CN102509138A - 一种基于二代身份证和人脸特征识别的身份验证系统及其工作方法 - Google Patents

Abstract

本发明涉及一种基于二代身份证和人脸特征识别的身份验证系统，包括硬件和验证软件，所述的硬件包括摄像机、计算机主机和身份证读卡器；所述的计算机主机内装载有验证软件，验证软件包括摄像单元、人脸检测定位单元、图像标准化单元，小波变换单元、特征向量提取单元和支持向量机单元。本发明的优点在于，实现了二代证验证和人脸特征比对识别的双重身份核验；利用人脸特征进行身份识别，无需任何其它形式的密码，所以，利用人脸识别技术进行身份认定，更加安全、可靠、方便；对硬件要求低，没有过多的复杂运算和大量的数据存储；对比速度快，可以在绝大多数嵌入式设备上使用；识别率高，在一定的环境下识别率可达到90％以上。

Description

一种基于二代身份证和人脸特征识别的身份验证系统及其工作方法

技术领域

本发明涉及一种基于二代身份证和人脸特征识别的身份验证系统及其工作方法，属于身份电子识别技术领域。

背景技术

目前，二代身份证验证机具已广泛应用于治安、金融、通信、税务、物流、考试、家政等社会各行各业，通过对二代证的验证实现身份核验。这种方式也成为各行业进行身份核验的重要手段。

但是，如果二代证丢失或被伪造，对于治安、金融、考试等对身份认证有严格要求的领域而言，仅仅依靠身份证识别身份，不可避免的会出现盗用他人身份证进行违法犯罪活动的行为。中国专利文件CN 1936930公开了一种识别第二代居民身份证的方法，但是该专利存在以下不足：1)身份证读卡器、摄像设备、身份证资料库为通用设备，仅有这些设备不足以构成人脸识别系统；2)该专利文件中未记载有人脸识别器的具体方法和技术路线。

中国专利文件CN 101669824公开了一种基于生物特征识别的人与身份证同一性检验装置，该专利中使用全方视觉传感器获取持证者的人脸信息，但存在以下技术不足1)该装置采用双曲面反光镜，以便模仿汽车的后视镜获得广角的拍摄能力。但是，人脸在经过双曲面反光镜反射后会变形，而且在不同距离下变形程度不一致，这样获取的图像是不可能用来进行人脸识别的；2)在全景视图覆盖了360度的现场范围，人脸影像在其中只能占据非常小的面积。识别人脸特征一般需要200x200像素的影像范围，单个人物大概需要占据500x500像素的面积。按照360度范围容纳10个人来计算，需要5000x5000分辨率的摄像机。目前还不存在此类摄像设备。

中国专利文件CN102129555A提供了一种基于第二代身份证进行身份验证的方法及系统，其技术不足在于：在判断图像的相似度时没有提供实现的具体技术方法。

发明内容

针对现有技术的不足，本发明涉及一种基于二代身份证和人脸特征的识别身份验证系统。本发明还提供一种利用上述系统进行验证身份信息的工作方法。

本发明的技术方案如下：

一种基于二代身份证和人脸特征识别的身份验证系统，包括硬件和验证软件，所述的硬件包括摄像机、计算机主机和身份证读卡器；所述的计算机主机内装载有验证软件，验证软件包括摄像单元、人脸检测定位单元、图像标准化单元，小波变换单元、特征向量提取单元和支持向量机单元；

所述摄像单元，向摄影机发送控制命令，控制摄影机抓取持证人现场照片并保存；

所述人脸检测定位单元，分别从身份证照片和现场照片中检测、定位人脸区域；

图像标准化单元，对人脸区域中双眼瞳孔进行定位，将人脸区域中双眼瞳孔之间的距离设定为64像素，分别在身份证照片和现场照片中以双眼瞳孔连线中心为图像中心，分别截取240x320像素的人脸照片，得身份证的标准化人脸照片、现场照片的标准化人脸照片；对人脸区域中双眼瞳孔进行定位是采用图像标准化单元自动搜索瞳孔定位或人工点击瞳孔定位；

小波变换单元，对标准化人脸照片进行二维离散小波变换：标准化人脸照片被小波分解为四个子频带，得到第一层小波分解频带图，LL子频带是低频子带，它是标准化的人脸照片的低维近似；LH子带描述了标准化的人脸照片的水平方向高频特性；HL子带描述了标准化的人脸照片的竖直方向高频特性；HH子带描述了标准化的人脸照片对角线方向的特性；其中低频子带LL继续被小波分解为四个子频带，得到第二层小波分解频带图；

特征向量提取单元，用于提取标准化人脸照片的特征向量；对于240x320像素的标准化人脸照片2次小波分解后，每一频带大小为240/2^k×320/2^k，用m×m的网格区分割每个子频带为多个子块，然后计算每个子块的6个特征向量，即为标准化人脸照片的特征向量：

水平方向变量： $V_h=1/m(m-1)\underset{x=2}{\overset{m}{\mathrm{\Σ}}}\underset{y=1}{\overset{m}{\mathrm{\Σ}}}{(\mathrm{coef}(x,y)-\mathrm{coef}(x-1,y))}^2$

竖直方向变量： $V_v=1/m(m-1)\underset{x=1}{\overset{m}{\mathrm{\Σ}}}\underset{y=2}{\overset{m}{\mathrm{\Σ}}}{(\mathrm{coef}(x,y)-\mathrm{coef}(x,y-1))}^2$

45°方向变量： $V_{45}=1/(m-1)(m-1)\underset{x=2}{\overset{m}{\mathrm{\Σ}}}\underset{y=2}{\overset{m}{\mathrm{\Σ}}}{(\mathrm{coef}(x-1,y)-\mathrm{coef}(x,y-1))}^2$

135°方向变量： $V_{135}=1/(m-1)(m-1)\underset{x=2}{\overset{m}{\mathrm{\Σ}}}\underset{y=2}{\overset{m}{\mathrm{\Σ}}}{(\mathrm{coef}(x,y)-\mathrm{coef}(x-1,y-1))}^2$

每个子块的方差： $V_b=1/m\×m\underset{x=1}{\overset{m}{\mathrm{\Σ}}}\underset{y=1}{\overset{m}{\mathrm{\Σ}}}{(\mathrm{coef}(x,y)-E\left(A\right))}^2$

每个子块与其转置的平均值：V_r＝1/m×m(E(AA^T))

其中，coef(x，y)是在每个子块(x，y)位置的小波系数，A表示子块小波系数矩阵，m是网格的大小，优选m＝5，V_h、V_v、V₄₅、V₁₃₅分别为水平、竖直、45°、135°的方向向量，V_b为方差，V_r为A与A的转置乘积的平均值，总的特征向量维数为6/m²×240/2^k×320/2^k。

支持向量机单元，将持证人所持身份证照片的特征向量作为正样本，将现场照片的特征向量作为待测样本。此外，在支持向量机单元中储存有一定数量的带有身份证号码的身份证照片，本发明的支持向量机单元中储存有5000张或5000张以上的身份证照片，从中随机选取除所持身份证照片以外的50张或50张以上的照片作为负样本(通过核对身份证号码，将所持身份证照片从负样本中排除，以保证负样本中不含有所持身份证照片)。支持向量机单元根据正样本和负样本自动寻找分类超平面，当现场照片的特征向量处于分类超平面负样本侧时，则判断持证人身份与身份证信息不一致；当现场照片的特征向量处于分类超平面正样本侧时，则判断持证人身份与身份证信息一致。

一种基于二代身份证和人脸特征识别的身份验证系统的工作方法，步骤如下：

1)启动计算机内的验证软件，控制身份证读卡器读取身份证信息传输至计算机主机；

2)控制摄像机抓取持证人的现场照片传输至计算机；

3)分别定位身份证照片和现场照片的人脸区域；

4)分别获取身份证照片和现场照片的标准化人脸照片；

5)提取身份证照片的标准化人脸照片的特征向量；提取现场照片的标准化人脸照片的特征向量；

6)将身份证照片的特征向量作为正样本，将现场照片的特征向量作为待测样本，在支持向量机单元中储存有负样本，支持向量机单元根据正样本和负样本自动寻找分类超平面，当现场照片的特征向量处于分类超平面负样本侧时，则判断持证人身份与身份证信息不一致；当现场照片的特征向量处于分类超平面正样本侧时，则判断持证人身份与身份证信息一致；

7)若认同步骤6)所得的判断结果，则结束此次身份验证；若不认同步骤6)所得的判断结果，则返回步骤2)。

本发明的优点在于：

1.双重核验：本发明把二代身份证验证技术和人脸识别技术有机结合起来，实现了二代证验证和人脸特征比对识别的双重身份核验。

2.安全方便：个体人脸特征是具有唯一性、一定时期内不变的稳定性，极难伪造和假冒。利用人脸特征进行身份识别，无需任何其它形式的密码，所以，利用人脸识别技术进行身份认定，更加安全、可靠、方便。

3.本发明的人脸比对方法简单易行：对硬件要求低，没有过多的复杂运算和大量的数据存储；对比速度快，可以在绝大多数嵌入式设备上使用；识别率高，在一定的环境下识别率可达到90％以上。

4.本发明首先分别对身份证照片和现场照片处理为像素为240x320的标准化人脸照片，人眼坐标也标准化，从而保证人脸几何特征能够有效对齐。然后利用小波变换分离灰度信息和轮廓信息，并通过适当变换转化为180维特征向量。小波变换的好处是，分离灰度信息，可以进一步消除光照的不利影响。

5.本发明利用支持向量机算法，根据照片对应的特征向量，求出这些照片在180维特征空间对应的的特征区域。如果身份证照片对应的特征向量落在此区域内，即可判定持证人与身份证一致。

附图说明

图1是本发明的硬件连接示意图；其中，1、摄像机；2、计算机主机；3、身份证读卡器；

图2是本发明的工作流程图；

图3是标准化人脸照片的截取示意图；

图4是小波变换示意图；

图5是小波重构示意图；

图6是小波分解频带示意图；

图7是标准化人脸照片二层小波变换示意图；

图8是标准化人脸照片中一个频带的特征向量示意图；

图9为利用分类超平面判断持证人身份与身份证信息是否一致的原理图。

具体实施方式

下面结合实施例和说明书附图对本发明做详细的说明，但不限于此。

实施例1、

一种基于二代身份证和人脸特征识别的身份验证系统，包括硬件和验证软件，所述的硬件包括摄像机、计算机主机和身份证读卡器；所述的计算机主机内装载有验证软件，验证软件包括摄像单元、人脸检测定位单元、图像标准化单元，小波变换单元、特征向量提取单元和支持向量机单元；

身份证读卡器读取身份证信息并将其传输至计算机主机，所述身份证信息内包括身份证照片；

所述摄像单元，向摄影机发送控制命令，控制摄影机抓取持证人现场照片并保存；

所述人脸检测定位单元，分别从身份证照片和现场照片中检测、定位人脸区域；

所述图像标准化单元，对人脸区域中双眼瞳孔进行定位，如图3将人脸区域中双眼瞳孔之间的距离设定为64像素，分别在身份证照片和现场照片中以双眼瞳孔连线中心为图像中心，分别截取240x320像素的人脸照片，得身份证的标准化人脸照片、现场照片的标准化人脸照片；对人脸区域中双眼瞳孔进行定位是采用图像标准化单元自动搜索瞳孔定位或人工点击瞳孔定位；

为简化后续计算把检测到的人脸区域的尺寸、亮度、反差都标准化，步骤如下：

1、确定双眼瞳孔中心坐标，图像标准化单元自动搜索瞳孔定位

(1)训练神经网络检测识别身份证照片和现场照片中双眼的大致范围；

(2)利用图像积分算法确定双眼瞳孔精确坐标；

2、面部图像截取

(1)设定双眼瞳孔之间距离为64像素，计算身份证照片和现场照片的放缩比例；

(2)分别在身份证照片和现场照片中，以双眼瞳孔连线中心为标准化人脸照片中心，截取240x320像素的人脸照片；

(3)对人脸照片亮度直方图均衡化，使得照片灰度标准化，得标准化人脸照片。

对于正面人脸的检测测试表明，常规情形下检测准确率高于98％。

所述小波变换单元，如图6、7所示，对标准化人脸照片进行二维离散小波变换：标准化人脸照片被小波分解为四个子频带，得到第一层小波分解频带图，LL子频带是低频子带，它是标准化的人脸照片的低维近似；LH子频带描述了标准化的人脸照片的水平方向高频特性；HL子带描述了标准化的人脸照片的竖直方向高频特性；HH子带描述了标准化的人脸照片对角线方向的特性；其中低频子带LL继续被小波分解为四个子频带，得到第二层小波分解频带图；

利用小波变换对标准化人脸照片进行预处理，使人脸特征更加突出。本发明对标准化人脸照片进行二维离散小波变换，二维离散小波函数和尺度函数是通过一维小波函数和尺度函数经过张量变换得到的。二维小波基本的分解与重构步骤可以分别利用图4和图5表示。

所述特征向量提取单元，用于提取标准化人脸照片的特征向量；对于M×N像素的标准化人脸照片2次小波分解后，每一频带大小为M/2^k×N/2^k，其中M＝240，N＝320，用m×m的网格区分割每个子频带为多个子块，其中m＝5，然后计算每个子块的6个特征向量，即为标准化人脸照片的特征向量：

水平方向变量： $V_h=1/m(m-1)\underset{x=2}{\overset{m}{\mathrm{\Σ}}}\underset{y=1}{\overset{m}{\mathrm{\Σ}}}{(\mathrm{coef}(x,y)-\mathrm{coef}(x-1,y))}^2$

竖直方向变量： $V_v=1/m(m-1)\underset{x=1}{\overset{m}{\mathrm{\Σ}}}\underset{y=2}{\overset{m}{\mathrm{\Σ}}}{(\mathrm{coef}(x,y)-\mathrm{coef}(x,y-1))}^2$

45°方向变量： $V_{45}=1/(m-1)(m-1)\underset{x=2}{\overset{m}{\mathrm{\Σ}}}\underset{y=2}{\overset{m}{\mathrm{\Σ}}}{(\mathrm{coef}(x-1,y)-\mathrm{coef}(x,y-1))}^2$

135°方向变量： $V_{135}=1/(m-1)(m-1)\underset{x=2}{\overset{m}{\mathrm{\Σ}}}\underset{y=2}{\overset{m}{\mathrm{\Σ}}}{(\mathrm{coef}(x,y)-\mathrm{coef}(x-1,y-1))}^2$

每个子块的方差： $V_b=1/m\×m\underset{x=1}{\overset{m}{\mathrm{\Σ}}}\underset{y=1}{\overset{m}{\mathrm{\Σ}}}{(\mathrm{coef}(x,y)-E\left(A\right))}^2$

每个子块与其转置的平均值：V_r＝1/m×m(E(AA^T))

其中，coef(x，y)是在每个子块(x，y)位置的小波系数，A表示子块小波系数矩阵，m是网格的大小，V_h、V_v、V₄₅、V₁₃₅分别为水平、竖直、45°、135°的方向向量，V_b为方差，V_r为A与A的转置乘积的平均值，总的特征向量维数为6/m²×M/2^k×N/2^k。如图8所示为一个频带的特征向量图，其中横坐标是特征响量的维度序号，纵坐标是特征向量在该维度的分量值。

支持向量机单元，将持证人所持身份证照片的特征向量作为正样本，将现场照片的特征向量作为待测样本，在支持向量机单元中储存有负样本，支持向量机单元根据正样本和负样本自动寻找分类超平面，当现场照片的特征向量处于分类超平面负样本侧时，则判断持证人身份与身份证信息不一致；当现场照片的特征向量处于分类超平面正样本侧时，则判断持证人身份与身份证信息一致。

建立人脸特征数据训练集，构建支持向量机模型

本发明采用支持向量机(Support Vector Machine，SVM)方法进行最终的一致性判别。SVM要求一定规模的训练样本集作支持。本发明采用现场拍摄的持证人现场照片的特征向量作为正样本，在支持向量机单元中储存有负样本。

支持向量机(Support Vector Machine，SVM)是一种有监督的学习方法，支持向量机将正样本和负样本看作两个在2维空间的集合，然后自动寻找分类超平面将这个2维空间分成两个部分，使得正样本和负样本分别落在两个不同的半空间中，同时保证两个集合之间的间隔最大。

所谓间隔最大是指与正、负样本集合相切的两个平行的超平面之间的距离最大。如图9所示，超平面A对应的间隔2da就比超平面B对应的间隔2db要大，其中超平面A就是自动寻找到的分类超平面。

由图9中横坐标和纵坐标分别代表特征向量的两个分量，可见，对分类超平面起决定作用的只有那些决定间隔的少数几个数据，称这些有决定作用的数据为支持向量。这些向量决定了间隔的大小，也决定了最终的分类超平面。对于新输入的待测样本，即现场照片的标准化人脸照片的特征向量，通过判断其处于分类超平面的正样本侧或负样本侧，进而判断待测样本是正样本还是负样本。

实施例2、

一种基于二代身份证和人脸特征识别的身份验证系统的工作方法，步骤如下：

1)启动计算机内的验证软件，控制身份证读卡器读取身份证信息传输至计算机主机；

2)控制摄像机抓取持证人的现场照片传输至计算机；

3)分别定位身份证照片和现场照片的人脸区域；

4)分别获取身份证照片和现场照片的标准化人脸照片；

5)提取身份证照片的标准化人脸照片的特征向量；提取现场照片的标准化人脸照片的特征向量；

6)将身份证照片的特征向量作为正样本，将现场照片的特征向量作为待测样本，在支持向量机单元中储存有负样本，支持向量机单元根据正样本和负样本自动寻找分类超平面，当现场照片的特征向量处于分类超平面负样本侧时，则判断持证人身份与身份证信息不一致；当现场照片的特征向量处于分类超平面正样本侧时，则判断持证人身份与身份证信息一致；

7)若认同步骤6)所得的判断结果，则结束此次身份验证；若不认同步骤6)所得的判断结果，则返回步骤2)。

Claims (3)

1.一种基于二代身份证和人脸特征识别的身份验证系统，其特征在于，包括硬件和验证软件，所述的硬件包括摄像机、计算机主机和身份证读卡器；所述的计算机主机内装载有验证软件，验证软件包括摄像单元、人脸检测定位单元、图像标准化单元，小波变换单元、特征向量提取单元和支持向量机单元；

所述摄像单元，向摄影机发送控制命令，控制摄影机抓取持证人现场照片并保存；

所述人脸检测定位单元，分别从身份证照片和现场照片中检测、定位人脸区域；

图像标准化单元，对人脸区域中双眼瞳孔进行定位，将人脸区域中双眼瞳孔之间的距离设定为64像素，分别在身份证照片和现场照片中以双眼瞳孔连线中心为图像中心，分别截取240×320像素的人脸照片，得身份证的标准化人脸照片、现场照片的标准化人脸照片；

小波变换单元，对标准化人脸照片进行二维离散小波变换：标准化人脸照片被小波分解为四个子频带，得到第一层小波分解频带图，LL子频带是低频子带，它是标准化的人脸照片的低维近似；LH描述了标准化的人脸照片的水平方向高频特性；HL子带描述了标准化的人脸照片的竖直方向高频特性；HH子带描述了标准化的人脸照片对角线方向的特性；其中低频子带LL继续被小波分解为四个子频带，得到第二层小波分解频带图；

特征向量提取单元，用于提取标准化人脸照片的特征向量；对于240×320像素的标准化人脸照片2次小波分解后，每一频带大小为240/2^k×320/2^k，用m×m的网格区分割每个子频带为多个子块，然后计算每个子块的6个特征向量，即为标准化人脸照片的特征向量：

水平方向变量： $V_h=1/m(m-1)\underset{x=2}{\overset{m}{\mathrm{\Σ}}}\underset{y=1}{\overset{m}{\mathrm{\Σ}}}{(\mathrm{coef}(x,y)-\mathrm{coef}(x-1,y))}^2$

竖直方向变量： $V_v=1/m(m-1)\underset{x=1}{\overset{m}{\mathrm{\Σ}}}\underset{y=2}{\overset{m}{\mathrm{\Σ}}}{(\mathrm{coef}(x,y)-\mathrm{coef}(x,y-1))}^2$

45°方向变量： $V_{45}=1/(m-1)(m-1)\underset{x=2}{\overset{m}{\mathrm{\Σ}}}\underset{y=2}{\overset{m}{\mathrm{\Σ}}}{(\mathrm{coef}(x-1,y)-\mathrm{coef}(x,y-1))}^2$

135°方向变量： $V_{135}=1/(m-1)(m-1)\underset{x=2}{\overset{m}{\mathrm{\Σ}}}\underset{y=2}{\overset{m}{\mathrm{\Σ}}}{(\mathrm{coef}(x,y)-\mathrm{coef}(x-1,y-1))}^2$

每个子块的方差： $V_b=1/m\×m\underset{x=1}{\overset{m}{\mathrm{\Σ}}}\underset{y=1}{\overset{m}{\mathrm{\Σ}}}{(\mathrm{coef}(x,y)-E\left(A\right))}^2$

每个子块与其转置的平均值：V_r＝1/m×m(E(AA^T))

其中，coef(x，y)是在每个子块(x，y)位置的小波系数，A表示子块小波系数矩阵，m是网格的大小，其中m＝5，V_h、V_v、V₄₅、V₁₃₅分别为水平、竖直、45°、135°的方向向量，V_b为方差，V_r为A与A的转置乘积的平均值，总的特征向量维数为6/m²×240/2^k×320/2^k

支持向量机单元，将身份证照片的特征向量作为正样本，将现场照片的特征向量作为待测样本，在支持向量机单元中储存有负样本，支持向量机单元根据正样本和负样本自动寻找分类超平面，当现场照片的特征向量处于分类超平面负样本侧时，则判断持证人身份与身份证信息不一致；当现场照片的特征向量处于分类超平面正样本侧时，则判断持证人身份与身份证信息一致。

2.根据权利要求1所述的一种基于二代身份证和人脸特征识别的身份验证系统，其特征在于，对人脸区域中双眼瞳孔进行定位是采用图像标准化单元自动搜索瞳孔定位或人工点击瞳孔定位。

3.如权利要求1所述的一种基于二代身份证和人脸特征识别的身份验证系统的工作方法，其特征在于，工作方法如下：

1)启动计算机内的验证软件，控制身份证读卡器读取身份证信息传输至计算机主机；

2)控制摄像机抓取持证人的现场照片传输至计算机；

3)分别定位身份证照片和现场照片的人脸区域；

4)分别获取身份证照片和现场照片的标准化人脸照片；

5)提取身份证照片的标准化人脸照片的特征向量；提取现场照片的标准化人脸照片的特征向量；

6)将身份证照片的特征向量作为正样本，将现场照片的特征向量作为待测样本，在支持向量机单元中储存有负样本，支持向量机单元根据正样本和负样本自动寻找分类超平面，当现场照片的特征向量处于分类超平面负样本侧时，则判断持证人身份与身份证信息不一致；当现场照片的特征向量处于分类超平面正样本侧时，则判断持证人身份与身份证信息一致；

7)若认同步骤6)所得的判断结果，则结束此次身份验证；若不认同步骤6)所得的判断结果，则返回步骤2)。

Images