本发明涉及艺术作品鉴别，特别是基于图像识别的艺术作品鉴别方法。
背景技术：
1、艺术作品市场的繁荣带动了对艺术作品鉴别方法的需求，传统的艺术作品鉴定多依赖于专家的经验和直观判断，这种方法不仅耗时耗力，而且易受主观因素影响，准确性和客观性有限，近年来，随着计算机视觉和机器学习技术的飞速发展，基于图像识别的艺术作品鉴别方法逐渐兴起，这类技术通过分析艺术作品的数字图像来识别其风格、笔触及使用的材料等特征，从而判断艺术作品的真伪，尽管现有的图像识别技术已经在多个领域得到了应用，但在艺术作品鉴别领域仍面临特有的挑战，艺术作品的图像质量、光照条件和拍摄角度等因素都可能影响鉴别结果的准确性，现有技术依赖于全局图像特征的分析，而对艺术作品局部特征的识别能力不足，无法深度提取艺术作品的图像特征，因此在面对极其相似或具有细微差别的艺术作品时往难以准确鉴定，现有的自动鉴定技术也未能充分利用用户输入和历史数据，限制了鉴定方法的适应性和灵活性。
技术实现思路
1、鉴于上述现有的基于图像识别的艺术作品鉴别方法中存在的问题，提出了本发明。
2、因此，本发明所要解决的问题在于现有技术依赖于全局图像特征的分析，而对艺术作品局部特征的识别能力不足，因此在面对极其相似或具有细微差别的艺术作品时往难以准确鉴定，现有的自动鉴定技术也未能充分利用用户输入和历史数据，限制了鉴定方法的适应性和灵活性。
3、为解决上述技术问题，本发明提供如下技术方案：基于图像识别的艺术作品鉴别方法，其包括，获取艺术作品图像并对艺术作品图像进行预处理，提取预处理后的艺术作品图像特征向量；进行逆向图像搜索并计算用户上传的艺术作品图像与数据库中艺术作品图像的相似度进行图像对比，构建艺术作品鉴别模型进行艺术作品真伪鉴别；对鉴别真伪后的艺术作品进行标注，将数据进行安全存储并实施访问控制。
4、作为本发明所述基于图像识别的艺术作品鉴别方法的一种优选方案，其中：所述获取艺术作品图像并对艺术作品图像进行预处理指从各种数据源获取真伪艺术作品图像，从艺术作品的正面、侧面和背面各拍摄三张图像，对采集的图像进行色彩校正，调整图像的色温和色彩饱和度，使用自适应直方图均衡化增强图像的对比度，使用高斯滤波器去除图像噪声，将去噪后的图像的尺寸大小调整为299*299像素，将图像像素值归一化到0-1范围内，为预处理后的艺术作品图像分配唯一序列号标识并标记艺术作品的真伪以及艺术家信息，将预处理后的图像数据集存储进数据库中。
5、作为本发明所述基于图像识别的艺术作品鉴别方法的一种优选方案，其中：所述提取预处理后的艺术作品图像特征向量指使用inception-v3模型提取艺术作品图像的特征向量，从深度学习框架库中加载预训练的inception-v3模型，将模型中的倒数第二个卷积层作为输出层，使用预处理后的真伪艺术作品图像作为训练数据，通过旋转、缩放以及翻转增强训练数据，将训练数据输入inception-v3模型中，定义损失函数和adam优化器进行模型参数迭代训练直至损失最小化后停止迭代获得训练好的inception-v3模型，将预处理后的艺术作品图像输入inception-v3模型中提取艺术作品图像特征向量b。
6、作为本发明所述基于图像识别的艺术作品鉴别方法的一种优选方案，其中：所述进行逆向图像搜索并计算用户上传的艺术作品图像与数据库中艺术作品图像的相似度进行图像对比指对提取的特征向量进行标准化处理后将特征向量输入到局部敏感哈希算法中构建索引，将生成的哈希码和对应的艺术作品标识存储进索引数据库中；
7、接收用户上传的艺术作品图像并对艺术作品图像进行预处理后将艺术作品图像输入进训练好的inception-v3模型中提取艺术作品图像特征向量a，使用局部敏感哈希算法构建的索引快速搜索数据库中的相似艺术作品，计算用户上传的艺术作品图像与数据库中艺术作品图像的特征相似度：
8、
9、其中sim(a，b)为用户上传的艺术作品图像特征向量a和数据库中的艺术作品图像特征向量b之间的相似度，i(a)为用户上传的艺术作品图像特征向量a的兴趣向量，i(b)为数据库中的艺术作品图像特征向量b的兴趣向量，||i(a)||和||i(b)||分别为用户上传的艺术作品图像特征向量a和数据库中的艺术作品图像特征向量b的兴趣向量的l2范数；
10、将艺术作品图像按照相似度评分进行递减排序，选择相似度最高的艺术作品并根据相似度评分，展示相似艺术作品列表，包括每件艺术作品的图像、艺术家信息和相似度得分；
11、将提取的用户上传的艺术作品图像的特征向量a和数据库中的艺术作品图像特征向量b合并为特征向量f为：
12、f＝[a，b]。
13、作为本发明所述基于图像识别的艺术作品鉴别方法的一种优选方案，其中：所述构建艺术作品鉴别模型包括，
14、构建艺术作品关系图，定义图结构中的节点，每个节点表示一个艺术作品，节点特征为特征向量f，定义图结构中的边，边表示艺术作品之间的相似度关系，构建包含所有艺术作品及其相似度关系的图g；
15、对艺术作品关系图进行图卷积操作，将每个节点的初始特征向量h0初始化为节点特征f，进行多层图卷积，对每个节点i的特征进行图卷积更新：
16、
17、式中，是第l+1层中节点i的特征表示，σ是relu激活函数，n(i)是节点i的邻居节点集合，di和dj分别是节点i和节点j的邻居几点数量，w(l)是第l层的权重矩阵，是第l层中邻居节点j的特征表示，b(l)是第l层的偏置项；
18、经过多层图卷积后，得到每个节点的最终特征表示m，收集所有节点的最终特征表示m，将特征表示m输入至深度神经网络的全连接层中进一步提取高层次特征表示，得到经过深度神经网络处理后的特征表示m′；
19、基于支持向量机构建艺术作品鉴别模型：
20、d＝sign(ω*m′+b)，
21、其中d为模型输出，m′为经过深度神经网络处理后的特征表示，ω为模型权重，b为偏置项，sign为分类函数，+1表示真实，-1表示伪造；
22、将数据库中存储的图像数据集作为模型训练集，使用模型训练集进行模型训练，定义模型优化目标为：
23、
24、其中dq为模型第q个训练数据的输出，m′q为第q个训练数据，subject为定义优化约束条件，代表对所有的q约束条件均成立；
25、通过求解优化目标得到模型参数后代入模型中获得艺术作品鉴别模型。
26、作为本发明所述基于图像识别的艺术作品鉴别方法的一种优选方案，其中：所述进行艺术作品真伪鉴别指将用户上传的艺术作品图像的特征向量与数据库中相似度最高的艺术作品图像的特征向量进行结合，通过图卷积操作和深度神经网络处理后得到最终的特征表示m′，将得到的最终的特征表示m′输入艺术作品鉴别模型中得到艺术作品鉴别结果。
27、作为本发明所述基于图像识别的艺术作品鉴别方法的一种优选方案，其中：所述对鉴别真伪后的艺术作品进行标注指根据鉴别结果对艺术作品进行标注，
28、若鉴别艺术作品为真实艺术作品，则将真实的艺术作品标注为“真品”标签，为每件鉴定为真品的艺术作品生成数字证书，包括艺术作品的艺术家信息，艺术作品的历史所有权以及出售和展览历史；
29、若鉴别艺术作品为伪造艺术作品，则将伪造的艺术作品标注“伪造品”标签，记录包括鉴定日期和置信度，提供鉴别为伪造的原因。
30、作为本发明所述基于图像识别的艺术作品鉴别方法的一种优选方案，其中：所述将数据进行安全存储并实施访问控制指将艺术作品的信息、鉴别结果和时间戳存储至数据库中，并设置安全访问措施，数据库将存储数据进行云端备份，并定期对存储数据和备份数据进行完整性检测，检测完毕后生成完整性检测记录同步存储至数据库中，允许经过授权的用户通过用户界面查询艺术作品鉴别结果。
31、一种计算机设备，包括：存储器和处理器；所述存储器存储有计算机程序，其特征在于：所述处理器执行所述计算机程序时实现上述基于图像识别的艺术作品鉴别方法的步骤。
32、一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现上述基于图像识别的艺术作品鉴别方法的步骤。
33、本发明有益效果为：本发明通过收集多源艺术作品图像并提取特征向量，将用户上传的图像特征与数据库中相似度最高的图像特征进行整合并将通过图卷积操作和深度神经网络处理得到的最终特征输入进构建的艺术作品鉴别模型进行艺术作品真伪鉴别，增强了对艺术作品细节的捕获能力，可以深度提取艺术作品的图像特征并有效区分真品和伪造品，提高了鉴别的准确性。
1.基于图像识别的艺术作品鉴别方法，其特征在于：包括，
2.如权利要求1所述的基于图像识别的艺术作品鉴别方法，其特征在于：所述获取艺术作品图像并对艺术作品图像进行预处理指从各种数据源获取真伪艺术作品图像，从艺术作品的正面、侧面和背面各拍摄三张图像，对采集的图像进行色彩校正，调整图像的色温和色彩饱和度，使用自适应直方图均衡化增强图像的对比度，使用高斯滤波器去除图像噪声，将去噪后的图像的尺寸大小调整为299*299像素，将图像像素值归一化到0-1范围内，为预处理后的艺术作品图像分配唯一序列号标识并标记艺术作品的真伪以及艺术家信息，将预处理后的图像数据集存储进数据库中。
3.如权利要求2所述的基于图像识别的艺术作品鉴别方法，其特征在于：所述提取预处理后的艺术作品图像特征向量指使用inception-v3模型提取艺术作品图像的特征向量，从深度学习框架库中加载预训练的inception-v3模型，将模型中的倒数第二个卷积层作为输出层，使用预处理后的真伪艺术作品图像作为训练数据，通过旋转、缩放以及翻转增强训练数据，将训练数据输入inception-v3模型中，定义损失函数和adam优化器进行模型参数迭代训练直至损失最小化后停止迭代获得训练好的inception-v3模型，将预处理后的艺术作品图像输入inception-v3模型中提取艺术作品图像特征向量b。
4.如权利要求3所述的基于图像识别的艺术作品鉴别方法，其特征在于：所述进行逆向图像搜索并计算用户上传的艺术作品图像与数据库中艺术作品图像的相似度进行图像对比指对提取的特征向量进行标准化处理后将特征向量输入到局部敏感哈希算法中构建索引，将生成的哈希码和对应的艺术作品标识存储进索引数据库中；
5.如权利要求4所述的基于图像识别的艺术作品鉴别方法，其特征在于：所述构建艺术作品鉴别模型包括，
6.如权利要求5所述的基于图像识别的艺术作品鉴别方法，其特征在于：所述进行艺术作品真伪鉴别指将用户上传的艺术作品图像的特征向量与数据库中相似度最高的艺术作品图像的特征向量进行结合，通过图卷积操作和深度神经网络处理后得到最终的特征表示m′，将得到的最终的特征表示m′输入艺术作品鉴别模型中得到艺术作品鉴别结果。
7.如权利要求6所述的基于图像识别的艺术作品鉴别方法，其特征在于：所述对鉴别真伪后的艺术作品进行标注指根据鉴别结果对艺术作品进行标注，
8.如权利要求7所述的基于图像识别的艺术作品鉴别方法，其特征在于：所述将数据进行安全存储并实施访问控制指将艺术作品的信息、鉴别结果和时间戳存储至数据库中，并设置安全访问措施，数据库将存储数据进行云端备份，并定期对存储数据和备份数据进行完整性检测，检测完毕后生成完整性检测记录同步存储至数据库中，允许经过授权的用户通过用户界面查询艺术作品鉴别结果。
9.一种计算机设备，包括：存储器和处理器；所述存储器存储有计算机程序，其特征在于：所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的基于图像识别的艺术作品鉴别方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的基于图像识别的艺术作品鉴别方法的步骤。
