一種基于深度學(xué)習(xí)的人證核驗系統(tǒng)及方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種人證核驗系統(tǒng)及方法，尤其是一種基于深度學(xué)習(xí)的人證核驗系統(tǒng)及方法，屬于安防領(lǐng)域。
【背景技術(shù)】
[0002]在火車站、汽車站、公安檢查站、大型會展等場所，由于安全保衛(wèi)或其它業(yè)務(wù)需要，往往需要現(xiàn)場對通行人員的證件進(jìn)行核查。目前，此類核查工作還主要通過工作人員人工完成，無法杜絕犯罪分子利用他人身份證件蒙混過關(guān)的行為，存在安全隱患。
[0003]在這種形勢下，出現(xiàn)了基于人臉識別技術(shù)的核查方法，如申請?zhí)枮?01310099064.7的專利文件公開了一種基于人臉識別第二代居民身份證的認(rèn)證系統(tǒng)和認(rèn)證方法，包括用于讀出身份證內(nèi)的信息的第二代身份證讀卡器，用于采集真實人臉圖像的攝像設(shè)備，身份資料信息庫，人臉識別器，根據(jù)第二代身份證讀卡器讀出的身份證內(nèi)的信息導(dǎo)出身份資料信息庫中存儲提供的相應(yīng)信息，并與第二代身份證讀卡器讀出的身份證內(nèi)的信息進(jìn)行比對。通過比較持有人身份證的信息和資料信息庫是否相符合來辨別身份證的真?zhèn)?，如果資料相符合，則再通過現(xiàn)場采集真實的人臉照片與資料信息中照片用人臉識別技術(shù)自動比對，可以自動識別身份證的真?zhèn)?。這類方法和系統(tǒng)存在以下缺點:它通常只對采集的一張照片與證件照進(jìn)行比對，不能有效利用人員通行時采集的多張不同角度的人臉照片信息，有時還需要人員停下來配合拍照，降低了通行速度；并且這種系統(tǒng)對環(huán)境光照、人臉角度等因素適應(yīng)能力低，在實際應(yīng)用中準(zhǔn)確率不高；此外，這種方法不能針對證件照數(shù)據(jù)庫進(jìn)行專門優(yōu)化，在使用過程中將現(xiàn)場監(jiān)控照片與證件照比對相似度較低；現(xiàn)有的人臉識別系統(tǒng)往往依賴對人臉輪廓特征點進(jìn)行精確定位，而在實際應(yīng)用中面部遮擋、光照變化等原因會導(dǎo)致特征點定位不準(zhǔn)，或生成的面部網(wǎng)絡(luò)不精確，導(dǎo)致后續(xù)識別準(zhǔn)確率下降。

【發(fā)明內(nèi)容】

[0004]本發(fā)明的目的是針對現(xiàn)有技術(shù)中的不足，提供一種能有效將證件照片與現(xiàn)場視頻監(jiān)控設(shè)備采集的多張人臉照片進(jìn)行比對，具有高準(zhǔn)確率和強(qiáng)適應(yīng)性的基于深度學(xué)習(xí)的人證核驗系統(tǒng)及方法。
[0005]本發(fā)明解決問題的技術(shù)方案是:提供一種基于深度學(xué)習(xí)的人證核驗系統(tǒng)，包括訓(xùn)練子系統(tǒng)和人證核驗子系統(tǒng)，所述訓(xùn)練子系統(tǒng)和人證核驗子系統(tǒng)均包括:
[0006]第一多層卷積模塊，用于對不同姿態(tài)的現(xiàn)場人臉圖像序列進(jìn)行特征分析，輸出多個不同姿態(tài)的現(xiàn)場人臉特征；
[0007]第二多層卷積模塊，用于對證件照片進(jìn)行特征分析，輸出證件人臉特征；
[0008]聯(lián)合貝葉斯分解模塊，用于對第一多層卷積模塊輸出的現(xiàn)場人臉特征與第二多層卷積模塊輸出的證件人臉特征進(jìn)行聯(lián)合建模，將每個現(xiàn)場人臉特征分解成一個證件人臉相關(guān)特征和一個證件人臉不相關(guān)特征；
[0009]非線性激勵模塊，用于將聯(lián)合貝葉斯分解模塊輸出的屬于同一身份的多個證件人臉相關(guān)特征融合成單一特征。
[0010]所述訓(xùn)練子系統(tǒng)還包括:
[0011]身份辨認(rèn)模塊，用于對非線性激勵模塊輸出的融合后的單一特征和人員身份信息進(jìn)行比較，輸出身份辨認(rèn)誤差；
[0012]身份驗證模塊，用于將非線性激勵模塊輸出的融合后的單一特征、第二多層卷積模塊輸出的證件人臉特征和人員身份信息進(jìn)行比較，輸出身份驗證誤差；
[0013]誤差加權(quán)模塊，用于對身份辨認(rèn)模塊輸出的身份辨認(rèn)誤差、身份驗證模塊輸出的身份驗證誤差進(jìn)行加權(quán)求和，得到加權(quán)誤差，并將所述加權(quán)誤差在訓(xùn)練子系統(tǒng)中反向傳播，以調(diào)整訓(xùn)練子系統(tǒng)中各模塊的參數(shù)。
[0014]所述人證核驗子系統(tǒng)還包括:
[0015]人臉跟蹤模塊，用于對現(xiàn)場圖像序列進(jìn)行檢測和跟蹤，輸出通行人員的多張不同姿態(tài)的現(xiàn)場人臉圖像；
[0016]證件閱讀模塊，用于自動讀取通行人員的證件信息，從證件信息中直接提取證件照片，或從證件照片庫中調(diào)出對應(yīng)的證件照片；
[0017]人證一致性判定模塊，用于對非線性激勵模塊輸出的融合后的單一特征、第二多層卷積模塊輸出的證件人臉特征進(jìn)行比較和判斷，輸出人證一致性判定結(jié)果。
[0018]進(jìn)一步地，所述訓(xùn)練子系統(tǒng)中，所述第一多層卷積模塊、聯(lián)合貝葉斯分解模塊、非線性激勵模塊、身份辨認(rèn)模塊、誤差加權(quán)模塊依次連接，所述第二多層卷積模塊、身份驗證模塊、誤差加權(quán)模塊依次連接，所述第二多層卷積模塊還與聯(lián)合貝葉斯分解模塊相連，所述非線性激勵模塊還與身份驗證模塊相連。
[0019]進(jìn)一步地，所述人證核驗子系統(tǒng)中，所述人臉跟蹤模塊、第一多層卷積模塊、聯(lián)合貝葉斯分解模塊、非線性激勵模塊、人證一致性判定模塊依次相連，所述證件閱讀模塊與第二多層卷積模塊相連，所述第二多層卷積模塊分別與聯(lián)合貝葉斯分解模塊、人證一致性判定模塊相連。
[0020]進(jìn)一步地，所述身份辨認(rèn)模塊根據(jù)輸入的人臉特征確定對應(yīng)的未知人身份。
[0021]進(jìn)一步地，所述身份驗證模塊檢測來自不同輸入的人臉特征屬于同一身份的驗證誤差。
[0022]進(jìn)一步地，所述證件閱讀模塊包括二代身份證閱讀器、RFID (Rad1 FrequencyIdentificat1n，射頻識別)閱讀器。
[0023]進(jìn)一步地，所述證件照片為正面人臉照片，包括二代身份證照片、護(hù)照照片。
[0024]一種基于深度學(xué)習(xí)的人證核驗方法，包括訓(xùn)練過程和人證核驗過程，所述訓(xùn)練過程利用若干已知身份的現(xiàn)場人臉圖像和證件照片對訓(xùn)練子系統(tǒng)進(jìn)行訓(xùn)練，所述人證核驗過程利用訓(xùn)練過程最終獲得的模塊參數(shù)，對通行人員的多張現(xiàn)場采集照片與證件閱讀模塊采集的信息對應(yīng)的證件照片進(jìn)行比對，自動輸出人員和證件是否相符的驗證結(jié)果。
[0025]進(jìn)一步地，所述訓(xùn)練過程包括:
[0026]步驟1:使用第一多層卷積模塊對不同姿態(tài)的現(xiàn)場人臉圖像序列進(jìn)行特征分析，輸出多個不同姿態(tài)的現(xiàn)場人臉特征；
[0027]步驟2:使用第二多層卷積模塊對證件照片進(jìn)行特征分析，輸出證件人臉特征；
[0028]步驟3:通過聯(lián)合貝葉斯分解模塊對步驟I輸出的現(xiàn)場人臉特征與步驟2輸出的證件人臉特征進(jìn)行聯(lián)合建模，將每個現(xiàn)場人臉特征分解成一個證件人臉相關(guān)特征和一個證件人臉不相關(guān)特征；
[0029]步驟4:通過非線性激勵模塊將步驟3輸出的屬于同一身份的多個證件人臉相關(guān)特征融合成單一特征；
[0030]步驟5:通過身份辨認(rèn)模塊，利用Softmax回歸從步驟4輸出的融合后的單一特征中獲得身份分布概率，將所述身份分布概率和人員身份信息進(jìn)行比較，判定人員身份正確的概率，輸出身份辨認(rèn)誤差；
[0031]步驟6:通過身份驗證模塊將步驟4輸出的融合后的單一特征、步驟2輸出的證件人臉特征和人員身份信息進(jìn)行比較，輸出身份驗證誤差；
[0032]步驟7:通過誤差加權(quán)模塊對步驟5輸出的身份辨認(rèn)誤差、步驟6輸出的身份驗證誤差進(jìn)行加權(quán)求和，得到加權(quán)誤差，并將所述加權(quán)誤差在訓(xùn)練子系統(tǒng)中反向傳播，以調(diào)整訓(xùn)練子系統(tǒng)中各模塊的參數(shù)。
[0033]進(jìn)一步地，所述訓(xùn)練過程采用不同人的現(xiàn)場人臉圖像序列和證件照片，不斷重復(fù)步驟1- 7，直至驟7得到的加權(quán)誤差小于設(shè)定的加權(quán)誤差閾值。
[0034]進(jìn)一步地，所述加權(quán)誤差