[发明专利]基于人工智能的艺术品鉴定方法与系统和艺术品交易的方法和系统

权利要求书

1.一种基于人工智能的艺术品鉴定方法，包括如下步骤：

获得拟被鉴定艺术品的多幅视图；

通过所获得的多幅视图对拟被鉴定艺术品进行三维模型重建；

将被重建后的三维模型进行艺术品图像分析给出与真实艺术品数据相似度的评估；

根据评估结果，给出拟被鉴定艺术品真伪的可能性；

其中，所述将被重建后的三维模型进行艺术品图像分析给出与真实艺术品数据相似度的评估的步骤还包括：

输入包含拟被鉴定艺术品图像重建后的三维模型中包含独特特征的图像；

利用卷积神经网络对所述图像多次进行处理，并通过全连接层对所述图像进行分类；

在特定层启动训练网络：对每个所述图像应用滤镜并输出其对应的特征图，所述输出的特征图作为新的图像输入；

通过全连接层和ReLU函数获得被处理过的所述图像属于所述分类类别的可能性，获得评估结果。

2.如权利要求1所述的艺术品鉴定方法，其中所述通过所获得的多幅视图对拟被鉴定艺术品进行三维模型重建的步骤包括：

所述多幅视图是从不同侧面获得的多副二维艺术品图片；

对所述多幅二维艺术品图片中的每个进行关键特征点的提取与匹配；

利用所匹配的关键特征点的对极约束关系获得这些关键点在坐标系中的三维坐标以建立稀疏点云；

将所述稀疏点云扩展生成稠密点云；

对所述稠密点云的空洞部分进行填充从而进行表面重建，并进行纹理映射以便将二维空间中的纹理信息映射到三维空间。

3.如权利要求1所述的艺术品鉴定方法，还包括如下步骤，通过卷积层(CONV)对特征进行提取；

通过感受野(filter)与输入图像的卷积得到特征图；

使用多层卷积层来得到更深层次的特征图。

4.如权利要求3所述的艺术品鉴定方法，其中所述的特征图中分别获得例如简单形状的低层次特征、例如复杂特征的中层次特征和例如确定具体图案形状的高层次特征以及可训练的分类。

5.如权利要求3所述的艺术品鉴定方法，其中卷积层之后为ReLU激活函数，所述ReLU函数的输入值输出数值为0和1之间的任何数；

所述ReLU函数之后为池化层，所述池化层对输入的特征图进行压缩，使特征图变小，并提取主要特征。

6.如权利要求1所述的艺术品鉴定方法，其中获得评估结果的步骤中，通过深度神经网络模型(DNN)来获得相似度评估结果，其中根据DNN不同层的位置划分，其内部的网络层分为输入层，隐藏层和输出层三类，其中第一层为输入层、最后一层为输出层，中间的层为隐藏层。

7.如权利要求6的艺术品鉴定方法，其中还包括给出0至1的相似度评估，评价拟被鉴定的艺术品与真迹之间的相似程度，越接近1，拟被鉴定的艺术品越真实，当结果为1时，拟被鉴定艺术品与真迹一致。

8.如权利要求2所述的艺术品鉴定方法，其中所述每个进行关键特征点的提取与匹配步骤包括：

基于三个条件提取关键特征点：(1)颜色、(2)形状、(3)图案；并

采用基于块的和基于SIFT特征的匹配方法，匹配过程中采用KD-TREE的方法对最近邻的特征点进行匹配，并采用多视角几何进行限制。

9.如权利要求2所述的艺术品鉴定方法，其中所述利用所匹配的关键特征点的对极约束关系获得这些关键点在坐标系中的三维坐标以建立稀疏点云的步骤包括：

运动恢复结构(SFM)方法，包括三角定位、集束约束等过程，利用两个场景或多个场景自动恢复相机运动和场景结构，从获取的目标物系列影像出发，最终获取较高精度的目标物稀疏三维点云；

所述SFM方法包括增量式、层级式、或全局式策略；

以及一致性搜索及增量式重建；

其中在一致性搜索阶段，找到数据集中有场景重叠的图像，识别出有场景重叠影像中同一个目标点在多张影像上的投影；

在增量式重建阶段，输入前面得到的场景图，输出的是影像的姿态估计以及空间三维坐标点。