CN104680131B - 基于身份证件信息和人脸多重特征识别的身份验证方法 - Google Patents
基于身份证件信息和人脸多重特征识别的身份验证方法 Download PDFInfo
- Publication number
- CN104680131B CN104680131B CN201510047655.9A CN201510047655A CN104680131B CN 104680131 B CN104680131 B CN 104680131B CN 201510047655 A CN201510047655 A CN 201510047655A CN 104680131 B CN104680131 B CN 104680131B
- Authority
- CN
- China
- Prior art keywords
- face
- age
- facial image
- gender
- identity
- 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
Links
Landscapes
- Collating Specific Patterns (AREA)
Abstract
本发明公开了一种基于身份证件信息和人脸多重特征识别的身份验证方法及系统,方法包括:(a)获取身份证件关联的人脸图像和身份信息,并进一步获取证件所属人的性别、年龄信息;(b)采集证件持有人的现场高清人脸图像;(c)判断现场高清人脸图像的性别,并计算与证件所属人的性别匹配度;(d)评估现场高清人脸图像的年龄,并计算与证件所属人的年龄匹配度;(e)比较现场高清人脸图像与身份证件关联人脸图像,获取人脸匹配度;(f)综合人脸匹配度、性别匹配度和年龄匹配度,进行身份判定,获取身份验证结果。本发明是一种综合利用身份证件关联的身份信息与现场采集的高清人脸图像,实现更高准确率的身份验证方法及系统。
Description
技术领域
本发明涉及身份识别技术领域,尤其涉及一种综合利用身份证件关联的身份信息与现场采集的高清人脸图像,实现更高准确率的基于身份证件信息和人脸多重特征识别的身份验证方法及系统。
背景技术
现有基于人脸识别的二代身份证验证仅仅采用身份证内存储的人脸图像,通过与现场采集的人脸图像进行比对达到身份验证的目的(即,判断身份证件持有人与证件所属人是否为同一人)。由于二代证内存储的人脸图像分辨率较低(102x126像素),同时证内存储照片与现场采集照片的时间跨度可能较大,仅仅通过对比证内存储的人脸图像与现场采集的人脸图像实现身份验证,在准确率上受到限制。即使在能够通过网络获取高清晰度、原始身份证照片的场景下,由于时间跨度等带来的人脸外貌差距,也仍然对单纯基于人脸比对的身份验证带来困难。另一方面,通过从身份证件中读取的身份关联信息,比如,二代身份证中的身份证号码,可以提取出证件所属人的性别和出生日期等信息,从而间接得到证件所属人的年龄信息。
目前第二代居民身份证在全国范围内已经普及,由于二代证采用了非接触式IC智能芯片来存储身份证唯一编号、人脸图像和其它基本身份信息,使得结合二代证上身份信息的应用逐步推广开来。基于二代证中照片的人脸识别成为近年来兴起的一种新应用,其技术方案通常为:(1)通过二代身份证读卡器,读取二代身份证中存储的人脸图像,(2)通过现场安装的摄像头采集证件持有人的人脸图像,以及(3)通过人脸特征提取与模式识别算法,比较二代证存储的人脸图像与现场采集人脸图像的相似度,判定证内照片与现场图像是否为同一人。
中国专利文件CN202472696U公开了一种基于二代身份证和人脸特征识别的身份验证系统。该系统采用小波变换对证内人脸图像和现场人脸图像进行特征提取,采用支持向量机对提取的图像特征进行比对,依据相似度实现身份判定。
中国专利文件CN102902959A公开了一种基于二代身份证存储证件照的人脸识别方法与系统。针对证内存储照片与现场采集图像在分辨率上的差异,该方法采用人脸局部特征与整体特征相结合的方式进行人脸图像的比对,以提高身份判定的准确度。
现有技术的一个共同缺点为仅基于二代身份证存储的人脸图像与现场人脸图像进行身份验证。由于二代证内存储的人脸图像分辨率较低(102x126像素),同时证内存储照片与现场采集照片的时间跨度可能较大,仅仅通过对比证内存储的人脸图像与现场采集的人脸图像实现身份验证,在准确率上受到限制。尽管现场采集的人脸图像可以达到高分辨率,但由于需要与低分辨率的证内照片进行比对,其信息量并未得到充分利用。事实上,现有技术往往在对高清人脸图像降低采样率后进行特征提取,以实现与身份证内低清人脸图像的比对。即使在能够通过网络获取高清晰度、原始身份证照片的场景下,由于时间跨度等带来的人脸外貌差距,也仍然对单纯基于人脸比对的身份验证带来困难。
通过身份证件读取设备,可以读取除人脸图像外的其它信息。比如,二代身份证号码第7-14位标明的是身份证所属人员的出生年月日,倒数第2位是性别识别码。因此,通过身份证号码,可以提取证件所属人的性别和出生年月,从而间接获取证件所属人的年龄信息。另一方面,通过对现场高清人脸图像进行多重特征分析,可以有效估计证件持有人的性别与年龄。通过综合分析上述信息,可以更准确的判定证件持有人是否为证件所属人。现有技术均没有考虑上述信息。
如何综合利用身份证件关联的身份信息与现场采集的高清人脸图像,实现更高准确率的身份验证,是本发明所要解决的技术问题。
发明内容
本发明的目的之一是提供一种综合利用身份证件关联的身份信息与现场采集的高清人脸图像,实现更高准确率的基于身份证件信息和人脸多重特征识别的身份验证方法。
本发明的目的之二是提供一种综合利用身份证件关联的身份信息与现场采集的高清人脸图像,实现更高准确率的基于身份证件信息和人脸多重特征识别的身份验证系统。
为了实现上述目的之一,本发明公开了一种基于身份证件信息和人脸多重特征识别的身份验证方法,包括:
(a)身份证件信息获取步骤,获取身份证件关联的人脸图像和身份信息,并进一步获取证件所属人的性别、年龄信息;
(b)现场人脸图像采集步骤,采集证件持有人的现场高清人脸图像;
(c)性别识别步骤,判断现场高清人脸图像的性别,并计算与证件所属人的性别匹配度;
(d)年龄识别步骤,评估现场高清人脸图像的年龄,并计算与证件所属人的年龄匹配度;
(e)人脸识别步骤,比较现场高清人脸图像与身份证件关联人脸图像,获取人脸匹配度;
(f)身份判定步骤,综合人脸匹配度、性别匹配度和年龄匹配度,进行身份判定,获取身份验证结果。
在步骤(a)中,其中人脸图像通过读取证件内存储的低清人脸图像,或通过网络获取原始身份证件照片、护照照片的场景。
在步骤(e)中,从身份证件读卡器获取的低清人脸图像与现场采集的高清人脸图像通过人脸检测定位人脸,对检测到的人脸进行人脸对比识别,获得人脸匹配度。
所述人脸匹配度、性别匹配度和年龄匹配度均表示为概率结果,以F、S、A分别代表上述结果,则0≤F≤1,0≤S≤1,0≤A≤1,综合三个匹配度结果获得最终的身份验证结果,其中一种综合的方式为三个匹配度的乘积,即:T=F*S*A,若T>预定义门限,则身份验证通过,否则身份验证未通过,且还可以调整该三个匹配度在身份验证结果中的作用。
在步骤(c中),性别识别可利用不同性别的人脸训练数据,通过线性判决分析(Linear Discriminant Analysis)提取最具有判决特性的人脸特征,也可以通过对人脸图像预处理,提取对性别识别重要的人脸特征,由主成分分析的方法进行特征向量的选择,再通过训练支持向量机(Support Vector Machine)分类器实现性别识别。其中人脸特征可能包含整体特征,如通过类Haar基提取的整体特征,和局部特征,如通过局域二值模式(LocalBinary Pattern)提取的反映局部人脸形状及纹理的特征。
在步骤(e)中,可通过包含同一人脸在不同年龄段照片的训练数据集,提取不随年龄变化的人脸特征,人脸形状特征和眼、鼻、嘴部特征,通过训练支持向量机或神经网络等方法实现高准确度的人脸匹配。
在步骤(d)中,通过从身份证件中获取的性别信息提高年龄识别的精度,可以通过不同性别的人脸训练数据,分别生成针对男性的年龄函数和针对女性的年龄函数,如果从身份证中获取的性别信息为男性,则采用男性的年龄函数,反之则采用女性的年龄函数。
在步骤(d)中,通过年龄识别,对高清人脸图像进行年龄估计,从而得到一个估计的现场高清人脸图像与身份证件人脸图像的年龄差距,基于该年龄差距,通过年龄变换,将低清人脸图像进行上采样,再利用基于人脸特征点的形状变化函数得到目标年龄的人脸形状,通过基于Gabor滤波从高清人脸图像中提取纹理特征,叠加后获取目标年龄的人脸重构图像,再将年龄变换后的低清人脸图像与下采样后的高清人脸图像进行人脸比对,获得人脸匹配度。
为了实现上述目的之二,本发明提供的技术方案为:提供一种基于身份证件信息和人脸多重特征识别的身份验证系统,其特征在于,包括:
身份证件信息获取模块,用于获取身份证件关联的人脸图像和身份信息,并进一步获取证件所属人的性别、年龄信息;
现场人脸图像采集模块,用于采集证件持有人的现场高清人脸图像;
性别识别模块,用于判断现场高清人脸图像的性别,并计算与证件所属人的性别匹配度;
年龄识别模块,用于评估现场高清人脸图像的年龄,并计算与证件所属人的年龄匹配度;
人脸识别模块,用于比较现场高清人脸图像与身份证件关联人脸图像,获取人脸匹配度;
身份判定模块,用于综合人脸匹配度、性别匹配度和年龄匹配度,进行身份判定,获取身份验证结果。
身份证件信息获取模块中,其中人脸图像通过读取证件内存储的低清人脸图像,或通过网络获取原始身份证件照片、护照照片的场景。
人脸识别模块用于从身份证件读卡器获取的低清人脸图像与现场采集的高清人脸图像通过人脸检测定位人脸,对检测到的人脸进行人脸对比识别,获得人脸匹配度。
所述人脸匹配度、性别匹配度和年龄匹配度均表示为概率结果,以F、S、A分别代表上述结果,则0≤F≤1,0≤S≤1,0≤A≤1,综合三个匹配度结果获得最终的身份验证结果,其中一种综合的方式为三个匹配度的乘积,即:T=F*S*A,若T>预定义门限,则身份验证通过,否则身份验证未通过,且还可以调整该三个匹配度在身份验证结果中的作用。
性别识别模块用于利用不同性别的人脸训练数据,通过线性判决分析(LinearDiscriminant Analysis)提取最具有判决特性的人脸特征,也可以通过对人脸图像预处理,提取对性别识别重要的人脸特征,由主成分分析的方法进行特征向量的选择,再通过训练支持向量机(Support Vector Machine)分类器实现性别识别。其中人脸特征可能包含整体特征,如通过类Haar基提取的整体特征,和局部特征,通过局域二值模式(Local BinaryPattern)提取的反映局部人脸形状及纹理的特征。
人脸识别模块用于通过包含同一人脸在不同年龄段照片的训练数据集,提取不随年龄变化的人脸特征,人脸形状特征和眼、鼻、嘴部特征,通过训练支持向量机或神经网络等方法实现高准确度的人脸匹配。
年龄识别模块用于通过从身份证件中获取的性别信息提高年龄识别的精度,可以通过不同性别的人脸训练数据,分别生成针对男性的年龄函数和针对女性的年龄函数,如果从身份证件中获取的性别信息为男性,则采用男性的年龄函数,反之则采用女性的年龄函数。
年龄识别模块用于通过年龄识别,对高清人脸图像进行年龄估计,从而得到一个估计的现场高清人脸图像与身份证件人脸图像的年龄差距,基于该年龄差距,通过年龄变换,将低清人脸图像进行上采样,再利用基于人脸特征点的形状变化函数得到目标年龄的人脸形状,通过基于Gabor滤波从高清人脸图像中提取纹理特征,叠加后获取目标年龄的人脸重构图像,再将年龄变换后的低清人脸图像与下采样后的高清人脸图像进行人脸比对,获得人脸匹配度。
与现有技术相比,本发明提出了基于身份证件信息和人脸多重特征识别的身份验证方法及系统,具体而言,本发明利用身份证存储的低清人脸图像以及从文字信息中获取的性别年龄信息,通过对现场采集的高清人脸图像进行包括性别、年龄在内的多重特征识别,进行综合分析,从而提高身份验证的准确率。本发明的关键在于利用二代身份证中存储的人脸和性别、年龄等信息,对现场采集的高清人脸图像进行多重特征分析,包括对高清人脸图像的性别识别、年龄识别,以及高清人脸图像与身份证存储的低清人脸图像的比对,最后通过对匹配度的综合实现身份验证,对于具体的性别识别,年龄识别,以及人脸比对,则并不限于采用某一种方法。
通过以下的描述并结合附图,本发明将变得更加清晰,这些附图用于解释本发明的实施例。
附图说明
图1所示为基于身份证件信息和人脸多重特征识别的身份验证方法的一个实施例的流程框图。
图2所示为基于身份证件信息和人脸多重特征识别的身份验证方法的一个实施例的流程框图。
图3所示为基于身份证件信息和人脸多重特征识别的身份验证系统的模块图。
具体实施方式
现在参考附图描述本发明的实施例,附图中类似的元件标号代表类似的元件。如上所述,如图1所示的实施例中,本发明提出了一种基于身份证件信息和人脸多重特征识别的身份验证方法。具体而言,本发明利用身份证中存储的人脸图像以及从文字信息中获取的性别年龄信息,通过对现场采集的高清人脸图像进行包括性别、年龄在内的多重特征识别,进行综合分析,从而提高身份验证的准确率。
本发明实施例提供的技术方案包括:
(a)获取身份证件关联的人脸图像和身份信息,并进一步获取证件所属人的性别、年龄信息;
(b)采集证件持有人的现场高清人脸图像;
(c)判断现场高清人脸图像的性别,并计算与证件所属人的性别匹配度;
(d)评估现场高清人脸图像的年龄,并计算与证件所属人的年龄匹配度;
(e)比较现场高清人脸图像与身份证件关联人脸图像,获取人脸匹配度;
(f)综合人脸匹配度、性别匹配度和年龄匹配度,进行身份判定,获取身份验证结果。
一个实施例中,针对第二代居民身份证的身份验证。在本实施例中,可通过身份证读卡器获取身份证IC卡中存储的身份证照片和身份证号码,并通过身份证号码获取证件所属人的性别、年龄信息。比如,二代身份证号码第7-14位标明的是身份证所属人员的出生年月日,倒数第2位是性别识别码,通过提取证件所属人的出生年月,可以计算证件所属人在验证当时的年龄。
一个实施例中,针对第二代居民身份证的身份验证。其中证件照片通过读取证内存储的低清人脸照片,在此并非通过身份证读卡器获取身份证IC卡中存储的身份证照片和身份证号码,而是通过网络获取原始身份证照片的场景,以及其它身份证件如护照、驾驶证等证件的身份验证场景。
如图1所示的实施例中,从身份证读卡器获取的低清人脸图像与现场采集的高清人脸图像通过人脸检测定位人脸,对检测到的人脸进行人脸对比识别,获得人脸匹配度。同时,对高清人脸图像进行性别与年龄识别,并于从身份证中获取的性别、年龄信息进行比对,获得性别匹配度与年龄匹配度;并对人脸匹配度、性别匹配度和年龄匹配度进行身份判定,而在身份判定步骤中,根据预先定义的判决标准输出身份验证结果。
如图1所示的实施例中,人脸匹配度、性别匹配度和年龄匹配度均表示为概率结果,如果以F,S,A分别代表上述结果,则0≤F≤1,0≤S≤1,0≤A≤1。对身份进行综合判定,而判定结果获得最终的身份验证结果。具体地,一种综合的方式为三个匹配度的乘积,即:T=F*S*A,若T>预定义门限,则身份验证通过,否则身份验证未通过。此外,还可以有其它综合方式可以用来调整不同匹配度在身份验证结果中的作用,比如:T=F*S*A2,可用来降低当性别匹配度较低时的身份验证通过率;T=F*Sx*A,x<1,则可用来降低年龄匹配度在总体判定中的权重。也即是说,可以根据具体情况,适当提高或者降低三个匹配度中的任一个的权重。
性别识别可利用不同性别的人脸训练数据,通过线性判决分析(LinearDiscriminant Analysis)提取最具有判决特性的人脸特征,也可以通过对人脸图像预处理,提取对性别识别重要的人脸特征,由主成分分析的方法进行特征向量的选择,再通过训练支持向量机(Support Vector Machine)分类器实现性别识别。其中人脸特征可能包含整体特征,如通过类Haar基提取的整体特征,和局部特征,如通过局域二值模式(LocalBinary Pattern)提取的反映局部人脸形状及纹理的特征。
类似的,年龄识别步骤中,可以通过不同年龄段人脸的训练数据,通过局域二值模式提取人脸纹理特征,由主成分分析的方法进行特征向量的选择,然后送入支持向量机回归函数中进行训练,得到全局的年龄函数,从而建立人脸纹理特征与年龄的对应关系。
人脸识别步骤中,则可以通过包含同一人脸在不同年龄段照片的训练数据集,提取不随年龄变化的人脸特征,如人脸形状特征和眼、鼻、嘴部特征,通过训练支持向量机或神经网络等方法实现高准确度的人脸匹配。
值得指出的是,本发明的关键在于利用二代身份证中存储的低清人脸照片和性别、年龄等信息,对现场采集的高清人脸图像进行多重特征分析,包括对高清人脸图像的性别识别、年龄识别,以及高清人脸图像与身份证内低清人脸图像的比对,最后通过对匹配度的综合实现身份验证。对于具体的性别识别,年龄识别,以及人脸比对,则并不限于采用某一种方法。
在本发明的另一实施例中,如图2所示,可以通过从身份证中获取的性别信息提高年龄识别的精度。具体而言,可以通过不同性别的人脸训练数据,分别生成针对男性的年龄函数和针对女性的年龄函数。如果从身份证中获取的性别信息为男性,则采用男性的年龄函数,反之则采用女性的年龄函数。
进一步的,通过年龄识别,可以得到一个对高清人脸图像的年龄估计,从而得到一个估计的现场高清人脸图像与身份证人脸图像的年龄差距。基于该年龄差距,可以通过年龄变换,将低清人脸图像进行上采样(如2x2上采样),再利用基于人脸特征点的形状变化函数得到目标年龄的人脸形状,通过基于Gabor滤波从高清人脸图像中提取纹理特征,叠加后获取目标年龄的人脸重构图像,再将年龄变换后的低清人脸图像与下采样后的高清人脸图像进行人脸比对,获得人脸匹配度。
以上所揭露的仅为本发明的优选实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明申请专利范围所作的等同变化,仍属本发明所涵盖的范围。
Claims (10)
1.一种基于身份证件信息和人脸多重特征识别的身份验证方法,其特征在于,包括:
(a)身份证件信息获取步骤,获取身份证件关联的人脸图像和身份信息,所述身份信息包括证件所属人的性别、年龄信息;其中人脸图像通过读取证件内存储的低清人脸图像,或通过网络获取原始身份证件照片;
(b)现场人脸图像采集步骤,采集证件持有人的现场高清人脸图像;
(c)性别识别步骤,判断现场高清人脸图像的性别,并计算与证件所属人的性别匹配度;
(d)年龄识别步骤,评估现场高清人脸图像的年龄,并计算与证件所属人的年龄匹配度;
(e)人脸识别步骤,比较现场高清人脸图像与身份证件关联人脸图像,获取人脸匹配度;
(f)身份判定步骤,综合人脸匹配度、性别匹配度和年龄匹配度,进行身份判定,获取身份验证结果;
其中,步骤(d)还包括:通过从身份证件中获取的性别信息提高年龄识别的精度,并通过不同性别的人脸训练数据,分别生成针对男性的年龄函数和针对女性的年龄函数,如果从身份证件中获取的性别信息为男性,则采用男性的年龄函数,反之则采用女性的年龄函数;
在步骤(d)中,通过年龄识别,对高清人脸图像进行年龄估计,从而得到一个估计的现场高清人脸图像与身份证件人脸图像的年龄差距,基于该年龄差距,通过年龄变换,将低清人脸图像进行上采样,再利用基于人脸特征点的形状变化函数得到目标年龄的人脸形状,通过基于Gabor滤波从高清人脸图像中提取纹理特征,叠加后获取目标年龄的人脸重构图像,再将所述目标年龄的人脸重构图像与下采样后的高清人脸图像进行人脸比对,获得年龄匹配度。
2.如权利要求1所述的身份验证方法,其特征在于,在步骤(e)中,从身份证件读卡器获取的低清人脸图像与现场采集的高清人脸图像通过人脸检测定位人脸,对检测到的人脸进行人脸对比识别,获得人脸匹配度。
3.如权利要求1所述的身份验证方法,其特征在于,所述人脸匹配度、性别匹配度和年龄匹配度均表示为概率结果,以F、S、A分别代表上述结果,则0≤F≤1,0≤S≤1,0≤A≤1,综合三个匹配度结果获得最终的身份验证结果,其中所述综合三个匹配度结果的方式为三个匹配度的乘积,即:T=F*S*A,若T>预定义门限,则身份验证通过,否则身份验证未通过,且还可以调整该三个匹配度在身份验证结果中的作用。
4.如权利要求1所述的身份验证方法,其特征在于,在步骤(c)中,性别识别可利用不同性别的人脸训练数据,通过线性判决分析(Linear Discriminant Analysis)提取最具有判决特性的人脸特征,也可以通过对人脸图像预处理,提取对性别识别重要的人脸特征,由主成分分析的方法进行特征向量的选择,再通过训练支持向量机(Support Vector Machine)分类器实现性别识别,其中人脸特征包含整体特征和局部特征。
5.如权利要求1所述的身份验证方法,其特征在于,在步骤(e)中,可通过包含同一人脸在不同年龄段照片的训练数据集,提取不随年龄变化的人脸特征,通过训练支持向量机或神经网络等方法实现高准确度的人脸匹配。
6.一种基于身份证件信息和人脸多重特征识别的身份验证系统,其特征在于,包括:
身份证件信息获取模块,用于获取身份证件关联的人脸图像和身份信息,所述身份信息包括证件所属人的性别、年龄信息;其中人脸图像通过读取证件内存储的低清人脸图像,或通过网络获取原始身份证件照片;
现场人脸图像采集模块,用于采集证件持有人的现场高清人脸图像;
性别识别模块,用于判断现场高清人脸图像的性别,并计算与证件所属人的性别匹配度;
年龄识别模块,用于评估现场高清人脸图像的年龄,并计算与证件所属人的年龄匹配度;
人脸识别模块,用于比较现场高清人脸图像与身份证件关联人脸图像,获取人脸匹配度;
身份判定模块,用于综合人脸匹配度、性别匹配度和年龄匹配度,进行身份判定,获取身份验证结果;
其中,所述年龄识别模块还用于通过从身份证件中获取的性别信息提高年龄识别的精度,并通过不同性别的人脸训练数据,分别生成针对男性的年龄函数和针对女性的年龄函数,如果从身份证件中获取的性别信息为男性,则采用男性的年龄函数,反之则采用女性的年龄函数;
年龄识别模块用于通过年龄识别,对高清人脸图像进行年龄估计,从而得到一个估计的现场高清人脸图像与身份证件人脸图像的年龄差距,基于该年龄差距,通过年龄变换,将低清人脸图像进行上采样,再利用基于人脸特征点的形状变化函数得到目标年龄的人脸形状,通过基于Gabor滤波从高清人脸图像中提取纹理特征,叠加后获取目标年龄的人脸重构图像,再将所述目标年龄的人脸重构图像与下采样后的高清人脸图像进行人脸比对,获得年龄匹配度。
7.如权利要求6所述的身份验证系统,其特征在于,人脸识别模块用于从身份证件读卡器获取的低清人脸图像与现场采集的高清人脸图像通过人脸检测定位人脸,对检测到的人脸进行人脸对比识别,获得人脸匹配度。
8.如权利要求6所述的身份验证系统,其特征在于,所述人脸匹配度、性别匹配度和年龄匹配度均表示为概率结果,以F、S、A分别代表上述结果,则0≤F≤1,0≤S≤1,0≤A≤1,综合三个匹配度结果获得最终的身份验证结果,其中所述综合三个匹配度结果的方式为三个匹配度的乘积,即:T=F*S*A,若T>预定义门限,则身份验证通过,否则身份验证未通过,且还可以调整该三个匹配度在身份验证结果中的作用。
9.如权利要求8所述的身份验证系统,其特征在于,性别识别模块用于利用不同性别的人脸训练数据,通过线性判决分析(Linear Discriminant Analysis)提取最具有判决特性的人脸特征,也可以通过对人脸图像预处理,提取对性别识别重要的人脸特征,由主成分分析的方法进行特征向量的选择,再通过训练支持向量机(Support Vector Machine)分类器实现性别识别,其中人脸特征包含整体特征和局部特征。
10.如权利要求8所述的身份验证系统,其特征在于,人脸识别模块用于通过包含同一人脸在不同年龄段照片的训练数据集,提取不随年龄变化的人脸特征,通过训练支持向量机或神经网络等方法实现高准确度的人脸匹配。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510047655.9A CN104680131B (zh) | 2015-01-29 | 2015-01-29 | 基于身份证件信息和人脸多重特征识别的身份验证方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510047655.9A CN104680131B (zh) | 2015-01-29 | 2015-01-29 | 基于身份证件信息和人脸多重特征识别的身份验证方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104680131A CN104680131A (zh) | 2015-06-03 |
CN104680131B true CN104680131B (zh) | 2019-01-11 |
Family
ID=53315149
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510047655.9A Active CN104680131B (zh) | 2015-01-29 | 2015-01-29 | 基于身份证件信息和人脸多重特征识别的身份验证方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104680131B (zh) |
Families Citing this family (37)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105138980A (zh) * | 2015-08-20 | 2015-12-09 | 深圳云天励飞技术有限公司 | 基于身份证件信息和人脸识别的身份验证方法及系统 |
CN105243357A (zh) * | 2015-09-15 | 2016-01-13 | 深圳市环阳通信息技术有限公司 | 一种基于身份证件的人脸识别方法及人脸识别装置 |
JP2017069894A (ja) * | 2015-10-02 | 2017-04-06 | 株式会社野村総合研究所 | 情報処理装置 |
CN105488518B (zh) * | 2015-11-03 | 2019-04-16 | 杭州全实鹰科技有限公司 | 一种基于面部特征的年龄估计方法 |
CN105718869B (zh) * | 2016-01-15 | 2019-07-02 | 网易(杭州)网络有限公司 | 一种评估图片中人脸颜值的方法和装置 |
CN105930709B (zh) * | 2016-04-21 | 2018-07-24 | 深圳泰首智能技术有限公司 | 人脸识别技术应用于人证一致性检验的方法及装置 |
EP3465597B1 (en) * | 2016-06-03 | 2024-02-28 | Magic Leap, Inc. | Augmented reality identity verification |
CN106203294B (zh) * | 2016-06-30 | 2019-05-03 | 广东微模式软件股份有限公司 | 基于人脸属性分析的人证合一身份验证方法 |
CN106407783A (zh) * | 2016-09-23 | 2017-02-15 | 武汉必腾移动科技有限责任公司 | 一种在线验证方法及系统 |
CN106778519A (zh) * | 2016-11-25 | 2017-05-31 | 深圳市唯特视科技有限公司 | 一种通过匹配用户身份证件和自拍照的人脸验证方法 |
CN106650650B (zh) * | 2016-12-14 | 2020-04-24 | 广东顺德中山大学卡内基梅隆大学国际联合研究院 | 一种跨年龄人脸识别方法 |
CN106778636A (zh) * | 2016-12-22 | 2017-05-31 | 东软集团股份有限公司 | 身份验证方法及装置 |
CN107480582A (zh) * | 2017-06-28 | 2017-12-15 | 北京五八信息技术有限公司 | 简历真实度的检测方法及装置 |
CN109670386A (zh) * | 2017-10-16 | 2019-04-23 | 深圳泰首智能技术有限公司 | 人脸识别方法及终端 |
CN107896208B (zh) * | 2017-10-23 | 2020-09-25 | 国政通科技股份有限公司 | 一种身份认证方法及系统 |
CN108171832B (zh) * | 2017-12-22 | 2021-01-08 | 维沃移动通信有限公司 | 一种共享单车的开锁方法及移动终端 |
CN108846306A (zh) * | 2018-03-28 | 2018-11-20 | 中科博宏(北京)科技有限公司 | 一种基于深度学习人脸识别的身份证比对系统及方法 |
CN108683877B (zh) * | 2018-03-30 | 2020-04-28 | 中国科学院自动化研究所 | 基于Spark的分布式海量视频解析系统 |
CN109145768A (zh) * | 2018-07-31 | 2019-01-04 | 北京旷视科技有限公司 | 得到带人脸属性的人脸数据的方法及装置 |
CN109636867B (zh) * | 2018-10-31 | 2023-05-23 | 百度在线网络技术(北京)有限公司 | 图像处理方法、装置及电子设备 |
CN109508524A (zh) * | 2018-11-14 | 2019-03-22 | 李泠瑶 | 认证方法、系统和存储介质 |
CN111310019B (zh) * | 2018-12-11 | 2023-10-20 | 阿里巴巴集团控股有限公司 | 信息推荐方法、信息处理方法、系统及设备 |
CN111382627B (zh) * | 2018-12-28 | 2024-03-26 | 成都云天励飞技术有限公司 | 同行判定方法及相关产品 |
CN109993146A (zh) * | 2019-04-09 | 2019-07-09 | 深圳安泰创新科技股份有限公司 | 基于人脸识别的身份确认方法、电子设备及存储介质 |
CN110188619A (zh) * | 2019-05-07 | 2019-08-30 | 上海上湖信息技术有限公司 | 证件真伪鉴定方法、装置以及计算机可读存储介质 |
CN110210872A (zh) * | 2019-05-07 | 2019-09-06 | 上海上湖信息技术有限公司 | 证件真伪鉴定方法、装置以及计算机可读存储介质 |
CN110119746B (zh) * | 2019-05-08 | 2021-11-30 | 北京市商汤科技开发有限公司 | 一种特征识别方法及装置、计算机可读存储介质 |
CN110288748A (zh) * | 2019-07-30 | 2019-09-27 | 上海贵晋新能源科技有限公司 | 一种石油化工智能装卸车系统及使用方法 |
CN110609485B (zh) * | 2019-09-23 | 2021-06-29 | 深圳市火乐科技发展有限公司 | 幕布控制方法、智能投影仪、幕布及相关产品 |
CN110705469A (zh) * | 2019-09-30 | 2020-01-17 | 重庆紫光华山智安科技有限公司 | 一种人脸匹配方法、装置及服务器 |
CN111862439A (zh) * | 2020-08-06 | 2020-10-30 | 中国银行股份有限公司 | 业务队列调度方法及装置 |
CN112150683A (zh) * | 2020-08-10 | 2020-12-29 | 深圳泰首智能技术有限公司 | 将人脸特征值和网络身份id写入sim卡的方法及装置 |
CN113516020B (zh) * | 2021-04-23 | 2022-12-13 | 郑州大学 | 一种与年龄变化相关的身份核验方法及系统 |
CN113487468A (zh) * | 2021-07-20 | 2021-10-08 | 支付宝(杭州)信息技术有限公司 | 基于区块链的养老认证数据分析方法、装置、设备及介质 |
CN114005160B (zh) * | 2021-10-28 | 2022-05-17 | 建湖县公安局 | 一种基于身份二维码和人工智能的门禁控制系统及方法 |
CN114431631A (zh) * | 2022-01-24 | 2022-05-06 | 郑州大学 | 一种支持身份识别和精准审方的智能药柜装置 |
US11960587B2 (en) | 2023-04-13 | 2024-04-16 | Optiml Vision Inc. | Methods, systems and computer program products for monitoring or controlling user access at a point-of-service |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101038686A (zh) * | 2007-01-10 | 2007-09-19 | 北京航空航天大学 | 一种基于信息融合的机读旅行证件识别方法 |
CN101167080A (zh) * | 2005-03-23 | 2008-04-23 | 株式会社Ihc | 验证系统 |
CN101438297A (zh) * | 2006-03-01 | 2009-05-20 | 入口数据私人有限公司 | 身份验证及进入控制 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3998628B2 (ja) * | 2003-11-05 | 2007-10-31 | 株式会社東芝 | パターン認識装置及びその方法 |
-
2015
- 2015-01-29 CN CN201510047655.9A patent/CN104680131B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101167080A (zh) * | 2005-03-23 | 2008-04-23 | 株式会社Ihc | 验证系统 |
CN101438297A (zh) * | 2006-03-01 | 2009-05-20 | 入口数据私人有限公司 | 身份验证及进入控制 |
CN101038686A (zh) * | 2007-01-10 | 2007-09-19 | 北京航空航天大学 | 一种基于信息融合的机读旅行证件识别方法 |
Non-Patent Citations (4)
Title |
---|
《人脸图像年龄估计》;王俊艳 等;《清华大学学报(自然科学版)》;20070430;第47卷(第4期);第526-529页 |
《使用第2代身份证的人脸识别身份认证系统》;任小龙 等;《智能系统学报》;20090630;第4卷(第3期);第213-216页 |
《基于人脸图像的性别识别与年龄估计研究》;陆丽;《中国博士学位论文全文数据库 信息科技辑》;20101015;论文第1、3、5章 |
《用于人脸识别的多年龄人脸图像合成》;王俊艳 等;《光电子·激光》;20061231;第17卷(第12期);第1511-1513页 |
Also Published As
Publication number | Publication date |
---|---|
CN104680131A (zh) | 2015-06-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104680131B (zh) | 基于身份证件信息和人脸多重特征识别的身份验证方法 | |
CN106203294B (zh) | 基于人脸属性分析的人证合一身份验证方法 | |
CN105138980A (zh) | 基于身份证件信息和人脸识别的身份验证方法及系统 | |
CN105956578A (zh) | 一种基于身份证件信息的人脸验证方法 | |
CN110008909B (zh) | 一种基于ai的实名制业务实时稽核系统 | |
Kusuma et al. | PCA-based image recombination for multimodal 2D+ 3D face recognition | |
Zhang et al. | Hand-based single sample biometrics recognition | |
CN102542243A (zh) | 一种基于lbp图像和分块编码的虹膜特征提取方法 | |
CN102214299A (zh) | 一种基于改进的asm算法的人脸特征定位方法 | |
Neware et al. | Finger knuckle identification using principal component analysis and nearest mean classifier | |
Xin et al. | Palm vein recognition method based on fusion of local Gabor histograms | |
Bhattacharjee et al. | Personal identification from lip-print features using a statistical model | |
Bhaskar et al. | Hand based multibiometric authentication using local feature extraction | |
Abaza et al. | Ear recognition: a complete system | |
Al-Waisy et al. | A robust face recognition system based on curvelet and fractal dimension transforms | |
Islam et al. | A fully automatic approach for human recognition from profile images using 2D and 3D ear data | |
Luu et al. | Kernel spectral regression of perceived age from hybrid facial features | |
Monzo et al. | Hog-ebgm vs. gabor-ebgm | |
Satange et al. | Composite feature extraction based on Gabor and Zernike moments for face recognition | |
Li et al. | Palmprint liveness detection by combining binarized statistical image features and image quality assessment | |
Manegopale | A Survey on Palm print Recognition | |
Kamarajugadda et al. | Periocular region based biometric identification using SIFT and SURF key point descriptors | |
Ambika et al. | The eye says it all: Periocular region methodologies | |
Tandon et al. | An efficient age-invariant face recognition | |
Wang et al. | Expression robust three-dimensional face recognition based on Gaussian filter and dual-tree complex wavelet transform |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
CB03 | Change of inventor or designer information |
Inventor after: Tian Dihong Inventor after: Chen Ning Inventor before: Tian Dihong |
|
COR | Change of bibliographic data | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |