CN104112151A - 卡片信息的验证方法和装置 - Google Patents

Abstract

本发明实施例提供了一种卡片信息的验证方法和装置。该方法主要包括：通过射频读写器读取卡片芯片内部存储的用户信息，该用户信息包括文字信息A和用户图像B，通过验证拍照装置对所述卡片进行拍照，从拍照获取的图像信息中提取出打印在卡片的表面的文字信息C和用户图像I；通过文字识别技术将所述文字信息A和文字信息C进行比较验证，采用基于尺度不变特征变换SIFT局部特征描述算子的图像匹配算法对所述用户图像B和用户图像I进行比较验证。本发明实施例通过对卡片上用户图像进行验证，有效地防止了图像信息打印不正确或图像存在明显瑕疵的情况。

Description

卡片信息的验证方法和装置

技术领域

本发明涉及电子技术领域，尤其涉及一种卡片信息的验证方法和装置。

背景技术

卡片的个性化制作过程一般需要经过卡片表面信息的打印、芯片信息电写入、表面覆膜、检验、分拣等操作步骤。目前，通常采用的分散式的卡片证件制作设备中的上述各个操作步骤分别独立，在卡片打印过程中，打印在卡片中的用户信息包括姓名、性别和图像等固定信息和可变信息。在验证过程中，需要对上述固定信息和可变信息分别进行验证，现有技术中还没有一种能够同时对卡片中的姓名、性别和图像等所有固定信息和可变信息进行有效地的验证的方法。

发明内容

本发明的实施例提供了一种卡片信息的验证方法和装置，以实现有效地对卡片上的文字和图像信息进行有效地验证。

一种卡片信息的验证方法，包括：

通过射频读写器读取卡片芯片内部存储的用户信息和芯片序列号，该用户信息包括文字信息A和用户图像B，根据所述芯片序列号在主工控机的数据库中进行查询，获取所述数据库中存储的所述芯片序列号对应的用户信息，将所述射频读写器读取的用户信息和所述数据库中存储的用户信息进行验证；

当所述验证结果为一致后，通过验证拍照装置对所述卡片进行拍照，从拍照获取的图像信息中提取出打印在卡片的表面的文字信息C和用户图像I；

通过文字识别技术将所述文字信息A和文字信息C进行比较验证，采用基于尺度不变特征变换SIFT局部特征描述算子的图像匹配算法对所述用户图像B和用户图像I进行比较验证。

一种卡片信息的验证装置，包括：

信息获取模块，用于通过射频读写器读取卡片芯片内部存储的用户信息和芯片序列号，所述用户信息包括文字信息A和用户图像B，通过验证拍照装置对所述卡片进行拍照，从拍照获取的图像信息中提取出打印在卡片的表面的文字信息C和用户图像I；

芯片信息验证模块，用于根据所述芯片序列号在主工控机的数据库中进行查询，获取所述数据库中存储的所述芯片序列号对应的用户信息，将所述射频读写器读取的用户信息和所述数据库中存储的用户信息进行验证；

文字信息验证模块，用于通过文字识别技术将所述文字信息A和文字信息C进行比较验证；

图像信息验证模块，用于采用基于尺度不变特征变换SIFT局部特征描述算子的图像匹配算法对所述用户图像B和用户图像I进行比较验证。

由上述本发明的实施例提供的技术方案可以看出，本发明实施例可以通过多种验证方法同时对卡片中的姓名、性别、图像等所有固定信息和可变信息进行有效地的验证。通过对卡片上用户图像进行验证，有效地防止了图像信息打印不正确或图像存在明显瑕疵的情况。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例一提供的一种对卡片信息进行验证的方法的处理流程图；

图2为本发明实施例一提供的一种卡片证件制作设备的结构示意图；

图3为本发明实施例一提供的一种DOG关键点的获取原理示意图；

图4为本发明实施例二提供了一种卡片信息的验证装置的具体结构示意图。

具体实施方式

为便于对本发明实施例的理解，下面将结合附图以几个具体实施例为例做进一步的解释说明，且各个实施例并不构成对本发明实施例的限定。

实施例一

本发明实施例提供的一种对卡片信息进行验证的方法的处理流程如图1所示，包括如下的处理步骤：

步骤11、进卡装置从外部接收卡片，主工控机将该芯片序列号和原始坐标误差进行关联存储。

在图2所示的卡片证件制作设备中，包括：进卡装置、表面信息处理装置、覆膜装置、信息验证装置和卡片分拣装置，其中，信息验证装置中包括：验证装置1、验证装置2。主工控机通过系统总线与进卡装置、信息写入装置、验证装置1、验证装置2连接。所述主工控机包括工业控制计算机、存储器、总线接口板、电源接口和其他通讯接口。在存储器的数据库或通过网络可连接的远程数据库中存储了各个卡片中的芯片序列号和卡片用户的基本信息之间的对应关系，上述卡片用户的基本信息中包括姓名、照片、性别等固定信息，以及地址、职业等可变信息。

主工控机作为整个设备的控制核心，提供用户界面，通过控制程序对各个功能装置的处理过程进行统一控制，协调各功能装置协同工作，并接收各个功能装置反馈的运行状态信息。总线接口板直接连接工业控制计算机的系统总线，使工控机可以与系统总线通信，从而控制连接到系统总线上的各个功能装置。电源接口给主工控机各组成部分提供工作电源。

上述进卡装置包括装置控制器、总线通讯接口、电源接口、推卡装置、位置传感器、卡片拍照装置、边角识别装置、写卡台装置、电机、滚轮、运行轨道、皮带等部件。

上述进卡装置的运行过程主要包括：进卡装置从外部接收到卡片后，当卡片运行到指定的边角识别位置后，位置传感器感测到上述卡片，装置控制器向主工控机发送上述卡片到达边角识别位置的通知信息。主工控机通过装置控制器控制电机停止，卡片停留在设置在边角识别位置上方的拍照装置的视野范围内，拍照装置对卡片进行拍照，装置控制器将拍照得到的图像信息发送给主工控机。主工控机根据图像信息识别和提取卡片上的标识信息的坐标、卡片的边角信息的坐标，计算出上述标识信息的坐标和卡片的边角信息的坐标之间的差值，将该差值与预先设定的标准差值进行比较，获得原始坐标误差。

然后，主工控机重新驱动电机带动滚轮和皮带转动，进而带动卡片沿着运行轨道向前运行，所述卡片到达写卡台装置的位置，写卡台装置包括读写器和射频天线，该读写器通过射频天线读取卡片上的芯片序列号，装置控制器将该芯片序列号传送到主工控机，主工控机将该芯片序列号和最近接收到的上述原始坐标误差进行关联存储。

上述进卡装置将上述卡片传送给信息写入装置。

步骤12、信息写入装置将用户的可变信息打印在卡片的反面表面，将用户的固定信息打印在卡片的正面表面，将用户的全部信息写入到卡片的芯片中。

所述信息写入装置包括：装置控制器、电机、卡片打印机、卡片传送装置、射频天线、接卡装置、转向装置、废卡位。

主工控机检测到卡片打印机处于空闲状态后，将信息写入装置设置为允许进卡状态，信息写入装置中的接卡装置从外部接收卡片，转向装置将卡片旋转90度，卡片传送装置将卡片运送到读写器的射频天线位置，电机停止。读写器通过射频天线对卡片上的芯片序列号进行读取，装置控制器通过系统总线将芯片序列号发送到主工控机。若读写器读取芯片序列号失败，则将卡片送入废卡位。

主工控机根据芯片序列号在上述存储器的数据库中进行查询，获取和芯片序列号对应的卡片用户的基本信息中的姓名、性别、照片、指纹等固定信息。主工控机向装置控制器发送控制命令，该控制命令中携带了上述芯片序列号对应的上述原始坐标误差和上述用户的基本信息中的固定信息，装置控制器驱动打印机移动装置移动卡片打印机，将上述原始坐标误差输入给卡片打印机，并驱动卡片传送装置将卡片传送到卡片打印机位置。

然后，卡片打印机根据上述原始坐标误差信息将上述用户的基本信息中的部分或者全部固定信息打印到卡片的正面表面中的指定位置，通过读写器将卡片用户的全部基本信息写入到卡片上的芯片中，完成卡片上的芯片信息的电写入。上述打印到卡片的正面表面中的固定信息包括姓名、性别和照片。

主工控机通过装置控制器将上述芯片序列号对应的卡片用户的基本信息中的地址等可变信息传送给可擦写打印机，可擦写打印机以文字、条码或二维码的形式在卡片的反面表面的指定位置打印上述可变信息，打印完毕后，电机转动，卡片传送装置将卡片传送至信息验证装置。

步骤13、验证装置1通过射频读写器读取卡片芯片内部存储的用户信息，主工控机将验证装置1读取的用户信息和数据库中存储的对应的用户信息进行验证。

验证装置1通过射频读写器读取卡片芯片内部存储的用户信息，该用户信息包括姓名、性别、身份证号等固定的文字信息A，用户图像B等固定图像信息，以及可变信息。验证装置1还读取卡片上写入的芯片序列号。

验证装置1将读取的卡片芯片内部存储的用户信息和芯片序列号发送给工控机。主工控机根据芯片序列号在上述存储器的数据库中进行查询，获取和芯片序列号对应的卡片用户的基本信息，主工控机将上述验证装置1发送过来的用户信息和上述数据库中存储的用户信息进行验证，当验证结果为一致后，主工控机指示验证装置1继续后面的表面信息验证等操作过程；否则，主工控机指示上述卡片的芯片内部信息有误，将上述卡片作为费卡处理。

步骤14、验证装置1通过验证拍照装置对卡片拍照，通过文字识别技术将从芯片内部提取出的文字信息和从图像信息中提取出的文字信息进行比较验证。

验证装置1附带的验证拍照装置对上述卡片的正表面进行拍照，验证装置1从拍照获取的图像信息中提取出打印在卡片的正表面的姓名、性别、身份证号和用户图像I等固定信息。

对于上述信息A，验证装置1通过文字识别技术将从芯片内部提取出的姓名、性别、身份证号等固定信息和从图像信息中提取出的姓名、性别、身份证号等固定信息进行比较验证，从而验证打印是否正确，以及确认是否出现污损或瑕疵。

步骤15、信息验证装置采用基于尺度不变特征变换SIFT局部特征描述算子的图像匹配算法对所述用户图像B和用户图像I进行比较验证。

对于上述信息B，验证装置1使用拍照设备，采用基于相似度的图像匹配算法，来计算卡表面的用户图像I与实际图像信息B的相似度，验证用户图像I是否为该用户图像。

传统的图像比对往往通过直接提取角点或边缘局部特征来实现，对环境的适应能力较差。本发明实施例中采用SIFT（尺度不变特征变换，ScaleInvariant Feature ransform）局部特征描述算子，由于SIFT局部特征描述算子是基于尺度空间的，一定程度上具有对图像平移、缩放、视角、旋转保持不变性。因而实现了同一图片在不同时间、不同分辨率、不同光照、不同位姿情况下成像的匹配。

具体匹配过程如下：

比对对象预处理。包括对原图像B进行灰度化处理得到图像B₁对拍照所得图像I进行滤波去除噪声得到图像I₁。

对上述图像B₁和I₁，进行特征点检测和提取，获得B₁和I₁的图像数据元素矩阵分别是S_B1和S_I1。

1、对SB1和SI1进行高斯平滑处理。L(x,y,σ)＝G(x,y,σ)*I(x,y)

其中：I为图像数据元素矩阵即S_B1和S_I1。x，y为SB1和SI1的二维图像空间元素的空间横坐标和纵坐标，σ为尺度坐标。

G为高斯函数， $G(x_i,y_i,\mathrm{\σ})=\frac{1}{2\mathrm{\π}{\mathrm{\σ}}^2}\exp (-\frac{{(x-x_i)}^2+{(y-y_i)}^2}{2{\mathrm{\σ}}^2})$

x_i，y_i为高斯函数的作用中心，其中σ为高斯函数的宽度（正态分布的标准差），控制了函数的作用范围。

根据所选取的σ的不同取值，将所述图像S_B1变换成不同尺度的g₁个分组，其中g₁＝log₂(Min(M₁,N₁))-3，M₁为图像S_B1的行数，N₁为图像S_B1的列数，将所述图像S_I1变换成不同尺度的g₂个分组，其中g₂＝log₂(Min(M₂,N₂))-3，M₂为图像S_B1的行数，N₂为图像S_B1的列数。

2、在所述g₁个分组和g₂个分组内对图像进行采样，将每一个组的图像分别形成l个层。l＝3～5。

同时为保证尺度的连续性，小尺度组图像的底层是由前一组图像的倒数第二层图像隔点采样获得。

3、高斯差分（DOG）关键点检测。该实施例提供的一种DOG关键点的获取原理示意图如图3所述，DOG是通过上述g₁个分组和g₂个分组的l个层中的上下相邻两层的高斯尺度空间图像相减得到的。即利用高斯差分函数得到不同尺度对应的不同分组的DOG关键点，该DOG关键点可描绘出图像在不同尺度下的轮廓。

高斯差分函数表示为：

D(x,y,σ)＝[G(x,y,kσ)-G(x,y,σ)]*I(x,y)

其中：

G为高斯函数， $G(x_i,y_i,\mathrm{\σ})=\frac{1}{2\mathrm{\π}{\mathrm{\σ}}^2}\exp (-\frac{{(x-x_i)}^2+{(y-y_i)}^2}{2{\mathrm{\σ}}^2})$

k为两相邻尺度空间倍数的常数

4、DOG局部极值点检测。从上述各尺度关键点即轮廓信息中计算检索出极值点。这些点需满足在尺度空间和二维图像空间都为极值点。

5、特征点定位。对上述获得的极值点进一步筛选，根据每个极值点的对比度和稳定性从所述极值点中筛选出特征点，该特征点的对比度高于设定的对比度阈值，稳定性高于设定的稳定性阈值。

6、指定特征点方向。在特征点为中心的一定区域内采用梯度直方图统计法确定特征点的主方向和辅方向。梯度的表示如下：

$\mathrm{grad}I(x,y)=(\frac{\∂I}{\∂x},\frac{\∂I}{\∂y})$

$m(x,y)=\sqrt{{(L(x+1,y)-L(x-1,y))}^2+{(L(x,y+1)-L(x,y-1))}^2}$

$\mathrm{\θ}(x,y)={\tan }^{-1}\left[\frac{L(x,y+1)-L(x,y-1)}{L(x+1,y)-L(x-1,y)}\right]$

其中gradI(x,y)表示梯度，m(x,y)表示梯度的幅值，θ(x,y)表示梯度方向，L指一定尺度下的图像数据二维矩阵。

7、运用上述获得的g₁个分组和g₂个分组中的每个分组的特征点位置、尺度和方向，生成SB1和SI1的每个特征点的特征点描述子并进行规范化，得到SB1和SI1的每个特征点的特征描述子向量分别为L_B和L_I。L_B和L_I中各元素是一个128维的向量，代表每一个特征点的特征描述。

针对上述获得的SB1和SI1的每个特征点的特征描述子向量L_B和L_I，进行特征点的匹配验证。

计算所述L_B和L_I中各元素间的距离d；

$d_j=\sqrt{\underset{j=1}{\overset{128}{\mathrm{\Σ}}}{(L_{\mathrm{Bj}}-L_{\mathrm{Ij}})}^2}$

其中，L_Bj为L_B的第j个元素，L_Ij为L_I的第j个元素，d_j为L_Bj和L_Ij间的距离；

设d₁为所有d_j中的最短距离，d₂为所有d_j中的次短距离，设定匹配判断阈值Th，当满足d1/d2<Th时，则认为所述SB1和SI1的特征点匹配。

当所述SB1和SI1中匹配的特征点的数量占所有特征点的总数的比值达到了设定的阈值，比如为60%，则判断所述用户图像B和用户图像I符合；否则，判断所述用户图像B和用户图像I不符合，该卡片表面图像信息打印不正确或图像存在明显瑕疵。

步骤16、验证装置2对打印在卡片背面的条码或二维码信息等可变信息进行验证。

验证装置2附带的条码扫描设备对打印在卡片背面的条码或二维码信息进行扫描，提取出编码数据即原始文字信息。将该原始文字信息与验证装置1的读写器提取的可变信息进行比对，以验证条码或二维码的打印的是否正确，以及是否出现污损或瑕疵。

验证装置1、验证装置2将上述信息的验证结果传送给装置控制器，装置控制器再将验证结果传送给主工控机，主工控机确定上述文字信息、图像信息和可变信息的验证结果都合格通过后，验证装置2附带的拍照留存装置对卡片进行拍照，装置控制器将拍照留存装置拍照得到的图像信息传送到主工控机进行存档。在上述验证装置1或验证装置2的验证结果为不通过后，卡片将作为坏卡送入废卡槽。

实施例二

该实施例提供了一种卡片信息的验证装置，其具体结构如图4所示，具体可以包括：

信息获取模块41，用于通过射频读写器读取卡片芯片内部存储的用户信息和芯片序列号，该用户信息包括文字信息A和用户图像B，通过验证拍照装置对所述卡片进行拍照，从拍照获取的图像信息中提取出打印在卡片的表面的文字信息C和用户图像I；

芯片信息验证模块42，用于根据所述芯片序列号在主工控机的数据库中进行查询，获取所述数据库中存储的所述芯片序列号对应的用户信息，将所述射频读写器读取的用户信息和所述数据库中存储的用户信息进行验证；

文字信息验证模块43，用于通过文字识别技术将所述文字信息A和文字信息C进行比较验证；

图像信息验证模块44，用于采用基于尺度不变特征变换SIFT局部特征描述算子的图像匹配算法对所述用户图像B和用户图像I进行比较验证。

可变信息验证模块45，用于通过条码扫描设备对打印在卡片背面的条码或二维码信息进行扫描，提取出编码数据，所述射频读写器读取的卡片芯片内部存储的用户信息中还包括可变信息，将所述编码数据和所述可变信息进行验证，在验证结果为一致后，确定所述条码或二维码的打印正确；

在所述文字信息、图像信息和可变信息的验证结果都为一致后，主工控机确定所述卡片信息的验证结果为通过，通过拍照留存装置对卡片进行拍照，主工控机将拍照留存装置拍照得到的图像信息进行存档。

具体的，所述的图像信息验证模块44可以包括：

图像数据元素矩阵获取模块441，用于对所述用户图像B进行灰度化处理得到图像B₁，对所述用户图像I进行滤波去除噪声得到图像I₁；对所述图像B₁和I₁进行特征点检测和提取，获得B₁和I₁的图像数据元素矩阵分别是S_B1和S_I1；

特征点获取模块442，用于对所述S_B1和S_I1进行高斯平滑处理，将所述S_B1和S_I1分别变换成不同尺度的多个分组，对每个分组的图像进行采样、DOG关键点检测、DOG局部极值点检测、特征点定位和指定特征点方向处理；

特征描述子向量获取模块443，根据获取的S_B1和S_I1的每个分组的特征点的位置、尺度和方向，生成SB1和SI1的每个特征点的特征点描述子并进行规范化，得到SB1和SI1的每个特征点的特征描述子向量分别为L_B和L_I；

匹配判断模块444，用于对所述SB1和SI1的特征点的特征描述子向量L_B和L_I进行匹配验证，当所述特征描述子向量L_B和L_I匹配，则确定所述SB1和SI1的特征点匹配，当所述SB1和SI1中匹配的特征点的数量占所有特征点的总数的比值达到了设定的阈值，则判断所述用户图像B和用户图像I符合；否则，判断所述用户图像B和用户图像I不符合。

具体的，所述的图像数据元素矩阵获取模块441，具体用于对SB1和SI1进行高斯平滑处理：

L(x_i,y_i,σ)＝G(x,y,σ)*I(x,y)

所述G为高斯函数， $G(x_i,y_i,\mathrm{\&sigma;})=\frac{1}{2\mathrm{\&pi;}{\mathrm{\&sigma;}}^2}\exp (-\frac{{(x-x_i)}^2+{(y-y_i)}^2}{2{\mathrm{\&sigma;}}^2}),$ 所述I为图像数据元素矩阵即S_B1和S_I1，x，y为SB1和SI1的二维图像空间元素的空间横坐标和纵坐标，σ为尺度坐标；

$G(x_i,y_i,\mathrm{\&sigma;})=\frac{1}{2\mathrm{\&pi;}{\mathrm{\&sigma;}}^2}\exp (-\frac{{(x-x_i)}^2+{(y-y_i)}^2}{2{\mathrm{\&sigma;}}^2})$

x_i，y_i为高斯函数的作用中心，

根据所选取的σ的不同取值，将所述图像S_B1变换成不同尺度的g₁个分组，其中g₁＝log₂(Min(M₁,N₁))-3，M₁为图像S_B1的行数，N₁为图像S_B1的列数，将所述图像S_I1变换成不同尺度的g₂个分组，其中g₂＝log₂(Min(M₂,N₂))-3，M₂为图像S_B1的行数，N₂为图像S_B1的列数。

具体的，所述的特征点获取模块442，具体用于在所述g₁个分组和所述g₂个分组内对图像进行采样，将每一个组的图像分别形成l个层；

利用高斯差分函数将相邻尺度对应的相邻分组的高斯平滑后的图像相减，得到不同尺度对应的不同分组的DOG关键点；

D(x,y,σ)＝[G(x,y,kσ)-G(x,y,σ)]*I(x,y)

其中：G为高斯函数， $G(x_i,y_i,\mathrm{\&sigma;})=\frac{1}{2\mathrm{\&pi;}{\mathrm{\&sigma;}}^2}\exp (-\frac{{(x-x_i)}^2+{(y-y_i)}^2}{2{\mathrm{\&sigma;}}^2}),$ k为两相邻尺度空间倍数的常数；

从所述不同尺度对应的不同分组的DOG关键点中计算检索出极值点，该极值点在尺度空间和二维图像空间都为极值点，根据每个极值点的对比度和稳定性从所述极值点中筛选出特征点；

在所述特征点为中心的一定区域内采用梯度直方图统计法确定特征点的主方向和辅方向，所述梯度的表示如下：

$\mathrm{grad}I(x,y)=(\frac{\&PartialD;I}{\&PartialD;x},\frac{\&PartialD;I}{\&PartialD;y})$

$m(x,y)=\sqrt{{(L(x+1,y)-L(x-1,y))}^2+{(L(x,y+1)-L(x,y-1))}^2}$

$\mathrm{\&theta;}(x,y)={\tan }^{-1}\left[\frac{L(x,y+1)-L(x,y-1)}{L(x+1,y)-L(x-1,y)}\right]$

其中gradI(x,y)表示梯度，m(x,y)表示梯度的幅值，θ(x,y)表示梯度方向，L指一定尺度下的图像数据二维矩阵。

具体的，所述的匹配判断模块444，具体用于当所述SB1和SI1的特征点的特征描述子向量L_B和L_I中都包括128个元素时，计算所述L_B和L_I中各元素间的距离d；

$d_j=\sqrt{\underset{j=1}{\overset{128}{\mathrm{\&Sigma;}}}{(L_{\mathrm{Bj}}-L_{\mathrm{Ij}})}^2}$

其中，L_Bj为L_B的第j个元素，L_Ij为L_I的第j个元素，d_j为L_Bj和L_Ij间的距离；

设d₁为所有d_j中的最短距离，d₂为所有d_j中的次短距离，设定匹配判断阈值Th，当满足d1/d2<Th时，则认为所述SB1和SI1的特征点匹配。

用本发明实施例的装置进行卡片信息验证的具体过程与前述方法实施例类似，此处不再赘述。

本领域普通技术人员可以理解：附图只是一个实施例的示意图，附图中的装置或流程并不一定是实施本发明所必须的。

本领域普通技术人员可以理解：实施例中的设备中的装置可以按照实施例描述分布于实施例的设备中，也可以进行相应变化位于不同于本实施例的一个或多个设备中。上述实施例的装置可以合并为一个装置，也可以进一步拆分成多个子装置。

综上所述，本发明实施例可以通过多种验证方法同时对卡片中的姓名、性别、图像等所有固定信息和可变信息进行有效地的验证。通过对卡片上用户图像进行验证，有效地防止了图像信息打印不正确或图像存在明显瑕疵的情况。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (12)

1.一种卡片信息的验证方法，其特征在于，包括：

通过射频读写器读取卡片芯片内部存储的用户信息和芯片序列号，该用户信息包括文字信息A和用户图像B，根据所述芯片序列号在主工控机的数据库中进行查询，获取所述数据库中存储的所述芯片序列号对应的用户信息，将所述射频读写器读取的用户信息和所述数据库中存储的用户信息进行验证；

当所述验证结果为一致后，通过验证拍照装置对所述卡片进行拍照，从拍照获取的图像信息中提取出打印在卡片的表面的文字信息C和用户图像I；

通过文字识别技术将所述文字信息A和文字信息C进行比较验证，采用基于尺度不变特征变换SIFT局部特征描述算子的图像匹配算法对所述用户图像B和用户图像I进行比较验证。

2.根据权利要求1所述的卡片信息的验证方法，其特征在于，所述的采用基于尺度不变特征变换SIFT局部特征描述算子的图像匹配算法对所述用户图像B和用户图像I进行比较验证，包括：

对所述用户图像B进行灰度化处理得到图像B₁，对所述用户图像I进行滤波去除噪声得到图像I₁；对所述图像B₁和I₁进行特征点检测和提取，获得B₁和I₁的图像数据元素矩阵分别是S_B1和S_I1；

对所述SB1和SI1进行高斯平滑处理，将所述SB1和SI1分别变换成不同尺度的多个分组，对每个分组的图像进行采样、DOG关键点检测、DOG局部极值点检测、特征点定位和指定特征点方向处理；

根据获取的SB1和SI1的每个分组的特征点的位置、尺度和方向，生成SB1和SI1的每个特征点的特征点描述子并进行规范化，得到SB1和SI1的每个特征点的特征描述子向量分别为L_B和L_I；

对所述SB1和SI1的特征点的特征描述子向量L_B和L_I进行匹配验证，当所述特征描述子向量L_B和L_I匹配，则确定所述SB1和SI1的特征点匹配，当所述SB1和SI1中匹配的特征点的数量占所有特征点的总数的比值达到了设定的阈值，则判断所述用户图像B和用户图像I符合；否则，判断所述用户图像B和用户图像I不符合。

3.根据权利要求2所述的卡片信息的验证方法，其特征在于，所述的对所述SB1和SI1进行高斯平滑处理，将所述SB1和SI1分别变换成不同尺度的多个分组，包括：

对SB1和SI1进行高斯平滑处理：

L(x_i,y_i,σ)＝G(x,y,σ)*I(x,y)

所述G为高斯函数， $G(x_i,y_i,\mathrm{\&sigma;})=\frac{1}{2\mathrm{\&pi;}{\mathrm{\&sigma;}}^2}\exp (-\frac{{(x-x_i)}^2+{(y-y_i)}^2}{2{\mathrm{\&sigma;}}^2}),$ 所述I为图像数据元素矩阵即S_B1和S_I1，x，y为SB1和SI1的二维图像空间元素的空间横坐标和纵坐标，σ为尺度坐标；

$G(x_i,y_i,\mathrm{\&sigma;})=\frac{1}{2\mathrm{\&pi;}{\mathrm{\&sigma;}}^2}\exp (-\frac{{(x-x_i)}^2+{(y-y_i)}^2}{2{\mathrm{\&sigma;}}^2})$

x_i，y_i为高斯函数的作用中心，

根据所选取的σ的不同取值，将所述图像S_B1变换成不同尺度的g₁个分组，其中g₁＝log₂(Min(M₁,N₁))-3，M₁为图像S_B1的行数，N₁为图像S_B1的列数，将所述图像S_I1变换成不同尺度的g₂个分组，其中g₂＝log₂(Min(M₂,N₂))-3，M₂为图像S_B1的行数，N₂为图像S_B1的列数。

4.根据权利要求3所述的卡片信息的验证方法，其特征在于，所述的对每个分组的图像进行采样、DOG关键点检测、DOG局部极值点检测、特征点定位和指定特征点方向处理，包括：

在所述g₁个分组和所述g₂个分组内对图像进行采样，将每一个组的图像分别形成l个层；

利用高斯差分函数将相邻尺度对应的相邻分组的高斯平滑后的图像相减，得到不同尺度对应的不同分组的DOG关键点；

D(x,y,σ)＝[G(x,y,kσ)-G(x,y,σ)]*I(x,y)

其中：G为高斯函数， $G(x_i,y_i,\mathrm{\&sigma;})=\frac{1}{2\mathrm{\&pi;}{\mathrm{\&sigma;}}^2}\exp (-\frac{{(x-x_i)}^2+{(y-y_i)}^2}{2{\mathrm{\&sigma;}}^2}),$ k为两相邻尺度空间倍数的常数；

从所述不同尺度对应的不同分组的DOG关键点中计算检索出极值点，该极值点在尺度空间和二维图像空间都为极值点，根据每个极值点的对比度和稳定性从所述极值点中筛选出特征点；

在所述特征点为中心的一定区域内采用梯度直方图统计法确定特征点的主方向和辅方向，所述梯度的表示如下：

$\mathrm{grad}I(x,y)=(\frac{\&PartialD;I}{\&PartialD;x},\frac{\&PartialD;I}{\&PartialD;y})$

$m(x,y)=\sqrt{{(L(x+1,y)-L(x-1,y))}^2+{(L(x,y+1)-L(x,y-1))}^2}$

$\mathrm{\&theta;}(x,y)={\tan }^{-1}\left[\frac{L(x,y+1)-L(x,y-1)}{L(x+1,y)-L(x-1,y)}\right]$

其中gradI(x,y)表示梯度，m(x,y)表示梯度的幅值，θ(x,y)表示梯度方向，L指一定尺度下的图像数据二维矩阵。

5.根据权利要求4所述的卡片信息的验证方法，其特征在于，所述的对所述SB1和SI1的特征点的特征描述子向量L_B和L_I进行匹配验证，当所述特征描述子向量L_B和L_I匹配，则确定所述SB1和SI1的特征点匹配，包括：

所述SB1和SI1的特征点的特征描述子向量L_B和L_I中都包括128个元素，计算所述L_B和L_I中各元素间的距离d；

$d_j=\sqrt{\underset{j=1}{\overset{128}{\mathrm{\&Sigma;}}}{(L_{\mathrm{Bj}}-L_{\mathrm{Ij}})}^2}$

其中，L_Bj为L_B的第j个元素，L_Ij为L_I的第j个元素，d_j为L_Bj和L_Ij间的距离；

设d₁为所有d_j中的最短距离，d₂为所有d_j中的次短距离，设定匹配判断阈值Th，当满足d1/d2<Th时，则认为所述SB1和SI1的特征点匹配。

6.根据权利要求1至5任一项所述的卡片信息的验证方法，其特征在于，所述的方法还包括：

所述射频读写器读取的卡片芯片内部存储的用户信息中还包括可变信息，通过条码扫描设备对打印在卡片背面的条码或二维码信息进行扫描，提取出编码数据，将所述编码数据和所述可变信息进行验证，在验证结果为一致后，确定所述条码或二维码的打印正确；

在所述文字信息、图像信息和可变信息的验证结果都为一致后，主工控机确定所述卡片信息的验证结果为通过，通过拍照留存装置对卡片进行拍照，主工控机将拍照留存装置拍照得到的图像信息进行存档。

7.一种卡片信息的验证装置，其特征在于，包括：

信息获取模块，用于通过射频读写器读取卡片芯片内部存储的用户信息和芯片序列号，所述用户信息包括文字信息A和用户图像B，通过验证拍照装置对所述卡片进行拍照，从拍照获取的图像信息中提取出打印在卡片的表面的文字信息C和用户图像I；

芯片信息验证模块，用于根据所述芯片序列号在主工控机的数据库中进行查询，获取所述数据库中存储的所述芯片序列号对应的用户信息，将所述射频读写器读取的用户信息和所述数据库中存储的用户信息进行验证；

文字信息验证模块，用于通过文字识别技术将所述文字信息A和文字信息C进行比较验证；

图像信息验证模块，用于采用基于尺度不变特征变换SIFT局部特征描述算子的图像匹配算法对所述用户图像B和用户图像I进行比较验证。

8.根据权利要求7所述的卡片信息的验证装置，其特征在于，所述的装置还包括：

可变信息验证模块，用于通过条码扫描设备对打印在卡片背面的条码或二维码信息进行扫描，提取出编码数据，所述射频读写器读取的卡片芯片内部存储的用户信息中还包括可变信息，将所述编码数据和所述可变信息进行验证，在验证结果为一致后，确定所述条码或二维码的打印正确；

在所述文字信息、图像信息和可变信息的验证结果都为一致后，主工控机确定所述卡片信息的验证结果为通过，通过拍照留存装置对卡片进行拍照，主工控机将拍照留存装置拍照得到的图像信息进行存档。

9.根据权利要求7或8所述的卡片信息的验证装置，其特征在于，所述的图像信息验证模块包括：

图像数据元素矩阵获取模块，用于对所述用户图像B进行灰度化处理得到图像B₁，对所述用户图像I进行滤波去除噪声得到图像I₁；对所述图像B₁和I₁进行特征点检测和提取，获得B₁和I₁的图像数据元素矩阵分别是S_B1和S_I1；

特征点获取模块，用于对所述S_B1和S_I1进行高斯平滑处理，将所述S_B1和S_I1分别变换成不同尺度的多个分组，对每个分组的图像进行采样、DOG关键点检测、DOG局部极值点检测、特征点定位和指定特征点方向处理；

特征描述子向量获取模块，根据获取的S_B1和S_I1的每个分组的特征点的位置、尺度和方向，生成SB1和SI1的每个特征点的特征点描述子并进行规范化，得到SB1和SI1的每个特征点的特征描述子向量分别为L_B和L_I；

匹配判断模块，用于对所述SB1和SI1的特征点的特征描述子向量L_B和L_I进行匹配验证，当所述特征描述子向量L_B和L_I匹配，则确定所述SB1和SI1的特征点匹配，当所述SB1和SI1中匹配的特征点的数量占所有特征点的总数的比值达到了设定的阈值，则判断所述用户图像B和用户图像I符合；否则，判断所述用户图像B和用户图像I不符合。

10.根据权利要求9所述的卡片信息的验证装置，其特征在于：

所述的图像数据元素矩阵获取模块，具体用于对SB1和SI1进行高斯平滑处理：

L(x_i,y_i,σ)＝G(x,y,σ)*I(x,y)

所述G为高斯函数， $G(x_i,y_i,\mathrm{\&sigma;})=\frac{1}{2\mathrm{\&pi;}{\mathrm{\&sigma;}}^2}\exp (-\frac{{(x-x_i)}^2+{(y-y_i)}^2}{2{\mathrm{\&sigma;}}^2}),$ 所述I为图像数据元素矩阵即S_B1和S_I1，x，y为SB1和SI1的二维图像空间元素的空间横坐标和纵坐标，σ为尺度坐标；

$G(x_i,y_i,\mathrm{\&sigma;})=\frac{1}{2\mathrm{\&pi;}{\mathrm{\&sigma;}}^2}\exp (-\frac{{(x-x_i)}^2+{(y-y_i)}^2}{2{\mathrm{\&sigma;}}^2})$

x_i，y_i为高斯函数的作用中心，

根据所选取的σ的不同取值，将所述图像S_B1变换成不同尺度的g₁个分组，其中g₁＝log₂(Min(M₁,N₁))-3，M₁为图像S_B1的行数，N₁为图像S_B1的列数，将所述图像S_I1变换成不同尺度的g₂个分组，其中g₂＝log₂(Min(M₂,N₂))-3，M₂为图像S_B1的行数，N₂为图像S_B1的列数。

11.根据权利要求10所述的卡片信息的验证装置，其特征在于：

所述的特征点获取模块，具体用于在所述g₁个分组和所述g₂个分组内对图像进行采样，将每一个组的图像分别形成l个层；

利用高斯差分函数将相邻尺度对应的相邻分组的高斯平滑后的图像相减，得到不同尺度对应的不同分组的DOG关键点；

D(x,y,σ)＝[G(x,y,kσ)-G(x,y,σ)]*I(x,y)

其中：G为高斯函数， $G(x_i,y_i,\mathrm{\&sigma;})=\frac{1}{2\mathrm{\&pi;}{\mathrm{\&sigma;}}^2}\exp (-\frac{{(x-x_i)}^2+{(y-y_i)}^2}{2{\mathrm{\&sigma;}}^2}),$ k为两相邻尺度空间倍数的常数；

从所述不同尺度对应的不同分组的DOG关键点中计算检索出极值点，该极值点在尺度空间和二维图像空间都为极值点，根据每个极值点的对比度和稳定性从所述极值点中筛选出特征点；

在所述特征点为中心的一定区域内采用梯度直方图统计法确定特征点的主方向和辅方向，所述梯度的表示如下：

$\mathrm{grad}I(x,y)=(\frac{\&PartialD;I}{\&PartialD;x},\frac{\&PartialD;I}{\&PartialD;y})$

$m(x,y)=\sqrt{{(L(x+1,y)-L(x-1,y))}^2+{(L(x,y+1)-L(x,y-1))}^2}$

$\mathrm{\&theta;}(x,y)={\tan }^{-1}\left[\frac{L(x,y+1)-L(x,y-1)}{L(x+1,y)-L(x-1,y)}\right]$

其中gradI(x,y)表示梯度，m(x,y)表示梯度的幅值，θ(x,y)表示梯度方向，L指一定尺度下的图像数据二维矩阵。

12.根据权利要求11所述的卡片信息的验证装置，其特征在于：

所述的匹配判断模块，具体用于当所述SB1和SI1的特征点的特征描述子向量L_B和L_I中都包括128个元素时，计算所述L_B和L_I中各元素间的距离d；

$d_j=\sqrt{\underset{j=1}{\overset{128}{\mathrm{\&Sigma;}}}{(L_{\mathrm{Bj}}-L_{\mathrm{Ij}})}^2}$

其中，L_Bj为L_B的第j个元素，L_Ij为L_I的第j个元素，d_j为L_Bj和L_Ij间的距离；

设d₁为所有d_j中的最短距离，d₂为所有d_j中的次短距离，设定匹配判断阈值Th，当满足d1/d2<Th时，则认为所述SB1和SI1的特征点匹配。