CN117095446B - 一种基于云数据库的瞬时证照生成与验证方法、***及介质 - Google Patents

一种基于云数据库的瞬时证照生成与验证方法、***及介质 Download PDF

Info

Publication number
CN117095446B
CN117095446B CN202311333923.4A CN202311333923A CN117095446B CN 117095446 B CN117095446 B CN 117095446B CN 202311333923 A CN202311333923 A CN 202311333923A CN 117095446 B CN117095446 B CN 117095446B
Authority
CN
China
Prior art keywords
image
area
license
preset
head portrait
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.)
Active
Application number
CN202311333923.4A
Other languages
English (en)
Other versions
CN117095446A (zh
Inventor
曹婉玉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Prestige Technology Co ltd
Original Assignee
Guangzhou Prestige Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangzhou Prestige Technology Co ltd filed Critical Guangzhou Prestige Technology Co ltd
Priority to CN202311333923.4A priority Critical patent/CN117095446B/zh
Publication of CN117095446A publication Critical patent/CN117095446A/zh
Application granted granted Critical
Publication of CN117095446B publication Critical patent/CN117095446B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/776—Validation; Performance evaluation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • 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
    • G06V40/172—Classification, e.g. identification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Human Computer Interaction (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本申请实施例提供了一种基于云数据库的瞬时证照生成与验证方法、***及介质，该方法包括：采集用户头像照片，提取脸部区域图像特征，并将脸部区域图像特征与预设的标准特征进行比较，得到偏差率；判断偏差率是否大于或等于预设的偏差率阈值；若大于或等于，则提取匹配成功的图像集面部特征，将图像集面部特征与脸部区域图像特征进行融合，生成证照图像；若小于，则直接生成证照图像；将证照图像进行清晰度验证，得到验证结果，将验证结果传输至终端；通过对用户拍照获取脸部区域图像，并对脸部区域图像特征进行分析，将云数据库中的图像集与拍照获取的脸部区域图像进行融合验证，从而快速进行证照生成，提高证照生成效率。

Description

一种基于云数据库的瞬时证照生成与验证方法、***及介质
技术领域
本申请涉及证照快速生成领域，具体而言，涉及一种基于云数据库的瞬时证照生成与验证方法、***及介质。
背景技术
目前证件照制作，主要是在自助***设备上面进行拍照获取，但实际情况是：由于证件照有特殊要求，造成***人员在拍照时有诸多限制，如拍照过程中由于光线或拍照角度会影响面部特征的清晰度，造成多次拍照还是不能满足要求的情况，且现有的证照生成方法中，无法将现场拍照图片与云数据库内保存的图像集进行匹配并对现场拍照图像进行特征补全与图像融合，造成证照清晰度较差，针对上述问题，目前亟待有效的技术解决方案。
发明内容
本申请实施例的目的在于提供一种基于云数据库的瞬时证照生成与验证方法、***及介质，可以通过对用户拍照获取脸部区域图像，并对脸部区域图像特征进行分析，将云数据库中的图像集与拍照获取的脸部区域图像进行融合验证，从而快速进行证照生成，提高证照生成效率。
本申请实施例还提供了一种基于云数据库的瞬时证照生成与验证方法，包括：
采集用户头像照片，并对头像照片进行预处理，获取脸部区域图像；
提取脸部区域图像特征，并将脸部区域图像特征与预设的标准特征进行比较，得到偏差率；
判断所述偏差率是否大于或等于预设的偏差率阈值；
若大于或等于，则将用户头像照片与云数据库中存储的图像集进行匹配，提取匹配成功的图像集面部特征，将图像集面部特征与脸部区域图像特征进行融合，生成证照图像；
若小于，则直接生成证照图像；
将证照图像进行清晰度验证，得到验证结果，将验证结果传输至终端。
可选地，在本申请实施例所述的基于云数据库的瞬时证照生成与验证方法中，采集用户头像照片，并对头像照片进行预处理之前，还包括：
采集用户头像照片，通过边缘检测算法对用户头像照片进行边缘线提取，并生成背景区域与头像区域；
计算头像区域灰度，将头像区域灰度与预设的第一灰度阈值进行比较，得到第一灰度偏差；
根据第一灰度偏差对头像区域边缘线进行修正；
计算背景区域灰度，将背景区域灰度与预设的第二灰度阈值进行比较，得到第二灰度偏差；
根据第二灰度偏差对背景区域边缘线进行修正。
可选地，在本申请实施例所述的基于云数据库的瞬时证照生成与验证方法中，采集用户头像照片，并对头像照片进行预处理，获取脸部区域图像，具体为：
获取用户头像图片，并将头像图片进行区域分割，得到若干个子区域图像；
获取每一个子区域图像的亮度，得到子区域图像亮度值；
将子区域图像亮度值与预设的亮度阈值进行比较，得到亮度偏差率；
判断所述亮度偏差率是否大于或等于预设的亮度偏差率阈值；
若大于或等于，则生成反馈信息，根据反馈信息对子区域图像的亮度进行调整；
若小于，则获取脸部区域图像。
可选地，在本申请实施例所述的基于云数据库的瞬时证照生成与验证方法中，提取匹配成功的图像集面部特征，将图像集面部特征与脸部区域图像特征进行融合，生成证照图像，具体包括：
获取脸部区域图像特征与图像集面部特征；
将脸部区域图像特征与图像集面部特征进行特征对比，得到特征相似度；
若特征相似度大于预设的相似度阈值，则判定特征匹配成功；
若特征相似度小于预设的相似度阈值，则判定特征匹配失败；
将脸部区域图像特征与预设的图像特征进行比较，得到特征偏差率；
判断所述特征偏差率是否大于或等于预设的特征偏差率；
若大于或等于，则判定对应的脸部区域图像特征为坏点，并根据匹配成功的图像集面部特征进行脸部区域图像特征补全；
若小于，则生成证照图像。
可选地，在本申请实施例所述的基于云数据库的瞬时证照生成与验证方法中，将证照图像进行清晰度验证，得到验证结果，将验证结果传输至终端，具体为：
获取证照图像，计算图像像素；
根据图像像素获取证件图像的清晰度；
将证件图像的清晰度与预设的清晰度阈值进行比较；
若证件图像的清晰度小于预设的清晰度阈值，则生成第一验证结果，根据第一验证结果获取证件图像的模糊区域，并对模糊区域进行标记；
若证件图像的清晰度大于预设的清晰度阈值，则生成第二验证结果；
将第一验证结果与第二验证结果进行分别传输至终端。
可选地，在本申请实施例所述的基于云数据库的瞬时证照生成与验证方法中，若证件图像的清晰度大于预设的清晰度阈值，则生成第二验证结果之后，还包括：
获取证件图像，提取脸部特征、纹理与皮肤颜色，生成面部区域色彩信息；
根据面部区域色彩信息与预设的色彩信息进行比较，得到色彩偏差率；
判断所述色彩偏差率是否大于或等于预设的色彩偏差率阈值；
若大于或等于，则生成色彩迁移信息，根据色彩迁移信息对面部区域色彩进行优化；
若小于，则判定证件图像验证通过。
第二方面，本申请实施例提供了一种基于云数据库的瞬时证照生成与验证***，该***包括：存储器及处理器，所述存储器中包括基于云数据库的瞬时证照生成与验证方法的程序，所述基于云数据库的瞬时证照生成与验证方法的程序被所述处理器执行时实现以下步骤：
采集用户头像照片，并对头像照片进行预处理，获取脸部区域图像；
提取脸部区域图像特征，并将脸部区域图像特征与预设的标准特征进行比较，得到偏差率；
判断所述偏差率是否大于或等于预设的偏差率阈值；
若大于或等于，则将用户头像照片与云数据库中存储的图像集进行匹配，提取匹配成功的图像集面部特征，将图像集面部特征与脸部区域图像特征进行融合，生成证照图像；
若小于，则直接生成证照图像；
将证照图像进行清晰度验证，得到验证结果，将验证结果传输至终端。
可选地，在本申请实施例所述的基于云数据库的瞬时证照生成与验证***中，采集用户头像照片，并对头像照片进行预处理之前，还包括：
采集用户头像照片，通过边缘检测算法对用户头像照片进行边缘线提取，并生成背景区域与头像区域；
计算头像区域灰度，将头像区域灰度与预设的第一灰度阈值进行比较，得到第一灰度偏差；
根据第一灰度偏差对头像区域边缘线进行修正；
计算背景区域灰度，将背景区域灰度与预设的第二灰度阈值进行比较，得到第二灰度偏差；
根据第二灰度偏差对背景区域边缘线进行修正。
可选地，在本申请实施例所述的基于云数据库的瞬时证照生成与验证***中，采集用户头像照片，并对头像照片进行预处理，获取脸部区域图像，具体为：
获取用户头像图片，并将头像图片进行区域分割，得到若干个子区域图像；
获取每一个子区域图像的亮度，得到子区域图像亮度值；
将子区域图像亮度值与预设的亮度阈值进行比较，得到亮度偏差率；
判断所述亮度偏差率是否大于或等于预设的亮度偏差率阈值；
若大于或等于，则生成反馈信息，根据反馈信息对子区域图像的亮度进行调整；
若小于，则获取脸部区域图像。
第三方面，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质中包括基于云数据库的瞬时证照生成与验证方法程序，所述基于云数据库的瞬时证照生成与验证方法程序被处理器执行时，实现如上述任一项所述的基于云数据库的瞬时证照生成与验证方法的步骤。
由上可知，本申请实施例提供的一种基于云数据库的瞬时证照生成与验证方法、***及介质，通过采集用户头像照片，并对头像照片进行预处理，获取脸部区域图像；提取脸部区域图像特征，并将脸部区域图像特征与预设的标准特征进行比较，得到偏差率；判断所述偏差率是否大于或等于预设的偏差率阈值；若大于或等于，则将用户头像照片与云数据库中存储的图像集进行匹配，提取匹配成功的图像集面部特征，将图像集面部特征与脸部区域图像特征进行融合，生成证照图像；若小于，则直接生成证照图像；将证照图像进行清晰度验证，得到验证结果，将验证结果传输至终端；通过对用户拍照获取脸部区域图像，并对脸部区域图像特征进行分析，将云数据库中的图像集与拍照获取的脸部区域图像进行融合验证，从而快速进行证照生成，提高证照生成效率。
本申请的其他特征和优点将在随后的说明书阐述，本申请的目的和优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的基于云数据库的瞬时证照生成与验证方法的流程图；
图2为本申请实施例提供的基于云数据库的瞬时证照生成与验证方法的用户头像照片边缘线修正流程图；
图3为本申请实施例提供的基于云数据库的瞬时证照生成与验证方法的用户头像图片亮度偏差分析流程图。
具体实施方式
下面将结合本申请实施例中附图，对本申请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申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
应注意到，相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。需要说明的是，本申请所涉及的用户信息（包括但不限于用户设备信息、用户个人信息等）和数据（包括但不限于用于分析的数据、存储的数据、展示的数据等），均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
请参照图1，图1是本申请一些实施例中的一种基于云数据库的瞬时证照生成与验证方法的流程图。该基于云数据库的瞬时证照生成与验证方法用于终端设备中，该基于云数据库的瞬时证照生成与验证方法，包括以下步骤：
S101，采集用户头像照片，并对头像照片进行预处理，获取脸部区域图像；
S102，提取脸部区域图像特征，并将脸部区域图像特征与预设的标准特征进行比较，得到偏差率；
S103，判断偏差率是否大于或等于预设的偏差率阈值；
S104，若大于或等于，则将用户头像照片与云数据库中存储的图像集进行匹配，提取匹配成功的图像集面部特征，将图像集面部特征与脸部区域图像特征进行融合，生成证照图像；
S105，若小于，则直接生成证照图像，将证照图像进行清晰度验证，得到验证结果，将验证结果传输至终端。
需要说明的是，通过将现场拍照图片与云数据库内保存的图像集进行匹配并对现场拍照图像进行特征补全与图像融合，提高证照清晰度的同时使证照可以快速的生成。
请参照图2，图2是本申请一些实施例中的一种基于云数据库的瞬时证照生成与验证方法的用户头像照片边缘线修正流程图。根据本发明实施例，采集用户头像照片，并对头像照片进行预处理之前，还包括：
S201，采集用户头像照片，通过边缘检测算法对用户头像照片进行边缘线提取，并生成背景区域与头像区域；
S202，计算头像区域灰度，将头像区域灰度与预设的第一灰度阈值进行比较，得到第一灰度偏差；
S203，根据第一灰度偏差对头像区域边缘线进行修正；
S204，计算背景区域灰度，将背景区域灰度与预设的第二灰度阈值进行比较，得到第二灰度偏差；
S205，根据第二灰度偏差对背景区域边缘线进行修正。
需要说明的是，通过边缘检测算法对用户头像图片中的脸部边界与脸部之外的其他区域进行边缘线提取，并根据边缘线进行背景区域与头像区域的区分，在进行证照生成过程中可以去除背景区域的干扰，只分析头像区域，提高数据分析的效率，使证照可以瞬时生成。
请参照图3，图3是本申请一些实施例中的一种基于云数据库的瞬时证照生成与验证方法的用户头像图片亮度偏差分析流程图。根据本发明实施例，采集用户头像照片，并对头像照片进行预处理，获取脸部区域图像，具体为：
S301，获取用户头像图片，并将头像图片进行区域分割，得到若干个子区域图像；
S302，获取每一个子区域图像的亮度，得到子区域图像亮度值；
S303，将子区域图像亮度值与预设的亮度阈值进行比较，得到亮度偏差率；
S304，判断亮度偏差率是否大于或等于预设的亮度偏差率阈值；
S305，若大于或等于，则生成反馈信息，根据反馈信息对子区域图像的亮度进行调整；若小于，则获取脸部区域图像。
需要说明的是，将头像图片进行区域分割，并单独对每一个子区域进行分析，分析之后的结果再进行合成，减小图片噪音的影响，提高数据分析精度，此外，在对子区域凸轮进行亮度分析过程中，通过判断亮度与亮度阈值的偏差，进行判断对应子区域内是否存在高亮区域，若存在高亮区域或高亮点，则判定该区域在证照生成过程中会造成光亮太强或太暗，影响此区域面部特征的获取及生成，造成此区域的面部特征不符合要求。
根据本发明实施例，提取匹配成功的图像集面部特征，将图像集面部特征与脸部区域图像特征进行融合，生成证照图像，具体包括：
获取脸部区域图像特征与图像集面部特征；
将脸部区域图像特征与图像集面部特征进行特征对比，得到特征相似度；
若特征相似度大于预设的相似度阈值，则判定特征匹配成功；
若特征相似度小于预设的相似度阈值，则判定特征匹配失败；
将脸部区域图像特征与预设的图像特征进行比较，得到特征偏差率；
判断特征偏差率是否大于或等于预设的特征偏差率；
若大于或等于，则判定对应的脸部区域图像特征为坏点，并根据匹配成功的图像集面部特征进行脸部区域图像特征补全；
若小于，则生成证照图像。
需要说明的是，通过判断现场拍照时的脸部区域图像特征，并将该特征与图像集面部特征进行分析比对，从而可以保证两者匹配，在进行特征补全时，不会造成其他人的面部特征补全至该用户面部，提高证照图像特征的生成精度。
根据本发明实施例，将证照图像进行清晰度验证，得到验证结果，将验证结果传输至终端，具体为：
获取证照图像，计算图像像素；
根据图像像素获取证件图像的清晰度；
将证件图像的清晰度与预设的清晰度阈值进行比较；
若证件图像的清晰度小于预设的清晰度阈值，则生成第一验证结果，根据第一验证结果获取证件图像的模糊区域，并对模糊区域进行标记；
若证件图像的清晰度大于预设的清晰度阈值，则生成第二验证结果；
将第一验证结果与第二验证结果进行分别传输至终端。
需要说明的是，在证照生成后，对证照的清晰度进行验证，保证证照可以清晰的反应用户脸部特征，在对证照进行入库时，可以符合入库要求，降低用户重新拍照的风险。
根据本发明实施例，若证件图像的清晰度大于预设的清晰度阈值，则生成第二验证结果之后，还包括：
获取证件图像，提取脸部特征、纹理与皮肤颜色，生成面部区域色彩信息；
根据面部区域色彩信息与预设的色彩信息进行比较，得到色彩偏差率；
判断色彩偏差率是否大于或等于预设的色彩偏差率阈值；
若大于或等于，则生成色彩迁移信息，根据色彩迁移信息对面部区域色彩进行优化；
若小于，则判定证件图像验证通过。
需要说明的是，在进行拍照过程中，由于光线与拍照角度的问题，会造成证照上反应的脸部色彩会出现偏差，通过判断偏差是否符合要求，若不符合要求，则对脸部色彩进行分析比对，并将色彩进行迁移，提高证照的验证通过率。
根据本发明实施例，获取证件图像，提取脸部特征、纹理与皮肤颜色，生成面部区域色彩信息，还包括：
获取面部区域，对面部区域按照五官建立基准点，并以耳、鼻、嘴巴、眼睛为中心，分别获取各个中心预定范围内的区域色彩；
将各个中心预定范围内的区域生成一个圆形区域，并计算圆形区域半径以及圆形区域内的色值；
延长半径值，生成与圆形区域不重合的外侧环形区域，并采集外侧圆形区域内的色值；
将圆形区域内的色值与外侧环形区域内的色值进行比较，得到色差；
根据色差生成色彩修正信息，并根据色彩修正信息调整对应圆形区域或环形区域内的色值。
需要说明的是，通过分析耳、鼻、嘴巴、眼睛为中心的圆形区域内的色值进行判断外侧区域的色值偏差量并进行调整，使得相邻区域内的色值偏差较小，防止出现跳色，提高证照色彩平滑度。
第二方面，本申请实施例提供了一种基于云数据库的瞬时证照生成与验证***，该***包括：存储器及处理器，存储器中包括基于云数据库的瞬时证照生成与验证方法的程序，基于云数据库的瞬时证照生成与验证方法的程序被处理器执行时实现以下步骤：
采集用户头像照片，并对头像照片进行预处理，获取脸部区域图像；
提取脸部区域图像特征，并将脸部区域图像特征与预设的标准特征进行比较，得到偏差率；
判断偏差率是否大于或等于预设的偏差率阈值；
若大于或等于，则将用户头像照片与云数据库中存储的图像集进行匹配，提取匹配成功的图像集面部特征，将图像集面部特征与脸部区域图像特征进行融合，生成证照图像；
若小于，则直接生成证照图像；
将证照图像进行清晰度验证，得到验证结果，将验证结果传输至终端。
需要说明的是，通过将现场拍照图片与云数据库内保存的图像集进行匹配并对现场拍照图像进行特征补全与图像融合，提高证照清晰度的同时使证照可以快速的生成。
根据本发明实施例，采集用户头像照片，并对头像照片进行预处理之前，还包括：
采集用户头像照片，通过边缘检测算法对用户头像照片进行边缘线提取，并生成背景区域与头像区域；
计算头像区域灰度，将头像区域灰度与预设的第一灰度阈值进行比较，得到第一灰度偏差；
根据第一灰度偏差对头像区域边缘线进行修正；
计算背景区域灰度，将背景区域灰度与预设的第二灰度阈值进行比较，得到第二灰度偏差；
根据第二灰度偏差对背景区域边缘线进行修正。
需要说明的是，通过边缘检测算法对用户头像图片中的脸部边界与脸部之外的其他区域进行边缘线提取，并根据边缘线进行背景区域与头像区域的区分，在进行证照生成过程中可以去除背景区域的干扰，只分析头像区域，提高数据分析的效率，使证照可以瞬时生成。
根据本发明实施例，采集用户头像照片，并对头像照片进行预处理，获取脸部区域图像，具体为：
获取用户头像图片，并将头像图片进行区域分割，得到若干个子区域图像；
获取每一个子区域图像的亮度，得到子区域图像亮度值；
将子区域图像亮度值与预设的亮度阈值进行比较，得到亮度偏差率；
判断亮度偏差率是否大于或等于预设的亮度偏差率阈值；
若大于或等于，则生成反馈信息，根据反馈信息对子区域图像的亮度进行调整；
若小于，则获取脸部区域图像。
需要说明的是，将头像图片进行区域分割，并单独对每一个子区域进行分析，分析之后的结果再进行合成，减小图片噪音的影响，提高数据分析精度，此外，在对子区域凸轮进行亮度分析过程中，通过判断亮度与亮度阈值的偏差，进行判断对应子区域内是否存在高亮区域，若存在高亮区域或高亮点，则判定该区域在证照生成过程中会造成光亮太强或太暗，影响此区域面部特征的获取及生成，造成此区域的面部特征不符合要求。
根据本发明实施例，提取匹配成功的图像集面部特征，将图像集面部特征与脸部区域图像特征进行融合，生成证照图像，具体包括：
获取脸部区域图像特征与图像集面部特征；
将脸部区域图像特征与图像集面部特征进行特征对比，得到特征相似度；
若特征相似度大于预设的相似度阈值，则判定特征匹配成功；
若特征相似度小于预设的相似度阈值，则判定特征匹配失败；
将脸部区域图像特征与预设的图像特征进行比较，得到特征偏差率；
判断特征偏差率是否大于或等于预设的特征偏差率；
若大于或等于，则判定对应的脸部区域图像特征为坏点，并根据匹配成功的图像集面部特征进行脸部区域图像特征补全；
若小于，则生成证照图像。
需要说明的是，通过判断现场拍照时的脸部区域图像特征，并将该特征与图像集面部特征进行分析比对，从而可以保证两者匹配，在进行特征补全时，不会造成其他人的面部特征补全至该用户面部，提高证照图像特征的生成精度。
根据本发明实施例，将证照图像进行清晰度验证，得到验证结果，将验证结果传输至终端，具体为：
获取证照图像，计算图像像素；
根据图像像素获取证件图像的清晰度；
将证件图像的清晰度与预设的清晰度阈值进行比较；
若证件图像的清晰度小于预设的清晰度阈值，则生成第一验证结果，根据第一验证结果获取证件图像的模糊区域，并对模糊区域进行标记；
若证件图像的清晰度大于预设的清晰度阈值，则生成第二验证结果；
将第一验证结果与第二验证结果进行分别传输至终端。
需要说明的是，在证照生成后，对证照的清晰度进行验证，保证证照可以清晰的反应用户脸部特征，在对证照进行入库时，可以符合入库要求，降低用户重新拍照的风险。
根据本发明实施例，若证件图像的清晰度大于预设的清晰度阈值，则生成第二验证结果之后，还包括：
获取证件图像，提取脸部特征、纹理与皮肤颜色，生成面部区域色彩信息；
根据面部区域色彩信息与预设的色彩信息进行比较，得到色彩偏差率；
判断色彩偏差率是否大于或等于预设的色彩偏差率阈值；
若大于或等于，则生成色彩迁移信息，根据色彩迁移信息对面部区域色彩进行优化；
若小于，则判定证件图像验证通过。
需要说明的是，在进行拍照过程中，由于光线与拍照角度的问题，会造成证照上反应的脸部色彩会出现偏差，通过判断偏差是否符合要求，若不符合要求，则对脸部色彩进行分析比对，并将色彩进行迁移，提高证照的验证通过率。
根据本发明实施例，获取证件图像，提取脸部特征、纹理与皮肤颜色，生成面部区域色彩信息，还包括：
获取面部区域，对面部区域按照五官建立基准点，并以耳、鼻、嘴巴、眼睛为中心，分别获取各个中心预定范围内的区域色彩；
将各个中心预定范围内的区域生成一个圆形区域，并计算圆形区域半径以及圆形区域内的色值；
延长半径值，生成与圆形区域不重合的外侧环形区域，并采集外侧圆形区域内的色值；
将圆形区域内的色值与外侧环形区域内的色值进行比较，得到色差；
根据色差生成色彩修正信息，并根据色彩修正信息调整对应圆形区域或环形区域内的色值。
需要说明的是，通过分析耳、鼻、嘴巴、眼睛为中心的圆形区域内的色值进行判断外侧区域的色值偏差量并进行调整，使得相邻区域内的色值偏差较小，防止出现跳色，提高证照色彩平滑度。
本发明第三方面提供了一种计算机可读存储介质，可读存储介质中包括基于云数据库的瞬时证照生成与验证方法程序，基于云数据库的瞬时证照生成与验证方法程序被处理器执行时，实现如上述任一项的基于云数据库的瞬时证照生成与验证方法的步骤。
本发明公开的一种基于云数据库的瞬时证照生成与验证方法、***及介质，通过采集用户头像照片，并对头像照片进行预处理，获取脸部区域图像；提取脸部区域图像特征，并将脸部区域图像特征与预设的标准特征进行比较，得到偏差率；判断所述偏差率是否大于或等于预设的偏差率阈值；若大于或等于，则将用户头像照片与云数据库中存储的图像集进行匹配，提取匹配成功的图像集面部特征，将图像集面部特征与脸部区域图像特征进行融合，生成证照图像；若小于，则直接生成证照图像；将证照图像进行清晰度验证，得到验证结果，将验证结果传输至终端；通过对用户拍照获取脸部区域图像，并对脸部区域图像特征进行分析，将云数据库中的图像集与拍照获取的脸部区域图像进行融合验证，从而快速进行证照生成，提高证照生成效率的技术。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个***，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机、服务器、或者网络设备等）执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

Claims (6)

1.一种基于云数据库的瞬时证照生成与验证方法，其特征在于，包括：
采集用户头像照片，并对头像照片进行预处理，获取脸部区域图像；
提取脸部区域图像特征，并将脸部区域图像特征与预设的标准特征进行比较，得到偏差率；
判断所述偏差率是否大于或等于预设的偏差率阈值；
若大于或等于，则将用户头像照片与云数据库中存储的图像集进行匹配，提取匹配成功的图像集面部特征，将图像集面部特征与脸部区域图像特征进行融合，生成证照图像；
若小于，则直接生成证照图像；
将证照图像进行清晰度验证，得到验证结果，将验证结果传输至终端；
采集用户头像照片，并对头像照片进行预处理之前，还包括：
采集用户头像照片，通过边缘检测算法对用户头像照片进行边缘线提取，并生成背景区域与头像区域；
计算头像区域灰度，将头像区域灰度与预设的第一灰度阈值进行比较，得到第一灰度偏差；
根据第一灰度偏差对头像区域边缘线进行修正；
计算背景区域灰度，将背景区域灰度与预设的第二灰度阈值进行比较，得到第二灰度偏差；
根据第二灰度偏差对背景区域边缘线进行修正；
采集用户头像照片，并对头像照片进行预处理，获取脸部区域图像，具体为：
获取用户头像图片，并将头像图片进行区域分割，得到若干个子区域图像；
获取每一个子区域图像的亮度，得到子区域图像亮度值；
将子区域图像亮度值与预设的亮度阈值进行比较，得到亮度偏差率；
判断所述亮度偏差率是否大于或等于预设的亮度偏差率阈值；
若大于或等于，则生成反馈信息，根据反馈信息对子区域图像的亮度进行调整；
若小于，则获取脸部区域图像；
获取证件图像，提取脸部特征、纹理与皮肤颜色，生成面部区域色彩信息，还包括：
获取面部区域，对面部区域按照五官建立基准点，并以耳、鼻、嘴巴、眼睛为中心，分别获取各个中心预定范围内的区域色彩；
将各个中心预定范围内的区域生成一个圆形区域，并计算圆形区域半径以及圆形区域内的色值；
延长半径值，生成与圆形区域不重合的外侧环形区域，并采集外侧圆形区域内的色值；
将圆形区域内的色值与外侧环形区域内的色值进行比较，得到色差；
根据色差生成色彩修正信息，并根据色彩修正信息调整对应圆形区域或环形区域内的色值。
2. 根据权利要求 1 所述的基于云数据库的瞬时证照生成与验证方法，其特征在于，提取匹配成功的图像集面部特征，将图像集面部特征与脸部区域图像特征进行融合，生成证照图像，具体包括：
获取脸部区域图像特征与图像集面部特征；
将脸部区域图像特征与图像集面部特征进行特征对比，得到特征相似度；
若特征相似度大于预设的相似度阈值，则判定特征匹配成功；
若特征相似度小于预设的相似度阈值，则判定特征匹配失败；
将脸部区域图像特征与预设的图像特征进行比较，得到特征偏差率；
判断所述特征偏差率是否大于或等于预设的特征偏差率；
若大于或等于，则判定对应的脸部区域图像特征为坏点，并根据匹配成功的图像集面部特征进行脸部区域图像特征补全；
若小于，则生成证照图像。
3. 根据权利要求 2 所述的基于云数据库的瞬时证照生成与验证方法，其特征在于，将证照图像进行清晰度验证，得到验证结果，将验证结果传输至终端，具体为：
获取证照图像，计算图像像素；
根据图像像素获取证件图像的清晰度；
将证件图像的清晰度与预设的清晰度阈值进行比较；
若证件图像的清晰度小于预设的清晰度阈值，则生成第一验证结果，根据第一验证结果获取证件图像的模糊区域，并对模糊区域进行标记；
若证件图像的清晰度大于预设的清晰度阈值，则生成第二验证结果；
将第一验证结果与第二验证结果进行分别传输至终端。
4. 根据权利要求 3 所述的基于云数据库的瞬时证照生成与验证方法，其特征在于，若证件图像的清晰度大于预设的清晰度阈值，则生成第二验证结果之后，还包括：
获取证件图像，提取脸部特征、纹理与皮肤颜色，生成面部区域色彩信息；
根据面部区域色彩信息与预设的色彩信息进行比较，得到色彩偏差率；
判断所述色彩偏差率是否大于或等于预设的色彩偏差率阈值；
若大于或等于，则生成色彩迁移信息，根据色彩迁移信息对面部区域色彩进行优化；
若小于，则判定证件图像验证通过。
5.一种基于云数据库的瞬时证照生成与验证***，其特征在于，该***包括：存储器及处理器，所述存储器中包括基于云数据库的瞬时证照生成与验证方法的程序，所述基于云数据库的瞬时证照生成与验证方法的程序被所述处理器执行时实现以下步骤：
采集用户头像照片，并对头像照片进行预处理，获取脸部区域图像；
提取脸部区域图像特征，并将脸部区域图像特征与预设的标准特征进行比较，得到偏差率；
判断所述偏差率是否大于或等于预设的偏差率阈值；
若大于或等于，则将用户头像照片与云数据库中存储的图像集进行匹配，提取匹配成功的图像集面部特征，将图像集面部特征与脸部区域图像特征进行融合，生成证照图像；
若小于，则直接生成证照图像；
将证照图像进行清晰度验证，得到验证结果，将验证结果传输至终端；
采集用户头像照片，并对头像照片进行预处理之前，还包括：
采集用户头像照片，通过边缘检测算法对用户头像照片进行边缘线提取，并生成背景区域与头像区域；
计算头像区域灰度，将头像区域灰度与预设的第一灰度阈值进行比较，得到第一灰度偏差；
根据第一灰度偏差对头像区域边缘线进行修正；
计算背景区域灰度，将背景区域灰度与预设的第二灰度阈值进行比较，得到第二灰度偏差；
根据第二灰度偏差对背景区域边缘线进行修正；
采集用户头像照片，并对头像照片进行预处理，获取脸部区域图像，具体为：
获取用户头像图片，并将头像图片进行区域分割，得到若干个子区域图像；
获取每一个子区域图像的亮度，得到子区域图像亮度值；
将子区域图像亮度值与预设的亮度阈值进行比较，得到亮度偏差率；
判断所述亮度偏差率是否大于或等于预设的亮度偏差率阈值；
若大于或等于，则生成反馈信息，根据反馈信息对子区域图像的亮度进行调整；
若小于，则获取脸部区域图像；
获取证件图像，提取脸部特征、纹理与皮肤颜色，生成面部区域色彩信息，还包括：
获取面部区域，对面部区域按照五官建立基准点，并以耳、鼻、嘴巴、眼睛为中心，分别获取各个中心预定范围内的区域色彩；
将各个中心预定范围内的区域生成一个圆形区域，并计算圆形区域半径以及圆形区域内的色值；
延长半径值，生成与圆形区域不重合的外侧环形区域，并采集外侧圆形区域内的色值；
将圆形区域内的色值与外侧环形区域内的色值进行比较，得到色差；
根据色差生成色彩修正信息，并根据色彩修正信息调整对应圆形区域或环形区域内的色值。
6. 一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中包括基于云数据库的瞬时证照生成与验证方法程序，所述基于云数据库的瞬时证照生成与验证方法程序被处理器执行时，实现如权利要求 1 至 4 中任一项所述的基于云数据库的瞬时证照生成与验证方法的步骤。
CN202311333923.4A 2023-10-16 2023-10-16 一种基于云数据库的瞬时证照生成与验证方法、***及介质 Active CN117095446B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311333923.4A CN117095446B (zh) 2023-10-16 2023-10-16 一种基于云数据库的瞬时证照生成与验证方法、***及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311333923.4A CN117095446B (zh) 2023-10-16 2023-10-16 一种基于云数据库的瞬时证照生成与验证方法、***及介质

Publications (2)

Publication Number Publication Date
CN117095446A CN117095446A (zh) 2023-11-21
CN117095446B true CN117095446B (zh) 2024-02-27

Family

ID=88770156

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311333923.4A Active CN117095446B (zh) 2023-10-16 2023-10-16 一种基于云数据库的瞬时证照生成与验证方法、***及介质

Country Status (1)

Country Link
CN (1) CN117095446B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105120167A (zh) * 2015-08-31 2015-12-02 广州市幸福网络技术有限公司 一种证照相机及证照拍摄方法
CN110163806A (zh) * 2018-08-06 2019-08-23 腾讯科技（深圳）有限公司 一种图像处理方法、装置以及存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080187184A1 (en) * 2007-02-01 2008-08-07 Kabushiki Kaisha Toshiba System and method for facial image enhancement

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105120167A (zh) * 2015-08-31 2015-12-02 广州市幸福网络技术有限公司 一种证照相机及证照拍摄方法
CN110163806A (zh) * 2018-08-06 2019-08-23 腾讯科技（深圳）有限公司 一种图像处理方法、装置以及存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Two-stage Verification based on Watermarking for Electronic Passport;Wang, ZF et al;《9th International Conference on Intelligent Information Hiding and Multimedia Signal Processing (IIH-MSP)》;第41-44页 *
三维点云及多模态人脸融合识别技术及其应用;张晖;《信息与电脑(理论版)》(第7期);第135-137页 *

Also Published As

Publication number Publication date
CN117095446A (zh) 2023-11-21

Similar Documents

Publication Publication Date Title
CN111428581B (zh) 人脸遮挡检测方法及***
US10789465B2 (en) Feature extraction and matching for biometric authentication
KR102406432B1 (ko) 신원 인증 방법 및 장치, 전자 기기 및 저장 매체
CN105450411B (zh) 利用卡片特征进行身份验证的方法、装置及***
CN111191567B (zh) 身份数据处理方法、装置、计算机设备和存储介质
HUE031428T2 (en) Process, system and computer program to compare images
CN110532746B (zh) 人脸校验方法、装置、服务器及可读存储介质
CN110991231B (zh) 活体检测方法、装置、服务器和人脸识别设备
CN110008943B (zh) 一种图像处理方法及装置、一种计算设备及存储介质
CN111814564B (zh) 基于多光谱图像的活体检测方法、装置、设备和存储介质
CN112560989A (zh) 一种基于大数据的人工智能防伪图像识别方法及***
CN117095446B (zh) 一种基于云数据库的瞬时证照生成与验证方法、***及介质
CN112668412A (zh) 二维码生成方法、装置、电子设备和存储介质
CN112528261A (zh) 一种sim卡的用户身份的识别方法及装置
CN110189350B (zh) 一种瞳孔边缘的确定方法、装置及存储介质
KR100696251B1 (ko) 홍채인식을 위한 비교영역 설정 및 사용자 인증정보 생성방법 및 그 장치
WO2017219562A1 (zh) 一种二维码生成方法及装置
CN114926878A (zh) 一种基于一物一码对应场景下非监控远程人脸识别方法
CN112132693A (zh) 交易验证方法、装置、计算机设备与计算机可读存储介质
CN111291586A (zh) 活体检测方法、装置、电子设备及计算机可读存储介质
CN116311553B (zh) 应用于半遮挡图像下的人脸活体检测方法及装置
KR101972857B1 (ko) 딥러닝 기반의 출력 문서 보안 관리 방법 및 문서 관리 서버
CN112464928A (zh) 数字式表计读数识别方法、装置、设备及存储介质
CN114359007A (zh) 图像溯源方法、装置、设备及存储介质
CN117240513A (zh) 登录验证方法、装置、终端设备及机器可读存储介质

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
GR01 Patent grant
GR01 Patent grant