CN105956578B - 一种基于身份证件信息的人脸验证方法 - Google Patents

一种基于身份证件信息的人脸验证方法 Download PDF

Info

Publication number
CN105956578B
CN105956578B CN201610343814.4A CN201610343814A CN105956578B CN 105956578 B CN105956578 B CN 105956578B CN 201610343814 A CN201610343814 A CN 201610343814A CN 105956578 B CN105956578 B CN 105956578B
Authority
CN
China
Prior art keywords
image
identity
face
facial image
identity document
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
CN201610343814.4A
Other languages
English (en)
Other versions
CN105956578A (zh
Inventor
尤新革
陈鹏旭
李政
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.)
Shenzhen Huazhong University of Science and Technology Research Institute
Original Assignee
Shenzhen Huazhong University of Science and Technology Research Institute
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 Shenzhen Huazhong University of Science and Technology Research Institute filed Critical Shenzhen Huazhong University of Science and Technology Research Institute
Priority to CN201610343814.4A priority Critical patent/CN105956578B/zh
Publication of CN105956578A publication Critical patent/CN105956578A/zh
Application granted granted Critical
Publication of CN105956578B publication Critical patent/CN105956578B/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

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本发明公开了一种基于身份证件信息的人脸验证方法，该方法对身份证件芯片信息电子图A，身份证件表面人脸图像B，以及实时采集的人脸图像C进行；通过对图像A和B的比对，以及芯片信息文字W1和证件表面文字W2的比对，来判断证件的真伪；再通过图像B与C比对，来判断是否人证合一；由于身份证件的有效期较长，在长时间跨度下，身份证件持有人与证件照之间可能存在较大差异，该差异极大的影响了验证的准确度；本发明提出一种对时间跨度鲁棒性较强的频谱采样结构子空间特征算法来进行人脸验证，通过该算法对身份证件表面人脸图像与实时采集的人脸照片进行比对进行识别，具有有效提高识别率的优点。

Description

一种基于身份证件信息的人脸验证方法
技术领域
本发明属于图像处理领域，更具体地，涉及一种基于身份证件信息的人脸验证方法。
背景技术
目前使用的二代身份证件中内置了非接触式IC智能芯片，其中存储了证件持有人的人脸图像信息，以及证件持有人的身份信息；身份证件的表面印刷有证件持有人的人脸图像及身份信息。现有的身份证件人脸验证系统，是利用身份证件芯片内存储的人脸图像与证件持有人现场采集的人脸图像比对来进行身份验证；由于身份证件芯片内存储图像分辨率过低(只有102×126像素)，存在误判的可能性。
专利文件CN 104021397 A公开了一种基于二代身份证件和人脸特征识别的身份验证系统，采用Gabor滤波器对人脸图像进行滤波变换得到Gabor特征，然后利用人脸图像特征向量和身份证件人脸图像特征向量，建立多个马儿可夫模型，通过计算每个马儿可夫模型对应的似然值来得到匹配结果；该系统提高了身份验证的准确度，但是该系统没有验证身份证件的真实性，也没有针对身份证件照和持有人的长时间跨度做出处理；当身份证时间跨度较长，而持有者的面部特征随着时间而发生变化时，识别率偏低。
发明内容
针对现有技术的以上缺陷或改进需求，本发明提供了一种基于身份证件信息的人脸验证方法，其目的在于提高长时间跨度下基于身份证件信息的人脸验证方法的识别率。
为实现上述目的，按照本发明的一个方面，提供了一种基于身份证件信息的人脸验证方法，包括如下步骤：
(1)获取身份证件芯片内存储的第一人脸图像A，以及身份信息W1；获取身份证件表面扫描图像以及文字信息W2；
(2)对上述身份信息W1与文字信息W2进行比对，判断两者是否匹配，若是，则进入步骤(3)；若否，则表明身份证件为伪造；
(3)对上述身份证件表面扫描图像进行固定分割，获得证件表面的第二人脸图像B；
(4)对上述第一人脸图像A和第二人脸图像B分别进行预处理，获得第一人脸图像的归一化校正图像A'，和第二人脸图像B的归一化校正图像B'；
(5)采用局部二值模式(LBP，Local Binary Patterns)对上述两幅归一化校正图像进行处理，获得第一人脸图像的归一化校正图像A'与第二人脸图像B的归一化校正图像B'的特征矢量；
(6)对步骤(5)获得的两个归一化校正图像的特征矢量进行比对，获取余弦相似度；并根据余弦相似度获取第一匹配结果R1，根据第一匹配结果确定身份证件的真伪。
优选地，上述基于身份证件信息的人脸验证方法，其步骤(5)中，在特征矢量提取之前，先采用双三次插值方法将两个归一化校正图像进行放大，以对损失信息进行补偿，达到最低识别分辨率阈值；其中，最低识别分辨率阈值为128×128像素。
优选地，上述基于身份证件信息的人脸验证方法，其步骤(5)中，采用LBP描述符采样的密集网格对图像进行划分，并且用一个8*8像素的滑动窗口以6像素为步进单位根据划分获得的图像逐步提取LBP直方图；
对获得的LBP直方图进行拼接获得LBP特征；根据LBP特征分别获取归一化校正图像的特征矢量。
优选地，上述基于身份证件信息的人脸验证方法，其步骤(6)之后，还包括如下步骤：
(7)获取身份证件持有人的实时人脸图像C；
(8)对实时人脸图像C进行预处理，获得实时人脸图像C的归一化校正图像C'；
(9)对实时人脸图像C的归一化校正图像C'，以及第二人脸图像B的归一化校正图像B'，采用频谱采样结构子空间特征算法(4SF)提取人脸特征，获得实时人脸图像C和第二人脸图像B的特征矢量；
(10)对实时人脸图像C和第二人脸图像B的特征矢量进行比对，获取卡方距离；根据卡方距离获取第二匹配结果R2；
(11)将第二匹配结果R2并与预设阈值L2进行比对，根据比对结果确定身份证件与证件持有人是否人证合一。
优选地，上述基于身份证件信息的人脸验证方法，步骤(9)所述的频谱采样结构子空间特征算法，具体如下：
(i)采用AdaBoost算法对待处理图像进行检测，获得人脸图像上眼睛所在处的坐标；并对人眼定位到的图像进行归一化处理；
(ii)对归一化处理后的图像采用局部对比度增强算法进行光场校正；其中，局部对比度增强算法是指将包含图像细节信息的高频信号进行增强，使下面人脸匹配步骤对光照变化的鲁棒性更好；
(iii)对待处理图像用一个8*8像素的滑动窗口以6像素为步进单位，进行密集采样，以提取LBP直方图；
(iv)对待处理图像各个特征区域块进行加权处理，获取加权后的LBP增强直方图；根据所述LBP增强直方图，拼接获取加权处理后的人脸特征向量。
优选地，上述基于身份证件信息的人脸验证方法，其步骤(iv)中，进行加权处理后的卡方距离
其中，x是指图像B的增强直方图信息(特征向量)，ξ是指图像C的直方图信息(特征向量)，xi,j是指位于图像B第i个直方图对应的第j个图像块的特征向量，ξi,j是指图像C第i个直方图对应的第j个图像块的特征向量，指数i和j是指第i个直方图对应的第j个局部区域，ωj是指第j个局部区域的权重，是指卡方距离。
现有的LBP算子在对人脸进行描述时，对各个特征区域取相同权重，但是人脸特征随时间变化较大，采用相同的权重对特征进行描述，当时间跨度过大时，一部分特征发生变化较大，这样会导致特征向量之间的差别较大，相似度低，从而导致误识率增高；
数据跟踪分析表明，人眼和嘴巴部位的特征随时间变化较小，而脸型轮廓以及鼻子随时间变化较大；对于人脸验证而言，随时间变化较小的面部特征比其它特征具有更大贡献，在本发明中，利用这种特点，对随时间变化小得区域所包含的信息的重要性进行加权，这样得到的LBP特征对时间鲁棒性更强，在对比过程中可以有效的提高两张图像特征向量的相似度，降低误识率。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：
(1)本发明提供的基于身份证件信息的人脸验证方法，基于身份证件芯片内存储信息与身份证件表面信息，实现了对身份证真伪的识别；
(2)本发明提供的基于身份证件信息的人脸验证方法，基于身份证件表面信息与人脸实时图像，实现了是否人证合一的识别；
(3)本发明提供的基于身份证件信息的人脸验证方法，采用对长时间跨度鲁棒性强的频谱采样结构子空间算法，针对随时间变化较小的特征(如人眼)取较高权重，对随时间变化较大特征(如脸部轮廓)取较小权重，通过特征点权重设置来减少长时间跨度对人脸识别的影响，提高了识别精度，尤其是在长时间跨度下，实时采集到的人脸图像与身份证芯片内存储的图像信息以及身份证件表面的图片信息存在差异时，利用该方法，可在保证误识率为0.1％的基础上提高识别率。
附图说明
图1为实施例提供的基于身份证件信息的人脸验证方法的流程图；
图2为实施例中文字信息验证的流程图；
图3为实施例中人脸验证步骤的流程图；
图4为实施例中对人脸图像分割以及权重设置的示意图；图4(a)为采用7×7分割的人脸图像示意图，图4(b)为对应图4(a)图像的权重设置示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
实施例提供的基于身份证件信息的人脸验证方法，其流程如图1所示，具体包括如下步骤：
(1)获取身份证件芯片内存储的第一人脸图像A，以及身份信息W1；获取身份证件表面扫描图像以及文字信息W2；
(2)对上述身份信息W1与文字信息W2进行比对，判断两者是否匹配，若是，则进入步骤(3)；若否，则表明身份证件为伪造；
(3)对所述身份证件表面扫描图像进行分割，获得证件表面的第二人脸图像B；
(4)对上述第一人脸图像A和第二人脸图像B分别进行预处理，获得第一人脸图像的归一化校正图像A'，和第二人脸图像B的归一化校正图像B'；
(5)对上述两幅归一化校正图像进行处理，用LBP表述人脸特征，得到两个归一化校正图像的特征矢量；
(6)对两个归一化校正图像的特征矢量进行比对，获取余弦相似度；并根据余弦相似度获取第一匹配结果R1；当R1大于第一相似阈值L1时，进入步骤(7)；否则，将该身份证件判定为伪造；
其中，第一相似阈值L1是在误识率为0.1％时设定的阈值；
(7)获取身份证件持有人的实时人脸图像C；
(8)对实时人脸图像C进行预处理，获得实时人脸图像C的归一化校正图像C'；
(9)对实时人脸图像C的归一化校正图像C'，以及第二人脸图像B的归一化校正图像B'，采用频谱采样结构子空间特征算法(4SF)提取人脸特征，获得实时人脸图像C和第二人脸图像B的特征矢量；
(10)对实时人脸图像C和第二人脸图像B的特征矢量进行比对，获取卡方距离；根据卡方距离获取第二匹配结果R2；
(11)将第二匹配结果R2并与预设阈值L2进行比对；当R2大于第二相似阈值L2时，判定人证统一，否则判定为身份证件与持有人不符；
其中，第二相似阈值L2是在误判率为0.1％时设定的阈值。
图2所示，是实施例中步骤(2)对身份信息W1与文字信息W2进行比对的流程图，在获取身份证件芯片信息后，提取身份信息W1。获取身份证件表面信息后，通过字符识别获取证件表面信息W2；通过对信息的比对，如性别，出生年月，身份证号等信息的逐一比对，得到验证结果R0，通过分析R0来判断证件真伪。
图3所示，是实施例中人脸验证步骤的流程图，该过程具体包括如下步骤：
(1)获取身份证件芯片内照片图像A；
(2)获取证件表面人脸图像B；
(3)对A，B图像进行人脸检测，得到A，B的人脸图像；
(4)对A，B人脸图像进行预处理，得到A，B固定大小为128×128的归一化校正图像；
(5)对上述归一化校正图像，采用LBP来表述人脸特征，得到A，B图像的特征矢量；
(6)对A，B图像的特征矢量进行比对，获取余弦相似度；根据余弦相似度获取匹配结果R1；判断R1是否大于预设相似度阈值L1，若是，则进入步骤(7)；若否，则表明验证未通过；
(7)获取身份证件持有人的实时人脸图像C；
(8)对实时人脸图像C进行预处理，得到固定大小为128×128的归一化校正图像C；
(9)对B，C的归一化校正图像提取人脸特征，得到B，C图像的特征矢量；
(10)对B，C图像的特征矢量进行比对，获取卡方距离；根据卡方距离获取匹配结果R2；并将匹配结果R2与预设阈值L2进行比对分析。
图4所示，是实施例中对人脸图像分割以及权重设置的示意图；其中，图4(a)为采用7×7分割的人脸图像示意图，图4(b)为对应图4(a)图像的权重设置示意图；其中，根据对人脸特征随时间变化的大小，黑色方块区域的权重为0(黑色区域主要是人脸无关的周围信息)，深灰色方块区域的权重为1.0(这部分区域覆盖了人脸轮廓以及鼻子等随时间变化较大的部位)，浅灰色方块区域的权重为2.0(嘴巴部位)，白色区域的权重设为4.0(眼睛部位)；通过权重设置，对随时间变化较小的特征(人眼部位)取较高权重，对随时间变化较大特征(脸部轮廓)取较小权重，由此来减少长时间跨度对人脸识别的影响，提高识别精度。
本发明提供的这种人脸验证方法，一方面对身份证件芯片信息和身份证件表面信息进行比对，以识别证件的真伪；另一方面，对证件照与持有人现场采集照片的年龄跨度，提出了一种对长时间跨度鲁棒性较好的人脸验证方法，通过特征点权重设置来尽可能的减少长时间跨度对人脸识别的影响，达到提高识别精度的目的。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种基于身份证件信息的人脸验证方法，其特征在于，包括如下步骤：
(1)获取身份证件芯片内存储的第一人脸图像A，以及身份信息W1；获取身份证件表面扫描图像以及文字信息W2；
(2)对所述身份信息W1与文字信息W2进行比对，判断所述身份信息与文字信息是否匹配，若是，则进入步骤(3)；若否，则表明身份证件为伪造；
(3)对所述身份证件表面扫描图像进行分割，获得第二人脸图像B；
(4)对所述第一人脸图像A和第二人脸图像B分别进行预处理，获得第一人脸图像的归一化校正图像A'，第二人脸图像B的归一化校正图像B'；
(5)采用局部二值模式对所述两幅归一化校正图像进行处理，获得第一人脸图像的归一化校正图像A'与第二人脸图像B的归一化校正图像B'的特征矢量；
(6)对所述特征矢量进行比对，获取余弦相似度；并根据余弦相似度获取第一匹配结果R1，根据第一匹配结果确定身份证件的真伪；
(7)获取身份证件持有人的实时人脸图像C；
(8)对实时人脸图像C进行预处理，获得实时人脸图像C的归一化校正图像C'；
(9)对实时人脸图像C的归一化校正图像C'，以及第二人脸图像B的归一化校正图像B'，采用频谱采样结构子空间特征算法提取人脸特征，获得实时人脸图像C和第二人脸图像B的特征矢量；
(10)对所述实时人脸图像C的特征矢量与第二人脸图像B的特征矢量进行比对，获取卡方距离；并根据卡方距离获取第二匹配结果R2；
(11)将第二匹配结果R2与预设阈值L2进行比对，根据比对结果确定身份证件与证件持有人是否人证合一；
步骤(9)所述的频谱采样结构子空间特征算法，具体如下：
(i)对待处理图像进行检测，定位人脸图像上眼睛所在处的坐标；并对定位后获得的图像进行归一化处理；
(ii)对归一化处理后的图像采用局部对比度增强算法进行光场校正；
(iii)采用一个8*8像素的滑动窗口，以6像素为步进单位，对待处理图像进行密集采样，以提取LBP直方图；
(iv)对待处理图像各个特征区域块进行加权处理，获取加权后的LBP增强直方图；根据所述LBP增强直方图，拼接获取加权处理后的人脸特征向量；
步骤(iv)中所述对待处理图像各个特征区域块进行加权处理时，权重分配如下：眼部权重>嘴巴权重>人脸轮廓及鼻子权重>人脸无关的周围权重。
2.如权利要求1所述的人脸验证方法，其特征在于，所述步骤(5)中，在特征矢量提取之前，对两个归一化校正图像采用双三次插值方法进行放大，对损失信息进行补偿，以达到分辨率阈值。
3.如权利要求1或2所述的人脸验证方法，其特征在于，所述步骤(5)中，采用LBP描述符采样的密集网格对图像进行划分，并且用一个8*8像素的滑动窗口以6像素为步进单位根据划分获得的图像逐步提取LBP直方图；
对获得的LBP直方图进行拼接获得LBP特征；根据所述LBP特征分别获取归一化校正图像的特征矢量；其中，LBP是指局部二值化模式。
4.如权利要求1所述的人脸验证方法，其特征在于，进行加权处理后的卡方距离
其中，x是指第二人脸图像B的特征向量，ξ是指实时人脸图像C的特征向量，xi,j是指第二人脸图像B第i个直方图对应的第j个图像块的特征向量，ξi,j是指实时人脸图像C第i个直方图对应的第j个图像块的特征向量，指数i和j是指第i个直方图对应的第j个局部区域，ωj是指第j个局部区域的权重，是指卡方距离。
CN201610343814.4A 2016-05-23 2016-05-23 一种基于身份证件信息的人脸验证方法 Active CN105956578B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610343814.4A CN105956578B (zh) 2016-05-23 2016-05-23 一种基于身份证件信息的人脸验证方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610343814.4A CN105956578B (zh) 2016-05-23 2016-05-23 一种基于身份证件信息的人脸验证方法

Publications (2)

Publication Number Publication Date
CN105956578A CN105956578A (zh) 2016-09-21
CN105956578B true CN105956578B (zh) 2019-05-14

Family

ID=56909458

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610343814.4A Active CN105956578B (zh) 2016-05-23 2016-05-23 一种基于身份证件信息的人脸验证方法

Country Status (1)

Country Link
CN (1) CN105956578B (zh)

Families Citing this family (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106650363A (zh) * 2016-09-26 2017-05-10 深圳怡化电脑股份有限公司 一种身份识别方法与系统
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
CN107016755A (zh) * 2017-03-24 2017-08-04 新疆习美人工智能科技有限公司 一种门禁装置及快速人脸识别认证通行方法
CN107358186A (zh) * 2017-07-04 2017-11-17 四川云物益邦科技有限公司 通过图像处理实现的自动对照系统
CN107358187A (zh) * 2017-07-04 2017-11-17 四川云物益邦科技有限公司 一种证件照片识别方法
CN108229339A (zh) * 2017-12-14 2018-06-29 深圳市商汤科技有限公司 身份识别设备、证件身份识别方法和存储介质
CN109981525A (zh) * 2017-12-27 2019-07-05 航天信息股份有限公司 身份信息认证方法、终端、服务器与系统
CN108154131B (zh) * 2018-01-02 2022-02-01 乌鲁木齐明华智能电子科技有限公司 身份证人脸识别比对的多重校验系统及方法
CN108805005A (zh) 2018-04-16 2018-11-13 深圳市商汤科技有限公司 身份验证方法和装置、电子设备、计算机程序和存储介质
CN108846968A (zh) * 2018-05-29 2018-11-20 禾麦科技开发（深圳）有限公司 一种信息处理方法及其设备、存储介质、电子设备
CN108875646B (zh) * 2018-06-22 2022-09-27 青岛民航凯亚系统集成有限公司 一种真实面部图像与身份证登记双重比对认证方法和系统
CN109118595A (zh) * 2018-07-27 2019-01-01 任剑岚 一种能够人脸识别的智能自动取票装置
CN110858283A (zh) * 2018-08-23 2020-03-03 营利度富信息系统（上海）有限公司 人脸识别在智慧银行系统中的应用
CN109446772A (zh) * 2018-09-03 2019-03-08 平安国际融资租赁有限公司 授信额度计算方法、装置、计算机设备和存储介质
CN109284711B (zh) * 2018-09-19 2021-09-21 重庆第二师范学院 图书馆借书证人证一致性检验的方法
CN108920990A (zh) * 2018-09-28 2018-11-30 五邑大学 一种身份证识别认证系统
CN109492532A (zh) * 2018-10-09 2019-03-19 好活（昆山）网络科技有限公司 一种图像ai识别的方法、装置和系统
CN109492533A (zh) * 2018-10-11 2019-03-19 平安科技（深圳）有限公司 利用图像识别技术验证学历的方法、装置和计算机设备
CN109684987B (zh) * 2018-12-19 2021-02-23 南京华科和鼎信息科技有限公司 一种基于证件的身份验证系统及方法
CN109948499A (zh) * 2019-03-12 2019-06-28 初建刚 一种身份证验证系统及方法
CN110210312A (zh) * 2019-04-29 2019-09-06 众安信息技术服务有限公司 一种校验证件与持证人的方法及系统
CN110570600A (zh) * 2019-07-26 2019-12-13 华中科技大学 一种基于证卡和生物特征信息的快递寄取方法及系统
CN110569718B (zh) * 2019-07-26 2021-11-05 华中科技大学 一种基于证件的考生身份验证方法和装置
CN110414454A (zh) * 2019-07-31 2019-11-05 南充折衍智能光电科技有限公司 一种基于机器视觉的人证合一识别系统
CN110516739B (zh) * 2019-08-27 2022-12-27 创新先进技术有限公司 一种证件识别方法、装置及设备
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
CN115331299B (zh) * 2022-10-17 2023-03-24 恒银金融科技股份有限公司 基于图像特征点匹配的人脸识别方法和装置
CN116959064B (zh) * 2023-06-25 2024-04-26 上海腾桥信息技术有限公司 一种证件验证方法、装置、计算机设备和存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102129555A (zh) * 2011-03-23 2011-07-20 北京深思洛克软件技术股份有限公司 基于第二代身份证进行身份验证的方法及系统
CN103426016A (zh) * 2013-08-14 2013-12-04 湖北微模式科技发展有限公司 一种第二代身份证真伪鉴别方法与装置
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
CN105528601A (zh) * 2016-02-25 2016-04-27 华中科技大学 基于接触式传感器的身份证图像采集、识别系统及采集识别方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102129555A (zh) * 2011-03-23 2011-07-20 北京深思洛克软件技术股份有限公司 基于第二代身份证进行身份验证的方法及系统
CN103426016A (zh) * 2013-08-14 2013-12-04 湖北微模式科技发展有限公司 一种第二代身份证真伪鉴别方法与装置
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
CN105528601A (zh) * 2016-02-25 2016-04-27 华中科技大学 基于接触式传感器的身份证图像采集、识别系统及采集识别方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Face Recognition Performance: Role of Demographic Information;Brendan F.Klare et al;《IEEE Transactions on Information Forensics and Security》;20121231;第7卷(第6期);第1789-1801页
使用多尺度LBP特征描述与识别人脸;王玮 等;《光学精密工程》;20080430;第16卷(第4期);第696-705页
基于局部二元模式算子的人脸性别分类方法;孙宁 等;《华中科技大学学报（自然科学版）》;20071231;第35卷;第177-181页
融合主动外观模型与局部二元模式的人脸识别;叶奇明 等;《湖北大学学报(自然科学版)》;20100630;第32卷(第2期);第146-150页

Also Published As

Publication number Publication date
CN105956578A (zh) 2016-09-21

Similar Documents

Publication Publication Date Title
CN105956578B (zh) 一种基于身份证件信息的人脸验证方法
CN108985134B (zh) 基于双目摄像机的人脸活体检测及刷脸交易方法及系统
CN108229427B (zh) 一种基于身份证件和人脸识别的身份安全验证方法及系统
CN110414333B (zh) 一种图像边界的检测方法及装置
CN105205480B (zh) 一种复杂场景中人眼定位方法及系统
TWI318108B (en) A real-time face detection under complex backgrounds
CN109101871A (zh) 一种基于深度和近红外信息的活体检测装置、检测方法及其应用
CN103902962B (zh) 一种遮挡或光源自适应人脸识别方法和装置
CN106570489A (zh) 活体判别方法和装置、身份认证方法和装置
JP4351982B2 (ja) 個人認証方法、装置及びプログラム
KR20170006355A (ko) 모션벡터 및 특징벡터 기반 위조 얼굴 검출 방법 및 장치
Alheeti Biometric iris recognition based on hybrid technique
CN101201893A (zh) 一种基于灰度信息的虹膜识别预处理方法
CN101359365A (zh) 一种基于最大类间方差和灰度信息的虹膜定位方法
CN107169479A (zh) 基于指纹验证的智能移动设备敏感数据防护方法
CN111178252A (zh) 多特征融合的身份识别方法
CN112784712B (zh) 一种基于实时监控的失踪儿童预警实现方法、装置
CN110598574A (zh) 智能人脸监控识别方法及系统
Szczepański et al. Pupil and iris detection algorithm for near-infrared capture devices
CN115578781A (zh) 去遮挡的虹膜检测方法、虹膜识别方法及可读存储介质
Amjed et al. Noncircular iris segmentation based on weighted adaptive hough transform using smartphone database
KR101767051B1 (ko) 퍼지 추론 기반 지정맥 영상 추출 방법 및 그 장치
Thomas et al. Real Time Face Mask Detection and Recognition using Python
CN112801034A (zh) 一种指静脉识别装置
CN107368811B (zh) 红外与非红外光照下基于lbp的人脸特征提取方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant