(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 202210800287.0 (22)申请日 2022.07.08 (71)申请人 中国烟草总公司广西壮 族自治区公 司 地址 530022 广西壮 族自治区南宁市青秀 区茶花园路25号 (72)发明人 李焕森　覃忠达　谭春　林光耀　 秦岑　赵贝贝　黄庆庆　 (74)专利代理 机构 广州嘉权专利商标事务所有 限公司 4 4205 专利代理师 余凯欢 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/73(2017.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 一种图片翻拍识别方法、 系统、 装置及存储 介质 (57)摘要 本发明公开了一种图片翻拍识别方法、 系 统、 装置及存储介质， 方法包括： 获取第一图片样 本， 确定第一图片样本的三维姿态信息， 并根据 三维姿态信息对第一图片样本进行标注得到训 练样本集； 将训练样本集输入到预先构建的多分 支卷积神经网络中进行训练， 得到训练好的图片 翻拍识别模型； 获取待识别图片， 将待识别图片 输入到图片翻拍识别模型， 根据识别结果确定待 识别图片是否为翻拍图片； 其中， 多分支卷积神 经网络包括前置卷积层、 姿态识别分支网络以及 翻拍识别分支网络。 本发明提高了图片翻拍识别 的准确度， 可广泛应用于 计算机视觉技术领域。 权利要求书2页 说明书8页 附图2页 CN 115239649 A 2022.10.25 CN 115239649 A 1.一种图片翻拍识别方法， 其特 征在于， 包括以下步骤： 获取第一图片样本， 确定所述第一图片样本的三维姿态信息， 并根据所述三维姿态信 息对所述第一图片样本进行 标注得到训练样本集； 将所述训练样本集输入到预先构建的多分支卷积神经网络 中进行训练， 得到训练好的 图片翻拍识别模型； 获取待识别图片， 将所述待识别图片输入到所述图片翻拍识别模型， 根据识别结果确 定所述待识别图片是否为翻拍图片； 其中， 所述多分支卷积神经网络包括前置卷积层、 姿态识别分支网络以及翻拍识别分 支网络， 所述前置卷积层用于对输入图片进行特征提取， 所述姿态识别分支网络用于根据 提取的图片特征识别输入图片的三维姿态， 所述翻拍识别分支网络用于根据提取的图片特 征和识别得到的三维姿态 识别输入图片是否为翻拍图片。 2.根据权利要求1所述的一种图片翻拍识别方法， 其特征在于， 所述三维姿态信 息为所 述第一图片样本中前景物体的三 维姿态角度， 所述确定所述第一图片样本的三维姿态信息 这一步骤， 其具体包括： 确定所述第一图片样本的前 景图像， 所述前 景图像为所述前 景物体所在的图像区域； 确定所述前 景图像的多个关键特 征区域， 并提取 所述关键特 征区域中的特 征像素点； 根据所述特 征像素点的位置关系进行姿态估计， 得到所述前 景物体的三维姿态角度。 3.根据权利要求1所述的一种图片翻拍识别方法， 其特征在于， 所述根据 所述三维姿态 信息对所述第一图片样本进行 标注得到训练样本集 这一步骤， 其具体包括： 根据所述 三维姿态信息确定所述第一图片样本的第一标签； 根据所述第一图片样本是否翻拍确定所述第一图片样本的第二标签； 根据所述第一图片样本、 所述第一标签以及所述第二标签构建训练样本集。 4.根据权利要求3所述的一种图片翻拍识别方法， 其特征在于， 所述将所述训练样本集 输入到预 先构建的多分支卷积神经网络中进行训练这 一步骤， 其具体包括： 将所述训练样本集输入到所述前置卷积层， 通过所述前置卷积层对所述第 一图片样本 进行特征提取得到第一特 征子图； 将所述第一特征子图输入到所述姿态识别分支网络进行姿态识别， 并根据姿态识别结 果和所述第一标签确定第一损失值， 进而根据所述第一损失值通过反向传播算法更新所述 前置卷积层和所述姿态 识别分支网络的参数； 将所述第一特征子图和姿态识别结果输入到所述翻拍识别分支网络进行翻拍识别， 并 根据翻拍识别结果和所述第二标签确定第二损失值， 进而根据所述第二损失值通过反向传 播算法更新所述前置卷积层和所述翻拍识别分支网络的参数。 5.根据权利要求4所述的一种图片翻拍识别方法， 其特征在于， 所述姿态识别分支网络 的训练和所述翻拍识别分支网络的训练交替迭代进行， 所述将所述训练样本集输入到预先 构建的多分支卷积神经网络中进行训练这 一步骤， 还包括以下步骤： 当所述第一损 失值达到预设第一阈值， 且所述第二损 失值达到预设的第二阈值， 停止 训练。 6.根据权利要求4所述的一种图片翻拍识别方法， 其特征在于， 所述第 一损失值通过下 式计算得到：权　利　要　求　书 1/2 页 2 CN 115239649 A 2其中， L1表示第一损失值， N表示第一图片样本的数量， euleri表示第i个第一图片样本 的第一标签， ei表示第i个第一图片样本的姿态 识别结果。 7.根据权利要求4所述的一种图片翻拍识别方法， 其特征在于， 所述第 二损失值通过下 式计算得到： 其中， L2表示第二损失值， N表示第一图片样本的数量， yi表示第i个第一图片样本的第 二标签， 当第i个第一图片样本为翻拍时yi＝1， 当第i个第一图片样本不为翻拍时yi＝0， pi 表示第i个第一图片样本预测为翻拍的概 率。 8.一种图片翻拍识别系统， 其特 征在于， 包括： 训练样本集确定模块， 用于获取第一图片样本， 确定所述第一图片样本的三维姿态信 息， 并根据所述 三维姿态信息对所述第一图片样本进行 标注得到训练样本集； 多分支卷积神经网络训练模块， 用于将所述训练样本集输入到预先构建的多分支卷积 神经网络中进行训练， 得到训练好的图片翻拍识别模型； 模型识别模块， 用于获取待识别图片， 将所述待识别图片输入到所述图片翻拍识别模 型， 根据识别结果确定所述待识别图片是否为翻拍图片； 其中， 所述多分支卷积神经网络包括前置卷积层、 姿态识别分支网络以及翻拍识别分 支网络， 所述前置卷积层用于对输入图片进行特征提取， 所述姿态识别分支网络用于根据 提取的图片特征识别输入图片的三维姿态， 所述翻拍识别分支网络用于根据提取的图片特 征和识别得到的三维姿态 识别输入图片是否为翻拍图片。 9.一种图片翻拍识别装置， 其特 征在于， 包括： 至少一个处 理器； 至少一个存 储器， 用于存 储至少一个程序； 当所述至少一个程序被所述至少一个处理器执行， 使得所述至少一个处理器实现如权 利要求1至7中任一项所述的一种图片翻拍识别方法。 10.一种计算机可读存储介质， 其中存储有处理器可执行的程序， 其特征在于， 所述处 理器可执行 的程序在由处理器执行时用于执行如权利要求1至7中任一项所述的一种图片 翻拍识别方法。权　利　要　求　书 2/2 页 3 CN 115239649 A 3