一種基于特征融合的二代身份證識別方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種二代身份證的人臉識別技術(shù)，尤其涉及的是一種基于特征融合的 二代身份證識別方法。
【背景技術(shù)】
[0002] 人臉識別是利用計(jì)算機(jī)分析人臉圖像，從中提取出有效的識別信息，用來辨認(rèn)身 份的一種技術(shù)。人臉識別的研究始于20世紀(jì)60年代中后期，近幾年來已經(jīng)為一個(gè)熱門的 研究課題。人臉識別問題之所以得到重視，是因?yàn)槠溆兄匾难芯恳饬x，突出表現(xiàn)在其對 學(xué)科發(fā)展的貢獻(xiàn)和巨大的潛在應(yīng)用前景兩個(gè)方面：（1)人臉識別研究可以極大地促進(jìn)多門 相關(guān)學(xué)科的發(fā)展；（2)作為生物特征識別技術(shù)的人臉識別具有巨大的潛在應(yīng)用前景。人臉 識別與指紋、聲音等其他生物特征識別相比，有著自己的特點(diǎn)，其非接觸式采集、使用方便， 但是也存在識別率相對較低、不同環(huán)境場景下識別結(jié)果差別較大的缺點(diǎn)。
[0003] 經(jīng)過幾十年的發(fā)展，人臉識別技術(shù)取得了長足的進(jìn)步，目前最好的人臉識別系統(tǒng) 在理想情況下已經(jīng)能夠取得令人滿意的識別性能。但測試和實(shí)踐經(jīng)驗(yàn)表明，非理想條件下 的人臉識別技術(shù)還遠(yuǎn)未成熟。要開發(fā)出真正魯棒、實(shí)用的自動(dòng)人臉識別應(yīng)用系統(tǒng)還需要解 決大量的關(guān)鍵問題，尤其需要研究高效的人臉描述特征及其相應(yīng)的快速、精確的核心識別 算法。
[0004] 在人臉識別中，如何提取人臉描述特征是一個(gè)關(guān)鍵步驟。人臉圖像的變化分為 內(nèi)在變化和外在變化兩種：內(nèi)在變化是由于人的身份不同而引起的，屬于人臉的本質(zhì)屬性； 而外在變化是由于外界條件的不同而引起的，比如光照、姿態(tài)、表情、年齡等，反映了不同的 圖像采集條件。理想的人臉描述特征應(yīng)該只反映人臉的內(nèi)在變化，而對外在變化不敏感。也 就是說，我們應(yīng)該提取只反映人的身份而對光照、姿態(tài)等外部變化不敏感的人臉描述特征。
[0005] -般來說，人臉描述特征可以分為全局特征和局部特征兩大類。全局特征是指其 特征向量的每一維都包含了人臉圖像上所有部分（甚至所有像素）的信息，因此反映的是 人臉的整體屬性。與全局特征不同，局部特征的每一維都只對應(yīng)人臉圖像上的一個(gè)局部區(qū) 域，因此側(cè)重于提取人臉的細(xì)節(jié)特征。盡管全局特征和局部特征都得到了廣泛的應(yīng)用，但 是在人臉識別研究中一直存在關(guān)于全局特征和局部特征孰輕孰重的爭論。近年來，生理學(xué) 和心理學(xué)的研究表明，二者對識別都是必要的，但二者的描述內(nèi)容和作用是不同的。全局 特征主要描述人臉整體的屬性，比如膚色、輪廓以及面部器官的分布等，用來進(jìn)行粗略的匹 配；而局部特征主要描述人臉的細(xì)節(jié)變化，比如面部器官的特點(diǎn)以及面部的一些奇異特征， 用來進(jìn)行精細(xì)的確認(rèn)。
[0006] 當(dāng)前，第二代居民身份證已基本上在全國范圍內(nèi)普及，由于二代身份證采用了非 接觸式IC智能芯片來存儲(chǔ)居民信息，基于二代身份證的身份認(rèn)證系統(tǒng)也已在各行各業(yè)中 逐步推廣開來。原有的很多需要人工處理的事務(wù)，可由相應(yīng)的設(shè)備來自動(dòng)完成，完全可以作 為一種對身份進(jìn)行驗(yàn)證的自動(dòng)識別卡片。正是由于二代身份證越來越頻繁的作為身份驗(yàn)證 介質(zhì)使用，其使用的安全性也越來越手打重視，除了便捷的從二代身份證中獲取居民基本 信息外，還需要盡量確保人證合一的問題。
[0007] 由于二代身份證內(nèi)部存儲(chǔ)的照片非常小，只有102X126像素，兩眼間距不到30個(gè) 像素，傳統(tǒng)的人臉識別技術(shù)對這種小尺寸的照片的識別率較低，如何綜合利用全局特征和 局部特征來進(jìn)行二代身份證人臉識別具有很高的應(yīng)用價(jià)值。

【發(fā)明內(nèi)容】

[0008] 本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提供了一種基于特征融合的二代身份證 識別方法，能夠自動(dòng)判斷二代身份證持有者其本人是否與身份證是否一致。
[0009] 本發(fā)明是通過以下技術(shù)方案實(shí)現(xiàn)的，本發(fā)明包括以下步驟：
[0010] ⑴圖像采集：讀取二代身份證上的人臉圖像ID，同時(shí)現(xiàn)場抓拍M張人臉圖像C1Q =I,. . . , M)；
[0011] ⑵特征提?。簩Σ杉娜四槇D像ID和人臉圖像C1Q = 1，...，M)分別進(jìn)行人臉 抓取，再進(jìn)一步進(jìn)行特征提取，所述特征提取包括全局特征提取和局部特征提?。?br>[0012] (3)特征比對：對全局特征和局部特征在公共特征空間內(nèi)計(jì)算相似性，得到全局 特征的相似性Pa和局部特征的相似性P B;
[0013] (4)輸出結(jié)果：只有當(dāng)ΡΑ> α且ΡΒ> β，認(rèn)定二代身份證持有人是其本人。
[0014] 所述步驟（1)，采用身份證讀卡器讀取身份證中存儲(chǔ)的人臉圖像；采用攝像頭現(xiàn) 場抓拍人臉圖像。
[0015] 所述步驟（2)中，所述人臉抓取包括利用已經(jīng)訓(xùn)練好的Haar特征級聯(lián)分類器進(jìn)行 人臉檢測，標(biāo)準(zhǔn)化處理獲取包括人臉面部圖片且大小為64 X 64的人臉圖像。
[0016] 所述步驟（2)中，所述全局特征提取包括以下步驟：
[0017] (211)Gabor濾波器：采用5個(gè)尺度，8個(gè)方向的Gabor核函數(shù)，將圖像I(x，y)與40 個(gè)核函數(shù)進(jìn)行卷積，公式為：
[0018] 〇m,n(x, y) = I (χ, y)* Φ (χ, y, ωη, θη)
[0019] 其中，ω，θ分別為尺度和方向；
[0020] (212)主分量分析PCA :對每個(gè)樣本進(jìn)行歸一化，構(gòu)造矩陣X，計(jì)算出協(xié)方差矩陣為 S = XXt，求得協(xié)方差矩陣S的本征值及本征向量：
[0021] AE = SE
[0022] 其中，E為本征向量，λ為本征值。
[0023] 取前f個(gè)最大本征值對應(yīng)的本征向量作為主分量方向；
[0024] (213)線性判別分析LDA :通過最小化類內(nèi)距離同時(shí)最大化類間距離達(dá)到分類效 果，具體如下：
[0027] 其中，c為類別個(gè)數(shù)，N,是類別j的樣本個(gè)數(shù)，#是類別j的樣本的第i個(gè)樣本， μ .,是類別j的平均值；
[0028] 最大化類間散度與類內(nèi)三度比值的投影方向函數(shù)為：
[0030] 取特征方程SbW = λ SwW最大的d個(gè)特征值所對應(yīng)的特征向量。
[0031] 所述步驟（2)中，所述局部特征提取包括以下步驟：
[0032] (221)描述一個(gè)局部區(qū)域內(nèi)的任意兩個(gè)像素，沿著某一方向的空域關(guān)系，公式如 下：
[0033] DBCa,d(zx,y)) = {f(ra,d(zx,y)) ;f(ra,d(zx,yd)) ;f (I'a,d(zx d,y d));
[0034] f(I'a，d(zx d，y)) ;f(I'a，d(zx d，y+d)) ;f(I'a，d(zx，y+d));
[0035] f(I'a,d(zx+d，y+d)) ;f(I'a，d(zx+d，y)) ;f(I'a，d(zx+d，yd)) ;}
[0036] 其中，z"表示圖像I的某一像素，a代表方向，d是指像素 z Xiy與其領(lǐng)域像素之間 的距離，f( ·)是一個(gè)二值函數(shù)，其定義為：
[0038] I'a,d(zx,y)是圖像在像素 zx,y位置，沿著0°，45°，90°，135°等方向的一階導(dǎo)數(shù)， 其定義如下：
[0040] (222)將每張 DBC圖像分成多個(gè)區(qū)域，求出每個(gè)區(qū)域的直方圖HDBC，將這些HDBC 特征連接起來構(gòu)成特征向量。
[0041] 所述步驟（3)包括以下步驟：
[0042] (31)讀取N張證件照，預(yù)處理歸一化，分別提取全局特征和局部特征，得到相應(yīng)的 特征庫 TrainA、TrainB;
[0043] (32)刪除特征庫TrainA、TrainB中的相似特征；
[0044] (33)計(jì)算M張人臉圖像C1 (i = 1，...，M)的平均臉，分別計(jì)算相應(yīng)的全局特征和 局部特征；
[0045] (34)對于二代身份證人臉圖像ID，分別計(jì)算其全局特征和局部特征在公共特征 空間內(nèi)的相似性。
[0046] 所述步驟（32)中，
[0047] 對于全局特征，計(jì)算特征之間的曼哈頓距離，如果距離小于0. 5,則刪除該特征，并 更新特征庫TrainA;
[0048] 對于局部特征，利用AdaBoost級聯(lián)分類器的計(jì)算特征之間的輸出權(quán)重和，如果權(quán) 重和大于210,則刪除該特征，并更新特征庫Trairv
[0049] 所述步驟（34)中，對于全局特征，相似性計(jì)算包括以下步驟：
[0050] (3411)計(jì)算二代身份證圖像ID的全局特征IDa;
[0051] (3412)計(jì)算10&與特征庫Train A每個(gè)特征的距離；
[0052] (3413)計(jì)算所有距離的均值和方差，進(jìn)一步得到正態(tài)分布曲線；
[0053] (3414)計(jì)算M張人臉圖像C1Q = 1，...，M)的平均臉特征的距離，根據(jù)該 距離在正態(tài)分布曲線的位置，查表計(jì)算其相似性PA。
[0054] 所述步驟（34)中，對于局部特征，相似性計(jì)算包括以下步驟：
[0055] (3421)計(jì)算二代身份證圖像ID的全局特征IDb;
[0056] (3422)計(jì)算IDb與特征庫Train B每個(gè)特征的距離；
[0057] (3423)計(jì)算所有距離的均值和方差，進(jìn)一步得到正態(tài)分布曲線；
[0058] (3424)計(jì)算IDb與M張人臉圖像C1Q = 1，...，M)的距離，得到最小距離，根據(jù)最 小距離在正態(tài)分布曲線的位置，查表計(jì)算其相似性PB。
[0059] 本發(fā)明相比現(xiàn)有技術(shù)具有以下優(yōu)點(diǎn)：本發(fā)明通過融合全局特征和局部特征，解決 二代身份證圖片質(zhì)量低導(dǎo)致的識別率較差難題；本發(fā)明充分考慮二代身份證與攝像頭照片 的特點(diǎn)，分別使用全局特征和局部特征在公共特征庫內(nèi)計(jì)算相似性，對基于二代身份證的 人臉識別技術(shù)應(yīng)用具有一定的推動(dòng)作用；本發(fā)明在識別率方面，比傳統(tǒng)特征融合方法有顯 著提高。
【附圖說明】
[0060] 圖1是本發(fā)明的結(jié)構(gòu)示意圖；
[0061] 圖2是特征提取工作流程圖；
[0062] 圖3是特征對比的流程圖；
[0063] 圖4是特征篩選的流程圖。
【具體實(shí)施方式】
[0064] 下面對本發(fā)明的實(shí)施例作詳細(xì)說明，本實(shí)施例在以本發(fā)明技術(shù)方案為前提下進(jìn)行 實(shí)施，給出了詳細(xì)的實(shí)施方式和具體的操作過程，但本發(fā)明的保護(hù)范圍不限于下述的實(shí)施 例。
[0065] 如圖1所示，本實(shí)施例包括以下步驟：
[0066] (1)圖像采集：讀取二代身份證上的人臉圖像ID，同時(shí)現(xiàn)場抓拍M張人臉圖像C1Q =1，...，M);采用身份證讀卡器讀取身份證中存儲(chǔ)的人臉圖像；采用攝像頭現(xiàn)場抓拍人臉 圖像；
[0067] (2)特征提?。簩Σ杉娜四槇D像ID和人臉圖像C1 (i = 1，...，M)分別進(jìn)行人臉 抓取，再進(jìn)一步進(jìn)行特征提取，所述特征提取包括全局特征提取和局部特征提取；所述人臉 抓取包括利用已經(jīng)訓(xùn)練好的Haar特征級聯(lián)分類器進(jìn)行人臉檢測，標(biāo)準(zhǔn)化處理獲取包括人 臉面部圖片且大小為64X64的人臉圖像；
[0068] (3)特征比對：對全局特征和局部特征在公共特征空間內(nèi)計(jì)算相似性，得到全局 特征的相似性Pa和局部特征的相似性P Β;