证件真伪验证方法、装置、计算机设备及存储介质与流程

本申请涉及到计算机技术领域，特别是涉及到一种证件真伪验证方法、装置、计算机设备及存储介质。

背景技术：

身份证作为法定的证明公民个人身份的证件，在银行、海关、机场、火车站等应用场景中扮演着十分重要的角色，越来越多的场合对于身份证验证的高效性和准确性也提出了更高的要求。

现有技术中，为了验证身份证的真伪，一般都需要相关工作人员对从芯片中读取的信息和从身份资料信息库中导出的信息进行一致性比较，或者利用从芯片中读取的人脸照片以及身份证表面印刷的照片进行相似性比对，以确定身份证的真伪，该验证过程大都需要人工通过目测去一一进行比对，因此整个验证过程的可靠性与工作人员的经验和主观识别能力密切相关，但由于每个人的主观识别能力都有差异，侧重点也不同，因此在比对过程中不仅缺乏科学依据，而且容易受到各种因素的影响，因此，这种人工验证身份证真伪的方式，不仅效率低，而且准确性也无法得到保证。

技术实现要素：

本申请的主要目的为提供一种证件真伪验证方法、装置、计算机设备及存储介质，旨在解决现有技术中通过人工验证身份证真伪，存在效率低和准确性低的问题。

本申请提出一种证件真伪验证方法，包括：

获取目标证件在不同连续拍摄角度下的影像信息，并对各个拍摄角度下的影像信息进行特征检测，获得多个连续的特征信息，其中，特征检测包括对影像信息中的光学变色油墨区域进行变色油墨值检测，特征信息包括变色油墨值；

计算两两相邻的变色油墨值之间的差值并取绝对值，获得多个变色油墨绝对值；

判断多个变色油墨绝对值中是否存在大于预设变色油墨绝对值的第一变色油墨绝对值；

若多个变色油墨绝对值中存在大于预设变色油墨绝对值的第一变色油墨绝对值，则输出目标证件为真的信息。

进一步地，特征检测还包括利用预设的字符识别神经网络模型进行字符检测，特征信息还包括字符检测结果，获取目标证件在不同连续拍摄角度下的影像信息，并对各个拍摄角度下的影像信息进行特征检测，获得多个连续的特征信息的步骤之后，还包括：

根据多个字符检测结果，确定目标证件的证件类型；

根据证件类型，从预设的证件类型-变色油墨绝对值对应关系中，确定出与证件类型相对应的预设变色油墨绝对值。

进一步地，特征检测还包括利用预设的字符识别神经网络模型对影像信息中的光学字符区域进行字符检测，特征信息还包括字符检测结果，输出目标证件为真的信息的步骤之前，还包括：

判断多个字符检测结果中是否存在符合预设字符条件的第一字符检测结果；

若多个字符检测结果中存在符合预设字符条件的第一字符检测结果，则执行输出目标证件为真的信息的步骤。

进一步地，特征检测还包括利用预设的颜色识别神经网络模型对影像信息中的光学变色油墨区域进行颜色检测，特征信息还包括颜色检测结果，输出目标证件为真的信息的步骤之前，还包括：

判断多个颜色检测结果中是否存在符合预设颜色条件的第一颜色检测结果；

若多个字符检测结果中存在符合预设颜色条件的第一颜色检测结果，则执行输出目标证件为真的信息的步骤。

进一步地，获取目标证件在不同连续拍摄角度下的影像信息，并对各个拍摄角度下的影像信息进行特征检测，获得多个连续的特征信息的步骤之前，还包括:

获取倾斜角度各不相同且携带字符标记信息的多张真证件图像；

将多张真证件图像输入到字符识别神经网络模型中进行字符检测，输出多个字符信息；

将各个字符信息分别与对应的字符标记信息一一进行比对，以验证字符识别神经网络模型的检测精度是否达到预设精度；

若字符识别神经网络模型的检测精度未达到预设精度，则反复迭代字符识别神经网络模型中的参数，直至字符识别神经网络模型的检测精度达到预设精度为止。

进一步地，当影像信息为视频流，获取目标证件在不同连续拍摄角度下的影像信息，并对各个拍摄角度下的影像信息进行特征检测，获得多个连续的特征信息的步骤，包括：

从不同拍摄角度连续对目标证件的正面进行拍摄，获得视频流；

对视频流逐帧或间隔预设帧数进行特征检测，获得多个连续的特征信息。

进一步地，从不同拍摄角度连续对目标证件的正面进行拍摄，获得视频流的步骤，包括：

对目标证件进行对焦，并获取对焦后的目标证件的第一形状参数，第一形状参数包括目标证件的两个相对边缘的第一长度参数；

计算两个第一长度参数之间的偏差值，并判断偏差值是否小于第一预设阈值；

若偏差值小于第一预设阈值，则开始从不同的拍摄角度连续对目标证件的正面进行拍摄，并在拍摄的过程中实时获取目标证件的第二形状参数，第二形状参数包括目标证件的两个相对平行边缘的第二长度参数；

计算两个第二长度参数之间的比值，并判断比值是否小于第二预设阈值；

若比值小于第二预设阈值，则停止对目标证件进行拍摄，获得视频流。

本申请还提出一种证件真伪验证装置，包括：

特征检测模块，用于获取目标证件在不同连续拍摄角度下的影像信息，并对各个拍摄角度下的影像信息进行特征检测，获得多个连续的特征信息，其中，特征检测包括对影像信息中的光学变色油墨区域进行变色油墨值检测，特征信息包括变色油墨值；

计算模块，用于计算两两相邻的变色油墨值之间的差值并取绝对值，获得多个变色油墨绝对值；

第一判断模块，用于判断多个变色油墨绝对值中是否存在大于预设变色油墨绝对值的第一变色油墨绝对值；

输出模块，用于当多个变色油墨绝对值中存在大于预设变色油墨绝对值的第一变色油墨绝对值时，输出目标证件为真的信息。

本申请还提出一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现前述的证件真伪验证方法的步骤。

本申请还提出一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现前述的证件真伪验证方法的步骤。

本申请的有益效果是：本申请提出的证件真伪验证方法，通过获取目标证件在不同连续拍摄角度下的影像信息，并对各个影像信息中的光学变色油墨区域进行变色油墨值检测，可连续获得多个变色油墨值，进而通过计算两两相邻的变色油墨值之间的差值并取绝对值，可获得多个可表征身份证真伪性的变色油墨绝对值，进而可通过多个变色油墨绝对值中是否存在大于预设变色油墨绝对值的第一变色油墨绝对值的判断结果，来验证出目标证件的真伪，因而无需依赖人工进行鉴别，亦可实现对身份证件的真伪验证，从而大大地提高了证件真伪验证的效率和准确性。

附图说明

图1是本申请一实施中证件真伪验证方法的流程示意图；

图2是本申请一实施中证件真伪验证装置的结构示意图；

图3是本申请一实施中计算机设备的结构示意图。

本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

参照图1，本申请实施例提出一种证件真伪验证方法，可应用于具有摄像功能的终端设备上(如具有摄像功能的智能机器人等)，该证件真伪验证方法包括：

s11，获取目标证件在不同连续拍摄角度下的影像信息，并对各个拍摄角度下的影像信息进行特征检测，获得多个连续的特征信息，其中，特征检测包括变色油墨值检测，特征信息包括变色油墨值；

s12，计算两两相邻的变色油墨值之间的差值并取绝对值，获得多个变色油墨绝对值；

s13，判断多个变色油墨绝对值中是否存在大于预设变色油墨绝对值的第一变色油墨绝对值；

若多个变色油墨绝对值中存在大于预设变色油墨绝对值的第一变色油墨绝对值，则执行s14，输出目标证件为真的信息。

在上述s11中，上述目标证件为当前需要进行真伪验证的具有光学变色油墨防伪特征的身份证件，如中国大陆第二代居民身份证、香港永久性居民身份证等，其中，对于真的中国大陆第二代居民身份证，在身份证正面左上角距左侧边缘约为7.5mm，距上边缘约为9.5mm的位置具有一用光学变色油墨印刷的大小约为22mm×14mm的长城图案，随着观察角度的改变，该长城图案会动态呈现出不同的颜色，如由黄色渐变为绿色或者由绿色渐变为黄色；而对于真的香港永久性居民身份证，在身份证正面的晶片左侧位置具有一用光学变色油墨印制的三角形图案，随着观察角度的改变，该三角形图案会动态呈现出不同的颜色，如由金色渐变为绿色或者由绿色渐变为金色。在本步骤中，具体地，终端设备可从不同的拍摄角度对目标证件的正面连续进行拍摄，获得多张连续的对应不同角度的证件图像，然后通过对证件图像进行针对性的裁剪，可从每一张证件图像中裁剪出含有光学变色油墨防伪特征的第一区域图像，进而可通过opencv等图片处理库将裁剪出的第一区域图像由rgb颜色空间转换为hsv颜色空间，可获得各个第一区域图像对应的hsv值，然后提取hsv值中的h值(h值为一个整数)即为上述的变色油墨值，从而实现对各个拍摄角度下的影像信息的变色油墨值检测。

在上述s12中，获得多个变色油墨值后，通过计算两两相邻的变色油墨值之间的差值并取绝对值，可获得多个变色油墨绝对值，例如，获得的变色油墨值的数量为10个，则通过计算可获得9个变色油墨绝对值。

在上述s13中，具体地，由于对于真的目标证件，随着观察角度的改变，含有光学变色油墨防伪特征的油墨区域会动态呈现出不同的颜色，例如对于真的中国大陆第二代居民身份证，会由黄色渐变为绿色或者由绿色渐变为黄色，又例如，对于真的香港永久性居民身份证，会由金色渐变为绿色或者由绿色渐变为金色，而且不同的颜色会对应有不同的hsv值，例如黄色对应的hsv值为(60，100，100)(即黄色对应的h值为60)，金色对应的hsv值为(51，100，100)(即金色对应的h值为51)，绿色对应的hsv值为(120，100，50)(即绿色对应的h值为120)，因此两两相邻的变色油墨值之间会存在一定的差异，而这种差异可通过一个数值区间来表征，该数值区间可事先通过大量实验来获得，因此，获得多个变色油墨绝对值后，可通过判断多个变色油墨绝对值中是否存在大于预设变色油墨绝对值的变色油墨绝对值，来验证目标证件的真伪，具体地，可通过将获得的多个变色油墨绝对值逐一与预设变色油墨绝对值进行比较，来判断出多个变色油墨绝对值中是否存在至少一个大于预设变色油墨绝对值的第一变色油墨绝对值，其中，预设变色油墨绝对值可事先通过实验获得，例如预设变色油墨绝对值可以是5、6、7等，只要能满足使用要求即可，对此不作具体的限制。

在上述s14中，若多个变色油墨绝对值中存在大于预设变色油墨绝对值的第一变色油墨绝对值，则表明目标证件是真的身份证，此时可输出目标证件为真的信息来提示用户，否则，表明目标证件是假的身份证，此时可输出目标证件为假的信息来提示用户。

在本实施例中，该证件真伪验证方法通过获取目标证件在不同连续拍摄角度下的影像信息，并对各个影像信息中的光学变色油墨区域进行变色油墨值检测，可连续获得多个变色油墨值，进而通过计算两两相邻的变色油墨值之间的差值并取绝对值，可获得多个可表征身份证真伪性的变色油墨绝对值，进而可通过多个变色油墨绝对值中是否存在大于预设变色油墨绝对值的第一变色油墨绝对值的判断结果，来验证出目标证件的真伪，因而无需依赖人工进行鉴别，亦可实现对身份证件的真伪验证，从而大大地提高了证件真伪验证的效率和准确性。

在一个可选的实施例中，上述获取目标证件在不同连续拍摄角度下的影像信息，并对各个拍摄角度下的影像信息进行特征检测，获得多个连续的特征信息的步骤之前，还包括:

s101，接收用户输入的选择指令，并根据选择指令，确定目标证件的证件类型；

s102，根据证件类型，从预设的证件类型-变色油墨绝对值对应关系中，确定出与证件类型相对应的预设变色油墨绝对值。

在本实施例中，为了满足业务需求的多样性，可通过终端设备实现对不同类型的目标证件的真伪验证。具体地，用户可通过手动选择的方式确定目标证件的证件类型，例如可在终端设备特定的应用界面上为用户提供证件类型的选项，例如证件类型的选项可以是中国大陆、中国香港等，用户可通过点击等方式选择目标证件的证件类型，当用户在针对选项进行点击等操作时，会触发终端设备产生一个对应的选择指令，进而终端设备可根据该选择指令，确定出目标证件的证件类型，例如，用户点击了“中国香港”的证件类型选项，则表明当前需要验证的是香港永久性居民身份证的真伪性；其中，上述证件类型-变色油墨绝对值对应关系可以以表格的形式事先存储于终端设备上，在该证件类型-变色油墨绝对值对应关系中预先存储有各个目标证件类型相对应的变色油墨绝对值(一般地，不同的证件类型，表征身份证真伪临界点的变色油墨绝对值也会有所不同)，例如与中国大陆第二代居民身份证相对应的变色油墨绝对值、与香港永久性居民身份证相对应的变色油墨绝对值等等，因此，当确定出目标证件的证件类型后，终端设备通过查找预设的证件类型-变色油墨绝对值对应关系，可确定出与目标证件的证件类型相对应的预设变色油墨绝对值，以便后续利用该预设变色油墨绝对值进行身份证真伪的判断。在本实施例中，需要说明的是，在一些特定的使用场景中，用户还可自行设置默认的证件类型，例如，对于一些主要为验证中国大陆第二代居民身份证的真伪的使用场景，则用户可自行设置默认的证件类型为中国大陆，以避免频繁的手动选定操作。

在另一个可选的实施例中，特征检测还包括利用预设的字符识别神经网络模型进行字符检测，特征信息还包括字符检测结果，上述获取目标证件在不同连续拍摄角度下的影像信息，并对各个拍摄角度下的影像信息进行特征检测，获得多个连续的特征信息的步骤之后，还包括：

s11a，根据多个字符检测结果，确定目标证件的证件类型；

s11b，根据证件类型，从预设的证件类型-变色油墨绝对值对应关系中，确定出与证件类型相对应的预设变色油墨绝对值。

在本实施例中，可在对各个拍摄角度下的影像信息中的光学变色油墨区域进行变色油墨值检测的同时，利用预设的字符识别神经网络模型对各个拍摄角度下的影像信息中含有特定字符的区域(如光学字符区域)进行字符检测，进而可根据字符检测的结果，自动确定出目标证件的证件类型，从而可避免手动操作的麻烦，进一步提高证件真伪验证的效率。举例而言，对于真的中国大陆第二代居民身份证，在身份证正面右侧照片下有一用微透镜微图形组合薄膜技术生产的大小约为17.5mm×4.0mm的“中国china”的防伪特征字样,随着观察角度的改变，该防伪特征字样会动态呈现；而对于真的香港永久性居民身份证，在身份证正面的晶片下侧位置具有一个呈长圆形的防伪特征——多重激光影像，随着观察角度的改变，该多重激光影像会动态呈现h、k字样。具体地，在一些实施例中，终端设备可从不同的拍摄角度对目标证件的正面连续进行拍摄，获得多张连续的对应不同角度的证件图像，然后通过对证件图像进行针对性的裁剪，可从每一张证件图像中裁剪出含有防伪特征字样的第二区域图像(如含有多重激光影像的第二区域图像)，进而可通过将裁剪出的第二区域图像输入至预设的字符识别神经网络模型中进行字符检测，可获得各个第二区域图像对应的字符检测结果，从而实现对各个拍摄角度下的影像信息的字符检测，其中，字符检测结果包括多种，为方便说明，以目标证件为香港永久性居民身份证为例进行说明，假设目标证件为香港永久性居民身份证(即证件类型为中国香港)，则通过对各个拍摄角度下的影像信息中的光学字符区域(即含有多重激光影像的区域)进行字符检测，可获得4种字符检测结果：只含有h字符、只含有k字符、均不含h、k字符以及均含有h、k字符；进一步地，在一种方式中，可通过判断所获得的多个字符检测结果中是否存在均含有h、k字符的字符检测结果，来确定目标证件的证件类型是否为中国香港，在另一种方式中，还可通过判断所获得的多个字符检测结果中是否至少存在一个只含有h字符的字符检测结果和至少存在一个只含有k字符的字符检测结果，来确定目标证件的证件类型是否为中国香港，若多个字符检测结果中存在均含有h、k字符的字符检测结果或者多个字符检测结果中至少存在一个只含有h字符的字符检测结果和至少存在一个只含有k字符的字符检测结果，则终端设备可据此确定出目标证件的证件类型为中国香港；同理，根据多个字符检测结果，还可确定目标证件的证件类型是否为中国大陆等，因此，当确定出目标证件的证件类型后，终端设备通过查找预设的证件类型-变色油墨绝对值对应关系，可确定出与目标证件的证件类型相对应的预设变色油墨绝对值，以便后续利用该预设变色油墨绝对值进行身份证真伪的判断，此处需要说明的是，在本实施例中，除了可利用预设的字符识别神经网络模型对影像信息中的光学字符区域进行字符检测外，在其它一些实施例中，还可利用预设的字符识别神经网络模型对影像信息中的其它字符区域进行字符检测，例如，对于香港永久性居民身份证，在其正面的上边缘区域印刷有“香港永久性居民身份证”，因此可对该区域进行字符检测，当字符检测结果中含有可表征“香港”二字的字符检测结果时，则可据此确定目标证件的类型为中国香港。

另外，值得说明的是，在其它一些实施例中，还可采用上述手动选择证件类型和上述根据字符检测结果，自动确定证件类型相结合的方式来明确目标证件的证件类型，如此，可避免手动操作失误(例如，当应用场景发生改变时，如应用场景由中国大陆地区变为香港地区时，未将默认设置的证件类型进行适应性的调整)而影响证件真伪验证的准确度，而当检测到手动选择的证件类型(或者默认设置的证件类型)与自动检测到的证件类型不一致时，可发出证件类型不一致的提示信息，以提醒用户进行相关检查操作。

在一个可选的实施例中，特征检测还包括利用预设的字符识别神经网络模型对影像信息中的光学字符区域进行字符检测，特征信息还包括字符检测结果，上述输出目标证件为真的信息的步骤之前，还包括：

s140a，判断多个字符检测结果中是否存在符合预设字符条件的第一字符检测结果；

若多个字符检测结果中存在符合预设字符条件的第一字符检测结果，则执行上述s14，输出目标证件为真的信息。

在本实施例中，为方便说明，以目标证件为香港永久性居民身份证为例进行说明，假设目标证件为香港永久性居民身份证，则通过对各个拍摄角度下的影像信息中的光学字符区域(即含有多重激光影像的区域)进行字符检测，可获得4种字符检测结果：只含有h字符、只含有k字符、均不含h、k字符以及均含有h、k字符；进一步地，在一种方式中，可通过判断所获得的多个字符检测结果中是否存在均含有h、k字符的字符检测结果，来判断多个字符检测结果中是否存在符合预设字符条件的第一字符检测结果，在另一种方式中，还可通过判断所获得的多个字符检测结果中是否至少存在一个只含有h字符的字符检测结果和至少存在一个只含有k字符的字符检测结果，来判断多个字符检测结果中是否存在符合预设字符条件的第一字符检测结果；若所获得的多个字符检测结果中只含有h字符的字符检测结果或者只含有k字符的字符检测结果，则终端设备可据此输出目标证件为假的信息；而若多个字符检测结果中存在均含有h、k字符的字符检测结果，或者多个字符检测结果中至少存在一个只含有h字符的字符检测结果和至少存在一个只含有k字符的字符检测结果，则终端设备可据此判定多个字符检测结果中存在符合预设字符条件的第一字符检测结果，进而可输出目标证件为真的信息，即，只有当多个字符检测结果中存在均含有h、k字符的字符检测结果或者多个字符检测结果中至少存在一个只含有h字符的字符检测结果和至少存在一个只含有k字符的字符检测结果，且多个变色油墨绝对值中存在至少一个大于预设变色油墨绝对值的第一变色油墨绝对值时，终端设备才会输出目标证件为真的信息，这样，可进一步提高证件真伪验证的准确性，使得身份证件的真伪验证可更加可靠。

在一个可选的实施例中，获取目标证件在不同连续拍摄角度下的影像信息，并对各个拍摄角度下的影像信息进行特征检测，获得多个连续的特征信息的步骤之前，还包括:

s10a，获取倾斜角度各不相同且携带字符标记信息的多张真证件图像；

s10b，将多张真证件图像输入到字符识别神经网络模型中进行字符检测，输出多个字符信息；

s10c，将各个字符信息分别与对应的字符标记信息一一进行比对，以验证字符识别神经网络模型的检测精度是否达到预设精度；

若字符识别神经网络模型的检测精度未达到预设精度，则执行s10d，反复迭代字符识别神经网络模型中的参数，直至字符识别神经网络模型的检测精度达到预设精度为止。

在上述s10a中，具体地，由于对于真的身份证件，在不同的角度含有防伪特征字样的区域会动态呈现字样，故可获取多张(如5张、10张、20张、50张等)不同倾斜角度的同一真身份证件图像作为训练数据，其中，上述真证件图像可来源于用户所输入的，也可以来源于本地的，对此不作具体的限制；上述字符标记信息为标准字样类别的字符特征(如标准字样类别为“h”和“k”的字符特征、标准字样类别为“中”、“国”、“c”、“h”、“i”、“n”、“a”的字符特征等)，其可事先通过人工的方式标记于对应的真证件图像中，以便后续用于计算训练结果的准确率，举例而言，假设真证件图像来源于对真的香港永久性居民身份证的图像信息采集，那么可事先通过人工的方式标记每一张真证件图像的字符标记信息，例如字符标记信息可用(1，0)代表字符“h”,(0，1)代表字符“k”,(0，0)代表无字符，(1，1)代表字符“hk”,需要说明的是，上述真证件图像可以是身份证件图像中含有防伪特征字样的区域图像，也可以是身份证件图像中含有特定字符的区域图像，对此不作具体的限制，为方便理解，本实施例是以真证件图像是身份证件图像中含有防伪特征字样的区域图像为例进行相关说明。

在上述s10b中，可以采用卷积神经网络训练的分类器作为上述字符识别神经网络模型，当然，也可以采用其它类型的神经网络训练的分类器作为上述字符识别神经网络模型，只要能满足使用需求即可，对此不作具体的限制；具体地，当字符识别神经网络模型接收到输入的真证件图像时，字符识别神经网络模型通过对其进行字符检测，可输出对应的字符信息，例如当输出的字符信息中含有(1，0)时，则代表在字符检测的过程中，检测到某一张真证件图像中只含有“h”字符。

在上述s10c中，上述预设精度可根据实际使用需求而定，例如可以是80％、85％、90％等，对此不作具体的限制；举例而言，假设具有5张真证件图像，预设精度为85％，每张真证件图像对应的字符标记信息分别为(1，0)、(1，1)、(0，1)、(1，0)和(0，0)，所输出的各张真证件图像对应的字符信息分别为(1，0)、(1，1)、(0，1)、(0，0)和(0，0)，那么将各个字符信息分别与对应的字符标记信息一一进行比对，可得到有四个字符信息相匹配的比对结果，进而根据该比对结果可计算出字符识别神经网络模型的检测精度为80％，进而可判断出字符识别神经网络模型的检测精度未达到预设精度。

在上述s10d中，具体地，当字符识别神经网络模型的检测精度未达到预设精度时，可通过损失函数的方式计算输出的字符信息与标准的字符标记信息的预测误差，并采用随机梯度下降法不断将预测误差降低到最小，从而可训练出具有较优网络参数的字符识别神经网络模型。

在本实施例中，通过获取倾斜角度各不相同且携带字符标记信息的多张真证件图像，并将多张真证件图像输入到预设的字符识别神经网络模型中进行字符检测，输出多个字符信息，进而将输出的字符信息和对应的字符标记信息进行一一比对，可验证字符识别神经网络模型的检测精度是否达到预设精度，当字符识别神经网络模型的检测精度未达到预设精度时，反复迭代字符神经网络模型中的参数(如权值等网络参数)，直至字符识别神经网络模型的检测精度达到预设精度为止，从而可训练得到具有较优网络参数的字符识别神经网络模型，从而有利于进一步提高证件真伪验证的可靠性。

在一个可选的实施例中，特征检测还包括利用预设的颜色识别神经网络模型对影像信息中的光学变色油墨区域进行颜色检测，特征信息还包括颜色检测结果，上述输出目标证件为真的信息的步骤之前，还包括：

s140a，判断多个颜色检测结果中是否存在符合预设颜色条件的第一颜色检测结果；

若多个字符检测结果中存在符合预设颜色条件的第一颜色检测结果，则执行上述s14，输出目标证件为真的信息。

在本实施例中，为方便说明，以目标证件为香港永久性居民身份证为例进行说明，由于对于真的香港永久性居民身份证，在身份证正面的晶片左侧位置具有一用光学变色油墨印制的三角形图案，随着观察角度的改变，该三角形图案会动态呈现出不同的颜色，如由金色渐变为绿色或者由绿色渐变为金色，因此，在具体实施时，可从不同的拍摄角度对目标证件的正面连续进行拍摄，获得多张连续的对应不同角度的证件图像，然后通过对证件图像进行针对性的裁剪，可从每一张证件图像中裁剪出含有光学变色油墨防伪特征的第一区域图像，进而可通过将裁剪出的第一区域图像输入至预设的颜色识别神经网络模型中进行颜色检测，获得各个第一区域图像对应的颜色检测结果，从而实现对各个拍摄角度下的影像信息的颜色检测，进而再判断多个颜色检测结果中是否存在颜色为黄色的检测结果和颜色为绿色的检测结果；若多个颜色检测结果中不存在颜色为黄色的检测结果或者不存在颜色为绿色的检测结果，则终端设备可据此输出目标证件为假的信息，而若多个颜色检测结果中至少存在一个颜色为黄色的检测结果，同时至少存在一个颜色为绿色的检测结果，则终端设备可据此判定多个颜色检测结果中存在符合预设颜色条件的第一颜色检测结果，进而可输出目标证件为真的信息，即，只有当多个颜色检测结果中至少存在一个颜色为黄色的检测结果和至少存在一个颜色为绿色的检测结果，且多个变色油墨绝对值中存在至少一个大于预设变色油墨绝对值的第一变色油墨绝对值时，终端设备才会输出目标证件为真的信息，这样，可进一步提高证件真伪验证的准确性，使得身份证件的真伪验证可更加可靠。在本实施例中，需要说明的是，上述预设的颜色识别神经网络模型可以是预先训练好的具有颜色识别功能的卷积神经网络模型，也可以是预先训练好的具有颜色识别功能的bp神经网络模型，也可以是其它类型的颜色分类器，只要能满足使用需求即可，对此不作具体的限制，以目标证件为香港永久性居民身份证为例，可基于卷积神经网络事先训练一个可识别金色和绿色的颜色识别神经网络模型(相当于一个可将金色和绿色进行分类的颜色二分类器)，其训练过程与上述字符识别神经网络模型的训练过程类似，本领域技术人员可以理解，对此不再赘述。

另外，在其它一些实施例中，还可对各个拍摄角度下的影像信息同时进行变色油墨值检测、字符检测和颜色检测，只有当变色油墨值检测、字符检测和颜色检测均通过时(即，多个变色油墨绝对值中存在至少一个大于预设变色油墨绝对值的第一变色油墨绝对值，且多个字符检测结果中存在符合预设字符条件的第一字符检测结果，且多个颜色检测结果中存在符合预设颜色条件的第一颜色检测结果)，终端设备才会输出目标证件为真的信息，这样，可进一步提高证件真伪验证的准确性，使得身份证件的真伪验证可更加可靠。

在一个可选的实施例中，当影像信息为视频流时，获取目标证件在不同连续拍摄角度下的影像信息，并对各个拍摄角度下的影像信息进行特征检测，获得多个连续的特征信息的步骤，包括：

s111，从不同拍摄角度连续对目标证件的正面进行拍摄，获得视频流；

s112，对视频流逐帧或间隔预设帧数进行特征检测，获得多个连续的特征信息。

在本实施例中，终端设备可从不同的拍摄角度对目标证件的正面连续拍摄指定时间(如拍摄2秒、3秒、4秒等)，从而可获得具有一定时间长度的视频流，获得视频流后，则可采用逐帧(即一帧一帧地)的方式对视频流进行特征检测(如同时进行变色油墨值检测和字符检测)，也可采用间隔预设帧数的方式对视频流进行特征检测，其中，预设帧数可根据实际使用情况而定，如1帧、2帧、3帧等，对此不作具体的限制，满足使用要求即可，优选地，采用间隔预设帧数的方式对视频流进行特征检测，这样既不会影响检测的准确性，又可提高检测的效率；具体地，获得视频流后，通过对视频帧(即视频流中的一帧图像)进行针对性的裁剪，可从每一个视频帧(如第1帧、第3帧、第5帧、第7帧等)中分别裁剪出上述含有光学变色油墨防伪特征的第一区域图像和上述含有防伪特征字样的第二区域图像，其中，对于第一区域图像，可通过opencv等图片处理库将裁剪出的第一区域图像由rgb颜色空间转换为hsv颜色空间，可获得各个第一区域图像对应的hsv值，然后提取hsv值中的h值即为上述的变色油墨值，从而实现对目标证件的变色油墨值检测；而对于第二区域图像，可通过将其输入至上述字符识别神经网络模型中进行字符检测，从而可获得各个第二区域图像对应的字符检测结果，从而实现对目标证件的字符检测，因此，在一些实施例中，通过每间隔一个预设帧数对视频流进行变色油墨值检测和字符检测，可获得对应的一个变色油墨值和字符检测结果，例如，假设预设帧数为3帧，视频流的时间长度和帧数分别为5秒和30帧/秒，则通过采用间隔预设帧数的方式对视频流进行变色油墨值检测和字符检测，理论上可获得50个连续的变色油墨值和50个连续的字符检测结果。在本实施例中，通过采用视频流(即视频流)这种动态的方式来进行身份证的真伪验证，与采用图像信息(证件图像)这种静态的方式来进行身份证的真伪验证的技术手段相比，由于信息获取的连续性和稳定性会更高，因此有利于提高证件真伪验证的可靠性。

在一个可选的实施例中，从不同拍摄角度连续对目标证件的正面进行拍摄，获得视频流的步骤，包括：

s1111，对目标证件进行对焦，并获取对焦后的目标证件的第一形状参数，第一形状参数包括目标证件的两个相对边缘的第一长度参数；

s1112，计算两个第一长度参数之间的偏差值，并判断偏差值是否小于第一预设阈值；

若偏差值小于第一预设阈值，则执行s1113，开始从不同的拍摄角度连续对目标证件的正面进行拍摄，并在拍摄的过程中实时获取目标证件的第二形状参数，第二形状参数包括目标证件的两个相对平行边缘的第二长度参数；

s1114，计算两个第二长度参数之间的比值，并判断比值是否小于第二预设阈值；

若比值小于第二预设阈值，则执行s1115，停止对目标证件进行拍摄，获得视频流。

在上述s1111中，具体地，在开始时，利用摄像头对目标证件的正面进行对焦，然后通过边缘检测技术对目标证件的边缘进行检测，可获得分别对应目标证件4条边缘的4个第一长度参数(即4条边缘的长度)。

在上述s1112中，获得对应目标证件4条边的4个第一长度参数后，则进一步计算其中两条对边之间的长度差(即偏差值)，并判断该长度差是否小于第一预设阈值，若该长度差小于第一预设阈值，则说明两条对边的长度接近相等，对焦后的目标证件呈现为矩形，摄像头已对准目标证件的正面(此时相当于摄像头正对目标证件的正面)。

在上述s1113中，在拍摄的过程中，所检测到的目标证件的形状会随着拍摄角度的变化而发生变化，具体表现为由矩形变为上边短、下边长的梯形，在拍摄的过程中通过边缘检测技术可实时检测出目标证件呈现为梯形时对应4条边缘的4个第二长度参数。

在上述s1114中，获得目标证件呈现为梯形时4条边的4个第二长度参数后，则进一步计算其中两条相对平行边缘之间的长度比(即梯形的上边长与下边长之间的比值)，并判断该长度比是否小于第二预设阈值，其中，该第二预设阈值可事先通过实验来获得，例如可以是0.73、0.72、0.71等，只要能满足使用要求即可，对此不作具体的限制；若该长度比小于第二预设阈值，则说明目标证件已呈现为所需的梯形形状，摄像头已采集到足够的用于进行证件真伪验证的“素材”。

在上述s1115中，当检测到两条相对平行边缘之间的长度比小于第二预设阈值时，说明摄像头已采集到足够的用于进行证件真伪验证的“素材”，无需再对目标证件进行拍摄，因此此时可控制摄像头停止对目标证件进行拍摄，获得上述视频流。

在本实施例中，由于对于真的目标证件，随着角度的改变，含有光学变色油墨防伪特征的油墨区域会动态呈现出不同的颜色、含有防伪特征字样的区域会动态呈现字样，因此为了验证目标证件的真伪，需要模拟人的动作从不同的角度对目标证件进行“观察”，其中，拍摄角度的不同不仅会对验证的准确率造成影响，而且起始拍摄角度和终止拍摄角度最终决定了视频流的长度，从而最终还会影响到验证的效率，因此有必要对拍摄的起始角度和终止角度进行确定，以同时保证验证的准确率和效率，而在本实例中，通过选取正对目标证件的角度作为拍摄的起始角度，可简化操作，而且，通过边缘检测技术对目标证件进行边缘检测，不仅实现了摄像头拍摄角度的自动化控制，而无需人为操作来改变摄像头的拍摄角度，而且最终可获得一个较为合适的终止角度，从而可保证验证的准确率和效率。

在一个可选的实施例中，判断多个变色油墨绝对值中是否存在大于预设变色油墨绝对值的第一变色油墨绝对值的步骤，包括：

s131，从多个变色油墨绝对值中挑选出数值最大的变色油墨绝对值；

s132，判断数值最大的变色油墨绝对值是否大于预设变色油墨绝对值；

若数值最大的变色油墨绝对值大于预设变色油墨绝对值，则执行s133，判定多个变色油墨绝对值中存在大于预设变色油墨绝对值的第一变色油墨绝对值。

在本实施例中，由于多个变色油墨绝对值中只要存在有一个大于预设变色油墨绝对值的变色油墨绝对值，即可据此确定目标证件为真，因此只需从多个变色油墨绝对值中挑选出数值最大的变色油墨绝对值，进而通过判断该数值最大的变色油墨绝对值是否大于预设变色油墨绝对值，即可确定目标证件是否为真，而无需将逐一将多个变色油墨值与预设变色油墨绝对值进行大小的比较，从而有利于缩短运算的过程，提高验证的效率。

参照图2，本申请实施例还提出一种证件真伪验证装置，可应用于具有摄像功能的终端设备上，该证件真伪验证装置包括：

特征检测模块11，用于获取目标证件在不同连续拍摄角度下的影像信息，并对各个拍摄角度下的影像信息进行特征检测，获得多个连续的特征信息，其中，特征检测包括对影像信息中的光学变色油墨区域进行变色油墨值检测，特征信息包括变色油墨值；

计算模块12，用于计算两两相邻的变色油墨值之间的差值并取绝对值，获得多个变色油墨绝对值；

第一判断模块13，用于判断多个变色油墨绝对值中是否存在大于预设变色油墨绝对值的第一变色油墨绝对值；

输出模块14，用于当多个变色油墨绝对值中存在大于预设变色油墨绝对值的第一变色油墨绝对值时，输出目标证件为真的信息。

在一个可选的实施例中，上述证件真伪验证装置，还包括:

接收模块，用于接收用户输入的选择指令，并根据选择指令，确定目标证件的证件类型；

第一确定模块，用于根据证件类型，从预设的证件类型-变色油墨绝对值对应关系中，确定出与证件类型相对应的预设变色油墨绝对值。

在一个可选的实施例中，特征检测还包括利用预设的字符识别神经网络模型进行字符检测，特征信息还包括字符检测结果，上述证件真伪验证装置还包括：

第二确定模块，用于根据多个字符检测结果，确定目标证件的证件类型；

第三确定模块，用于根据证件类型，从预设的证件类型-变色油墨绝对值对应关系中，确定出与证件类型相对应的预设变色油墨绝对值。

在一个可选的实施例中，特征检测还包括利用预设的字符识别神经网络模型对影像信息中的光学字符区域进行字符检测，上述证件真伪验证装置还包括：

第二判断模块，用于判断多个字符检测结果中是否存在符合预设字符条件的第一字符检测结果。

上述输出模块14，还用于当多个字符检测结果中存在符合预设字符条件的第一字符检测结果时，输出目标证件为真的信息。

在一个可选的实施例中，特征检测还包括利用预设的颜色识别神经网络模型对影像信息中的光学变色油墨区域进行颜色检测，特征信息还包括颜色检测结果，上述证件真伪验证装置还包括：

第三判断模块，用于判断多个颜色检测结果中是否存在符合预设颜色条件的第一颜色检测结果。

上述输出模块14，还用于当多个字符检测结果中存在符合预设颜色条件的第一颜色检测结果时，输出目标证件为真的信息。

在一个可选的实施例中，上述证件真伪验证装置，还包括:

获取模块，获取倾斜角度各不相同且携带字符标记信息的多张真证件图像；

字符检测模块，将多张真证件图像输入到字符识别神经网络模型中进行字符检测，输出多个字符信息；

比对模块，用于将各个字符信息分别与对应的字符标记信息一一进行比对，以验证字符识别神经网络模型的检测精度是否达到预设精度；

迭代模块，用于当字符识别神经网络模型的检测精度未达到预设精度时，反复迭代字符识别神经网络模型中的参数，直至字符识别神经网络模型的检测精度达到预设精度为止。

在一个可选的实施例中，当影像信息为视频流时，上述特征检测模块11，包括：

拍摄单元，用于从不同拍摄角度连续对目标证件的正面进行拍摄，获得视频流；

特征检测单元，用于对视频流逐帧或间隔预设帧数进行特征检测，获得多个连续的特征信息；

在一个可选的实施例中，上述拍摄单元，包括：

对焦子单元，用于对目标证件进行对焦，并获取对焦后的目标证件的第一形状参数，第一形状参数包括目标证件的两个相对边缘的第一长度参数；

第一计算子单元，用于计算两个第一长度参数之间的偏差值，并判断偏差值是否小于第一预设阈值；

拍摄子单元，用于当偏差值小于第一预设阈值时，开始从不同的拍摄角度连续对目标证件的正面进行拍摄，并在拍摄的过程中实时获取目标证件的第二形状参数，第二形状参数包括目标证件的两个相对平行边缘的第二长度参数；

第二计算子单元，用于计算两个第二长度参数之间的比值，并判断比值是否小于第二预设阈值；

停止子单元，用于当比值小于第二预设阈值时，停止对目标证件进行拍摄，获得视频流。

在一个可选的实施例中，上述第一判断模块13，包括：

挑选单元，用于从多个变色油墨绝对值中挑选出数值最大的变色油墨绝对值；

判断单元，用于判断数值最大的变色油墨绝对值是否大于预设变色油墨绝对值；

判定单元，用于当数值最大的变色油墨绝对值大于预设变色油墨绝对值时，判定多个变色油墨绝对值中存在大于预设变色油墨绝对值的第一变色油墨绝对值。

关于上述实施例中证件真伪验证装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处不再赘述。

参照图3，本申请实施例中还提供一种计算机设备，该计算机设备可以是服务器，其内部结构可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储证件真伪验证方法程序等。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时实现上述任一实施例中的证件真伪验证方法。

本申请实施例还提出一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述任一实施例中的证件真伪验证方法。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储与一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram通过多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双速据率sdram(ssrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其它变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其它要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。

以上所述仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。