CN108563990A - 一种基于cis图像采集系统的证照鉴伪方法及系统 - Google Patents

一种基于cis图像采集系统的证照鉴伪方法及系统 Download PDF

Info

Publication number
CN108563990A
CN108563990A CN201810190966.4A CN201810190966A CN108563990A CN 108563990 A CN108563990 A CN 108563990A CN 201810190966 A CN201810190966 A CN 201810190966A CN 108563990 A CN108563990 A CN 108563990A
Authority
CN
China
Prior art keywords
license
image
false distinguishing
infrared
cis
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.)
Granted
Application number
CN201810190966.4A
Other languages
English (en)
Other versions
CN108563990B (zh
Inventor
尤新革
李�昊
张朋
沈钊
胡定坤
王小川
文春阳
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.)
Nanjing China Tech And Ancient Cooking Vessel Information Technology Co Ltd
Original Assignee
Nanjing China Tech And Ancient Cooking Vessel Information Technology Co Ltd
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 Nanjing China Tech And Ancient Cooking Vessel Information Technology Co Ltd filed Critical Nanjing China Tech And Ancient Cooking Vessel Information Technology Co Ltd
Priority to CN201810190966.4A priority Critical patent/CN108563990B/zh
Publication of CN108563990A publication Critical patent/CN108563990A/zh
Application granted granted Critical
Publication of CN108563990B publication Critical patent/CN108563990B/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
    • G06V40/161—Detection; Localisation; Normalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/14—Image acquisition
    • G06V30/148—Segmentation of character regions
    • G06V30/153—Segmentation of character regions using recognition of characters or words

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)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Analysis (AREA)
  • Credit Cards Or The Like (AREA)

Abstract

本发明公开了一种基于CIS图像采集系统的证照鉴伪方法及系统，其方法包括对采集的证照图像进行校正、证照图像识读区域的检测与分割、证照图像的表面字符识别、证照芯片信息读取及证照图像的鉴伪；其系统包括传送装置，CIS管图像采集系统，主控模块，身份证或护照芯片读取模块，上位机接口，以及存储于上位机并在被调用时执行证照鉴伪方法的步骤的计算机程序；本发明的证照鉴伪方法及系统，兼容身份证和护照的鉴伪，且具有很强的抗干扰能力，能够满足多种情形的采集与鉴伪需求，通用性和适用性广；并具有多重安全防护鉴伪，可以在保证效率的情况下，提高鉴伪的准确率，满足证照识读鉴伪技术领域的需求。

Description

一种基于CIS图像采集系统的证照鉴伪方法及系统
技术领域
本发明属于证照识读鉴伪技术领域，具体涉及一种基于CIS图像采集系统的证照鉴伪方法及系统。
背景技术
护照是一个国家的公民出入本国国境和到国外旅行或居留时，由本国发给的一种证明该公民国籍和身份的合法证件。无论是机场还是海关，护照都是人们必备的证件。而身份证则是在国内每个人最重要的身份证件，当下无论乘火车、寄快递还是坐飞机，都会用到。因此证照识读与鉴伪非常重要。
现有的证照检测技术譬如申请号为201310355211.2的中国专利公开的第二代身份证真伪鉴别方法与装置，是将身份证内置芯片保存的文字信息和人脸图像与身份证表面的文字信息和表面人脸图像分别进行比对，通过将相似度和预设阈值的差值来判断身份证的真伪；不受身份证资料数据库的限制即可鉴别身份证真伪，提高了第二代身份证真伪鉴别的效率；但随着越来越多的仿造证件出现，现有的证照读取仪所采集图像的清晰度已不能满足当下的鉴伪需求，随之也带来了很大的安全隐患。现有技术中有采用CIS管来进行票据采集的技术，是通过传动装置从设备一端运行到另一端来完成票据图像的采集；而护照页数超过一页，无法通过传动装置从设备一端运行到另一端来对页数超过一页需要翻页的护照进行图像采集，因此不适用于证照鉴伪。
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CIS图像采集系统的证照鉴伪方法及系统，其目的在于在保证效率的情况下，提高鉴伪的准确率。
为实现上述目的，按照本发明的一个方面，提供了一种基于CIS图像采集系统的证照鉴伪方法，包括如下步骤：
(1)分别在白光、红外、紫外下获取证照的白光、红外、紫外图像；白光、红外、紫外分别对应有不同的防伪特征；
(2)校正证照图像；
(3)检测和分割证照的识读区域；
(4)对证照图像的表面字符进行识别；
(5)读取芯片信息并进行证照鉴伪。
优选地，上述的证照鉴伪方法，其步骤(2)包括如下子步骤：
(2.1)对证照的白光、红外、紫外图像进行色彩校正和白平衡处理；
(2.2)在处理后的红外图像的灰度图上分别搜索查找证照图像的上、下、左、右四条边界；
(2.3)对上述的四条边界进行校正处理；
(2.4)根据校正后的四条边界计算出四条边界两两之间的交点,即证照边缘的四个角点；
(2.5)使用计算出的四个角点，通过改进式多向标定算法计算的标定值计算出的透视变换矩阵，对证照的白光、红外、紫外图像分别进行透视变换，得到校正后的白光、红外、紫外图像。
优选地，上述的证照鉴伪方法，其步骤(3)包括如下子步骤：
(3.1)对校正后的红外图像进行灰度化处理；
(3.2)在灰度化的红外图像上检测人脸位置区域并提取人脸图像；
(3.3)在灰度化的红外图像上检测文字位置区域；
(3.4)对各文字位置区域进行单个字符的检测。
优选地，上述的证照鉴伪方法，其步骤(4)包括如下子步骤：
(4.1)根据证照校正后的红外图像的表面特征判断是身份证还是护照；
(4.2)针对校正后的红外图像的不同区域的字符提取不同特征；
(4.3)通过SVM分类器对不同区域的字符与相应训练的样本库进行预测识别；(4.4)汇总识别结果，并输出到图形界面。
优选地，上述的证照鉴伪方法，其步骤(5)包括如下子步骤：
(5.1)通过芯片读取装置读取证照芯片信息。
(5.2)利用表面图像字符识别结果和芯片本身字符信息进行信息比对。
(5.3)利用表面人脸图像和芯片图像与现场采集图像进行照片比对。
(5.4)利用纹理特征检测对图像综合进行防伪特征鉴定。
优选地，上述的证照鉴伪方法，其步骤(5)还包括如下子步骤
(5.5)若采集的是护照图像，可以将身份证放置在上方感应区，增加一维增强比对，将之前比对的信息增加身份证芯片内的字符和图像信息。
按照本发明的另一方面，提供了一种基于CIS图像采集系统的证照鉴伪系统，包括传送装置，CIS管图像采集系统，主控模块，身份证或护照芯片读取模块，上位机接口，以及存储于上位机并在被调用时执行上述证照鉴伪方法的步骤的计算机程序；
其中，CIS管图像采集系统用于采集证照的红外、白光、紫外图像；传送装置用于移动CIS管图像采集系统来完成不同位置的图像的采集；主控模块用于与外部上位机通信来控制CIS管图像采集系统的采集；身份证或护照芯片读取模块用于读取身份证或护照芯片内部存储的信息；上位机接口用于将采集到的图像数据包和采集完毕的指令发送到外部上位机，并用于将上位机发送的图像采集指令发送到CIS管图像采集系统。
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CIS图像采集系统的证照鉴伪方法及系统，利用CIS图像采集系统进行采图，CIS图像采集系统的CIS管的采集光照均匀且成像质量高于照相机、摄像机等采集设备，且不存在相机光源可能导致的反光现象，因此提高了成像质量，图像采集的速率与实时性；
(2)本发明提供的基于CIS图像采集系统的证照鉴伪方法及系统，兼容身份证和护照的鉴伪，且具有很强的抗干扰能力，能够满足多种情形的采集与鉴伪需求(身份证、护照、护照与身份证同时均可)，通用性和适用性广；
(3)本发明提供的基于CIS图像采集系统的证照鉴伪方法，对现场采集的人脸、芯片内部人脸、芯片表面人脸照片均进行校准，并综合证照表面的文字与证照芯片内存储的文字，以及证照表面所具有的防伪特征，形成多重安全防护鉴伪，因此可以在保证效率的情况下，提高鉴伪的准确率，满足证照识读鉴伪技术领域的需求。
附图说明
图1是本发明提供的基于CIS图像采集系统的证照鉴伪系统的实施例的结构示意图；
图2是实施例提供的基于CIS图像采集系统的证照鉴伪系统的外部结构示意图；
图3是本发明提供的基于CIS图像采集系统的证照鉴伪方法的一个实施例的流程示意图；
图4是实施例提供的基于CIS图像采集系统的证照鉴伪方法的校正流程示意图；
图5是实施例提供的基于CIS图像采集系统的证照鉴伪方法的识读区域检测和分割方法的流程示意图；
图6是实施例提供的基于CIS图像采集系统的证照鉴伪方法的表面字符识别的流程示意图；
图7是实施例提供的基于CIS图像采集系统的证照鉴伪方法的证照图像的鉴伪流程示意图。
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。
参照图1、图2，是本发明提供的基于CIS图像采集系统的证照鉴伪系统的一个实施例的示意图；具体包括传送装置，CIS管图像采集系统，主控模块，身份证或护照芯片读取模块，上位机接口，以及存储于上位机并在被调用时执行上述证照鉴伪方法的步骤的计算机程序；
其中，CIS管图像采集系统用于采集证照的红外、白光、紫外图像；传送装置用于移动CIS管图像采集系统来完成不同位置的图像的采集；主控模块用于与外部上位机通信来控制CIS管图像采集系统的采集；身份证或护照芯片读取模块用于读取身份证或护照芯片内部存储的信息；上位机接口用于将采集到的图像数据包和采集完毕的指令发送到外部上位机，并用于将上位机发送的图像采集指令发送到CIS管图像采集系统。
当待鉴别的护照或身份证被放入该证照鉴伪系统内，通过实时插入红外感应、光照变化感应(由亮变暗)、通过挡光板起落构建的放置区域本身的机械传动感应三种感应方式获取证照的进入信号；CIS管图像采集系统接收到该进入信号，通过传动装置进行白光、紫外和红外图像的同步采集，通过上位机接口将获取的图像数据打包后传给上位机进行图像拼接。本实施例提供的基于CIS图像采集系统的证照鉴伪系统，通过传动证照而固定CIS管的方式克服了现有CIS管图像采集装置无法实现对页数超过1页的多页证照进行图像采集的缺陷。
实施例中，上位机接口采用USB接口，上位机采用计算机；由计算机对图像内容进行初步检测，通过susan算子处理图像后进行边界的预检测，并辅之以抽样投影提取特征值来判定采集到的图像是否属于有效图像，根据有效图像进行证照鉴伪。
实施例中，基于CIS图像采集系统的证照鉴伪方法，其流程如图3所示，包括校正证照图像、证照图像识读区域的检测与分割、证照图像的表面字符识别、证照芯片信息读取及证照图像的鉴伪。
其中，校正证照图像的流程如图4所示，包括如下步骤：
(2.1)对证照的白光、红外、紫外图像作色彩校正和白平衡处理；
实施例中进行色彩校正使用的是基于逐点补偿和白平衡相结合的图像校正算法，具体如下：
(2.1.1)建立感光曲线模型函数gi(I)＝kiI+bi；
其中，gi(I)是指传感器i输出灰度值，I是指光照强度；ki代表第i个传感器的光照感应率，bi为第i个传感器的初始灰度；
为了消除图像本身存在的噪声，对感光特性进行校正，
(2.1.2)设Gi(I)为校正后第i个传感器输出灰度值，ki'为ki的补偿值，bi'为bi的补偿值，则Gi(I)＝(ki+ki')I+(bi+bi')；
实施例中，CIS图像采集系统采用的是8位灰度级，灰度值范围为0到255，则理论上校正纸黑色区域的灰度值为0，白色区域的灰度值为255，将(gbi，0)，(gwi，255)这两组值带入，获得对应的校正系数。
(2.13)针对采集的图像本身，假定R、G、B三个分量的平均值趋于同一个灰度K；令K＝(R1+G1+B1)/3，其中R1、G1、B1分别表示红、绿、蓝三个通道的平均值；
(2.1.4)分别计算各通道的增益：Kr＝K/R1；Kg＝K/G1；Kb＝K/B1；将各通道的增益Kr、Kg、Kb作为用于校正的乘积项，不同通道的像素乘以相关的系数即可；
(2.1.5)通过黑白纸对CIS图像采集系统采集管所造成的相关误差进行校正；
通过对图像进行逐点补偿校正和白平衡处理，可以有效滤除噪声，提升图像质量。
(2.2)在证照红外图像的灰度图上查找上、下、左、右四条边界；并对四条边界进行校正处理。
具体包括如下子步骤：
(2.2.1)对红外图像进行susan算子边缘检测处理；
(2.2.2)采用步长递进回溯式方法在红外图像的边缘检测图上搜索上、下、左、右四条边界；
当未搜寻到对应目标点时，采用大步长检测直到出现目标点，到达第一目标点后向前搜索采用中步长递进搜索，以进一步排除噪声干扰；向后搜索采用小步长回溯搜索，当到达临界点时，在临界点前后进行逐个像素的搜索和中步长的递进搜索确认；首先搜索证照图像的上边界，从图像的上边界开始搜索，采用大步长向下搜索，直到找到某个像素点的灰度值小于设定的阈值，再使用中步长向下继续递进搜索N次，实施例里N取3；如果后续均小于设定的阈值，则判定上边界在第一个目标点附近，采用小步长回溯搜索，直到接连出现一个小于阈值的点和一个大于阈值的点，采用逐像素搜索确认范围。
若第一个目标点附近搜索边界失败，不符合边界特征，可能由于噪声导致，则转而搜索第二个目标点，采用同样的策略直到找到对应的上边界点。如果搜索超出一定区域后仍未找到，则采用中步长回溯搜索以防止漏掉上边界点的情况，然后横向搜索，获得一系列的上边界点。
然后计算每个上边界点的梯度，将通过搜索获得的所有边界点按照梯度大小来进行排序，计算出梯度的中值，利用K-means聚类算法去除无效或者错误的上边界点，获得有效的上边界点；对有效的上边界点进行最小二乘法拟合直线，获得的直线即为上边界。
并采用同样的方法分别获得下边界、左边界、右边界。
(2.3)通过哈夫变换来校正四条边界；
(2.4)计算出四条边界两两之间的交点，即证照边缘的四个角点；
当存在任意两条直线y＝k1x+b1和y＝k2x+b2时，且k1≠0∪k2≠0，这两条直线的交点坐标为
依次对获得的四条边界进行两两求解，得到四个角点。
(2.5)使用计算出的四个角点，采用改进式多向标定算法计算的标定值计算出的透视变换矩阵，对证照的白光、红外、紫外图像分别进行透视变换，获得证照校正的白光、红外、紫外图像。
实施例中使用黑白交错的方格纸来进行标定，将方格纸放入采集器中采集图像，并对图像中的黑白临界点进行多向检测；以目标点八个方向(实施例中为15度，60度，105度，150度，195度，240度，285度，330度)的像素点作为特征点，根据这些特征点的向量信息计算内参和外参矩阵，进而采用最速下降算法求得畸变系数，并存入矩阵，构成标定系数；
采用标定系数对采集的红外、白光、紫外图像进行透视变换得到校正后的图像，根据校正后的边界信息和角点的信息来将校正后的图像的目标区域切割出来，去掉背景部分。
证照图像识读区域的检测与分割流程如图5所示，包括如下步骤：
(3.1)对证照校正的红外图像进行灰度化处理；
实施例中，采用OTSU算法对上述的红外图像进行灰度化处理，通过确定前景与背景的最佳分割阈值来处理图像。
(3.2)在步骤(3.1)获得的灰度图像上检测人脸位置区域并提取人脸图像；
对护照和身份证的字符与人脸区域先通过OTSU算法进行灰度化处理，再采用susan算子进行边缘检测；对证照的字符与人脸区域进行连通域检测，确定大致区域后，再在灰度图上分别向四周扩散进行逐像素的检测，进行区域边缘的判定；通过对上、下、左、右边缘点的搜索与确认，拟合出垂直和水平的边界线，并将其切割保存留作鉴伪所用。
(3.3)在步骤(3.1)获得的灰度图像上检测文字位置区域；
采用susan算子对证照的文字区域进行边缘检测，对于提取出的人脸区域使用黑色像素进行覆盖；然后结合连通域检测和投影法，并根据区域的大小和位置特征滤除无效区域和固定字符位置的区域。
(3.4)对文字位置区域进行单个字符的检测与分割。
针对存在汉字的区域对汉字粘连、左右结构、左中右结构的情况进行二次处理，具体通过多个阈值的设定、长宽比约束、连通域分析、预识别来综合判定。
证照图像的表面字符识别流程如图6所示，包括如下步骤：
(4.1)读取证照校正后的红外图像，判断证照类型。
若红外图像上人脸图像在左上方，人脸图像右方的文字区域约为六行两列，下方有两行机读码，则判定证件类型为护照；
若红外图像上人脸图像在右上方，人脸图像下方有一行号码，则判定证件类型为身份证；
(4.2)针对不同区域的字符提取不同特征。
实施例中，将所有区域划分为以下第一类～第六类：数字区域、英文字符区域、数字字符融合区域、汉字性别区域、汉字民族区域、汉字总体区域；分别用第一类到第六类区域来做标识，对不同的区域提取不同的特征。对第一、二、三类区域提取部分HOG特征和改进式的HAAR特征，第四类区域使用部分HOG特征，第五、六类区域使用改进的粗外围特征、粗网格特征、部分HOG特征进行多特征融合特征提取。
(4.3)通过SVM分类器对不同区域的字符与相应训练的样本库进行预测识别。
样本库同样也对应六类区域，在训练样本时使用相对应不同区域的特征来进行提取，并输入SVM分类器进行训练输出对应的训练结果；提取出所分割字符的特征后，根据其区域划分，将其投入到相应区域的样本库中进行预测识别，并输出结果。
(4.4)汇总识别结果，输出到图形界面。
具体地，将单个字符的识别结果根据其实际行列位置进行组合，并整合成具体的信息输出到图形界面中。
证照芯片信息读取及证照图像的鉴伪流程如图7所示，包括如下子步骤：
(5.1)通过芯片读取装置读取证照芯片信息。
使用证照的判定结果来调用不同的芯片读取设备来进行相应信息的读取，并进行信息传输、解码，将芯片中存储的文字信息和图片存储并显示在计算机图形界面中；
(5.2)利用表面图像字符识别结果和芯片存储字符信息进行信息比对。
具体地，针对身份证，对姓名、性别、民族、生日、住址、身份证号码这六项信息进行比对校验；
针对护照，对国籍、类型、护照号、姓、名、性别、出生地点、出生日期、签发地点、签发日期、有效期、签发机关、机读码进行比对校验。
(5.3)利用表面人脸图像和芯片图像与现场采集图像进行照片比对。
首先对证照表面的人脸图像与芯片中存储的图像进行一次人脸验证；然后将现场采集的人脸图像与与芯片中存储的图像进行二次人脸验证，并输出验证结果。
(5.4)利用纹理特征检测对图像本身信息进行防伪特征鉴定，具体包括如下子步骤：
(5.4.1)针对国籍信息和证照类型信息来确定图像本身需要验证的防伪点信息，包括白光图像防伪点、红外图像防伪点、紫外图像防伪点、白光红外紫外交叉的防伪点的信息；
(5.4.2)根据具体的防伪点来定向检索，采用滑动窗口检测的方法去匹配对应防伪点的信息以查看目标区域像素点数目是否达标；
(5.4.3)根据字符、人脸、图像防伪特征综合鉴定判定图像的真伪。
在步骤(5.4)之后，优选还包括增强校验的步骤(5.5)，对护照进行鉴伪，若有与身份证同时验证的需求，则将身份证芯片存储的信息与护照内的姓名、性别、出生日期进行比对校验，再对身份证芯片内的图像和护照芯片内的图像进行三次人脸验证，以提高鉴伪准确度。
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 (8)

1.一种基于CIS图像采集系统的证照鉴伪方法，其特征在于，包括如下步骤：
(1)在白光、红外、紫外下获取证照的白光、红外、紫外图像；
(2)校正证照的白光、红外、紫外图像；
(3)检测和分割证照的识读区域；
(4)对证照图像的表面字符进行识别；
(5)读取芯片信息并进行证照鉴伪。
2.如权利要求1所述的证照鉴伪方法，其特征在于，步骤(2)包括如下子步骤：
(2.1)对证照的白光、红外、紫外图像进行色彩校正和白平衡处理；
(2.2)在处理后的红外图像的灰度图上分别搜索查找证照图像的上、下、左、右四条边界；
(2.3)对上述的四条边界进行校正处理；
(2.4)根据校正后的四条边界计算出四条边界两两之间的交点,即证照边缘的四个角点；
(2.5)使用计算出的四个角点，通过改进式多向标定算法计算的标定值计算出的透视变换矩阵，对证照的白光、红外、紫外图像分别进行透视变换，得到校正后的白光、红外、紫外图像。
3.如权利要求2所述的证照鉴伪方法，其特征在于，步骤(2.1)包括如下子步骤：
(2.1.1)建立感光曲线模型函数gi(I)＝kiI+bi；
其中，gi(I)是指传感器i输出灰度值，I是指光照强度；ki代表第i个传感器的光照感应率，bi为第i个传感器的初始灰度；
(2.1.2)设Gi(I)为校正后第i个传感器输出灰度值，k′i为ki的补偿值，b′i为bi的补偿值，则Gi(I)＝(ki+k′i)I+(bi+b′i)；
(2.13)针对采集的图像本身，假定R、G、B三个分量的平均值趋于同一个灰度K；令K＝(R1+G1+B1)/3，其中R1、G1、B1分别表示红、绿、蓝三个通道的平均值；
(2.1.4)分别计算各通道的增益：Kr＝K/R1；Kg＝K/G1；Kb＝K/B1；将各通道的增益Kr、Kg、Kb作为用于校正的乘积项，不同通道的像素乘以相关的系数；
(2.1.5)通过黑白纸对CIS图像采集系统采集管所造成的相关误差进行校正。
4.如权利要求1或2所述的证照鉴伪方法，其特征在于，步骤(3)包括如下子步骤：
(3.1)对校正后的红外图像进行灰度化处理；
(3.2)在灰度化的红外图像上检测人脸位置区域并提取人脸图像；
(3.3)在灰度化的红外图像上检测文字位置区域；
(3.4)对各文字位置区域进行单个字符的检测。
5.如权利要求1或2所述的证照鉴伪方法，其特征在于，步骤(4)包括如下子步骤：
(4.1)根据证照校正后的红外图像的表面特征判断是身份证还是护照；
(4.2)针对校正后的红外图像的不同区域的字符提取不同特征；
(4.3)通过SVM分类器对不同区域的字符与相应训练的样本库进行预测识别；
(4.4)汇总识别结果，并输出到图形界面。
6.如权利要求1或2所述的证照鉴伪方法，其特征在于，步骤(5)包括如下子步骤：
(5.1)通过芯片读取装置读取证照芯片信息。
(5.2)利用表面图像字符识别结果和芯片本身字符信息进行信息比对。
(5.3)利用表面人脸图像和芯片图像与现场采集图像进行照片比对。
(5.4)利用纹理特征检测对图像综合进行防伪特征鉴定。
7.如权利要求1或2所述的证照鉴伪方法，其特征在于，步骤(5)还包括如下子步骤，
(5.5)若采集的是护照图像，可以将身份证放置在上方感应区，增加一维增强比对，将之前比对的信息增加身份证芯片内的字符和图像信息。
8.一种基于权利要求1～7所述证照鉴伪方法的证照鉴伪系统，其特征在于，包括传送装置，CIS管图像采集系统，主控模块，身份证或护照芯片读取模块，上位机接口，以及存储于上位机并在被调用时执行权利要求1～5任一项所述证照鉴伪方法的步骤的计算机程序；
所述CIS管图像采集系统用于采集证照的红外、白光、紫外图像；传送装置用于移动CIS管图像采集系统来完成不同位置的图像的采集；主控模块用于与外部上位机通信来控制CIS管图像采集系统的采集；身份证或护照芯片读取模块用于读取身份证或护照芯片内部存储的信息；上位机接口用于将采集到的图像数据包和采集完毕的指令发送到外部上位机，并用于将上位机发送的图像采集指令发送到CIS管图像采集系统。
CN201810190966.4A 2018-03-08 2018-03-08 一种基于cis图像采集系统的证照鉴伪方法及系统 Active CN108563990B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810190966.4A CN108563990B (zh) 2018-03-08 2018-03-08 一种基于cis图像采集系统的证照鉴伪方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810190966.4A CN108563990B (zh) 2018-03-08 2018-03-08 一种基于cis图像采集系统的证照鉴伪方法及系统

Publications (2)

Publication Number Publication Date
CN108563990A true CN108563990A (zh) 2018-09-21
CN108563990B CN108563990B (zh) 2022-03-29

Family

ID=63532534

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810190966.4A Active CN108563990B (zh) 2018-03-08 2018-03-08 一种基于cis图像采集系统的证照鉴伪方法及系统

Country Status (1)

Country Link
CN (1) CN108563990B (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108920990A (zh) * 2018-09-28 2018-11-30 五邑大学 一种身份证识别认证系统
CN109740586A (zh) * 2018-12-19 2019-05-10 南京华科和鼎信息科技有限公司 一种防眩光证件自动阅读系统及方法
CN110765884A (zh) * 2019-09-29 2020-02-07 华中科技大学 一种多类型证卡鉴伪方法及设备
CN110929725A (zh) * 2019-12-06 2020-03-27 深圳市碧海扬帆科技有限公司 证件分类方法、装置及计算机可读存储介质
CN111582259A (zh) * 2020-04-10 2020-08-25 支付宝实验室(新加坡)有限公司 机读码识别方法、装置、电子设备和存储介质
CN111738979A (zh) * 2020-04-29 2020-10-02 北京易道博识科技有限公司 证件图像质量自动检查方法及系统
CN112381080A (zh) * 2020-11-06 2021-02-19 湖南长城信息金融设备有限责任公司 一种支持多协议类型的证件读取方法、装置、设备及介质
CN112560850A (zh) * 2019-09-26 2021-03-26 中电万维信息技术有限责任公司 基于自定义模板的身份证信息自动提取和真伪校验方法
WO2021139169A1 (zh) * 2020-07-27 2021-07-15 平安科技（深圳）有限公司 卡片识别方法、装置、设备及存储介质
CN113449686A (zh) * 2021-07-19 2021-09-28 成都新希望金融信息有限公司 一种身份证造假的识别方法、装置、设备和介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006085265A (ja) * 2004-09-14 2006-03-30 Fuji Photo Film Co Ltd 認証装置および方法並びにプログラム
CN101751785A (zh) * 2010-01-12 2010-06-23 杭州电子科技大学 基于图像处理的车牌自动识别方法
CN101876532A (zh) * 2010-05-25 2010-11-03 大连理工大学 测量系统中的摄像机现场标定方法
US20120293663A1 (en) * 2011-05-16 2012-11-22 Sony Corporation Device for determining disappearing direction and method thereof, apparatus for video camera calibration and method thereof
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
CN104574401A (zh) * 2015-01-09 2015-04-29 北京环境特性研究所 一种基于平行线匹配的图像配准方法
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
CN105866051A (zh) * 2016-03-26 2016-08-17 南京华科和鼎信息科技有限公司 一种便携式证照检验仪及其使用方法
CN106650560A (zh) * 2015-11-04 2017-05-10 上海市公安局刑事侦查总队 基于身份证的身份验证方法、处理器及系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006085265A (ja) * 2004-09-14 2006-03-30 Fuji Photo Film Co Ltd 認証装置および方法並びにプログラム
CN101751785A (zh) * 2010-01-12 2010-06-23 杭州电子科技大学 基于图像处理的车牌自动识别方法
CN101876532A (zh) * 2010-05-25 2010-11-03 大连理工大学 测量系统中的摄像机现场标定方法
US20120293663A1 (en) * 2011-05-16 2012-11-22 Sony Corporation Device for determining disappearing direction and method thereof, apparatus for video camera calibration and method thereof
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
CN104574401A (zh) * 2015-01-09 2015-04-29 北京环境特性研究所 一种基于平行线匹配的图像配准方法
CN106650560A (zh) * 2015-11-04 2017-05-10 上海市公安局刑事侦查总队 基于身份证的身份验证方法、处理器及系统
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
CN105866051A (zh) * 2016-03-26 2016-08-17 南京华科和鼎信息科技有限公司 一种便携式证照检验仪及其使用方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
孔祥楠: "基于边缘轮廓角点检测算法的研究", 《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》 *
李山雨: "基于多光谱图像的澳元防伪鉴定研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
颜志国 等: "《多摄像机协同关注目标检测跟踪技术》", 30 June 2017, 东南大学出版社 *

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108920990A (zh) * 2018-09-28 2018-11-30 五邑大学 一种身份证识别认证系统
CN109740586A (zh) * 2018-12-19 2019-05-10 南京华科和鼎信息科技有限公司 一种防眩光证件自动阅读系统及方法
CN112560850A (zh) * 2019-09-26 2021-03-26 中电万维信息技术有限责任公司 基于自定义模板的身份证信息自动提取和真伪校验方法
CN110765884A (zh) * 2019-09-29 2020-02-07 华中科技大学 一种多类型证卡鉴伪方法及设备
CN110765884B (zh) * 2019-09-29 2022-07-26 华中科技大学 一种多类型证卡鉴伪方法及设备
CN110929725B (zh) * 2019-12-06 2023-08-29 深圳市碧海扬帆科技有限公司 证件分类方法、装置及计算机可读存储介质
CN110929725A (zh) * 2019-12-06 2020-03-27 深圳市碧海扬帆科技有限公司 证件分类方法、装置及计算机可读存储介质
CN111582259A (zh) * 2020-04-10 2020-08-25 支付宝实验室(新加坡)有限公司 机读码识别方法、装置、电子设备和存储介质
CN111582259B (zh) * 2020-04-10 2024-04-16 支付宝实验室(新加坡)有限公司 机读码识别方法、装置、电子设备和存储介质
CN111738979A (zh) * 2020-04-29 2020-10-02 北京易道博识科技有限公司 证件图像质量自动检查方法及系统
CN111738979B (zh) * 2020-04-29 2024-01-19 北京易道博识科技有限公司 证件图像质量自动检查方法及系统
WO2021139169A1 (zh) * 2020-07-27 2021-07-15 平安科技（深圳）有限公司 卡片识别方法、装置、设备及存储介质
CN112381080A (zh) * 2020-11-06 2021-02-19 湖南长城信息金融设备有限责任公司 一种支持多协议类型的证件读取方法、装置、设备及介质
CN112381080B (zh) * 2020-11-06 2022-08-16 长城信息股份有限公司 一种支持多协议类型的证件读取方法、装置、设备及介质
CN113449686A (zh) * 2021-07-19 2021-09-28 成都新希望金融信息有限公司 一种身份证造假的识别方法、装置、设备和介质

Also Published As

Publication number Publication date
CN108563990B (zh) 2022-03-29

Similar Documents

Publication Publication Date Title
CN108563990A (zh) 一种基于cis图像采集系统的证照鉴伪方法及系统
CN109684987B (zh) 一种基于证件的身份验证系统及方法
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
CN106203294B (zh) 基于人脸属性分析的人证合一身份验证方法
CN104112128B (zh) 应用于票据影像字符识别的数字图像处理系统及方法
US20170220886A1 (en) Method and system for reading and validating identity documents
CN102419819B (zh) 人脸图像识别方法和系统
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
CN107491730A (zh) 一种基于图像处理的化验单识别方法
CN108694393A (zh) 一种基于深度卷积的证件图像文本区域提取方法
US20080025556A1 (en) Method and system for document comparison using cross plane comparison
CN103426016A (zh) 一种第二代身份证真伪鉴别方法与装置
CN110008909A (zh) 一种基于ai的实名制业务实时稽核系统
CN102005078A (zh) 一种纸币、票券识别方法和装置
CN101447023B (zh) 人头检测方法和系统
CN103530648A (zh) 一种基于多帧图像的人脸识别方法
CN107195069A (zh) 一种人民币冠字号自动识别方法
Darade et al. Automatic recognition of fake Indian currency note
CN103729645A (zh) 基于单目摄像头的二代证区域定位与提取的方法及装置
CN106650623A (zh) 一种基于人脸检测的出入境人证核实的方法
CN106203322A (zh) 一种基于手背静脉与掌纹融合图像的身份认证系统及方法
CN106991448A (zh) 一种人像比对处理方法
CN102306415A (zh) 便携式有价文件识别装置
CN206849035U (zh) 一种图像处理装置及人脸识别系统

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
GR01 Patent grant
GR01 Patent grant