[发明专利]图像认证的方法、装置以及存储介质在审

专利信息
申请号: 201910764551.8 申请日: 2019-08-19
公开(公告)号: CN112396082A 公开(公告)日: 2021-02-23
发明(设计)人: 李娇;赵立军 申请(专利权)人: 北京中关村科金技术有限公司
主分类号: G06K9/62 分类号: G06K9/62;G06N3/04;G06F21/32;G06F21/36
代理公司: 北京万思博知识产权代理有限公司 11694 代理人: 刘冀
地址: 100000 北京市海*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像 认证 方法 装置 以及 存储 介质
【权利要求书】:

1.一种图像认证的方法,其特征在于,包括:

利用预先训练的图像识别网络,确定待认证图像中包含的目标图像区域和所述目标图像区域的外沿轮廓线;

根据所述目标图像区域和所述外沿轮廓线,对所述目标图像区域进行矫正;以及

对矫正后的所述目标图像区域进行认证。

2.根据权利要求1所述的方法,其特征在于,利用预先训练的图像识别网络,确定待认证图像中包含的目标图像区域和所述目标图像区域的外沿轮廓线的操作,包括:

利用所述图像识别网络对所述待认证图像进行卷积操作,确定所述待认证图像对应的目标图像区域特征向量和外沿轮廓线特征向量;以及

利用所述图像识别网络对所述目标图像区域特征向量和所述外沿轮廓线特征向量进行反卷积操作,确定所述待认证图像包含的所述目标图像区域和所述外沿轮廓线。

3.根据权利要求2所述的方法,其特征在于,利用所述图像识别网络对所述待认证图像进行卷积操作,确定所述待认证图像对应的目标图像区域特征向量和外沿轮廓线特征向量的操作,包括:利用5*5的卷积核对所述待认证图像进行8次卷积操作,得到所述目标图像区域特征向量和所述外沿轮廓线特征向量。

4.根据权利要求3所述的方法,其特征在于,利用所述图像识别网络对所述目标图像区域特征向量和所述外沿轮廓线特征向量进行反卷积操作,确定所述待认证图像包含的所述目标图像区域和所述外沿轮廓线的操作,包括:利用5*5的卷积核对所述目标图像区域特征向量和所述外沿轮廓线特征向量进行8次反卷积操作,得到所述待认证图像包含的所述目标图像区域和所述外沿轮廓线。

5.根据权利要求1所述的方法,其特征在于,根据所述目标图像区域和所述外沿轮廓线,对所述目标图像区域进行矫正的操作,包括:

将所述目标图像区域和所述外沿轮廓线合并为整体图像;

利用连通域分析法对合并后的所述整体图像进行融合处理,确定待矫正图像区域;以及

对所述待矫正图像区域进行透视变换,进行矫正。

6.根据权利要求1所述的方法,其特征在于,利用预先训练的图像识别网络,确定待认证图像中包含的目标图像区域和所述目标图像区域的外沿轮廓线的操作之前,还包括:将所述待认证图像的分辨率大小调整为能够被所述图像识别网络所识别。

7.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,在所述程序运行时由处理器执行权利要求1至6中任意一项所述的方法。

8.一种图像认证的装置,其特征在于,包括:

计算模块,用于利用预先训练的图像识别网络,确定待认证图像中包含的目标图像区域和所述目标图像区域的外沿轮廓线;

矫正模块,用于根据所述目标图像区域和所述外沿轮廓线,对所述目标图像区域进行矫正;以及

认证模块,用于对矫正后的所述目标图像区域进行认证。

9.根据权利要求8所述的装置,其特征在于,所述计算模块,包括:

第一确定子模块,用于利用所述图像识别网络对所述待认证图像进行卷积操作,确定所述待认证图像对应的目标图像区域特征向量和外沿轮廓线特征向量;以及

第二确定子模块,用于利用所述图像识别网络对所述目标图像区域特征向量和所述外沿轮廓线特征向量进行反卷积操作,确定所述待认证图像包含的所述目标图像区域和所述外沿轮廓线。

10.一种图像认证的装置,其特征在于,包括:

处理器;以及

存储器,与所述处理器连接,用于为所述处理器提供处理以下处理步骤的指令:

利用预先训练的图像识别网络,确定待认证图像中包含的目标图像区域和所述目标图像区域的外沿轮廓线;

根据所述目标图像区域和所述外沿轮廓线,对所述目标图像区域进行矫正;以及

对矫正后的所述目标图像区域进行认证。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京中关村科金技术有限公司,未经北京中关村科金技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910764551.8/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top