防伪纸张的水印识别方法、装置、云端服务器及系统与流程

本发明涉及水印鉴别技术领域，特别涉及一种防伪纸张的水印识别方法、装置、云端服务器及系统。

背景技术：

水印是钞票纸及其他防伪纸张的重要防伪技术之一，该水印不同于印刷生成的数字水印，它是在生产纸张的过程中，通过水印网的设计在纸张成型过程中形成的，具有在透射光下可见的特征。真假水印的识别目前没有专门的仪器进行检测，还停留在人工用肉眼去识别。但这种人工识别方式对普通大众来说较困难，这主要是因为大众缺乏水印相关的专业知识，对水印的成型机理不了解，造成真假水印难以鉴别，导致识别的准确率和效率过低。长此以往，大众主要通过印刷防伪(如：凹印手感、光变油墨、对印等)来鉴别真假钞票，很少通过水印来鉴别真伪，这也使水印的防伪作用大打折扣。纸张水印技术在不断地发展，但只有将水印的识别手段提升才能使水印发挥更好的防伪作用。

技术实现要素：

本发明实施例提供了一种防伪纸张的水印识别方法，用以提高水印识别的效率和准确性，该方法包括：

采集待识别水印纸张的图像；

将待识别水印纸张的图像发出；

接收根据神经网络识别模型反馈的识别结果；所述神经网络识别模型根据多个水印样品图像训练生成。

本发明实施例还提供了一种防伪纸张的水印识别方法，用以提高水印识别的效率和准确性，该方法包括：

接收待识别水印纸张的图像；

将所述待识别水印纸张的图像输入神经网络识别模型，对待识别水印纸张的图像进行识别，得到识别结果；所述神经网络识别模型根据多个水印样品图像训练生成；

将识别结果发出。

本发明实施例还提供了一种防伪纸张的水印识别装置，用以提高水印识别的效率和准确性，该装置包括：

采集单元，用于采集待识别水印纸张的图像；

第一发送单元，用于将待识别水印纸张的图像发出；

第一接收单元，用于接收根据神经网络识别模型反馈的识别结果；所述神经网络识别模型根据多个水印样品图像训练生成。

本发明实施例还提供了一种防伪纸张的水印识别云端服务器，用以提高水印识别的效率和准确性，该云端服务器包括：

第二接收单元，用于接收待识别水印纸张的图像；

识别单元，用于将所述待识别水印纸张的图像输入神经网络识别模型，对待识别水印纸张的图像进行识别，得到识别结果；所述神经网络识别模型根据多个水印样品图像训练生成；

第二发送单元，用于将识别结果发出。

本发明实施例还提供了一种防伪纸张的水印识别系统，用以提高水印识别的效率和准确性，该系统包括：

如上所述的水印识别装置；

如上所述的水印识别云端服务器。

本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述防伪纸张的水印识别方法。

本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有执行防伪纸张的水印识别方法的计算机程序。

本发明实施例提供的技术方案通过一防伪纸张的水印识别装置采集待识别水印纸张的图像；将待识别水印纸张的图像发出至一防伪纸张的云端服务器；该防伪纸张的云端服务器接收待识别水印纸张的图像，将该待识别水印纸张的图像输入神经网络识别模型，对待识别水印纸张的图像进行识别，得到识别结果，并将识别结果反馈给水印识别装置；其中，上述神经网络识别模型是根据多个水印样品图像训练生成的，通过该方案实现了对防伪纸张的水印的快速和准确的识别，提高了防伪纸张的水印识别的效率和准确性。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，并不构成对本发明的限定。在附图中：

图1是本发明实施例中防伪纸张的水印识别系统的结构示意图；

图2是本发明实施例中应用于防伪纸张的水印识别装置的水印识别方法的流程示意图；

图3是本发明实施例中应用于防伪纸张的水印识别云端服务器水印识别方法的流程示意图；

图4是本发明实施例中防伪纸张的水印识别装置的结构示意图；

图5是本发明实施例中防伪纸张的水印识别云端服务器的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施方式和附图，对本发明做进一步详细说明。在此，本发明的示意性实施方式及其说明用于解释本发明，但并不作为对本发明的限定。

发明人发现：真假水印的识别目前没有专门的仪器进行检测，还停留在人工用肉眼去识别。但这种人工识别方式对普通大众来说较困难，这主要是因为大众缺乏水印相关的专业知识，对水印的成型机理不了解，造成真假水印难以鉴别。另外，人工智能作为一个新兴的产业，近年来得到了迅速的发展，目前人工智能已经在金融、电商零售、安防、教育、医疗健康、个人助理及自动驾驶等多个领域得到应用。

因此，考虑到上述技术问题，发明人提出了一种基于人工智能的防伪纸张的水印识别技术方案，该方案通过对大量水印样品进行图像采集和处理，然后利用人工智能的神经网络模型与算法对图片进行分析，实现对水印的智能识别，从而达到真假水印鉴别的目的。该技术可以适用于钞票纸及其他水印防伪纸。下面对该防伪纸张的水印识别方法方案进行详细介绍如下。

图1是本发明实施例中防伪纸张的水印识别系统的结构示意图，如图1所示，本发明实施例中防伪纸张的水印识别系统可以分为前端和后端两个部分，前端可以为一防伪纸张的水印识别装置(简称识别装置10，见图1)，后端可以是一防伪纸张的水印识别云端服务器(简称云端服务器20，见图1)，图1中待测样张即为待识别水印纸张。其中，该防伪纸张的水印识别装置负责采集待识别水印纸张的图像，将待识别水印纸张的图像发出至防伪纸张的水印识别云端服务器，等待检测结果。该防伪纸张的水印识别云端服务器负责处理上述待识别水印纸张的图像，将所述待识别水印纸张的图像输入神经网络识别模型，对待识别水印纸张的图像进行识别，得到识别结果，并返回检测(识别)结果给水印识别装置，其中，该神经网络识别模型根据多个水印样品图像训练生成，使用者可以随时随地地实现快速、高效地水印的鉴别。下面对该防伪纸张的水印识别系统的各个部分及其功能进行详细介绍如下。

首先，介绍水印识别装置及功能。

图2是本发明实施例中防伪纸张的水印识别方法的流程示意图，该方法应用于水印识别装置，如图2所示，该方法包括如下步骤：

步骤101：采集待识别水印纸张的图像；

步骤102：将待识别水印纸张的图像发出；

步骤103：接收根据神经网络识别模型反馈的识别结果；所述神经网络识别模型根据多个水印样品图像训练生成。

本发明实施例提供的技术方案通过一防伪纸张的水印识别装置采集待识别水印纸张的图像；将待识别水印纸张的图像发出至一防伪纸张的云端服务器；该防伪纸张的云端服务器接收待识别水印纸张的图像，将该待识别水印纸张的图像输入神经网络识别模型，对待识别水印纸张的图像进行识别，得到识别结果，并将将识别结果反馈给防伪纸张的水印识别装置；其中，上述神经网络识别模型是根据多个水印样品图像训练生成的，通过该方案实现了对水印的快速和准确的识别，提高了防伪纸张的水印识别的效率和准确性。

具体实施时，首先介绍神经网络识别模型的生成过程。深度学习模型(神经网络识别模型)需要大量数据进行训练和验证，因此在拿到一个新的水印时，前期需要进行准备大量的水印样品。图像采集是首要任务，图像采集可以将水印样品放在背光板上用手机进行拍照，得到样品图像。通过计算机软件的神经网络识别模型和算法对采集的大量水印样品图片进行识别训练，并将训练的结果(训练完成的神经网络模型，也叫深度学习模型)放到云端服务器。

在一个实施例中，采集待识别水印纸张的图像，可以包括：

对待识别水印纸张的图像进行预处理，得到预处理后的水印纸张图像；

将待识别水印纸张的图像发出，可以包括：

将所述预处理后的水印纸张图像的发出。

具体实施时，上述预处理的过程可以包括从上述采集到的水印纸张的图像中裁剪出待识别水印的图像。当然，还可以包括其他一些利于后续识别的预处理步骤，例如对水印进行旋转、变形得到正面的水印图像等预处理工作。预处理的过程进一步提高了水印识别的准确率和效率。水印识别装置可以为手机，通过手机对待测水印进行图像采集，采集后进行裁剪，然后通过手机网络上传到云端，接收云端服务器的反馈检测结果，随时随地地完成水印的鉴别，提高了水印识别的效率和准确性。

在一个实施例中，接收根据神经网络识别模型反馈的识别结果，可以包括：接收根据更新后的神经网络识别模型反馈的识别结果。

具体实施时，通过不断更新的神经网络识别模型可以得到更加准确的识别结果，提高水印识别的准确率。

其次，介绍水印识别云端服务器及功能。

基于同一发明构思，本发明实施例中还提供了一种水印识别方法，该方法应用于水印识别云端服务器，如下面的实施例。由于应用于水印识别云端服务器的水印识别方法解决问题的原理与上述应用于水印识别装置的水印识别方法相似，因此应用于水印识别云端服务器的水印识别方法的实施可以参考上述应用于水印识别装置的水印识别方法的实施，重复之处不再赘述。以下所使用的，术语“模块”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

图3是本发明实施例中应用于防伪纸张的水印识别云端服务器水印识别方法的流程示意图，如图3所示，该水印识别方法包括如下步骤：

步骤201：接收待识别水印纸张的图像；

步骤202：将所述待识别水印纸张的图像输入神经网络识别模型，对待识别水印纸张的图像进行识别，得到识别结果；所述神经网络识别模型根据多个水印样品图像训练生成；

步骤203：将识别结果发出。

在一个实施例中，接收待识别水印纸张的图像，可以包括：

接收预处理后的水印纸张图像；

将所述待识别水印纸张的图像输入神经网络识别模型，对待识别水印纸张的图像进行识别，得到识别结果，可以包括：

将所述预处理后的水印纸张图像输入神经网络识别模型，对预处理后的水印纸张图像进行识别，得到识别结果。

具体实施时，对预处理后的水印纸张图像进行识别，进一步提高了水印识别的准确率和效率。

在一个实施例中，上述水印识别方法还可以包括：

在确定采集到的待识别水印纸张的图像不存在于历史水印样品图像中时，将所述待识别水印纸张的图像加入到历史水印样品图像中，得到更新后的历史水印样品图像；

根据更新后的历史水印样品图像，训练所述神经网络识别模型，得到更新后的神经网络识别模型。

具体实施时，通过不断地更新神经网络识别模型，可以得到更加准确的识别结果，提高水印识别的准确率。

基于同一发明构思，本发明实施例中还提供了一种防伪纸张的水印识别装置，如下面的实施例。由于水印识别装置解决问题的原理与上述应用于水印识别装置的水印识别方法相似，因此水印识别装置的实施可以参考上述水印识别方法的实施，重复之处不再赘述。以下所使用的，术语“模块”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

图4是本发明实施例中防伪纸张的水印识别装置的结构示意图；如图4所示，该装置包括：

采集单元11，用于采集待识别水印纸张的图像；

第一发送单元12，用于将待识别水印纸张的图像发出；

第一接收单元13，用于接收根据神经网络识别模型反馈的识别结果；所述神经网络识别模型根据多个水印样品图像训练生成。

在一实施例中，所述采集单元具体可以用于：

对待识别水印纸张的图像进行预处理，得到预处理后的水印纸张图像；

将待识别水印纸张的图像发出，包括：

将所述预处理后的水印纸张图像的发出。

在一实施例中，所述第一接收单元具体可以用于：接收根据更新后的神经网络识别模型反馈的识别结果。

基于同一发明构思，本发明实施例中还提供了一种防伪纸张的水印识别云端服务器，如下面的实施例。由于水印识别云端服务器解决问题的原理与应用于水印识别云端服务器的水印识别方法相似，因此水印识别云端服务器的实施可以参考上述水印识别方法的实施，重复之处不再赘述。以下所使用的，术语“模块”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

图5是本发明实施例中防伪纸张的水印识别云端服务器的结构示意图，如图5所示，该云端服务器包括：

第二接收单元21，用于接收待识别水印纸张的图像；

识别单元22，用于将所述待识别水印纸张的图像输入神经网络识别模型，对待识别水印纸张的图像进行识别，得到识别结果；所述神经网络识别模型根据多个水印样品图像训练生成；

第二发送单元23，用于将识别结果发出。

在一个实施例中，所述第二接收单元具体可以用于：

接收预处理后的水印纸张图像；

所述识别单元具体可以用于：将所述预处理后的水印纸张图像输入神经网络识别模型，对预处理后的水印纸张图像进行识别，得到识别结果。

在一个实施例中，上述水印识别云端服务器还可以包括：

样品更新单元，用于在确定采集到的待识别水印纸张的图像不存在于历史水印样品图像中时，将所述待识别水印纸张的图像加入到历史水印样品图像中，得到更新后的历史水印样品图像；

训练单元，用于根据更新后的历史水印样品图像，训练所述神经网络识别模型，得到更新后的神经网络识别模型。

本发明实施例还提供了一种防伪纸张的水印识别系统，如图1所示，该系统包括：

如上所述的防伪纸张的水印识别装置；

如上所述的防伪纸张的水印识别云端服务器。

本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述防伪纸张的水印识别方法。

本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有执行防伪纸张的水印识别方法的计算机程序。

本发明实施提供的技术方案的有益技术效果为：实现了随时随地对水印的快速和准确的识别，提高了防伪纸张的水印识别的效率和准确性。

显然，本领域的技术人员应该明白，上述的本发明实施例的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明实施例不限制于任何特定的硬件和软件结合。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明实施例可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。