[发明专利]翻拍图像识别方法、装置、计算机设备和存储介质

权利要求书

1.一种翻拍图像识别方法，所述方法包括：

获取待识别图像；

根据待识别图像生成对应的哈尔特征图；

从哈尔特征图中提取局部二值模式LBP特征值；

计算所述LBP特征值在各预设特征值范围内的统计概率；

将所述LBP特征值的统计概率输入神经网络模型，通过所述神经网络模型对所述LBP特征值的统计概率进行识别处理，获得第一翻拍概率；

当所述第一翻拍概率达到概率阈值时，则所述待识别图像为翻拍图像。

2.根据权利要求1所述的方法，其特征在于，所述从哈尔特征图中提取局部二值模式LBP特征值包括：

将哈尔特征图均分为多个子哈尔特征图块；

分别对各所述子哈尔特征图块均分为多个像素块；

在各像素块中，判断非中心像素点的灰度值是否大于中心像素点的灰度值；

若是，则将所述非中心像素点的灰度值设置为第一数值；若否，则将所述非中心像素点的灰度值设置为第二数值；

对设置灰度值后各像素块中的非中心像素点的灰度值进行加权求和；

将加权求和的结果作为各像素块的LBP特征值。

3.根据权利要求2所述的方法，其特征在于，所述计算所述LBP特征值在各预设特征值范围内的统计概率包括：

对各所述子哈尔特征图块中的LBP特征值，按照大小顺序进行排序；

将排序后各所述子哈尔特征图块中的LBP特征值，按照预设步长均匀分成多个特征值范围；

计算归属于各特征值范围内LBP特征值的统计概率。

4.根据权利要求1至3任一项所述的方法，其特征在于，所述则所述待识别图像为翻拍图像之后，所述方法还包括：

生成携带有所述待识别图像的图像复核请求；

将所述图像复核请求发送至复核人账号；

接收到所述复核人账号发送的、针对所述图像复核请求的反馈信息；所述反馈信息携带有所述待识别图像为翻拍图像的第二翻拍概率；

获取机器识别所对应的第一权重和复核人识别所对应的第二权重；

分别按照所述第一权重和所述第二权重，对第一翻拍概率和所述第二翻拍概率进行加权求和，得到翻拍概率的加权和；

当所述加权和大于或等于预设加权和时，最终确定待识别图像为翻拍图像。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取待识别样本图，对所述待识别样本图进行标注，获得包含标签的待识别样本图；所述标签用于表示所述待识别样本图是否为翻拍图像；

根据包含所述标签的待识别样本图生成对应的哈尔特征样本图；

从所述哈尔特征样本图中提取LBP特征样本值；

计算所述LBP特征样本值在各预设特征值范围内的统计概率样本；

将所述统计概率样本输入神经网络模型，通过所述神经网络模型对所述统计概率样本进行识别处理，获得第三翻拍概率；

对比所述第三翻拍概率与所述标签之间的差异，调整神经网络模型的参数。

6.根据权利要求5所述的方法，其特征在于，所述对比所述第三翻拍概率与所述标签之间的差异，调整神经网络模型的参数包括：

确定所述第三翻拍概率与所述标签之间的误差；

将所述误差反向传播到神经网络模型的网络层，获得各网络层参数的梯度；

根据所获得的梯度调整所述神经网络模型中各网络层的参数。

7.一种翻拍图像识别装置，其特征在于，所述装置包括：

图像获取模块，用于获取待识别图像；

特征图生成模块，用于根据待识别图像生成对应的哈尔特征图；

特征值提取模块，用于从哈尔特征图中提取局部二值模式LBP特征值；

计算模块，用于计算所述LBP特征值在各预设特征值范围内的统计概率；

处理模块，用于将所述LBP特征值的统计概率输入神经网络模型，通过所述神经网络模型对所述LBP特征值的统计概率进行识别处理，获得第一翻拍概率；

翻拍图像确定模块，用于当所述第一翻拍概率达到概率阈值时，则所述待识别图像为翻拍图像。