[发明专利]用于确定官方文件的真实性的方法和系统

说明书

一种确定官方文件的真实性的方法，包括：从官方文件的图像提取官方文件的多个安全特征的图像数据。将经训练的神经网络应用于所述提取的图像数据，以确定官方文件的图像上的每个安全特征的清晰度；及基于多个安全特征的清晰度分类确定官方文件是否真实。训练神经网络包括：训练多标签分类模型以对多个感兴趣区域进行分类。所述多个感兴趣区域空间分布在一个带标签训练用图像上，且每个标签对应于多个感兴趣区域相应的一个感兴趣区域。训练所述神经网络还包括：将空间关注模块应用于所述神经网络的至少一层以学习每个感兴趣区域的位置和至少一个属性，以及基于在多个带标签训练用图像上优化多标签分类模型的损失，来优化所述神经网络的参数。

技术领域

本文一般性地而非唯一地涉及用于确定官方文件(official document)的真实性的方法、系统和设备。

背景技术

“了解你的客户(Know Your Customer，KYC)”是企业在与其客户(customer/client)开展业务之前或期间为了验证其客户的真实性、身份、风险等而进行的尽职调查的一种形式。“电子化了解你的客户(eKYC)”或“数字化KYC”是企业通常通过使用计算机执行的无纸化处理，有时可能由客户启动。在eKYC处理中，典型的步骤包括扫描身份证和检测活脸。在扫描身份证的过程中，通常需要检查身份证的真实性。

一种伪造身份证检测方法涉及使用相似度分数来检测安全特征(例如特征点(landmark)或全息图)，以验证身份证的真实性。尽管此方法对于某些类型的身份证(例如将安全特征集中在一起的身份证)效果很好，但是已经注意到，其他类型的身份证的设计可能具有在数量、大小、分布方面有很大差异的安全特征。

因此，需要提供用于确定官方文件的真实性的替代或改进的方法和设备。

发明内容

一个实施例提供了一种确定官方文件的真实性的方法。该方法包括从官方文件的图像提取官方文件的多个安全特征的图像数据；将经训练的神经网络应用于提取的图像数据，以确定官方文件的图像上的每个安全特征的清晰度；以及基于多个安全特征的清晰度分类确定官方文件是否真实。训练神经网络包括：训练多标签分类模型以对多个感兴趣区域进行分类，其中，所述多个感兴趣区域空间分布在带标签训练用图像上，并且每个标签对应于多个感兴趣区域中相应的一个感兴趣区域；将空间关注模块应用于神经网络的至少一层，以学习每个感兴趣区域的位置和至少一个属性；基于在多个带标签训练用图像上优化多标签分类模型的损失，来优化神经网络的参数。

另一实施例提供了一种用于确定官方文件的真实性的系统。该系统包括处理器和耦接到处理器且其上存储有指令的计算机可读存储器，所述指令可由处理器执行以从官方文件的图像提取官方文件的多个安全特征的图像数据。将经训练的神经网络应用于提取的图像数据，以确定官方文件的图像上的每个安全特征的清晰度；以及基于多个安全特征的清晰度分类确定官方文件是否真实。经训练的神经网络：包括多标签分类模型，被训练以对多个感兴趣区域进行分类，其中，所述多个感兴趣区域空间分布在带标签训练用图像上，并且每个标签对应于多个感兴趣区域中相应的一个感兴趣区域；空间关注模块，应用于神经网络的至少一层，以学习每个感兴趣区域的位置和至少一个属性；以及神经网络参数，基于在多个带标签训练用图像上优化多标签分类模型的损失而被优化。

另一实施例提供了一种包括输入设备和处理设备的装置。输入设备可以接收官方文件的图像。处理设备可以从官方文件的图像提取官方文件的多个安全特征的图像数据，并将提取的图像数据馈送到经训练的神经网络，以：确定图像上的每个安全特征的清晰度；以及基于多个安全特征的清晰度分类确定官方文件的真实性。经训练的神经网络包括：多标签分类模型，被训练以对多个感兴趣区域进行分类，其中，所述多个感兴趣区域空间分布在带标签训练用图像上，并且每个标签对应于多个感兴趣区域中相应的一个感兴趣区域；空间关注模块，应用于神经网络的至少一层，以学习每个感兴趣区域的位置和至少一个属性；以及神经网络参数，基于在多个带标签训练用图像上优化多标签分类模型的损失而被优化。

附图说明