CN109583299A - 电子装置、证件识别方法及存储介质 - Google Patents

电子装置、证件识别方法及存储介质 Download PDF

Info

Publication number
CN109583299A
CN109583299A CN201811256274.1A CN201811256274A CN109583299A CN 109583299 A CN109583299 A CN 109583299A CN 201811256274 A CN201811256274 A CN 201811256274A CN 109583299 A CN109583299 A CN 109583299A
Authority
CN
China
Prior art keywords
image
certificate
channel
edge
region
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
CN201811256274.1A
Other languages
English (en)
Other versions
CN109583299B (zh
Inventor
郑佳
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.)
Ping An Technology Shenzhen Co Ltd
Original Assignee
Ping An Technology Shenzhen 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 Ping An Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Priority to CN201811256274.1A priority Critical patent/CN109583299B/zh
Publication of CN109583299A publication Critical patent/CN109583299A/zh
Priority to PCT/CN2019/088632 priority patent/WO2020082731A1/zh
Application granted granted Critical
Publication of CN109583299B publication Critical patent/CN109583299B/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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face

Landscapes

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

Abstract

本发明涉及图像识别，提出了一种证件识别方法，包括：获取待识别的用户证件图像，对所述证件图像的证件照进行预处理，得到所述证件照的灰度图；对所述证件照的灰度图进行边缘处理，获得所述证件照的第一边缘图像；对所述第一边缘图像进行人脸图像过滤处理，保留对应的第一背景图像；根据最大稳定极值区域算法从过滤后的第一背景图像中提取出候选区域；对候选区域进行边缘检测，若有候选区域存在连续边缘痕迹，且所述连续边缘痕迹构造出封闭图形，则确定所述待识别的用户证件为人工合成的证件。能够快速准确地识别出人工合成的证件照片，提高证件照片识别的效率。

Description

电子装置、证件识别方法及存储介质
技术领域
本发明涉及证件识别领域，尤其涉及一种电子装置、证件识别方法及存储介质。
背景技术
随着计算机技术的不断发展，在越来越多的行业，如通信行业、服务行业等，都需要对证件信息进行采集和登记，以进行实名制，而随着图像技术的不断发展，不法分子通常借助于人工合成的证件进行犯罪活动。目前，为了防止不法分子冒充他人进行非法活动，在很多业务场景中使用人脸识别技术，但是人脸识别技术需要投入大量的财力，对于中小企业以及小规模经营场所来说存在一定的经济压力。因此，在实名认证的过程中，如何快速准确地识别出证件的真假是亟待要解决的问题。
发明内容
有鉴于此，本发明提出一种电子装置、证件识别方法及存储介质，能够快速准确地识别出人工合成的证件照片，提高证件照片识别的效率。
首先，为实现上述目的，本发明提出一种电子装置，所述电子装置包括存储器、及与所述存储器连接的处理器，所述处理器用于执行所述存储器上存储的证件识别程序，所述证件识别程序被所述处理器执行时实现如下步骤：
A1、获取待识别的用户证件图像，对所述证件图像的证件照进行预处理，得到所述证件照的灰度图；
A2、对所述证件照的灰度图进行边缘处理，获得所述证件照的第一边缘图像；
A3、将所述第一边缘图像进行人脸图像过滤处理，保留所述第一边缘图像对应的第一背景图像；
A4，根据最大稳定极值区域算法从过滤后的第一背景图像中提取出候选区域；
A5，对候选区域进行边缘检测，若有候选区域存在连续边缘痕迹，且所述连续边缘痕迹构造出封闭图形，则确定所述待识别的用户证件为人工合成的证件。
优选地，在所述步骤A1中，所述对所述证件图像的证件照进行预处理，得到所述证件照的灰度图的步骤包括：
使用双线性插值对所述证件图像进行缩放，使证件图像的尺寸标准化；
取标准化之后的证件图像的RGB通道，分别计算出R通道、G通道、B通道各自的平均值avgR、avgG、avgB；
将所述avgR、avgG、avgB代入预定义的灰度平均值计算公式，计算得到R通道、G通道、B通道各自的增益系数Kr、Kg、Kb；
分别用所述增益系数Kr、Kg、Kb乘以R通道、G通道、B通道中的每个像素点，将三通道的RGB图转化为单通道的灰度图。
优选地，所述步骤A2包括:
对所述灰度图使用预先确定的高斯滤波器进行平滑处理，以得到平滑图像：
其中p、q分别为平滑图像的横、纵坐标，k为高斯滤波器的核大小，c为核中心坐标偏移量，m、n为高斯模版的横、纵坐标；
使用一阶有限差分计算平滑图像的横坐标P以及纵坐标q的偏导数，得到两个阵列P与Q：
计算所述阵列P与Q的梯度幅值和方位角θ；
将各方位角上的梯度幅值进行非极大值抑制，并搜索局部极大值；
使用双阈值算法检测并连接边缘，直到整个图像边缘闭合，得到所述第一边缘图像。
优选地，所述步骤A4包括：
根据预定义的像素阈值，分别获取所述第一背景图像的像素阈值，其中所述预定义的像素阈值从0到255依次递增；
对获取的各像素阈值进行二值化处理，得到各像素阈值对应的二值图像；
连通各二值图像，得到连通区域；
将连通区域变化最小的区域定义为最大稳定极值区域，并将所述最大稳定极值区域用公式表示为：
其中Qρ表示阈值为时对应的连通域的面积，Δ表示灰度阈值的微小变化量，表示阈值为时的面积变化率，当为局部极小值时则认为该区域为候选区域。
优选地，所述证件识别程序被所述处理器执行时还实现如下步骤：
若候选区域不存在连续边缘痕迹，或者存在的连续边缘痕迹无法构造出封闭图形，则确定所述待识别的用户证件为非人工合成证件图片，向预先确定的图像识别终端发送图像识别指令。
此外，为了实现上述目的，本发明还提出一种证件识别方法，所述方法包括如下步骤：
S1、获取待识别的用户证件图像，对所述证件图像的证件照进行预处理，得到所述证件照的灰度图；
S2、对所述证件照的灰度图进行边缘处理，获得所述证件照的第一边缘图像；
S3、将所述第一边缘图像进行人脸图像过滤处理，保留所述第一边缘图像对应的第一背景图像；
S4、根据最大稳定极值区域算法从过滤后的第一背景图像中提取出候选区域；
S5、对候选区域进行边缘检测，若有候选区域存在连续边缘痕迹，且所述连续边缘痕迹构造出封闭图形，则确定所述待识别的用户证件为人工合成的证件。
优选地，在所述步骤S1中，所述对所述证件图像的证件照进行预处理，得到所述证件照的灰度图的步骤包括：
使用双线性插值对所述证件图像进行缩放，使证件图像的尺寸标准化；
取标准化之后的证件图像的RGB通道，分别计算出R通道、G通道、B通道各自的平均值avgR、avgG、avgB；
将所述avgR、avgG、avgB代入预定义的灰度平均值计算公式，计算得到R通道、G通道、B通道各自的增益系数Kr、Kg、Kb；
分别用所述增益系数Kr、Kg、Kb乘以R通道、G通道、B通道中的每个像素点，将三通道的RGB图转化为单通道的灰度图。
优选地，所述步骤S2包括:
对所述灰度图使用预先确定的高斯滤波器进行平滑处理，以得到平滑图像：
其中p、q分别为平滑图像的横、纵坐标，k为高斯滤波器的核大小，c为核中心坐标偏移量，m、n为高斯模版的横、纵坐标；
使用一阶有限差分计算平滑图像的横坐标P以及纵坐标q的偏导数，得到两个阵列P与Q：
计算所述阵列P与Q的梯度幅值和方位角θ；
将各方位角上的梯度幅值进行非极大值抑制，并搜索局部极大值；
使用双阈值算法检测并连接边缘，直到整个图像边缘闭合，得到所述第一边缘图像。
优选地，所述步骤S4包括：
根据预定义的像素阈值，分别获取所述第一背景图像的像素阈值，其中所述预定义的像素阈值从0到255依次递增；
对获取的各像素阈值进行二值化处理，得到各像素阈值对应的二值图像；
连通各二值图像，得到连通区域；
将连通区域变化最小的区域定义为最大稳定极值区域，并将所述最大稳定极值区域用公式表示为：
其中Qρ表示阈值为时对应的连通域的面积，Δ表示灰度阈值的微小变化量，表示阈值为时的面积变化率，当为局部极小值时则认为该区域为候选区域。
此外，为实现上述目的，本发明还提出一种计算机可读存储介质，所述计算机可读存储介质存储有证件识别程序，所述证件识别程序可被至少一个处理器执行，以使所述至少一个处理器执行如上所述的证件识别方法的步骤。
本发明所提出的电子装置、证件识别方法及存储介质，通过获取待识别的用户证件图像，对所述证件图像的证件照进行预处理，得到所述证件照的灰度图；对所述证件照的灰度图进行边缘处理，获得所述证件照的第一边缘图像；对所述第一边缘图像进行人脸图像过滤处理，保留对应的第一背景图像；根据最大稳定极值区域算法从过滤后的第一背景图像中提取出候选区域；对候选区域进行边缘检测，若有候选区域存在连续边缘痕迹，且所述连续边缘痕迹构造出封闭图形，则确定所述待识别的用户证件为人工合成的证件。能够快速准确地识别出人工合成的证件照片，提高证件照片识别的效率。
附图说明
图1是本发明提出的电子装置一可选的硬件架构的示意图；
图2是本发明电子装置一实施例中证件识别的程序模块示意图；
图3是本发明证件识别方法较佳实施例的实施流程图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
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用以解释本发明，并不用于限定本发明。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，在本发明中涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。
参阅图1所示，是本发明提出的电子装置一可选的硬件架构示意图。本实施例中，电子装置10可包括，但不仅限于，可通过通信总线14相互通信连接存储器11、处理器12、网络接口13。需要指出的是，图1仅示出了具有组件11-14的电子装置10，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
其中，存储器11至少包括一种类型的计算机可读存储介质，计算机可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，存储器11可以是电子装置10的内部存储单元，例如电子装置10的硬盘或内存。在另一些实施例中，存储器11也可以是电子装置10的外包存储设备，例如电子装置10上配备的插接式硬盘，智能存储卡(SmartMedia Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。当然，存储器11还可以既包括电子装置10的内部存储单元也包括其外包存储设备。本实施例中，存储器11通常用于存储安装于电子装置10的操作系统和各类应用软件，例如证件识别程序等。此外，存储器11还可以用于暂时地存储已经输出或者将要输出的各类数据。
处理器12在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。处理器12通常用于控制电子装置10的总体操作。本实施例中，处理器12用于运行存储器11中存储的程序代码或者处理数据，例如运行的证件识别程序等。
网络接口13可包括无线网络接口或有线网络接口，网络接口13通常用于在电子装置10与其他电子设备之间建立通信连接。
通信总线14用于实现组件11-13之间的通信连接。
图1仅示出了具有组件11-14以及证件识别的电子装置10，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
可选地，电子装置10还可以包括用户接口(图1中未示出)，用户接口可以包括显示器、输入单元比如键盘，其中，用户接口还可以包括标准的有线接口、无线接口等。
可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED触摸器等。进一步地，显示器也可称为显示屏或显示单元，用于显示在电子装置10中处理信息以及用于显示可视化的用户界面。
可选地，在一些实施例中，电子装置10还可以包括音频单元(音频单元图1中未示出)，音频单元可以在电子装置10处于呼叫信号接收模式、通话模式、记录模式、语音识别模式、广播接收模式等等模式下时，将接收的或者存储的音频数据转换为音频信号；进一步地，电子装置10还可以包括音频输出单元，音频输出单元将音频单元转换的音频信号输出，而且音频输出单元还可以提供与电子装置10执行的特定功能相关的音频输出(例如呼叫信号接收声音、消息接收声音等等)，音频输出单元可以包括扬声器、蜂鸣器等等。
可选地，在一些实施例中，电子装置10还可以包括警报单元(图中未示出)，警报单元可以提供输出已将事件的发生通知给电子装置10。典型的事件可以包括呼叫接收、消息接收、键信号输入、触摸输入等等。除了音频或者视频输出之外，警报单元可以以不同的方式提供输出以通知事件的发生。例如，警报单元可以以震动的形式提供输出，当接收到呼叫、消息或一些其他可以使电子装置10进入通信模式时，警报单元可以提供触觉输出(即，振动)以将其通知给用户。
在一实施例中，存储器11中存储的证件识别程序被处理器12执行时，实现如下操作：
A1，获取待识别的用户证件图像，对所述证件图像的证件照进行预处理，得到所述证件照的灰度图；
具体地，在本实施例中，所述对所述证件图像的证件照进行预处理的步骤包括：使用双线性插值对证件图像进行缩放，使证件图像的尺寸标准化，具体方法为：对于一个目的像素设置坐标，通过反向变换得到浮点坐标(i+u,j+v)，其中i、j分别为浮点坐标的整数部分，u、v分别为浮点坐标的小数部分，是取值[0,1)区间的浮点数，则这个像素的值为：
f(i+u,j+v)＝(1-u)(1-v)f(i,j)+(1-u)vf(i,j+1)+u(1-v)f(i+1,j)+uvf(i+1,j+1)；其中f(i,j)表示源图像(i,j)处的像素值；
对所述标准化之后的证件照使用灰度世界法进行自动白平衡处理，具体方法为：取图像的RGB通道分别计算出三通道各自的平均值avgR、avgG、avgB，然后通过下式计算得到灰度平均值avgGray：
通过下式计算三通道各自的增益系数Kr、Kg、Kb：
通过下式调整每个像素的RGB分量R’、G’、B’：
将三通道的RGB图转化为单通道的灰度图。
A2，对所述证件照的灰度图进行边缘处理，获得所述证件照的第一边缘图像；
具体地，在本实施例中，所述对所述证件照的灰度图进行边缘处理，获得所述证件照的第一边缘图像的步骤包括：
对所述灰度图使用预先确定的高斯滤波器进行平滑处理，以得到平滑图像；具体地，所述预先确定的高斯滤波器为二维高斯分布，所述二维高斯分布为：
根据所述二维高斯分布算出归一化的高斯模版h，其中x0、y0分别为核中心坐标，σ为标准差，在对高斯模版进行归一化后使用以下公式进行卷积得到平滑图像：
其中p、q分别为平滑图像的横、纵坐标，k为高斯滤波器的核大小，c为核中心坐标偏移量，m、n为高斯模版的横、纵坐标；
使用一阶有限差分计算平滑图像的横坐标P以及纵坐标q的偏导数，得到两个阵列P与Q：
通过下式计算梯度幅值M和方位角θ：
在各方位角上的梯度幅值进行非极大值抑制，搜索局部极大值；
使用双阈值算法检测并连接边缘，对每个像素点首先判断该点是否超过高阈值，然后在该点的邻域点中寻找满足超过低阈值的点，再根据超过低阈值的点收集新的边缘,直到整个图像边缘闭合，在整个图像中查找完边缘后，将非边缘点剔除，即灰度值置为0的点剔除，得到所述第一边缘图像。
A3，将所述第一边缘图像进行人脸图像过滤处理，保留所述第一边缘图像对应的第一背景图像；
A4，根据最大稳定极值区域算法从过滤后的第一背景图像中提取出候选区域；
具体地，所述根据最大稳定极值区域算法从过滤后的第一背景图像中提取出候选区域的步骤包括：
对所述第一背景图像取阈值，进行二值化处理，所取的阈值从0到255依次递增，在得到的所有二值图像中，将连通区域变化最小的区域定义为最大稳定极值区域，并将所述最大稳定极值区域用公式表示为：
其中Qρ表示阈值为时对应的连通域的面积，Δ表示灰度阈值的微小变化量，表示阈值为时的面积变化率，当为局部极小值时则认为该区域为候选区域。
A5，对候选区域进行边缘检测，若有候选区域存在连续边缘痕迹，且所述连续边缘痕迹构造出封闭图形，则确定所述待识别的用户证件为人工合成的证件。
具体地，对候选区域采用Canny边缘检测方法进行边缘检测。
进一步地，若候选区域不存在连续边缘痕迹，或者存在的连续边缘痕迹无法构造出封闭图形，则确定所述待识别的用户证件为非人工合成证件图片，向预先确定的图像识别终端发送图像识别指令。
由上述事实施例可知，本发明提出的电子装置，通过获取待识别的用户证件图像，对所述证件图像的证件照进行预处理，得到所述证件照的灰度图；对所述证件照的灰度图进行边缘处理，获得所述证件照的第一边缘图像；对所述第一边缘图像进行人脸图像过滤处理，保留对应的第一背景图像；根据最大稳定极值区域算法从过滤后的第一背景图像中提取出候选区域；
对候选区域进行边缘检测，若有候选区域存在连续边缘痕迹，且所述连续边缘痕迹构造出封闭图形，则确定所述待识别的用户证件为人工合成的证件。能够快速准确地识别出人工合成的证件照片，提高证件照片识别的效率。
此外，本发明的证件识别依据其各部分所实现的功能不同，可用具有相同功能的程序模块进行描述。请参阅图2所示，是本发明电子装置一实施例中证件识别的程序模块示意图。本实施例中，证件识别依据其各部分所实现的功能的不同，可以被分割成预处理模块201、边缘处理模块202、过滤模块203、提取模块204以及确定模块205。由上面的描述可知，本发明所称的程序模块是指能够完成特定功能的一系列计算机程序指令段，比程序更适合于描述证件识别程序在电子装置10中的执行过程。所述模块201-205所实现的功能或操作步骤均与上文类似，此处不再详述，示例性地，例如其中：
预处理模块201用于获取待识别的用户证件图像，对所述证件图像的证件照进行预处理，得到所述证件照的灰度图；
边缘处理模块202用于对所述证件照的灰度图进行边缘处理，获得所述证件照的第一边缘图像；
过滤模块203用于将所述第一边缘图像进行人脸图像过滤处理，保留所述第一边缘图像对应的第一背景图像；
提取模块204用于根据最大稳定极值区域算法从过滤后的第一背景图像中提取出候选区域；
确定模块205用于对候选区域进行边缘检测，若有候选区域存在连续边缘痕迹，且所述连续边缘痕迹构造出封闭图形，则确定所述待识别的用户证件为人工合成的证件。
此外，本发明还提出一种证件识别方法，请参阅图3所示，所述证件识别方法包括如下步骤：
S301，获取待识别的用户证件图像，对所述证件图像的证件照进行预处理，得到所述证件照的灰度图；
具体地，在本实施例中，所述对所述证件图像的证件照进行预处理的步骤包括：使用双线性插值对证件图像进行缩放，使证件图像的尺寸标准化，具体方法为：对于一个目的像素设置坐标，通过反向变换得到浮点坐标(i+u,j+v)，其中i、j分别为浮点坐标的整数部分，u、v分别为浮点坐标的小数部分，是取值[0,1)区间的浮点数，则这个像素的值为：
f(i+u,j+v)＝(1-u)(1-v)f(i,j)+(1-u)vf(i,j+1)+u(1-v)f(i+1,j)+uvf(i+1,j+1)；其中f(i,j)表示源图像(i,j)处的像素值；
对所述标准化之后的证件照使用灰度世界法进行自动白平衡处理，具体方法为：取图像的RGB通道分别计算出三通道各自的平均值avgR、avgG、avgB，然后通过下式计算得到灰度平均值avgGray：
通过下式计算三通道各自的增益系数Kr、Kg、Kb：
通过下式调整每个像素的RGB分量R’、G’、B’：
将三通道的RGB图转化为单通道的灰度图。
S302，对所述证件照的灰度图进行边缘处理，获得所述证件照的第一边缘图像；
具体地，在本实施例中，所述对所述证件照的灰度图进行边缘处理，获得所述证件照的第一边缘图像的步骤包括：
对所述灰度图使用预先确定的高斯滤波器进行平滑处理，以得到平滑图像；具体地，所述预先确定的高斯滤波器为二维高斯分布，所述二维高斯分布为：
根据所述二维高斯分布算出归一化的高斯模版h，其中x0、y0分别为核中心坐标，σ为标准差，在对高斯模版进行归一化后使用以下公式进行卷积得到平滑图像：
其中p、q分别为平滑图像的横、纵坐标，k为高斯滤波器的核大小，c为核中心坐标偏移量，m、n为高斯模版的横、纵坐标；
使用一阶有限差分计算平滑图像的横坐标P以及纵坐标q的偏导数，得到两个阵列P与Q：
通过下式计算梯度幅值M和方位角θ：
在各方位角上的梯度幅值进行非极大值抑制，搜索局部极大值；
使用双阈值算法检测并连接边缘，对每个像素点首先判断该点是否超过高阈值，然后在该点的邻域点中寻找满足超过低阈值的点，再根据超过低阈值的点收集新的边缘,直到整个图像边缘闭合，在整个图像中查找完边缘后，将非边缘点剔除，即灰度值置为0的点剔除，得到所述第一边缘图像。
S303，将所述第一边缘图像进行人脸图像过滤处理，保留所述第一边缘图像对应的第一背景图像；
S304，根据最大稳定极值区域算法从过滤后的第一背景图像中提取出候选区域；
具体地，所述根据最大稳定极值区域算法从过滤后的第一背景图像中提取出候选区域的步骤包括：
对所述第一背景图像取阈值，进行二值化处理，所取的阈值从0到255依次递增，在得到的所有二值图像中，将连通区域变化最小的区域定义为最大稳定极值区域，并将所述最大稳定极值区域用公式表示为：
其中Qρ表示阈值为时对应的连通域的面积，Δ表示灰度阈值的微小变化量，表示阈值为时的面积变化率，当为局部极小值时则认为该区域为候选区域。
S305，对候选区域进行边缘检测，若有候选区域存在连续边缘痕迹，且所述连续边缘痕迹构造出封闭图形，则确定所述待识别的用户证件为人工合成的证件。
具体地，对候选区域采用Canny边缘检测方法进行边缘检测。
进一步地，若候选区域不存在连续边缘痕迹，或者存在的连续边缘痕迹无法构造出封闭图形，则确定所述待识别的用户证件为非人工合成证件图片，向预先确定的图像识别终端发送图像识别指令。
由上述事实施例可知，本发明提出的证件识别方法，通过获取待识别的用户证件图像，对所述证件图像的证件照进行预处理，得到所述证件照的灰度图；对所述证件照的灰度图进行边缘处理，获得所述证件照的第一边缘图像；对所述第一边缘图像进行人脸图像过滤处理，保留对应的第一背景图像；根据最大稳定极值区域算法从过滤后的第一背景图像中提取出候选区域；
对候选区域进行边缘检测，若有候选区域存在连续边缘痕迹，且所述连续边缘痕迹构造出封闭图形，则确定所述待识别的用户证件为人工合成的证件。能够快速准确地识别出人工合成的证件照片，提高证件照片识别的效率。
此外，本发明还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有证件识别程序，所述证件识别程序被处理器执行时实现如下操作：
获取待识别的用户证件图像，对所述证件图像的证件照进行预处理，得到所述证件照的灰度图；
对所述证件照的灰度图进行边缘处理，获得所述证件照的第一边缘图像；
将所述第一边缘图像进行人脸图像过滤处理，保留所述第一边缘图像对应的第一背景图像；
根据最大稳定极值区域算法从过滤后的第一背景图像中提取出候选区域；
对候选区域进行边缘检测，若有候选区域存在连续边缘痕迹，且所述连续边缘痕迹构造出封闭图形，则确定所述待识别的用户证件为人工合成的证件。
本发明计算机可读存储介质的具体实施过程，与上述电子装置以及基于混肴二进制码的图片删除方法的具体实施过程类似，在此不再赘述。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种电子装置，其特征在于，所述电子装置包括存储器、及与所述存储器连接的处理器，所述处理器用于执行所述存储器上存储的证件识别程序，所述证件识别程序被所述处理器执行时实现如下步骤：
A1、获取待识别的用户证件图像，对所述证件图像的证件照进行预处理，得到所述证件照的灰度图；
A2、对所述证件照的灰度图进行边缘处理，获得所述证件照的第一边缘图像；
A3、将所述第一边缘图像进行人脸图像过滤处理，保留所述第一边缘图像对应的第一背景图像；
A4，根据最大稳定极值区域算法从过滤后的第一背景图像中提取出候选区域；
A5，对候选区域进行边缘检测，若有候选区域存在连续边缘痕迹，且所述连续边缘痕迹构造出封闭图形，则确定所述待识别的用户证件为人工合成的证件。
2.如权利要求1所述的电子装置，其特征在于，在所述步骤A1中，所述对所述证件图像的证件照进行预处理，得到所述证件照的灰度图的步骤包括：
使用双线性插值对所述证件图像进行缩放，使证件图像的尺寸标准化；
取标准化之后的证件图像的RGB通道，分别计算出R通道、G通道、B通道各自的平均值avgR、avgG、avgB；
将所述avgR、avgG、avgB代入预定义的灰度平均值计算公式，计算得到R通道、G通道、B通道各自的增益系数Kr、Kg、Kb；
分别用所述增益系数Kr、Kg、Kb乘以R通道、G通道、B通道中的每个像素点，将三通道的RGB图转化为单通道的灰度图。
3.如权利要求2所述的电子装置，其特征在于，所述步骤A2包括:
对所述灰度图使用预先确定的高斯滤波器进行平滑处理，以得到平滑图像：
其中p、q分别为平滑图像的横、纵坐标，k为高斯滤波器的核大小，c为核中心坐标偏移量，m、n为高斯模版的横、纵坐标；
使用一阶有限差分计算平滑图像的横坐标P以及纵坐标q的偏导数，得到两个阵列P与Q：
计算所述阵列P与Q的梯度幅值和方位角θ；
将各方位角上的梯度幅值进行非极大值抑制，并搜索局部极大值；
使用双阈值算法检测并连接边缘，直到整个图像边缘闭合，得到所述第一边缘图像。
4.如权利要求1所述的电子装置，其特征在于，所述步骤A4包括：
根据预定义的像素阈值，分别获取所述第一背景图像的像素阈值，其中所述预定义的像素阈值从0到255依次递增；
对获取的各像素阈值进行二值化处理，得到各像素阈值对应的二值图像；
连通各二值图像，得到连通区域；
将连通区域变化最小的区域定义为最大稳定极值区域，并将所述最大稳定极值区域用公式表示为：
其中Qρ表示阈值为时对应的连通域的面积，Δ表示灰度阈值的微小变化量，表示阈值为时的面积变化率，当为局部极小值时则认为该区域为候选区域。
5.如权利要求1-4任一所述的电子装置，其特征在于，所述证件识别程序被所述处理器执行时还实现如下步骤：
若候选区域不存在连续边缘痕迹，或者存在的连续边缘痕迹无法构造出封闭图形，则确定所述待识别的用户证件为非人工合成证件图片，向预先确定的图像识别终端发送图像识别指令。
6.一种证件识别方法，其特征在于，所述方法包括如下步骤：
S1、获取待识别的用户证件图像，对所述证件图像的证件照进行预处理，得到所述证件照的灰度图；
S2、对所述证件照的灰度图进行边缘处理，获得所述证件照的第一边缘图像；
S3、将所述第一边缘图像进行人脸图像过滤处理，保留所述第一边缘图像对应的第一背景图像；
S4、根据最大稳定极值区域算法从过滤后的第一背景图像中提取出候选区域；
S5、对候选区域进行边缘检测，若有候选区域存在连续边缘痕迹，且所述连续边缘痕迹构造出封闭图形，则确定所述待识别的用户证件为人工合成的证件。
7.如权利要求6所述的证件识别方法，其特征在于，在所述步骤S1中，所述对所述证件图像的证件照进行预处理，得到所述证件照的灰度图的步骤包括：
使用双线性插值对所述证件图像进行缩放，使证件图像的尺寸标准化；
取标准化之后的证件图像的RGB通道，分别计算出R通道、G通道、B通道各自的平均值avgR、avgG、avgB；
将所述avgR、avgG、avgB代入预定义的灰度平均值计算公式，计算得到R通道、G通道、B通道各自的增益系数Kr、Kg、Kb；
分别用所述增益系数Kr、Kg、Kb乘以R通道、G通道、B通道中的每个像素点，将三通道的RGB图转化为单通道的灰度图。
8.如权利要求7所述的证件识别方法，其特征在于，所述步骤S2包括:
对所述灰度图使用预先确定的高斯滤波器进行平滑处理，以得到平滑图像：
其中p、q分别为平滑图像的横、纵坐标，k为高斯滤波器的核大小，c为核中心坐标偏移量，m、n为高斯模版的横、纵坐标；
使用一阶有限差分计算平滑图像的横坐标P以及纵坐标q的偏导数，得到两个阵列P与Q：
计算所述阵列P与Q的梯度幅值和方位角θ；
将各方位角上的梯度幅值进行非极大值抑制，并搜索局部极大值；
使用双阈值算法检测并连接边缘，直到整个图像边缘闭合，得到所述第一边缘图像。
9.如权利要求6所述的证件识别方法，其特征在于，所述步骤S4包括：
根据预定义的像素阈值，分别获取所述第一背景图像的像素阈值，其中所述预定义的像素阈值从0到255依次递增；
对获取的各像素阈值进行二值化处理，得到各像素阈值对应的二值图像；
连通各二值图像，得到连通区域；
将连通区域变化最小的区域定义为最大稳定极值区域，并将所述最大稳定极值区域用公式表示为：
其中Qρ表示阈值为时对应的连通域的面积，Δ表示灰度阈值的微小变化量，表示阈值为时的面积变化率，当为局部极小值时则认为该区域为候选区域。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有证件识别程序，所述证件识别程序可被至少一个处理器执行，以使所述至少一个处理器执行如权利要求6-9中任一项所述的证件识别方法的步骤。
CN201811256274.1A 2018-10-26 2018-10-26 电子装置、证件识别方法及存储介质 Active CN109583299B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201811256274.1A CN109583299B (zh) 2018-10-26 2018-10-26 电子装置、证件识别方法及存储介质
PCT/CN2019/088632 WO2020082731A1 (zh) 2018-10-26 2019-05-27 电子装置、证件识别方法及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811256274.1A CN109583299B (zh) 2018-10-26 2018-10-26 电子装置、证件识别方法及存储介质

Publications (2)

Publication Number Publication Date
CN109583299A true CN109583299A (zh) 2019-04-05
CN109583299B CN109583299B (zh) 2024-06-28

Family

ID=65920555

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811256274.1A Active CN109583299B (zh) 2018-10-26 2018-10-26 电子装置、证件识别方法及存储介质

Country Status (2)

Country Link
CN (1) CN109583299B (zh)
WO (1) WO2020082731A1 (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110111648A (zh) * 2019-04-17 2019-08-09 吉林大学珠海学院 一种编程训练系统及方法
CN110516649A (zh) * 2019-09-02 2019-11-29 南京微小宝信息技术有限公司 基于人脸识别的校友认证方法及系统
WO2020082731A1 (zh) * 2018-10-26 2020-04-30 平安科技（深圳）有限公司 电子装置、证件识别方法及存储介质
CN111967469A (zh) * 2020-08-13 2020-11-20 上海明略人工智能(集团)有限公司 一种畸形文本矫正方法、系统及文字识别方法
CN112435168A (zh) * 2020-12-01 2021-03-02 清华大学深圳国际研究生院 一种参考块缩放方法及计算机可读存储介质
CN112991470A (zh) * 2021-02-08 2021-06-18 上海通办信息服务有限公司 一种复杂背景下的证件寸照背景颜色检查方法及其系统

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111767845B (zh) * 2020-06-29 2024-03-05 京东科技控股股份有限公司 证件识别方法及装置
CN113947549B (zh) * 2021-10-22 2022-10-25 深圳国邦信息技术有限公司 自拍视频修饰道具边缘处理方法及相关产品
CN117676038B (zh) * 2024-01-30 2024-04-05 北京点聚信息技术有限公司 一种电子证照数据安全共享方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101100156A (zh) * 2007-07-20 2008-01-09 苏州苏大维格数码光学有限公司 一种用于卡证的防伪结构及其识别方法
CN102156996A (zh) * 2011-04-01 2011-08-17 上海海事大学 一种图像边缘检测的方法
US20160140405A1 (en) * 2014-11-13 2016-05-19 David L. Graumann Preventing face-based authentication spoofing
CN105678242A (zh) * 2015-12-30 2016-06-15 小米科技有限责任公司 手持证件模式下的对焦方法和装置
US20180068173A1 (en) * 2016-09-02 2018-03-08 VeriHelp, Inc. Identity verification via validated facial recognition and graph database

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107872614A (zh) * 2016-09-27 2018-04-03 中兴通讯股份有限公司 一种拍摄方法及拍摄装置
CN107123088B (zh) * 2017-04-21 2019-09-13 山东大学 一种自动更换证件照背景颜色的方法
CN107563377A (zh) * 2017-08-30 2018-01-09 江苏实达迪美数据处理有限公司 一种利用边缘和文字区域的证件关键区域检测定位方法
CN109583299B (zh) * 2018-10-26 2024-06-28 平安科技（深圳）有限公司 电子装置、证件识别方法及存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101100156A (zh) * 2007-07-20 2008-01-09 苏州苏大维格数码光学有限公司 一种用于卡证的防伪结构及其识别方法
CN102156996A (zh) * 2011-04-01 2011-08-17 上海海事大学 一种图像边缘检测的方法
US20160140405A1 (en) * 2014-11-13 2016-05-19 David L. Graumann Preventing face-based authentication spoofing
CN105678242A (zh) * 2015-12-30 2016-06-15 小米科技有限责任公司 手持证件模式下的对焦方法和装置
US20180068173A1 (en) * 2016-09-02 2018-03-08 VeriHelp, Inc. Identity verification via validated facial recognition and graph database

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020082731A1 (zh) * 2018-10-26 2020-04-30 平安科技（深圳）有限公司 电子装置、证件识别方法及存储介质
CN110111648A (zh) * 2019-04-17 2019-08-09 吉林大学珠海学院 一种编程训练系统及方法
CN110516649A (zh) * 2019-09-02 2019-11-29 南京微小宝信息技术有限公司 基于人脸识别的校友认证方法及系统
CN110516649B (zh) * 2019-09-02 2023-08-22 南京微小宝信息技术有限公司 基于人脸识别的校友认证方法及系统
CN111967469A (zh) * 2020-08-13 2020-11-20 上海明略人工智能(集团)有限公司 一种畸形文本矫正方法、系统及文字识别方法
CN111967469B (zh) * 2020-08-13 2023-12-15 上海明略人工智能(集团)有限公司 一种畸形文本矫正方法、系统及文字识别方法
CN112435168A (zh) * 2020-12-01 2021-03-02 清华大学深圳国际研究生院 一种参考块缩放方法及计算机可读存储介质
CN112435168B (zh) * 2020-12-01 2024-01-19 清华大学深圳国际研究生院 一种参考块缩放方法及计算机可读存储介质
CN112991470A (zh) * 2021-02-08 2021-06-18 上海通办信息服务有限公司 一种复杂背景下的证件寸照背景颜色检查方法及其系统
CN112991470B (zh) * 2021-02-08 2023-12-26 上海通办信息服务有限公司 一种复杂背景下的证件寸照背景颜色检查方法及其系统

Also Published As

Publication number Publication date
WO2020082731A1 (zh) 2020-04-30
CN109583299B (zh) 2024-06-28

Similar Documents

Publication Publication Date Title
CN109583299A (zh) 电子装置、证件识别方法及存储介质
CN110084135B (zh) 人脸识别方法、装置、计算机设备及存储介质
CN109116129B (zh) 终端检测方法、检测设备、系统及存储介质
CN110826418B (zh) 脸部特征提取方法及装置
CN109753928A (zh) 违章建筑物识别方法和装置
US11367310B2 (en) Method and apparatus for identity verification, electronic device, computer program, and storage medium
CN106815522A (zh) 移动终端软件假界面识别方法及装置
CN113012383B (zh) 火灾检测报警方法、相关系统、相关设备及存储介质
CN109635633A (zh) 电子装置、票据识别方法及存储介质
CN110135421A (zh) 车牌识别方法、装置、计算机设备及计算机可读存储介质
CN112669515A (zh) 票据图像识别方法、装置、电子设备和存储介质
CN112650875A (zh) 房产图片验证方法、装置、计算机设备及存储介质
CN114494990A (zh) 一种目标检测方法、系统、终端设备及存储介质
CN108805001B (zh) 电子装置、基于证件图片的身份识别方法及存储介质
CN112686205B (zh) 一种参数更新方法及装置、多终端网络架构
CN108960246B (zh) 一种用于图像识别的二值化处理装置及方法
CN112507903B (zh) 假脸检测方法、装置、电子设备及计算机可读存储介质
CN110232381A (zh) 车牌分割方法、装置、计算机设备及计算机可读存储介质
CN108769521A (zh) 一种拍照方法、移动终端及计算机可读存储介质
CN106886796A (zh) 图标位置识别方法、装置及终端设备
CN111597944A (zh) 活体检测方法、装置、计算机设备及存储介质
CN110287786A (zh) 基于人工智能防干扰的车辆信息识别方法及装置
CN112819859B (zh) 一种应用于智慧安防的多目标跟踪方法及装置
CN113792671A (zh) 人脸合成图像的检测方法、装置、电子设备及介质
CN106056584B (zh) 一种前后景分割装置和方法

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
GR01 Patent grant
GR01 Patent grant