发明名称 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
摘要 本发明涉及一种基于二代身份证和人脸特征识别的身份验证系统,包括硬件和验证软件,所述的硬件包括摄像机、计算机主机和身份证读卡器;所述的计算机主机内装载有验证软件,验证软件包括摄像单元、人脸检测定位单元、图像标准化单元,小波变换单元、特征向量提取单元和支持向量机单元。本发明的优点在于,实现了二代证验证和人脸特征比对识别的双重身份核验;利用人脸特征进行身份识别,无需任何其它形式的密码,所以,利用人脸识别技术进行身份认定,更加安全、可靠、方便;对硬件要求低,没有过多的复杂运算和大量的数据存储;对比速度快,可以在绝大多数嵌入式设备上使用;识别率高,在一定的环境下识别率可达到90%以上。
申请公布号 CN102509138B 申请公布日期 2014.07.02
申请号 CN201110368910.1 申请日期 2011.11.18
申请人 山东神思电子技术股份有限公司 发明人 许野平;方亮;张铁山;张欣
分类号 G06K17/00(2006.01)I;G06K7/00(2006.01)I;G06K9/00(2006.01)I 主分类号 G06K17/00(2006.01)I
代理机构 济南金迪知识产权代理有限公司 37219 代理人 吕利敏
主权项 1.一种基于二代身份证和人脸特征识别的身份验证系统,其特征在于,包括硬件,所述的硬件包括摄像机、计算机主机和身份证读卡器;所述的计算机主机内装载有摄像单元、人脸检测定位单元、图像标准化单元,小波变换单元、特征向量提取单元和支持向量机单元;所述摄像单元,向摄影机发送控制命令,控制摄影机抓取持证人现场照片并保存;所述人脸检测定位单元,分别从身份证照片和现场照片中检测、定位人脸区域;图像标准化单元,对人脸区域中双眼瞳孔进行定位,将人脸区域中双眼瞳孔之间的距离设定为64像素,分别在身份证照片和现场照片中以双眼瞳孔连线中心为图像中心,分别截取240×320像素的人脸照片,得身份证的标准化人脸照片、现场照片的标准化人脸照片;小波变换单元,对标准化人脸照片进行二维离散小波变换:标准化人脸照片被小波分解为四个子频带,得到第一层小波分解频带图,LL子频带是低频子带,它是标准化的人脸照片的低维近似;LH描述了标准化的人脸照片的水平方向高频特性;HL子带描述了标准化的人脸照片的竖直方向高频特性;HH子带描述了标准化的人脸照片对角线方向的特性;其中低频子带LL继续被小波分解为四个子频带,得到第二层小波分解频带图;特征向量提取单元,用于提取标准化人脸照片的特征向量;对于240×320像素的标准化人脸照片2次小波分解后,每一频带大小为240/2<sup>k</sup>×320/2<sup>k</sup>,用m×m的网格区分割每个子频带为多个子块,然后计算每个子块的6个特征向量,即为标准化人脸照片的特征向量:水平方向变量:<maths num="0001"><![CDATA[<math><mrow><msub><mi>V</mi><mi>h</mi></msub><mo>=</mo><mn>1</mn><mo>/</mo><mi>m</mi><mrow><mo>(</mo><mi>m</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow><munderover><mi>&Sigma;</mi><mrow><mi>x</mi><mo>=</mo><mn>2</mn></mrow><mi>m</mi></munderover><munderover><mi>&Sigma;</mi><mrow><mi>y</mi><mo>=</mo><mn>1</mn></mrow><mi>m</mi></munderover><msup><mrow><mo>(</mo><mi>coef</mi><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>-</mo><mi>coef</mi><mrow><mo>(</mo><mi>x</mi><mo>-</mo><mn>1</mn><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>)</mo></mrow><mn>2</mn></msup></mrow></math>]]></maths>竖直方向变量:<maths num="0002"><![CDATA[<math><mrow><msub><mi>V</mi><mi>v</mi></msub><mo>=</mo><mn>1</mn><mo>/</mo><mi>m</mi><mrow><mo>(</mo><mi>m</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow><munderover><mi>&Sigma;</mi><mrow><mi>x</mi><mo>-</mo><mn>1</mn></mrow><mi>m</mi></munderover><munderover><mi>&Sigma;</mi><mrow><mi>y</mi><mo>=</mo><mn>2</mn></mrow><mi>m</mi></munderover><msup><mrow><mo>(</mo><mi>coef</mi><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>-</mo><mi>coef</mi><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow><mo>)</mo></mrow><mn>2</mn></msup></mrow></math>]]></maths>45°方向变量:<maths num="0003"><![CDATA[<math><mrow><msub><mi>V</mi><mn>45</mn></msub><mo>=</mo><mn>1</mn><mo>/</mo><mrow><mo>(</mo><mi>m</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow><mrow><mo>(</mo><mi>m</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow><munderover><mi>&Sigma;</mi><mrow><mi>x</mi><mo>=</mo><mn>2</mn></mrow><mi>m</mi></munderover><munderover><mi>&Sigma;</mi><mrow><mi>y</mi><mo>=</mo><mn>2</mn></mrow><mi>m</mi></munderover><msup><mrow><mo>(</mo><mi>coef</mi><mrow><mo>(</mo><mi>x</mi><mo>-</mo><mn>1</mn><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>-</mo><mi>coef</mi><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow><mo>)</mo></mrow><mn>2</mn></msup></mrow></math>]]></maths>135°方向变量:<maths num="0004"><![CDATA[<math><mrow><msub><mi>V</mi><mn>135</mn></msub><mo>=</mo><mn>1</mn><mo>/</mo><mrow><mo>(</mo><mi>m</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow><mrow><mo>(</mo><mi>m</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow><munderover><mi>&Sigma;</mi><mrow><mi>x</mi><mo>=</mo><mn>2</mn></mrow><mi>m</mi></munderover><munderover><mi>&Sigma;</mi><mrow><mi>y</mi><mo>=</mo><mn>2</mn></mrow><mi>m</mi></munderover><msup><mrow><mo>(</mo><mi>coef</mi><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>-</mo><mi>coef</mi><mrow><mo>(</mo><mi>x</mi><mo>-</mo><mn>1</mn><mo>,</mo><mi>y</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow><mo>)</mo></mrow><mn>2</mn></msup></mrow></math>]]></maths>每个子块的方差:<maths num="0005"><![CDATA[<math><mrow><msub><mi>V</mi><mi>b</mi></msub><mo>=</mo><mn>1</mn><mo>/</mo><mi>m</mi><mo>&times;</mo><mi>m</mi><munderover><mi>&Sigma;</mi><mrow><mi>x</mi><mo>=</mo><mn>1</mn></mrow><mi>m</mi></munderover><munderover><mi>&Sigma;</mi><mrow><mi>y</mi><mo>=</mo><mn>1</mn></mrow><mi>m</mi></munderover><msup><mrow><mo>(</mo><mi>coef</mi><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>-</mo><mi>E</mi><mrow><mo>(</mo><mi>A</mi><mo>)</mo></mrow><mo>)</mo></mrow><mn>2</mn></msup></mrow></math>]]></maths>每个子块与其转置的平均值:V<sub>r</sub>=1/m×m(E(AA<sup>T</sup>))其中,coef(x,y)是在每个子块(x,y)位置的小波系数,A表示子块小波系数矩阵,m是网格的大小,其中m=5,V<sub>h</sub>、V<sub>v</sub>、V<sub>45</sub>、V<sub>135</sub>分别为水平、竖直、45°、135°的方向向量,V<sub>b</sub>为方差,V<sub>r</sub>为A与A的转置乘积的平均值,总的特征向量维数为6/m<sup>2</sup>×240/2<sup>k</sup>×320/2<sup>k</sup>支持向量机单元,将身份证照片的特征向量作为正样本,将现场照片的特征向量作为待测样本,在支持向量机单元中储存有负样本,支持向量机单元根据正样本和负样本自动寻找分类超平面,当现场照片的特征向量处于分类超平面负样本侧时,则判断持证人身份与身份证信息不一致;当现场照片的特征向量处于分类超平面正样本侧时,则判断持证人身份与身份证信息一致。
地址 250101 山东省济南市高新区舜华西路699号