一种基于SURF图像特征匹配的标签防伪系统及方法与流程
本发明属于防伪技术领域，更具体地，涉及一种基于SURF图像特征匹配的标签防伪系统及方法。
背景技术：
防伪标签是能粘贴、印刷、转移在产品表面，具有防伪作用的标识。消费者能够通过防伪标签来判断产品的真伪。为了保证防伪标签的可靠性，目前主要通过以下几种方式实现：
(1)采用特殊的印制技术。例如激光全息图像技术、安全线嵌入技术等，这类技术提高了仿制的技术门槛，标识无法通过普通的印刷技术复制。该类标识具有独特的视觉表现，消费者能够轻易辨认。但是这类标识可以通过第三方购买或者定制，因此不能保证粘贴有此类标识的产品就是正品。
(2)使用特殊的纸张材料。例如温变材料、湿敏材料、核径迹防伪材料等，这些材料在特定的外界条件下会发生质变，并呈现出隐藏的文字或图案信息。使用这种方法无疑会提高仿制标识的成本，然而不可避免地，企业使用此类标识的成本也会相应提高，因而只在部分价值较高的产品上使用，普及度不高。
(3)查询式数码防伪。消费者通过电话、短信、互联网查询标识上的数码。这种方案的问题在于：一方面，由于数码只是简单印刷在标识表面，很容易被仿制；另一方面，消费者查询的参与度较低。针对上述两个问题，目前的做法是采用二维码结合查询计数的方式来提高可靠性。即将防伪数码记录到二维码中，消费者在联网状态下只需扫描二维码就会自动鉴伪，并通过在线计算查询次数来判断产品的真伪。然而标识仍然有可能被仿制，即使查询反馈是第一次鉴伪也还是无法百分百确定产品是否为正品。
(4)标识唯一性特征技术。这种方案的特点在于使标识具备某些独一无二的特征，任何第三方都无法制作出带有完全一样特征的标识。最常见的是纹理防伪技术，是以包装材料本身固有的斑纹记号为防伪识别标记的一种防伪技术。自然界的斑纹总是千差万别的，如指纹、木纹、石纹等纹理都是随机的唯一的。或者是人工纹理技术，如随机纤维技术产生的纤维纹理也是唯一的。利用这一原理，选用纹理清晰的包装材料制成防伪标识，并将标识进行拍摄存档，消费者通过网络获取这些图像来判断标识的真伪。这在一定程度上避免了上述3种方式中出现的标识被仿制的情况，然而标识的制作要求高、成本较高，并且消费者必须借助网络来鉴伪。由于纹理特征细节较多，消费者仅凭肉眼很难判断出标识与存档的图像是否完全匹配，鉴伪结果可靠性较低。
技术实现要素：
针对现有技术的以上缺陷或改进需求，本发明提供了一种基于SURF图像特征匹配的标签防伪系统及方法，其目的在于借助图像处理技术自动完成标签的真伪判断，由此解决现有技术中标签真伪查询操作较复杂以及人眼鉴别误差较大的技术问题。
为实现上述目的，按照本发明的一个方面，提供了一种基于SURF图像特征匹配的标签防伪系统，包括：防伪标签、后端验证模块、标签标示模块以及前端验证模块；
所述防伪标签包括防伪图案和数据载体，所述数据载体保存所述防伪图案的SURF特征信息的编码数据以及所述防伪标签的唯一标识码；
所述后端验证模块，用于获取所述防伪标签的图像以及与所述防伪标签的唯一标识码对应的目标标签图像，并对所述防伪标签的图像以及所述目标标签图像进行匹配测试；
所述标签标示模块，用于完成所述防伪标签的制作，并对所述防伪标签的相关信息进行备份，其中，所述防伪标签的相关信息包括所述防伪标签的唯一标识码、所述防伪标签中的防伪图案的SURF特征信息的编码数据以及符合预设分辨率的防伪标签图像；
所述前端验证模块，用于获取所述防伪标签的图像、所述防伪标签的唯一标识码、所述防伪图案的SURF特征信息的编码数据以及与所述防伪标签的唯一标识码对应的目标标签图像，并结合选择的预设验证模式进行自动化匹配验证，其中，所述预设验证模式中包括利用所述后端验证模块进行匹配测试的后端验证模式。
优选地，所述后端验证模块包括数据接收模块、数据服务器、图像匹配模块以及结果反馈模块；
所述数据接收模块，用于获取所述防伪标签的图像以及所述防伪标签的唯一标识码；
所述数据服务器，用于以所述唯一标识码作为索引，从所述数据服务器中查询与所述唯一标识码对应的目标标签信息，其中，所述目标标签信息包括目标标签图像；
所述图像匹配模块，用于在所述数据服务器找到所述目标标签图像时，将所述目标标签图像与所述防伪标签的图像进行匹配测试；
所述结果反馈模块，用于在所述数据服务器未找到所述目标标签图像或者所述图像匹配模块匹配测试失败时，输出匹配失败的提示信息，以及在所述图像匹配模块匹配测试成功时，输出匹配成功的提示信息。
优选地，所述标签标示模块包括标签赋码模块、防伪图案图像处理模块、标签信息采集模块以及数据传输模块；
所述标签赋码模块，用于为防伪标签分配唯一标识码，并将分配的唯一标识码写入所述防伪标签的数据载体中；
所述防伪图案图像处理模块，用于分割所述防伪标签中的防伪图案图像，检测所述防伪图案图像的SURF特征点，并利用非极大值抑制法确定所述防伪图案图像的SURF特征点中的部分特征点以及所述部分特征点的位置，然后确定所述部分特征点中的每一个特征点的主方向来描述所述防伪图案图像的SURF特征信息，并将所述SURF特征信息转换成编码数据写入所述防伪标签的数据载体中；
所述标签信息采集模块，用于获取所述防伪标签的相关信息，并整合形成防伪标签信息文件，其中，所述防伪标签的相关信息包括所述防伪标签的唯一标识码、所述SURF特征信息的编码数据以及符合预设分辨率的防伪标签图像；
所述数据传输模块，用于将所述防伪标签信息文件发送到所述数据服务器中进行备份。
优选地，所述前端验证模块包括图像采集模块、载体数据识读模块、数据收发模块、鉴别模块以及信息反馈模块；
所述图像采集模块，用于采集并选取失真较小的所述防伪标签的图像；
所述载体数据识读模块，用于读取所述数据载体中记录的唯一标识码以及SURF特征信息的编码数据CODE1；
所述数据收发模块，用于在选择人工比对模式时，向所述数据服务器请求与所述唯一标识码对应的目标标签信息，并输出所述目标标签信息中包括的目标标签图像，由人工决定所述目标标签图像与所述防伪标签的图像是否匹配；
所述鉴别模块，用于在选择前端验证模式时，从所述图像采集模块获取的所述防伪标签的图像中分割出防伪图案图像，并计算分割得到的防伪图案图像的编码数据CODE2，评估CODE1与CODE2的吻合程度；
所述数据收发模块，还用于在选择后端验证模式时，将所述图像采集模块获取的所述防伪标签的图像与所述载体数据识读模块获取的唯一标识码发送至所述后端验证模块的数据接收模块，由所述后端验证模块进行匹配测试；
所述信息反馈模块，用于在吻合程度大于预设阈值或者接收到所述后端验证模块发送的匹配成功的提示信息时，输出匹配成功的提示信息；在吻合程度小于或等于预设阈值或者接收到所述后端验证模块发送的匹配失败的提示信息时，输出匹配失败的提示信息。
优选地，所述防伪图案为液态颜料随机喷溅若干次并烘干后形成的固化立体图案。
优选地，所述防伪图案图像处理模块包括图像分割模块、子区域方向确定模块、图像方向确定模块、图像特征向量确定模块、特征信息描述模块以及编码信息获取模块：
所述图像分割模块，用于将所述防伪标签中的防伪图案图像划分为N个大小相同的子区域，其中，N为正整数；
所述子区域方向确定模块，用于利用直方图统计每一个子区域的主方向，选取直方图中的峰值方向作为该子区域的主方向，将所有特征点方向的加权平均角度作为该子区域的辅助方向得到每一个子区域的方向特征向量：V子＝[A主,A辅]，其中，A主为主方向，A辅为辅助方向；
所述图像方向确定模块，用于确定所述防伪标签中的防伪图案图像的方向特征向量：V主方向＝[A主1,…,A主i,…,A主n]，V辅方向＝[A辅1,…,A辅i,…,A辅n]，其中，A主i表示第i个子区域的主方向，A辅i表示第i个子区域的辅助方向；
所述图像特征向量确定模块，用于统计每一个子区域的特征点数量，得到所述防伪标签中的防伪图案图像的数量特征向量：V数量＝[R1,R2,…,Ri,…,Rn]，其中，Ri＝Ni/N表示第i个子区域特征点的数量比率，Ni表示第i个子区域的特征点数量，N表示所有有效的特征点数量；
所述特征信息描述模块，用于根据向量V主方向、V辅方向以及V数量来描述所述防伪标签中的防伪图案图像的SURF特征信息；
所述编码信息获取模块，用于将所述SURF特征信息转换成编码数据写入所述防伪标签的数据载体中。
优选地，所述鉴别模块包括CODE2获取模块、解码模块、第一计算模块、第二计算模块、第三计算模块以及第四计算模块；
所述CODE2获取模块，用于在选择前端验证模式时，从所述图像采集模块获取的所述防伪标签的图像中分割出防伪图案图像，并计算分割得到的防伪图案图像的编码数据CODE2；
所述解码模块，用于将CODE1与CODE2解码得到各自所表示图像的主方向特征向量V主方向1、V主方向2，辅助方向特征向量V辅方向1、V辅方向2，数量特征向量V数量1、V数量2；
所述第一计算模块，用于计算主方向特征向量的欧式距离d1＝||V主方向1-V主方向2||；
所述第二计算模块，用于计算辅助方向特征向量的欧式距离d2＝||V辅方向1-V辅方向2||；
所述第三计算模块，用于计算数量特征向量的欧式距离d3＝||V数量1-V数量2||；
所述第四计算模块，用于计算CODE1与CODE2的吻合程度：e＝α1*d1+α2*d2+α3*d3，其中，α1、α2、α3分别为主方向参数、辅助方向参数、数量参数的影响因子。
按照本发明的另一方面，提供了一种基于SURF图像特征匹配的标签防伪方法，包括：
(1)获取防伪标签的图像、所述防伪标签的唯一标识码、所述防伪标签中的防伪图案的SURF特征信息的编码数据以及与所述防伪标签的唯一标识码对应的目标标签图像，并结合选择的预设验证模式进行自动化匹配验证，其中，所述防伪标签包括防伪图案和数据载体，所述数据载体保存所述防伪图案的SURF特征信息的编码数据以及所述防伪标签的唯一标识码；
(2)若选择的预设验证模式为后端验证模式，则对所述防伪标签的图像以及与所述防伪标签的唯一标识码对应的目标标签图像进行匹配测试。
优选地，步骤(1)具体包括如下子步骤：
(1-1)采集并选取失真较小的所述防伪标签的图像；
(1-2)读取所述数据载体中记录的唯一标识码以及SURF特征信息的编码数据CODE1；
(1-3)若选择人工比对模式，则向数据服务器请求与所述唯一标识码对应的目标标签信息，并输出所述目标标签信息中包括的目标标签图像，由人工决定所述目标标签图像与所述防伪标签的图像是否匹配；
(1-4)若选择前端验证模式，则从所述防伪标签的图像中分割出防伪图案图像，并计算分割得到的防伪图案图像的编码数据CODE2，评估CODE1与CODE2的吻合程度；
(1-5)若选择后端验证模式，则执行步骤(2)；
(1-6)若吻合程度大于预设阈值或者后端验证成功，则输出匹配成功的提示信息；
(1-7)若吻合程度小于或等于预设阈值或者后端验证失败，则输出匹配失败的提示信息。
优选地，步骤(2)具体包括以下子步骤：
(2-1)获取所述防伪标签的图像以及所述防伪标签的唯一标识码；
(2-2)以所述唯一标识码作为索引，从数据服务器中查询与所述唯一标识码对应的目标标签信息，其中，所述目标标签信息包括目标标签图像；
(2-3)若在所述数据服务器中找到所述目标标签图像，则将所述目标标签图像与所述防伪标签的图像进行匹配测试；
(2-4)若在所述数据服务器中未找到所述目标标签图像或者匹配测试失败，则输出匹配失败的提示信息；
(2-5)若匹配测试成功，则输出匹配成功的提示信息。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，主要有以下的技术优点：
(1)标签制作简单且难被仿制。本发明提供的防伪标签上的防伪图案由液态颜料随机喷溅制作，当液态颜料受不均匀压力喷溅，颜料中的液滴运动速度及方向不同，撞击到平面瞬间会朝各个方向弹出，当最后各液滴完全停止运动时，形成一幅喷溅效果图案。由于颜料液滴中的固态物质含量也不一致，烘干之后，图案的各个部分的形状、大小、凹凸程度、颜色深度、颜色分布完全随机，并且这个过程很难被特定的制作工艺重现。以不同颜色、不同角度、不同次数进行喷溅形成的防伪图案，几乎无法被仿制。传统的标签批量复制印刷无法用在本发明标签上。
(2)本发明通过图像处理技术自动对标签的特征信息进行匹配，简化各种输码查询操作。标签本身也承载了编码表示的防伪信息，验证可直接在本地完成，不需要借助网络平台。
(3)本发明充分利用了图像SURF特征的独特性和抗光学失真特性，同一幅图像在不同拍摄场景下均能保留主要的特征信息。通过SURF特征匹配比通过人眼寻找比对两幅图像的细节特征更准确。
(4)本发明的系统中记录了标签的完整信息，并且提供了多种不同的验证模式，可以保证验证的结果足够可靠。
附图说明
图1为本发明实施例公开的一种基于SURF图像特征匹配的标签防伪系统的结构示意图；
图2为本发明实施例公开的一种基于SURF图像特征匹配的标签防伪方法的流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
参考图1所示，为本发明实施例公开的一种基于SURF图像特征匹配的标签防伪系统的结构示意图，其中，在图1所示的系统图中包括：防伪标签100、后端验证模块200、标签标示模块300以及前端验证模块400；
上述防伪标签100包括防伪图案101和数据载体102，数据载体102保存防伪图案101的SURF(Speeded-Up Robust Features)特征信息的编码数据以及防伪标签100的唯一标识码；
其中，防伪图案101为液态颜料随机喷溅若干次并烘干后形成的固化立体图案，液态颜料包括水粉、水彩、油画颜料、广告颜料、丙烯颜料等，数据载体102保存防伪图案101的SURF特征信息的编码数据以及防伪标签100的唯一标识码，数据载体102包括二维码、电子标签等。
上述后端验证模块200，用于获取防伪标签100的图像以及与防伪标签100的唯一标识码对应的目标标签图像，并对防伪标签100的图像以及目标标签图像进行匹配测试；
上述标签标示模块300，用于完成防伪标签的制作，并对防伪标签的相关信息进行备份，其中，防伪标签的相关信息包括防伪标签的唯一标识码、防伪标签中的防伪图案的SURF特征信息的编码数据以及符合预设分辨率的防伪标签图像；
上述前端验证模块400，用于获取防伪标签的图像、防伪标签的唯一标识码、防伪图案的SURF特征信息的编码数据以及与防伪标签的唯一标识码对应的目标标签图像，并结合选择的预设验证模式进行自动化匹配验证，其中，预设验证模式中包括利用后端验证模块200进行匹配测试的后端验证模式。
优选地，上述后端验证模块200包括数据接收模块201、数据服务器202、图像匹配模块203以及结果反馈模块204；
上述数据接收模块201，用于获取防伪标签100的图像以及防伪标签100的唯一标识码；
上述数据服务器202，用于以唯一标识码作为索引，从数据服务器202中查询与唯一标识码对应的目标标签信息，其中，目标标签信息包括目标标签图像；
上述图像匹配模块203，用于在数据服务器202找到目标标签图像时，将目标标签图像与防伪标签100的图像进行匹配测试；
上述结果反馈模块204，用于在数据服务器202未找到目标标签图像或者图像匹配模块203匹配测试失败时，输出匹配失败的提示信息，以及在图像匹配模块203匹配测试成功时，输出匹配成功的提示信息。
优选地，上述标签标示模块300包括标签赋码模块301、防伪图案图像处理模块302、标签信息采集模块303以及数据传输模块304；
上述标签赋码模块301，用于为防伪标签100分配唯一标识码，并将分配的唯一标识码写入防伪标签100的数据载体102中；
上述防伪图案图像处理模块302，用于分割防伪标签100中的防伪图案图像，检测防伪图案图像的SURF特征点，并利用非极大值抑制法确定防伪图案图像的SURF特征点中的部分特征点以及所述部分特征点的位置，然后确定所述部分特征点中的每一个特征点的主方向来描述防伪图案图像的SURF特征信息，并将SURF特征信息转换成编码数据写入防伪标签100的数据载体102中；
上述标签信息采集模块303，用于获取防伪标签100的相关信息，并整合形成防伪标签信息文件，其中，防伪标签的相关信息包括防伪标签100的唯一标识码、SURF特征信息的编码数据以及符合预设分辨率的防伪标签图像；
上述数据传输模块304，用于将防伪标签信息文件发送到数据服务器202中进行备份。
优选地，上述前端验证模块400包括图像采集模块401、载体数据识读模块402、数据收发模块403、鉴别模块404以及信息反馈模块405；
上述图像采集模块401，用于采集并选取失真较小的防伪标签100的图像；
上述载体数据识读模块402，用于读取数据载体102中记录的唯一标识码以及SURF特征信息的编码数据CODE1；
上述数据收发模块403，用于在选择人工比对模式时，向数据服务器202请求与唯一标识码对应的目标标签信息，并输出目标标签信息中包括的目标标签图像，由人工决定目标标签图像与防伪标签的图像是否匹配；
上述鉴别模块404，用于在选择前端验证模式时，从图像采集模块401获取的防伪标签100的图像中分割出防伪图案图像，并计算分割得到的防伪图案图像的编码数据CODE2，评估CODE1与CODE2的吻合程度；
上述数据收发模块403，还用于在选择后端验证模式时，将图像采集模块401获取的防伪标签100的图像与载体数据识读模块402获取的唯一标识码发送至后端验证模块200的数据接收模块201，由后端验证模块200进行匹配测试；
上述信息反馈模块404，用于在吻合程度大于预设阈值或者接收到后端验证模块200发送的匹配成功的提示信息时，输出匹配成功的提示信息；在吻合程度小于或等于预设阈值或者接收到后端验证模块200发送的匹配失败的提示信息时，输出匹配失败的提示信息。
优选地，上述防伪图案图像处理模块302包括图像分割模块、子区域方向确定模块、图像方向确定模块、图像特征向量确定模块、特征信息描述模块以及编码信息获取模块：
上述图像分割模块，用于将防伪标签100中的防伪图案图像划分为N个大小相同的子区域，其中，N为正整数；
上述子区域方向确定模块，用于利用直方图统计每一个子区域的主方向，选取直方图中的峰值方向作为该子区域的主方向，将所有特征点方向的加权平均角度作为该子区域的辅助方向得到每一个子区域的方向特征向量：V子＝[A主,A辅]，其中，A主为主方向，A辅为辅助方向；
上述图像方向确定模块，用于确定防伪标签100中的防伪图案图像的方向特征向量：V主方向＝[A主1,…,A主i,…,A主n]，V辅方向＝[A辅1,…,A辅i,…,A辅n]，其中，A主i表示第i个子区域的主方向，A辅i表示第i个子区域的辅助方向；
上述图像特征向量确定模块，用于统计每一个子区域的特征点数量，得到防伪标签100中的防伪图案图像的数量特征向量：V数量＝[R1,R2,…,Ri,…,Rn]，其中，Ri＝Ni/N表示第i个子区域特征点的数量比率，Ni表示第i个子区域的特征点数量，N表示所有有效的特征点数量；
上述特征信息描述模块，用于根据向量V主方向、V辅方向以及V数量来描述防伪标签100中的防伪图案图像的SURF特征信息；
上述编码信息获取模块，用于将SURF特征信息转换成编码数据写入防伪标签100的数据载体102中。
优选地，上述鉴别模块404包括CODE2获取模块、解码模块、第一计算模块、第二计算模块、第三计算模块以及第四计算模块；
上述CODE2获取模块，用于在选择前端验证模式时，从图像采集模块401获取的防伪标签100的图像中分割出防伪图案图像，并计算分割得到的防伪图案图像的编码数据CODE2；
上述解码模块，用于将CODE1与CODE2解码得到各自所表示图像的主方向特征向量V主方向1、V主方向2，辅助方向特征向量V辅方向1、V辅方向2，数量特征向量V数量1、V数量2；
上述第一计算模块，用于计算主方向特征向量的欧式距离d1＝||V主方向1-V主方向2||；
上述第二计算模块，用于计算辅助方向特征向量的欧式距离d2＝||V辅方向1-V辅方向2||；
上述第三计算模块，用于计算数量特征向量的欧式距离d3＝||V数量1-V数量2||；
上述第四计算模块，用于计算CODE1与CODE2的吻合程度：e＝α1*d1+α2*d2+α3*d3，其中，α1、α2、α3分别为主方向参数、辅助方向参数、数量参数的影响因子。
参考图2所示为本发明实施例公开的一种基于SURF图像特征匹配的标签防伪方法的流程示意图，在图2所示的方法中，包括以下步骤：
(1)获取防伪标签的图像、所述防伪标签的唯一标识码、所述防伪标签中的防伪图案的SURF特征信息的编码数据以及与所述防伪标签的唯一标识码对应的目标标签图像，并结合选择的预设验证模式进行自动化匹配验证，其中，所述防伪标签包括防伪图案和数据载体，所述数据载体保存所述防伪图案的SURF特征信息的编码数据以及所述防伪标签的唯一标识码；
(2)若选择的预设验证模式为后端验证模式，则对所述防伪标签的图像以及与所述防伪标签的唯一标识码对应的目标标签图像进行匹配测试。
优选地，步骤(1)具体包括如下子步骤：
(1-1)采集并选取失真较小的所述防伪标签的图像；
(1-2)读取所述数据载体中记录的唯一标识码以及SURF特征信息的编码数据CODE1；
(1-3)若选择人工比对模式，则向数据服务器请求与所述唯一标识码对应的目标标签信息，并输出所述目标标签信息中包括的目标标签图像，由人工决定所述目标标签图像与所述防伪标签的图像是否匹配；
(1-4)若选择前端验证模式，则从所述防伪标签的图像中分割出防伪图案图像，并计算分割得到的防伪图案图像的编码数据CODE2，评估CODE1与CODE2的吻合程度；
(1-5)若选择后端验证模式，则执行步骤(2)；
(1-6)若吻合程度大于预设阈值或者后端验证成功，则输出匹配成功的提示信息；
(1-7)若吻合程度小于或等于预设阈值或者后端验证失败，则输出匹配失败的提示信息。
优选地，步骤(2)具体包括以下子步骤：
(2-1)获取所述防伪标签的图像以及所述防伪标签的唯一标识码；
(2-2)以所述唯一标识码作为索引，从数据服务器中查询与所述唯一标识码对应的目标标签信息，其中，所述目标标签信息包括目标标签图像；
(2-3)若在所述数据服务器中找到所述目标标签图像，则将所述目标标签图像与所述防伪标签的图像进行匹配测试；
(2-4)若在所述数据服务器中未找到所述目标标签图像或者匹配测试失败，则输出匹配失败的提示信息；
(2-5)若匹配测试成功，则输出匹配成功的提示信息。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
- 还没有人留言评论。精彩留言会获得点赞！