[go: up one dir, main page]

CN115423771B - 基于特征非一致性的准动态镭射防伪标签识别方法 - Google Patents

基于特征非一致性的准动态镭射防伪标签识别方法 Download PDF

Info

Publication number
CN115423771B
CN115423771B CN202211061606.7A CN202211061606A CN115423771B CN 115423771 B CN115423771 B CN 115423771B CN 202211061606 A CN202211061606 A CN 202211061606A CN 115423771 B CN115423771 B CN 115423771B
Authority
CN
China
Prior art keywords
laser
counterfeiting
area
frame
image
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202211061606.7A
Other languages
English (en)
Other versions
CN115423771A (zh
Inventor
钟桦
夏林梅
杨玲
赵友晨
覃皓
韦之琛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xidian University
Original Assignee
Xidian University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xidian University filed Critical Xidian University
Priority to CN202211061606.7A priority Critical patent/CN115423771B/zh
Publication of CN115423771A publication Critical patent/CN115423771A/zh
Application granted granted Critical
Publication of CN115423771B publication Critical patent/CN115423771B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
    • G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
    • G06K7/1404—Methods for optical code recognition
    • G06K7/1408—Methods for optical code recognition the method being specifically adapted for the type of code
    • G06K7/1417—2D bar codes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/467—Encoded features or binary features, e.g. local binary patterns [LBP]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/80—Recognising image objects characterised by unique random patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30168—Image quality inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30204—Marker
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/09—Recognition of logos

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Electromagnetism (AREA)
  • Toxicology (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于特征非一致性的准动态镭射防伪标签识别方法，其步骤为：采集镭射标签信息；提取每帧镭射标签图像中的防伪区域；计算每帧防伪区域图像的模糊度和平均亮度；根据分割的每个镭射粉块区域确定每个镭射粉块的中心点位置；提取防伪区域图像各子区域的颜色分布特征；提取防伪区域的颜色变化特征；确定镭射防伪标签的真假。本发明提取镭射标签颜色分布和颜色变化特征的非一致性，以此描述真实的镭射防伪标签的镭射图纹随机分布的独有特征，解决了现有技术中因采用颜色变化特征过于单一导致的对假防伪标签误识别的问题，使得本发明有效提高了对假防伪标签的对抗性，提高了镭射防伪标签识别的准确率。

Description

基于特征非一致性的准动态镭射防伪标签识别方法
技术领域
本发明属于图像处理技术领域，更进一步涉及图像识别技术领域中一种基于特征非一致性的准动态镭射防伪标签识别方法。本发明可应用于对商品的准动态镭射防伪标签进行鉴伪识别。
背景技术
准动态镭射防伪标签是一种对商品进行防伪标识的手段，具体是用激光全息技术在金属膜上印制随机动态生成的复杂镭射图纹，这些图纹从不同的角度看过去呈现各色的衍射花纹。准动态镭射防伪标签识别是对商品上的准动态镭射防伪标签进行鉴伪，进而确定商品的真伪。随着镭射图纹的普及，市场上的造假者以高仿真的手段对防伪标签进行伪造，以实现产品的造假，使得目前对鲁棒的伪造标签鉴伪方法的需求不断增大。
杭州沃朴物联科技有限公司在其申请的专利文献“基于准动态镭射标签的识别验伪方法、装置、设备及介质”(专利申请号：201910663889.4，申请公布号：CN 110428028 A)中公开了一种基于准动态镭射标签的识别验伪方法。该方法首先识别并上传条码信息，接收条码信息对应的种子信息，然后将镭射标签图像和种子信息进行特征比对，最后分析多帧镭射标签图像的颜色变化，判断是否符合镭射标签的颜色变化特征。该方法可以达到较好的验伪结果。但是，该方法仍然存在的不足之处是，由于该方法未评估视频帧图像的质量，即视频帧图像的是否清晰，亮度是否均匀，导致质量不佳的图像对颜色变化特征提取过程造成了干扰，并且只关注了镭射标签的颜色变化特征，特征较单一，导致该方法无法正确识别具有类似颜色变化的假防伪标签，影响了对假防伪标签的识别精度。
发明内容
本发明的目的在于针对上述已有技术的不足，提供一种基于特征非一致性的准动态镭射防伪标签识别方法，用于解决由于识别过程忽略了对图像进行质量评估，以及使用颜色变化特征较为单一，导致对假防伪标签误识别的问题。
实现本发明目的的思路是，本发明通过计算镭射标签图像的方差和平均亮度，对镭射标签图像的视频帧图像质量进行评估，从评估结果中筛选出亮度均匀、图像清晰的视频帧，用于后续的识别。由于利用图像质量评估结果筛除了亮度过高或者亮度不均的图像，避免了因图像异常亮度对颜色变化特征提取过程的干扰，减少对识别精度的影响。本发明提取镭射标签颜色分布和颜色变化特征的非一致性，即基于HSV色彩空间分析提取镭射图纹的颜色分布，基于帧差法提取镭射图纹的颜色变化，并根据镭射标签各区域颜色分布和颜色变化的差异性，判断是否存在颜色分布或者变化非一致性。颜色分布非一致性表示镭射标签的每个镭射粉块的亮灭状态随机，色调呈现多样性，其中亮灭状态指的是镭射粉块是否呈现彩色。颜色变化非一致性表示多帧图像中镭射标签的镭射图纹发生的色调变化呈现多样性。由于这两种非一致性进一步描述了真实的镭射防伪标签的镭射图纹随机分布的独有特征，有效增强对假防伪标签的对抗性。
本发明实现的具体步骤如下：
步骤1，采集镭射防伪标签信息：
步骤1.1，采集镭射防伪标签中的二维码图像，利用二维码解析算法对二维码图像进行解析，将得到的二维码信息上传到服务器，调取服务器端存储的该二维码信息对应的种子信息；
步骤1.2，采集镭射防伪标签视频；
步骤2，提取每帧镭射标签图像中的防伪区域：
步骤2.1，将镭射防伪标签视频中的每帧镭射防伪标签RGB图像进行灰度化处理，得到每帧镭射防伪标签的灰度图，利用边缘检测方法，提取每帧镭射防伪标签的灰度图中的边缘信息，输出每帧镭射防伪标签的边缘图，使用光栅扫描和标记的方法，分析每帧镭射防伪标签的边缘图的拓扑结构，寻找轮廓，形成候选轮廓集；
步骤2.2，利用种子信息中记录的防伪区域的形状特征和面积特征，从候选轮廓集中筛选出每帧镭射防伪标签图像中符合所述形状特征和面积特征的防伪区域，利用仿射变换对每帧镭射防伪标签图像的防伪区域进行校正；
步骤2.3，提取校正后每帧防伪区域灰度图的局部二值模式LBP特征并进行统计，得到每帧防伪区域灰度图的LBP特征直方图，利用相关性比较方法，与种子信息中记录的LBP特征直方图计算相似度，保留相似度大于相似度阈值的帧防伪区域图像，舍弃相似度小于或等于阈值的帧防伪区域图像，其中，相似度阈值为[0.7,0.8]范围内选取的一个值；
步骤3，计算每帧防伪区域图像的模糊度和平均亮度：
步骤3.1，利用最大类间方差法对每帧防伪区域灰度图进行二值化处理，得到该帧防伪区域黑白图，将防伪区域黑白图中的白色区域作为分割后的每个镭射粉块，计算所有镭射粉块的面积比例；
步骤3.2，计算每帧防伪区域灰度图的模糊程度；
步骤3.3，计算每帧防伪区域图像的平均亮度；
步骤4，根据分割的每个镭射粉块区域确定每个镭射粉块的中心点位置；
步骤5，基于每帧防伪区域图像中每个镭射粉块的颜色状态，提取防伪区域图像各子区域的颜色分布特征：
步骤5.1，将每帧防伪区域图像按照水平和竖直方向划分为四个大小相同的子区域；
步骤5.2，根据每个镭射粉块中心点色调S通道的值和亮度V通道的值的范围，判定每个子区域中每个镭射粉块的亮灭状态；
步骤5.3，根据每个子区域所有处于亮状态的镭射粉块的颜色，生成每个子区域的颜色直方图；
步骤5.4，判断每个子区域所有镭射粉块的亮度状态是否满足τ1≤γt≤τ2，若是，则将该子区域中所有镭射粉块的亮灭状态判定为非一致性，否则，将该子区域所有镭射粉块的亮灭状态判定为一致性，其中，γt表示第t个子区域中处于亮状态的镭射粉块的数量占镭射粉块总数量的比例，τ1为亮度非一致性下限阈值，τ2为亮度非一致性上限阈值，该两个阈值是由统计真实的镭射标签在不同角度下，各个子区域的处于亮状态的镭射粉块的数量占镭射粉块总数量的比例γt，并根据得到的多个γt值，取其中的最小值为τ1，取其中的最大值为τ2；
步骤5.5，判断每个子区域所有镭射粉块的色调状态是否满足ρt<ξ，若是，则将该子区域中所有镭射粉块的色调状态判定为呈现非一致性，否则，将该子区域所有镭射粉块的色调状态判定为呈现一致性，ρt表示第t个子区域的颜色直方图的峰值占镭射粉块总数量的比例，ξ为色调非一致性阈值，该阈值是在统计真实的镭射标签在不同角度下，从各个子区域的颜色直方图的峰值占镭射粉块总数量的比例中取最大值；
步骤5.6，判断是否每个子区域中所有镭射粉块的亮灭状态或色调状态被判定为呈现非一致性，若是，则判定该子区域的颜色分布特征呈现非一致性，否则，判定该子区域的颜色分布特征呈现一致性；
步骤6，基于多帧防伪区域图像中各个镭射粉块的颜色变化，提取防伪区域的颜色变化特征：
步骤6.1，判断镭射粉块中心点饱和度S通道的值和V通道的值是否满足通道阈值条件，若是，则判定该镭射粉块中心点发生了亮灭变化，否则，判定该镭射粉块中心点未发生亮灭变化；
步骤6.2，利用
Figure BDA0003826454370000041
公式，计算每帧防伪区域内由色调H通道，饱和度S通道，亮度V通道组成的HSV图像中每个镭射粉块中心点的色调变化量，其中，
Figure BDA0003826454370000042
表示第t帧防伪区域内HSV图像中第p个镭射粉块中心点的色调变化量，/>
Figure BDA0003826454370000043
分别表示第p个镭射粉块中心点在第t帧和第t-x帧防伪区域HSV图像的H通道值，x∈(0,t)；
步骤6.3，判断每个镭射粉块中心点的色调变化量
Figure BDA0003826454370000044
是否大于变色阈值κ，若是，则判定该镭射粉块中心点在该帧防伪区域图像内发生了色调变化，否则，判定该镭射粉块中心点在该帧防伪区域内未发生色调变化，其中，变色阈值κ取HSV颜色空间中七种基本色对应H通道范围值的平均值；
步骤6.3，统计每次发生亮灭变化和色调变化的镭射粉块中心点的数目，并记录发生变化的防伪区域图像帧的帧序号；
步骤6.4，判断每次发生亮灭变化和色调变化的镭射粉块中心点的数目和发生变化的防伪区域图像帧的帧序号是否满足颜色变化非一致性条件，若满足，则将该镭射标签的颜色变化特征判定为非一致性，否则，将该镭射标签的颜色变化特征判定一致性；
步骤7，确定镭射防伪标签的真假：
将满足两重非一致性条件的镭射防伪标签判定为真标签，否则，将该镭射防伪标签判定为假标签。
与现有技术相比，本发明具有以下优点：
第一，由于本发明对视频帧计算每帧镭射标签图像的防伪区域的模糊度和平均亮度，该评估结果可以筛选出亮度均匀、图像清晰的视频帧，克服了现有技术中因未过滤质量不佳的视频帧图像，导致颜色变化特征提取过程受到干扰而识别精度降低的缺陷，使得本发明能够有效避免特征提取过程的干扰，从而提高了识别准确率。
第二，由于本发明提取镭射标签颜色分布和颜色变化特征的非一致性，进一步描述了真实的镭射防伪标签的镭射图纹随机分布的独有特征，克服了现有技术中因采用颜色变化特征较单一导致的对假防伪标签误识别的不足，使得本发明有效提高了对假防伪标签的对抗性。
附图说明
图1是本发明的流程图；
图2是本发明的仿真图。
具体实施方式
下面结合附图和实施例，对本发明做进一步的详细描述。
参照图1和实施例，对本发明的具体步骤做进一步的详细描述。
步骤1，采集镭射防伪标签信息。
步骤1.1，采集镭射防伪标签中的二维码图像，利用二维码解析算法对二维码图像进行解析，将得到的二维码信息上传到服务器，调取服务器端存储的该二维码信息对应的种子信息。
步骤1.2，采集镭射防伪标签视频。
步骤2，提取每帧镭射标签图像中的防伪区域。
步骤2.1，将镭射防伪标签视频中的每帧镭射防伪标签RGB图像进行灰度化处理，得到每帧镭射防伪标签的灰度图，利用边缘检测方法，提取每帧镭射防伪标签的灰度图中的边缘信息，输出每帧镭射防伪标签的边缘图，使用光栅扫描和标记的方法，分析每帧镭射防伪标签的边缘图的拓扑结构，寻找轮廓，形成候选轮廓集。
步骤2.2，利用种子信息中记录的防伪区域的形状特征和面积特征，从候选轮廓集中筛选出每帧镭射防伪标签图像中符合所述形状特征和面积特征的防伪区域，利用仿射变换对每帧镭射防伪标签图像的防伪区域进行校正，使得防伪区域为标准矩形。
步骤2.3，提取校正后每帧防伪区域灰度图的局部二值模式LBP特征并进行统计，得到每帧防伪区域灰度图的LBP特征直方图，利用相关性比较方法，与种子信息中记录的LBP特征直方图计算相似度，相似度超过设定的阈值，说明该帧防伪区域图像的纹理特征与种子信息较匹配，则保留该帧防伪区域图像，否则，将该帧防伪区域图像舍弃。
步骤3，计算每帧的防伪区域的模糊度和平均亮度。
步骤3.1，从每帧的防伪区域中分割该防伪区域的镭射粉块，计算所有镭射粉块的面积比例。
将每帧防伪区域RGB图像进行灰度化处理，得到防伪区域灰度图。利用最大类间方差法(Ostu)对该灰度图进行二值化处理，得到该帧防伪区域黑白图。黑白图中的白色区域即为分割的每个镭射粉块。
计算每帧黑白图中分割的所有镭射粉块的面积占黑白图总面积的比例，得到白色像素点个数相对于黑白图中总像素点个数的比例。将该比例与其对应的镭射防伪标签出厂时保存的种子信息中记录的真实比例值进行比较，所述真实比例值指的是，防伪区域实际包含的所有镭射粉块的面积相对于防伪区域总面积的比例。从每帧防伪区域黑白图计算出的镭射粉块面积比例与记录的真实比例值的差表示为ε，如果两个比例差值大于设定的阈值μ，即|ε|>μ，由于镭射粉块的面积比例是基于分割出的镭射粉块区域计算的，比例相差大则说明无法从这一帧防伪区域图像中正确分割出所有的镭射粉块区域，而后续的识别过程需要基于准确分割出的镭射粉块区域，故将该帧防伪区域RGB图像舍弃。如果比例差值小于或等于设定的阈值μ，则进行后续步骤的计算。本发明的实施例中，μ＝0.3。
步骤3.2，计算防伪区域灰度图的模糊程度。
使用拉普拉斯(Laplacian)算子与防伪区域灰度图中的每个像素进行卷积，得到二阶导数响应图。根据所述二阶导数响应图的每个像素值计算二阶导数响应图的方差。由于二阶导数响应图反映的是对图像边缘的响应程度，图像的边缘清晰则二阶导数响应图中存在高响应值，从而响应图的方差大，图像的边缘模糊则二阶导数响应图中的响应值均偏低，从而响应图的方差小，因此该方差的大小代表了图像边缘的清晰程度。如果方差大于设定的阈值θ，说明防伪区域图像的边缘清晰，可进行后续步骤的计算；如果方差小于设定的阈值θ，说明防伪区域图像边缘比较模糊，需舍弃。本发明的实施例中，θ＝50。
步骤3.3，计算每帧防伪区域图像的平均亮度。
将防伪区域RGB图像转换至HSV色彩空间，得到防伪区域HSV图像。求该HSV图像所有像素点V通道值的平均值。由于V通道表示的是亮度，如果V通道的平均值大于或等于设定的阈值δ1，说明图像亮度过亮；如果平均值过低，小于或等于设定的阈值δ2，说明图像亮度过低。由于图像亮度过高或者过低，在后续参与多帧防伪区域图像提取颜色变化特征时，会产生由亮度异常引发的的颜色变化，而该颜色变化并非是镭射粉块在镭射标签不同的展示角度下因光的衍射得到的效果，故干扰识别结果，将该帧防伪区域图像舍弃，以保证识别结果的正确率。δ1和δ2是工程实践中进行亮度异常检测的经验值。本发明的实施例中，δ1＝220，δ2＝20。
步骤4，根据分割的每个镭射粉块区域确定每个镭射粉块的中心点位置。
步骤4.1，将防伪区域黑白图与对应的种子信息中的二值图逐像素进行相与操作，消除分割的每个镭射粉块中的不正确的白色区域，得到公共区域黑白图。由于所述种子信息中的二值图为真实的防伪区域黑白图，故对防伪区域黑白图提供了分割的每个镭射粉块的正确性的参考。公共区域黑白图中，每个白色区域代表一个镭射粉块。使用光栅扫描和标记的方法分析公共区域黑白图的拓扑结构，即每个像素与其邻域像素的连通性，提取每个白色区域的轮廓，并确定每个轮廓的中心点位置，即获得了每个镭射粉块的中心点位置。
步骤5，提取防伪区域图像各子区域的颜色分布特征。
步骤5.1，将每帧防伪区域图像按照水平和竖直方向划分为四个大小相同的子区域。
步骤5.2，计算每个子区域每个镭射粉块的亮灭状态。
将每帧防伪区域的RGB图像转换到HSV颜色空间，HSV颜色空间中的H代表色调、S代表饱和度、V代表明度。对于每个子区域的每个镭射粉块中心点，如果Si≤α且δ1≤Vi≤δ2，则该中心点对应的镭射粉块呈现灰色，即镭射粉块处于灭状态。如果Si>α且δ1≤Vi≤δ2，则该中心点对应的镭射粉块呈现彩色，此时镭射粉块处于亮状态。其中，Si表示第i个镭射粉块中心点饱和度S通道的值，Vi表示第i个镭射粉块中心点明度V通道的值，i为每个子区域中每个镭射粉块中心点的序号。本发明的实施例中，α为HSV颜色空间下灰色的饱和度S通道阈值，α＝43。
步骤5.3，生成每个子区域的颜色直方图。
在HSV颜色空间中有七种基本色，每一种基本色对应一个H通道值的范围。对于每个子区域中每个处于亮状态的镭射粉块，根据镭射粉块中心点色调H通道的值可获取每个镭射粉块的基本色。根据统计的每个子区域中每种基本色对应的镭射粉块的数量，生成该子区域的颜色直方图。
步骤5.4，判断每个子区域所有镭射粉块的亮度状态是否满足τ1≤γt≤τ2，若是，则将该子区域中所有镭射粉块的亮灭状态判定为非一致性，否则，将该子区域所有镭射粉块的亮灭状态判定为一致性。其中，γt表示第t个子区域中处于亮状态的镭射粉块的数量占镭射粉块总数量的比例。τ1，τ2为设定的阈值，该两个阈值是由统计真实的镭射标签在不同角度下，各个子区域的处于亮状态的镭射粉块的数量占镭射粉块总数量的比例γt，并根据得到的多个γt值，取其中的最小值为τ1，取其中的最大值为τ2。本发明的实施例中，τ1＝0.2，τ2＝0.8。
步骤5.5，判断每个子区域所有镭射粉块的色调状态是否满足ρt<ξ，若是，则将该子区域中所有镭射粉块的色调状态判定为呈现非一致性，否则，将该子区域所有镭射粉块的色调状态判定为呈现一致性。ρt表示第t个子区域的颜色直方图的峰值占镭射粉块总数量的比例。ξ为设定阈值，统计真实的镭射标签在不同角度下，各个子区域的颜色直方图的峰值占镭射粉块总数量的比例，取其中的最大值为ξ。本发明的实施例中，ξ＝0.7。
步骤5.6，判断每个子区域的颜色分布特征是否呈现非一致性，即是否该子区域所有镭射粉块的亮灭状态或色调状态被判定为非一致性，若是，则判定该子区域的颜色分布特征呈现非一致性，否则，判定该子区域的颜色分布特征呈现一致性。
步骤6，提取防伪区域的颜色变化特征。
步骤6.1，检测镭射粉块是否存在亮灭变化。
2.每个镭射粉块对应一个中心点，由于镭射粉块发生变化时是整个粉块都发生变化，故镭射粉块是否发生亮灭变化可由镭射粉块中心点是否发生亮灭变化来判定。对任意镭射粉块中心点饱和度S通道的和明度V通道的值，若满足两通道阈值条件，则判定该中心点对应的镭射粉块发生了亮灭变化，若不满足，则判定该中心点对应的镭射粉块未发生亮灭变化。所述两通道阈值条件为满足第三个公式并且满足第一个公式和第二个公式中的任意一个：
Figure BDA0003826454370000091
Figure BDA0003826454370000092
Figure BDA0003826454370000093
其中，
Figure BDA0003826454370000094
分别表示第c个镭射粉块中心点在第t帧和第t-x帧防伪区域HSV图像的S通道值，/>
Figure BDA0003826454370000095
分别表示第c个镭射粉块中心点在第t帧和第t-x帧防伪区域HSV图像的V通道值，x∈(0,t)。sat_max，sat_min，val_range均为设定的阈值，取真实的镭射标签中所有处于灭状态的镭射粉块中心点的S通道值中的最大值为sat_min，取真实的镭射标签中所有处于亮状态的镭射粉块中心点的S通道值中的最小值为sat_max，取真实镭射标签中所有发生亮灭变化的镭射粉块中心点的V通道变化量的平均值为val_range。本发明的实施例中，sat_max＝200，sat_min＝43，val_range＝100。
步骤6.2，检测每个镭射粉块中心点是否发生颜色变化。
利用
Figure BDA0003826454370000096
公式，计算每帧防伪区域内HSV图像中每个镭射粉块中心点的色调变化量。若/>
Figure BDA0003826454370000097
则判定该镭射粉块中心点在该帧防伪区域图像内发生了色调变化。若/>
Figure BDA0003826454370000098
则判定该镭射粉块中心点在该帧防伪区域内未发生色调变化。其中，/>
Figure BDA0003826454370000099
表示第t帧防伪区域内HSV图像中第p个镭射粉块中心点的色调变化量，
Figure BDA00038264543700000910
分别表示第p个镭射粉块中心点在第t帧和第t-x帧防伪区域HSV图像的H通道值，x∈(0,t)。κ为设定的阈值，该阈值取HSV颜色空间中七种基本色对应H通道范围值的平均值。本发明实施例中，κ＝20。
步骤6.3，统计每次发生亮灭变化和色调变化的镭射粉块中心点的数目，并记录发生变化的防伪区域图像帧的帧序号，判断是否满足颜色变化非一致性条件。若满足，则该镭射标签的颜色变化特征判定为存在非一致性，否则，该镭射标签的颜色变化特征判定呈现一致性。所述颜色变化非一致性条件为同时满足以下三个条件：
Figure BDA0003826454370000101
Ci>m3 or Di>m3
Bc>m4
其中，F表示由记录的存在镭射粉块中心点发生色调变化的防伪区域图像帧的帧序号组成的集合，L表示记录的存在镭射粉块中心点发生亮灭变化的防伪区域图像帧的帧序号组成的集合。Ci表示第i帧防伪区域图像中发生色调变化的镭射粉块中心点的总数，Di表示第i帧防伪区域图像中发生亮灭变化的镭射粉块中心点的总数。Bc表示集合B中帧序号的总数，B＝F∩D。m1，m2，m3，m4均为设定的阈值。m1取多个真实镭射标签分别发生e次色调变化时，发生色调变化的镭射粉块中心点的总数的平均值。m2取多个真实镭射标签分别发生e次亮度变化时，发生亮度变化的镭射粉块中心点的总数的平均值。m3取真实的镭射标签每次发生色调变化的镭射粉块中心点的总数的平均值。m4由多个真实镭射标签分别发生e次亮度变化和e次色调变化时，同时发生色调变化和亮度变化的防伪区域图像帧的帧数量的平均值。本发明的实施例中，比如F＝{6，10，15}，表示在第6、10、15帧防伪区域图像中均存在镭射粉块中心点发生了色调变化。m1＝30，m2＝30，m3＝5，m4＝2，e＝8。
步骤7，判断镭射防伪标签的真假。
判断镭射防伪标签的防伪区域的颜色特征是否满足两重非一致性条件，若是，则判定该镭射防伪标签为真标签，否则，判定该镭射防伪标签为假标签。两重非一致性条件为镭射防伪标签的防伪区域的颜色分布特征和颜色变化特征均存在非一致性。
本发明的效果可以通过以下仿真实验进一步说明。
1.仿真实验条件：
本发明的仿真实验的硬件平台为：处理器为Intel i57500 CPU，主频为3.5GHz，内存16GB。
本发明的仿真实验的软件平台为：Windows 10操作系统和python 3.6.7。
本发明仿真实验使用采集的69个真镭射防伪标签的视频和17个假镭射防伪标签的视频进行仿真。
2.仿真内容及其结果分析
本发明的仿真实验是采用本发明的方法，根据采集的真假镭射防伪标签视频对每个镭射防伪标签进行真伪识别，得到86个镭射防伪标签的真假判定结果。
利用准确率评估方法对识别效果进行评估：
Figure BDA0003826454370000111
其中，Acc表示准确率，TP表示把假标签正确识别为假标签的数目，TN表示把真标签正确识别为真标签的数目，FP表示把真标签错误识别为假标签的数目，FN表示把假标签错误识别为真标签的数目。TP＝60，TN＝17,FP＝9，FN＝0，Acc＝0.895，其中FP＝9,即将9个真标签错误判定为假标签的原因是，该9个真标签的视频图像质量不佳，无法提取到防伪区域或者未通过本发明方法中计算防伪区域的模糊度和平均亮度的筛选步骤。在77个图像清晰，亮度均匀的镭射防伪标签视频中，该方法的识别准确率为100％。
下面结合图2的仿真图对本发明的效果做进一步的描述。
图2(a)是本发明仿真实验中真实的镭射防伪标签视频中亮度过低的视频帧的示例图。
从图2中的(a)可以看出，亮度过低时，视频帧中镭射粉块位置模糊，其显示的颜色受到了干扰，与镭射粉块实际显示的颜色不一致，干扰颜色特征提取过程，需舍弃。
图2(b)是本发明仿真实验中真实的镭射防伪标签视频中亮度过高的视频帧的示例图。
从图2中的(b)可以看出，亮度过高时，视频帧中镭射粉块的位置不清晰，其颜色受到了干扰，与镭射粉块实际显示的颜色不一致，会干扰颜色特征提取过程，需舍弃。

Claims (10)

1.一种基于特征非一致性的准动态镭射防伪标签识别方法，其特征在于，提取防伪区域图像中各子区域的颜色分布特征，判定各子区域的颜色分布特征是否存在非一致性，提取防伪区域的颜色变化特征，判定颜色变化特征是否存在非一致性；该方法步骤包括如下：
步骤1，采集镭射防伪标签信息：
步骤1.1，采集镭射防伪标签中的二维码图像，利用二维码解析算法对二维码图像进行解析，将得到的二维码信息上传到服务器，调取服务器端存储的该二维码信息对应的种子信息；
步骤1.2，采集镭射防伪标签视频；
步骤2，提取每帧镭射标签图像中的防伪区域：
步骤2.1，将镭射防伪标签视频中的每帧镭射防伪标签RGB图像进行灰度化处理，得到每帧镭射防伪标签的灰度图，利用边缘检测方法，提取每帧镭射防伪标签的灰度图中的边缘信息，输出每帧镭射防伪标签的边缘图，使用光栅扫描和标记的方法，分析每帧镭射防伪标签的边缘图的拓扑结构，寻找轮廓，形成候选轮廓集；
步骤2.2，利用种子信息中记录的防伪区域的形状特征和面积特征，从候选轮廓集中筛选出每帧镭射防伪标签图像中符合所述形状特征和面积特征的防伪区域，利用仿射变换对每帧镭射防伪标签图像的防伪区域进行校正；
步骤2.3，提取校正后每帧防伪区域灰度图的局部二值模式LBP特征并进行统计，得到每帧防伪区域灰度图的LBP特征直方图，利用相关性比较方法，与种子信息中记录的LBP特征直方图计算相似度，保留相似度大于相似度阈值的帧防伪区域图像，舍弃相似度小于或等于阈值的帧防伪区域图像，其中，相似度阈值为[0.7,0.8]范围内选取的一个值；
步骤3，计算每帧防伪区域图像的模糊度和平均亮度：
步骤3.1，利用最大类间方差法对每帧防伪区域灰度图进行二值化处理，得到该帧防伪区域黑白图，将防伪区域黑白图中的白色区域作为分割后的每个镭射粉块，计算所有镭射粉块的面积比例；
所述的计算所有镭射粉块的面积比例指的是，计算每帧黑白图中分割的所有镭射粉块的面积占黑白图总面积的比例，得到白色像素点个数相对于黑白图中总像素点个数的比例,将该比例与种子信息中记录的面积比例值进行比较,从每帧防伪区域黑白图计算出的镭射粉块面积比例与记录的面积比例值的差表示为ε，如果两个比例差值大于阈值μ，即|ε|>μ，则将该帧防伪区域图像舍弃，如果比例差值小于或等于阈值μ，则保留该帧防伪区域图像，μ取从防伪区域黑白图中正确分割出所有镭射粉块区域时得到的所有镭射粉块的面积比例与种子信息中的面积比例值的差值的绝对值；
步骤3.2，计算每帧防伪区域灰度图的模糊程度；
步骤3.3，计算每帧防伪区域图像的平均亮度；
步骤4，根据分割的每个镭射粉块区域确定每个镭射粉块的中心点位置；
步骤5，基于每帧防伪区域图像中每个镭射粉块的颜色状态，提取防伪区域图像各子区域的颜色分布特征：
步骤5.1，将每帧防伪区域图像按照水平和竖直方向划分为四个大小相同的子区域；
步骤5.2，根据每个镭射粉块中心点色调S通道的值和亮度V通道的值的范围，判定每个子区域中每个镭射粉块的亮灭状态；
步骤5.3，根据每个子区域所有处于亮状态的镭射粉块的颜色，生成每个子区域的颜色直方图；
步骤5.4，判断每个子区域所有镭射粉块的亮灭状态是否满足τ1≤γk≤τ2，若是，则将该子区域中所有镭射粉块的亮灭状态判定为非一致性，否则，将该子区域所有镭射粉块的亮灭状态判定为一致性，其中，γk表示第k个子区域中处于亮状态的镭射粉块的数量占镭射粉块总数量的比例，τ1为亮度非一致性下限阈值，τ2为亮度非一致性上限阈值，该两个阈值是由统计真实的镭射标签在不同角度下，各个子区域的处于亮状态的镭射粉块的数量占镭射粉块总数量的比例γk，并根据得到的多个γk值，取其中的最小值为τ1，取其中的最大值为τ2；
步骤5.5，判断每个子区域所有镭射粉块的色调状态是否满足ρk<ξ，若是，则将该子区域中所有镭射粉块的色调状态判定为呈现非一致性，否则，将该子区域所有镭射粉块的色调状态判定为呈现一致性，ρk表示第k个子区域的颜色直方图的峰值占镭射粉块总数量的比例，ξ为色调非一致性阈值，该阈值是在统计真实的镭射标签在不同角度下，从各个子区域的颜色直方图的峰值占镭射粉块总数量的比例中取最大值；
步骤5.6，判断是否每个子区域中所有镭射粉块的亮灭状态或色调状态被判定为呈现非一致性，若是，则判定该子区域的颜色分布特征呈现非一致性，否则，判定该子区域的颜色分布特征呈现一致性；
步骤6，基于多帧防伪区域图像中各个镭射粉块的颜色变化，提取防伪区域的颜色变化特征：
步骤6.1，判断镭射粉块中心点饱和度S通道的值和V通道的值是否满足通道阈值条件，若是，则判定该镭射粉块中心点发生了亮灭变化，否则，判定该镭射粉块中心点未发生亮灭变化；
步骤6.2，利用
Figure FDA0004218102000000031
公式，计算每帧防伪区域内由色调H通道，饱和度S通道，亮度V通道组成的HSV图像中每个镭射粉块中心点的色调变化量，其中，/>
Figure FDA0004218102000000032
表示第t帧防伪区域内HSV图像中第p个镭射粉块中心点的色调变化量，/>
Figure FDA0004218102000000033
分别表示第p个镭射粉块中心点在第t帧和第t-x帧防伪区域HSV图像的H通道值，x∈(0,t)；
步骤6.3，判断每个镭射粉块中心点的色调变化量
Figure FDA0004218102000000034
是否大于变色阈值κ，若是，则判定该镭射粉块中心点在该帧防伪区域图像内发生了色调变化，否则，判定该镭射粉块中心点在该帧防伪区域内未发生色调变化，其中，变色阈值κ取HSV颜色空间中七种基本色对应H通道范围值的平均值；
步骤6.3，统计每次发生亮灭变化和色调变化的镭射粉块中心点的数目，并记录发生变化的防伪区域图像帧的帧序号；
步骤6.4，判断每次发生亮灭变化和色调变化的镭射粉块中心点的数目和发生变化的防伪区域图像帧的帧序号是否满足颜色变化非一致性条件，若满足，则将该镭射标签的颜色变化特征判定为非一致性，否则，将该镭射标签的颜色变化特征判定一致性；
步骤7，确定镭射防伪标签的真假：
将满足两重非一致性条件的镭射防伪标签判定为真标签，否则，将该镭射防伪标签判定为假标签。
2.根据权利要求1所述的基于特征非一致性的准动态镭射防伪标签识别方法，其特征在于，步骤3.1中。
3.根据权利要求1所述的基于特征非一致性的准动态镭射防伪标签识别方法，其特征在于，步骤3.2中所述的计算每帧防伪区域灰度图的模糊程度指的是，使用拉普拉斯Laplacian算子与防伪区域灰度图中的每个像素进行卷积，得到二阶导数响应图,根据所述二阶导数响应图的每个像素值计算二阶导数响应图的方差，保留方差大于阈值的防伪区域图像，舍弃方差小于或等于阈值的防伪区域图像，阈值取多张模糊的防伪区域灰度图的方差的平均值。
4.根据权利要求1所述的基于特征非一致性的准动态镭射防伪标签识别方法，其特征在于，步骤3.3所述的计算每帧防伪区域图像的平均亮度指的是，将防伪区域RGB图像转换至HSV色彩空间，得到防伪区域HSV图像，求该HSV图像所有像素点V通道值的平均值,如果V通道的平均值大于或等于阈值δ1，则保留该帧防伪区域图像；如果平均值过低，小于或等于阈值δ2，将该帧防伪区域图像舍弃，δ1和δ2是工程实践中进行亮度异常检测的经验值。
5.根据权利要求1所述的基于特征非一致性的准动态镭射防伪标签识别方法，其特征在于，步骤4所述的根据分割的每个镭射粉块区域确定每个镭射粉块的中心点位置指的是，将防伪区域黑白图与对应的种子信息中的二值图逐像素进行相与操作，得到公共区域黑白图，使用光栅扫描和标记的方法，分析公共区域黑白图的拓扑结构，提取每个白色区域的轮廓，将每个轮廓的中心点位置作为该镭射粉块的中心点位置。
6.根据权利要求4所述的基于特征非一致性的准动态镭射防伪标签识别方法，其特征在于，步骤5.2所述的判定每个子区域中每个镭射粉块的亮灭状态指的是，将每帧防伪区域的RGB图像转换到HSV颜色空间，HSV颜色空间中的H代表色调、S代表饱和度、V代表明度,对于每个子区域的每个镭射粉块中心点，如果Si≤α且δ1≤Vi≤δ2，则该中心点对应的镭射粉块呈现灰色，即镭射粉块处于灭状态,如果Si>α且δ1≤Vi≤δ2，则该中心点对应的镭射粉块呈现彩色，此时镭射粉块处于亮状态，其中，Si表示第i个镭射粉块中心点饱和度S通道的值，Vi表示第i个镭射粉块中心点明度V通道的值，i为每个子区域中每个镭射粉块中心点的序号，α为HSV颜色空间下灰色的饱和度S通道阈值。
7.根据权利要求1所述的基于特征非一致性的准动态镭射防伪标签识别方法，其特征在于，步骤5.3所述的生成每个子区域的颜色直方图指的是，对于每个子区域中每个处于亮状态的镭射粉块，根据镭射粉块中心点色调H通道的值可获取每个镭射粉块的基本色，根据统计的每个子区域中每种基本色对应的镭射粉块的数量，生成该子区域的颜色直方图。
8.根据权利要求1所述的基于特征非一致性的准动态镭射防伪标签识别方法，其特征在于，步骤6.1所述通道阈值条件指的是，以下三个公式中满足第三个公式并且满足第一个公式和第二个公式中的任意一个：
Figure FDA0004218102000000051
且/>
Figure FDA0004218102000000052
Figure FDA0004218102000000053
且/>
Figure FDA0004218102000000054
Figure FDA0004218102000000055
其中，
Figure FDA0004218102000000056
分别表示第c个镭射粉块中心点在第t帧和第t-x帧防伪区域HSV图像的S通道值，/>
Figure FDA0004218102000000057
分别表示第c个镭射粉块中心点在第t帧和第t-x帧防伪区域HSV图像的V通道值，x∈(0,t)，sat_min为灭状态阈值，该阈值取真实的镭射标签中所有处于灭状态的镭射粉块中心点的S通道值中的最大值，sat_max为亮状态阈值，该阈值取真实的镭射标签中所有处于亮状态的镭射粉块中心点的S通道值中的最小值，val_range为亮度阈值，该阈值取真实镭射标签中所有发生亮灭变化的镭射粉块中心点的V通道变化量的平均值。
9.根据权利要求1所述的基于特征非一致性的准动态镭射防伪标签识别方法，其特征在于，步骤6.4所述颜色变化非一致性条件为同时满足以下三个条件：
Figure FDA0004218102000000061
且/>
Figure FDA0004218102000000062
Cj>m3或Dj>m3
Bc>m4
其中，F表示由记录的存在镭射粉块中心点发生色调变化的防伪区域图像帧的帧序号组成的集合，L表示记录的存在镭射粉块中心点发生亮灭变化的防伪区域图像帧的帧序号组成的集合，Cj表示第j帧防伪区域图像中发生色调变化的镭射粉块中心点的总数，Dj表示第j帧防伪区域图像中发生亮灭变化的镭射粉块中心点的总数，Bc表示集合B中帧序号的总数，B＝F∩L，m1为色调变化中心点数量阈值，该阈值取多个真实镭射标签分别发生e次色调变化时，发生色调变化的镭射粉块中心点的总数的平均值，m2为亮灭变化中心点数量阈值，该阈值取多个真实镭射标签分别发生e次亮度变化时，发生亮度变化的镭射粉块中心点的总数的平均值，m3为单次色调变化中心点数量阈值，该阈值取真实的镭射标签每次发生色调变化的镭射粉块中心点的总数的平均值，m4为帧数量阈值，该阈值取多个真实镭射标签分别发生e次亮度变化和e次色调变化时，同时发生色调变化和亮度变化的防伪区域图像帧的帧数量的平均值，e为变化数量阈值，该阈值是在[6,12]的范围内选取的一个值。
10.根据权利要求1所述的基于特征非一致性的准动态镭射防伪标签识别方法，其特征在于，步骤7所述两重非一致性条件为镭射防伪标签的防伪区域中颜色分布特征通过非一致性判定的子区域数量超过2个，且镭射防伪标签的防伪区域的颜色变化特征通过非一致性判定。
CN202211061606.7A 2022-09-01 2022-09-01 基于特征非一致性的准动态镭射防伪标签识别方法 Active CN115423771B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211061606.7A CN115423771B (zh) 2022-09-01 2022-09-01 基于特征非一致性的准动态镭射防伪标签识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211061606.7A CN115423771B (zh) 2022-09-01 2022-09-01 基于特征非一致性的准动态镭射防伪标签识别方法

Publications (2)

Publication Number Publication Date
CN115423771A CN115423771A (zh) 2022-12-02
CN115423771B true CN115423771B (zh) 2023-06-30

Family

ID=84200445

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211061606.7A Active CN115423771B (zh) 2022-09-01 2022-09-01 基于特征非一致性的准动态镭射防伪标签识别方法

Country Status (1)

Country Link
CN (1) CN115423771B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116092061B (zh) * 2023-04-12 2023-09-22 深圳企业云科技股份有限公司 标签验证方法和装置
CN116758528B (zh) * 2023-08-18 2023-11-03 山东罗斯夫新材料科技有限公司 基于人工智能的丙烯酸乳液颜色变化识别方法
CN117475356B (zh) * 2023-12-25 2024-03-29 华南理工大学 一种瓦楞纸箱制备隐形双重防伪标签的控制方法及系统
CN118190954B (zh) * 2024-05-15 2024-08-16 青岛澳科顺诚包装有限公司 一种镭射膜防伪图案监控质检系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111222612A (zh) * 2020-03-18 2020-06-02 杭州沃朴物联科技有限公司 一种镭射防伪标签及其制作方法与识别验伪方法
CN113808472A (zh) * 2021-09-14 2021-12-17 山东泰宝信息科技集团有限公司 全息镭射可变验证码防伪标签及制作方法与使用方法
CN114203016A (zh) * 2021-11-23 2022-03-18 中山国安火炬科技发展有限公司 一种防伪标签及其应用
CN114663271A (zh) * 2022-03-28 2022-06-24 美盈森集团股份有限公司 一种印刷前防伪标签图像字符化的处理方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103712919B (zh) * 2013-11-02 2015-12-30 深圳市科彩印务有限公司 一种素面镭射纸颜色特性的表征与检测方法
CN106650669A (zh) * 2016-12-27 2017-05-10 重庆邮电大学 一种鉴别仿冒照片欺骗的人脸识别方法
CN210284932U (zh) * 2017-12-30 2020-04-10 山东泰宝防伪制品有限公司 Sv码防伪包装盒
CN110533704B (zh) * 2019-07-22 2022-11-11 杭州沃朴物联科技有限公司 油墨标签的识别验伪方法、装置、设备及介质
CN110428028B (zh) * 2019-07-22 2023-01-10 杭州沃朴物联科技有限公司 基于准动态镭射标签的识别验伪方法、装置、设备及介质
CN110796221B (zh) * 2019-10-18 2022-09-02 周晓明 一种防伪标签的生成方法、验证方法及系统和防伪标签
CN111160215B (zh) * 2019-12-25 2024-01-12 Tcl华星光电技术有限公司 图像标识的亮度调节装置及方法
CN111242259B (zh) * 2020-01-08 2021-03-16 浙江码尚科技股份有限公司 一种智能防伪码的编码和解码方法及系统
CN111414779B (zh) * 2020-05-22 2022-07-26 杭州沃朴物联科技有限公司 一种防伪标签识别方法及装置
CN112329673B (zh) * 2020-11-12 2024-05-17 北京文通科技有限公司 防伪纤维辨识方法、防伪识别方法、装置和存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111222612A (zh) * 2020-03-18 2020-06-02 杭州沃朴物联科技有限公司 一种镭射防伪标签及其制作方法与识别验伪方法
CN113808472A (zh) * 2021-09-14 2021-12-17 山东泰宝信息科技集团有限公司 全息镭射可变验证码防伪标签及制作方法与使用方法
CN114203016A (zh) * 2021-11-23 2022-03-18 中山国安火炬科技发展有限公司 一种防伪标签及其应用
CN114663271A (zh) * 2022-03-28 2022-06-24 美盈森集团股份有限公司 一种印刷前防伪标签图像字符化的处理方法

Also Published As

Publication number Publication date
CN115423771A (zh) 2022-12-02

Similar Documents

Publication Publication Date Title
CN115423771B (zh) 基于特征非一致性的准动态镭射防伪标签识别方法
CN114937055B (zh) 基于人工智能的图像自适应分割方法与系统
Wen et al. An algorithm for license plate recognition applied to intelligent transportation system
CN107230202B (zh) 路面病害图像的自动识别方法和系统
CN102426649B (zh) 一种简单的高准确率的钢印数字自动识别方法
CN110119741B (zh) 一种有背景的卡证图像信息识别方法
US7590275B2 (en) Method and system for recognizing a candidate character in a captured image
US5612928A (en) Method and apparatus for classifying objects in sonar images
Sedighi et al. A new and robust method for character segmentation and recognition in license plate images
CN107844683B (zh) 一种数字pcr液滴浓度的计算方法
CN111753692B (zh) 目标对象提取方法、产品检测方法、装置、计算机和介质
EP2112620B1 (en) Image binarization using dynamic sub-image division
CN103903018A (zh) 一种复杂场景中对车牌进行定位的方法和系统
CN105184291B (zh) 一种多类型车牌检测方法及系统
CN115244542A (zh) 用于验证产品真伪的方法和装置
Jagannathan et al. License plate character segmentation using horizontal and vertical projection with dynamic thresholding
CN110689003A (zh) 低照度成像车牌识别方法、系统、计算机设备及存储介质
CN118275449B (zh) 铜带表面缺陷检测方法、装置及设备
CN112528939A (zh) 一种人脸图像的质量评价方法及装置
CN114240925A (zh) 一种文档图像清晰度的检测方法及其系统
Lee et al. Adaptive local binarization method for recognition of vehicle license plates
US9332154B2 (en) Image binarization using dynamic sub-image division
Fernández-Caballero et al. Display text segmentation after learning best-fitted OCR binarization parameters
Choi et al. Localizing slab identification numbers in factory scene images
JP2000048120A (ja) 濃淡画像の文字領域抽出方法及びそのプログラムを記録した記録媒体

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant