[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；

对所获取的待识别图像进行傅里叶变换，获得傅立叶频谱特征图；

从所述傅立叶频谱特征图中提取局部二值模式LBP特征值；

根据所提取的LBP特征值生成用于表示LBP特征值统计概率的LBP直方图统计数据；

将所述LBP直方图统计数据输入神经网络模型，通过所述神经网络模型对所述LBP直方图统计数据进行识别处理，获得第一翻拍概率；

当所述第一翻拍概率达到概率阈值时，确定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，所述对所获取的待识别图像进行傅里叶变换，获得傅立叶频谱特征图包括：

确定所述待识别图像的尺寸；

当所述待识别图像的尺寸大于第一预设尺寸，或小于第二预设尺寸时，按照预设标准尺寸对所述待识别图像进行缩放；

将缩放后的待识别图像分解为RGB通道的三幅图像；

分别对所述三幅图像进行傅里叶变换，将变换后所得的图像进行合成处理；

将合成处理所得的图像转换为单通道的傅立叶频谱特征图。

3.根据权利要求1所述的方法，其特征在于，所述从傅立叶频谱特征图中提取局部二值模式LBP特征值包括：

将傅立叶频谱特征图均分为多个子傅立叶频谱特征图块；

分别对各所述子傅立叶频谱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。

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

生成并发送携带有所述待识别图像的图像复核请求；

接收响应于所述图像复核请求的复核结果；所述复核结果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至3任一项所述的方法，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；

对包含所述标签的待识别样本图进行傅里叶变换，获得傅里叶频谱特征样本图；

从所述傅里叶频谱特征样本图中提取LBP特征样本值；

根据所提取的LBP特征值生成用于表示LBP特征值统计概率的LBP直方图统计数据样本；

将所述LBP直方图统计数据样本输入神经网络模型，通过所述神经网络模型对所述LBP直方图统计数据样本进行识别处理，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。