[发明专利]证件真伪验证方法、系统、计算机设备和存储介质

权利要求书

1.一种证件真伪验证方法，其特征在于，所述证件真伪验证方法包括：

按照不同的预设角度对证件进行视频采集以获取预处理视频帧，将所述预处理视频帧作为端到端学习算法的输入；

通过基础网络从所述预处理视频帧中提取二维特征数据，将所述二维特征数据融合成相应的三维特征数据；

通过RoIAlign工具从所述三维特征数据中获取多个防伪区域的三维特征数据，以建立所述端到端学习算法的多任务学习模型；

通过所述端到端学习算法的多任务学习模型输出对所述证件的验证结果；

其中，一个所述防伪区域的三维特征数据建立一个学习任务。

2.根据权利要求1所述的证件真伪验证方法，其特征在于，所述按照不同的预设角度对证件进行视频采集以获取预处理视频帧，将所述预处理视频帧作为所述端到端学习算法的输入，包括：

接收用户按照指示信息所拍摄的证件翻转视频，并从所述证件翻转视频中获取视频帧；

识别所述视频帧中所述证件的四个角坐标，以根据所述四个角坐标获取所述证件在不同翻转角度下的视频帧；

对所述证件在不同翻转角度下的视频帧进行检测，以获取不同翻转角度下满足预设条件的视频帧；

对不同翻转角度下满足预设条件的视频帧进行白平衡处理，以获取多个所述预处理视频帧；

将多个所述预处理视频帧作为所述端到端学习算法的输入。

3.根据权利要求2所述的证件真伪验证方法，其特征在于，所述通过基础网络从所述预处理视频帧中获取二维特征数据，将所述二维特征数据融合成相应的三维特征数据，包括：

通过基础网络对多个所述预处理视频帧按照预设角度顺序进行特征提取，以获取所述预处理视频帧按照预设角度顺序的二维特征数据；

对所述按照预设角度顺序的二维特征数据进行特征堆叠以融合成所述三维特征数据；

对所述三维特征数据进行三维卷积运算，以获取三维动态特征数据。

4.根据权利要求3所述的证件真伪验证方法，其特征在于，所述通过RoIAlign工具从所述三维特征数据中获取多个防伪区域的三维特征数据，包括：

按照所述防伪区域的特征信息通过RoIAlign工具从所述三维动态特征数据中提取不同防伪区域处的三维动态特征数据。

5.根据权利要求4所述的证件真伪验证方法，其特征在于，所述建立所述端到端学习算法的多任务学习模型，包括：

对不同防伪区域处的三维动态特征数据建立不同的学习任务，以建立所述端到端学习算法的多任务学习模型；

其中，所述学习任务还包括对整个证件的三维动态特征数据建立的学习任务。

6.根据权利要求1任一项所述的证件真伪验证方法，其特征在于，所述方法还包括：

所述端到端学习算法的损失函数为不同学习任务的损失函数之和；

其中，不同所述学习任务的损失函数配置相应的权重。

7.根据权利要求1所述的证件真伪验证方法，其特征在于，所述通过所述端到端学习算法的多任务学习模型输出对所述证件的验证结果，包括：

通过所述端到端学习算法的多任务学习模型输出对所述证件的验证结果；

其中，所述验证结果包括证件真伪验证结果和每个所述学习任务的二分类结果。

8.一种证件真伪验证系统，其特征在于，所述证件真伪验证系统包括：

算法输入模块，按照不同的预设角度对证件进行视频采集以获取预处理视频帧，将所述预处理视频帧作为端到端学习算法的输入；

算法模型模块，通过基础网络从所述预处理视频帧中获取二维特征数据，将所述二维特征数据融合成相应的三维特征数据；通过RoIAlign工具从所述三维特征数据中获取多个防伪区域的三维特征数据，以建立所述端到端学习算法的多任务学习模型，其中，通过每个所述防伪区域的三维特征数据建立一个学习任务；

算法输出模块，通过所述端到端学习算法的多任务学习模型输出对证件的验证结果。