本技术涉及计算机视觉,尤其涉及一种银行流水图像的鉴别真伪方法、装置、电子设备及介质。
背景技术:
1、目前金融银行业内普遍存在影像被篡改,但缺少辨别真伪的技术手段。对于银行流水图像,通常来说会通过人工观察其样式是否正常,而且流水鉴别,大多通过征得客户同意后电话核实和网上核实,甚至需要陪同客户到银行柜面拉取流水,银行流水图像的真伪鉴别成本比较高。在篡改检测上,普遍传统方案是通过关键点特征,如harris角点检测使用一个固定窗口在银行流水图像的任意方向上滑动,比较滑动前后像素灰度变化程度,变化大则有角点,该方案对尺度非常敏感,以及在有遮挡变形等情况下,角点提取不理想,对银行流水图像的篡改鉴别存在判别特征微弱的问题。
技术实现思路
1、为了解决上述技术问题,本技术实施例提供了一种银行流水图像的鉴别真伪方法、装置、电子设备及介质。
2、第一方面,本技术实施例提供了一种银行流水图像的鉴别真伪方法,所述方法包括:
3、基于unet模型、压缩与激励模块构建空间和通道的压缩和激励模型;
4、将银行流水图像训练集输入所述空间和通道的压缩和激励模型进行训练,得到多个候选鉴别模型,根据预设筛选标准从多个候选鉴别模型中确定银行流水图像鉴别模型;
5、通过所述银行流水图像鉴别模型对待检银行流水图像进行计算,得到所述待检银行流水图像的候选篡改区域的黑白二值图像;
6、根据所述黑白二值图像与所述待检银行流水图像的面积比确定所述待检银行流水图像的篡改概率;
7、若所述待检银行流水图像的篡改概率大于预设篡改阈值,则根据所述黑白二值图像在所述待检银行流水图像中确定篡改检测区域,识别所述篡改检测区域的流水内容;
8、根据所述流水内容的内容属性的概率和/或内容逻辑确定所述待检银行流水图像的真伪。
9、在一实施方式中,所述将银行流水图像训练集输入所述空间和通道的压缩和激励模型进行训练,得到多个候选鉴别模型,根据预设筛选标准从多个候选鉴别模型中确定银行流水图像鉴别模型,包括:
10、将所述银行流水图像训练集的各银行流水训练图像进行训练预处理,得到多个预处理银行流水图像;
11、将多个预处理银行流水图像按预设批次分别输入所述空间和通道的压缩和激励模型进行训练,分别得到多个所述候选鉴别模型;
12、将银行流水图像验证集分别输入各所述候选鉴别模型进行计算,得到各所述候选鉴别模型的平均交并比及平均f1分数,根据各所述候选鉴别模型的平均交并比及平均f1分数计算各所述候选鉴别模型的训练分数;
13、将训练分数最高的候选鉴别模型确定为所述银行流水图像鉴别模型。
14、在一实施方式中,所述根据所述流水内容的内容属性的概率和/或内容逻辑确定所述待检银行流水图像的真伪,包括:
15、若所述流水内容的内容属性的概率大于等于预设属性概率阈值,则判断所述流水内容的内容逻辑是否正确;
16、若错误,则确定所述待检银行流水图像为伪;
17、若正确,则确定所述待检银行流水图像为真。
18、在一实施方式中,所述根据所述流水内容的内容属性的概率和/或内容逻辑确定所述待检银行流水图像的真伪,还包括:
19、若所述流水内容的内容属性的概率小于预设属性概率阈值,计算所述待检银行流水图像的篡改概率与所述流水内容的内容属性的概率的和值;
20、若所述和值大于预设概率阈值,则确定所述银行流水图像为伪;
21、若所述和值小于等于预设概率阈值,则确定所述银行流水图像为真。
22、在一实施方式中,所述方法还包括:
23、若所述待检银行流水图像的篡改概率小于等于预设篡改阈值,则确定所述待检银行流水图像为真。
24、在一实施方式中,所述识别所述篡改检测区域的流水内容,包括:
25、通过识别模型识别所述篡改检测区域的头尾部内容及表格内容;和/或,
26、通过yolo模型识别所述篡改检测区域的印章内容。
27、在一实施方式中,所述通过识别模型识别所述篡改检测区域的表格内容,包括:
28、通过yolov模型检测表格外框;
29、通过unet网络对所述表格外框内的横竖线进行预测,返回预测结果,若所述预测结果中单元格数量小于预设数量或单元格高度大于预设高度,则确定为非标准表格;
30、通过单行文字检测模型检测所述非标准表格的单行文字坐标,根据单行文字坐标获取所述非标准表格的文本识别结果。
31、第二方面,本技术实施例提供了一种银行流水图像的鉴别真伪装置,所述装置包括:
32、构建模块,用于基于unet模型、压缩与激励模块构建空间和通道的压缩和激励模型;
33、训练模块,用于将银行流水图像训练集输入所述空间和通道的压缩和激励模型进行训练,得到多个候选鉴别模型,根据预设筛选标准从多个候选鉴别模型中确定银行流水图像鉴别模型;
34、计算模块,用于通过所述银行流水图像鉴别模型对待检银行流水图像进行计算,得到所述待检银行流水图像的候选篡改区域的黑白二值图像;
35、第一确定模块,用于根据所述黑白二值图像与所述待检银行流水图像的面积比确定所述待检银行流水图像的篡改概率;
36、识别模块,用于若所述待检银行流水图像的篡改概率大于预设篡改阈值,则根据所述黑白二值图像在所述待检银行流水图像中确定篡改检测区域,识别所述篡改检测区域的流水内容;
37、第二确定模块,用于根据所述流水内容的内容属性的概率和/或内容逻辑确定所述待检银行流水图像的真伪。
38、第三方面,本技术实施例提供了一种电子设备,包括存储器以及处理器,所述存储器用于存储计算机程序,所述计算机程序在所述处理器运行时执行第一方面提供的银行流水图像的鉴别真伪方法。
39、第四方面,本技术实施例提供了一种计算机可读存储介质,其存储有计算机程序,所述计算机程序在处理器上运行时执行第一方面提供的银行流水图像的鉴别真伪方法。
40、上述本技术提供的银行流水图像的鉴别真伪方法、装置、电子设备及介质,基于unet模型、压缩与激励模块构建空间和通道的压缩和激励模型;将银行流水图像训练集输入所述空间和通道的压缩和激励模型进行训练,得到多个候选鉴别模型,根据预设筛选标准从多个候选鉴别模型中确定银行流水图像鉴别模型;通过所述银行流水图像鉴别模型对待检银行流水图像进行计算,得到所述待检银行流水图像的候选篡改区域的黑白二值图像;根据所述黑白二值图像与所述待检银行流水图像的面积比确定所述待检银行流水图像的篡改概率;若所述待检银行流水图像的篡改概率大于预设篡改阈值,则根据所述黑白二值图像在所述待检银行流水图像中确定篡改检测区域,识别所述篡改检测区域的流水内容;根据所述流水内容的内容属性的概率和/或内容逻辑确定所述待检银行流水图像的真伪。这样,通过使用深度学习技术实现银行流水真伪的自动判别,提高银行流水图像的真伪辨别准确度,节省大量人工成本。