(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210397692.2 (22)申请日 2022.04.15 (71)申请人 成都新希望金融信息有限公司 地址 610000 四川省成 都市高新区仁和街 39号6栋2层3号 (72)发明人 王小东　吕文勇　周智杰　朱羽　 刘洪江　 (74)专利代理 机构 北京超凡宏宇专利代理事务 所(特殊普通 合伙) 11463 专利代理师 唐正瑜 (51)Int.Cl. G06V 10/40(2022.01) G06V 10/80(2022.01) G06V 40/40(2022.01) G06V 10/42(2022.01)G06V 10/24(2022.01) G06K 9/62(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种证件真假识别方法、 装置、 电子设备及 存储介质 (57)摘要 本申请提供一种证件真假识别方法、 装置、 电子设备及存储介质。 该方法包括： 获取视频流 中的多帧原始图像， 对多帧原始图像进行变换， 获得每一帧原始图像对应的目标图像； 基于每一 帧原始图像和目标图像利用神经网络模型分别 进行特征提取， 获得每一帧目标图像对应的多个 特征； 对每一帧目标图像对应的多个特征进行特 征融合， 获得每一帧目标图像对应的融合特征； 将融合特征输入到训练好的多帧识别模 型中， 获 得每一帧目标图像对应的目标特征； 利用多帧识 别模型对所有目标图像分别对应的目标特征分 类， 获得分类结果。 利用神经网络模型提取多个 特征进行融合并分类获得分类结果， 从而可以利 用多帧模型对图像进行真假识别， 提高了证件的 真假识别准确性。 权利要求书3页 说明书12页 附图3页 CN 114743016 A 2022.07.12 CN 114743016 A 1.一种证件真假识别方法， 其特 征在于， 包括： 获取视频流中的多帧原始图像， 对多帧原始图像分别进行变换， 获得每一帧原始图像 对应的目标图像； 基于每一帧原始图像和对应的目标图像利用神经网络模型分别进行特征提取， 获得每 一帧目标图像对应的多个特 征； 对每一帧目标图像对应的多个特征进行特征融合， 获得每一帧目标图像对应的融合特 征； 将每一帧目标图像对应的融合特征输入到训练好的多帧识别模型中， 获得每一帧目标 图像对应的目标特征， 并对所有目标图像 分别对应的目标特征分类， 获得分类结果， 所述分 类结果为待检测证件真假的识别结果。 2.根据权利要求1所述的方法， 其特征在于， 所述神经网络模型包括第一神经网络， 所 述目标图像包括反光图像， 所述对多帧原始图像分别进行变换， 获得每一帧原始图像对应 的目标图像， 包括： 将用于拍摄证件的设备的屏幕亮度调整为预设屏幕亮度， 获得每一帧目标图像对应的 反光图像； 相应地， 所述基于每一帧原始图像和对应的目标图像利用神经网络模型分别进行特征 提取， 获得每一帧目标图像对应的多个特 征， 包括： 将每一帧原 始图像和对应的反光图像输入至所述第一神经网络； 利用所述第 一神经网络对每一帧原始图像和对应的反光图像进行特征提取， 获得每一 帧目标图像对应的第一特 征。 3.根据权利要求1所述的方法， 其特征在于， 所述神经网络模型包括第二神经网络， 所 述第二神经网络中带有注意力机制， 所述原始图像包括用于检测所述待检测证件的参考 框， 所述目标图像包括宽度延伸图像和高度延伸图像， 所述对多帧原始图像分别进 行变换， 获得每一帧原 始图像对应的目标图像， 包括： 保持每一帧原始图像中所述参考框的高度不变， 将所述参考框沿宽度方向延伸预设第 一长度的边框图像， 获得每一帧原 始图像对应的宽度延伸图像； 保持每一帧原始图像中所述参考框的宽度不变， 将所述参考框沿高度方向延伸预设第 二长度的边框图像， 获得每一帧原 始图像对应的高度延伸图像； 相应地， 所述基于每一帧原始图像和对应的目标图像利用神经网络模型分别进行特征 提取， 获得每一帧目标图像对应的多个特 征， 包括： 将每一帧原 始图像对应的高度延伸图像和宽度延伸图像输入至所述第二神经网络； 利用所述第二神经网络对每一帧原始图像对应的高度延伸图像和宽度延伸图像进行 特征提取， 获得每一帧目标图像对应的第二特 征。 4.根据权利要求1所述的方法， 其特征在于， 所述神经网络模型包括第三神经网络， 所 述第三神经网络中带有注意力机制， 所述 目标图像包括频谱图像， 所述对多帧原始图像分 别进行变换， 获得每一帧原 始图像对应的目标图像， 包括： 利用傅里叶变换对每一帧原始图像进行频域变换， 获得每一帧原始图像对应的频域图 像； 相应地， 所述基于每一帧原始图像和对应的目标图像利用神经网络模型分别进行特征权　利　要　求　书 1/3 页 2 CN 114743016 A 2提取， 获得每一帧目标图像对应的多个特 征， 包括： 将每一帧原 始图像对应的频域图像输入至所述第三神经网络； 利用第三神经网络对每一帧原始图像对应的频域图像进行特征提取， 获得每一帧目标 图像对应的第三特 征。 5.根据权利要求1所述的方法， 其特征在于， 所述神经网络模型包括多个神经网络， 所 述神经网络模型在训练过程中根据每一神经网络对应的损失函数值和加权参数确定最终 损失函数值。 6.根据权利要求1所述的方法， 其特征在于， 在对多帧原始图像分别进行变换， 获得每 一帧原始图像对应的目标图像之前， 所述方法还 包括： 获取当前帧对应的原 始图像中包括的参 考框； 利用证件有无检测算法检测所述 参考框中是否存在所述待检测证件； 若存在， 则对当前帧对应的原 始图像进行变换， 获得对应的目标图像； 若不存在， 则利用所述证件有无检测算法检测下一帧对应的原始图像中所述参考框是 否存在待检测证件。 7.根据权利要求1所述的方法， 其特征在于， 在对多帧原始图像分别进行变换， 获得每 一帧原始图像对应的目标图像之前， 所述方法还 包括： 获取每一帧原 始图像的角度信息； 利用证件方向检测算法判断每一帧原 始图像的角度信息是否符合预设的基准角度值； 若符合， 则对当前帧对应的原 始图像进行变换， 获得对应的目标图像； 若不符合， 则对所述原始图像进行旋转， 以使所述原始图像的角度符合所述基准角度 值。 8.根据权利要求1 ‑7任一项所述的方法， 其特 征在于， 所述方法还 包括： 获取待训练样本集； 确定所述待训练样本集中每一样本中包括的待检测证件图像符合的参 考框比例； 根据所述待检测证件图像符合的参考框比例， 确定每个所述参考框比例对应的样本在 所述待训练样本集中的占比大小； 根据每个所述参考框比例对应的样本在所述待训练样本集中的占比大小， 确定预设个 数的标准 参考框比例。 9.根据权利要求1所述的方法， 其特征在于， 在对多帧原始图像分别进行变换， 获得每 一帧原始图像对应的目标图像之前， 所述方法还 包括： 对每一帧原始图像进行数据标注， 并在每一帧原始图像中加入噪声分量， 以实现对所 述原始图像的数据增强， 所述噪声分量包括高斯噪声和椒盐噪声的至少一种。 10.一种证件真假识别装置， 其特 征在于， 包括： 获取模块， 用于获取视频流中的多帧原始图像， 对多帧原始图像分别进行变换， 获得每 一帧原始图像对应的目标图像； 提取模块， 用于基于每一帧原始图像和对应的目标图像利用神经网络模型分别进行特 征提取， 获得每一帧目标图像对应的多个特 征； 融合模块， 用于对每一帧目标图像对应的多个特征进行特征融合， 获得每一帧目标图 像对应的融合特 征；权　利　要　求　书 2/3 页 3 CN 114743016 A 3