CN107742094A - 提高人证比对结果的图像处理方法 - Google Patents
提高人证比对结果的图像处理方法 Download PDFInfo
- Publication number
- CN107742094A CN107742094A CN201710867260.2A CN201710867260A CN107742094A CN 107742094 A CN107742094 A CN 107742094A CN 201710867260 A CN201710867260 A CN 201710867260A CN 107742094 A CN107742094 A CN 107742094A
- Authority
- CN
- China
- Prior art keywords
- image
- face
- facial image
- dynamic
- facial
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 16
- 230000001815 facial effect Effects 0.000 claims abstract description 110
- 230000009466 transformation Effects 0.000 claims abstract description 19
- 238000000034 method Methods 0.000 claims abstract description 16
- 238000006243 chemical reaction Methods 0.000 claims abstract description 13
- 238000013519 translation Methods 0.000 claims abstract description 12
- 230000008569 process Effects 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims abstract description 9
- 239000011159 matrix material Substances 0.000 claims description 8
- 238000013507 mapping Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000000205 computational method Methods 0.000 claims description 2
- 238000012549 training Methods 0.000 claims description 2
- 241001270131 Agaricus moelleri Species 0.000 claims 1
- 238000000605 extraction Methods 0.000 abstract description 9
- 238000005516 engineering process Methods 0.000 description 8
- 230000007613 environmental effect Effects 0.000 description 5
- 239000000284 extract Substances 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 2
- 210000000887 face Anatomy 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 244000287680 Garcinia dulcis Species 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 210000001061 forehead Anatomy 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 210000001747 pupil Anatomy 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
- G06V10/242—Aligning, centring, orientation detection or correction of the image by image rotation, e.g. by 90 degrees
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种提高人证比对结果的图像处理方法,首先对证件照片图像和动态抓拍的人脸图像进行预处理,包括:对动态抓拍的人脸图像进行平移变换、旋转变换以校正人脸在图像中的位置;然后对证件照片图像和动态抓拍的人脸图像进行缩放处理;然后对证件照片图像和动态抓拍的人脸图像分别进行人脸切割,再分别转化为灰度图;然后进行直方图均衡化;再对均衡化后的两个人脸灰度图像进行平滑处理;最后进行二值化处理,得到二值化后的两个人脸图像;再进行人脸图像的特征提取和比对。本发明可降低外界环境对人脸特征提取的影响。
Description
技术领域
本发明涉及人脸识别技术领域,尤其是一种提高人证比对结果的图像处理方法。
背景技术
人脸识别是当今社会新兴的一项生物识别技术,随着不断的发展为了快速有效的实现自动身份验证的要求,人脸识别结合身份证阅读技术衍生出了人证比对技术。人证比对技术,是指通过计算机将人脸信息(指人的脸型、面像等固有的身理特征)采集、处理、与身份证芯片内的照片图像进行对比,来鉴定个人身份的一项技术。由于身份证芯片内的证件照片图像是低分辨率的照片,可提取的人脸特征信息相对较少,会对人证比对的结果造成影响。并且动态抓拍的人脸在图像中的位置不固定,大小不固定等也会对人证比对的结果造成影响。所以需要对证件照片图像和动态抓拍的人脸图像进行一些图像处理,来提高人脸特征的提取率,这样就可以提高人证比对的正确识别率。
人证比对目前适用于车站安检、企业访客、酒店入住等各大安全保护地区的安全管理***,通过人证一体机获取有效的身份证信息,和现场人员的照片,自动对证件照片和人员现场照片进行识别比对,来辨识人员的身份。所以人证比对技术是当前人脸识别技术中比较热门的技术。
人证比对的重点在于能够从身份证芯片里的低分辨率证件照片图像中和动态抓拍的人脸图像中尽可能的降低其他环境因素对人脸特征提取的影响,或者说在比对算法一致的情况下尽可能降低对人脸特征提取影响的环境因素,再提取人脸特征值能够有效的提高人证比对的正确率。
发明内容
本发明的目的在于克服现有技术中存在的不足,提供一种提高人证比对结果的图像处理方法,用来降低环境因素对最后人脸特征提取和识别结果的影响,使得人脸比对准确率能够在原有基础上提高10%以上。本发明采用的技术方案是:
一种提高人证比对结果的图像处理方法,包括人脸图像的预处理、人脸图像的特征提取和比对两个步骤;
首先对证件照片图像和动态抓拍的人脸图像进行预处理,包括:
对动态抓拍的人脸图像进行平移变换、旋转变换以校正人脸在图像中的位置;然后对证件照片图像和动态抓拍的人脸图像进行缩放处理,使它们为同一大小,以实现人脸图像的归一化;
然后对证件照片图像和动态抓拍的人脸图像分别进行人脸切割,对切割后分别从证件照片图像和动态抓拍的人脸图像中获得的人脸图像分别转化为灰度图;
将转换后得到的两个人脸灰度图像进行直方图均衡化;再对均衡化后的两个人脸灰度图像进行平滑处理;最后将平滑后的两个人脸灰度图像进行二值化处理,得到二值化后的两个人脸图像;
最后,对经过预处理的分别从证件照片图像和动态抓拍的人脸图像中获得的两个人脸图像提取特征点,构建两个人脸图像的特征脸空间;再对两者进行比对,来验证是否人证一致。
本发明的优点在于:降低环境因素对最后人脸特征提取和识别结果的影响,使得人脸比对准确率能够在原有基础上提高10%以上。
附图说明
图1为本发明的对动态抓拍的人脸图像进行旋转变换示意图。
图2为本发明的双线性插值法来求出输出图像的像素值示意图。
图3为本发明的进行直方图均衡化示意图。
图4为本发明的人脸灰度图像进行平滑处理时的掩膜示意图。
图5为本发明的方法流程图。
具体实施方式
下面结合具体附图和实施例对本发明作进一步说明。
提高人证比对的准确率主要包括人脸图像的预处理、人脸图像的特征提取和比对两个步骤;
根据目前的状况,要提高人证比对的准确率最好是从人脸图像的预处理入手,在人证比对算法一致的情况下,尽可能的降低外界环境因素对人脸特征提取的影响,就可以提高人证比对的准确率。
首先对证件照片图像和动态抓拍的人脸图像进行预处理,包括:
对动态抓拍的人脸图像进行平移变换、旋转变换以校正人脸在图像中的位置;然后对证件照片图像和动态抓拍的人脸图像进行缩放处理,使它们为同一大小,以实现人脸图像的归一化;
然后对证件照片图像和动态抓拍的人脸图像分别进行人脸切割,对切割后分别从证件照片图像和动态抓拍的人脸图像中获得的人脸图像分别转化为灰度图;
将转换后的人脸灰度图像进行直方图均衡化,凸显出人脸的特征点;再对均衡化后的人脸灰度图像进行平滑处理,降低噪声对图像的影响;最后将平滑后的人脸灰度图像进行二值化处理,得到二值化后的两个人脸图像;
进行这些人脸图像的预处理,可以尽可能的降低外界环境对人脸特征提取的影响。
最后,对经过预处理的分别从证件照片图像和动态抓拍的人脸图像中获得的两个人脸图像提取特征点,构建两个人脸图像的特征脸空间;再对两者进行比对,来验证是否人证一致;
以下对本发明涉及的各处理步骤作详细说明;
(一)人脸图像的预处理;
(1.1),输入证件照片图像和动态抓拍的人脸图像;
证件照片图像可以通过身份证阅读器来获取,通过身份证阅读器读取出人员的信息,包括人员的证件照片;动态抓拍的人脸图像可以通过摄像头的捕捉来获取,通过实时读取摄像头的每一帧照片并进行抓拍来获取;
(1.2),对动态抓拍的人脸图像进行平移变换;
因为在用摄像头进行动态人脸的抓拍的时候人脸在抓拍图像的位置是不固定的,这样在最后识别的时候可能会对识别结果有影响。从二代身份证中读取的证件照片图像则不存在这一影响,所以为了降低动态抓拍人脸照片的左右偏移对最后识别结果的影响,需要对动态抓拍的人脸图像进行平移变换;设图像的原坐标系为XOY,原坐标系原点移动到图像某点O1(dx,dy),图像的新的坐标系就为X1O1Y1,假定原图像的任一像素p点,在这两个坐标系中的坐标分别为(X,Y)和(XT,YT),它们之间可以根据公式①进行变换:
通过公式①进行动态抓拍人脸图像的平移变换后就可以降低人脸的左右偏移对最后识别结果的影响;
(1.3),对动态抓拍的人脸图像进行旋转变换;
通过摄像头进行动态人脸抓拍的时候,抓拍到的人脸图像中人脸的位置可能并不水平,因为最后进行人脸识别的时候人脸的两眼之间的连线不保持在水平位置上也会对识别结果有所影响;二代身份证中读取的证件照片图像不存在这一影响,为了降低动态抓拍的人脸图像中人脸的两眼连线不保持在水平位置上对识别结果的影响,需要对动态抓拍的人脸图像进行旋转变换;进行旋转变换的时候,以人脸两眼之间的中心点来将图像的所有像素进行旋转,假设在XOY坐标系上,人脸两眼之间的中心点为原点,旋转前的点坐标为(x0,y0),旋转后的点坐标为(x1,y1),旋转前与X轴的角度为b,旋转后与X轴的角度为a,旋转前后两个点到(0,0)坐标的距离为r;如图1所示;
(x0,y0)与(x1,y1)可以通过公式②和公式③转换得到:
x1=r cos(b-a)=r cos(b)cos(a)+r sin(b)sin(a)=x0cos(a)+y0sin(a) ②
y1=r sin(b-a)=r sin(b)cos(a)-r cos(b)sin(a)=y0cos(a)-x0sin(a) ③
这样通过公式②和公式③就可以对动态抓拍的人脸图像进行旋转变化,就可以降低人脸两眼的连线不在水平位置上对识别结果的影响;
(1.4),证件照片图像和动态抓拍的人脸图像的大小是不一样大的,因为眼睛是人脸图像中比较重要的部分,所以这里的不一样大是指两眼间的距离不一样大,如果将这两张不一样大的照片图像去进行比对,会对最后的识别结果产生影响,为了降低这一影响,需要对证件照片图像和动态抓拍的人脸图像进行缩放处理,把它们缩放成一样大小。
假设在图像进行缩放之前图像中某一点(x,y),经过放大或缩小后得到新的坐标(X,Y);它们之间的关系式为④
X=a*x
Y=b*y ④
a,b分别是x方向,y方向的放大率,当a、b大于1时放大,小于1时缩小;
这样就进行了证件照片图像和动态抓拍的人脸图像的缩放,但是在进行图像缩放的时候需要解决图像映射后坐标的取整问题;因为采用的“逆向映射”法来获取输出图像的像素值,也就是以输出图像为基准,对输出图像的每个像素,查找其在输入图像的对应像素值,这样就会发现在映射到原坐标时原坐标可能不是整数的问题,但是输入图像的坐标必须是整数才有对应的像素值,所以就可以通过双线性插值法来求出输出图像的像素值;假设要求的浮点坐标的像素值为f,那么它周围的4个点的像素值为T1、T2、T3、T4;如图2所示:可以根据公式⑤求出f点的像素值,如下:
f1=T1×(1-u)+T2×u
f2=T3×(1-u)+T4×u
f=f1×(1-v)+f2×v ⑤
u和v表示f点的坐标距离T1坐标的距离;当查找到原坐标不是整数的时候通过公式⑤双线性插值法可以求出输出图像的像素值,当查找到原坐标为整数的时候就可以直接获取到输出图像的像素值。这样将证件照片图像和动态抓拍的人脸图像进行缩放处理到相同大小后就可以降低图像大小对最后识别结果的影响。
(1.5),对证件照片图像和动态抓拍的人脸图像分别进行人脸切割;
根据人脸像学规则:假设人脸瞳距的距离为d,瞳距之间的中心点位O,那么人脸的宽度为人脸瞳距的2倍即为2d,人脸的额头到瞳距的中心点O的距离为0.5d,人脸的下颚到瞳距中心点O的距离为1.5d;任何两个人的瞳距都是不相同的,所以只需要知道这张图像的人脸瞳距为多少,就可以计算出图像中人脸的大小;综合上述步骤,可以根据公式①和公式②、③计算出人脸图像平移和旋转后的两只眼睛的中心坐标,即O点的坐标;然后根据人脸像学规则,就可以计算出人脸在图像中上下左右边界所在的行和列,得到了行和列就可以对图像进行切割,得到切割后的人脸图像;由于动态抓拍人脸时候,摄像头与人的距离不同,切割的人脸图像就不同,靠近时摄像头所获取的人脸图像的面积就较大,导致两眼的瞳距就较大,反之距离则较小;用这样的图像来进行识别,会对结果有所影响;所以就需要对证件照片图像和动态抓拍的人脸图像用公式④和⑤进行缩放,缩放到它们人脸的瞳距一样的大小,再进行识别比对就可以降低其对识别结果的影响;对图像进行人脸切割的好处就是可以降低人脸的头发和照片的背景对最后识别结果的影响。
(1.6),对切割后分别从证件照片图像和动态抓拍的人脸图像中获得的人脸图像分别转化为灰度图;
为了加快算法的运算速度,需要将切割得到的人脸图像的RGB图像转化为灰度图;灰度图其实就是使RGB图像中的红、绿、蓝3个分量值相等,假设灰度图的分量值为gray,通过加权平均值法来计算出灰度值,就是给予红、绿、蓝3个分量不同的权值,然后相加;如公式⑥所示,
gray=R=G=B=0.299R+0.587G+0.114B ⑥
这样将切割后分别从证件照片图像和动态抓拍的人脸图像中获得的人脸图像转化为灰度图,可以加快后面人脸特征提取和识别的运算速度。
(1.7),将转换后得到的两个人脸灰度图像进行直方图均衡化;
到这一步,已经得到了从证件照片图像和动态抓拍的人脸图像中获得的切割后的人脸灰度图像;然后就要对人脸灰度图像进行直方图均衡化处理,重新分配灰度值,拉伸灰度值分布较密的部分,压缩灰度值分布稀疏的部分,这样可以增强人脸图像的对比度,使人脸图像更清楚,突出人脸的一些细节和特征,有利于后面进行人脸特征点的提取;直方图均衡化是对图像的每个点进行操作,根据当前灰度级与前面灰度级所有像素的总量除以总像素数量得到一个百分位,这个百分位其实就是要求的灰度值(范围0~1),把它转换为0~255范围,再乘255;将求得的灰度值与之前的灰度值替换,就实现了灰度图像的直方图均衡化。如图3所示;
总结下来直方图均衡化的公式⑦如下所示:
其中,q表示灰度值,ni表示灰度级为i(i∈[0,q])的像素个数,n表示图像总像素个数,p表示均衡化后的像素值;这样根据公式⑦将人脸灰度图像进行直方图均衡化,突出人脸图像中人脸的细节有利于后期对人脸图像的特征点的提取;
(1.8),对均衡化后的两个人脸灰度图像进行平滑处理;
为了降低人脸图像中的图像噪声对最后识别结果的影响,需要对人脸灰度图像进行中值滤波处理,中值滤波是一种非线性滤波,其原理就是选择一个掩模,该掩模就是由其邻近的若干像素组成,然后对该掩模内的所有像素进行排序,再用该掩模的中值来替代原像素;例如取一个3*3的掩模如图4所示;首先需要将像素1到像素9中的值存储下来,然后对像素1到像素9进行排序操作,得到中间的像素值,用其来代替像素1到像素9的值;这样就可以降低人脸图像中的一些图像噪声对最后识别结果的影响;
(1.9),将平滑后的两个人脸灰度图像进行二值化处理;
将平滑后的人脸灰度图像进行二值化处理,就是将灰度图转化为单色(黑、白)图像,利用二值化将人脸图像中的头发、眼睛、脸的轮廓及背景以及人脸的亮域分开;二值化的公式如公式⑧:
公式⑧中g(x,y)是原图像中位于(x,y)处像素的灰度值,gb(x,y)是二值化后该处的像素值,它只能取1(白)或0(黑),在人脸图像二值化过程中,图像数值为0的部分为背景,数值为1的部分表示人脸,T是二值化处理过程的阀值;大于这个阀值的为1,小于这个阀值就为0,这样就可以得到二值化后动态抓拍的人脸图像和证件照的人脸图像。
(二)人脸图像的特征提取和比对;
(2.1),构建经过预处理的分别从证件照片图像和动态抓拍的人脸图像中获得的两个人脸图像的特征脸空间;
(2.1.1),首先假设训练平均脸的人脸图像特征为N个,di为人脸特征距离平均脸特征之间的距离向量,设矩阵A=[d1,d2,d3,…,dN];
(2.1.2),然后要根据矩阵A来计算人脸图像的特征脸;需要利用协方差矩阵求出前c(c≦N)个特征值,协方差矩阵的公式⑨如下:
由于公式⑨是一个的高维向量的运算,其计算量是很大的;所以要对公式⑨中的AAT进行转换,将其装换为ATA,即将公式⑨中的AAT转置为ATA,因为ATA是一个低维向量,这样可以根据ATA先计算出其特征向量ui=ATA,求出ui后,再根据公式⑨求出特征值λi;
(2.1.3),计算出特征值和特征向量后再根据公式⑩求出其特征脸Vi,
(2.1.4),再由所求得的特征脸Vi组成最后要得到的特征脸空间W,如W={V1,V2,…,Vc};
上述两个人脸图像的特征脸空间计算方法相同,均如步骤(2.1.1)~步骤(2.1.4)所示;
(2.2)对分别从证件照片图像和动态抓拍的人脸图像中获得的两个人脸图像的特征脸空间进行比对;
前面已经得到了两个特征脸空间,其实人脸图像经过特征提取的过程,最终都是成为特征脸空间中的点,就通过比对他们之间的相似性,来实现动态抓拍的人脸图像与证件照片中人脸图像的比对,也就是进行人证比对;通过设置一个相似度阀值来判断人证是否一致,两个特征脸空间比对下来的结果大于设置的相似度阀值则表示人证一致,小于相似度阀值则表示人证不一致。
Claims (10)
1.一种提高人证比对结果的图像处理方法,其特征在于,包括:
首先对证件照片图像和动态抓拍的人脸图像进行预处理,包括:
对动态抓拍的人脸图像进行平移变换、旋转变换以校正人脸在图像中的位置;然后对证件照片图像和动态抓拍的人脸图像进行缩放处理,以实现人脸图像的归一化;
然后对证件照片图像和动态抓拍的人脸图像分别进行人脸切割,对切割后分别从证件照片图像和动态抓拍的人脸图像中获得的人脸图像分别转化为灰度图;
将转换后得到的两个人脸灰度图像进行直方图均衡化;再对均衡化后的两个人脸灰度图像进行平滑处理;最后将平滑后的两个人脸灰度图像进行二值化处理,得到二值化后的两个人脸图像;
最后,对经过预处理的分别从证件照片图像和动态抓拍的人脸图像中获得的两个人脸图像提取特征点,构建两个人脸图像的特征脸空间;再对两者进行比对,来验证是否人证一致。
2.如权利要求1所述的提高人证比对结果的图像处理方法,其特征在于,
对动态抓拍的人脸图像进行平移变换,包括:设图像的原坐标系为XOY,原坐标系原点移动到图像某点O1(dx,dy),图像的新的坐标系就为X1O1Y1,假定原图像的任一像素p点,在这两个坐标系中的坐标分别为(X,Y)和(XT,YT),它们之间可以根据公式①进行变换:
通过公式①进行动态抓拍人脸图像的平移变换。
3.如权利要求1所述的提高人证比对结果的图像处理方法,其特征在于,
对动态抓拍的人脸图像进行旋转变换,包括:
进行旋转变换的时候,以人脸两眼之间的中心点来将图像的所有像素进行旋转,假设在XOY坐标系上,人脸两眼之间的中心点为原点,旋转前的点坐标为(x0,y0),旋转后的点坐标为(x1,y1),旋转前与X轴的角度为b,旋转后与X轴的角度为a,旋转前后两个点到(0,0)坐标的距离为r;
(x0,y0)与(x1,y1)可以通过公式②和公式③转换得到:
x1=r cos(b-a)=r cos(b)cos(a)+r sin(b)sin(a)=x0cos(a)+y0sin(a) ②
y1=r sin(b-a)=r sin(b)cos(a)-r cos(b)sin(a)=y0cos(a)-x0sin(a) ③
这样通过公式②和公式③就可以对动态抓拍的人脸图像进行旋转变化。
4.如权利要求1所述的提高人证比对结果的图像处理方法,其特征在于,
对证件照片图像和动态抓拍的人脸图像进行缩放处理,使得两个图像中人脸的瞳距一样,包括:
假设在图像进行缩放之前图像中某一点(x,y),经过放大或缩小后得到新的坐标(X,Y);它们之间的关系式为④
X=a*x
Y=b*y ④
a,b分别是x方向,y方向的放大率,当a、b大于1时放大,小于1时缩小;
这样就进行了证件照片图像和动态抓拍的人脸图像的缩放,在进行图像缩放的时候需要解决图像映射后坐标的取整问题;采用“逆向映射”法来获取输出图像的像素值,也就是以输出图像为基准,对输出图像的每个像素,查找其在输入图像的对应像素值,这样就会发现在映射到原坐标时原坐标可能不是整数的问题,但是输入图像的坐标必须是整数才有对应的像素值,所以就可以通过双线性插值法来求出输出图像的像素值;假设要求的浮点坐标的像素值为f,那么它周围的4个点的像素值为T1、T2、T3、T4;
可以根据公式⑤求出f点的像素值,如下:
f1=T1×(1-u)+T2×u
f2=T3×(1-u)+T4×u
f=f1×(1-v)+f2×v ⑤
u和v表示f点的坐标距离T1坐标的距离;当查找到原坐标不是整数的时候通过公式⑤双线性插值法可以求出输出图像的像素值,当查找到原坐标为整数的时候就可以直接获取到输出图像的像素值。
5.如权利要求1所述的提高人证比对结果的图像处理方法,其特征在于,
对证件照片图像和动态抓拍的人脸图像分别进行人脸切割,包括:
依据图像中人脸瞳距,根据人脸像学规则,确定人脸在图像中上下左右边界所在的行和列,根据得到的行和列对图像进行人脸切割,得到切割后的人脸图像。
6.如权利要求1所述的提高人证比对结果的图像处理方法,其特征在于,
转化为灰度图具体包括:
设灰度图的分量值为gray,通过加权平均值法来计算出灰度值,就是给予图像中红、绿、蓝3个分量不同的权值,然后相加;如公式⑥所示,
gray=R=G=B=0.299R+0.587G+0.114B ⑥
利用公式⑥将切割后分别从证件照片图像和动态抓拍的人脸图像中获得的人脸图像转化为灰度图。
7.如权利要求1所述的提高人证比对结果的图像处理方法,其特征在于,
将转换后得到的两个人脸灰度图像进行直方图均衡化,直方图均衡化的公式⑦如下所示:
其中,q表示灰度值,ni表示灰度级为i(i∈[0,q])的像素个数,n表示图像总像素个数,p表示均衡化后的像素值;这样根据公式⑦将人脸灰度图像进行直方图均衡化。
8.如权利要求1所述的提高人证比对结果的图像处理方法,其特征在于,
人脸灰度图像进行平滑处理具体是对人脸灰度图像进行中值滤波处理。
9.如权利要求1所述的提高人证比对结果的图像处理方法,其特征在于,
所述构建两个人脸图像的特征脸空间,具体包括:
(2.1),构建经过预处理的分别从证件照片图像和动态抓拍的人脸图像中获得的两个人脸图像的特征脸空间;
(2.1.1),首先假设训练平均脸的人脸图像特征为N个,di为人脸特征距离平均脸特征之间的距离向量,设矩阵A=[d1,d2,d3,…,dN];
(2.1.2),然后要根据矩阵A来计算人脸图像的特征脸;需要利用协方差矩阵求出前c(c≦N)个特征值,协方差矩阵的公式⑨如下:
由于公式⑨是一个的高维向量的运算,其计算量是很大的;所以要对公式⑨中的AAT进行转换,将其装换为ATA,即将公式⑨中的AAT转置为ATA,因为ATA是一个低维向量,这样可以根据ATA先计算出其特征向量ui=ATA,求出ui后,再根据公式⑨求出特征值λi;
(2.1.3),计算出特征值和特征向量后再根据公式⑩求出其特征脸Vi,
(2.1.4),再由所求得的特征脸Vi组成最后要得到的特征脸空间W,如W={V1,V2,…,Vc};
上述两个人脸图像的特征脸空间计算方法相同,均如步骤(2.1.1)~步骤(2.1.4)所示。
10.如权利要求1所述的提高人证比对结果的图像处理方法,其特征在于,
所述再对两者进行比对,具体为:
对分别从证件照片图像和动态抓拍的人脸图像中获得的两个人脸图像的特征脸空间,通过设置一个相似度阀值来判断人证是否一致,两个特征脸空间比对下来的结果大于设置的相似度阀值则表示人证一致,小于相似度阀值则表示人证不一致。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710867260.2A CN107742094A (zh) | 2017-09-22 | 2017-09-22 | 提高人证比对结果的图像处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710867260.2A CN107742094A (zh) | 2017-09-22 | 2017-09-22 | 提高人证比对结果的图像处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107742094A true CN107742094A (zh) | 2018-02-27 |
Family
ID=61235971
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710867260.2A Pending CN107742094A (zh) | 2017-09-22 | 2017-09-22 | 提高人证比对结果的图像处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107742094A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108875623A (zh) * | 2018-06-11 | 2018-11-23 | 辽宁工业大学 | 一种基于图像特征融合对比技术的人脸识别方法 |
CN108875556A (zh) * | 2018-04-25 | 2018-11-23 | 北京旷视科技有限公司 | 用于人证核验的方法、装置、***及计算机存储介质 |
CN109087429A (zh) * | 2018-09-19 | 2018-12-25 | 重庆第二师范学院 | 基于人脸识别技术的图书馆借书证人证一致性检验的方法 |
CN111339943A (zh) * | 2020-02-26 | 2020-06-26 | 重庆中科云从科技有限公司 | 一种对象管理方法、***、平台、设备及介质 |
CN111931771A (zh) * | 2020-09-16 | 2020-11-13 | 深圳壹账通智能科技有限公司 | 票据内容识别方法、装置、介质及电子设备 |
WO2021218183A1 (zh) * | 2020-04-30 | 2021-11-04 | 平安科技(深圳)有限公司 | 证件边沿检测方法、装置、设备及介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101159015A (zh) * | 2007-11-08 | 2008-04-09 | 清华大学 | 一种二维人脸图像的识别方法 |
CN101908121A (zh) * | 2010-06-01 | 2010-12-08 | 福建新大陆电脑股份有限公司 | 一种条码图像处理二维坐标扫描装置 |
CN102902959A (zh) * | 2012-04-28 | 2013-01-30 | 王浩 | 基于二代身份证存储证件照的人脸识别方法及*** |
CN103914683A (zh) * | 2013-12-31 | 2014-07-09 | 闻泰通讯股份有限公司 | 基于人脸图像的性别识别方法及*** |
CN104866862A (zh) * | 2015-04-27 | 2015-08-26 | 中南大学 | 一种带钢表面面积型缺陷识别分类的方法 |
US20160217320A1 (en) * | 2014-04-14 | 2016-07-28 | International Business Machines Corporation | Facial recognition with biometric pre-filters |
CN106650623A (zh) * | 2016-11-18 | 2017-05-10 | 广东工业大学 | 一种基于人脸检测的出入境人证核实的方法 |
-
2017
- 2017-09-22 CN CN201710867260.2A patent/CN107742094A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101159015A (zh) * | 2007-11-08 | 2008-04-09 | 清华大学 | 一种二维人脸图像的识别方法 |
CN101908121A (zh) * | 2010-06-01 | 2010-12-08 | 福建新大陆电脑股份有限公司 | 一种条码图像处理二维坐标扫描装置 |
CN102902959A (zh) * | 2012-04-28 | 2013-01-30 | 王浩 | 基于二代身份证存储证件照的人脸识别方法及*** |
CN103914683A (zh) * | 2013-12-31 | 2014-07-09 | 闻泰通讯股份有限公司 | 基于人脸图像的性别识别方法及*** |
US20160217320A1 (en) * | 2014-04-14 | 2016-07-28 | International Business Machines Corporation | Facial recognition with biometric pre-filters |
CN104866862A (zh) * | 2015-04-27 | 2015-08-26 | 中南大学 | 一种带钢表面面积型缺陷识别分类的方法 |
CN106650623A (zh) * | 2016-11-18 | 2017-05-10 | 广东工业大学 | 一种基于人脸检测的出入境人证核实的方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108875556A (zh) * | 2018-04-25 | 2018-11-23 | 北京旷视科技有限公司 | 用于人证核验的方法、装置、***及计算机存储介质 |
CN108875623A (zh) * | 2018-06-11 | 2018-11-23 | 辽宁工业大学 | 一种基于图像特征融合对比技术的人脸识别方法 |
CN108875623B (zh) * | 2018-06-11 | 2020-11-10 | 辽宁工业大学 | 一种基于图像特征融合对比技术的人脸识别方法 |
CN109087429A (zh) * | 2018-09-19 | 2018-12-25 | 重庆第二师范学院 | 基于人脸识别技术的图书馆借书证人证一致性检验的方法 |
CN111339943A (zh) * | 2020-02-26 | 2020-06-26 | 重庆中科云从科技有限公司 | 一种对象管理方法、***、平台、设备及介质 |
WO2021218183A1 (zh) * | 2020-04-30 | 2021-11-04 | 平安科技(深圳)有限公司 | 证件边沿检测方法、装置、设备及介质 |
CN111931771A (zh) * | 2020-09-16 | 2020-11-13 | 深圳壹账通智能科技有限公司 | 票据内容识别方法、装置、介质及电子设备 |
CN111931771B (zh) * | 2020-09-16 | 2021-01-01 | 深圳壹账通智能科技有限公司 | 票据内容识别方法、装置、介质及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107742094A (zh) | 提高人证比对结果的图像处理方法 | |
CN111401372B (zh) | 一种扫描文档图文信息提取与鉴别的方法 | |
Adouani et al. | Comparison of Haar-like, HOG and LBP approaches for face detection in video sequences | |
CN104766063B (zh) | 一种活体人脸识别方法 | |
Anand et al. | An improved local binary patterns histograms techniques for face recognition for real time application | |
CN105956578A (zh) | 一种基于身份证件信息的人脸验证方法 | |
CN107066969A (zh) | 一种人脸识别方法 | |
CN109740572A (zh) | 一种基于局部彩色纹理特征的人脸活体检测方法 | |
Zhang et al. | Face anti-spoofing detection based on DWT-LBP-DCT features | |
CN111339897B (zh) | 活体识别方法、装置、计算机设备和存储介质 | |
CN111178130A (zh) | 一种基于深度学习的人脸识别方法、***和可读存储介质 | |
CN111209873A (zh) | 一种基于深度学习的高精度人脸关键点定位方法及*** | |
Devadethan et al. | Face detection and facial feature extraction based on a fusion of knowledge based method and morphological image processing | |
CN117496019B (zh) | 一种驱动静态图像的图像动画处理方法及*** | |
CN107368819A (zh) | 人脸识别方法及*** | |
CN111259792A (zh) | 基于dwt-lbp-dct特征的人脸活体检测方法 | |
CN106886771A (zh) | 基于模块化pca的图像主信息提取方法及人脸识别方法 | |
Fathy et al. | Benchmarking of pre-processing methods employed in facial image analysis | |
Ribarić et al. | Personal recognition based on the Gabor features of colour palmprint images | |
CN110223273A (zh) | 一种结合离散余弦变换与神经网络的图像修复取证方法 | |
Wan et al. | Face detection method based on skin color and adaboost algorithm | |
CN106228163B (zh) | 一种基于特征选择的局部差三进制序列图像特征描述方法 | |
Das et al. | Person identification through IRIS recognition | |
CN107463864A (zh) | 一种结合序列图像超分辨率重建的人脸识别*** | |
Nirmal et al. | Contactless fingerprint recognition and fingerprint spoof mitigation using CNN |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180227 |