一种通过匹配用户身份证件和自拍照的人脸验证方法与流程

本发明涉及人脸识别领域，尤其是涉及了一种通过匹配用户身份证件和自拍照的人脸验证方法。

背景技术：

随着现代科学技术的发展，面部识别在商业、安全系统等领域的应用越来越广泛。例如，当公司需要对客户的信息进行验证时，可以通过对比客户预留的身份证件信息和用户发送过来的自拍照进行对比，从而验证客户的身份。同时，它还可以用于安全系统中，并可以与其他的生物识别系统，如指纹，虹膜和语音等相结合。传统的方法通常需要人工对比用户的证件和用户本人，所需时间长，也耗费了人力物力；用户也需要到现场才能验证，非常不方便。

本发明提出了一种通过匹配用户身份证件和自拍照的人脸验证方法，先导入用户身份证件和自拍照，进行面部检测和裁剪到合适像素区域，接着进行图像增强以减轻随着噪点而产生的严重的照明影响，再进行特征提取，特征正规化和特征合并以计算两个向量的相似性，采用支持向量机(SVM)线性判别函数进行分类，最后获得验证结果。本发明通过运用不同的技术来增强图像，减少了光照变化和域转移的影响；操作方便，检出率高；节省了时间，人力和物力，方便了用户。

技术实现要素：

针对传统验证方法不方便的问题，本发明的目的在于提供一种通过匹配用户身份证件和自拍照的人脸验证方法，先导入用户身份证件和自拍照，进行面部检测和裁剪到合适像素区域，接着进行图像增强以减轻随着噪点而产生的严重的照明影响，再进行特征提取，特征正规化和特征合并以计算两个向量的相似性，采用支持向量机(SVM)线性判别函数进行分类，最后获得验证结果。

为解决上述问题，本发明提供一种通过匹配用户身份证件和自拍照的人脸验证方法，其主要内容包括：

(一)导入用户身份证件和自拍照；

(二)面部检测和裁剪；

(三)图像增强；

(四)特征提取；

(五)特征正规化；

(六)特征合并；

(七)分类；

(八)验证结果。

其中，所述的导入用户身份证件和自拍照，识别用户身份时，可提取用户事先预留的身份证件信息和用户发送过来的自拍照，通过人脸验证，确认用户的身份。

其中，所述的面部检测和裁剪，一个常规检测包括耳朵，下巴或头发的外部，检测区域扩大；对眼睛坐标进行几何归一化，通过平面旋转在零度角定位眼睛；最后，采用双线性插值，将人脸图像精简到224×224像素区域。

其中，所述的图像增强，为了减轻随着噪点而产生的严重的照明影响，我们评估了以下三种算法：

第一种是基于视觉的颜色恒常性Retinex理论，即认为白色与人类视觉系统的最大锥信号相关，它能减少不同的区域的颜色强度变化；

第二种是自动色彩均衡(ACE)，它是基于统一全局和局部影响的人类视觉系统的计算模型，取得了良好的对比度增强，近似两个不同的输入图像源；

第三种是对比度自适应直方图均衡化(CLAHE)，它将输入的图像分块，每一块适用于传统的直方图均衡化，然后检查直方图是否超过对比限制；

本发明采用了自动色彩均衡(ACE)。

其中，所述的特征提取，使用基于CNN的转移学习技术的作品，提取第三层到最后一层的特征，称为fc6，有4096个维度；

fc6之后的活化函数是纠正线性单位(ReLU)，定义为f(x)＝max(0,x)，这些层往往会产生稀疏输出，最终可能丢失重要的信息；在激活函数之前独立分析fc6的特点；然而，由于在训练时，网络从来没有出现负值，不可能假设非稀疏特征是否会有用或只是像随机值；需要注意的是，分别从身份和自拍图像中提取特征和去除激活不改变该层的输出尺寸。

其中，所述的特征正规化，由于跨域(异构源)设置，在每个域中提取的功能可能有显着不同的幅度范围；考虑一个特征向量p-norm，由给出；L1归一化特征向量由给出由于这些标准化技术根据标量简单地将原始特征向量，它们保持了原来的稀疏性。

其中，所述的特征合并，a和b分别是身份证件和自拍照的d维特征向量，我们评估了四种方法来计算两个向量的相似性，并在同一时间保持原来的维度d；这四种分析技术，产生了最后的特征向f：

减法绝对值：f＝|a-b|；

元素级乘法：

相关性：在不在范围的索引设置为0；

相位相关：f＝IDFT(G/‖G‖₂)，其中G＝DFT(a)°DFT(b)，IDFT是逆离散傅里叶变换，DFT是离散傅里叶变换；

当向量a和b是相似的，减法的绝对值应该产生较小的功能，本发明采用减法绝对值的方法。

其中，所述的分类，在分类阶段，采用支持向量机(SVM)线性判别函数。

进一步地，所述的支持向量机(SVM)，原理为：

设线性可分样本集和为(x_i,y_i)，i＝1,…,n，x∈R^d，y∈{+1,-1}是类别标号，则

w·x+b＝0

是SVM分类器的分类面方程；

在分类时，为了使分类面对所有样本正确分类且分类间隔达到最大，需要满足下面两个条件：

Φ(x)＝min(w^Tw)

y_i(w·x_i+b)-1≥0

通过解此约束优化问题就可以得到最优分类面，而过两类样本中离分类面最近的点且平行于最优分类面的超平面上的训练样本就是使得公式中等号成立的那些特殊样本，因为它们支撑了最优分类面，因此被称为支撑向量；将融合输出作为特征向量输入到SVM分类器之中，获得最终分类结果。

其中，所述的验证结果，从分类器获得分类结果，显示用户身份证件与自拍照是否匹配。

附图说明

图1是本发明一种通过匹配用户身份证件和自拍照的人脸验证方法的系统流程图。

图2是本发明一种通过匹配用户身份证件和自拍照的人脸验证方法的流程示意图。

图3是本发明一种通过匹配用户身份证件和自拍照的人脸验证方法的三种图像增强算法的效果对比。

图4是本发明一种通过匹配用户身份证件和自拍照的人脸验证方法的人员身份核验系统界面。

具体实施方式

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互结合，下面结合附图和具体实施例对本发明作进一步详细说明。

图1是本发明一种通过匹配用户身份证件和自拍照的人脸验证方法的系统流程图。主要包括导入用户身份证件和自拍照，面部检测和裁剪，图像增强，特征提取，特征正规化，特征合并，分类和验证结果。

其中，导入用户身份证件和自拍照，识别用户身份时，可提取用户事先预留的身份证件信息和用户发送过来的自拍照，通过人脸验证，确认用户的身份。

其中，面部检测和裁剪，一个常规检测包括耳朵，下巴或头发的外部，检测区域扩大；对眼睛坐标进行几何归一化，通过平面旋转在零度角定位眼睛；最后，采用双线性插值，将人脸图像精简到224×224像素区域。

其中，特征提取，使用基于CNN的转移学习技术的作品，提取第三层到最后一层的特征，称为fc6，有4096个维度；

fc6之后的活化函数是纠正线性单位(ReLU)，定义为f(x)＝max(0,x)，这些层往往会产生稀疏输出，最终可能丢失重要的信息；在激活函数之前独立分析fc6的特点；然而，由于在训练时，网络从来没有出现负值，不可能假设非稀疏特征是否会有用或只是像随机值；需要注意的是，分别从身份和自拍图像中提取特征和去除激活不改变该层的输出尺寸。

其中，特征正规化，由于跨域(异构源)设置，在每个域中提取的功能可能有显着不同的幅度范围；考虑一个特征向量p-norm，由给出；L1归一化特征向量由给出由于这些标准化技术根据标量简单地将原始特征向量，它们保持了原来的稀疏性。

其中，特征合并，a和b分别是身份证件和自拍照的d维特征向量，我们评估了四种方法来计算两个向量的相似性，并在同一时间保持原来的维度d；这四种分析技术，产生了最后的特征向f：

减法绝对值：f＝|a-b|；

元素级乘法：

相关性：在不在范围的索引设置为0；

相位相关：f＝IDFT(G/‖G‖₂)，其中G＝DFT(a)°DFT(b)，IDFT是逆离散傅里叶变换，DFT是离散傅里叶变换；

当向量a和b是相似的，减法的绝对值应该产生较小的功能，本发明采用减法绝对值的方法。

其中，分类，在分类阶段，采用支持向量机(SVM)线性判别函数。

支持向量机(SVM)的原理为：

设线性可分样本集和为(x_i,y_i)，i＝1,…,n，x∈R^d，y∈{+1,-1}是类别标号，则

w·x+b＝0

是SVM分类器的分类面方程；

在分类时，为了使分类面对所有样本正确分类且分类间隔达到最大，需要满足下面两个条件：

Φ(x)＝min(w^Tw)

y_i(w·x_i+b)-1≥0

通过解此约束优化问题就可以得到最优分类面，而过两类样本中离分类面最近的点且平行于最优分类面的超平面上的训练样本就是使得公式中等号成立的那些特殊样本，因为它们支撑了最优分类面，因此被称为支撑向量；将融合输出作为特征向量输入到SVM分类器之中，获得最终分类结果。

其中，验证结果，从分类器获得分类结果，显示用户身份证件与自拍照是否匹配。

图2是本发明一种通过匹配用户身份证件和自拍照的人脸验证方法的流程示意图。先导入用户身份证件和自拍照，进行面部检测和裁剪到合适像素区域，接着进行图像增强以减轻随着噪点而产生的严重的照明影响，再进行特征提取，特征正规化和特征合并以计算两个向量的相似性，采用支持向量机(SVM)线性判别函数进行分类，最后获得验证结果。

图3是本发明一种通过匹配用户身份证件和自拍照的人脸验证方法的三种图像增强算法的效果对比。为了减轻随着噪点而产生的严重的照明影响，我们评估了以下三种算法：

第一种是基于视觉的颜色恒常性Retinex理论，即认为白色与人类视觉系统的最大锥信号相关，它能减少不同的区域的颜色强度变化；

第二种是自动色彩均衡(ACE)，它是基于统一全局和局部影响的人类视觉系统的计算模型，取得了良好的对比度增强，近似两个不同的输入图像源；

第三种是对比度自适应直方图均衡化(CLAHE)，它将输入的图像分块，每一块适用于传统的直方图均衡化，然后检查直方图是否超过对比限制；

本发明采用了自动色彩均衡(ACE)。

图4是本发明一种通过匹配用户身份证件和自拍照的人脸验证方法的人员身份核验系统界面。其过程为：用户刷身份证，在系统中导入身份证件的信息和相片，用户拍摄自拍照后，系统进行人像对比，若用户自拍照与身份证件照片一致，则完成验证。

对于本领域技术人员，本发明不限制于上述实施例的细节，在不背离本发明的精神和范围的情况下，能够以其他具体形式实现本发明。此外，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围，这些改进和变型也应视为本发明的保护范围。因此，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。