发明创造名称：一种图像变形检测方法及装置
外观设计名称：
决定号：185458
决定日：2019-07-31
委内编号：1F261935
优先权日：
申请（专利）号：201710255930.5
申请日：2017-04-18
复审请求人：腾讯科技（深圳）有限公司
无效请求人：
授权公告日：
审定公告日：
专利权人：
主审员：鲍薇
合议组组长：宋芸芸
参审员：甘文珍
国际分类号：G06K9/00；G06K9/62
外观设计分类号：
法律依据：专利法第22条第3款
决定要点
：如果一项权利要求的技术方案与作为最接近的现有技术的对比文件相比存在区别技术特征，其中的区别技术特征未被其他对比文件公开，也不属于本领域的公知常识，现有技术整体上没有给出将所述区别技术特征应用到所述作为最接近的现有技术的对比文件中来解决其存在的技术问题的技术启示，且所述区别技术特征的引入使该权利要求获得了有益的技术效果，那么该权利要求的技术方案具备创造性。
全文：
本复审请求涉及申请号为201710255930.5，名称为“一种图像变形检测方法及装置”的发明专利申请（下称本申请）。申请人为腾讯科技（深圳）有限公司。本申请的申请日为2017年04月18日，公开日为2017年08月18日。
经实质审查，国家知识产权局原审查部门于2018年06月25日发出驳回决定，驳回了本申请，其理由是：权利要求1-12不具备专利法第22条第3款规定的创造性。具体地，权利要求1与对比文件1（CN104008359A，公开日为：2014年08月27日）的区别在于：对比文件1未公开权利要求1限定的“预设变形识别模型为：利用所述图像目标的至少两组对应于不同类型的训练样本集，对已设计的所述图像目标的基础变形识别模型进行训练得到”；而上述区别已经被对比文件2（CN104134071A，公开日为：2014年11月05日）公开了，因此，权利要求1相对于对比文件1和对比文件2不具备创造性；权利要求2-6的附加技术特征属于本领域常用技术手段，因此，权利要求2-6也不具备创造性。相应的装置权利要求7-12也不具备创造性。
驳回决定所依据的文本为原始申请文件，即：申请日2017年04月18日提交的权利要求第1-12项、说明书第[0001]-[0120]段、说明书附图图1-7、说明书摘要及摘要附图。
驳回决定所针对的权利要求书如下：
“1. 一种图像变形检测方法，其特征在于，包括：
获取待识别图像中的图像目标；
利用与所述图像目标对应的预设变形识别模型，对所述图像目标进行识别，得到表示所述待识别图像是否变形的识别结果；
其中，所述预设变形识别模型为：利用所述图像目标的至少两组对应于不同类型的训练样本集，对已设计的所述图像目标的基础变形识别模型进行训练得到。
2. 根据权利要求1所述的图像变形检测方法，其特征在于，所述图像目标的对象类型为一种或多种，所述获取待识别图像中的图像目标的步骤中，针对每一种对象类型执行如下步骤：
利用基于深度学习的物体检测模型，检测所述待识别图像中是否存在所述图像目标；
若检测到所述待识别图像中存在所述图像目标，则从所述待识别图像中存在的图像目标中依据检测评分选取至少一个图像目标。
3. 根据权利要求2所述的图像变形检测方法，其特征在于，所述从所述待识别图像中存在的图像目标中依据检测评分选取至少一个图像目标的步骤，包括：
从所述待识别图像中存在的图像目标中选取检测评分最高的图像目标或检测评分超过预设分数阈值的多个图像目标。
4. 根据权利要求1所述的图像变形检测方法，其特征在于，当获取的图像目标为同一种对象类型下的多个图像目标时，所述利用与所述图像目标对应的预设变形识别模型，对所述图像目标进行识别，得到表示所述待识别图像是否变形的识别结果的步骤，包括：
利用与所述图像目标对应的预设变形识别模型，分别对所述多个图像目标进行识别，得到多个识别结果；
若所述多个识别结果中，表示所述待识别图像变形的识别结果比表示所述待识别图像未变形的识别结果多，则确定最终识别结果表示所述待识别图像变 形，否则，确定最终识别结果表示所述待识别图像未变形。
5. 根据权利要求1所述的图像变形检测方法，其特征在于，当获取的图像目标为多种对象类型下的多个图像目标时，所述利用与所述图像目标对应的预设变形识别模型，对所述图像目标进行识别，得到表示所述待识别图像是否变形的识别结果的步骤，包括：
依次利用与每种对象类型下的图像目标对应的预设变形识别模型，对选取的每种对象类型下的图像目标进行识别，得到多种识别结果，所述多种识别结果与所述多种对象类型一一对应；
根据预设的每种对象类型的权重值，对所述多种识别结果进行加权处理，得到加权处理结果；
利用所述加权处理结果，确定最终表示所述待识别图像是否变形的识别结果。
6. 根据权利要求1-5中任一项所述的图像变形检测方法，其特征在于，所述图像目标的对象类型包括如下对象类型中的一种或多种：人脸、人体、文字、动物、建筑物和车辆。
7. 一种图像变形检测装置，其特征在于，包括：
获取模块，用于获取待识别图像中的图像目标；
识别模块，用于利用与所述图像目标对应的预设变形识别模型，对所述图像目标进行识别，得到表示所述待识别图像是否变形的识别结果；
其中，所述预设变形识别模型为：利用所述图像目标的至少两组对应于不同类型的训练样本集，对已设计的所述图像目标的基础变形识别模型进行训练得到。
8. 根据权利要求7所述的图像变形检测装置，其特征在于，所述图像目标的对象类型为一种或多种，所述获取模块包括：
检测单元，用于针对每一种对象类型，利用基于深度学习的物体检测模型，检测所述待识别图像中是否存在所述图像目标；
选取单元，用于当检测到所述待识别图像中存在所述图像目标时，从所述待识别图像中存在的图像目标中依据检测评分选取至少一个图像目标。
9. 根据权利要求8所述的图像变形检测装置，其特征在于，所述选取单 元具体用于：
从所述待识别图像中存在的图像目标中选取检测评分最高的图像目标或检测评分超过预设阈值的多个图像目标。
10. 根据权利要求7所述的图像变形检测装置，其特征在于，所述识别模块包括：
第一识别单元，用于当获取的图像目标为同一种对象类型下的多个图像目标时，利用与所述图像目标对应的预设变形识别模型，分别对所述多个图像目标进行识别，得到多个识别结果；
第一确定单元，用于当所述多个识别结果中，表示所述待识别图像变形的识别结果比表示所述待识别图像未变形的识别结果多时，确定最终识别结果表示所述待识别图像变形；或者，当所述多个识别结果中，表示所述待识别图像变形的识别结果不比表示所述待识别图像未变形的识别结果多时，确定最终识别结果表示所述待识别图像未变形。
11. 根据权利要求7所述的图像变形检测装置，其特征在于，所述识别模块包括：
第二识别单元，用于当获取的图像目标为多种对象类型下的多个图像目标时，依次利用与每种对象类型下的图像目标对应的预设变形识别模型，对选取的每种对象类型下的图像目标进行识别，得到多种识别结果，所述多种识别结果与所述多种对象类型一一对应；
加权处理单元，用于根据预设的每种对象类型的权重值，对所述多种识别结果进行加权处理，得到加权处理结果；
第二确定单元，用于利用所述加权处理结果，确定最终表示所述待识别图像是否变形的识别结果。
12. 根据权利要求7-11中任一项所述的图像变形检测装置，其特征在于，所述图像目标的对象类型包括如下对象类型中的一种或多种：人脸、人体、文字、动物、建筑物和车辆。”
申请人（下称复审请求人）对上述驳回决定不服，于2018年09月29日向国家知识产权局提出了复审请求，同时修改了权利要求书，在权利要求1、7中增加特征“所述图像目标为所述待识别图像中的具体对象”及“所述训练样本集中包括所述图像目标正常类样本集、非所述图像目标的其他样本集和所述图像目标变形类样本集”。复审请求人认为：对比文件1并未给出利用图像目标对应的变形识别模型来识别图像是否变形的启发，对比文件2也并未给出基于多样化的训练样本来完成变形识别模型训练的启示，在此基础上，本申请修改后的权利要求1所保护的技术方案对于本领域技术人员而言是非显而易见的。而且本申请修改后的权利要求1提供的图像变形检测方法，可将较为抽象的图像变形检测过程具体化、对象化，从而有效提高检测效率和检测成功率。另外训练出来的变形识别模型的检测效率和检测成功率也更高。因此，本申请的修改后的权利要求1-12具备创造性。
复审请求时新修改的权利要求1、7如下：
“1. 一种图像变形检测方法，其特征在于，包括：
获取待识别图像中的图像目标，所述图像目标为所述待识别图像中的具体对象；
利用与所述图像目标对应的预设变形识别模型，对所述图像目标进行识别，得到表示所述待识别图像是否变形的识别结果；
其中，所述预设变形识别模型为：利用所述图像目标的至少两组对应于不同类型的训练样本集，对已设计的所述图像目标的基础变形识别模型进行训练得到，所述训练样本集中包括所述图像目标正常类样本集、非所述图像目标的其他样本集和所述图像目标变形类样本集。”
“7. 一种图像变形检测装置，其特征在于，包括：
获取模块，用于获取待识别图像中的图像目标，所述图像目标为所述待识别图像中的具体对象；
识别模块，用于利用与所述图像目标对应的预设变形识别模型，对所述图像目标进行识别，得到表示所述待识别图像是否变形的识别结果；
其中，所述预设变形识别模型为：利用所述图像目标的至少两组对应于不 同类型的训练样本集，对已设计的所述图像目标的基础变形识别模型进行训练得到，所述训练样本集中包括所述图像目标正常类样本集、非所述图像目标的其他样本集和所述图像目标变形类样本集。”
经形式审查合格，国家知识产权局于2018年10月09日依法受理了该复审请求，并将其转送至原审查部门进行前置审查。
原审查部门在前置审查意见书中坚持原驳回决定。
随后，国家知识产权局成立合议组对本案进行审理。
合议组于2019年02月28日向复审请求人发出复审通知书，指出：权利要求1-12不具备专利法第22条第3款规定的创造性，引用的对比文件1、2与驳回决定中相同。
复审请求人于2019年04月08日提交了意见陈述书，并修改权利要求书，在权利要求1、7中增加特征“所述图像目标的对象类型包括如下对象类型中的一种或多种：人脸、人体、文字、动物、建筑物和车辆，所述图像目标是根据用户对图像目标变形的容忍度选取的”，并删去权利要求2、8中重复限定的部分。复审请求人认为：对比文件1中的“校正图形”并不相当于修改后的权利要求1中的“待识别图像中的具体对象”，对比文件1公开的“根据校正图形的特征得到其中心点D，进而与预先计算的中心点D'是否重合的判断过程”并不相当于修改后的权利要求1中的“利用图像目标对应的识别模型识别图像是否发生变形”，而且对比文件2并未给出将上述区别技术特征用于对比文件1以解决其存在的技术问题的启示，另外上述区别技术特征也并不属于本领域技术人员的惯用技术手段，在对比文件1的基础上即使结合对比文件2，或者在对比文件1的基础上结合对比文件2及本领域惯用技术手段，也得不到修改后的权利要求1所保护的技术方案，修改后的权利要求1所保护的技术方案对于本领域技术人员而言是非显而易见的，修改后的权利要求1相对于现有技术具有显著的进步。因此，本申请的修改后的权利要求1具备创造性，相应的权利要求2-10也具备创造性。修改后的权利要求书如下:
“1. 一种图像变形检测方法，其特征在于，包括：
获取待识别图像中的图像目标，所述图像目标为所述待识别图像中的具体对象，所述图像目标的对象类型包括如下对象类型中的一种或多种：人脸、人体、文字、动物、建筑物和车辆，所述图像目标是根据用户对图像目标变形的容忍度选取的；
利用与所述图像目标对应的预设变形识别模型，对所述图像目标进行识别，得到表示所述待识别图像是否变形的识别结果；
其中，所述预设变形识别模型为：利用所述图像目标的至少两组对应于不同类型的训练样本集，对已设计的所述图像目标的基础变形识别模型进行训练得到，所述训练样本集中包括所述图像目标正常类样本集、非所述图像目标的其他样本集和所述图像目标变形类样本集。
2. 根据权利要求1所述的图像变形检测方法，其特征在于，所述获取待识别图像中的图像目标的步骤中，针对每一种对象类型执行如下步骤：
利用基于深度学习的物体检测模型，检测所述待识别图像中是否存在所述图像目标；
若检测到所述待识别图像中存在所述图像目标，则从所述待识别图像中存在的图像目标中依据检测评分选取至少一个图像目标。
3. 根据权利要求2所述的图像变形检测方法，其特征在于，所述从所述待识别图像中存在的图像目标中依据检测评分选取至少一个图像目标的步骤，包括：
从所述待识别图像中存在的图像目标中选取检测评分最高的图像目标或检测评分超过预设分数阈值的多个图像目标。
4. 根据权利要求1所述的图像变形检测方法，其特征在于，当获取的图像目标为同一种对象类型下的多个图像目标时，所述利用与所述图像目标对应 的预设变形识别模型，对所述图像目标进行识别，得到表示所述待识别图像是否变形的识别结果的步骤，包括：
利用与所述图像目标对应的预设变形识别模型，分别对所述多个图像目标进行识别，得到多个识别结果；
若所述多个识别结果中，表示所述待识别图像变形的识别结果比表示所述待识别图像未变形的识别结果多，则确定最终识别结果表示所述待识别图像变形，否则，确定最终识别结果表示所述待识别图像未变形。
5. 根据权利要求1所述的图像变形检测方法，其特征在于，当获取的图像目标为多种对象类型下的多个图像目标时，所述利用与所述图像目标对应的预设变形识别模型，对所述图像目标进行识别，得到表示所述待识别图像是否变形的识别结果的步骤，包括：
依次利用与每种对象类型下的图像目标对应的预设变形识别模型，对选取的每种对象类型下的图像目标进行识别，得到多种识别结果，所述多种识别结果与所述多种对象类型一一对应；
根据预设的每种对象类型的权重值，对所述多种识别结果进行加权处理，得到加权处理结果；
利用所述加权处理结果，确定最终表示所述待识别图像是否变形的识别结果。
6. 一种图像变形检测装置，其特征在于，包括：
获取模块，用于获取待识别图像中的图像目标，所述图像目标为所述待识别图像中的具体对象，所述图像目标的对象类型包括如下对象类型中的一种或多种：人脸、人体、文字、动物、建筑物和车辆，所述图像目标是根据用户对图像目标变形的容忍度选取的；
识别模块，用于利用与所述图像目标对应的预设变形识别模型，对所述图像目标进行识别，得到表示所述待识别图像是否变形的识别结果；
其中，所述预设变形识别模型为：利用所述图像目标的至少两组对应于不同类型的训练样本集，对已设计的所述图像目标的基础变形识别模型进行训练 得到，所述训练样本集中包括所述图像目标正常类样本集、非所述图像目标的其他样本集和所述图像目标变形类样本集。
7. 根据权利要求6所述的图像变形检测装置，其特征在于，所述获取模块包括：
检测单元，用于针对每一种对象类型，利用基于深度学习的物体检测模型，检测所述待识别图像中是否存在所述图像目标；
选取单元，用于当检测到所述待识别图像中存在所述图像目标时，从所述待识别图像中存在的图像目标中依据检测评分选取至少一个图像目标。
8. 根据权利要求7所述的图像变形检测装置，其特征在于，所述选取单元具体用于：
从所述待识别图像中存在的图像目标中选取检测评分最高的图像目标或检测评分超过预设阈值的多个图像目标。
9. 根据权利要求6所述的图像变形检测装置，其特征在于，所述识别模块包括：
第一识别单元，用于当获取的图像目标为同一种对象类型下的多个图像目标时，利用与所述图像目标对应的预设变形识别模型，分别对所述多个图像目标进行识别，得到多个识别结果；
第一确定单元，用于当所述多个识别结果中，表示所述待识别图像变形的识别结果比表示所述待识别图像未变形的识别结果多时，确定最终识别结果表示所述待识别图像变形；或者，当所述多个识别结果中，表示所述待识别图像变形的识别结果不比表示所述待识别图像未变形的识别结果多时，确定最终识别结果表示所述待识别图像未变形。
10. 根据权利要求6所述的图像变形检测装置，其特征在于，所述识别模块包括：
第二识别单元，用于当获取的图像目标为多种对象类型下的多个图像目标 时，依次利用与每种对象类型下的图像目标对应的预设变形识别模型，对选取的每种对象类型下的图像目标进行识别，得到多种识别结果，所述多种识别结果与所述多种对象类型一一对应；
加权处理单元，用于根据预设的每种对象类型的权重值，对所述多种识别结果进行加权处理，得到加权处理结果；
第二确定单元，用于利用所述加权处理结果，确定最终表示所述待识别图像是否变形的识别结果。”
在上述程序的基础上，合议组认为本案事实已经清楚，可以作出审查决定。
二、决定的理由
（一）审查文本的认定
复审请求人在2019年04月08日答复复审通知书时修改了权利要求书，经审查，其修改符合专利法第33条和专利法实施细则第61条第1款的规定。因此，本复审决定所针对的审查文本为：复审请求人于申请日2017年04月18日提交的说明书摘要、摘要附图、说明书第1-120段、说明书附图图1-7；2019年04月08日提交的权利要求第1-10项。
（二）具体理由的阐述
专利法第22条第3款规定如下：“创造性，是指与现有技术相比，该发明具有突出的实质性特点和显著的进步，该实用新型具有实质性特点和进步”。
如果一项权利要求的技术方案与作为最接近的现有技术的对比文件相比存在区别技术特征，其中的区别技术特征未被其他对比文件公开，也不属于本领域的公知常识，现有技术整体上没有给出将所述区别技术特征应用到所述作为最接近的现有技术的对比文件中来解决其存在的技术问题的技术启示，且所述区别技术特征的引入使该权利要求获得了有益的技术效果，那么该权利要求的技术方案具备创造性。
合议组在本复审决定中引用的对比文件与驳回决定、复审通知书中引用的对比文件相同，即：
对比文件1：CN104008359A，公开日期为2014年08月27日；
对比文件2：CN104134071A，公开日期为2014年11月05日；
其中，对比文件1作为最接近的现有技术。
权利要求1具备专利法第22条第3款规定的创造性。
权利要求1请求保护一种图像变形检测方法，对比文件1公开了一种QR码识别的精确网格采样方法，并具体公开了如下技术特征（参见说明书第[0006]-[0009]、[0031]-[0035]段）：首先获得经过预处理的QR码二值化图，根据寻像图形找到三个寻像图形的中心点，即左上角寻像图形、右上角寻像图形和左下角寻像图形的中心点；根据各寻像图形的几何特征点及预设方法，求出交点D’；根据校正图形搜索定位出校正图形的中心点D，若右下角校正图形的中心点D与平行四边形ABCD’的D’不重合，可知平行四边形ABCD’形状发生变化，变形成了四边形ABCD，图像发生了透视变形，显然对比文件1要获得校正图形，而作为待识别图像一部分的校正图形相当于所述待识别图像中的具体对象，即所述图像目标，且根据校正图形的特征得到其中心点D，进而与预先计算的中心点D’是否重合判断过程就相当于一种预设的变形识别模型，因此对比文件1已经公开了利用与所述图像目标对应的预设变形识别模型，对所述图像目标进行识别，得到表示所述待识别图像是否变形的识别结果。
因此，权利要求1与对比文件1的区别技术特征在于：所述图像目标的对象类型包括如下对象类型中的一种或多种：人脸、人体、文字、动物、建筑物和车辆，所述图像目标是根据用户对图像目标变形的容忍度选取的，预设变形识别模型为利用所述图像目标的至少两组对应于不同类型的训练样本集，对已设计的所述图像目标的基础变形识别模型进行训练得到，所述训练样本集中包括所述图像目标正常类样本集、非所述图像目标的其他样本集和所述图像目标变形类样本集。由此本申请实际解决的技术问题是选取何种识别对象以及如何进行模型优化。
而对比文件2公开了一种基于颜色描述的可变形部件模型物体检测方法，并具体公开了以下技术特征（参见权利要求1及说明书第[0013]-[0029]段）：步骤1：基于颜色描述的可变形部件模型训练，其中包括初始化模板，利用物体模型的正样本集和负样本集对模型进行训练，得到基于支撑向量机算法的分类模型；步骤2：利用训练出的两个模板检测目标物体，即对比文件2公开了识别模型可以利用所述图像目标的至少两组对应于不同类型，如图像目标正常类样本集合和所述图像目标变形类样本集的训练样本集，对已设计的所述图像目标的基础变形识别模型进行训练得到。
也就是说首先对比文件2没有公开上述区别技术特征，而且对比文件2的目的是识别图像中目标物体是什么部件，并不是检测图像中具体对象的图像是否变形，那么在对比文件1也没有公开根据图像中的具体对象预设变形识别模型进行识别的情况下，本领域技术人员无法得到启示，进一步在正常类、其他样本集基础上扩展识别模型的训练样本集为变形类样本集。
而且上述区别技术特征也不属于本领域公知常识，也没有给出将上述区别技术特征用于现有技术以通过图像中具体对象的变形模型进行变形检测的启示，而且正是采用了上述区别技术特征，才能获得更具体化、对象化变形检测结果且有效提高检测效率和成功率的有益技术效果。因此，本领域技术人员无法通过结合对比文件1、2和本领域的公知常识得到权利要求1的技术方案，权利要求1相对于对比文件1、2和本领域公知常识的结合具有突出的实质性特点和显著的进步，具备专利法第22条第3款规定的创造性。
2、权利要求2-5具备专利法第22条第3款规定的创造性。
权利要求2-5是权利要求1的从属权利要求，当权利要求1具备创造性的情况下，权利要求2-5相对于对比文件1、2和本领域公知常识的结合也具备专利法第22条第3款规定的创造性。
3、权利要求6具备专利法第22条第3款规定的创造性。
权利要求6请求保护一种图像变形检测装置，其限定内容以对应于权利要求1方法技术方案各步骤的功能模块架构的形式构成该装置，因此，基于与权利要求1同样的理由，权利要求6相对于对比文件1、2和本领域公知常识的结合具有突出的实质性特点和显著的进步，具备专利法第22条第3款规定的创造性。
4、权利要求7-10具备专利法第22条第3款规定的创造性。
权利要求7-10是权利要求6的从属权利要求，当权利要求6具备创造性的情况下，权利要求7-10相对于对比文件1、2和本领域公知常识的结合也具备专利法第22条第3款规定的创造性。
（三）关于前置审查意见
合议组认为：首先对比文件1处理的是QR码图像，而本申请处理的是具有人脸、人体、文字、动物、建筑物和车辆等具体对象的图像，而且对比文件1利用的QR码几何、结构特征的目标确定方式和相应几何计算规则来检测抽象图像是否变形，与本申请的具体物件变形识别模型是不同的，也不能给出针对如人脸等图像中具体对象的变形识别方式的启示，虽然对比文件2公开利用可变形部件模型的正负样本训练得到的目标分类检测模型，但是对比文件2的目的是识别图像中目标物体是什么部件，并不是检测图像中具体物件的图像是否变形，那么在对比文件1也没有公开根据图像中的具体对象预设变形识别模型进行识别的情况下，本领域技术人员无法得到启示，进一步在正常类、其他样本集基础上扩展识别模型的训练样本集为变形类样本集。
至于本申请是否符合专利法及其实施细则的其他规定，有待于后续程序进一步审理。
三、决定
撤销国家知识产权局于2018年06月25日对本申请作出的驳回决定。由国家知识产权局原审查部门以本复审决定所针对的审查文本为基础对本申请继续进行审查。
如对本复审请求审查决定不服，根据专利法第41条第2款的规定，复审请求人可以自收到本决定之日起三个月内向北京知识产权法院起诉。
郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。
