场景图像的确认方法、装置、设备及存储介质

技术领域

本发明涉及人工智能领域，尤其涉及一种场景图像的确认方法、装置、设备及存储介质。

背景技术

在一些金融领域的行业中，多采用移动端应用为用户提供便捷操作，例如某银行使用的移动端应用，用户可以在移动端应用上进行开户操作、查询操作或交易操作等。以用户需要在移动端应用上进行借贷操作为例，一般情况下，传统的借贷业务往往需要用户提供对应的场景图片，银行的业务人员需要根据实地考察确定用户提供的场景图片是否为真实的图片，但这样的操作流程导致场景图片的确认效率低下，进而导致用户办理财务业务的效率低下。

发明内容

本发明提供了一种场景图像的确认方法、装置、设备及存储介质，用于提高财务业务场景下场景图片的确认效率，进而提高用户办理财务业务的效率。

本发明第一方面提供了一种场景图像的确认方法，包括：获取财务场景下的待拼接场景图像，利用桶形变换对所述待拼接场景图像进行预处理，得到预处理后的待拼接场景图像，并采用特征提取函数在所述预处理后的待拼接场景图像中提取特征相同的特征点对，得到基础特征点集，所述待拼接场景图像至少包括第一拼接场景图像和第二拼接场景图像；通过随机抽样一致算法对所述基础特征点集进行筛选，得到匹配特征点集；基于单应性估计算法将所述第一拼接场景图像和所述第二拼接场景图像转化为同一坐标系下的场景图像，并利用所述匹配特征点集在所述同一坐标系下对所述第一拼接场景图像和所述第二拼接场景图像进行拼接，生成目标拼接场景图像；获取所述目标拼接场景图像中的目标向量，计算所述目标向量与预置标准场景图像中的标准向量之间的匹配值，当所述匹配值大于或等于标准阈值时，确定所述目标拼接场景图像和所述预置标准场景图像为相同场景下的图像。

可选的，在本发明第一方面的第一种实现方式中，所述获取财务场景下的待拼接场景图像，利用桶形变换对所述待拼接场景图像进行预处理，得到预处理后的待拼接场景图像，并采用特征提取函数在所述预处理后的待拼接场景图像中提取特征相同的特征点对，得到基础特征点集，所述待拼接场景图像至少包括第一拼接场景图像和第二拼接场景图像包括：获取财务场景下的待拼接场景图像，并利用桶形变换中预置调节公式对所述待拼接场景图像进行调节变换，生成待调节场景图像，所述待拼接场景图像至少包括第一拼接场景图像和第二拼接场景图像；获取所述待拼接场景图像中的像素点位置坐标以及对应的像素值，按照所述待调节场景图像中坐标点的排列顺序遍历所述待调节场景图像，将与所述待调节场景图像中像素点位置坐标相对应的待拼接场景图像中像素点位置坐标确定为相对像素点坐标；将所述相对像素点坐标对应的像素值确定为待调节场景图像中像素点位置坐标对应的像素值，得到预处理后的待拼接场景图像；在所述预处理后的待拼接场景图像中提取特征相同的特征点对，得到基础特征点集。

可选的，在本发明第一方面的第二种实现方式中，所述在所述预处理后的待拼接场景图像中提取特征相同的特征点对，得到基础特征点集包括：获取预处理后的待拼接场景图像中的第一拼接场景图像和第二拼接场景图像，分别在预处理后的第一拼接场景图像和第二拼接场景图像中建立尺度空间，并在所述尺度空间中检测极值点，将检测到的极值点分别确定为第一识别特征点和第二识别特征点；分别对第一识别特征点和第二识别特征点进行过滤，并对过滤后的第一识别特征点和第二识别特征点进行特征点定向，生成第一特征向量和第二特征向量；通过所述第一特征向量和所述第二特征向量之间的欧式距离确定所述第一拼接场景图像和所述第二拼接场景图像中特征相同的特征点对，并将所述特征相同的特征点对确定为基础特征点对，得到基础特征点集。

可选的，在本发明第一方面的第三种实现方式中，所述通过随机抽样一致算法对所述基础特征点集进行筛选，得到匹配特征点集包括：利用随机抽样一致算法在所述基础特征点集中随机选取k组基础特征点对，整合所述k组基础特征点对，建立所述k组基础特征点对的第一检测矩阵，其中，0

可选的，在本发明第一方面的第四种实现方式中，所述通过所述第一检测矩阵对剩余特征点对进行筛选，得到匹配特征点集，所述剩余特征点对用于指示所述基础特征点集中除所述k组基础特征点对之外的特征点对包括：利用所述第一检测矩阵检测剩余特征点对，将符合所述第一检测矩阵的特征点对确定为候选特征点对，并将所述k组基础特征点和所述候选特征点对确定为筛选特征点对；建立所述筛选特征点对的第二检测矩阵，采用所述第二检测矩阵对所述基础特征点集中除所述筛选特征点对之外的特征点进行检测，将符合所述第二检测矩阵的特征点对确定为备选特征点对；将所述筛选特征点对和所述备选特征点对确定为匹配特征点对，将所述匹配特征点对构成的集合确定为匹配特征点集。

可选的，在本发明第一方面的第五种实现方式中，所述基于单应性估计算法将所述第一拼接场景图像和所述第二拼接场景图像转化为同一坐标系下的场景图像，并利用所述匹配特征点集在所述同一坐标系下对所述第一拼接场景图像和所述第二拼接场景图像进行拼接，生成目标拼接场景图像包括：基于单应性估计算法计算所述匹配特征点集中匹配特征点对的单应性矩阵；获取所述第一拼接场景图像中的像素点位置坐标，通过所述单应性矩阵将所述第一拼接场景图像中的像素点位置坐标转化为与所述第二拼接场景图像中坐标系相同的像素点位置坐标，将转化后的第一拼接场景图像确定为转化拼接场景图像；将所述转化拼接场景图像中的像素点位置坐标和相对应的第二拼接场景图像的像素点位置坐标进行重叠，完成所述第一拼接场景图像和所述第二拼接场景图像的拼接操作，并将拼接后的场景图像确定为目标拼接场景图像。

可选的，在本发明第一方面的第六种实现方式中，在所述基于单应性估计算法将所述第一拼接场景图像和所述第二拼接场景图像转化为同一坐标系下的场景图像，并利用所述匹配特征点集在所述同一坐标系下对所述第一拼接场景图像和所述第二拼接场景图像进行拼接，生成目标拼接场景图像之后，在所述获取所述目标拼接场景图像中的目标向量，计算所述目标向量与预置标准场景图像中的标准向量之间的匹配值，当所述匹配值大于或等于标准阈值时，确定所述目标拼接场景图像和所述预置标准场景图像为相同场景下的图像之前，所述场景图像的确认方法还包括：返回目标拼接场景图像，并对所述目标拼接场景图像进行显示。

本发明第二方面提供了一种场景图像的确认装置，包括：提取模块，用于获取财务场景下的待拼接场景图像，利用桶形变换对所述待拼接场景图像进行预处理，得到预处理后的待拼接场景图像，并采用特征提取函数在所述预处理后的待拼接场景图像中提取特征相同的特征点对，得到基础特征点集，所述待拼接场景图像至少包括第一拼接场景图像和第二拼接场景图像；筛选模块，用于通过随机抽样一致算法对所述基础特征点集进行筛选，得到匹配特征点集；生成模块，用于基于单应性估计算法将所述第一拼接场景图像和所述第二拼接场景图像转化为同一坐标系下的场景图像，并利用所述匹配特征点集在所述同一坐标系下对所述第一拼接场景图像和所述第二拼接场景图像进行拼接，生成目标拼接场景图像；确定模块，用于获取所述目标拼接场景图像中的目标向量，计算所述目标向量与预置标准场景图像中的标准向量之间的匹配值，当所述匹配值大于或等于标准阈值时，确定所述目标拼接场景图像和所述预置标准场景图像为相同场景下的图像。

可选的，在本发明第二方面的第一种实现方式中，所述提取模块包括：调节单元，用于获取财务场景下的待拼接场景图像，并利用桶形变换中预置调节公式对所述待拼接场景图像进行调节变换，生成待调节场景图像，所述待拼接场景图像至少包括第一拼接场景图像和第二拼接场景图像；遍历单元，用于获取所述待拼接场景图像中的像素点位置坐标以及对应的像素值，按照所述待调节场景图像中坐标点的排列顺序遍历所述待调节场景图像，将与所述待调节场景图像中像素点位置坐标相对应的待拼接场景图像中像素点位置坐标确定为相对像素点坐标；确定单元，用于将所述相对像素点坐标对应的像素值确定为待调节场景图像中像素点位置坐标对应的像素值，得到预处理后的待拼接场景图像；提取单元，用于在所述预处理后的待拼接场景图像中提取特征相同的特征点对，得到基础特征点集。

可选的，在本发明第二方面的第二种实现方式中，所述提取单元具体用于：获取预处理后的待拼接场景图像中的第一拼接场景图像和第二拼接场景图像，分别在预处理后的第一拼接场景图像和第二拼接场景图像中建立尺度空间，并在所述尺度空间中检测极值点，将检测到的极值点分别确定为第一识别特征点和第二识别特征点；分别对第一识别特征点和第二识别特征点进行过滤，并对过滤后的第一识别特征点和第二识别特征点进行特征点定向，生成第一特征向量和第二特征向量；通过所述第一特征向量和所述第二特征向量之间的欧式距离确定所述第一拼接场景图像和所述第二拼接场景图像中特征相同的特征点对，并将所述特征相同的特征点对确定为基础特征点对，得到基础特征点集。

可选的，在本发明第二方面的第三种实现方式中，所述筛选模块包括：选取单元，用于利用随机抽样一致算法在所述基础特征点集中随机选取k组基础特征点对，整合所述k组基础特征点对，建立所述k组基础特征点对的第一检测矩阵，其中，0

可选的，在本发明第二方面的第四种实现方式中，所述筛选单元具体用于：利用所述第一检测矩阵检测剩余特征点对，将符合所述第一检测矩阵的特征点对确定为候选特征点对，并将所述k组基础特征点和所述候选特征点对确定为筛选特征点对；建立所述筛选特征点对的第二检测矩阵，采用所述第二检测矩阵对所述基础特征点集中除所述筛选特征点对之外的特征点进行检测，将符合所述第二检测矩阵的特征点对确定为备选特征点对；将所述筛选特征点对和所述备选特征点对确定为匹配特征点对，将所述匹配特征点对构成的集合确定为匹配特征点集。

可选的，在本发明第二方面的第五种实现方式中，所述生成模块具体用于：基于单应性估计算法计算所述匹配特征点集中匹配特征点对的单应性矩阵；获取所述第一拼接场景图像中的像素点位置坐标，通过所述单应性矩阵将所述第一拼接场景图像中的像素点位置坐标转化为与所述第二拼接场景图像中坐标系相同的像素点位置坐标，将转化后的第一拼接场景图像确定为转化拼接场景图像；将所述转化拼接场景图像中的像素点位置坐标和相对应的第二拼接场景图像的像素点位置坐标进行重叠，完成所述第一拼接场景图像和所述第二拼接场景图像的拼接操作，并将拼接后的场景图像确定为目标拼接场景图像。

可选的，在本发明第二方面的第六种实现方式中，所述场景图像的确认装置还包括：显示模块，用于返回目标拼接场景图像，并对所述目标拼接场景图像进行显示。

本发明第三方面提供了一种场景图像的确认设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述场景图像的确认设备执行上述的场景图像的确认方法。

本发明的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的场景图像的确认方法。

本发明提供的技术方案中，获取财务场景下的待拼接场景图像，利用桶形变换对所述待拼接场景图像进行预处理，得到预处理后的待拼接场景图像，并采用特征提取函数在所述预处理后的待拼接场景图像中提取特征相同的特征点对，得到基础特征点集，所述待拼接场景图像至少包括第一拼接场景图像和第二拼接场景图像；通过随机抽样一致算法对所述基础特征点集进行筛选，得到匹配特征点集；基于单应性估计算法将所述第一拼接场景图像和所述第二拼接场景图像转化为同一坐标系下的场景图像，并利用所述匹配特征点集在所述同一坐标系下对所述第一拼接场景图像和所述第二拼接场景图像进行拼接，生成目标拼接场景图像；获取所述目标拼接场景图像中的目标向量，计算所述目标向量与预置标准场景图像中的标准向量之间的匹配值，当所述匹配值大于或等于标准阈值时，确定所述目标拼接场景图像和所述预置标准场景图像为相同场景下的图像。本发明实施例中，通过桶形变换对待拼接场景图像进行预处理，利用随机抽样一致算法对预处理后的待拼接场景图像中的基础特征点集进行筛选，得到匹配特征点集，最后利用匹配特征点集对待拼接图像进行拼接，得到目标拼接场景图像，将目标拼接场景图像与预置标准场景图像进行向量匹配，即可明确待拼接场景图像的真实性。提高了财务业务场景下场景图片的确认效率，进而提高了用户办理财务业务的效率。

附图说明

图1为本发明实施例中场景图像的确认方法的一个实施例示意图；

图2为本发明实施例中场景图像的确认方法的另一个实施例示意图；

图3为本发明实施例中场景图像的确认装置的一个实施例示意图；

图4为本发明实施例中场景图像的确认装置的另一个实施例示意图；

图5为本发明实施例中场景图像的确认设备的一个实施例示意图。

具体实施方式

本发明实施例提供了一种场景图像的确认方法、装置、设备及存储介质，用于提高财务业务场景下场景图片的确认效率，进而提高用户办理财务业务的效率。

本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

为便于理解，下面对本发明实施例的具体流程进行描述，请参阅图1，本发明实施例中场景图像的确认方法的一个实施例包括：

101、获取财务场景下的待拼接场景图像，利用桶形变换对待拼接场景图像进行预处理，得到预处理后的待拼接场景图像，并采用特征提取函数在预处理后的待拼接场景图像中提取特征相同的特征点对，得到基础特征点集，待拼接场景图像至少包括第一拼接场景图像和第二拼接场景图像；

可以理解的是，本发明的执行主体可以为场景图像的确认装置，还可以是终端或者服务器，具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。

这里的财务场景指的是办理财务业务时对应需要的场景图片，例如办理房贷业务需要用户提供对应的房屋图片。具体的，待拼接场景图像的数量至少为两个(同一目标不同部分的多个场景图像)，待拼接场景图像的格式可以为BMP格式、JPEG格式、TIFF格式、SVG格式、PNG格式或PSD格式等，在本申请中并不对待拼接场景图像的格式进行限定。此外，本申请也不对待拼接场景图像的分辨率进行限定，一般的，待拼接场景图像的分辨率为320×448PPI或480×640PPI。在识别图片之间需要对图片进行预处理，因利用照相设备对实物进行拍摄时会出现径向畸变现象，径向畸变就是沿着透镜半径方向分布的畸变，产生原因是光线在原理透镜中心的地方比靠近中心的地方更加弯曲，因此服务器需要对获取到的场景图片做桶形变换处理，得到预处理后的场景图像(至少为两个)。

在得到预处理后的场景图像(至少为两个)之后，需要服务器获取预处理后的场景图像中的多个特征点对，只有明确了预处理后的待拼接场景图像中相互匹配的特征点，才能进行图像的拼接。

需要强调的是，为进一步保证上述待拼接场景图像的私密和安全性，上述待拼接场景图像还可以存储于一区块链的节点中。

102、通过随机抽样一致算法对基础特征点集进行筛选，得到匹配特征点集；

步骤101中，在预处理后的场景图像中提取的基础特征点集仅为粗略提取的特征相同的特征点对，为了更好的拼接场景图像，就需要利用随机一致算法对基础特征点集进行进一步的筛选，得到匹配特征点集。随机一致算法(random sample consensus，RANSAC)是采用迭代方式从一组包含离群的被观测数据中估算出数学模型的参数的算法。本申请利用随机一致算法在基础特征点集中筛选出更精准的匹配特征点对。

103、基于单应性估计算法将第一拼接场景图像和第二拼接场景图像转化为同一坐标系下的场景图像，并利用匹配特征点集在同一坐标系下对第一拼接场景图像和第二拼接场景图像进行拼接，生成目标拼接场景图像；

这里的匹配特征点对指的是第一拼接场景图像和第二拼接场景图像之间相同的特征点，比如由第一拼接场景图像中(0，0)(0，4)(4，4)(4，0)四个位置坐标围成的图像与由第二拼接场景图像(1，1)(1，5)(5，5)(5，1)四个位置坐标围成的图像相同，则可以说第一拼接场景图像中(0，0)位置坐标对应的特征点与第二拼接场景图像中(1，1)位置坐标对应的特征点互为匹配特征点对。通过明确第一拼接场景图像和第二拼接场景图像之间的匹配特征点对，将对应的匹配特征点对进行重叠合并，第一拼接场景图像和第二拼接场景图像即可合并在一起。

需要说明的是，在进行拼接第一拼接场景图像和第二拼接场景图像之前，由于两个场景图像所处的坐标系不同，因此需要将第一拼接场景图像里面的特征点位置坐标转化为第二拼接场景图像所处的坐标系中的位置坐标，在同一坐标系下进行场景图像的拼接，最终生成目标拼接场景图像。

104、获取目标拼接场景图像中的目标向量，计算目标向量与预置标准场景图像中的标准向量之间的匹配值，当匹配值大于或等于标准阈值时，确定目标拼接场景图像和预置标准场景图像为相同场景下的图像。

服务器在得到目标拼接场景图像之后，需要将目标拼接场景图像与预置标准场景图像进行比对，判断两者是否为相同场景下的图像。这里采用的是对比两个图像中向量的方式确定两个图像是否为同一场景下的图像的，当目标拼接场景图像中的目标向量与预置标准场景图像中的标准向量之间的匹配值大于或等于标准阈值时，即可确定目标拼接场景图像和预置标准场景图像为相同场景下的图像。一般情况下，这个匹配阈值可以设定为80％，本申请中并不对具体的匹配阈值的数值进行限定，可以根据实际情况设定匹配阈值。

本发明实施例中，通过桶形变换对待拼接场景图像进行预处理，利用随机抽样一致算法对预处理后的待拼接场景图像中的基础特征点集进行筛选，得到匹配特征点集，最后利用匹配特征点集对待拼接图像进行拼接，得到目标拼接场景图像，将目标拼接场景图像与预置标准场景图像进行向量匹配，即可明确待拼接场景图像的真实性。提高了财务业务场景下场景图片的确认效率，进而提高了用户办理财务业务的效率。

请参阅图2，本发明实施例中场景图像的确认方法的另一个实施例包括：

201、获取财务场景下的待拼接场景图像，利用桶形变换对待拼接场景图像进行预处理，得到预处理后的待拼接场景图像，并采用特征提取函数在预处理后的待拼接场景图像中提取特征相同的特征点对，得到基础特征点集，待拼接场景图像至少包括第一拼接场景图像和第二拼接场景图像；

具体的，服务器首先获取财务场景下的待拼接场景图像，并利用桶形变换中预置调节公式对待拼接场景图像进行调节变换，生成待调节场景图像，待拼接场景图像至少包括第一拼接场景图像和第二拼接场景图像；其次服务器获取待拼接场景图像中的像素点位置坐标以及对应的像素值，按照待调节场景图像中坐标点的排列顺序遍历待调节场景图像，将与待调节场景图像中像素点位置坐标相对应的待拼接场景图像中像素点位置坐标确定为相对像素点坐标；然后服务器将相对像素点坐标对应的像素值确定为待调节场景图像中像素点位置坐标对应的像素值，得到预处理后的待拼接场景图像；最后服务器在预处理后的待拼接场景图像中提取特征相同的特征点对。

需要说明的是，这里预置调节公式对待拼接场景图像进行调节变换的过程中，预置调节公式为x

举例说明：以1080P的待拼接场景图像为例，进行预处理的步骤如下：利用上述预置调节公式对待拼接场景图像进行调节变换，生成待调节场景图像，以“行”为单位从像素点位置坐标(0，0)至像素点位置坐标(1919，1079)遍历待调节场景图像，在待调节场景图像中查找到与待拼接场景图像像素点位置坐标相对的像素点位置坐标，待拼接场景图像中像素点位置坐标确定为相对像素点坐标，然后将相对像素点坐标上的像素值赋值至调节场景图像中对应的像素点坐标的像素值上，这样就得到了预处理后的待拼接场景图像。

进一步说明的是，当计算出来的(x

在预处理后的待拼接场景图像中提取特征相同的特征点对，得到基础特征点集的具体步骤为：首先服务器获取预处理后的待拼接场景图像中的第一拼接场景图像和第二拼接场景图像，分别在预处理后的第一拼接场景图像和第二拼接场景图像中建立尺度空间，并在尺度空间中检测极值点，将检测到的极值点分别确定为第一识别特征点和第二识别特征点；然后服务器分别对第一识别特征点和第二识别特征点进行过滤，并对过滤后的第一识别特征点和第二识别特征点进行特征点定向，生成第一特征向量和第二特征向量；最后服务器通过第一特征向量和第二特征向量之间的欧式距离确定第一拼接场景图像和第二拼接场景图像中特征相同的特征点对，并将特征相同的特征点对确定为基础特征点对，得到基础特征点集。

可以理解的是，在预处理后的待拼接场景图像中提取特征相同的特征点对，指的是提取对待拼接场景图像进行尺度缩放、旋转、亮度变化后不变的特征向量，服务器分别在预处理后的第一拼接场景图像和第二拼接场景图像中建立尺度空间，这里的尺度空间指的是可以在多个尺度下观察目标的空间，在尺度空间中通过检测对应场景图像中的极值点，即可确定为对应场景图像中尺度不变性的特征点。然后对检测出的特征点进行过滤以及定向，之后就可以采用特征点特征向量的欧式距离来作为待拼接场景图像中特征点的相似性判定度量。如：选取第一拼接场景图像的某个第一识别特征点，通过遍历找到第二拼接场景图中距离最近的两个第二识别特征点，在这两个第二识别特征中，如果最近距离与次近距离之间的比值小于某个阈值，则判定第一识别特征点与距离最近的第二识别特征点为特征相同的特征点对，最终将特征相同的特征点对确定为基础特征点对，得到基础特征点集。

需要强调的是，为进一步保证上述待拼接场景图像的私密和安全性，上述待拼接场景图像还可以存储于一区块链的节点中。

202、通过随机抽样一致算法对基础特征点集进行筛选，得到匹配特征点集；

具体的，服务器利用随机抽样一致算法在基础特征点集中随机选取k组基础特征点对，整合k组基础特征点对，建立k组基础特征点对的第一检测矩阵，其中，0

在利用第一检测矩阵对剩余特征点对进行筛选的步骤具体为：服务器首先利用第一检测矩阵检测剩余特征点对，将符合第一检测矩阵的特征点对确定为候选特征点对，并将k组基础特征点和候选特征点对确定为筛选特征点对；然后服务器建立筛选特征点对的第二检测矩阵，采用第二检测矩阵对基础特征点集中除筛选特征点对之外的特征点进行检测，将符合第二检测矩阵的特征点对确定为备选特征点对；最后服务器将筛选特征点对和备选特征点对确定为匹配特征点对，将匹配特征点对构成的集合确定为匹配特征点集。

这里采用的是随机一致算法对基础特征点集进行筛选，以利用随机一致算法筛选基础特征点集的步骤如下：

(1)在基础特征点集中随机选取k组基础特征点对，利用k组基础特征点对建立第一检测矩阵，第一检测矩阵适应于随机选取的k组基础特征点对，所有的未知参数均能从随机选取的k组基础特征点对计算得出；

(2)利用第一检测矩阵对除k组基础特征点对之外的剩余特征点对进行检测，若某个剩余特征点对也符合第一检测矩阵，则将该剩余特征点对确定为筛选特征点对，并将候选特征点对和k组基础特征点对进行整合，得到筛选特征点对，需要说明的是，只有当存在足够多的剩余特征点对符合第一检测矩阵时，设定的第一检测矩阵才足够合理，若没有足够多的剩余特征点对符合第一检测矩阵，则重新选取k组基础特征点对建立新的第一检测矩阵在进行检测；

(3)利用筛选特征点对建立第二检测矩阵，第二检测矩阵适应于所有筛选特征点对，所有的未知参数均能从筛选特征点对计算得出；

(4)利用第二检测矩阵对除筛选特征点对之外的基础特征点对进行检测，若某个基础特征点对也符合第二检测矩阵，则将该基础特征点对确定为备选特征点对，并将备选特征点对和筛选特征点对确定为匹配特征点对，将匹配特征点对构成的集合确定为匹配特征点集。

可以理解的是，随着检测矩阵中的基础特征点对在不断的变化，对应的检测矩阵也需要变化，检测矩阵的建立时根据基础特征点对的变化而变化的。此外，为了保证基础特征点对的精准筛选，也可以进行多次的矩阵检测，本申请并不对矩阵检测的次数进行限定。

203、基于单应性估计算法将第一拼接场景图像和第二拼接场景图像转化为同一坐标系下的场景图像，并利用匹配特征点集在同一坐标系下对第一拼接场景图像和第二拼接场景图像进行拼接，生成目标拼接场景图像；

具体的，基于单应性估计算法计算匹配特征点集中匹配特征点对的单应性矩阵；获取第一拼接场景图像中的像素点位置坐标，通过单应性矩阵将第一拼接场景图像中的像素点位置坐标转化为与第二拼接场景图像中坐标系相同的像素点位置坐标，将转化后的第一拼接场景图像确定为转化拼接场景图像；将转化拼接场景图像中的像素点位置坐标和相对应的第二拼接场景图像的像素点位置坐标进行重叠，完成第一拼接场景图像和第二拼接场景图像的拼接操作，并将拼接后的场景图像确定为目标拼接场景图像。

在第一拼接场景图像和第二拼接场景图像进行同一坐标系转换时，通常会利用单应性估计算法计算两个场景图像之间的单应性矩阵，单应性矩阵可以将第一拼接场景图像中的像素点位置坐标转化为对应第二拼接场景图像中的像素点位置坐标。单应性矩阵的计算方式如下：

其中，(x

需要说明的是，拼接场景图像可能不止两个，当拼接场景图像存在多个时，以一个拼接场景图像的像素坐标系为标准，计算其他拼接场景图像的单应性矩阵进行坐标系转换即可。

204、返回目标拼接场景图像，并对目标拼接场景图像进行显示；

服务器得到目标拼接场景图像后，会将目标拼接场景图像返回至移动应用前端，通过移动应用中的显示系统对目标拼接场景图像进行显示，令用户可以观察到拼接后的图像。

205、获取目标拼接场景图像中的目标向量，计算目标向量与预置标准场景图像中的标准向量之间的匹配值，当匹配值大于或等于标准阈值时，确定目标拼接场景图像和预置标准场景图像为相同场景下的图像。

服务器在得到目标拼接场景图像之后，需要将目标拼接场景图像与预置标准场景图像进行比对，判断两者是否为相同场景下的图像。这里采用的是对比两个图像中向量的方式确定两个图像是否为同一场景下的图像的，当目标拼接场景图像中的目标向量与预置标准场景图像中的标准向量之间的匹配值大于或等于标准阈值时，即可确定目标拼接场景图像和预置标准场景图像为相同场景下的图像。一般情况下，这个匹配阈值可以设定为80％，本申请中并不对具体的匹配阈值的数值进行限定，可以根据实际情况设定匹配阈值。

本发明实施例中，通过桶形变换对待拼接场景图像进行预处理，利用随机抽样一致算法对预处理后的待拼接场景图像中的基础特征点集进行筛选，得到匹配特征点集，最后利用匹配特征点集对待拼接图像进行拼接，得到目标拼接场景图像，将目标拼接场景图像与预置标准场景图像进行向量匹配，即可明确待拼接场景图像的真实性。提高了财务业务场景下场景图片的确认效率，进而提高了用户办理财务业务的效率。

上面对本发明实施例中场景图像的确认方法进行了描述，下面对本发明实施例中场景图像的确认装置进行描述，请参阅图3，本发明实施例中场景图像的确认装置一个实施例包括：

提取模块301，用于获取财务场景下的待拼接场景图像，利用桶形变换对所述待拼接场景图像进行预处理，得到预处理后的待拼接场景图像，并采用特征提取函数在所述预处理后的待拼接场景图像中提取特征相同的特征点对，得到基础特征点集，所述待拼接场景图像至少包括第一拼接场景图像和第二拼接场景图像；

筛选模块302，用于通过随机抽样一致算法对所述基础特征点集进行筛选，得到匹配特征点集；

生成模块303，用于基于单应性估计算法将所述第一拼接场景图像和所述第二拼接场景图像转化为同一坐标系下的场景图像，并利用所述匹配特征点集在所述同一坐标系下对所述第一拼接场景图像和所述第二拼接场景图像进行拼接，生成目标拼接场景图像；

确定模块304，用于获取所述目标拼接场景图像中的目标向量，计算所述目标向量与预置标准场景图像中的标准向量之间的匹配值，当所述匹配值大于或等于标准阈值时，确定所述目标拼接场景图像和所述预置标准场景图像为相同场景下的图像。

本发明实施例中，通过桶形变换对待拼接场景图像进行预处理，利用随机抽样一致算法对预处理后的待拼接场景图像中的基础特征点集进行筛选，得到匹配特征点集，最后利用匹配特征点集对待拼接图像进行拼接，得到目标拼接场景图像，将目标拼接场景图像与预置标准场景图像进行向量匹配，即可明确待拼接场景图像的真实性。提高了财务业务场景下场景图片的确认效率，进而提高了用户办理财务业务的效率。

请参阅图4，本发明实施例中场景图像的确认装置的另一个实施例包括：

提取模块301，用于获取财务场景下的待拼接场景图像，利用桶形变换对所述待拼接场景图像进行预处理，得到预处理后的待拼接场景图像，并采用特征提取函数在所述预处理后的待拼接场景图像中提取特征相同的特征点对，得到基础特征点集，所述待拼接场景图像至少包括第一拼接场景图像和第二拼接场景图像；

筛选模块302，用于通过随机抽样一致算法对所述基础特征点集进行筛选，得到匹配特征点集；

生成模块303，用于基于单应性估计算法将所述第一拼接场景图像和所述第二拼接场景图像转化为同一坐标系下的场景图像，并利用所述匹配特征点集在所述同一坐标系下对所述第一拼接场景图像和所述第二拼接场景图像进行拼接，生成目标拼接场景图像；

确定模块304，用于获取所述目标拼接场景图像中的目标向量，计算所述目标向量与预置标准场景图像中的标准向量之间的匹配值，当所述匹配值大于或等于标准阈值时，确定所述目标拼接场景图像和所述预置标准场景图像为相同场景下的图像。

可选的，提取模块301包括：

调节单元3011，用于获取财务场景下的待拼接场景图像，并利用桶形变换中预置调节公式对所述待拼接场景图像进行调节变换，生成待调节场景图像，所述待拼接场景图像至少包括第一拼接场景图像和第二拼接场景图像；

遍历单元3012，用于获取所述待拼接场景图像中的像素点位置坐标以及对应的像素值，按照所述待调节场景图像中坐标点的排列顺序遍历所述待调节场景图像，将与所述待调节场景图像中像素点位置坐标相对应的待拼接场景图像中像素点位置坐标确定为相对像素点坐标；

确定单元3013，用于将所述相对像素点坐标对应的像素值确定为待调节场景图像中像素点位置坐标对应的像素值，得到预处理后的待拼接场景图像；

提取单元3014，用于在所述预处理后的待拼接场景图像中提取特征相同的特征点对，得到基础特征点集。

可选的，提取单元3014具体用于：

获取预处理后的待拼接场景图像中的第一拼接场景图像和第二拼接场景图像，分别在预处理后的第一拼接场景图像和第二拼接场景图像中建立尺度空间，并在所述尺度空间中检测极值点，将检测到的极值点分别确定为第一识别特征点和第二识别特征点；

分别对第一识别特征点和第二识别特征点进行过滤，并对过滤后的第一识别特征点和第二识别特征点进行特征点定向，生成第一特征向量和第二特征向量；

通过所述第一特征向量和所述第二特征向量之间的欧式距离确定所述第一拼接场景图像和所述第二拼接场景图像中特征相同的特征点对，并将所述特征相同的特征点对确定为基础特征点对，得到基础特征点集。

可选的，筛选模块302包括：

选取单元3021，用于利用随机抽样一致算法在所述基础特征点集中随机选取k组基础特征点对，整合所述k组基础特征点对，建立所述k组基础特征点对的第一检测矩阵，其中，0

筛选单元3022，用于通过所述第一检测矩阵对剩余特征点对进行筛选，得到匹配特征点集，所述剩余特征点对用于指示所述基础特征点集中除所述k组基础特征点对之外的特征点对。

可选的，筛选单元3022具体用于：

利用所述第一检测矩阵检测剩余特征点对，将符合所述第一检测矩阵的特征点对确定为候选特征点对，并将所述k组基础特征点和所述候选特征点对确定为筛选特征点对；

建立所述筛选特征点对的第二检测矩阵，采用所述第二检测矩阵对所述基础特征点集中除所述筛选特征点对之外的特征点进行检测，将符合所述第二检测矩阵的特征点对确定为备选特征点对；

将所述筛选特征点对和所述备选特征点对确定为匹配特征点对，将所述匹配特征点对构成的集合确定为匹配特征点集。

可选的，生成模块303具体用于：

基于单应性估计算法计算所述匹配特征点集中匹配特征点对的单应性矩阵；

获取所述第一拼接场景图像中的像素点位置坐标，通过所述单应性矩阵将所述第一拼接场景图像中的像素点位置坐标转化为与所述第二拼接场景图像中坐标系相同的像素点位置坐标，将转化后的第一拼接场景图像确定为转化拼接场景图像；

将所述转化拼接场景图像中的像素点位置坐标和相对应的第二拼接场景图像的像素点位置坐标进行重叠，完成所述第一拼接场景图像和所述第二拼接场景图像的拼接操作，并将拼接后的场景图像确定为目标拼接场景图像。

可选的，场景图像的确认装置还包括：

显示模块305，用于返回目标拼接场景图像，并对所述目标拼接场景图像进行显示。

本发明实施例中，通过桶形变换对待拼接场景图像进行预处理，利用随机抽样一致算法对预处理后的待拼接场景图像中的基础特征点集进行筛选，得到匹配特征点集，最后利用匹配特征点集对待拼接图像进行拼接，得到目标拼接场景图像，将目标拼接场景图像与预置标准场景图像进行向量匹配，即可明确待拼接场景图像的真实性。提高了财务业务场景下场景图片的确认效率，进而提高了用户办理财务业务的效率。

上面图3和图4从模块化功能实体的角度对本发明实施例中的场景图像的确认装置进行详细描述，下面从硬件处理的角度对本发明实施例中场景图像的确认设备进行详细描述。

图5是本发明实施例提供的一种场景图像的确认设备的结构示意图，该场景图像的确认设备500可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(central processing units，CPU)510(例如，一个或一个以上处理器)和存储器520，一个或一个以上存储应用程序533或数据532的存储介质530(例如一个或一个以上海量存储设备)。其中，存储器520和存储介质530可以是短暂存储或持久存储。存储在存储介质530的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对场景图像的确认设备500中的一系列指令操作。更进一步地，处理器510可以设置为与存储介质530通信，在场景图像的确认设备500上执行存储介质530中的一系列指令操作。

场景图像的确认设备500还可以包括一个或一个以上电源540，一个或一个以上有线或无线网络接口550，一个或一个以上输入输出接口560，和/或，一个或一个以上操作系统531，例如Windows Serve，Mac OS X，Unix，Linux，FreeBSD等等。本领域技术人员可以理解，图5示出的场景图像的确认设备结构并不构成对场景图像的确认设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

本发明还提供一种场景图像的确认设备，所述计算机设备包括存储器和处理器，存储器中存储有计算机可读指令，计算机可读指令被处理器执行时，使得处理器执行上述各实施例中的所述场景图像的确认方法的步骤。

本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在计算机上运行时，使得计算机执行所述场景图像的确认方法的步骤。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(read-only memory，ROM)、随机存取存储器(random access memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。