CN107358174A - 一种基于图像处理的手持身份证认证系统 - Google Patents

一种基于图像处理的手持身份证认证系统 Download PDF

Info

Publication number
CN107358174A
CN107358174A CN201710491114.4A CN201710491114A CN107358174A CN 107358174 A CN107358174 A CN 107358174A CN 201710491114 A CN201710491114 A CN 201710491114A CN 107358174 A CN107358174 A CN 107358174A
Authority
CN
China
Prior art keywords
mrow
rectangle
msub
identity card
image
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
Application number
CN201710491114.4A
Other languages
English (en)
Inventor
尹建伟
张柯飞
吴朝晖
邓水光
李莹
吴健
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.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
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 Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN201710491114.4A priority Critical patent/CN107358174A/zh
Publication of CN107358174A publication Critical patent/CN107358174A/zh
Pending legal-status Critical Current

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/24—Aligning, centring, orientation detection or correction of the image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于图像处理的手持身份证认证系统，包括图像预处理单元、身份证矩形识别单元、身份信息提取单元、身份信息验证单元以及人脸相似度验证单元。本发明系统将基于手持身份证照片的用户认证流程自动化，达到用户身份认证的安全、快速、可靠的目的，实现手持身份证照片的预处理、身份证矩形检测、去重、识别并根据人脸相似度对照片进行判别认证，同时提供了自定义的阈值调整，提升系统的灵活性，提高用户身份认证的整体效率，降低了审核流程的成本。

Description

一种基于图像处理的手持身份证认证系统
技术领域
本发明属于图像识别技术领域，具体涉及一种基于图像处理的手持身份证认证系统。
背景技术
身份认证是指应用系统对用户身份进行认证的操作。计算机和互联网是一个虚拟世界，所有信息包括用户的身份信息都是使用数据来表示的，对用户的认证、授权也是针对用户数字身份而言。而医疗信息的披露与使用，针对的是现实世界中用户的物理身份，如何保证数字身份的持有人与现实世界中的身份相对应，就成为了一个很重要的问题。身份认证技术的诞生就是为了解决这个问题。
使用手持身份证进行认证的场景在许多高安全性要求的应用中都有使用，如银行、证券等机构，当前普遍是使用人工审核的方式进行操作，往往会带来以下问题：
(1)审核流程慢：因为采用了人工方式审核，必然会带来效率低下，流程耗时长的问题，特别是用户量大的情况下，非常影响用户体验。
(2)成本过高：人工审核需要花费大量的人工成本，并且随着产品规模扩大，相应的人工成本也会随之上涨。
(3)安全风险：由于人工元素的引入，未免会产生操作不规范、操作失误、窃取个人信息等问题，引入不确定因素与安全风险。
发明内容
针对目前手持身份证认证领域的情况与弊端，本发明提供一种基于图像处理的手持身份证认证系统，能够实现通过手持身份证照片对用户身份进行自动化认证。
一种基于图像处理的手持身份证认证系统，包括：
图像预处理单元，用于对含手持身份证的用户人脸图像依次进行去噪、灰度化以及边缘检测的预处理操作；
身份证矩形识别单元，用于对预处理过后的图像依次进行多边形检测、矩形检测、过滤、去重、分类识别以及矫正操作，从而截取得到身份证矩形；
身份信息提取单元，采用OCR(Optical Character Recognition，光学字符识别)技术从身份证矩形中提取出用户的身份信息；
身份信息验证单元，通过调用第三方API(Application Programming Interface，应用程序编程接口)验证用户的身份信息是否合法有效，若否即认证失败；
人脸相似度验证单元，对于身份信息合法有效的用户通过调用人脸识别API计算身份证矩形中的证件人脸与图像中用户人脸之间的相似度，根据相似度判定是否为同一人，若是则认证成功，若否即认证失败。
优选地，所述图像预处理单元采用中值滤波对图像进行去噪，采用Canny算子对灰度图像进行边缘检测，并在边缘检测之前对图像的灰度信息进行调整，具体过程如下：
首先，统计图像中各个像素点的灰度值，得到最大灰度值gmax、最小灰度值gmin及平均灰度值gavg；
然后，根据以下算式对图像每一像素点的灰度值进行调整：
若gmax-gavg≥gavg-gmin，则：
若gmax-gavg＜gavg-gmin，则：
其中：gori和gadj分别为图像中任一像素点调整前后的灰度值；通过以上方法对图像像素点的灰度值进行调整，使得灰度分布不会过度集中或分散，提升边缘检测的效果，避免边缘检测算法受不同强度光线下所导致漏检或错检的问题。
优选地，所述身份证矩形识别单元在进行多边形检测之前，先对通过边缘检测后的二值化图像进行膨胀操作，经边缘膨胀后所述身份证矩形识别单元使用OpenCV(OpenSource Computer Vision Library，开源计算机视觉库)自带的findContours函数对二值化图像进行多边形检测，进而使用OpenCV自带的minAreaRect函数对二值化图像进行矩形检测，以找出每个多边形所对应的外接矩形；由于边缘检测得到的边缘之间一般都会有一些细小的间隙，直接对其进行多边形识别效果会很差，膨胀操作能将原本断开的边缘连接到一起，提升多边形的识别效果。
进一步地，所述身份证矩形识别单元根据面积和长宽比信息对图像中检测得到的所有外接矩形进行过滤，具体过程如下：
1.1对于任一外接矩形，根据以下算式计算其内部多边形与该外接矩形的面积比areaRatio：
其中：arearectangle和areacontour分别为该外接矩形与其内部多边形的面积；
1.2根据以下算式计算该外接矩形长边与短边的比例hwRatio：
其中：heightrectangle和widthrectangle分别为该外接矩形的高和宽；
1.3若areaRatio≥0.7且|hwRatio-1.585|＜0.25，则使该外接矩形进入下一步去重操作；否则滤除该外接矩形。
进一步地，所述身份证矩形识别单元将过滤后剩余的矩形与候选集中的身份证矩形逐一进行比对以实现去重，具体过程如下；所述候选集中的身份证矩形为经身份证矩形识别单元分类识别为身份证的矩形；
2.1对于经过滤后剩余的任一矩形R1以及候选集中的任一身份证矩形R2，根据以下算式计算两个矩形的面积比areaRatio*：
其中：area1为矩形R1的面积，area2为身份证矩形R2的面积；
2.2根据以下算式计算两个矩形的旋转角度比angleRatio：
其中：angle1为矩形R1相对图像的旋转角度，angle2为身份证矩形R2相对图像的旋转角度；
2.3根据以下算式计算两个矩形中心距离与最长边的比例distRatio：
其中：height1和width1分别为矩形R1的高和宽，height2和width2分别为身份证矩形R2的高和宽，center1(x)和center1(y)分别为矩形R1中心点在图像中的横坐标和纵坐标，center2(x)和center2(y)分别为身份证矩形R2中心点在图像中的横坐标和纵坐标；
2.4若areaRatio*＞0.9且angleRatio＞0.9且distRatio＜0.1，则判定矩形R1与身份证矩形R2重复，并剔除矩形R1。
进一步地，所述身份证矩形识别单元采用经深度学习的图像分类模型Inception-V3对去重后剩余的矩形进行分类识别，若被识别为身份证矩形，则将其加入候选集中；所述图像分类模型Inception-V3由大量预先打好标签的身份证矩形和非身份证矩形作为样本输入进行训练得到，设定0.5为阈值，将去重后剩余的矩形逐一输入至图像分类模型Inception-V3，若模型输出的置信度大于0.5，则判定该矩形为身份证矩形并将其加入候选集中。
进一步地，所述身份证矩形识别单元采用OpenCV自带的Perspective Transform组件对候选集中的身份证矩形进行矫正，并将矫正后的身份证矩形从图像中截取出来作为身份信息提取单元的输入图像。
本发明手持身份证认证系统将基于手持身份证照片的用户认证流程自动化，达到用户身份认证的安全、快速、可靠的目的，实现手持身份证照片的预处理、身份证矩形检测、去重、识别并根据人脸相似度对照片进行判别认证，同时提供了自定义的阈值调整，提升系统的灵活性，提高用户身份认证的整体效率，降低了审核流程的成本。
附图说明
图1为本发明认证系统的整体认证流程示意图。
图2为本发明认证系统对身份证矩形筛选、去重及识别操作的流程示意图。
具体实施方式
为了更为具体地描述本发明，下面结合附图及具体实施方式对本发明的技术方案进行详细说明。
本发明手持身份证认证系统包括图像预处理单元、身份证矩形识别单元、身份信息提取单元、身份信息验证单元以及人脸相似度验证单元，其整体操作流程如图1所示，其中：
图像预处理单元包含图像去噪、灰度化、边缘检测等操作，具体地：
首先对输入的原始图像使用中值滤波进行降噪处理，中值滤波转换公式如下：
g(x,y)＝med{f(x-k,y-l),(k,l∈W)}
其中：f(x,y)为原始图像，g(x,y)为转换后的图像，med为取中位数，W为二维模板，一般为3*3、5*5等奇数边长的二维矩形区域，也可以是圆形、十字形、圆环形等。本实施方式中W范围选择边长为11的二维矩形区域。
对原始图像进行去噪操作后，使用如下的方式对其进行灰度化，将图像转换成标准的RGB通道形式，分别将RGB三个通道转直接换成灰度图像进行后续处理：
Gray＝R；Gray＝G；Gray＝B
由此可以从一副图像中获取到3副灰度图像，用于增加矩形识别的成功率，对于可能产生的冗余，可以用后面步骤中的去重算法进行消除。针对不同强度的光线下，边缘检测算法会受到影响导致漏检或错检的问题，本实施方式使用如下方式对图像的灰度进行调整：
(1)统计图像中各个像素点的值，得到最大灰度值gmax、最小灰度值gmin及平均灰度值gavg；
(2)原像素点灰度值记为gori，调整后的灰度值记为gadj；
若gmax-gavg≥gavg-gmin，则：
若gmax-gavg＜gavg-gmin，则：
通过以上方法对灰度化的图像像素点的灰度值进行调整，使得灰度分布不会过度集中或分散，提升边缘检测的效果。
最后使用Canny边缘检测算子对其进行边缘检测，具体方式如下：
(1)使用索贝尔算子(Sobel Operator)求解对灰度图像求解梯度幅度及方向，索贝尔算子使用两组3*3的矩阵与图像作平面卷积操作，可分别得出横向及纵向的亮度差分近似值：
其中：Gx、Gy分别代表横向、纵向边缘检测图像，A表示原始图像。
(2)图像中每一个像素的梯度值及梯度方向使用以下方式近似计算：
(3)求出的幅值图像中，可能存在多个较大幅值临近的情况，而真正的边缘点只有一个，使用滞后阈值对幅值图像进行处理，获取边缘像素：若某像素的幅值超过上限阈值，保留其为边缘像素；若某像素的幅值小于下限阈值，排除该像素；若某像素的幅值在两者之间，该像素仅在邻近于一个高于上限阈值的像素时被保留。本方法中使用的上下限阈值分别为10与20。
身份证矩形识别单元包含多边形检测、矩形检测、过滤、去重、分类识别、矫正、截取等操作，具体地：
首先通过边缘检测步骤后，图像已经是二值化形态，在对其进行多边形检测之前，需要对边缘进行膨胀操作，检测到的边缘之间一般都会有一些细小的间隙，直接对其进行多边形识别效果会很差，膨胀操作能将原本断开的边缘连接到一起，提升多边形的识别效果。经过边缘膨胀后，使用OpenCV库自带的findContours方法对二值化图像进行多边形检测，并使用minAreaRect方法找出多边形对应的外接矩形。
然后对找到的外接矩形，分别对每一个矩形进行过滤、去重、分类识别、矫正、截取操作，如图2所示，具体过程如下：
(1)通过面积与长宽比等信息初步判断是否为可能的身份证矩形；若是则进入下一步，否则忽略该矩形，继续处理下一个矩形；具体根据如下方法判定其是否为可能的身份证矩形：
1.1计算多边形的面积与外接矩形的面积比例：
1.2求出外接矩形的长边与短边的比例：
1.3当且仅当以下条件同时成立时，认为该矩形为可能的身份证矩形。
areaRatio>＝0.7，abs(hwRatio-1.585)＜0.25
(2)将当前矩形与候选列表中的身份证矩形依次进行对比，如果遇到两个矩形被判定为重复，则忽略当前矩形，继续处理下一个矩形；具体根据如下方法判定其是否为互相重复的矩形：
2.1计算两个矩形的面积比例：
2.2计算两个矩形的旋转角度的比例：
2.3计算两个矩形的中心距离与最长边的比例：
2.4当且仅当以下条件同时成立时，认为给定的两个矩形互相重复。
areaRatio>0.9，angleRatio>0.9，distRatio＜0.1
(3)将当前矩形使用经过训练的深度神经网络Inception-v3进行识别，若被识别为身份证矩形，则将其加入身份证矩形候选列表，否则忽略。
本实施方式使用预先打好标签的身份证矩形与非身份证矩形作为训练集，对Inception-v3模型进行训练；使用训练后的Inception-v3模型对初步筛选、去重后的身份证矩形进行识别，根据给出的置信度，取0.5作为阈值，高于0.5的图像认为是身份证矩形，低于的直接排除。
(4)针对照片中手持身份证的拍摄角度不统一，导致的图像变形、旋转等情况，对身份证矩形候选列表中的矩形依次进行矫正处理，得到适合进行OCR识别的矩形图像。
本实施方式取得待处理的原矩形的四个端点坐标，使用OpenCV库自带的Perspective Transform方法对矩形图像进行矫正，并将矫正后的矩形图像进行截取，作为后面调用OCR接口进行身份证信息识别的输入图像。
身份信息提取单元对截取到的身份证矩形通过调用第三方的身份证识别OCR接口提取身份证上的身份证号码、姓名等信息。
身份信息验证单元通过调用API等方式查询用户的身份信息是否合法有效未篡改，若无法从照片中获取合法的身份证信息，则认为该手持身份证照片认证失败。
人脸相似度验证单元通过计算用户人脸与成功识别信息的身份证上证件照的人脸相似度分值，使用阈值判定是否为同一人。本实施方式对于被成功识别的身份证矩形中的证件照与用户手持身份证照片中的人脸，调用人脸识别API，计算上述两个人脸的相似度分值，根据不同的安全性需求，自行选择相似度阈值，若相似度超过阈值，则认为该手持身份证照片认证成功，否则认为认证失败。
上述对实施例的描述是为便于本技术领域的普通技术人员能理解和应用本发明。熟悉本领域技术的人员显然可以容易地对上述实施例做出各种修改，并把在此说明的一般原理应用到其他实施例中而不必经过创造性的劳动。因此，本发明不限于上述实施例，本领域技术人员根据本发明的揭示，对于本发明做出的改进和修改都应该在本发明的保护范围之内。

Claims (7)

1.一种基于图像处理的手持身份证认证系统，其特征在于，包括：
图像预处理单元，用于对含手持身份证的用户人脸图像依次进行去噪、灰度化以及边缘检测的预处理操作；
身份证矩形识别单元，用于对预处理过后的图像依次进行多边形检测、矩形检测、过滤、去重、分类识别以及矫正操作，从而截取得到身份证矩形；
身份信息提取单元，采用OCR技术从身份证矩形中提取出用户的身份信息；
身份信息验证单元，通过调用第三方API验证用户的身份信息是否合法有效，若否即认证失败；
人脸相似度验证单元，对于身份信息合法有效的用户通过调用人脸识别API计算身份证矩形中的证件人脸与图像中用户人脸之间的相似度，根据相似度判定是否为同一人，若是则认证成功，若否即认证失败。
2.根据权利要求1所述的手持身份证认证系统，其特征在于：所述图像预处理单元采用中值滤波对图像进行去噪，采用Canny算子对灰度图像进行边缘检测，并在边缘检测之前对图像的灰度信息进行调整，具体过程如下：
首先，统计图像中各个像素点的灰度值，得到最大灰度值gmax、最小灰度值gmin及平均灰度值gavg；
然后，根据以下算式对图像每一像素点的灰度值进行调整：
若gmax-gavg≥gavg-gmin，则：
若gmax-gavg＜gavg-gmin，则：
其中：gori和gadj分别为图像中任一像素点调整前后的灰度值。
3.根据权利要求1所述的手持身份证认证系统，其特征在于：所述身份证矩形识别单元在进行多边形检测之前，先对通过边缘检测后的二值化图像进行膨胀操作，经边缘膨胀后所述身份证矩形识别单元使用OpenCV自带的findContours函数对二值化图像进行多边形检测，进而使用OpenCV自带的minAreaRect函数对二值化图像进行矩形检测，以找出每个多边形所对应的外接矩形。
4.根据权利要求1所述的手持身份证认证系统，其特征在于：所述身份证矩形识别单元根据面积和长宽比信息对图像中检测得到的所有外接矩形进行过滤，具体过程如下：
1.1对于任一外接矩形，根据以下算式计算其内部多边形与该外接矩形的面积比areaRatio：
<mrow> <mi>a</mi> <mi>r</mi> <mi>e</mi> <mi>a</mi> <mi>R</mi> <mi>a</mi> <mi>t</mi> <mi>i</mi> <mi>o</mi> <mo>=</mo> <mfrac> <mrow> <msub> <mi>area</mi> <mrow> <mi>c</mi> <mi>o</mi> <mi>n</mi> <mi>t</mi> <mi>o</mi> <mi>u</mi> <mi>r</mi> </mrow> </msub> </mrow> <mrow> <msub> <mi>area</mi> <mrow> <mi>r</mi> <mi>e</mi> <mi>c</mi> <mi>tan</mi> <mi>g</mi> <mi>l</mi> <mi>e</mi> </mrow> </msub> </mrow> </mfrac> </mrow>
其中：arearectangle和areacontour分别为该外接矩形与其内部多边形的面积；
1.2根据以下算式计算该外接矩形长边与短边的比例hwRatio：
<mrow> <mi>h</mi> <mi>w</mi> <mi>R</mi> <mi>a</mi> <mi>t</mi> <mi>i</mi> <mi>o</mi> <mfrac> <mrow> <mi>m</mi> <mi>a</mi> <mi>x</mi> <mrow> <mo>(</mo> <msub> <mi>height</mi> <mrow> <mi>r</mi> <mi>e</mi> <mi>c</mi> <mi>tan</mi> <mi>g</mi> <mi>l</mi> <mi>e</mi> </mrow> </msub> <mo>,</mo> <msub> <mi>width</mi> <mrow> <mi>r</mi> <mi>e</mi> <mi>c</mi> <mi>tan</mi> <mi>g</mi> <mi>l</mi> <mi>e</mi> </mrow> </msub> <mo>)</mo> </mrow> </mrow> <mrow> <mi>min</mi> <mrow> <mo>(</mo> <msub> <mi>height</mi> <mrow> <mi>r</mi> <mi>e</mi> <mi>c</mi> <mi>tan</mi> <mi>g</mi> <mi>l</mi> <mi>e</mi> </mrow> </msub> <mo>,</mo> <msub> <mi>width</mi> <mrow> <mi>r</mi> <mi>e</mi> <mi>c</mi> <mi>tan</mi> <mi>g</mi> <mi>l</mi> <mi>e</mi> </mrow> </msub> <mo>)</mo> </mrow> </mrow> </mfrac> </mrow>
其中：heightrectangle和widthrectangle分别为该外接矩形的高和宽；
1.3若areaRatio≥0.7且|hwRatio-1.585|＜0.25，则使该外接矩形进入下一步去重操作；否则滤除该外接矩形。
5.根据权利要求1所述的手持身份证认证系统，其特征在于：所述身份证矩形识别单元将过滤后剩余的矩形与候选集中的身份证矩形逐一进行比对以实现去重，具体过程如下；所述候选集中的身份证矩形为经身份证矩形识别单元分类识别为身份证的矩形；
2.1对于经过滤后剩余的任一矩形R1以及候选集中的任一身份证矩形R2，根据以下算式计算两个矩形的面积比areaRatio*：
<mrow> <msup> <mi>areaRatio</mi> <mo>*</mo> </msup> <mo>=</mo> <mfrac> <mrow> <mi>m</mi> <mi>i</mi> <mi>n</mi> <mrow> <mo>(</mo> <msub> <mi>area</mi> <mn>1</mn> </msub> <mo>,</mo> <msub> <mi>area</mi> <mn>2</mn> </msub> <mo>)</mo> </mrow> </mrow> <mrow> <mi>m</mi> <mi>a</mi> <mi>x</mi> <mrow> <mo>(</mo> <msub> <mi>area</mi> <mn>1</mn> </msub> <mo>,</mo> <msub> <mi>area</mi> <mn>2</mn> </msub> <mo>)</mo> </mrow> </mrow> </mfrac> </mrow>
其中：area1为矩形R1的面积，area2为身份证矩形R2的面积；
2.2根据以下算式计算两个矩形的旋转角度比angleRatio：
<mrow> <mi>a</mi> <mi>n</mi> <mi>g</mi> <mi>l</mi> <mi>e</mi> <mi>R</mi> <mi>a</mi> <mi>t</mi> <mi>i</mi> <mi>o</mi> <mo>=</mo> <mfrac> <mrow> <mi>m</mi> <mi>i</mi> <mi>n</mi> <mrow> <mo>(</mo> <msub> <mi>angle</mi> <mn>1</mn> </msub> <mo>,</mo> <msub> <mi>angle</mi> <mn>2</mn> </msub> <mo>)</mo> </mrow> </mrow> <mrow> <mi>m</mi> <mi>a</mi> <mi>x</mi> <mrow> <mo>(</mo> <msub> <mi>angle</mi> <mn>1</mn> </msub> <mo>,</mo> <msub> <mi>angle</mi> <mn>2</mn> </msub> <mo>)</mo> </mrow> </mrow> </mfrac> </mrow>
其中：angle1为矩形R1相对图像的旋转角度，angle2为身份证矩形R2相对图像的旋转角度；
2.3根据以下算式计算两个矩形中心距离与最长边的比例distRatio：
<mrow> <mi>d</mi> <mi>i</mi> <mi>s</mi> <mi>t</mi> <mi>R</mi> <mi>a</mi> <mi>t</mi> <mi>i</mi> <mi>o</mi> <mo>=</mo> <mfrac> <msqrt> <mrow> <msup> <mrow> <mo>(</mo> <msub> <mi>center</mi> <mn>1</mn> </msub> <mo>(</mo> <mi>x</mi> <mo>)</mo> <mo>-</mo> <msub> <mi>center</mi> <mn>2</mn> </msub> <mo>(</mo> <mi>x</mi> <mo>)</mo> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>+</mo> <msup> <mrow> <mo>(</mo> <msub> <mi>center</mi> <mn>1</mn> </msub> <mo>(</mo> <mi>y</mi> <mo>)</mo> <mo>-</mo> <msub> <mi>center</mi> <mn>2</mn> </msub> <mo>(</mo> <mi>y</mi> <mo>)</mo> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> </msqrt> <mrow> <mi>m</mi> <mi>a</mi> <mi>x</mi> <mrow> <mo>(</mo> <msub> <mi>height</mi> <mn>1</mn> </msub> <mo>,</mo> <msub> <mi>height</mi> <mn>2</mn> </msub> <mo>,</mo> <msub> <mi>width</mi> <mn>1</mn> </msub> <mo>,</mo> <msub> <mi>width</mi> <mn>2</mn> </msub> <mo>)</mo> </mrow> </mrow> </mfrac> </mrow>
其中：height1和width1分别为矩形R1的高和宽，height2和width2分别为身份证矩形R2的高和宽，center1(x)和center1(y)分别为矩形R1中心点在图像中的横坐标和纵坐标，center2(x)和center2(y)分别为身份证矩形R2中心点在图像中的横坐标和纵坐标；
2.4若areaRatio*＞0.9且angleRatio＞0.9且distRatio＜0.1，则判定矩形R1与身份证矩形R2重复，并剔除矩形R1。
6.根据权利要求1所述的手持身份证认证系统，其特征在于：所述身份证矩形识别单元采用经深度学习的图像分类模型Inception-V3对去重后剩余的矩形进行分类识别，若被识别为身份证矩形，则将其加入候选集中；所述图像分类模型Inception-V3由大量预先打好标签的身份证矩形和非身份证矩形作为样本输入进行训练得到，设定0.5为阈值，将去重后剩余的矩形逐一输入至图像分类模型Inception-V3，若模型输出的置信度大于0.5，则判定该矩形为身份证矩形并将其加入候选集中。
7.根据权利要求1所述的手持身份证认证系统，其特征在于：所述身份证矩形识别单元采用OpenCV自带的Perspective Transform组件对候选集中的身份证矩形进行矫正，并将矫正后的身份证矩形从图像中截取出来作为身份信息提取单元的输入图像。
CN201710491114.4A 2017-06-23 2017-06-23 一种基于图像处理的手持身份证认证系统 Pending CN107358174A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710491114.4A CN107358174A (zh) 2017-06-23 2017-06-23 一种基于图像处理的手持身份证认证系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710491114.4A CN107358174A (zh) 2017-06-23 2017-06-23 一种基于图像处理的手持身份证认证系统

Publications (1)

Publication Number Publication Date
CN107358174A true CN107358174A (zh) 2017-11-17

Family

ID=60272514

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710491114.4A Pending CN107358174A (zh) 2017-06-23 2017-06-23 一种基于图像处理的手持身份证认证系统

Country Status (1)

Country Link
CN (1) CN107358174A (zh)

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108198315A (zh) * 2018-01-31 2018-06-22 深圳正品创想科技有限公司 一种身份验证方法以及身份验证装置
CN108197557A (zh) * 2017-12-28 2018-06-22 深圳云天励飞技术有限公司 人证一致性检验方法、终端设备及计算机可读存储介质
CN108734235A (zh) * 2018-04-04 2018-11-02 四川骏逸富顿科技有限公司 一种用于电子处方的身份识别方法及系统
CN108875646A (zh) * 2018-06-22 2018-11-23 苏州市启献智能科技有限公司 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
CN109087292A (zh) * 2018-07-27 2018-12-25 广东工业大学 一种基于机器视觉的热转印胶片胶水偏位检测方法
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
CN109543507A (zh) * 2018-09-29 2019-03-29 深圳壹账通智能科技有限公司 身份认证方法、装置、终端设备及存储介质
CN110020519A (zh) * 2019-01-08 2019-07-16 阿里巴巴集团控股有限公司 一种身份核验方法、装置及电子设备
CN110210341A (zh) * 2019-05-20 2019-09-06 深圳供电局有限公司 基于人脸识别的身份证认证方法及其系统、可读存储介质
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
CN110766033A (zh) * 2019-05-21 2020-02-07 北京嘀嘀无限科技发展有限公司 图像处理方法、装置、电子设备及存储介质
CN111625798A (zh) * 2020-05-27 2020-09-04 中航信移动科技有限公司 一种手持身份证认证用户实名注册系统及方法
CN112215225A (zh) * 2020-10-22 2021-01-12 北京通付盾人工智能技术有限公司 一种基于计算机视觉技术的kyc证件核验方法
CN113283359A (zh) * 2021-06-02 2021-08-20 万达信息股份有限公司 一种手持证件照的认证方法、系统和电子设备
CN113379713A (zh) * 2021-06-23 2021-09-10 京东数科海益信息科技有限公司 证件图像的检测方法及其装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102509138A (zh) * 2011-11-18 2012-06-20 山东神思电子技术股份有限公司 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
CN104504321A (zh) * 2015-01-05 2015-04-08 湖北微模式科技发展有限公司 一种基于摄像头实现远程用户身份验证的方法与系统
CN105893946A (zh) * 2016-03-29 2016-08-24 中国科学院上海高等研究院 一种正面人脸图像的检测方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102509138A (zh) * 2011-11-18 2012-06-20 山东神思电子技术股份有限公司 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
CN104504321A (zh) * 2015-01-05 2015-04-08 湖北微模式科技发展有限公司 一种基于摄像头实现远程用户身份验证的方法与系统
CN105893946A (zh) * 2016-03-29 2016-08-24 中国科学院上海高等研究院 一种正面人脸图像的检测方法

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108197557A (zh) * 2017-12-28 2018-06-22 深圳云天励飞技术有限公司 人证一致性检验方法、终端设备及计算机可读存储介质
CN108198315A (zh) * 2018-01-31 2018-06-22 深圳正品创想科技有限公司 一种身份验证方法以及身份验证装置
CN108734235A (zh) * 2018-04-04 2018-11-02 四川骏逸富顿科技有限公司 一种用于电子处方的身份识别方法及系统
CN108875646A (zh) * 2018-06-22 2018-11-23 苏州市启献智能科技有限公司 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
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
CN109087292A (zh) * 2018-07-27 2018-12-25 广东工业大学 一种基于机器视觉的热转印胶片胶水偏位检测方法
CN109087292B (zh) * 2018-07-27 2022-03-11 广东工业大学 一种基于机器视觉的热转印胶片胶水偏位检测方法
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
CN109543507A (zh) * 2018-09-29 2019-03-29 深圳壹账通智能科技有限公司 身份认证方法、装置、终端设备及存储介质
WO2020062783A1 (zh) * 2018-09-29 2020-04-02 深圳壹账通智能科技有限公司 身份认证方法、装置、终端设备及存储介质
CN110020519A (zh) * 2019-01-08 2019-07-16 阿里巴巴集团控股有限公司 一种身份核验方法、装置及电子设备
CN110210341B (zh) * 2019-05-20 2022-12-06 深圳供电局有限公司 基于人脸识别的身份证认证方法及其系统、可读存储介质
CN110210341A (zh) * 2019-05-20 2019-09-06 深圳供电局有限公司 基于人脸识别的身份证认证方法及其系统、可读存储介质
CN110766033A (zh) * 2019-05-21 2020-02-07 北京嘀嘀无限科技发展有限公司 图像处理方法、装置、电子设备及存储介质
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
CN111625798A (zh) * 2020-05-27 2020-09-04 中航信移动科技有限公司 一种手持身份证认证用户实名注册系统及方法
CN112215225A (zh) * 2020-10-22 2021-01-12 北京通付盾人工智能技术有限公司 一种基于计算机视觉技术的kyc证件核验方法
CN112215225B (zh) * 2020-10-22 2024-03-15 北京通付盾人工智能技术有限公司 一种基于计算机视觉技术的kyc证件核验方法
CN113283359A (zh) * 2021-06-02 2021-08-20 万达信息股份有限公司 一种手持证件照的认证方法、系统和电子设备
CN113379713A (zh) * 2021-06-23 2021-09-10 京东数科海益信息科技有限公司 证件图像的检测方法及其装置
CN113379713B (zh) * 2021-06-23 2024-02-09 京东科技信息技术有限公司 证件图像的检测方法及其装置

Similar Documents

Publication Publication Date Title
CN107358174A (zh) 一种基于图像处理的手持身份证认证系统
CN111401372B (zh) 一种扫描文档图文信息提取与鉴别的方法
CN106529414A (zh) 一种通过图像比对实现结果认证的方法
CN103914686B (zh) 一种基于证件照与采集照的人脸比对认证方法及系统
CN109410026A (zh) 基于人脸识别的身份认证方法、装置、设备和存储介质
CN108563990B (zh) 一种基于cis图像采集系统的证照鉴伪方法及系统
CN106709450A (zh) 一种指纹图像识别方法及系统
CN104951940B (zh) 一种基于掌纹识别的移动支付验证方法
CN109858375B (zh) 活体人脸检测方法、终端及计算机可读存储介质
CN108734235A (zh) 一种用于电子处方的身份识别方法及系统
CN110765857A (zh) 指纹识别方法、芯片及电子装置
CN111222433A (zh) 自动人脸稽核方法、系统、设备及可读存储介质
Du et al. A new approach to iris pattern recognition
CN104156643A (zh) 一种利用眼睛视线来实现密码输入的方法及其硬件装置
CN106682589A (zh) 人脸识别及监狱点名系统
CN110348289A (zh) 一种基于二值图的手指静脉识别方法
CN110991434B (zh) 自助终端证件识别方法及装置
Prashanth et al. Off-line signature verification based on angular features
CN107369086A (zh) 一种身份证打码系统及方法
CN103020599A (zh) 基于人脸的身份认证方法
CN109087429A (zh) 基于人脸识别技术的图书馆借书证人证一致性检验的方法
Srivastava et al. Offline signature verification using grid based feature extraction
CN106845500A (zh) 一种基于Sobel算子的人脸光照不变特征提取方法
CN104615985B (zh) 一种人脸相似度的识别方法
CN111209850A (zh) 一种基于改进cGAN网络生成适用多设备识别指静脉图像的方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20171117

RJ01 Rejection of invention patent application after publication