且本发明的范围由所附权利要求及其等效物来定义。

诸如“具备”和“包括”之类的用语表示除了具有在说明书和权利要求书中有直接和明确表述的单元（模块）和步骤以外，本发明的技术方案也不排除具有未被直接或明确表述的其它单元（模块）和步骤的情形。

图1是表示本发明的二维码的唯一化标记验证方法的概要流程图。

如图1所示，本发明的二维码的唯一化标记验证方法大致可以分为以下的步骤：

唯一化标记生成步骤S100：由二维码和位于所述二维码周围的纹理图像构成码牌图像，根据所述二维码和所述纹理图像利用特征算法生成图像特征数据，将所述图像特征数据作为唯一化标记进行存储，并且存储所述唯一化标记与所述二维码之间的匹配关系；

扫码采集步骤S200：对于待识别的码牌图像，例如利用用户终端扫描码牌图像采集到码牌图像信息；

风险判别步骤S300：基于所述码牌图像信息采用预设的风险模型进行风险判别，在判别为不存在风险的情况下继续下述的标记验证步骤，否则跳至下述的风控执行步骤S400；

标记验证步骤S400：从所述码牌图像信息中解析获得二维码和纹理图像，基于所述二维码和所述纹理图像利用特征算法获得图像特征数据，即识别出唯一化标记，判断识别出的唯一化标记与解析获得的二维码是否满足所述匹配关系，在满足所述匹配关系的情况下则唯一化标记验证通过，则可以继续后续的基于二维码的相关操作（未图示），否则唯一化标记验证失败并继续下述的风控执行步骤S400；以及

风控执行步骤S500：执行风控措施。

在唯一化标记生成步骤S100中，由二维码和位于所述二维码周围的纹理图像构成码牌图像，基于二维码的预设的定位点建立位置参考坐标系，采集二维码周围的纹理图像的颜色形状与位置坐标等，基于上述数据中的一组或多种组合，应用特征算法根据所述二维码和所述纹理图像生成图像特征数据，将所述图像特征数据作为唯一化标记进行存储，并且存储所述唯一化标记与所述二维码之间的匹配关系。作为图像特征数据的一个示例，例如可以是记录纹理图像中的掺杂物相对于二维码的相对位置信息及色彩信息的数据序列。

图2是表示二维码和位于所述二维码周围的纹理图像构成的码牌图像的一个示例。

在图2中作为码牌图像示例了商户二维码码牌的一个示例。图2所示的码牌图像的当中是二维码区域，在二维码区域周围是唯一化标记的标识区域，唯一化标记的标识区域可以由随机纹理图像构成。优选地，还可以进一步在二维码区域和唯一化标记的标识区域之上使用镀膜等封装技术以防止码牌图像被拆解扫描复印。

对于二维码和位于二维码周围的随机纹理图像构成的码牌图像的再一个示例进行说明。

例如，纹理纸具有一些随机分布的掺杂物，该掺杂物形成纸张的纹理，在本发明中可以基于这样的纹理纸张等材料印刷二维码，由此，二维码和位于其周围的随机纹理图像就构成了二维码的码牌图像。在此基础上，进一步采用覆膜压制等封装技术紧密贴合，使二维码的码牌图像难以被拆解以及扫描复印。通过使用具有随机性的数字化矢量图形技术，生成纹理特征，用于作为唯一化标记。

对于位于二维码周围的纹理图像的再一个示例进行说明。

除了采用纹理纸等生成随机纹理图像作为唯一标识区域之外，还可以采用码牌周围的环境不变细微特征图像（例如，采用商户码牌张贴墙壁上的细小纹理等这样的不变的细微特征）来生成唯一化标记，或者也可以将码牌周围的环境不变细微特征图像与生成的随机纹理图像结合一起用于生成唯一化标记。当采用商户码牌张贴墙壁上的细小纹理的情况下，可在商户开通申请码牌后张贴码牌后，采集这一唯一化标记数据并在服务后台建立绑定关系。

也就是说，在本发明中，二维码周围的纹理图像可以包括以下的一项或者多项的组合：

二维码周围的随机纹理图像；以及

二维码码周围的环境不变细微特征图像。

在以下的具体实施方式中主要以随机纹理图像为示例进行说明。

在风险判别步骤S300中，基于码牌图像信息采用预设的风险模型进行风险判别，这里作为风险模型可以采用以下的任意一种风险模型或者可以同时采用以下的两种风险模型：

（1）第一风险模型

基于深度学习网络模型，识别码牌图像信息是否为使用电子设备播放的照片、视频攻击场景、打印照片攻击场景等。

（2）第二风险模型

基于不同用户对同一码牌图像进行扫码而得到的反光度特征数据进行相似度模型分析，以分析是否存在风险。

如果在风险判别步骤S300中判断为存在风险的情况下，则触发风控执行步骤S500，如果在分析判断步骤S300中判断为不存在风险的情况下，则继续执行标记验证步骤S400，在标记验证步骤S400中对唯一化标记进行验证，如果唯一化标记验证通过，则可以执行有关二维码的后续相关操作（例如授权访问进行支付服务等），而如果对唯一化标记进行的验证没有通过的情况下，则触发风控执行步骤S500。

在风控执行步骤S500中，作为风控措施，例如可以采用对于基于二维码的相关交易采取禁止交易、限制交易额度等的措施。

这样，利用本发明的二维码的唯一化标记验证方法，对于商户的二维码，通过将其与周围的纹理图像构成码牌图像作为二维码的唯一化标记，通过对于唯一化标记的识别能够有效防范线下静态二维码被滥用或远程使用。

接着，对于本发明的二维码的唯一化标记的验证方法的一个具体实施方式进行说明。

图3是表示本发明的二维码的唯一化标记的验证方法的一个具体实施方式的流程图。

图3中表示的二维码的唯一化标记的验证过程，在验证之前，针对码牌图像预先形成唯一化标记并在服务后台预先存储二维码和唯一标记的对应关系：例如，对于由二维码和位于二维码周围的随机纹理图像构成的码牌图像，根据二维码和随机纹理图像生成图像特征数据，将图像特征数据作为唯一化标记并且在服务后台预先存储唯一化标记与二维码之间的匹配关系。

作为唯一化标记的一个示例，例如在图2所示的二维码的码牌图像中的唯一化标记标识区域预先设定若干个定位点，通过定位点定位随机分布的掺杂物并且在服务后台记录掺杂物相对于二维码的相对位置信息及色彩信息，形成原始状态的数据序列{(X，Y)，(R，G，B)}，其中，前两位为位置坐标信息，后三位为颜色特征信息。

进一步，可选地，还可以应用图像特征统计分析算法，将码牌图像的反光度等的特征一起记录在所述匹配关系中（用于后续的子模型B的分析）。

图3所示，本发明的二维码的唯一化标记的验证方法的一个具体实施方式包括以下的验证流程：

S1：开始；

S2：通过相机扫描码牌图像（例如，用户采用移动终端的摄像头扫描码牌图像），采集到码牌图像信息；

S3：将码牌图像信息加密上传到服务后台；

S4：进行基于子模型A的分析，具体地，子模型A例如采用深度学习监督学习模型（如DenseNet），利用该模型用于鉴别是否为使用电子设备播放照片、视频攻击场景、打印照片攻击场景等，该模型训练数据中，正样本数据为码牌图像，负样本为电子设备播放的照片、视频、照片打印等等；

S5: 进行基于子模型B的分析，作为子模型B，例举以下的一个示例：应用机器学习传统图像算法（如Hu矩）统计码牌图像信息中的反光度特征，计算获得的反光度特征与服务后台已记录的反光度特征之间的第一相似度a1，计算获得的反光度特征与从其他用户上传到服务后台的、基于同一商户码牌获得的反光度特征之间的第二相似度a2，将第一相似度a1和第二相似度a2加权计算得到综合特征相似度a3，基于综合特征度a3进行风险判别，如果综合特征度a3越低，则风险越大，另外，对于反光度特征，还可以选择地增加以下的风险判别，例如在一次扫码过程中对于同一码牌图像采集多张码牌图像信息，判断多张码牌图像信息中的反光度特征是否有变化，如果无变化则疑似为照片打印场景，判断为风险度高；

S6：通过基于子模型B的分析得到与服务后台中的图像统计特征（例如，反光度特征）的比对结果；

S7：基于子模型A的分析结果和子模型B 的分析结果，判断风险评分是否大于预设的安全阈值，如果是（Y），则说明不存在风险则继续S12，如果否（N），则说明存在风险则跳至S17；

S8: 另一方面，对于码牌图像信息通过SDK实现二维码识别定位并解析获得URL；

S9：从采集码牌图像信息中识别出若干个定位点；

S10：基于定位点进行位置空间校正；

S11：另一方面，基于从S6中获得的图像统计特征（例如，反光度特征）的比对结果，对颜色空间数据进行色彩校正；

S12：经过S10的位置空间校正和S11的色彩校正之后得到的数据为{(X'，Y')，(R'，G'，B')}，对数据进行排序，形成特征序列，得到校正后的特征序列；

S13：进行唯一化标识的特征比对：计算校正后的特征序列与预先存储在服务后台的原始状态的数据序列之间的相似度（例如，余弦相似度）；

S14：基于两者的相似度判断两者的一致性，当判断为一致（Y），则继续S15，如果判断为不一致（N），否则跳至S17；

S15：服务后台返回对应于该二维码的TOKEN（即包含商户账号的等相关信息）；

S16：通过TOKEN和S8中得到的URL跳转支付页面，之后跳至S18；

S17：触发实施风控措施；

S18：结束。

图4是表示本发明的二维码的唯一化标记验证***的结构框图。

如图4所示，本发明的二维码的唯一化标记验证***包括：用户终端100、服务后台200以及商户终端300。

其中，用户终端100用于对于待识别的码牌图像通过扫描码牌图像采集到码牌图像信息并将码牌图像信息上传到服务后台200。

其中，服务后台200包括：

唯一化标记生成模块210，用于根据二维码和位于二维码周围的纹理图像生成图像特征数据，将所述图像特征数据作为唯一化标记进行存储，并且预先存储所述唯一化标记与所述二维码之间的匹配关系，其中，二维码和位于二维码周围的纹理图像构成码牌图像；

风险判别模块220，基于从用户终端收到的码牌图像信息采用预设的风险模型进行风险判别，在风险判别为不存在风险的情况下继续下述的标记验证模块230，其中，从用户终端接收到的码牌图像信息是对于待识别的码牌图像通过用户终端扫描码牌图像采集到码牌图像信息并上传到所述服务后台；

标记验证模块230，从所述扫描采集模块采集到的码牌图像信息中解析获得二维码和纹理图像，基于所述二维码和所述纹理图像识别出图像特征数据，判断识别出的图像特征数据与解析获得的二维码是否满足所述匹配关系，在满足所述匹配关系的情况下允许执行基于二维码的相关操作；以及

风控执行模块240，在所述风险判别模块中判别为存在风险的情况下以及在所述标记验证模块中判断为不满足所述匹配关系的情况下实施风控措施。

商户终端300用于将包含二维码和位于二维码周围的纹理图像的码牌图像上传到服务后台200以及用于与服务后台200之间进行基于二维码的支付流程。

在所述唯一化标记生成模块210中，所述纹理图像包括在预设的定位点上随机分布的参杂物，采用数字化矢量图形***基于所述码牌图像生成所述图像特征数据。

在所述唯一化标记生成模块210中进一步获取码牌图像的原始的反光度特征数据，并且在所述匹配关系中进一步存储所述原始的反光度特征数据与唯一化标记及二维码之间的匹配关系。

在所述风险判别模块220中，采用深度学习网络模型对于所述码牌图像信息判断是否为视频攻击场景或者照片攻击场景，在判断为不是的情况下继续所述标记验证模块。其中，所述深度学习网络模型的模型训练数据中，作为正样本数据采用码牌图像，作为负样本数据采用电子设备播放的照片、视频以及打印的照片。

在所述风险判别模块220中，基于所述码牌图像信息进一步获得当前的反光度特征数据，基于所述当前的反光度特征数据进行风险判别。

在所述风险判别模块220中进一步基于所述码牌图像信息获得当前的反光度特征数据，计算所述当前的反光度特征数据和所述原始的反光度特征数据之间的相似度，获得第一相似度值，计算所述当前的反光度特征数据和对于同一码牌图像由不同终端扫描获得的反光度特征数据之间的相似度，获得第二相似度值，基于所述第一相似度值和所述第二相似度值的加权计算，获得综合相似度值，基于所述综合相似度值进行风险判别。

从用户终端收到的码牌图像信息为多张码牌图像信息的情况下，

在所述风险判别模块220中，对于所述多张码牌图像信息获得多个当前的反光度特征数据，判断所述多个当前的反光度特征数据之间是否有变化发生，若判断为有变化发生，则判别为不存在风险。

在所述标记验证模块230中，例如，从所述扫描采集模块采集到的码牌图像信息中解析获得二维码和随机纹理图像，对于所述随机纹理图像中的参杂物，记录相对于二维码的位置信息和色彩信息，基于所述预设的定位点对所述位置信息进行位置空间校正并且基于所述综合相似度值对于所述色彩信息进行色彩校正，得到校正后的位置信息和色彩信息作为识别出的图像特征数据，及将所述识别出的图像特征数据与已存储的图像特征数据进行比较，如果两者相似度大于预设阈值则判断为识别出的图像特征数据与解析获得的二维码满足所述匹配关系。

本发明还提供一种计算机可读介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述的二维码的唯一化标记的验证方法。

本发明还提供一种计算机设备，包括存储模块、处理器以及存储在存储模块上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述的二维码的唯一化标记的验证方法。

以上例子主要说明了本发明的二维码的唯一化标记的验证方法以及二维码的唯一化标记验证***。尽管只对其中一些本发明的具体实施方式进行了描述，但是本领域普通技术人员应当了解，本发明可以在不偏离其主旨与范围内以许多其他的形式实施。因此，所展示的例子与实施方式被视为示意性的而非限制性的，在不脱离如所附各权利要求所定义的本发明精神及范围的情况下，本发明可能涵盖各种的修改与替换。

Claims (26)

1.一种二维码的唯一化标记的验证方法，其特征在于，包括：

扫码采集步骤，对于待识别的码牌图像，通过扫描所述码牌图像采集到码牌图像信息，其中，所述码牌图像由二维码和纹理图像构成，其中，基于所述二维码和纹理图像得到的图像特征数据被作为二维码的唯一化标记已预先存储，并且已预先存储唯一化标记与二维码之间的匹配关系；

风险判别步骤，基于所述码牌图像信息采用预设的风险模型进行风险判别，在风险判别为不存在风险的情况下继续下述的标记验证步骤；以及

标记验证步骤，从所述码牌图像信息中解析获得二维码和纹理图像，将基于所述二维码和所述纹理图像得到的图像特征数据作为唯一化标记识别出，判断识别出的唯一化标记与解析获得的二维码是否满足所述匹配关系，在满足所述匹配关系的情况下则唯一化标记验证成功，否则唯一化标记验证失败。

2.如权利要求1所述的二维码的唯一化标记的验证方法，其特征在于，在所述扫描采集步骤之前进一步包括：

唯一化标记生成步骤，由二维码和位于所述二维码周围的纹理图像构成码牌图像，根据所述二维码和所述纹理图像生成图像特征数据，将所述图像特征数据作为唯一化标记进行存储，并且存储所述唯一化标记与所述二维码之间的匹配关系。

3.如权利要求2所述的二维码的唯一化标记的验证方法，其特征在于，

所述二维码周围的纹理图像包括以下的一项或者多项的组合：

二维码周围的随机纹理图像；以及

二维码码周围的环境不变细微特征图像。

4.如权利要求2所述的二维码的唯一化标记的验证方法，其特征在于，在所述唯一化标记生成步骤中进一步包括：

获取码牌图像的原始的反光度特征数据；

在所述匹配关系中进一步存储所述原始的反光度特征数据与唯一化标记及二维码之间的匹配关系。

5.如权利要求4所述的二维码的唯一化标记的验证方法，其特征在于，

在所述风险判别步骤中，采用深度学习网络模型对于所述码牌图像信息判断是否为视频攻击场景或者照片攻击场景，在判断为不是的情况下继续所述标记验证步骤。

6.如权利要求5所述的二维码的唯一化标记的验证方法，其特征在于，

所述深度学习网络模型的模型训练数据中，作为正样本数据采用码牌图像，作为负样本数据采用电子设备播放的照片、视频以及打印的照片。

7.如权利要求4所述的二维码的唯一化标记的验证方法，其特征在于，

在所述风险判别步骤中，基于所述码牌图像信息进一步获得当前的反光度特征数据，基于所述当前的反光度特征数据进行风险判别。

8.如权利要求7所述的二维码的唯一化标记的验证方法，其特征在于，

在所述风险判别步骤中包括：

基于所述码牌图像信息获得当前的反光度特征数据；

计算所述当前的反光度特征数据和所述原始的反光度特征数据之间的相似度，获得第一相似度值；

计算所述当前的反光度特征数据和对于同一码牌图像通过不同终端获得的反光度特征数据之间的相似度，获得第二相似度值；

基于所述第一相似度值和所述第二相似度值的加权计算，获得综合相似度值；以及

基于所述综合相似度值进行风险判别。

9.如权利要求8所述的二维码的唯一化标记的验证方法，其特征在于，

在所述扫码采集步骤中，对于待识别的码牌图像采集多张码牌图像的码牌图像信息，

在所述风险判别步骤中，对于所述多张码牌图像信息获得多个当前的反光度特征数据，判断所述多个当前的反光度特征数据之间是否有变化发生，若判断为有变化发生，则判别为不存在风险。

10.如权利要求3所述的二维码的唯一化标记的验证方法，其特征在于，

所述随机纹理图像包括在预设的定位点上随机分布的参杂物，采用数字化矢量图形***基于所述码牌图像生成所述图像特征数据。

11.如权利要求10所述的二维码的唯一化标记的验证方法，其特征在于，所述标记验证步骤包括：

从所述扫描采集步骤采集到的码牌图像信息中解析获得二维码和随机纹理图像；

对于所述随机纹理图像中的参杂物，记录相对于二维码的位置信息和色彩信息；

基于所述预设的定位点对所述位置信息进行位置空间校正并且基于所述综合相似度值对于所述色彩信息进行色彩校正，得到校正后的位置信息和色彩信息作为识别出的图像特征数据；以及

将所述识别出的图像特征数据与已存储的图像特征数据进行比较，如果两者相似度大于预设阈值则判断为识别出的图像特征数据与解析获得的二维码满足所述匹配关系。

12.如权利要求1所述的二维码的唯一化标记的验证方法，其特征在于，进一步包括：

风控执行步骤，在所述风险判别步骤中判别为存在风险的情况下以及在所述标记验证步骤中唯一化标记验证失败的情况下执行风控措施。

13.一种用于二维码的唯一化标记验证的服务后台，其特征在于，包括：

唯一化标记生成模块，用于根据二维码和位于二维码周围的纹理图像生成图像特征数据，将所述图像特征数据作为唯一化标记进行存储，并且预先存储所述唯一化标记与所述二维码之间的匹配关系，其中，二维码和位于二维码周围的纹理图像构成码牌图像；

风险判别模块，基于从用户终端收到的码牌图像信息采用预设的风险模型进行风险判别，在风险判别为不存在风险的情况下继续下述的标记验证模块，其中，从用户终端接收到的码牌图像信息是对于待识别的码牌图像通过用户终端扫描码牌图像采集到码牌图像信息并上传到所述服务后台；以及

标记验证模块，从所述扫描采集模块采集到的码牌图像信息中解析获得二维码和纹理图像，基于所述二维码和所述纹理图像识别出图像特征数据，判断识别出的图像特征数据与解析获得的二维码是否满足所述匹配关系，在满足所述匹配关系的情况下允许执行基于二维码的相关操作。

14.如权利要求13所述的用于二维码的唯一化标记验证的服务后台，其特征在于，

所述二维码周围的纹理图像包括以下的一项或者多项的组合：

二维码周围的随机纹理图像；以及

二维码码周围的环境不变细微特征图像。

15.如权利要求14所述的用于二维码的唯一化标记验证的服务后台，其特征在于，

在所述唯一化标记生成模块中，所述随机纹理图像包括在预设的定位点上随机分布的参杂物，采用数字化矢量图形***基于所述码牌图像生成所述图像特征数据。

16.如权利要求15所述的用于二维码的唯一化标记验证的服务后台，其特征在于，

所述唯一化标记生成模块中进一步获取码牌图像的原始的反光度特征数据，并且在所述匹配关系中进一步存储所述原始的反光度特征数据与唯一化标记及二维码之间的匹配关系。

17.如权利要求16所述的用于二维码的唯一化标记验证的服务后台，其特征在于，

在所述风险判别模块中，采用深度学习网络模型对于所述码牌图像信息判断是否为视频攻击场景或者照片攻击场景，在判断为不是的情况下继续所述标记验证模块。

18.如权利要求17所述的用于二维码的唯一化标记验证的服务后台，其特征在于，

所述深度学习网络模型的模型训练数据中，作为正样本数据采用码牌图像，作为负样本数据采用电子设备播放的照片、视频以及打印的照片。

19.如权利要求17所述的用于二维码的唯一化标记验证的服务后台，其特征在于，

在所述风险判别模块中，基于所述码牌图像信息进一步获得当前的反光度特征数据，基于所述当前的反光度特征数据进行风险判别。

20.如权利要求19所述的用于二维码的唯一化标记验证的服务后台，其特征在于，

在所述风险判别模块中进一步基于所述码牌图像信息获得当前的反光度特征数据，计算所述当前的反光度特征数据和所述原始的反光度特征数据之间的相似度，获得第一相似度值，计算所述当前的反光度特征数据和对于同一码牌图像由不同终端扫描获得的反光度特征数据之间的相似度，获得第二相似度值，基于所述第一相似度值和所述第二相似度值的加权计算，获得综合相似度值，基于所述综合相似度值进行风险判别。

21.如权利要求20所述的用于二维码的唯一化标记验证的服务后台，其特征在于，

从用户终端收到的码牌图像信息为多张码牌图像信息的情况下，

在所述风险判别模块中，对于所述多张码牌图像信息获得多个当前的反光度特征数据，判断所述多个当前的反光度特征数据之间是否有变化发生，若判断为有变化发生，则判别为不存在风险。

22.如权利要求21所述的用于二维码的唯一化标记验证的服务后台，其特征在于，

在所述标记验证模块中，从所述扫描采集模块采集到的码牌图像信息中解析获得二维码和纹理图像，对于所述纹理图像中的参杂物，记录相对于二维码的位置信息和色彩信息，基于所述预设的定位点对所述位置信息进行位置空间校正并且基于所述综合相似度值对于所述色彩信息进行色彩校正，得到校正后的位置信息和色彩信息作为识别出的图像特征数据，及将所述识别出的图像特征数据与已存储的图像特征数据进行比较，如果两者相似度大于预设阈值则判断为识别出的图像特征数据与解析获得的二维码满足所述匹配关系。

23.如权利要求13所述的用于二维码的唯一化标记验证的服务后台，其特征在于，进一步包括：

风控执行模块，在所述风险判别模块中判别为存在风险的情况下以及在所述标记验证模块中判断为不满足所述匹配关系的情况下实施风控措施。

24.一种二维码的唯一化标记的识别***，其特征在于，包括：服务后台和用户终端，

其中，所述服务后台包括：

唯一化标记生成模块，用于基于二维码和位于所述二维码周围的纹理图像生成码牌图像，根据所述二维码和所述纹理图像生成图像特征数据，将所述图像特征数据作为唯一化标记进行存储，并且存储所述唯一化标记与所述二维码之间的匹配关系，

风险判别模块，基于从所述用户终端收到的码牌图像信息采用预设的风险模型进行风险判别，在风险判别为不存在风险的情况下继续下述的标记验证模块，其中，从用户终端接收到的码牌图像信息是对于待识别的码牌图像通过用户终端扫描码牌图像采集到码牌图像信息并上传到所述服务后台；以及

标记验证模块，从所述扫描采集模块采集到的码牌图像信息中解析获得二维码和纹理图像，基于所述二维码和所述纹理图像识别出图像特征数据，判断识别出的图像特征数据与解析获得的二维码是否满足所述匹配关系，在满足所述匹配关系的情况下允许执行基于二维码的相关操作，

所述用户终端用于对于待识别的码牌图像通过扫描码牌图像采集到码牌图像信息并将所述码牌图像信息上传到所述服务后台。

25.一种计算机可读介质，其上存储有计算机程序，其特征在于，

该计算机程序被处理器执行时实现权利要求1~12任意一项所述的二维码的唯一化标记的验证方法。

26.一种计算机设备，包括存储模块、处理器以及存储在存储模块上并可在处理器上运行的计算机程序，其特征在于，

所述处理器执行所述计算机程序时实现权利要求1~12任意一项所述的二维码的唯一化标记的验证方法。

Images