一种图像自动筛选查询识别系统的制作方法
【技术领域】
[0001]本发明涉及一种计算机辅助生物特征识别系统，更具体的说是涉及一种图像自动筛选查询识别系统。
【背景技术】
[0002]伴随着经济的高速发展，人口的密集程度进一步集中，特别是随着反恐形势的严峻，我们面临着各类公共安全形势。同时，现代商业、物流和网络的迅速发展也对对方身份的审核、确认的要求也迫在眉睫。
[0003]科技不断的发展，云存储、云计算、大数据库挖掘一系列技术支持下的人脸识别无疑是远程身份确认的最佳方式。
[0004]远程人脸识别，采取动态人脸识别无疑是最好、最可靠的。但是受限于当今的硬件、网络水平以及成本过高等原因，动态在线人脸识别还难于大面积普及，因此采用动、静态结合的人脸识别方式无疑是最佳的选择。
【发明内容】
[0005]本专利主要结合了人脸识别检索和大数据存储两大技术。
[0006]本人脸识别技术的最大特点是动态采集、静态识别，动、静结合。摄像机通过网络上传实时动态视频，人脸识别系统自动采集含有可以建模的人像帧，转换为照片，然后把人脸照片建模传输到后台存储系统，再通过大数据查询，1:N静态并发比对，与数据库系统中存储的人像比对检索，以人查人，查询出嫌疑人真实身份信息。
[0007]根据人脸识别这一技术领域，人脸由额头、眉毛、眼睛、鼻子、嘴巴、双颊六个区域组合而成，这六个区域间的相对位置、区域器官的大小、相对比例和特征构成了每个人脸中所蕴涵的身份特征信息。提取每个人脸中所蕴涵的身份特征信息，从而可识别出每个人的身份。
[0008]人脸主要的特征值获取，限定在人的眉毛以下，至下颚间，根据人类解刨学的成就，得知人脸在特定三角区内，某些器官的大小、位置、相对比例，具有唯一性和不变性；而另一些器官的比例，虽有变化，却能够保持相对的稳定性。根据这个原理，只要找到人脸特征区域中，相关器官的大小、位置、相对比例就能过抽取其特征值。
[0009]本专利采用的人脸识别技术采用的面部区域特征分析算法，它融合了计算机图像处理技术与生物统计学原理于一体，利用计算机图像处理技术从视频图像中提取人像特征点，利用生物统计学的原理进行分析建立3D数学模型，即人脸特征模板。利用照片库中已生成的人脸特征值与采集到的人脸生成的特征值比对，给出一个相似度，通过这个值即可确定是否为同一人。
[0010]具体而言，本发明为一种图像自动筛选查询识别系统，包括图像输入设备、数据库系统、存储系统、人脸检测系统、人脸注册系统及人脸比对系统。
[0011]所述图像输入设备包括实时视频输入(动态)、录像回放输入(动态)、照片批量导入(静态)；
[0012]所述数据库系统存储个人关联人像信息，包括个人证件信息(身份证、驾驶证、户籍、社保、护照等)、证件照(身份证、驾驶证、社保卡、护照等证件照)、生活照、集体照以及对应的特征值等；
[0013]所述存储系统保存已3D建模的人像信息(即特征值)及来源标示；
[0014]所述人脸检测系统读取图像输入设备输入的图像，进行人脸检测、采集符合建模条件的人像；
[0015]所述人脸注册系统进行人脸建模，建模的人脸照片来源于人脸检测系统，并向存储系统注册人脸建模信息；
[0016]所述人脸识别系统通过对存储系统中的人像信息在数据库系统中进行特征值比对检索，以人查人，查询出人的真实身份。
[0017]所述人脸识别系统，为动、静结合，即前端为动态人像采集系统，后端为静态照片4000路并发比对系统；
[0018]所述人脸动态捕捉引擎包括筛选模块、拼桢合成图像模块、背景处理模块、轨迹跟踪丰旲块；
[0019]所述干扰还原引擎包括光干扰还原模块、人种识别模块、年龄还原模块、表情还原模块、姿态还原模块、遮挡还原模块。
[0020]所述人脸建模引擎对采集到2D人像，通过面像五官轮廓的大小、比例、相对位置、距离等固定属性，按3D面像器官模板进行展开，对应几何关系形成识别参数与数据，计算出相互间的关联几何矢量(特征值)，即生成3D特征值。
[0021]所述数据注册引擎对建模数据进行来源关联标示(时间、摄像机编号等信息)，并按数据库标准登录方式存储，以便数据查询。
[0022]所述人脸比对系统是“三合一”的特征值比对引擎，包含三种特征值比对模块:①:双眼间12像素-24像素(400点)比对模块 '②:双眼间24像素-40像素(1500点)比对模块:双眼间40像素-60像素(4000点)比对模块。系统自动计算人脸双眼间像素点的数量，根据人脸双眼间像素点的数量，自动选取上述三种比对模块中的相对应的一种，把三种比对模块组装一起，合成“三合一”比对引擎。
[0023]所述筛选模块包括如下步骤:
[0024]步骤一、所述视频输入设备中的图像与人脸基本模板的符合度检查，即人脸基本模板过滤法，二个眼睛与一个鼻子构成的三角区是人脸的最基本特征，符合条件的进入步骤二 ；
[0025]步骤二、所述视频输入设备中人脸角度与标准人像比较，角度差范围在左右±25° /上下±15° /旋转±10°的符合条件进入步骤三；
[0026]步骤三、双眼可见，双眼间像素点检查，根据视频输入设备总的像素值及双眼间区域面积占整个摄像画面的比例，计算出双眼间区域的像素点值，需要双眼间像素点值大于12，符合以上条件的做人脸采集；
[0027]所述轨迹跟踪模块:系统对视频流分桢，从采集到第一帧可比对的人脸帧开始，在随后的2秒中内，系统会自动进行桢之间互相校验，从50桢(2秒*25桢/秒)内挑出最清晰的两幅人像桢作为比对桢，拼桢，合成，在比对模块中作为比对源；同时对采集到的人像进行标识，基于与运动模型相结合的算法，在前端进行比对跟踪，如果确认是同一人，将不做第二次人脸采集。这样，大大节省了后台CPU、传输带宽、存储的硬件资源。
【附图说明】
[0028]图1为标识了部分人脸结构示意图。
[0029]图2、图3是背景处理模块功能示意图。
[0030]图4是光干扰还原模块功能示意图。
[0031]图5是不同人种模板示意图。
[0032]图6是表情还原示意图。
[0033]图7、图8是姿态还原示意图。
[0034]图9是遮挡还原示意图。
[0035]图10是人脸建模示意图。
[0036]图11是双胞胎识别示意图。
[0037]图12是系统结构示意图。
[0038]图13是系统流程图
[0039]图示说曰月:
[0040]1-眼袋
[0041]2-泪沟、苹果肌下垂
[0042]3-法令纹
[0043]4-木偶纹
[0044]5-轮廓线
【具体实施方式】
[0045]下面结合说明书附图来说明【具体实施方式】:
[0046]一、特征点综述
[0047]如在
【发明内容】
部分所述，特征点为本专利的核心，人脸在特定三角区内，某些器官的大小、位置、相对比例，具有唯一性和不变性；而另一些器官的比例，虽有变化，却能够保持相对的稳定性，根据这些器官的大小、位置、相对比例的变化程度，本专利将其分为三大类:
[0048]A)唯一性不变关系:
[0049]双眼间距；
[0050]双眼瞳孔与人脸鼻梁尖部的位置比例关系
[0051]鼻梁弧度
[0052]鼻梁弧长与鼻子的宽度比例关系
[0053]颧骨的几何结构；
[0054]眉心到上唇间距；
[0055]双眼角的间距；
[0056]B)随年龄有规律变化的特征，根据这些特征的推演可以得出人脸这些部分变化的趋势，以还原:
[0057]双眼角下垂；
[0058]眼袋；
[0059]双唇角下垂；
[0060]法令纹变化；(法令纹是位在鼻翼边延伸而下的两道纹路，是典型的皮肤组织老化、造成肌肤表面凹陷的现象；而经常化妆、大笑以及不注意保养都会使女性朋友产生法令纹。)
[0061]C)极易变化的部分
[0062]从耳垂与下颚间部的点，俗称轮廓线。
[0063]综上所述，在各种典型部位并非只有一个特征点，而是一组特征点组成的函数曲线，最终形成脸部特征点集合；图1标识了上述部分人脸结构。
[0064]二、各模块详述
[0065]人脸识别系统包括人脸捕捉引擎，干扰还原引擎，人脸建模引擎，人脸比对引擎，照片特征库，模板库。
[0066]1、人脸捕捉引擎
[0067]人脸捕捉引擎首先对获得的图像进行筛选，筛选模块具体包括如下三个步骤:步骤一，摄像机中的图像与人脸基本模板(二个眼睛与一个鼻子构成的三角区)的符合度检查，即人脸基本模板过滤法，符合条件的进入步骤二 ；步骤二，视频中人脸角度与人像比较，角度差范围在左右±25° /上下±15° /旋转±10°的符合条件进入步骤三；步骤三，双眼可见，双眼间像素点检查，根据视频输入设备总的像素值及双眼间区域面积占整个摄像画面的比例，计算出双眼间区域的像素点值，需要双眼间像素点值大于12，符合以上条件的做人脸米集；
[0068]上述筛选可通过级联分类器筛选法:被检测的图像依次通过每一个分类器，可以通过的，即可判定为合格目标，进入下一个分类器。同时，为了考虑效率问题，可以将最严格的分类器放在整个级联分类器的最顶端，那样可以减少匹配次数。
[0069]拼桢合成图像模块包括分帧及拼帧，在筛选模块判断出是人脸的视频流的前两秒的视频流分解成桢，每秒进行帧比较，具体而言就是将获得的每桢图像做可用像素点比较，挑选出可用像素点最多的帧用来作拼帧的帧，两秒中获得两张最清晰的图像帧。
[0070]拼帧技术，就是将上述两张最清晰的图像帧进行拼帧，以防止传输中丢帧，两帧一备一用。
[0071 ] 在实际操作中，分帧、帧比较、拼帧与筛选模块会多次交互。
[0072]背景处理模块是指将复杂的背景与人脸区别开来的过程，因此它首先要能够判断出人脸的边界，才能区分背景。如图2、图3。
[0073]轨迹跟踪模块:系统对视频流分桢，从采集到第一帧可比对的人脸帧开始，在随后的2秒中内，系统会自动进行桢之间互相校验，从50桢(2秒*25桢/秒)内挑出最清晰的两幅人像桢作为比对桢，拼桢，合成，在比对模块中作为比对源；同时对采集到的人像进行标识，基于运动与模型相结合的算法，在前端进行比对跟踪，如果确认是同一人，将不做第二次人脸采集。这样，大大节省了后台CPU、传输带宽、存