一种租车验证方法及装置与流程
本发明涉及电子信息技术领域，特别是涉及一种基于人脸图像身份识别的租车验证方法及装置。
背景技术：
目前租车系统已经普遍应用于大众生活，给人们带来极大的便利，但是同样也带来了各种安全隐患，主要体现在传统的动态密码验证、刷卡验证以及其他身份认证技术并不能杜绝顶替、假冒、复制等窃取他人身份信息进行租车的安全隐患，很有可能一些犯罪分子、信用不良情况的人员、智力缺陷患者、精神疾病患者以及儿童窃取他人身份信息进行租车，给社会带来极大的危害。因此，目前租车用户身份的真实性、可靠性以及安全性仍是需要研究的重点。
技术实现要素：
本发明的目的是针对以上问题，提供了一种基于人脸图像身份识别的租车验证方法及装置，可有效验证识别用户的身份，杜绝他人冒用的情况发生，且避免了信用记录差、犯罪分子、智力缺陷患者及其他精神类疾病患者和儿童租车情况的发生，同时省略了繁琐的数字信息输入过程，使租车过程更简便。
为实现上述目的，本发明提供了如下方案：
一种租车验证方法，所述租车验证方法包括：
建立租车数据库；所述租车数据库包括第一数据库和第二数据库；所述第一数据库包括公安系统通缉嫌犯和银行系统存储信用情况不良的人员信息以及与所述人员信息对应的人员人脸图像特征向量信息；所述第二数据包括人脸表情模板、年龄识别模型以及租车要求；所述租车要求包括用户智力要求、用户年龄要求以及用户身份要求；
获取用户人脸图像；
对所述用户人脸图像进行处理，得到用户人脸图像特征向量信息和用户人脸表情信息；
将所述用户人脸图像特征向量信息与所述人员人脸图像特征向量信息进行匹配，确定用户身份信息；
根据所述用户身份信息、所述用户人脸图像特征向量信息、所述用户人脸表情信息以及所述第二数据库，判断用户是否符合所述租车要求；
若是，则向车门发送开锁指令；
若否，则向车门发送不开锁指令。
可选的，所述用户身份要求为用户身份符合除公安系统通缉嫌犯及银行系统存储信用情况不良人员之外的身份的要求；所述用户智力要求为用户人脸表情信息符合所述人脸表情模板的要求。
可选的，所述对所述用户人脸图像进行处理，得到用户人脸图像特征向量信息和用户人脸表情信息，具体包括：
对所述用户人脸图像进行预处理，得到用户人脸黑白图像；
采用灰度均衡算法、加权中值滤波算法以及双线性差值算法，对所述用户人脸黑白图像进行灰度均衡化、滤噪以及切割处理，得到处理后的用户人脸图像；
采用局部二值模式特征提取方法，对所述处理后的用户人脸图像进行特征提取，得到用户人脸图像特征向量信息；
根据所述用户人脸图像特征向量信息，采用c均值聚类算法，得到用户人脸表情信息。
可选的，所述根据所述用户身份信息、所述用户人脸图像特征向量信息、所述用户人脸表情信息以及所述第二数据库，判断用户是否符合所述租车要求，具体包括：
根据所述用户身份信息，判断用户是否符合所述用户身份要求，得到第一判断结果；
若所述第一判断结果表示用户不符合所述用户身份要求，则向车门发送不开锁指令；
若所述第一判断结果表示用户符合所述用户身份要求，则将所述用户人脸图像特征向量信息输入到所述年龄识别模型中，得到用户的预测年龄，并判断所述用户的预测年龄是否符合所述用户年龄要求，得到第二判断结果；
若所述第二判断结果表示所述用户的预测年龄不符合所述用户年龄要求，则向车门发送不开锁指令；
若所述第二判断结果表示所述用户的预测年龄符合所述用户年龄要求，则根据所述用户人脸图像特征向量信息和所述人脸表情模板，判断所述用户是否符合所述用户智力要求，得到第三判断结果；
若所述第三判断结果表示所述用户不符合所述用户智力要求，则向车门发送不开锁指令；
若所述第三判断结果表示所述用户符合所述用户智力要求，则向车门发送开锁指令。
可选的，所述根据所述用户人脸图像特征向量信息和所述人脸表情模板，判断所述用户是否符合所述用户智力要求，得到第三判断结果，具体包括：
根据所述用户人脸图像特征向量信息和所述人脸表情模板，采用k近邻算法，判断所述用户是否符合所述用户智力要求，得到第三判断结果。
本发明还提供了一种租车验证装置，所述租车验证装置采用所述的租车验证方法，所述租车验证装置包括：
摄像机，用于采集用户人脸图像；
处理器，与所述摄像机连接，用于根据获取的用户人脸图像，判断用户是否符合租车要求，得到判断结果，并根据所述判断结果输出控制信号；所述判断结果包括用户符合租车要求结果和用户不符合租车要求结果；所述控制信号包括车门开锁信号和车门不开锁信号；所述处理器包括租车数据库；所述租车数据库包括第一数据库和第二数据库；所述第一数据库包括公安系统通缉嫌犯和银行系统存储信用情况不良的人员信息以及与所述人员信息对应的人员人脸图像特征向量信息；所述第二数据包括人脸表情模板、年龄识别模型以及租车要求；所述租车要求包括用户智力要求、用户年龄要求以及用户身份要求；
车门控制器，与所述处理器连接，用于获取所述控制信号；
车门电子锁，与所述车门控制器连接，用于根据接收的所述控制信号，控制车门的开启与关闭。
可选的，所述摄像机设置在每个车门外侧上方门框位置且所述摄像机的摄像头朝外；所述处理器和所述车门控制器均设置在车厢驾驶室前部。
可选的，所述车门电子锁包括四个相同的车门电子锁，分别设置在每个车门上。
可选的，所述租车验证装置还包括补光灯；所述补光灯设置在所述摄像机的一侧；所述补光灯用于在暗光条件下对拍摄对象进行补光。
可选的，所述租车验证装置还包括车载电源；所述车载电源设置在车厢后部；所述车载电源分别与所述摄像机和所述车门电子锁连接。
根据本发明提供的具体实施例，本发明公开了以下技术效果：本发明提供了一种租车验证方法及装置，该方法包括首先建立租车数据库；所述租车数据库包括第一数据库和第二数据库；所述第一数据库包括公安系统通缉嫌犯和银行系统存储信用情况不良的人员信息以及与所述人员信息对应的人员人脸图像特征向量信息；所述第二数据包括人脸表情模板、年龄识别模型以及租车要求；所述租车要求包括用户智力要求、用户年龄要求以及用户身份要求；其次将获取的用户人脸图像进行处理，得到用户人脸图像特征向量信息和用户人脸表情信息；再者根据用户人脸图像特征向量信息、用户人脸表情信息以及租车数据库，确定用户的年龄、智力以及身份，并判断用户的年龄、智力以及身份是否均符合租车要求，若是，则向车门发送开锁指令，用户可以租车。因此，采用本发明提供的租车验证方法及装置，可有效验证识别用户的身份，杜绝他人冒用的情况发生，且避免了信用记录差、犯罪分子、智力缺陷患者及其他精神类疾病患者和儿童租车情况的发生，同时省略了繁琐的数字信息输入过程，使租车过程更简便。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例租车验证方法的流程示意图；
图2为本发明实施例用户人脸黑白图像；
图3为本发明实施例灰度均衡化后的用户人脸图像；
图4为本发明实施例头部侧倾角调整示意图；
图5为本发明实施例滤噪后的用户人脸图像；
图6为本发明实施例编码后的用户人脸图像；
图7为本发明实施例各子区域的直方图；
图8为本发明实施例租车验证装置的结构示意图；
图9为本发明实施例租车验证装置中各个组件安装位置示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。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。
本发明的目的是提供了一种基于人脸图像身份识别的租车验证方法及装置，可有效验证识别用户的身份，杜绝他人冒用的情况发生，且避免了信用记录差、犯罪分子、智力缺陷患者及其他精神类疾病患者和儿童租车情况的发生，同时省略了繁琐的数字信息输入过程，使租车过程更简便。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明实施例租车验证方法的流程示意图；图2为本发明实施例用户人脸黑白图像；图3为本发明实施例灰度均衡化后的用户人脸图像；图4为本发明实施例头部侧倾角调整示意图；图5为本发明实施例滤噪后的用户人脸图像；图6为本发明实施例编码后的用户人脸图像；图7为本发明实施例各子区域的直方图。
如图1所示，本发明提供的租车验证方法应用与无人驾驶租车系统，所述租车验证方法具体包括以下步骤：
步骤101：建立租车数据库；所述租车数据库包括第一数据库和第二数据库；所述第一数据库包括公安系统通缉嫌犯和银行系统存储信用情况不良的人员信息、与所述人员信息对应的人员人脸图像以及息与所述人员信息对应的人员人脸图像特征向量信息；所述第二数据包括人脸表情模板、年龄识别模型以及租车要求；所述租车要求包括用户智力要求、用户年龄要求以及用户身份要求。所述用户身份要求为用户身份符合除公安系统通缉嫌犯及银行系统存储信用情况不良人员之外的身份的要求；所述用户智力要求为用户人脸表情信息符合所述人脸表情模板的要求。
步骤102：获取用户人脸图像。
步骤103：对所述用户人脸图像进行处理，得到用户人脸图像特征向量信息和用户人脸表情信息。
步骤104：将所述用户人脸图像特征向量信息与所述人员人脸图像特征向量信息进行匹配，确定用户身份信息；具体为：将所述用户人脸图像特征向量信息与所述人员人脸图像特征向量信息进行匹配，若无法匹配成功，则确定所述用户身份信息为正常用户，若匹配成功，则确定所述用户身份信息为公安系统通缉嫌犯或者银行系统存储信用情况不良人员信息。
步骤105：根据所述用户身份信息、所述用户人脸图像特征向量信息、所述用户人脸表情信息以及所述第二数据库，判断用户是否符合租车要求。
若判断用户符合所述租车要求时，执行步骤106。
若判断用户不符合所述租车要求时，执行步骤107。
步骤106：向车门发送开锁指令。
步骤107：向车门发送不开锁指令。
其中，步骤101具体包括：
步骤1011：获取公安系统通缉嫌犯和银行系统存储信用情况不良的人员信息、与所述人员信息对应的人员人脸图像以及与所述人员信息对应的人员人脸图像特征向量信息，并上述信息存储到第一数据库中。
步骤1012；获取及租车要求；并将所述租车要求存储到第二数据库中。
步骤1013：获取样本图像；所述样本图像为符合所述租车要求的人脸图像。
步骤1014：对样本图像进行预处理，得到样本黑白图像。
步骤1015：采用灰度均衡算法、加权中值滤波算法以及双线性差值算法，对样本黑白图像进行灰度均衡化、滤噪以及切割处理，得到处理后的样本图像。
步骤1016：采用局部二值模式(localbinarypatterns以下简称lbp)特征提取方法，对处理后的样本图像进行特征提取，得到样本人脸图像特征向量信息。
步骤1017：根据所述样本人脸图像特征向量信息，采用c均值聚类算法，获取人脸表情模板，并将人脸表情模板存储到第二数据库中。
步骤1018：根据所述样本人脸图像特征向量信息，采用bp神经网络算法，获取年龄识别模型，并将年龄识别模型存储到第二数据库中。
具体为：
利用了bp神经网络算法对样本人脸图像特征向量信息和年龄之间的关系进行了模拟，具体的模拟过程如下：
随机抽取初始权值w0；
输入学习样本(x0,y0)，学习速率η，误差水平ε；
依次计算各层输出opi，opj，opk；
bp网络权值和阈值调整公式如下:
其中e为bp网络输出样本与实际输出样本之间的误差平方和；η为bp网络的学习速率，即权值调整幅度；wij(t)为t时刻输入层第i个神经元与隐含层第j个神经元的连接权值；wij(t+1)为t+1时刻输入层第i个神经元与隐含层第j个神经元的连接权值；wjk(t)为t时刻隐含层第j个神经元与输出层第k个神经元的连接权值；为wjk(t+1)时刻隐含层第j个神经元与输出层第k个神经元的连接权值；b为神经元的阈值，下表的意义与权值相同。
上述公式为bp网络的学习规则。根据神经元中的具体激励函数表达式，可以具体地求出
样本人脸图像特征向量信息用一个一维数组予以表达，由此可以得到样本人脸图像特征向量信息与年龄的对应关系，得到训练好的年龄识别模型。对于神经网络隐含层节点的选择可以由下面公式进行参考：
其中m为输入层节点数，c为输出层节点数，由此确定隐含层节点数为5。
步骤103具体包括：
步骤1031：对所述用户人脸图像进行预处理，得到如图2所示的用户人脸黑白图像。
步骤1032：采用灰度均衡算法，对用户人脸黑白图像进行灰度均衡化处理，得到如图3所示的灰度均衡化后的用户人脸图像；
步骤1033：将灰度均衡化后的用户人脸图像进行调整，使灰度均衡化后的用户人脸图像归零，得到调整后的用户人脸图像。
具体为，如图4所示，以头部图像的左下角为原点，向右为x轴正方向，向上为y轴正方向，建立平面直角坐标系。将头部图像中被拍摄者两只眼睛视为两个点，以头部图像中左侧眼睛所在的点为起点，右侧眼睛所在的点为终点做射线，该射线与头部图像中x轴正方向之间的夹角称为头部侧倾角，记为θh。由于被拍摄者姿态不同，因此同一个人不同年龄时期的头部图像中头部侧倾角θh一般不相等。而头部侧倾角的差异，必将导致识别结果的精准度下降，因此，为了尽可能降低识别误差，需对每张头部图像中被拍摄者头部侧倾角进行统一处理，为了方便起见，统一将该角度调整为零，即θh。
步骤1034：采用加权中值滤波算法，对调整后的用户人脸图像进行图像噪声滤噪，得到如图5所示的滤噪后的用户人脸图像。
步骤1035：采用双线性差值算法，对滤噪后的用户人脸图像的尺寸统一为与租车数据库收集的人脸图像一致的尺寸，得到处理后的用户人脸图像。
步骤1036：采用lbp特征提取方法，对所述处理后的用户人脸图像进行特征提取，得到用户人脸图像特征向量信息。
具体为：首先对于任一图片，其每一个像素点的特征值可描述为：
其中xc为中心点的灰度值；xp代表中心点某个邻接点的灰度值；r是半径；u(y)为阶梯函数，定义为：
使用lbp算子扫描整个所述处理后的用户人脸图像，就可以得到lbp编码图像，如图6所示。
接下来对编码后的用户人脸图像进行区域划分并求取各子区域的特征向量。随着子区域个数的增加，特征向量对图片纹理特征的描述更为精确。为了减少计算量，本发明实施例将编码后的用户人脸图像划分为四个子区域，经lbp算子提取得到如图7所示的各子区域的直方图。
步骤1037：根据所述用户人脸图像特征向量信息，采用c均值聚类算法，得到用户人脸表情信息。
步骤105至步骤107具体包括：
根据所述用户身份信息，判断用户是否符合所述用户身份要求，得到第一判断结果；所述用户身份要求为用户身份符合除公安系统通缉嫌犯及银行系统存储信用情况不良人员之外的身份的要求。
若所述第一判断结果表示用户不符合所述用户身份要求，则向车门发送不开锁指令。
若所述第一判断结果表示用户符合所述用户身份要求，则将所述用户人脸图像特征向量信息输入到所述年龄识别模型中，得到用户的预测年龄，并判断所述用户的预测年龄是否符合所述用户年龄要求，得到第二判断结果。
若所述第二判断结果表示所述用户的预测年龄不符合所述用户年龄要求，则向车门发送不开锁指令；
若所述第二判断结果表示所述用户的预测年龄符合所述用户年龄要求，则根据所述用户人脸图像特征向量信息和所述人脸表情模板，采用k近邻算法，判断所述用户是否符合所述用户智力要求，得到第三判断结果；所述用户智力要求为用户人脸表情信息符合所述人脸表情模板的要求。
若所述第三判断结果表示所述用户不符合所述用户智力要求，则向车门发送不开锁指令；
若所述第三判断结果表示所述用户符合所述用户智力要求，则向车门发送开锁指令。
总体来说，本发明实施例是将识别的人脸图像特征向量信息传送到已建立的租车数据库中，通过比较人脸图像特征向量信息搜索到该用户的相关信息，确定该用户是否为非犯罪分子、或其他信用不良情况的人群，此外还能识别出该用户表情为非中性表情，即其他目光呆滞、张嘴瞪眼及其他夸张类表情时，不允许此类用户使用无人驾驶出租车，当识别该用户的年龄偏小是儿童时，则禁止该用户乘坐无人驾驶出租车。
为达到上述目的，本发明还提供了一种租车验证装置。图8为本发明实施例租车验证装置安装示意图，如图8所示，所述租车验证装置包括：摄像机1，处理器2，车门控制器3，车门电子锁4，车载电源5。
摄像机1，用于采集用户人脸图像；
处理器2，与所述摄像机1连接，用于根据获取的用户人脸图像，判断用户是否符合租车要求，得到判断结果，并根据所述判断结果输出控制信号；所述判断结果包括用户符合租车要求结果和用户不符合租车要求结果；所述控制信号包括车门开锁信号和车门不开锁信号；所述处理器包括租车数据库；所述租车数据库包括第一数据库和第二数据库；所述第一数据库包括公安系统通缉嫌犯和银行系统存储信用情况不良的人员信息以及与所述人员信息对应的人员人脸图像特征向量信息；所述第二数据包括人脸表情模板、年龄识别模型以及租车要求；所述租车要求包括用户智力要求、用户年龄要求以及用户身份要求。
车门控制器3，与所述处理器2连接，用于获取所述控制信号。
车门电子锁4，与所述车门控制器3连接，用于根据接收的所述控制信号，控制车门的开启与关闭。
车载电源5设置在车厢后部。所述车载电源5分别与所述摄像机1和所述车门电子锁4连接。
所述租车验证装置还包括补光灯；所述补光灯设置在所述摄像机1的一侧；所述补光灯用于在暗光条件下对拍摄对象进行补光。
图9为本发明实施例租车验证装置中各个组件安装位置示意图，如图9所示，处理器2和车门控制器3均安装在车厢驾驶室前部；车门控制器3，一端与处理器2串联连接，一端与车门电子锁4串联连接，通过接收处理器2发送的控制信号，将控制信号发送到车门电子锁4，控制车门电子锁4的开关，进而控制车门的开启与关闭。
所述摄像机1有4个，均设置在车门外侧上方门框位置且摄像机1的摄像头朝外。四个摄像机1之间并联连接。
所述车门电子锁4，与机械锁一样安装在车门上，总计四个车门电子锁4，安装在四个车门上。所述车门电子锁4，一端与车门控制器3串联连接，一端与车载电源5串联连接，并且四个车门电子锁4之间并联连接，通过接收车门控制器3发送的控制信号控制车门的开/关，同时无人驾驶出租车可用机械钥匙开启也可以用电子开启。
所述车载电源5安装在车厢后部，一端与四个摄像机1串联连接，一端与四个车门电子锁4串联连接。
本发明实施例提供的一种基于人脸图像身份识别的无人驾驶车辆的租车验证装置，包括摄像机1，处理器2，车门控制器3，车门电子锁4，车载电源5以及补光灯，解决传统自助租车身份识别系统存在的问题，可避免了顶替、假冒、复制等窃取他人身份信息进行租车的安全隐患；防止犯罪分子和信用不良情况的人员使用无人驾驶出租车，避免了以上几类人群可能带来的安全隐患；同时排除了智力缺陷患者和精神疾病患者以及儿童使用无人驾驶出租车，避免此种情况所带来的安全隐患；省略了繁琐的数字输入信息过程，使租车过程更简单快捷。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。
- 还没有人留言评论。精彩留言会获得点赞！