(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 202210684724.7 (22)申请日 2022.06.17 (71)申请人 武汉北大高科软件股份有限公司 地址 430070 湖北省武汉市洪山区珞 瑜路 716号华乐商务中心17层 (72)发明人 王涛　郑宇　罗铮　邓昕　 (74)专利代理 机构 北京集智东方知识产权代理 有限公司 1 1578 专利代理师 吴倩　龚建蓉 (51)Int.Cl. G06V 20/00(2022.01) G06V 10/26(2022.01) G06V 10/40(2022.01) G06V 10/74(2022.01) G06V 10/774(2022.01)G06V 10/82(2022.01) G06K 9/62(2022.01) G06K 7/10(2006.01) G06K 7/14(2006.01) G06N 3/04(2006.01) G06Q 30/00(2012.01) (54)发明名称 一种物品图像防伪的智能验证方法和装置 (57)摘要 本发明提供了一种物品图像防伪的智能验 证方法和装置， 包括： 通过对指定物品图像进行 拍摄， 经过灰度化、 二值化， 并进行特征加权， 从 而得到指定物品图像的判别性区域图片以用于 验证。 本发明的有益效果： 相较于传统方式而言， 即使标签被复制， 但是物品图像的特征确很难进 行复制的特点， 从而实现了对物品图像防伪的验 证方法， 保证 了消费者和商家的利益。 权利要求书5页 说明书14页 附图2页 CN 114782796 A 2022.07.22 CN 114782796 A 1.一种物品图像防伪的智能验证方法， 其特 征在于， 包括： 对指定物品图像进行拍摄， 得到所述指定物品图像的原 始图像； 将所述原 始图像输入至特 征提取网络， 得到特 征描述子； 通过预设的灰度化方法将所述特征描述子转换为灰度图像 ， 并根据公式 计算所述灰度图像的像素平均值； 其中， H表示所述灰度图 像的高度， W表示所述灰度图像的宽度， 表示在宽度为x高度为y处的像素值； 根据公式 对所述原始 图像进行二 值化处理， 得到二 值化图像； 对所述二值化图像进行形态学腐蚀， 并通过形态学膨胀方法桥接所述二值化图像 中不 连续的部分， 得到目标二 值化图像； 计算所述目标二 值化图像与所述特 征描述子的哈达 玛积， 得到特 征图像； 使用公式 对所述特征图像进行一维特征描述子， 得到一维特 征图； 根据公式 以及公式 计算得到第一注意力向量和第二注意力向量； 其中， 表示第一注意力向量， 表示第二注意力向量， 表示预设的参 数， 且 以及 中至少有一个不成立， 表示ReLU的激活函数， 表示 Sigmoid激活函数； 通过所述第 一注意力向量和所述第 二注意力向量分别对所述特征向量进行加权， 得到 第一目标 特征图和第二目标 特征图； 根据公式 计算得到判别性区域图片， 并基于所述判别性 区域图片对所述指定物品图像进行验证。 2.如权利要求1所述的物品图像防伪的智能验证方法， 其特征在于， 所述基于所述判别 性区域图片对所述指定物品图像进行验证的步骤， 包括： 将所述判别性区域图片上传至预设的数据库中， 并将存储位置以条形码的方式印刷 在 所述指定物品图像的包 装盒上； 接收用户基于所述条 形码上传的物品图像拍摄图片； 将所述物品图像拍摄图片以及所述条形码对应的所述判别性区域图片输入至预设的 物品图像防伪识别模 型中， 得到所述物品图像拍摄图片的识别结果； 其中， 所述物品图像防 伪识别模型通过多个物品图像拍摄图片和对应的判别性区域图片作为输入， 以真实的防伪 结果作为输出训练而成； 根据所述识别结果验证所述物品图像拍摄图片中的物品图像是否为所述指定物品图权　利　要　求　书 1/5 页 2 CN 114782796 A 2像。 3.如权利要求2所述的物品图像防伪的智能验证方法， 其特征在于， 所述物品图像防伪 识别模型包括第一子模型和第二子模型， 根据所述第一子模型的输出数据与所述第二子模 型的输出数据的相似度判断物品图像拍摄图片中的物品图像是否与指定物品图像是否相 似； 所述将所述物品图像拍摄图片以及所述条形码对应的所述判别性区域图片输入至预 设的物品图像防伪识别模型中， 得到所述物品图像拍摄图片的识别结果的步骤之前， 还包 括： 获取训练数据集， 其中， 所述训练数据集包括成组的物品图像拍摄图片以及对应的判 别性区域图片； 将所述物品图像拍摄图片输入所述第一子模型中， 通过公式 对所述第一子模型进 行训练， 得到所述第 一子模型的训练结果参数 ； 并将所述判别性区域图片输入至第二子 模型中， 通过公式 对 所 述 第 二 子 模 型 进 行 训 练 ， 得 到 第 二 子 模 型 的 训 练 结 果 参 数 ； 其 中 ， ， ， 表示所述第一子模型在第i次训练时 的参 数集， 表示所述第二子模型在第i次训练时的参数集， 表示第一子模型在第i次训练之 前根据物品图像拍摄图片得到的预测数据； 表示第二子模型在第i次训练之前根据物品 图像拍摄图片得到的预测数据， 其中i取正整数， 表示物品图像拍摄图片， 表示判别 性区域图片， 表示所述第一子模型第i次训练时 的输出值， 表示所述第二子模型第i次训练时的 输出值； 将所述第一子模型和 第二子模型进行迭代对抗训练， 得到最终的第一子模型参数集 和第二子模型的参数集 ； 将所述第一子模型参数集 和第二子模型参数集 分别输入至对应的第一子模型和 第二子模型中， 得到所述物品图像防伪识别模型。 4.如权利要求1所述的物品图像防伪的智能验证方法， 其特征在于， 所述根据公式 计算得到判别性区域图片的步骤之后， 还 包括： 获取所述判别性区域图片在所述原 始图像中所处的目标位置； 识别所述原 始图像中所述目标位置的特 征信息；权　利　要　求　书 2/5 页 3 CN 114782796 A 3