CN106778797A - 一种身份智能识别方法 - Google Patents
一种身份智能识别方法 Download PDFInfo
- Publication number
- CN106778797A CN106778797A CN201610964862.5A CN201610964862A CN106778797A CN 106778797 A CN106778797 A CN 106778797A CN 201610964862 A CN201610964862 A CN 201610964862A CN 106778797 A CN106778797 A CN 106778797A
- Authority
- CN
- China
- Prior art keywords
- image
- approved
- checked
- gray
- pixel
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
Landscapes
- Engineering & Computer Science (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Collating Specific Patterns (AREA)
- Credit Cards Or The Like (AREA)
- Image Processing (AREA)
Abstract
本发明提出了一种身份智能识别方法,通过灰度转化对第一待核准图像进行初步处理生成第一待核准图像的灰度图,通过提取所述第一待核准图像的灰度图中的人脸信息获取第二待核准图像,再通过对图像进行特征提取、关键点提取以及相似度计算实现对于身份的智能识别,本发明具有高识别率,高稳定性的优点,能够应用于电力***并能够提高安防等级。
Description
技术领域
本发明涉及身份识别领域,具体涉及一种身份智能识别方法。
背景技术
电力是国民经济的命脉,电力***的稳定性与安全性与国民生活息息相关,电力***的安防建设对于维护电力***的安全性至关重要,在不安全因素日益增多的大前提下,如何利用新科技提升安防力度,避免闲杂人员影响电力***的安全性是亟待解决的技术问题。
目前,中国公民广泛使用第二代身份证作为身份识别的手段。随着近年来社会对于治安监控的逐步重视,基于计算机辅助的面向第二代身份证的异构人脸核实技术的研究吸引了大批研究者。面向第二代身份证的异构人脸核实技术是指判断二代身份证人像和身份证使用者人像是否为同一个人,具体来说,即将二代身份证上扫描出的人脸图像和在现实场景下拍摄的视频人脸图像作匹配,判断是否为同一个人。然而,异构人脸核实技术作为一项不断进步的技术,尚且不够成熟。如何结合电力***的实际安防需求,研发出高识别率,高稳定性的能够应用于电力***的异构人脸核实技术对于电力***的安防工作具有重要意义。
发明内容
为了解决上述技术问题,本发明提出了一种身份智能识别方法。
本发明是以如下技术方案实现的,一种身份智能识别方法,所述方法包括:
S1. 提取身份证中人脸图像作为基准图像;
S2. 将为待核准人员拍摄的图像作为第一待核准图像;
S3. 对所述第一待核准图像进行灰度转换,获取所述第一待核准图像的灰度图;
S4. 根据所述第一待核准图像的灰度图获取第二待核准图像,计算所述基准图像和所述第二待核准图像的相似度,并根据所述相似度进行智能识别。
优选的,S4包括:
S41. 获取第二待核准图像:
在m个不同的截断尺度下,将所述第一待核准图像的灰度图分解为与采光因素相对应的大尺度分量u和与与人脸特征相对应的小尺度分量v,从而得到所述第一待核准图像的灰度图的m个小尺度分量;计算相邻截断尺度下的小尺度分量之差得到所述第一待核准图像的灰度图的m-1个尺度邻域分量,其中较小的尺度邻域设置较大的权重,较大的尺度邻域设置较小的权重;通过对最小的小尺度分量以及m-1个尺度邻域分量进行加权求和,得到第二待核准图像;
S42. 将所述第二待核准图像中M*N的二维人脸图像转换为长度为M*N的人脸图像列向量A:计算出人脸图像的大小,将人脸图像经行转置,按列依次取出取出所有灰度值形成大小为M*N的一维向量;
S43. 根据人脸图像列向量A获取协方差矩阵C,并根据奇异值分级定理获取协方差C矩阵的特征值和特征向量,并取前L个最大特征值对应的特征向量形成特征子空间;
S44. 将基准图像投影到特征子空间,得到向量B,将第二待核准图像投影到特征子空间,得到向量D;
S45. 求取所述向量B中关键像素点和向量D中对应的关键像素点之间的欧几里德距离,生成距离集合,并将所述距离集合中最小的距离值设为所述基准图像和所述第二待核准图像的相似度,若所述相似度超过预设阈值,则判断待核准人员与身份证持有人为同一人,否则,待核准人员与身份证持有人不是同一个人;
根据主动形状模型,获取所述基准图像和所述第二待核准图像中的第一关键像素点和第二关键像素点,所述第一关键像素点包括眉毛、眼睛、鼻子和嘴巴,所述第二关键像素点均位于脸颊,由特征点提取算法获得,所述特征点提取算法为:
DoG算子定义为两个不同尺度的高斯核的差分,在检测DoG尺度空间极值时,一个像素需要跟同一尺度周围领域的8个像素以及相邻尺度对应位置领域的9×2个像素,即总共26个像素进行比较,若被检测的像素为DoG尺度空间的极值点,则将所述像素作为第二关键像素点。
优选的,还包括:
若待核准人员与身份证持有人为同一人,则给出核准通过提示;若待核准人员与身份证持有人不是同一个人,则进行报警。
优选的,S2中为待核准人员拍摄的图像为近距离拍摄的正面免冠头像。
优选的,S2中拍摄的距离在0.5米至2米之间。
优选的,所述第一待核准图像为24位RGB真彩色图片格式。
本发明的有益效果是:
本发明提出了一种身份智能识别方法,通过灰度转化对第一待核准图像进行初步处理生成第一待核准图像的灰度图,通过提取所述第一待核准图像的灰度图中的人脸信息获取第二待核准图像,再通过对图像进行特征提取、关键点提取以及相似度计算实现对于身份的智能识别,本发明具有高识别率,高稳定性的优点,能够应用于电力***并能够提高安防等级。
附图说明
图1是实施例1中提供的身份智能识别方法流程图;
图2是实施例1中提供的根据相似度进行智能识别方法流程图。
具体实施方法
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,术语“包括”和“具有”以及他们的任何变形,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、***、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。
实施例1:
一种身份智能识别方法,如图1所示,所述方法包括:
S101. 提取身份证中人脸图像作为基准图像;
S102. 将为待核准人员拍摄的图像作为第一待核准图像;
本步骤中为待核准人员拍摄的图像为近距离拍摄的正面免冠头像,拍摄的距离在0.5米至2米之间。所述第一待核准图像为24位RGB真彩色图片格式。
S103. 对所述第一待核准图像进行灰度转换,获取所述第一待核准图像的灰度图;
S104. 根据所述第一待核准图像的灰度图获取第二待核准图像,计算所述基准图像和所述第二待核准图像的相似度,并根据所述相似度进行智能识别。
S104包括:
S1041. 获取第二待核准图像:
在m个不同的截断尺度下,将所述第一待核准图像的灰度图分解为与采光因素相对应的大尺度分量u和与与人脸特征相对应的小尺度分量v,从而得到所述第一待核准图像的灰度图的m个小尺度分量;计算相邻截断尺度下的小尺度分量之差得到所述第一待核准图像的灰度图的m-1个尺度邻域分量,其中较小的尺度邻域设置较大的权重,较大的尺度邻域设置较小的权重;通过对最小的小尺度分量以及m-1个尺度邻域分量进行加权求和,得到第二待核准图像;
S1042. 将所述第二待核准图像中M*N的二维人脸图像转换为长度为M*N的人脸图像列向量A:计算出人脸图像的大小,将人脸图像经行转置,按列依次取出取出所有灰度值形成大小为M*N的一维向量;
S1043. 根据人脸图像列向量A获取协方差矩阵C,并根据奇异值分级定理获取协方差C矩阵的特征值和特征向量,并取前L个最大特征值对应的特征向量形成特征子空间;
S1044. 将基准图像投影到特征子空间,得到向量B,将第二待核准图像投影到特征子空间,得到向量D;
S1045. 求取所述向量B中关键像素点和向量D中对应的关键像素点之间的欧几里德距离,生成距离集合,并将所述距离集合中最小的距离值设为所述基准图像和所述第二待核准图像的相似度,若所述相似度超过预设阈值,则判断待核准人员与身份证持有人为同一人,否则,待核准人员与身份证持有人不是同一个人;
根据主动形状模型,获取所述基准图像和所述第二待核准图像中的第一关键像素点和第二关键像素点,所述第一关键像素点包括眉毛、眼睛、鼻子和嘴巴,所述第二关键像素点均位于脸颊,由特征点提取算法获得,所述特征点提取算法为:
DoG算子定义为两个不同尺度的高斯核的差分,在检测DoG尺度空间极值时,一个像素需要跟同一尺度周围领域的8个像素以及相邻尺度对应位置领域的9×2个像素,即总共26个像素进行比较,若被检测的像素为DoG尺度空间的极值点,则将所述像素作为第二关键像素点。
具体地,待核准人员与身份证持有人为同一人,则给出核准通过提示;若待核准人员与身份证持有人不是同一个人,则进行报警。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (6)
1.一种身份智能识别方法,其特征在于,所述方法包括:
S1. 提取身份证中人脸图像作为基准图像;
S2. 将为待核准人员拍摄的图像作为第一待核准图像;
S3. 对所述第一待核准图像进行灰度转换,获取所述第一待核准图像的灰度图;
S4. 根据所述第一待核准图像的灰度图获取第二待核准图像,计算所述基准图像和所述第二待核准图像的相似度,并根据所述相似度进行智能识别。
2.根据权利要求1所述一种身份智能识别方法,其特征在于,S4包括:
S41. 获取第二待核准图像:在m个不同的截断尺度下,将所述第一待核准图像的灰度图分解为与采光因素相对应的大尺度分量u和与与人脸特征相对应的小尺度分量v,从而得到所述第一待核准图像的灰度图的m个小尺度分量;计算相邻截断尺度下的小尺度分量之差得到所述第一待核准图像的灰度图的m-1个尺度邻域分量,其中较小的尺度邻域设置较大的权重,较大的尺度邻域设置较小的权重;通过对最小的小尺度分量以及m-1个尺度邻域分量进行加权求和,得到第二待核准图像;
S42. 将所述第二待核准图像中M*N的二维人脸图像转换为长度为M*N的人脸图像列向量A:计算出人脸图像的大小,将人脸图像经行转置,按列依次取出取出所有灰度值形成大小为M*N的一维向量;
S43. 根据人脸图像列向量A获取协方差矩阵C,并根据奇异值分级定理获取协方差C矩阵的特征值和特征向量,并取前L个最大特征值对应的特征向量形成特征子空间;
S44. 将基准图像投影到特征子空间,得到向量B,将第二待核准图像投影到特征子空间,得到向量D;
S45. 求取所述向量B中关键像素点和向量D中对应的关键像素点之间的欧几里德距离,生成距离集合,并将所述距离集合中最小的距离值设为所述基准图像和所述第二待核准图像的相似度,若所述相似度超过预设阈值,则判断待核准人员与身份证持有人为同一人,否则,待核准人员与身份证持有人不是同一个人;
根据主动形状模型,获取所述基准图像和所述第二待核准图像中的第一关键像素点和第二关键像素点,所述第一关键像素点包括眉毛、眼睛、鼻子和嘴巴,所述第二关键像素点均位于脸颊,由特征点提取算法获得,所述特征点提取算法为:
DoG算子定义为两个不同尺度的高斯核的差分,在检测DoG尺度空间极值时,一个像素需要跟同一尺度周围领域的8个像素以及相邻尺度对应位置领域的9×2个像素,即总共26个像素进行比较,若被检测的像素为DoG尺度空间的极值点,则将所述像素作为第二关键像素点。
3.根据权利要求1所述一种身份智能识别方法,其特征在于,还包括:若待核准人员与身份证持有人为同一人,则给出核准通过提示;若待核准人员与身份证持有人不是同一个人,则进行报警。
4.根据权利要求1所述一种身份智能识别方法,其特征在于,S2中为待核准人员拍摄的图像为近距离拍摄的正面免冠头像。
5.根据权利要求4所述一种身份智能识别方法,其特征在于,S2中拍摄的距离在0.5米至2米之间。
6.根据权利要求4所述一种身份智能识别方法,其特征在于,所述第一待核准图像为24位RGB真彩色图片格式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610964862.5A CN106778797A (zh) | 2016-10-31 | 2016-10-31 | 一种身份智能识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610964862.5A CN106778797A (zh) | 2016-10-31 | 2016-10-31 | 一种身份智能识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106778797A true CN106778797A (zh) | 2017-05-31 |
Family
ID=58972355
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610964862.5A Pending CN106778797A (zh) | 2016-10-31 | 2016-10-31 | 一种身份智能识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106778797A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109284729A (zh) * | 2018-10-08 | 2019-01-29 | 北京影谱科技股份有限公司 | 基于视频获取人脸识别模型训练数据的方法、装置和介质 |
CN109308726A (zh) * | 2018-09-07 | 2019-02-05 | 华南理工大学 | 人脸图像编辑模板的快速生成方法和*** |
CN110069964A (zh) * | 2018-01-24 | 2019-07-30 | 南京机器人研究院有限公司 | 一种机器人识别用户身份的方法 |
CN110210341A (zh) * | 2019-05-20 | 2019-09-06 | 深圳供电局有限公司 | 基于人脸识别的身份证认证方法及其***、可读存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103593598A (zh) * | 2013-11-25 | 2014-02-19 | 上海骏聿数码科技有限公司 | 基于活体检测和人脸识别的用户在线认证方法及*** |
CN105184235A (zh) * | 2015-08-24 | 2015-12-23 | 中国电子科技集团公司第三十八研究所 | 一种基于特征融合的二代身份证识别方法 |
CN105760815A (zh) * | 2016-01-26 | 2016-07-13 | 南京大学 | 基于第二代身份证人像和视频人像的异构人脸核实方法 |
-
2016
- 2016-10-31 CN CN201610964862.5A patent/CN106778797A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103593598A (zh) * | 2013-11-25 | 2014-02-19 | 上海骏聿数码科技有限公司 | 基于活体检测和人脸识别的用户在线认证方法及*** |
CN105184235A (zh) * | 2015-08-24 | 2015-12-23 | 中国电子科技集团公司第三十八研究所 | 一种基于特征融合的二代身份证识别方法 |
CN105760815A (zh) * | 2016-01-26 | 2016-07-13 | 南京大学 | 基于第二代身份证人像和视频人像的异构人脸核实方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110069964A (zh) * | 2018-01-24 | 2019-07-30 | 南京机器人研究院有限公司 | 一种机器人识别用户身份的方法 |
CN109308726A (zh) * | 2018-09-07 | 2019-02-05 | 华南理工大学 | 人脸图像编辑模板的快速生成方法和*** |
CN109308726B (zh) * | 2018-09-07 | 2023-04-28 | 华南理工大学 | 人脸图像编辑模板的快速生成方法和*** |
CN109284729A (zh) * | 2018-10-08 | 2019-01-29 | 北京影谱科技股份有限公司 | 基于视频获取人脸识别模型训练数据的方法、装置和介质 |
CN109284729B (zh) * | 2018-10-08 | 2020-03-03 | 北京影谱科技股份有限公司 | 基于视频获取人脸识别模型训练数据的方法、装置和介质 |
CN110210341A (zh) * | 2019-05-20 | 2019-09-06 | 深圳供电局有限公司 | 基于人脸识别的身份证认证方法及其***、可读存储介质 |
CN110210341B (zh) * | 2019-05-20 | 2022-12-06 | 深圳供电局有限公司 | 基于人脸识别的身份证认证方法及其***、可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Fast and robust occluded face detection in ATM surveillance | |
CN107403142B (zh) | 一种微表情的检测方法 | |
KR101901591B1 (ko) | 얼굴 인식 장치 및 그 제어방법 | |
CN105512624B (zh) | 一种人脸图像的笑脸识别方法及其装置 | |
CN108829900B (zh) | 一种基于深度学习的人脸图像检索方法、装置及终端 | |
CN106778797A (zh) | 一种身份智能识别方法 | |
CN102663413B (zh) | 一种面向多姿态和跨年龄的人脸图像认证方法 | |
CN110472519B (zh) | 一种基于多模型的人脸活体检测方法 | |
CN110751025A (zh) | 基于人脸识别的业务办理方法、装置、设备及介质 | |
CN108090830B (zh) | 一种基于面部画像的信贷风险评级方法和装置 | |
CN110838119B (zh) | 人脸图像质量评估方法、计算机装置及计算机可读存储介质 | |
US20070071288A1 (en) | Facial features based human face recognition method | |
KR20120069922A (ko) | 얼굴 인식 장치 및 그 방법 | |
CN102163283A (zh) | 一种基于局部三值模式的人脸特征提取方法 | |
CN112487922B (zh) | 一种多模态人脸活体检测方法及*** | |
CN103324918A (zh) | 一种人脸识别与唇形识别相配合的身份认证方法 | |
CN106503655A (zh) | 一种基于人脸识别技术的电子签名方法和验签方法 | |
CN111178130A (zh) | 一种基于深度学习的人脸识别方法、***和可读存储介质 | |
CN116311549A (zh) | 活体对象识别方法、设备和计算机可读存储介质 | |
CN109325472B (zh) | 一种基于深度信息的人脸活体检测方法 | |
CN109447894A (zh) | 一种基于数据分析的图像处理方法及其*** | |
CN110599187A (zh) | 一种基于人脸识别的支付方法、装置、计算机设备和存储介质 | |
CN115601807A (zh) | 一种适用在线考试***的人脸识别方法及其工作方法 | |
CN110598522A (zh) | 一种基于人脸和掌纹掌静脉识别的身份比对方法 | |
CN108090473B (zh) | 多相机下人脸识别的方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170531 |