CN105741171A - 一种用于征信系统的人物特征图像处理方法及其征信系统 - Google Patents
一种用于征信系统的人物特征图像处理方法及其征信系统 Download PDFInfo
- Publication number
- CN105741171A CN105741171A CN201610059638.1A CN201610059638A CN105741171A CN 105741171 A CN105741171 A CN 105741171A CN 201610059638 A CN201610059638 A CN 201610059638A CN 105741171 A CN105741171 A CN 105741171A
- Authority
- CN
- China
- Prior art keywords
- image
- function
- definition digital
- digital image
- definition
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/03—Credit; Loans; Processing thereof
-
- 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
- G06V40/50—Maintenance of biometric data or enrolment thereof
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Technology Law (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明涉及一种用于征信系统的人物特征图像处理方法,其包括采用高清数字图像灰度化处理模块对图像进行灰度处理;通过高清数字图像去噪模块对高清图像进行去噪处理;通过高清数字图像的锐化模块对图像进行锐化处理,使图像更加清晰。之后使用高清数字图像的形态学处理模块对图像进行处理,凸显出图像的特征。最后导入高清数字图像识别库,通过对图像自动检索的自动识别来确认图像的类型和特征。经过本发明处理后的图像,有效色值更加清晰,并且存储在云服务器中,供政府、银行或公安司法部门调取,大大提高了对个人身份的识别效率,为全国征信系统的运行提供了基础。
Description
技术领域
本发明涉及图形处理领域,尤其涉及一种用于征信系统的人物特征图像处理方法。
背景技术
在目前征信系统的主要功能是面向全国所有金融,工商,税务,军用,警用,海关,艺术品鉴定等有关部门采集具有主体性与财产性特点企业和个人的信用信息,并将信用信息以企业或个人为主题进行整合、加工形成征信产品,并向金融机构、政府部门、企业和个人提供征信产品服务,以帮助他们对信用实体未来是否能够按照契约规定履行信用经济活动的义务做出合理的判断。
个人征信系统作为一个信息发布系统,其产品信用报告以信息主体为主题。而征信数据是从不同数据源以账户为主题进行报送的,这就需要将征信数据中与身份标识相关的信息抽取出来,在多个数据源之间进行信息主体匹配及同一自然人名下的信用信息整合,使征信数据完成从以账户为主题到以信用主体为主题的转变。在这个过程中,如何实现信息主体的匹配是要解决的重要问题。
由于自然人办理业务时采用了不同证件、人员标识信息表达方式不同等多方面原因,造成个人征信系统中存在大量同一自然人有多个不同人员标识进而拥有多份信用报告的情况。此外,由于信息的表达方式多样,再加上各机构上报的数据可能存在输入错误、格式或拼写差异等人为原因,个人征信系统中还存在多条并不完全相同的身份信息项(如姓名、地址)实际代表同一实体的情况。
而如何快速而准确地提取指纹、掌纹、脚印甚至弹道痕迹等特征信息,形成一个标准格式信息,并与数据库中信息相匹配成为目前公安征信系统的重大课题。
发明内容
(一)要解决的技术问题
本发明要解决的技术问题是如何快速而准确地提取指纹、掌纹、脚印甚至弹道痕迹等特征信息的技术问题。
(二)技术方案
为了解决上述技术问题,本发明提供了一种用于征信系统的人物特征图像处理方法,其具体包括如下步骤:
步骤一:使用平均值法将人物特征图像中的三个分量的亮度求平均值,从而得到一个灰度值,将其作为灰度图像的灰度,
图像灰度函数Gray(i,j)=(R(i,j)+G(i,j)+B(i,j))/3;
步骤二:先用中值滤波去除掉有规律的噪点,之后使用平均法对二值化图像进行去噪,即用几个像素灰度的平均值来代替每个像素的灰度;
步骤三:使用Laplacian算子对图像进行锐化,使图像变的清晰。
步骤四:利用图像腐蚀技术消除物体边界点,使边界向内部收缩,
边界点腐蚀函数表达式为:
其中,B为结构元素,X为边界像素点,X被B腐蚀后得到集合S,S是由B完全包括在X中时B的当前位置的合集;
步骤五:采用边界跟踪法提取图像边界,即先在计算机内存缓冲区开辟一块内存,在二值化图像中跟踪边界点,找到一个边界点,就将内存缓冲区中该点相应位置置0,持续跟踪下去,直到回到初始点,最后将内存缓冲区内的内容复制到原图像中;
步骤六:采用高斯函数与复平面波乘积组成的函数提取高清图像的特征;该函数表达式如下:
G(x,y)=exp(-π[(x-x0)2/α2+(y-y0)2/β2])·exp(-2πj[u0(x-x0)+v0(y-y0)])
其中,exp(-π[(x-x0)2/α2+(y-y0)2/β2])是高斯函数的表达式,通过控制高斯函数的窗口的大小,可以控制函数的作用范围,使函数只在高斯窗内的局部范围产生作用;exp(-2πj[u0(x-x0)+v0(y-y0)])为三角震荡函数,余弦函数作为实部,正弦函数作为虚部;(x,y)为图像的中心点;(x0,y0)为滤波器的中心位置;α和β分别为高斯函数的宽度和高度;j为虚数单位;(u0,v0)为调制系数,是二维复正弦函数的参数,决定了滤波器的尺度;通过调整函数中的一系列参数(x0,y0,u0,v0,α0,β0)就可以获得不同形式的滤波器对目标图像的目标特征进行提取。
进一步,步骤一中,采用高分辨率数码显微镜提取人物特征图像。
进一步,所述人物特征图像包括指纹、掌纹、脚印、笔迹或者弹道痕迹。
进一步,经步骤六处理后的图形存入服务器中的高清数字图像识别库。
一种采用上述方法对人物特征图像进行处理的征信系统,其包括高分辨率数码显微镜和云端服务器,高分辨率数码显微镜与云端服务器连接,用于采集人物特征图像并将该图像传输给云端服务器;
云端服务器内设置有高清数字图像灰度化处理模块、高清数字图像去噪算法模块、高清数字图像的锐化算法模块、高清数字图像的形态学处理模块、高清数字图像的目标物体轮廓提取模块、高清图像的特征提取算法模块以及高清数字图像识别库;
其中,高清数字图像灰度化处理模块使用平均值法将人物特征图像中的三个分量的亮度求平均值,从而得到一个灰度值,将其作为灰度图像的灰度,
图像灰度函数Gray(i,j)=(R(i,j)+G(i,j)+B(i,j))/3;
高清数字图像去噪算法模块先用中值滤波去除掉有规律的噪点,之后使用平均法对二值化图像进行去噪,即用几个像素灰度的平均值来代替每个像素的灰度;
高清数字图像的锐化算法模块使用Laplacian算子对图像进行锐化,使图像变的清晰;
高清数字图像的形态学处理模块利用图像腐蚀技术消除物体边界点,使边界向内部收缩,
边界点腐蚀函数表达式为:
其中,B为结构元素,X为边界像素点,X被B腐蚀后得到集合S,S是由B完全包括在X中时B的当前位置的合集;
高清数字图像的目标物体轮廓提取模块采用边界跟踪法提取图像边界,即先在计算机内存缓冲区开辟一块内存,在二值化图像中跟踪边界点,找到一个边界点,就将内存缓冲区中该点相应位置置0,持续跟踪下去,直到回到初始点,最后将内存缓冲区内的内容复制到原图像中;
高清图像的特征提取算法模块采用高斯函数与复平面波乘积组成的函数提取高清图像的特征;该函数表达式如下:
G(x,y)=exp(-π[(x-x0)2/α2+(y-y0)2/β2])·exp(-2πj[u0(x-x0)+v0(y-y0)])
其中,exp(-π[(x-x0)2/α2+(y-y0)2/β2])是高斯函数的表达式,通过控制高斯函数的窗口的大小,可以控制函数的作用范围,使函数只在高斯窗内的局部范围产生作用;exp(-2πj[u0(x-x0)+v0(y-y0)])为三角震荡函数,余弦函数作为实部,正弦函数作为虚部;(x,y)为图像的中心点;(x0,y0)为滤波器的中心位置;α和β分别为高斯函数的宽度和高度;j为虚数单位;(u0,v0)为调制系数,是二维复正弦函数的参数,决定了滤波器的尺度;通过调整函数中的一系列参数(x0,y0,u0,v0,α0,β0)就可以获得不同形式的滤波器对目标图像的目标特征进行提取;
高清数字图像识别库用于存储人物特征图像信息。
进一步,所述高清数字图像识别库与工商税务部门、机场车站港口部门、海关出入境部门、银行证券金融部门、公检法部位、交通执法部门、婚姻民政部门、医疗卫生部门以及青少年救助部门的个人信息数据库连接。
进一步,所述高清数字图像识别库内设置有工商税务黑名单数据库、交通违法黑名单数据库、犯罪嫌疑人名单数据库、金融黑名单数据库、遗失青少年数据库、境外可疑人员数据库、重婚人员数据库以及个人基础特征数据库。
进一步,所述云端服务器接收各地方客户端发来的个人特征图像,对该个人特征图像分析处理后存入所述高清数字图像识别库,所述云端服务器把客户端发送的个人特征图像信息和已存储在高清数字图像识别库内的图像信息进行分析比对,从而判断客户端发送的个人特征图像信息的正确性,以及判断该个人特征图像信息的归属人员的身份信息。
进一步,所述高清数字图像识别库设置有用于存储了个人的信用信息的信用信息单元,所述信用信息包括贷款次数、贷款的还款情况、交通违规情况、学历、获奖情况等。
进一步,所述云端服务器与各个指纹识别手机设备连接。
进一步,所述云端服务器与3D虚拟城市数据库连接,3D虚拟城市数据库为云端服务器提供个人特征图像出现的地理信息。
(三)有益效果
本发明的上述技术方案具有以下有益效果:经过本发明处理后的图像,有效色值更加清晰,并且存储在云服务器中,供政府、银行或公安司法部门调取,大大提高了对个人身份的识别效率,为全国征信系统的运行提供了基础。
附图说明
图1为实施例2中高清数字图像识别库的结构示意图。
具体实施方式
下面结合附图和实施例对本发明的实施方式作进一步详细描述。以下实施例用于说明本发明,但不能用来限制本发明的范围。
在本发明的描述中,需要说明的是,除非另有说明,“多个”的含义是两个或两个以上;术语“上”、“下”、“左”、“右”、“内”、“外”、“前端”、“后端”、“头部”、“尾部”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”等仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本发明的描述中,还需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连。对于本领域的普通技术人员而言,可视具体情况理解上述术语在本发明中的具体含义。
实施例1
本实施例提供的一种用于征信系统的人物特征图像处理方法,其具体包括如下步骤:
步骤一:采用高分辨率数码显微镜提取人物特征图像,高分辨率数码显微镜用于数字图像的捕捉可有效保证数据读入时不失真;使用平均值法将人物特征图像中的三个分量的亮度求平均值,从而得到一个灰度值,将其作为灰度图像的灰度,
图像灰度函数Gray(i,j)=(R(i,j)+G(i,j)+B(i,j))/3;
步骤二:先用中值滤波去除掉有规律的噪点,之后使用平均法对二值化图像进行去噪,即用几个像素灰度的平均值来代替每个像素的灰度;或者,先用中值滤波与小波去噪算法加权组合,针对不同质量图像,选取不同加权值去噪,之后再使用平均法对二值化图像进行去噪。
步骤三:使用平均法去噪后容易引起图像模糊,锐化算法模块使用Laplacian算子对图像进行锐化;故可使用Laplacian算子对图像进行锐化,使图像变的清晰。
步骤四:利用图像腐蚀技术消除物体边界点,使边界向内部收缩,
边界点腐蚀函数表达式为:
其中,B为结构元素,X为边界像素点,X被B腐蚀后得到集合S,S是由B完全包括在X中时B的当前位置的合集;
步骤五:采用边界跟踪法提取图像边界,即先在计算机内存缓冲区开辟一块内存,在二值化图像中跟踪边界点,找到一个边界点,就将内存缓冲区中该点相应位置置0,持续跟踪下去,直到回到初始点,最后将内存缓冲区内的内容复制到原图像中;
步骤六:采用高斯函数与复平面波乘积组成的函数提取高清图像的特征;该函数表达式如下:
G(x,y)=exp(-π[(x-x0)2/α2+(y-y0)2/β2])·exp(-2πj[u0(x-x0)+v0(y-y0)])
其中,exp(-π[(x-x0)2/α2+(y-y0)2/β2])是高斯函数的表达式,通过控制高斯函数的窗口的大小,可以控制函数的作用范围,使函数只在高斯窗内的局部范围产生作用;exp(-2πj[u0(x-x0)+v0(y-y0)])为三角震荡函数,余弦函数作为实部,正弦函数作为虚部;(x,y)为图像的中心点;(x0,y0)为滤波器的中心位置;α和β分别为高斯函数的宽度和高度;j为虚数单位;(u0,v0)为调制系数,是二维复正弦函数的参数,决定了滤波器的尺度;通过调整函数中的一系列参数(x0,y0,u0,v0,α0,β0)就可以获得不同形式的滤波器对目标图像的目标特征进行提取。
其中,人物特征图像包括指纹、掌纹、脚印、笔迹或者弹道痕迹。经步骤六处理后的图形存入服务器中的高清数字图像识别库。通过对图像自动检索的自动识别来确认图像的类型和特征。
图像采集现场,先布置好高分辨率数码显微镜和控制装置,利用机器配套软件进行图像采集;通过数字图像采集接口模块对图像进行实时导入;高清数字图像灰度化处理模块对图像进行灰度处理;通过高清数字图像去噪模块对高清图像进行去噪处理;通过高清数字图像的锐化模块对图像进行锐化处理,使图像更加清晰。之后使用高清数字图像的形态学处理模块对图像进行处理,凸显出图像的特征。最后导入高清数字图像识别库,通过对图像自动检索的自动识别来确认图像的类型和特征。本发明为征信体系的有效运行奠定了有效基础。
实施例2
本实施例提供的一种采用上述方法对人物特征图像进行处理的征信系统,其包括高分辨率数码显微镜和云端服务器,高分辨率数码显微镜与云端服务器连接,用于采集人物特征图像并将该图像传输给云端服务器;
云端服务器内设置有高清数字图像灰度化处理模块、高清数字图像去噪算法模块、高清数字图像的锐化算法模块、高清数字图像的形态学处理模块、高清数字图像的目标物体轮廓提取模块、高清图像的特征提取算法模块以及高清数字图像识别库;
其中,高清数字图像灰度化处理模块使用平均值法将人物特征图像中的三个分量的亮度求平均值,从而得到一个灰度值,将其作为灰度图像的灰度,
图像灰度函数Gray(i,j)=(R(i,j)+G(i,j)+B(i,j))/3;
高清数字图像去噪算法模块先用中值滤波去除掉有规律的噪点,之后使用平均法对二值化图像进行去噪,即用几个像素灰度的平均值来代替每个像素的灰度;
高清数字图像的锐化算法模块使用Laplacian算子对图像进行锐化,使图像变的清晰;
高清数字图像的形态学处理模块利用图像腐蚀技术消除物体边界点,使边界向内部收缩,
边界点腐蚀函数表达式为:
其中,B为结构元素,X为边界像素点,X被B腐蚀后得到集合S,S是由B完全包括在X中时B的当前位置的合集;
高清数字图像的目标物体轮廓提取模块采用边界跟踪法提取图像边界,即先在计算机内存缓冲区开辟一块内存,在二值化图像中跟踪边界点,找到一个边界点,就将内存缓冲区中该点相应位置置0,持续跟踪下去,直到回到初始点,最后将内存缓冲区内的内容复制到原图像中;
高清图像的特征提取算法模块采用高斯函数与复平面波乘积组成的函数提取高清图像的特征;该函数表达式如下:
G(x,y)=exp(-π[(x-x0)2/α2+(y-y0)2/β2])·exp(-2πj[u0(x-x0)+v0(y-y0)])
其中,exp(-π[(x-x0)2/α2+(y-y0)2/β2])是高斯函数的表达式,通过控制高斯函数的窗口的大小,可以控制函数的作用范围,使函数只在高斯窗内的局部范围产生作用;exp(-2πj[u0(x-x0)+v0(y-y0)])为三角震荡函数,余弦函数作为实部,正弦函数作为虚部;(x,y)为图像的中心点;(x0,y0)为滤波器的中心位置;α和β分别为高斯函数的宽度和高度;j为虚数单位;(u0,v0)为调制系数,是二维复正弦函数的参数,决定了滤波器的尺度;通过调整函数中的一系列参数(x0,y0,u0,v0,α0,β0)就可以获得不同形式的滤波器对目标图像的目标特征进行提取;
高清数字图像识别库用于存储人物特征图像信息。
如图1所示,高清数字图像识别库与工商税务部门、机场车站港口部门、海关出入境部门、银行证券金融部门、公检法部位、交通执法部门、婚姻民政部门、医疗卫生部门以及青少年救助部门的个人信息数据库连接。
高清数字图像识别库内设置有工商税务黑名单数据库、交通违法黑名单数据库、犯罪嫌疑人名单数据库、金融黑名单数据库、遗失青少年数据库、境外可疑人员数据库、重婚人员数据库以及个人基础特征数据库。
海关和机场都是非常看重安保工作的,所有出入这些场所的人员必须对指纹进行登记。对于出入境的外籍人员更要登记详细的指纹和人物信息。海关出入境部门的个人信息数据库与高清数字图像识别库连接,则可以随时更新和记录所有犯罪分子的信息,只要犯罪分子出现在这些地方,本发明的征信系统就可以立即发现,就会立刻通知公安部门,提高这些场所的安全系数。
云端服务器接收各地方客户端发来的个人特征图像,对该个人特征图像分析处理后存入所述高清数字图像识别库,所述云端服务器把客户端发送的个人特征图像信息和已存储在高清数字图像识别库内的图像信息进行分析比对,从而判断客户端发送的个人特征图像信息的正确性,以及判断该个人特征图像信息的归属人员的身份信息。
高清数字图像识别库设置有用于存储了个人的信用信息的信用信息单元,所述信用信息包括贷款次数、贷款的还款情况、交通违规情况、学历、获奖情况等。银行和证券公司对人物的信用信息是非常看重的,当一个人来银行贷款或者去证券公司开户的时候,可以通过本征信系统查询这个人的信用信息,再根据个人的信用信息来决定是否为此人办理相关业务。
本征信系统可以记录个人的指纹、掌纹、脚印和DNA等信息,在刑侦破案的时候,通过提取犯罪现场的指纹、掌纹、脚印及DNA就能很快的在高清数字图像识别库中检索到嫌犯的身份信息。
通过本发明征信系统还可以与指纹识别手机设备和3D虚拟城市技术的结合,通过手机设备的定位和指纹识别功能,能够确定所有使用指纹识别手机用户的位置,并通过3D虚拟城市技术显示在虚拟城市中,还能统计个人经常出没的地点。云端服务器与3D虚拟城市数据库连接,3D虚拟城市数据库为云端服务器提供个人特征图像出现的地理信息。
本征信系统同时提供统一化采集的青少年、幼儿指纹数据信息,有助于及时发现和解救被拐骗、或走失的孩子。
另外,交通执法部门对交通违法、肇事甚至伤亡人员进行指纹身份验证,第一时间确定当事人身份;婚姻民政部门对结婚人员进行指纹验证,杜绝重婚现象;医疗卫生部门在需要高度责任承担的医疗健康领域对责任人进行指纹提取和保存,保障患者权益、区分责任减少医患纠纷。公检法等司法部门通过在如宾馆、饭店等广泛部署指纹比对鉴别系统实时采集和比对用户信息及时筛查和提醒不法分子,保障国民人身和财产安全。上述部门通过与本征信系统的连接,可以整合各地方个性特征信息资源,并且快速解决信息重复以及查询等技术问题。
本发明的实施例是为了示例和描述起见而给出的,而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显而易见的。选择和描述实施例是为了更好说明本发明的原理和实际应用,并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。
Claims (10)
1.一种用于征信系统的人物特征图像处理方法,其特征在于,其具体包括如下步骤:
步骤一:使用平均值法将人物特征图像中的三个分量的亮度求平均值,从而得到一个灰度值,将其作为灰度图像的灰度,
图像灰度函数Gray(i,j)=(R(i,j)+G(i,j)+B(i,j))/3;
步骤二:先用中值滤波去除掉有规律的噪点,之后使用平均法对二值化图像进行去噪,即用几个像素灰度的平均值来代替每个像素的灰度;
步骤三:使用Laplacian算子对图像进行锐化,使图像变的清晰。
步骤四:利用图像腐蚀技术消除物体边界点,使边界向内部收缩,
边界点腐蚀函数表达式为:
其中,B为结构元素,X为边界像素点,X被B腐蚀后得到集合S,S是由B完全包括在X中时B的当前位置的合集;
步骤五:采用边界跟踪法提取图像边界,即先在计算机内存缓冲区开辟一块内存,在二值化图像中跟踪边界点,找到一个边界点,就将内存缓冲区中该点相应位置置0,持续跟踪下去,直到回到初始点,最后将内存缓冲区内的内容复制到原图像中;
步骤六:采用高斯函数与复平面波乘积组成的函数提取高清图像的特征;该函数表达式如下:
G(x,y)=exp(-π[(x-x0)2/α2+(y-y0)2/β2])·exp(-2πj[u0(x-x0)+v0(y-y0)])
其中,exp(-π[(x-x0)2/α2+(y-y0)2/β2])是高斯函数的表达式,通过控制高斯函数的窗口的大小,可以控制函数的作用范围,使函数只在高斯窗内的局部范围产生作用;exp(-2πj[u0(x-x0)+v0(y-y0)])为三角震荡函数,余弦函数作为实部,正弦函数作为虚部;(x,y)为图像的中心点;(x0,y0)为滤波器的中心位置;α和β分别为高斯函数的宽度和高度;j为虚数单位;(u0,v0)为调制系数,是二维复正弦函数的参数,决定了滤波器的尺度;通过调整函数中的一系列参数(x0,y0,u0,v0,α0,β0)就可以获得不同形式的滤波器对目标图像的目标特征进行提取。
2.根据权利要求1所述的用于征信系统的人物特征图像处理方法,其特征在于,步骤一中,采用高分辨率数码显微镜提取人物特征图像。
3.根据权利要求1所述的用于征信系统的人物特征图像处理方法,其特征在于,所述人物特征图像包括指纹、掌纹、脚印、笔迹或者弹道痕迹。
4.根据权利要求1所述的用于征信系统的人物特征图像处理方法,其特征在于,经步骤六处理后的图形存入服务器中的高清数字图像识别库。
5.一种采用权利要求1-4任一所述方法对人物特征图像进行处理的征信系统,其特征在于,其包括高分辨率数码显微镜和云端服务器,高分辨率数码显微镜与云端服务器连接,用于采集人物特征图像并将该图像传输给云端服务器;
云端服务器内设置有高清数字图像灰度化处理模块、高清数字图像去噪算法模块、高清数字图像的锐化算法模块、高清数字图像的形态学处理模块、高清数字图像的目标物体轮廓提取模块、高清图像的特征提取算法模块以及高清数字图像识别库;
其中,高清数字图像灰度化处理模块使用平均值法将人物特征图像中的三个分量的亮度求平均值,从而得到一个灰度值,将其作为灰度图像的灰度,
图像灰度函数Gray(i,j)=(R(i,j)+G(i,j)+B(i,j))/3;
高清数字图像去噪算法模块先用中值滤波去除掉有规律的噪点,之后使用平均法对二值化图像进行去噪,即用几个像素灰度的平均值来代替每个像素的灰度;
高清数字图像的锐化算法模块使用Laplacian算子对图像进行锐化,使图像变的清晰;
高清数字图像的形态学处理模块利用图像腐蚀技术消除物体边界点,使边界向内部收缩,
边界点腐蚀函数表达式为:
其中,B为结构元素,X为边界像素点,X被B腐蚀后得到集合S,S是由B完全包括在X中时B的当前位置的合集;
高清数字图像的目标物体轮廓提取模块采用边界跟踪法提取图像边界,即先在计算机内存缓冲区开辟一块内存,在二值化图像中跟踪边界点,找到一个边界点,就将内存缓冲区中该点相应位置置0,持续跟踪下去,直到回到初始点,最后将内存缓冲区内的内容复制到原图像中;
高清图像的特征提取算法模块采用高斯函数与复平面波乘积组成的函数提取高清图像的特征;该函数表达式如下:
G(x,y)=exp(-π[(x-x0)2/α2+(y-y0)2/β2])·exp(-2πj[u0(x-x0)+v0(y-y0)])
其中,exp(-π[(x-x0)2/α2+(y-y0)2/β2])是高斯函数的表达式,通过控制高斯函数的窗口的大小,可以控制函数的作用范围,使函数只在高斯窗内的局部范围产生作用;exp(-2πj[u0(x-x0)+v0(y-y0)])为三角震荡函数,余弦函数作为实部,正弦函数作为虚部;(x,y)为图像的中心点;(x0,y0)为滤波器的中心位置;α和β分别为高斯函数的宽度和高度;j为虚数单位;(u0,v0)为调制系数,是二维复正弦函数的参数,决定了滤波器的尺度;通过调整函数中的一系列参数(x0,y0,u0,v0,α0,β0)就可以获得不同形式的滤波器对目标图像的目标特征进行提取;
高清数字图像识别库用于存储人物特征图像信息。
6.根据权利要求5所述的征信系统,其特征在于,所述高清数字图像识别库与工商税务部门、机场车站港口部门、海关出入境部门、银行证券金融部门、公检法部位、交通执法部门、婚姻民政部门、医疗卫生部门以及青少年救助部门的个人信息数据库连接。
7.根据权利要求5所述的征信系统,其特征在于,所述高清数字图像识别库内设置有工商税务黑名单数据库、交通违法黑名单数据库、犯罪嫌疑人名单数据库、金融黑名单数据库、遗失青少年数据库、境外可疑人员数据库、重婚人员数据库以及个人基础特征数据库。
8.根据权利要求5所述的征信系统,其特征在于,所述云端服务器接收各地方客户端发来的个人特征图像,对该个人特征图像分析处理后存入所述高清数字图像识别库,所述云端服务器把客户端发送的个人特征图像信息和已存储在高清数字图像识别库内的图像信息进行分析比对,从而判断客户端发送的个人特征图像信息的正确性,以及判断该个人特征图像信息的归属人员的身份信息;所述高清数字图像识别库设置有用于存储了个人的信用信息的信用信息单元,所述信用信息包括贷款次数、贷款的还款情况、交通违规情况、学历和获奖情况。
9.根据权利要求5所述的征信系统,其特征在于,所述云端服务器与3D虚拟城市数据库连接,3D虚拟城市数据库为云端服务器提供个人特征图像出现的地理信息。
10.根据权利要求5所述的征信系统,其特征在于,所述云端服务器与各个指纹识别手机设备连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610059638.1A CN105741171A (zh) | 2016-01-28 | 2016-01-28 | 一种用于征信系统的人物特征图像处理方法及其征信系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610059638.1A CN105741171A (zh) | 2016-01-28 | 2016-01-28 | 一种用于征信系统的人物特征图像处理方法及其征信系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105741171A true CN105741171A (zh) | 2016-07-06 |
Family
ID=56247668
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610059638.1A Pending CN105741171A (zh) | 2016-01-28 | 2016-01-28 | 一种用于征信系统的人物特征图像处理方法及其征信系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105741171A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106846244A (zh) * | 2017-01-04 | 2017-06-13 | 宇龙计算机通信科技(深圳)有限公司 | 一种图像数据处理方法、设备及终端 |
CN110163173A (zh) * | 2019-05-27 | 2019-08-23 | 大连海事大学 | 一种基于加权局部结构的脚印表达方法 |
CN111461131A (zh) * | 2020-04-16 | 2020-07-28 | 上海东普信息科技有限公司 | 身份证号码信息识别方法、装置、设备及存储介质 |
CN114782693A (zh) * | 2022-06-17 | 2022-07-22 | 江苏乐尔环境科技股份有限公司 | 一种工业工程设备健康管理系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1710593A (zh) * | 2005-06-27 | 2005-12-21 | 北京交通大学 | 一种基于特征关系度量的手部特征融合认证方法 |
CN101894256A (zh) * | 2010-07-02 | 2010-11-24 | 西安理工大学 | 基于奇对称2D Log-Gabor滤波器的虹膜识别方法 |
-
2016
- 2016-01-28 CN CN201610059638.1A patent/CN105741171A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1710593A (zh) * | 2005-06-27 | 2005-12-21 | 北京交通大学 | 一种基于特征关系度量的手部特征融合认证方法 |
CN101894256A (zh) * | 2010-07-02 | 2010-11-24 | 西安理工大学 | 基于奇对称2D Log-Gabor滤波器的虹膜识别方法 |
Non-Patent Citations (3)
Title |
---|
GAURAV JASWAL 等: "Texture based palm Print recognition using 2-D Gabor filter and sub space approaches", 《2015 INTERNATIONAL CONFERENCE ON SIGNAL PROCESSING, COMPUTING AND CONTROL》 * |
王博凯: "基于人体特征信息融合的身份识别方法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
翟朗: "手纹识别系统的研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106846244A (zh) * | 2017-01-04 | 2017-06-13 | 宇龙计算机通信科技(深圳)有限公司 | 一种图像数据处理方法、设备及终端 |
CN110163173A (zh) * | 2019-05-27 | 2019-08-23 | 大连海事大学 | 一种基于加权局部结构的脚印表达方法 |
CN110163173B (zh) * | 2019-05-27 | 2022-10-25 | 大连海事大学 | 一种基于加权局部结构的脚印表达方法 |
CN111461131A (zh) * | 2020-04-16 | 2020-07-28 | 上海东普信息科技有限公司 | 身份证号码信息识别方法、装置、设备及存储介质 |
CN111461131B (zh) * | 2020-04-16 | 2023-04-18 | 上海东普信息科技有限公司 | 身份证号码信息识别方法、装置、设备及存储介质 |
CN114782693A (zh) * | 2022-06-17 | 2022-07-22 | 江苏乐尔环境科技股份有限公司 | 一种工业工程设备健康管理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Al-Mushayt | Automating E-government services with artificial intelligence | |
US11321772B2 (en) | Systems and methods for identification document processing and business workflow integration | |
US9058580B1 (en) | Systems and methods for identification document processing and business workflow integration | |
US20190294921A1 (en) | Field identification in an image using artificial intelligence | |
US20160171603A1 (en) | Systems and methods for identification document processing and business workflow integration | |
Schreyer et al. | Adversarial learning of deepfakes in accounting | |
CN107103087A (zh) | 区块链大数据商情分析系统 | |
CN107423732A (zh) | 基于Android平台的车辆VIN识别方法 | |
CN107679997A (zh) | 医疗理赔拒付方法、装置、终端设备及存储介质 | |
CN103177128A (zh) | 钞票冠字号信息的处理方法和系统 | |
Türkyılmaz et al. | License plate recognition system using artificial neural networks | |
CN105069622A (zh) | 一种面向移动终端的人脸识别支付系统和方法 | |
CN105741171A (zh) | 一种用于征信系统的人物特征图像处理方法及其征信系统 | |
CN106104572A (zh) | 用于识别文档处理和业务工作流整合的系统和方法 | |
CN106489156A (zh) | 用于从表征多个文档的图像中提取文档图像的系统和方法 | |
Yang et al. | Convolutional neural network for smooth filtering detection | |
Tian et al. | Research on image recognition method of bank financing bill based on binary tree decision | |
CN113111330A (zh) | 一种基于企业链码的企业法人身份认证管理方法及系统 | |
Matanky-Becker et al. | Behind the criminal economy: using UK tax fraud investigations to understand money laundering myths and models | |
CN115238688A (zh) | 电子信息数据关联关系分析方法、装置、设备和存储介质 | |
Ren et al. | Towards Efficient Video Detection Object Super‐Resolution with Deep Fusion Network for Public Safety | |
Soni et al. | Reducing risk in KYC (know your customer) for large Indian banks using big data analytics | |
Owda et al. | Financial discussion boards irregularities detection system (fdbs-ids) using information extraction | |
Krysovatyy et al. | Classification Method of Fictitious Enterprises Based on Gaussian Naive Bayes | |
CN114863430A (zh) | 一种人口信息自动纠错方法、设备及其存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160706 |
|
RJ01 | Rejection of invention patent application after publication |