[发明专利]图像校验方法和装置

说明书

本申请公开了图像校验方法和装置。该方法的一具体实施方式包括：接收待校验图像，并提取与该待校验图像相匹配的预置图像；分别从该待校验图像和该预置图像中提取特征，并基于所分别提取的特征，生成该待校验图像与该预置图像的差异特征；基于该差异特征，确定该待校验图像与该预置图像中的差异区域以确定该差异区域的相似度；基于该相似度与预设的相似度阈值的比较，确定该待校验图像是否通过校验。该实施方式提高了图像校验的准确性和图像校验的效率。

技术领域

本申请涉及计算机技术领域，具体涉及互联网技术领域，尤其涉及图像校验方法和装置。

背景技术

随着计算机技术的发展，图像处理、识别等技术得到了越来越多的应用。在多种场景下，需要将图像进行校验。例如，在电子商务领域，通常需要确定产品实物的图像是否和上传的图像一致；在图像侵权判断的场景下，通常需要对进行图像的比对以确定图像是否侵权。

现有的图像校验方法通常是直接将两张图像进行全局特征比对，或将图像切分为多个小图逐一进行全局特征比对。然而，直接进行全局特征比对的方式无法区分图像中局部的较细微的差异(例如呈现有图书上下册封面的图片等)，导致图像校验的准确性较低；基于图像切分进行比对的方式效率较低。

发明内容

本申请实施例的目的在于提出一种改进的图像校验方法和装置，来解决以上背景技术部分提到的技术问题。

第一方面，本申请实施例提供了一种图像校验方法，该方法包括：接收待校验图像，并提取与待校验图像相匹配的预置图像；分别从待校验图像和预置图像中提取特征，并基于所分别提取的特征，生成待校验图像与预置图像的差异特征；基于差异特征，确定待校验图像与预置图像中的差异区域以确定差异区域的相似度；基于相似度与预设的相似度阈值的比较，确定待校验图像是否通过校验。

在一些实施例中，分别从待校验图像和预置图像中提取特征，包括：分别将待校验图像和预置图像输入至预先训练的第一深度神经网络，其中，第一深度神经网络用于提取图像的特征；将第一深度神经网络输出的、与待校验图像对应的特征矩阵确定为待校验图像的特征，并将第一深度神经网络输出的、与预置图像对应的特征矩阵确定为待校验图像的特征。

在一些实施例中，基于分别所提取的特征，生成待校验图像与预置图像的差异特征，包括：将待校验图像的特征与预置图像的特征的差的平方确定为待校验图像与预置图像的差异特征。

在一些实施例中，基于差异特征，确定待校验图像与预置图像中的差异区域以确定差异区域的相似度，包括：将差异特征输入至预先训练的第二深度神经网络，得到待校验图像与预置图像中的差异区域的坐标信息，其中，第二深度神经网络用于表征多个图像的差异特征与多个图像的差异区域的坐标信息的对应关系；确定坐标信息所指示的、待校验图像与预置图像中的差异区域的相似度。

在一些实施例中，基于相似度与预设的相似度阈值的比较，确定待校验图像是否通过校验，包括：响应于确定相似度大于预设的相似度阈值，确定待校验图像通过校验；响应于确定相似度不大于相似度阈值，确定待校验图像未通过校验。

在一些实施例中，该方法还包括：响应于确定待校验图像未通过校验，推送差异区域坐标信息和差异区域坐标信息所指示的差异区域的图像。

在一些实施例中，该方法还包括建立第二深度神经网络的步骤，包括：提取预设的训练样本，其中，训练样本包含第一图像、第二图像、第一图像和第二图像的差异区域的预设坐标信息；分别从第一图像和第二图像中提取特征，并基于分别从第一图像和第二图像中所提取的特征，确定第一图像和第二图像的样本差异特征；利于机器学习方法，将样本差异特征作为输入并将预设坐标信息作为输出，训练得到第二深度神经网络。