【技术实现步骤摘要】
本专利技术实施例涉及图像处理，尤其涉及一种微观编码图像翻拍检测方法、装置、移动终端及存储介质。
技术介绍
1、微观编码图像是指一种利用微小的编码点或区域来生成图像的技术，它基于对图像进行微细处理，将信息编码到图像的微观结构中，以实现隐藏、加密或嵌入额外的数据。微观编码图像作为一种有潜力的信息识别方式，可以用于产品溯源、防伪认证、身份验证、物流追踪、文化遗产保护等方面，相对于二维码具有更好的信息密度、隐蔽性和安全性，在实际应用中具有更重要的商业价值和安全价值。
2、微观编码图像翻拍是指二次获取图像，即图像经过两次以上数字图像成像过程而得到的图像。例如通过手机、相机等拍摄设备拍摄微观编码图像后在手机屏幕、电脑屏幕等屏幕上展示，再用另一个拍摄设备拍摄屏幕上的微观编码图像。这种行为可能被用于欺骗扫码系统，从而获得非法利益。例如在物流追踪场景中，可能存在将拍摄的微观编码图像发送在下游伪造作假的现象，即扫码过程中使用的是翻拍图像而非现场真实拍摄图像，而扫码系统无法准确区分翻拍图像和实际拍摄图像，因此无法准确判断货物是否真实到达某地。
3、随着移动互联网和智能手机的普及，微观编码图像作为一种信息识别方式，可能存在被恶意使用的风险。为了解决这一问题，通常会采用防翻拍技术来保护信息的安全性。目前已有的防翻拍技术大多是针对证件照或人脸认证等过程中的防翻拍检测场景，对于微观编码图像的防翻拍检测识别率非常低，容易将翻拍和实拍两种情况混淆，无法准确识别。如使用传统图像处理方法，通过提取待检测图像的表面梯度特征、hsb色调特征、小波
技术实现思路
1、本专利技术实施例提供一种微观编码图像翻拍检测方法、装置、移动终端及存储介质，以有效检测微观编码图像的非法翻拍行为，防止微观编码图像被恶意使用。
2、第一方面，本专利技术实施例提供了一种微观编码图像翻拍检测方法，该方法包括：
3、获取待检测的目标微观编码图像；
4、将所述目标微观编码图像输入到训练后的深度学习模型，以通过所述深度学习模型输出所述目标微观编码图像的翻拍检测结果。
5、可选的，所述深度学习模型包括：骨干网络、颈部网络以及分类器；其中，
6、所述骨干网络包括mobilenetv3网络的前十三层，用于对所述目标微观编码图像处理得到第一特征图；
7、所述颈部网络包括最大池化层、平均池化层和se层，所述最大池化层用于对所述第一特征图处理得到第二特征图，所述平均池化层用于对所述第一特征图处理得到第三特征图，所述se层用于对所述第二特征图与所述第三特征图合并得到的第四特征图进行处理，得到第五特征图；
8、所述分类器包括全连接层，用于基于所述第五特征图输出所述翻拍检测结果。
9、可选的，在所述将所述目标微观编码图像输入到训练后的深度学习模型，以通过所述深度学习模型输出所述目标微观编码图像的翻拍检测结果之前，还包括：
10、根据所述目标微观编码图像中的码点位置基于预设尺寸对所述目标微观编码图像进行裁剪。
11、可选的，所述预设尺寸为3*512*512，所述第一特征图的尺寸为112*32*32，所述第五特征图的尺寸为224*1*1。
12、可选的，在所述将所述目标微观编码图像输入到训练后的深度学习模型，以通过所述深度学习模型输出所述目标微观编码图像的翻拍检测结果之前，还包括：
13、采集多张翻拍微观编码图像以及多张实拍微观编码图像并进行标记，得到训练样本、验证样本和测试样本；
14、根据所述训练样本、所述验证样本和所述测试样本对所述深度学习模型进行训练。
15、可选的，所述方法还包括：
16、采用剪枝及量化对所述深度学习模型的体积进行压缩；
17、将压缩后的所述深度学习模型部署在移动终端。
18、可选的，在所述将所述目标微观编码图像输入到训练后的深度学习模型，以通过所述深度学习模型输出所述目标微观编码图像的翻拍检测结果之后，还包括：
19、若所述翻拍检测结果为翻拍，则进行告警和/或阻止对所述目标微观编码图像进行识别。
20、第二方面，本专利技术实施例还提供了一种微观编码图像翻拍检测装置，该装置包括：
21、图像获取模块，用于获取待检测的目标微观编码图像；
22、翻拍检测模块，用于将所述目标微观编码图像输入到训练后的深度学习模型，以通过所述深度学习模型输出所述目标微观编码图像的翻拍检测结果。
23、第三方面，本专利技术实施例还提供了一种移动终端，该移动终端包括：
24、一个或多个处理器；
25、存储器，用于存储一个或多个程序；
26、当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本专利技术任意实施例所提供的微观编码图像翻拍检测方法。
27、第四方面，本专利技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本专利技术任意实施例所提供的微观编码图像翻拍检测方法。
28、本专利技术实施例提供了一种微观编码图像翻拍检测方法，首先获取待检测的目标微观编码图像，然后将该目标微观编码图像输入到训练后的深度学习模型，以通过该深度学习模型输出目标微观编码图像的翻拍检测结果。本专利技术实施例所提供的微观编码图像翻拍检测方法，通过基于深度学习的方法对微观编码图像进行翻拍检测，大大提高了检测准确率，从而可以及时发现并阻止微观编码图像的盗用和欺诈行为，保护了微观编码图像的合法使用权益，提高了微观编码图像信息的安全性。如可以防止物流跟踪过程中的作假行为等等，具有广泛的应用前景和商业价值，为用户和企业提供更安全、可靠的服务。
本文档来自技高网...【技术保护点】
1.一种微观编码图像翻拍检测方法，其特征在于，包括：
2.根据权利要求1所述的微观编码图像翻拍检测方法，其特征在于，所述深度学习模型包括：骨干网络、颈部网络以及分类器；其中，
3.根据权利要求2所述的微观编码图像翻拍检测方法，其特征在于，在所述将所述目标微观编码图像输入到训练后的深度学习模型，以通过所述深度学习模型输出所述目标微观编码图像的翻拍检测结果之前，还包括：
4.根据权利要求3所述的微观编码图像翻拍检测方法，其特征在于，所述预设尺寸为3*512*512，所述第一特征图的尺寸为112*32*32，所述第五特征图的尺寸为224*1*1。
5.根据权利要求1所述的微观编码图像翻拍检测方法，其特征在于，在所述将所述目标微观编码图像输入到训练后的深度学习模型，以通过所述深度学习模型输出所述目标微观编码图像的翻拍检测结果之前，还包括：
6.根据权利要求1所述的微观编码图像翻拍检测方法，其特征在于，所述方法还包括：
7.根据权利要求1所述的微观编码图像翻拍检测方法，其特征在于，在所述将所述目标微观编码图像输入到训练
8.一种微观编码图像翻拍检测装置，其特征在于，包括：
9.一种移动终端，其特征在于，包括：
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的微观编码图像翻拍检测方法。
...【技术特征摘要】
1.一种微观编码图像翻拍检测方法，其特征在于，包括：
2.根据权利要求1所述的微观编码图像翻拍检测方法，其特征在于，所述深度学习模型包括：骨干网络、颈部网络以及分类器；其中，
3.根据权利要求2所述的微观编码图像翻拍检测方法，其特征在于，在所述将所述目标微观编码图像输入到训练后的深度学习模型，以通过所述深度学习模型输出所述目标微观编码图像的翻拍检测结果之前，还包括：
4.根据权利要求3所述的微观编码图像翻拍检测方法，其特征在于，所述预设尺寸为3*512*512，所述第一特征图的尺寸为112*32*32，所述第五特征图的尺寸为224*1*1。
5.根据权利要求1所述的微观编码图像翻拍检测方法，其特征在于，在所述将所述目标微观编...
【专利技术属性】
技术研发人员：程烨，姚庆源，杜宗飞，程礼邦，
申请(专利权)人：深圳前海量子云码科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。