本发明专利技术公开了一种身份认证方法和装置，属于数字图像处理与模式识别领域。所述方法包括获取人脸图像样本对，其中一个人脸图像为身份证照片，另一个人脸图像为现场采集的图像，采用人脸图像金字塔算法对获取的人脸图像样本对进行处理，得到人脸图像金字塔结构，对得到的人脸图像样本对的人脸图像金字塔结构中各个尺度的人脸图像计算灰度梯度方向，得到梯度方向金字塔GOP特征，根据得到的人脸图像样本对的GOP特征，计算判断人脸图像样本对是否属于同一个人。本发明专利技术有效地避免了光照、年龄和表情等因素的干扰，也显著地提高了身份认证的准确性。
【技术实现步骤摘要】
本专利技术涉及数字图像处理与模式识别，特别是指一种身份认证方法和装置。
技术介绍
二代身份证是我国居民的有效证件，记载了持证人的基本信息。在目前大多数情况下，身份证登记仍然采用人工方式，很不方便。随着计算机技术、图像处理和字符识别算法的成熟，利用计算机进行身份证自动识别录入已经成为可能。通过将身份证上的照片和现场采集的视频照片进行比对，可以判定人员身份。但由于二代证相片本身存在的低像素、年龄跨度大等问题，现场采集的视频照片受到光照、姿态、表情、眼镜等遮挡物的干扰问题，以及身份证相片单样本问题，使得目前的基于身份证的人脸认证系统面临诸多挑战。我国第二代居民身份证采用非接触式IC卡技术制作，通过机读可以获取身份证照片，与现场的摄像机成像设备采集的人脸照片进行比对，判断是否是同一个人，属于人脸认证范畴。目前，基于身份证的人脸认证系统采用的都是已有的人脸识别算法，从人脸特征提取的角度，主要有特征子空间法、基于局部特征的方法和基于机器学习的方法。这三种人脸认证方法都存在抗干扰性差、准确性低的缺点。
技术实现思路
本专利技术要解决的技术问题是提供一种抗干扰性强、准确性高的身份认证方法和装置。为解决上述技术问题，本专利技术提供技术方案如下：一种身份认证方法，包括：获取人脸图像样本对，其中一个人脸图像为身份证照片，另一个人脸图像为现场采集的图像；采用人脸图像金字塔算法对获取的人脸图像样本对进行处理，得到人脸图像金字塔结构；对得到的人脸图像样本对的人脸图像金字塔结构中各个尺度的人脸图像计算灰度梯度方向，得到梯度方向金字塔GOP特征；根据得到的人脸图像样本对的GOP特征，计算判断人脸图像样本对是否属于同一个人。一种身份认证装置，包括：获取模块：用于获取人脸图像样本对，其中一个人脸图像为身份证照片，另一个人脸图像为现场采集的图像；采样模块：用于采用人脸图像金字塔算法对获取的人脸图像样本对进行处理，得到人脸图像金字塔结构；计算模块：用于对得到的人脸图像样本对的人脸图像金字塔结构中各个尺度的人脸图像计算灰度梯度方向，得到梯度方向金字塔GOP特征；判断模块：用于根据得到的人脸图像样本对的GOP特征，计算判断人脸图像样本对是否属于同一个人。本专利技术具有以下有益效果：与现有技术相比，本专利技术的身份认证方法首先获取人脸图像样本对，其中一个人脸图像为身份证照片，另一个人脸图像为现场采集的图像；然后采用人脸图像金字塔算法对获取的人脸图像样本对进行处理，得到人脸图像金字塔结构，该算法采用多分辨率的方式对人脸图像进行表示，能够全面地描述人脸图像特征，避免了现有技术中只采用一种分辨率对图像进行表示而导致图像特征表达不全面的现象，有效的提高了本专利技术进行身份认证的准确性，同时人脸图像金字塔结构自下而上每一层的像素数都不断减少，降低了本专利技术在数据处理过程中的计算量，使本专利技术的身份认证过程更容易实现；接下来对得到的人脸图像样本对的人脸图像金字塔结构中各个尺度的人脸图像计算灰度梯度方向，得到梯度方向金字塔GOP特征，由于人脸图像的GOP特征对光照、年龄和表情等外界因素具有鲁棒性，使本专利技术的抗干扰性增强，同时也进一步提高了人脸认证结果的准确性；最后根据得到的人脸图像样本对的GOP特征，计算判断人脸图像样本对是否属于同一个人。本专利技术的身份认证方法有效地避免了光照、年龄和表情等因素的干扰，也显著地提高了身份认证的准确性。附图说明图1为本专利技术的身份认证方法的流程示意图一；图2为本专利技术的提取人脸梯度方向金字塔GOP特征的流程示意图；图3为本专利技术的SVM分类算法的最大化分类间隔超平面示意图；图4为本专利技术的身份认证方法的流程示意图二；图5为本专利技术的身份认证装置的结构示意图一；图6为本专利技术的身份认证方法的流程示意图二；图7为本专利技术的GOP+SVM身份认证流程示意图。具体实施方式为使本专利技术要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。一方面，本专利技术提供一种身份认证方法，如图1所示，包括：步骤S101：获取人脸图像样本对，其中一个人脸图像为身份证照片，另一个人脸图像为现场采集的图像；本步骤中，现场采集的图像可以通过对采集的视频样本进行截取获得，也可以通过现场拍照获得。步骤S102：采用人脸图像金字塔算法对获取的人脸图像样本对进行处理，得到人脸图像金字塔结构；本步骤中，采用人脸图像金字塔结构对人脸图像进行多尺度、多分辨率的表示，该算法能够全面地描述人脸图像特征，同时人脸图像金字塔结构自下而上每一层的像素数都不断减少，降低了本专利技术在数据处理过程中的计算量。步骤S103：对得到的人脸图像样本对的人脸图像金字塔结构中各个尺度的人脸图像计算灰度梯度方向，得到梯度方向金字塔GOP特征；本步骤中，由于人脸梯度方向金字塔GOP特征对光照、表情和年龄等因素具有鲁棒性的特性，本专利技术优选采用计算人脸图像样本对的GOP特征，使本专利技术的抗干扰性增强，也加强了身份认证的准确性。步骤S104：根据得到的人脸图像样本对的GOP特征，计算判断人脸图像样本对是否属于同一个人。本专利技术的身份认证方法首先获取人脸图像样本对，其中一个人脸图像为身份证照片，另一个人脸图像为现场采集的图像；然后采用人脸图像金字塔算法对获取的人脸图像样本对进行处理，得到人脸图像金字塔结构，该方法采用多分辨率的方式对人脸图像进行表示，能够全面地描述人脸图像特征，避免了现有技术中只采用一种分辨率对图像进行表示而导致图像特征表达不全面的现象，有效的提高了本专利技术进行身份认证的准确性，同时人脸图像金字塔结构自下而上每一层的像素数都不断减少，降低了本发明在数据处理过程中的计算量，使本专利技术的身份认证过程更容易实现；接下来对得到的人脸图像样本对的人脸图像金字塔结构中各个尺度的人脸图像计算灰度梯度方向，得到梯度方向金字塔GOP特征，由于人脸图像的GOP特征对光照、年龄和表情等外界因素具有鲁棒性，使本专利技术的抗干扰性增强，同时也进一步提高了人脸认证结果的准确性；最后根据得到的人脸图像样本对的GOP特征，计算判断人脸图像样本对是否属于同一个人。本专利技术的身份认证方法有效地避免了光照、年龄和表情等因素的干扰，同时也显著地提高了身份认证的准确性。上述步骤S103中的算法具体可以是：采用计算人脸图像样本对的灰度梯度方向金字塔GOP本文档来自技高网...
【技术保护点】
一种身份认证方法，其特征在于，包括：获取人脸图像样本对，其中一个人脸图像为身份证照片，另一个人脸图像为现场采集的图像；采用人脸图像金字塔算法对获取的人脸图像样本对进行处理，得到人脸图像金字塔结构；对得到的人脸图像样本对的人脸图像金字塔结构中各个尺度的人脸图像计算灰度梯度方向，得到梯度方向金字塔GOP特征；根据得到的人脸图像样本对的GOP特征，计算判断人脸图像样本对是否属于同一个人。
【技术特征摘要】
1.一种身份认证方法，其特征在于，包括：
获取人脸图像样本对，其中一个人脸图像为身份证照片，另一个人脸
图像为现场采集的图像；
采用人脸图像金字塔算法对获取的人脸图像样本对进行处理，得到人
脸图像金字塔结构；
对得到的人脸图像样本对的人脸图像金字塔结构中各个尺度的人脸
图像计算灰度梯度方向，得到梯度方向金字塔GOP特征；
根据得到的人脸图像样本对的GOP特征，计算判断人脸图像样本对
是否属于同一个人。
2.根据权利要求1所述的身份认证方法，其特征在于，所述采用人脸
图像金字塔算法对获取的人脸图像样本对进行处理，得到人脸图像金字塔
结构进一步为：
对获取的人脸图像样本对采用高斯核卷积平滑和下采样得到人脸图
像金字塔结构。
3.根据权利要求1所述的身份认证方法，其特征在于，所述根据得到
的人脸图像样本对的GOP特征，计算判断人脸图像样本对是否属于同一
个人进一步为：
对得到的人脸图像样本对的GOP特征计算特征向量，采用SVM二分
类处理，计算判断人脸图像样本对是否属于同一个人。
4.根据权利要求1所述的身份认证方法，其特征在于，所述根据得到
的人脸图像样本对的GOP特征，计算判断人脸图像样本对是否属于同一
个人进一步为：
用于对得到的人脸图像样本对的GOP特征采用点乘操作，得到一对
余弦相似度向量作为特征向量，采用SVM二分类处理，计算判断人脸图
像样本对是否属于同一个人。
5.根据权利要求1至4中任一所述的身份认证方法，其特征在于，所
\t述采用人脸图像金字塔算法对获取的人脸图像样本对进行处理，得到人脸
图像金字塔结构之前包括：
对人脸图像样本对进行人脸检测处理；
对经过人脸检测处理后的...
【专利技术属性】
技术研发人员：毛秀萍，朱和贵，张祥德，
申请(专利权)人：北京天诚盛业科技有限公司，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。