一种基于深度学习的证件图片识别方法、装置及设备制造方法及图纸

本发明专利技术公开了一种基于深度学习的证件图片识别方法，包括：获取待识别证件图片，并将待识别证件图片输入具有集成分类器的神经网络模型中；其中，集成分类器包括主分类器和辅助分类器；利用主分类器和辅助分类器分别对待识别证件图片进行分类处理，得到主分类结果和辅助分类结果；对主分类结果和辅助分类结果进行集成处理，得到图片类别识别结果；本方法不读取待识别证件图片上的信息，对待识别证件图片本身进行分类，得到图片类别识别结果；此外，本发明专利技术还提供了一种基于深度学习的证件图片识别装置、设备及计算机可读存储介质，也具有上述有益效果。

A method, device and equipment of ID image recognition based on deep learning

The invention discloses a method for identification of certificate pictures based on in-depth learning, which includes: acquiring the certificate pictures to be identified, and inputting the certificate pictures to be identified into a neural network model with an integrated classifier; wherein, the integrated classifier includes a main classifier and an auxiliary classifier; using the main classifier and an auxiliary classifier to separate the identification certificate pictures for classification processing, obtaining The main classification result and the auxiliary classification result; the main classification result and the auxiliary classification result are integrated to obtain the picture classification recognition result; the method does not read the information on the picture of the certificate to be recognized, and classifies the picture of the certificate to be recognized to obtain the picture classification recognition result; in addition, the invention also provides a certificate picture recognition device based on the deep learning The device and computer-readable storage medium also have the above beneficial effects.

【技术实现步骤摘要】
一种基于深度学习的证件图片识别方法、装置及设备
本专利技术涉及图片识别领域，特别涉及一种基于深度学习的证件图片识别方法、装置、设备及计算机可读存储介质。
技术介绍
当前，随着科学技术的快速发展，互联网线上身份认证技术已经广泛应用于电子政务、互联网金融等领域，给人们的生活和工作带来了极大便利。在进行互联网线上身份认证时，需要用户上传证件图片(即待识别证件图片)作为认证材料。为防止不法分子伪造、冒用他人身份证件进行违法犯罪，因此，对待识别证件图片的真伪进行鉴别是身份认证的关键环节。现有技术需要读取待识别证件图片上的信息并与信息数据库中的信息进行比对，以此来判断待识别证件图片的真伪。有时不法分子会盗用与自己面貌相似的人的证件复印件、具有PS痕迹的证件PS图片、以及拍摄其他电子设备屏幕得到的证件图片，即屏幕翻拍图片进行违法犯罪活动。传统的身份认证方法无法辨识这些图片的不同，无法阻止使用上述图片进行身份认证的违法行为。因此，如何解决使用非证件原件也能通过身份认证的问题，是本领域技术人员需要解决的技术问题。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种基于深度学习的证件图片识别方法、装置、设备及计算机可读存储介质，解决了使用非证件原件也能通过身份认证的问题。为解决上述技术问题，本专利技术提供了一种基于深度学习的证件图片识别方法，包括：获取待识别证件图片，并将所述待识别证件图片输入具有集成分类器的神经网络模型中；其中，所述集成分类器包括主分类器和辅助分类器；利用所述主分类器和所述辅助分类器分别对所述待识别证件图片进行分类处理，得到主分类结果和辅助分类结果；对所述主分类结果和辅助分类结果进行集成处理，得到图片类别识别结果。可选的，构建所述神经网络模型的过程，包括：在神经网络模型中插入全局平均池化层和分类函数层，构成具有集成分类器的所述神经网络模型。可选的，所述神经网络模型的训练过程，包括：利用随机梯度下降优化算法对所述神经网络模型的交叉熵损失函数进行优化；利用所述交叉熵损失函数对所述神经网络的参数进行优化，直至所述交叉熵损失函数的损失值小于预设损失值，得到所述神经网络模型。可选的，对所述主分类结果和辅助分类结果进行集成处理，得到图片类别识别结果，包括：计算所述主分类结果和所述辅助分类结果的调和平均数，得到所述图片类别识别结果。本专利技术还提供了一种基于深度学习的证件图片识别装置，包括：证件图片获取模块，用于获取待识别证件图片，并将所述待识别证件图片输入具有集成分类器的神经网络模型中；其中，所述集成分类器包括主分类器和辅助分类器；分类模块，用于利用所述主分类器和所述辅助分类器分别对所述待识别证件图片进行分类处理，得到主分类结果和辅助分类结果；结果获取模块，用于对所述主分类结果和辅助分类结果进行集成处理，得到图片类别识别结果。可选的，包括：分类器构建模块，用于在所述神经网络模型中插入全局平均池化层和分类函数层，构成所述主分类器和所述辅助分类器。可选的，包括：函数优化模块，用于利用随机梯度下降优化算法对所述神经网络模型的交叉熵损失函数进行优化；模型训练模块，用于利用所述交叉熵损失函数对所述神经网络的参数进行优化，直至所述交叉熵损失函数的损失值小于预设损失值，得到所述神经网络模型。可选的，所述结果获取模块，包括：调和平均数计算单元，用于计算所述主分类结果和所述辅助分类结果的调和平均数，得到所述图片类别识别结果。本专利技术还提供了一种基于深度学习的证件图片识别设备，包括存储器和处理器，其中：所述存储器，用于存储计算机程序；所述处理器，用于执行所述计算机程序，以实现上述的基于深度学习的证件图片识别方法。本专利技术还提供了一种计算机可读存储介质，用于保存计算机程序，其中，所述计算机程序被处理器执行时实现上述的基于深度学习的证件图片识别方法。可见，本方法获取待识别证件图片，并将待识别证件图片输入具有集成分类器的神经网络模型中；其中，集成分类器包括主分类器和辅助分类器。利用主分类器和辅助分类器分别对待识别证件图片进行分类处理，得到主分类结果和辅助分类结果。对主分类结果和辅助分类结果进行集成处理，得到图片类别识别结果。本方法不读取待识别证件图片上的信息，对待识别证件图片本身进行分类，得到图片类别识别结果。通过图片类别识别结果，可以判断待识别图片是否为证件原件图片，进而阻止使用非证件原件图片进行身份认证的违法行为。且神经网络模型具有集成分类器，可以保证图片类别识别结果的准确性。此外，本专利技术还提供了一种基于深度学习的证件图片识别装置、设备及计算机可读存储介质，同样具有上述有益效果。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。图1为本专利技术实施例提供的一种基于深度学习的证件图片识别方法流程图；图2为本专利技术实施例提供的一种主分类器结构示意图；图3为本专利技术实施例提供的一种辅助分类器结构示意图；图4为本专利技术实施例提供的一种基于深度学习的证件图片识别装置的结构示意图；图5为本专利技术实施例提供的一种基于深度学习的证件图片识别设备的结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。请参考图1，图1为本专利技术实施例提供的一种基于深度学习的证件图片识别方法流程图。该方法包括：S101：获取待识别证件图片，并将待识别证件图片输入具有集成分类器的神经网络模型中；其中，集成分类器包括主分类器和辅助分类器。本实施例并不限定待识别证件图片的获取方法，例如可以通过摄像头获取；或者可以从存有待识别证件图片的存储介质中获取待识别证件图片。具体的，本实施例并不限定神经网络模型的类别，例如可以是卷积神经网络模型，或者可以是线性神经网络模型。在神经网络模型中插入全局平均池化层和分类函数层，构成具有集成分类器的神经网络模型。请参考图2和图3，图2为本专利技术实施例提供的一种主分类器结构示意图，图3为本专利技术实施例提供的一种辅助分类器结构示意图。本实施例并不限定分类函数层中分类函数的具体内容，例如可以为softmax分类函数，或者可以为sigmoid分类函数。每个神经网络模型具有一个主分类器，对于辅助分类器的个数，本实施例不做限定，辅助分类器越多，分类的速度越慢，分类的精度越高；辅助分类器越少，分类的速本文档来自技高网...

【技术保护点】
1.一种基于深度学习的证件图片识别方法，其特征在于，包括：/n获取待识别证件图片，并将所述待识别证件图片输入具有集成分类器的神经网络模型中；其中，所述集成分类器包括主分类器和辅助分类器；/n利用所述主分类器和所述辅助分类器分别对所述待识别证件图片进行分类处理，得到主分类结果和辅助分类结果；/n对所述主分类结果和辅助分类结果进行集成处理，得到图片类别识别结果。/n

【技术特征摘要】
1.一种基于深度学习的证件图片识别方法，其特征在于，包括：
获取待识别证件图片，并将所述待识别证件图片输入具有集成分类器的神经网络模型中；其中，所述集成分类器包括主分类器和辅助分类器；
利用所述主分类器和所述辅助分类器分别对所述待识别证件图片进行分类处理，得到主分类结果和辅助分类结果；
对所述主分类结果和辅助分类结果进行集成处理，得到图片类别识别结果。


2.根据权利要求1所述的基于深度学习的证件图片识别方法，其特征在于，构建所述神经网络模型的过程，包括：
在神经网络模型中插入全局平均池化层和分类函数层，构成具有集成分类器的所述神经网络模型。


3.根据权利要求2所述的基于深度学习的证件图片识别方法，其特征在于，所述神经网络模型的训练过程，包括：
利用随机梯度下降优化算法对所述神经网络模型的交叉熵损失函数进行优化；
利用所述交叉熵损失函数对所述神经网络的参数进行优化，直至所述交叉熵损失函数的损失值小于预设损失值，得到所述神经网络模型。


4.根据权利要求1所述的基于深度学习的证件图片识别方法，其特征在于，对所述主分类结果和辅助分类结果进行集成处理，得到图片类别识别结果，包括：
计算所述主分类结果和所述辅助分类结果的调和平均数，得到所述图片类别识别结果。


5.一种基于深度学习的证件图片识别装置，其特征在于，包括：
证件图片获取模块，用于获取待识别证件图片，并将所述待识别证件图片输入具有集成分类器的神经网络模型中；其中，所述集成分类器包括主分类器和辅助分类器；
...

【专利技术属性】
技术研发人员：陈利军，陈白洁，林孝可，张景兵，
申请(专利权)人：杭州有盾网络科技有限公司，
类型：发明
国别省市：浙江;33