[发明专利]一种图像识别方法及装置

说明书

本申请涉及图像识别技术领域，特别涉及一种图像识别方法及装置。该方法为：基于空间变换网络模型，对上述待识别图像进行图像处理和空间变换处理，得到上述待识别图像对应的翻拍图像概率值，在判定上述待识别图像对应的翻拍图像概率值大于等于预设的第一阈值时，确定上述待识别图像为疑似翻拍图像。采用上述方法，仅需对空间变换网络进行一次模型训练和模型测试，即可建立空间变换网络模型，这样，就减少了训练和测试过程中图像样本标定的工作量，提高了训练和测试效率，进一步的，基于一级空间变换网络进行模型训练，训练得到的各个配置参数为最优组合，从而提高了在线使用空间变换网络模型对图像进行识别时的识别效果。

技术领域

本申请涉及图像识别技术领域，特别涉及一种图像识别方法及装置。

背景技术

随着网络经济的发展，电子商务平台为用户购物、交易带来了极大的便利。在电商生态中，几乎每个环节都涉及到“金钱”，从而促使了不法分子使用虚假身份在电商平台上进行欺诈、发布违禁商品信息等违法违规行为。为了净化互联网的生态环境，推进建立实人认证的全社会诚信体系是必不可少的方式。

所谓实人认证，就是要做到人证合一，依据认证过的账号身份信息就能方便而准确的找到使用此账号的人。在实人认证实施的过程中，发现有部分用户在进行实人认证时，上传的身份证件的图像是翻拍图，而这部分用户有很大的可能性是通过非法渠道获得的他人的身份证件的数据，这样，在进行实人认证的过程中，就需要对用户上传的身份证件的图像进行识别分类，需要判断用户上传的身份证件的图像是否为翻拍图。

现有技术中，在进行实人认证的过程中，需要采用多级独立的卷积神经网络(Convolutional Neural Network，CNN)对用户上传的身份证件图像进行检测判断处理。

然而，现有的技术方案需要针对每一CNN分别建立相应的训练模型，并进行海量的样本训练，从而导致样本标定工作量大，且需要花费大量的人力、物力资源对建立的多个CNN进行后续的运维操作，进一步的，现有的技术方案中采用了多级独立的CNN处理来对用户上传的身份证件图像进行识别，识别效果不佳。

综上所述，需要设计一种新的图像识别方法及装置来弥补现有技术中存在的缺陷和不足之处。

发明内容

本申请实施例提供一种图像识别方法及装置，用以解决现有技术中存在的需要针对每一CNN分别进行海量的样本训练，导致样本标定工作量大，以及采用多级独立的CNN处理导致图像识别效果不佳的问题。

本申请实施例提供的具体技术方案如下：

一种图像识别方法，包括：

将获取到的待识别图像输入空间变换网络模型中；

基于所述空间变换网络模型，对所述待识别图像进行图像处理和空间变换处理，得到所述待识别图像对应的翻拍图像概率值；

在判定所述所述待识别图像对应的翻拍图像概率值大于等于预设的第一阈值时，确定所述待识别图像为疑似翻拍图像。

可选的，在将获取到的待识别图像输入空间变换网络模型中之前，进一步包括：

获取图像样本，并按照预设比例将获取到的图像样本划分为训练集合和测试集合；

基于卷积神经网络CNN和空间变换模块构建空间变换网络，并基于所述训练集合对所述空间变换网络进行模型训练，以及基于所述测试集合对已完成模型训练的空间变换网络进行模型测试。

可选的，基于CNN和空间变换模块构建空间变换网络，具体包括：

在CNN中嵌入一个可学习的空间变换模块，以构建空间变换网络，其中，所述空间变换模块至少包括定位网络，网格生成器和采样器，所述定位网络包括至少一个卷积层，至少一个池化层和至少一个全连接层；