翻拍证件图片的识别方法及装置的制造方法
【技术领域】
[0001] 本发明涉及图像处理技术领域，具体而言涉及一种翻拍证件图片的识别方法及装 置。
【背景技术】
[0002] 随着经济的发展以及互联网的普及，个人征信、远程开户等业务正逐渐成为金融、 电信和电商等行业的重要业务。在这些业务中，出于便捷、安全以及法律法规等方面的考 虑，可能需要用户通过智能手机、平板电脑或网络摄像头等设备拍摄并上传自己的证件图 片（例如图IA所示的合格身份证图片）。
[0003] 然而，一些证件图片不是通过对准真实的证件拍摄得到的，而是通过翻拍电脑屏 幕或手机屏幕上的证件图片而形成的。这些翻拍图片中的证件可能不属于用户本人，也可 能曾经被编辑、伪造或篡改，不具备法律效力，因此被认定为违规证件图片（例如图IB所示 的翻拍身份证图片）。
[0004] 在实际的业务中，需要一种可以鉴别此类翻拍证件图片的有效途径。目前，翻拍证 件图片的鉴别都是通过人工查看和检验的方式完成，尚没有自动化的方案、系统或装置。当 需要鉴别的证件图片数目巨大时，人工查看和检验的效率和成本将成为严重的制约瓶颈。
【发明内容】
[0005] 针对现有技术的不足，一方面，本发明提供一种翻拍证件图片的识别方法。所述识 别方法包括：计算给定证件图片的图片特征；以及基于所计算的图片特征利用训练好的分 类模型确定所述给定证件图片是否为翻拍证件图片。
[0006] 示例性地，所述分类模型的训练包括：构建证件图片数据库，所述证件图片数据库 包括一组证件图片以及每个证件图片相应的标签，所述标签指示证件图片是否为翻拍证件 图片；计算所述证件图片数据库中的每一个证件图片的图片特征；基于所述标签和所述图 片特征构建训练集；以及采用支持向量机（SVM)模型在所述训练集上训练出所述分类模 型。
[0007] 示例性地，计算证件图片的图片特征包括计算证件图片的频谱特征、纹理特征和 颜色特征中的至少一个。
[0008] 示例性地，计算证件图片的频谱特征包括：将待计算的证件图片缩放到标准尺寸； 将缩放之后得到的图像按照RGB三通道分解为三幅图像；分别计算所述三幅图像的离散傅 里叶变换并取其各自的模值；将所述模值中的所有元素以列优先的方式连接成向量，以作 为所述频谱特征。
[0009] 示例性地，计算证件图片的纹理特征包括计算证件图片的词袋模型（Bag of Words)〇
[0010] 示例性地，计算证件图片的颜色特征包括计算证件图片的颜色直方图。
[0011] 另一方面，本发明还提供一种翻拍证件图片的识别装置。所述识别装置包括：特征 提取模块，用于计算给定证件图片的图片特征；以及图像分类模块，用于利用其包括的训练 好的分类模型、基于所计算的图片特征确定所述给定证件图片是否为翻拍证件图片。
[0012] 示例性地，所述分类模型的训练包括：构建证件图片数据库，所述证件图片数据库 包括一组证件图片以及每个证件图片相应的标签，所述标签指示证件图片是否为翻拍证件 图片；计算所述证件图片数据库中的每一个证件图片的图片特征；基于所述标签和所述图 片特征构建训练集；以及采用支持向量机模型在所述训练集上训练出所述分类模型。
[0013] 示例性地，所述特征提取模块计算证件图片的图片特征包括计算证件图片的频谱 特征、纹理特征和颜色特征中的至少一个。
[0014] 示例性地，所述特征提取模块计算证件图片的频谱特征的方法包括：将待计算的 证件图片缩放到标准尺寸；将缩放之后得到的图像按照RGB三通道分解为三幅图像；分别 计算所述三幅图像的离散傅里叶变换并取其各自的模值；将所述模值中的所有元素以列优 先的方式连接成向量，以作为所述频谱特征。
[0015] 本发明提供的翻拍证件图片的识别方法及装置通过图像特性自动判断证件图片 的类别，免去人工查看和检验的过程，提高翻拍证件图片鉴别的效率。
【附图说明】
[0016] 本发明的下列附图在此作为本发明的一部分用于理解本发明。附图中示出了本发 明的实施例及其描述，用来解释本发明的原理。
[0017] 附图中：
[0018] 图IA示出了合格身份证图片的示例；
[0019] 图IB示出了翻拍身份证图片的示例；以及
[0020] 图2示出了根据本发明实施例的、翻拍证件图片的识别方法的流程图。
【具体实施方式】
[0021] 在下文的描述中，给出了大量具体的细节以便提供对本发明更为彻底的理解。然 而，对于本领域技术人员而言显而易见的是，本发明可以无需一个或多个这些细节而得以 实施。在其他的例子中，为了避免与本发明发生混淆，对于本领域公知的一些技术特征未进 行描述。
[0022] 应当理解的是，本发明能够以不同形式实施，而不应当解释为局限于这里提出的 实施例。相反地，提供这些实施例将使公开彻底和完全，并且将本发明的范围完全地传递给 本领域技术人员。
[0023] 在此使用的术语的目的仅在于描述具体实施例并且不作为本发明的限制。在此使 用时，单数形式的"一"、"一个"和"所述/该"也意图包括复数形式，除非上下文清楚指出 另外的方式。还应明白术语"组成"和/或"包括"，当在该说明书中使用时，确定所述特征、 整数、步骤、操作、元件和/或部件的存在，但不排除一个或更多其它的特征、整数、步骤、操 作、元件、部件和/或组的存在或添加。在此使用时，术语"和/或"包括相关所列项目的任 何及所有组合。
[0024] 为了彻底理解本发明，将在下列的描述中提出详细的步骤以及详细的结构，以便 阐释本发明的技术方案。本发明的较佳实施例详细描述如下，然而除了这些详细描述外，本 发明还可以具有其他实施方式。
[0025] 本发明的一个实施例提供一种翻拍证件图片的识别方法，用于通过图像特性自动 判断证件图片（例如身份证图片、护照图片、驾驶证图片等）的类别（即，真实或翻拍），免 去人工查看和检验的过程，提高翻拍证件图片鉴别的效率。
[0026] 下面，参照图2来具体描述根据本发明的一个实施例的翻拍证件图片的识别方 法。图2示出了根据本发明实施例的、翻拍证件图片的识别方法200的流程图。如图2所 示，翻拍证件图片的识别方法200包括如下步骤：
[0027] 步骤201 :计算给定证件图片的图片特征；以及
[0028] 步骤202 :基于所计算的图片特征利用训练好的分类模型确定该给定证件图片是 否为翻拍证件图片。
[0029] 示例性地，步骤201可以包括：计算给定证件图片的频谱特征、纹理特征和/或颜 色特征。由于相机感光元件与显示器之间的波的干涉效应，通过翻拍电脑或手机屏幕上的 证件照片而得到的图片上会出现明显的周期性彩色条纹（例如见图1B)，称为"摩尔纹"。摩 尔纹是区别真实证件图片和翻拍证件图片的重要线索。由于摩尔纹呈现周期性，在频率域 中摩尔纹的特性会更加明显。此外，摩尔纹的颜色也区别于正常的证件。因此，利用由于相 机感光元件与显示器之间的波的干涉效应而产生的摩尔纹，计算图像的频谱特征、纹理特 征和颜色特征中的至少一个，可以有效提高翻拍证件图片识别的精度。示例性地，上述三种 特征既可以独立使用，也可以拼接起来作为组合特征使用。
[0030] 根据本发明的一个实施例，计算证件图片的频谱特征可以包括如下步骤（1)~ (5)：
[0031] (1)将待计算的证件图片（例如P)缩放到标准尺寸（例如宽度为像素214、高度 为135像素）。
[0032] (2)将缩放之后得到的图像按照RGB三通道分解为三幅图像，例如记为PR、P e和PB。
[0033] (3)对于PR、PS和P B三幅图像，分别计算其离散傅里叶变换，例如P R的离散傅里叶 变换的计算可以通过如下的公式进行：
[0035] 其中匕为P R经过离散傅里叶变换后得到的频谱图，u和V为频域索引。M和N分 别为图像匕的宽度和高度，m和η分别为图像P R中像素水平和竖直方向的索引，j为虚数 单位。采用相同的方法，可以计算Pe和P 8的频谱图F 和F B。
[0036] (4) FR、Fe和F B中的每一个元素均为复数。对F R、Fe和F B中的每一个元素取模值， 得到 I IfrI I、I |FS| I 和 I IfbI I。
[0037] (5)将I |fr| |、| |Fe| I和I |fb| I中的所有元素以列优先的方式连接成一个向量X， X即为图像P的频谱特征。
[0038] 根据本发明的一个实施例，计算证件图片的纹理特征可以包括计算证件图片的词 袋模型。词袋模型是图像纹理特征的一种统计表达，可以有效描述图像的整体和局部特性。 词袋模型的计算可以包括两个主要步骤（a)和（b):
[0039] (a)建立码本：从一个训练图像集合中随机提取大量的图像描述符（如SIFT、HOG 等），每个图像描述符都是一个向量，采用K-means聚类算法对这些图像描述符进行聚类， 得到K个类别（K为可以调节的参数，典型值为1024、2048、10000等）。聚