本發(fā)明屬于汽車后市場，具體涉及一種基于輪胎內(nèi)壁隨機(jī)紋理的防偽方法。

背景技術(shù)：

隨著城市基礎(chǔ)設(shè)施的快速發(fā)展和國民生活水平的提高，我國汽車保有量持續(xù)快速增長，汽車后市場潛力持續(xù)釋放，國內(nèi)汽車后市場領(lǐng)域的o2o服務(wù)平臺(tái)達(dá)到了上千家，競爭異常激烈，通過創(chuàng)新帶來更加優(yōu)質(zhì)的服務(wù)體驗(yàn)成為各大o2o服務(wù)平臺(tái)贏得用戶的關(guān)鍵。

國內(nèi)僅有的幾款涵蓋輪胎保障的保險(xiǎn)都屬于產(chǎn)品質(zhì)量保險(xiǎn)，輪胎意外保險(xiǎn)尚屬于空白領(lǐng)域，保險(xiǎn)公司對輪胎意外不賠不保的主要原因在于輪胎屬于易損件且容易替換，在缺乏輪胎標(biāo)識(shí)技術(shù)的情況下針對輪胎的投保核保難度極大。目前尚未出現(xiàn)任何針對所出售的輪胎進(jìn)行唯一標(biāo)識(shí)的方法，已有的基于商品防偽方法實(shí)施復(fù)雜、且輪胎防偽檢測的難度大、周期長。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明針對現(xiàn)有技術(shù)的不足，提出了一種基于輪胎內(nèi)壁隨機(jī)紋理的防偽方法。

本發(fā)明將外部涂料擴(kuò)散到輪胎內(nèi)壁上，外部涂料干燥固化后發(fā)生隨機(jī)微變形，從而使輪胎內(nèi)壁產(chǎn)生隨機(jī)的紋理，通過圖像特征提取算法得到與原始紋理圖像一一對應(yīng)的特征碼，將特征碼保存在輪胎防偽數(shù)據(jù)庫中；用戶通過手機(jī)對待驗(yàn)證輪胎的紋理圖像進(jìn)行拍照上傳到服務(wù)器，通過相同的圖像特征提取算法得到待驗(yàn)證輪胎的驗(yàn)證特征碼，根據(jù)兩個(gè)特征碼的相似度判斷待驗(yàn)證輪胎紋理圖像與原圖像是否匹配，匹配成功則證明該輪胎由平臺(tái)銷售，即可享受平臺(tái)提供的輪胎意外保障服務(wù)。

本發(fā)明的有益效果：

(1)可行性強(qiáng)，本發(fā)明將輪胎內(nèi)壁紋理特征和外部涂料相結(jié)合，使輪胎防偽圖像采集區(qū)域固化在輪胎內(nèi)部，以輪胎本身固有的紋理特征作為防偽識(shí)別標(biāo)記成本低、防偽方法簡單易行，便于工業(yè)化制作。

(2)紋理結(jié)構(gòu)唯一性，通過輪胎內(nèi)壁花紋與涂料的不規(guī)則結(jié)合保證了生成的輪胎內(nèi)壁紋理結(jié)構(gòu)隨機(jī)性和唯一性。

(3)仿造難度高，本發(fā)明將輪胎內(nèi)壁隨機(jī)紋理特征信息通過圖片采集保存在平臺(tái)內(nèi)部，通過算法提取到的特征碼能夠有效保存紋理結(jié)構(gòu)圖像的細(xì)節(jié)特征，即使試圖偽造相似的輪胎內(nèi)壁紋理結(jié)構(gòu)提取出的特征碼也不相同。

(4)準(zhǔn)確率高，基于輪胎內(nèi)側(cè)局部結(jié)構(gòu)的相似性，采用近鄰域投票的方法剔除錯(cuò)誤匹配點(diǎn)對得到精確的匹配點(diǎn)集，有效提高了特征碼相似度識(shí)別的準(zhǔn)確率。

(5)檢測速度快，本發(fā)明完全嵌入電商平臺(tái)現(xiàn)有使用場景內(nèi)部，消費(fèi)者通過無損的拍照方式快速查詢輪胎是否由本平臺(tái)銷售，檢測的周期短，檢測成功后消費(fèi)者可以迅速享受到平臺(tái)提供的輪胎意外保障服務(wù)，有效地改善了用戶體驗(yàn)并且提高了車主對于平臺(tái)的忠誠度。

附圖說明

圖1為基于輪胎內(nèi)壁隨機(jī)紋理防偽方法整體流程圖；

圖2為圖像預(yù)處理流程圖；

圖3為原始輪胎內(nèi)壁紋理；

圖4為原始輪胎內(nèi)壁紋理；

圖5為待驗(yàn)證輪胎內(nèi)壁紋理；

圖6高斯平滑并otsu二值化后圖；

圖7為形態(tài)學(xué)腐蝕后圖；

圖8為形態(tài)學(xué)膨脹后圖；

圖9為最小包圍盒定位后圖；

圖10為特征碼匹配結(jié)果可視化展示圖。

具體實(shí)施方式

以下結(jié)合附圖和實(shí)施例對本發(fā)明作進(jìn)一步說明。

如圖1所示，本發(fā)明的技術(shù)方案包括四個(gè)步驟：

步驟1：輪胎內(nèi)壁隨機(jī)紋理生成：

自古以來印章作為一種信物，在我國是法定權(quán)利的代表，是社會(huì)團(tuán)體、國家機(jī)關(guān)、企事業(yè)單位或個(gè)人在行使法定職權(quán)時(shí)證明真實(shí)性和有效性的重要依據(jù)，印跡是印章的印面通過印泥、印油蓋印出來的痕跡，印油因?yàn)榫哂辛己玫哪退?、耐熱性、耐光性、耐酸堿性等優(yōu)點(diǎn)可直接使用于輪胎內(nèi)壁。為了使印油在輪胎內(nèi)壁上產(chǎn)生較大的流延變形幅度可選擇擴(kuò)散性強(qiáng)的印油來印刷，將印油通過印章印刷到輪胎內(nèi)壁上，形成一個(gè)隨機(jī)紋理結(jié)構(gòu)圖像采集區(qū)域供后續(xù)防偽識(shí)別。主要通過以下方法的有效組合生成唯一的隨機(jī)紋理：

(1)不同品牌、不同型號(hào)的輪胎內(nèi)壁花紋一般都不相同，輪胎內(nèi)壁的花紋凹凸不平導(dǎo)致印油在其上擴(kuò)散時(shí)不規(guī)則、擴(kuò)散方向隨機(jī)。

(2)相同品牌、相同型號(hào)的輪胎內(nèi)壁花紋即使相同，印章所蓋的位置隨機(jī)。

(3)印油被印刷到輪胎內(nèi)壁上之后，印油尚未徹底干燥固化之前，通過不同方向的風(fēng)等外力推動(dòng)印油發(fā)生微小位移，從而與輪胎內(nèi)壁凹凸不平的花紋結(jié)合產(chǎn)生出更加顯著的、個(gè)性化的隨機(jī)紋理，同時(shí)加快了印油的干燥速度。

步驟2：圖像預(yù)處理：

將步驟1產(chǎn)生的隨機(jī)紋理結(jié)構(gòu)圖像與二維高斯函數(shù)的一階偏導(dǎo)數(shù)卷積，使原始圖像達(dá)到平滑的效果，高斯平滑后輸出圖像轉(zhuǎn)換為灰度圖像，通過最大類間方差法求得前景和背景之間的最佳分割閾值，根據(jù)該閾值將灰度圖像轉(zhuǎn)化為二值圖像，對得到的二值圖像進(jìn)行若干次數(shù)學(xué)形態(tài)學(xué)腐蝕運(yùn)算，以去除二值圖像中面積明顯小于隨機(jī)紋理區(qū)域的背景噪聲，然后通過若干次數(shù)學(xué)形態(tài)學(xué)膨脹運(yùn)算恢復(fù)隨機(jī)紋理區(qū)域面積大小，最后運(yùn)用最小包圍盒算法定位出二值圖像中的感興趣區(qū)域并將感興趣區(qū)域的彩色紋理圖像輸出給下一步驟。圖像預(yù)處理流程圖如圖2所示。

步驟3：輪胎內(nèi)壁紋理特征提取與選擇：

sift算法是最好的特征點(diǎn)提取和描述算子，它提取的特征點(diǎn)對尺度和旋轉(zhuǎn)具有不變性，同時(shí)對于亮度和三維視角變化具有一定的不變性。本發(fā)明利用sift算法的這一特點(diǎn)提取步驟2產(chǎn)生的輪胎內(nèi)壁隨機(jī)紋理，主要步驟如下：

(1)尺度空間的構(gòu)建：尺度空間的構(gòu)建是為了模擬圖像數(shù)據(jù)的多尺度特征，隨機(jī)紋理特征提取在多尺度空間內(nèi)完成，能夠保證提取出的特征具有尺度不變性，使平臺(tái)保存的原始輪胎內(nèi)壁紋理圖像與用戶采集的待驗(yàn)證輪胎內(nèi)壁紋理圖像一致，大尺度保存輪胎內(nèi)壁的概貌特征，小尺度保存輪胎內(nèi)壁的細(xì)節(jié)特征。

(2)關(guān)鍵點(diǎn)的檢測：在高斯差分尺度空間中檢測三維極值點(diǎn)作為候選的特征點(diǎn)，然后對三維極值點(diǎn)用二次函數(shù)來進(jìn)行擬合，擬合函數(shù)為

其中，x＝(x，y，σ),為了得到極值點(diǎn)的偏移量，將式(1)求導(dǎo)并讓方程等于0，式(1)可得到式(2)，

利用的值可以剔除低對比度的不穩(wěn)定特征點(diǎn)，以增強(qiáng)下一步特征點(diǎn)匹配的穩(wěn)定性、提高抗噪能力，由于高斯差分算子會(huì)產(chǎn)生強(qiáng)邊緣響應(yīng)點(diǎn)，因此需要剔除，使用候選點(diǎn)的hessian矩陣進(jìn)行處理；

(3)確定關(guān)鍵點(diǎn)的方向：基于輪胎內(nèi)壁隨機(jī)紋理圖像的局部屬性，為每個(gè)關(guān)鍵點(diǎn)指定一個(gè)或若干個(gè)方向，并且每個(gè)關(guān)鍵點(diǎn)的描述子都與這些方向密切相關(guān)，從而實(shí)現(xiàn)描述子的不變性。每個(gè)關(guān)鍵點(diǎn)的方向由該點(diǎn)鄰域內(nèi)各個(gè)像素的模和方向決定，某像素點(diǎn)的模和梯度方向計(jì)算公式如下：

θ(x，y)＝tan^-1((l(x，y+1)-l(x，y-1))/(l(x+1，y)-l(x-1，y)))(5)

其中，l(x，y)為某組尺度空間上的圖像，m(x，y)為在(x,y)處像素點(diǎn)的梯度模值，θ(x，y)為在(x,y)處像素點(diǎn)的梯度方向，利用式(4)和式(5)可得到每個(gè)關(guān)鍵點(diǎn)鄰域內(nèi)各個(gè)像素的梯度模和方向，對于檢測到的每一個(gè)特征點(diǎn)在其鄰域內(nèi)統(tǒng)計(jì)尺度方向直方圖，求得直方圖的峰值作為特征點(diǎn)的主方向。

(4)關(guān)鍵特征點(diǎn)描述子的生成：經(jīng)過上述處理后特征點(diǎn)包含坐標(biāo)信息、尺度信息、主方向信息等，根據(jù)主方向?qū)⒆鴺?biāo)系進(jìn)行旋轉(zhuǎn)，從而確保生成的描述子對圖像旋轉(zhuǎn)具有不變性，為了避免描述子的突變情況，使離描述子窗口中心遠(yuǎn)的梯度影響所占比重較小，減少對匹配誤差的影響，引入高斯加權(quán)函數(shù)，為描述子窗口中的每個(gè)像素點(diǎn)分配一個(gè)權(quán)值，離特征關(guān)鍵點(diǎn)遠(yuǎn)的像素點(diǎn)權(quán)重小，越靠近關(guān)鍵點(diǎn)的像素梯度方向的信息貢獻(xiàn)越大，對每個(gè)子窗口中的像素點(diǎn)的梯度方向從八個(gè)方向進(jìn)行方向直方圖統(tǒng)計(jì)，這時(shí)就會(huì)在以關(guān)鍵點(diǎn)為中心的d*d窗口內(nèi)生成n個(gè)數(shù)據(jù)，對于每個(gè)關(guān)鍵點(diǎn)來說，生成的n維特征向量即是所需要的特征點(diǎn)描述子。

關(guān)鍵點(diǎn)的n維特征向量形成以后，為了去除光照變化的影響，需要對它們進(jìn)行歸一化處理，并且對于圖像灰度值整體的漂移，由于圖像各點(diǎn)的梯度是鄰域像素相減得到，所以也能夠去除。由于輪胎內(nèi)壁圖像采集環(huán)境因素造成的非線性光照影響會(huì)造成某些方向的梯度模值過大，但是對梯度方向影響微弱，通過設(shè)置門限值截?cái)噍^大的梯度值從而降低模值較大梯度的影響，然后再進(jìn)行一次歸一化處理，提高描述子的質(zhì)量。

(5)原始紋理圖像的特征碼入防偽數(shù)據(jù)庫：將計(jì)算出的特征點(diǎn)描述子組合成為原始紋理圖像的特征碼錄入防偽數(shù)據(jù)庫中保存。

步驟4：特征碼相似度判斷：假設(shè)平臺(tái)保存的原始紋理圖像中的某一個(gè)特征點(diǎn)a，其對應(yīng)的特征點(diǎn)描述子為步驟3產(chǎn)生的向量da，用戶提交的待驗(yàn)證紋理圖像中存在特征點(diǎn)b和c，其中特征點(diǎn)b為與特征點(diǎn)a歐氏距離最近的點(diǎn)，c為次最近點(diǎn)，二者對應(yīng)的特征點(diǎn)描述子分別為向量db和向量dc，若歐式距離比滿足式(6)，則認(rèn)為用戶提交的待驗(yàn)證紋理圖像中特征點(diǎn)b為原始紋理圖像中特征點(diǎn)a的候選匹配點(diǎn)。

由于輪胎內(nèi)壁的局部結(jié)構(gòu)相似等因素的影響，基于歐式距離為相似性度量的特征匹配結(jié)果中可能存在錯(cuò)誤的匹配。正是由于輪胎內(nèi)側(cè)局部結(jié)構(gòu)的相似性，在正確匹配點(diǎn)的周圍一定存在更多的正確匹配結(jié)果，若不是正確的匹配結(jié)果，那么其鄰域內(nèi)匹配點(diǎn)很少，甚至根本不存在匹配點(diǎn)，因此可以累計(jì)周圍的匹配點(diǎn)在局部主方向和距離上對該候選匹配點(diǎn)的貢獻(xiàn)，并判斷待驗(yàn)證紋理圖像與原始紋理圖像的匹配點(diǎn)對距離相關(guān)度及局部夾角相關(guān)度是否在閾值范圍內(nèi)，若在閾值范圍內(nèi)的則為正確匹配點(diǎn)，否則放棄該候選匹配點(diǎn)，本發(fā)明所采用的近鄰域投票的方法能夠剔除錯(cuò)誤匹配點(diǎn)，得到精確的匹配點(diǎn)集。最終通過匹配點(diǎn)集的數(shù)量與閾值進(jìn)行比較判斷特征碼間的相似程度。

實(shí)施例：

步驟1：輪胎內(nèi)壁隨機(jī)紋理生成

原始輪胎內(nèi)壁紋理如圖3所示，內(nèi)壁凹凸不平的紋理伴隨著輪胎制作過程而產(chǎn)生，不同品牌、不同型號(hào)的輪胎內(nèi)壁花紋一般都不相同，且一般輪胎均為黑色，本實(shí)施例采用白色印油制作隨機(jī)紋理，通過方形印章將白色印油印刷在輪胎內(nèi)壁上，并通過不同方向的風(fēng)使印油快速干燥并發(fā)生微小的位移。本發(fā)明的實(shí)施例僅選取一種類型的印章舉例，包括但不僅限于此種類型的印章，其他形狀的印章扣印在輪胎內(nèi)側(cè)均在本發(fā)明的保護(hù)范圍內(nèi)。

制作完成的輪胎內(nèi)壁紋理結(jié)構(gòu)如圖4所示。為了模擬實(shí)際場景，從不同角度對同一個(gè)內(nèi)壁紋理結(jié)構(gòu)采集兩幅照片，一幅作為平臺(tái)保留的原始輪胎內(nèi)壁紋理圖像，如圖4所示，另外一幅為消費(fèi)者拍攝的待驗(yàn)證輪胎紋理圖像如圖5所示。

步驟2：圖像預(yù)處理

將圖5中的紋理結(jié)構(gòu)彩色圖像通過灰度化轉(zhuǎn)化為灰度圖像，經(jīng)過高斯平滑去除噪聲后，并通過最大類間方差法求得前景和背景之間的最佳分割閾值，通過該閾值將灰度圖像轉(zhuǎn)化為二值圖像，如圖6所示。

對得到的二值圖像經(jīng)過若干次形態(tài)學(xué)腐蝕運(yùn)算(如圖7)，以去除二值圖像中面積明顯小于隨機(jī)紋理區(qū)域的背景噪聲，然后通過若干次數(shù)學(xué)形態(tài)學(xué)膨脹運(yùn)算擴(kuò)大隨機(jī)紋理區(qū)域面積以便于最小包圍盒算法定位(如圖8)。

最后運(yùn)用最小包圍盒算法定位出二值圖像中的感興趣區(qū)域并將感興趣區(qū)域用紅色圓圈標(biāo)出(如圖9)，把該區(qū)域的彩色圖像輸出給下一步驟。使用數(shù)字圖像處理技術(shù)的有效組合定位出的輪胎內(nèi)側(cè)隨機(jī)紋理區(qū)域均在本發(fā)明的保護(hù)范圍內(nèi)。

步驟3：輪胎內(nèi)壁隨機(jī)紋理特征提取與選擇

首先在高斯差分尺度空間中檢測三維極值點(diǎn)作為候選特征點(diǎn)，然后通過式(2)剔除低對比度的特征點(diǎn)，對三維極值點(diǎn)進(jìn)行精確定位，對于本實(shí)施例中所遇到的所有極值點(diǎn)，若極值點(diǎn)的擬合極值則認(rèn)為此點(diǎn)為低對比度的采樣點(diǎn)，并將其去除。

沿著邊緣方向高斯差分函數(shù)有著很強(qiáng)的響應(yīng)，而且在邊緣處的極值點(diǎn)很難定位，因此在邊緣處的極值點(diǎn)不穩(wěn)定，也容易受少量噪聲的影響，采用hessian矩陣處理候選特征點(diǎn)，本實(shí)施例式(3)中的λ0取10，當(dāng)式(3)成立時(shí)作為特征點(diǎn)進(jìn)行保留，否則將該點(diǎn)作為強(qiáng)邊緣響應(yīng)點(diǎn)進(jìn)行剔除處理。

利用式(4)和(5)可得到每個(gè)關(guān)鍵點(diǎn)鄰域內(nèi)各個(gè)像素的梯度模和方向，因?yàn)殛P(guān)鍵點(diǎn)的方向由該點(diǎn)鄰域內(nèi)各個(gè)像素的模和方向決定，所以需要為關(guān)鍵點(diǎn)建立一個(gè)方向直方圖，該方向直方圖將把360°平均分為36個(gè)區(qū)塊，每一區(qū)塊的區(qū)間寬度為10°，像素的梯度方向決定了模值放在直方圖的哪個(gè)區(qū)塊內(nèi)，然后將這個(gè)像素點(diǎn)的模值進(jìn)行高斯加權(quán)后加進(jìn)該區(qū)塊，就形成了該關(guān)鍵點(diǎn)的方向直方圖。

方向直方圖的最大峰值所在區(qū)塊對應(yīng)的方向即為該關(guān)鍵點(diǎn)的主方向；將坐標(biāo)軸旋轉(zhuǎn)到關(guān)鍵點(diǎn)的主方向后，將關(guān)鍵點(diǎn)周圍鄰域分為4×4的子區(qū)域，并計(jì)算每個(gè)4×4區(qū)域的圖像小塊在8個(gè)方向的梯度方向直方圖，計(jì)算每個(gè)梯度方向的累加值，由此形成一個(gè)由8維的向量表示的種子點(diǎn)，因此4×4個(gè)種子點(diǎn)產(chǎn)生一個(gè)4×4×8＝128維的特征向量，該128維的特征向量即為特征碼，具有輪胎內(nèi)壁隨機(jī)紋理的細(xì)節(jié)特征，特征向量提取結(jié)果如下：

為了消除光照變化對特征向量的影響，需要對特征向量作標(biāo)準(zhǔn)化處理，針對線性的光照變化，將特征向量標(biāo)準(zhǔn)化為單位長度，針對非線性光照變化，先設(shè)置閾值使單位特征向量的值不超過0.2，然后再將特征向量標(biāo)準(zhǔn)化為單位長度。本實(shí)施例僅以sift特征提取方法舉例，其他具有尺度、旋轉(zhuǎn)不變性的角點(diǎn)提取算法也在本發(fā)明的保護(hù)范圍內(nèi)。

步驟4：特征碼匹配和相似度判斷

假設(shè)a為圖4原始紋理圖像中的某一個(gè)特征點(diǎn)，其對應(yīng)的特征碼為步驟3產(chǎn)生的向量da，圖5用戶提交的待驗(yàn)證紋理圖像中存在特征點(diǎn)b和c，二者對應(yīng)的特征碼分別為向量db和向量dc，其中特征點(diǎn)b為與特征點(diǎn)a歐氏距離最近的點(diǎn)，c為次最近點(diǎn)，若歐式距離比滿足式(6)，本實(shí)施例中t一般設(shè)為0.8，則可以認(rèn)為a和b可以對應(yīng)匹配，然后采用近鄰域投票的方法剔除錯(cuò)誤匹配點(diǎn)。

圖10為圖4和圖5部分特征點(diǎn)匹配結(jié)果可視化展示，直線連接的兩端為算法判定的同一特征點(diǎn)，根據(jù)感興趣區(qū)域中匹配點(diǎn)集數(shù)量與閾值進(jìn)行比較判斷相似程度，本實(shí)施例中閾值為50，若兩個(gè)感興趣區(qū)域中匹配點(diǎn)集的數(shù)量大于等于50則認(rèn)為兩特征碼相似，原始紋理圖像與待驗(yàn)證紋理圖像相同，反之則認(rèn)為兩紋理圖像不同。