一种基于深度学习的手持人证比对系统及方法技术方案

本发明专利技术涉及一种基于深度学习的手持人证比对系统及方法，该系统包括身份证信息读取模块，用于采集持证人现场照片的图像采集模块，人脸识别模块，人证比对模块和显示模块。系统通过身份证信息读取模块读取证件信息，读取到身份证证件信息后调用图像采集模块对持证人的脸部进行抓拍，人脸识别模块用于对照片进行图像预处理，人脸检测和人脸对齐，人证比对模块用于提取人脸特征并比对特征值，显示模块用于显示采集的持证人照片，身份证信息，操作提醒以及比对结果。本发明专利技术内置的人脸检测和识别模块拟采用基于深度学习的算法。目前，基于深度学习的人脸识别算法已经被证明在人脸识别领域比传统的人脸识别算法具有更高的精度。

A hand-held witness comparison system and method based on deep learning

The invention relates to a deep learning based on hand witness comparison system and method, the system includes identity card information reading module, image acquisition module for the holder of the scene photos, face recognition module, a comparison module and a display module. The system through the ID card information reading module reads the document information, read the identification card information after calling the image acquisition module for the holder to facial capture, face recognition module for photo image preprocessing, face detection and face alignment, witness comparison module is used for face feature extraction and matching feature values, the display module is used for displaying the witness to the collection of photos, ID card information, alerts and operation results. The built-in face detection and recognition module of the invention adopts an algorithm based on depth learning. At present, the depth learning based face recognition algorithm has been proved to have higher accuracy than the traditional face recognition algorithm in the face recognition field.

【技术实现步骤摘要】
一种基于深度学习的手持人证比对系统及方法
本专利技术涉及计算机视觉，机器学习，图像处理，信息安全和生物识别
，具体涉及一种基于深度学习，用于验证人证是否一致的手持人证比对系统及方法，以提高现代生活的信息安全程度。
技术介绍
随着现代社会的发展，整个社会对信息安全的要求也越来越高。身份证作为标识持证人身份的有效证件，在各个场合都起着举足轻重的作用。如何确认个人身份是一个亟待解决的社会问题。这一问题包括两个部分：第一部分是身份证的安全性，这里包括证件的真伪，证件是否过期，该身份是否属于黑名单等。这一部分的检查是目前身份证检查关注的重点。第二部分是指持证人员是否就是证件所属人员的问题，即人证一致性检查。在各种需要进行验证人证一致性的场所，多数采取的方式还是安全检查人员简单观察持证人员的性别是否符合，面部明显特征是否一致。人工识别具有较大的误差，识别的准确率不高，而且一个一个地识别，识别速度非常慢，工作人员的工作量也大，非常的耗费人力，效率低下。近年来，人脸识别的飞速发展使基于人脸识别的人证比对系统得以实现并应用。市面上的人证一致性检验系统大多采取的方案是：通过高清摄像头采集人脸图像，身份证阅读器提取身份证证件照图像，后台服务器安装比对软件，并审核比对结果。这种做法的缺点是:(1)系统的各个部分相对分散，部署不是很方便，整体移动困难；(2)与后台服务器之间的交互有延时；(3)必须联网。
技术实现思路
为了解决以上的缺陷和问题，本专利技术提供了一种基于深度学习的手持人证比对系统及方法，将人脸识别技术与身份证读取技术相结合，提供了便携、实时的手持人证一致性识别解决方案，能有效提高身份安全的程度。本专利技术提供一种基于深度学习的手持人证比对系统，系统包括身份证信息读取模块，图像采集模块，人脸识别模块，人证比对模块和显示模块。其中身份证信息读取模块包括身份证读卡区域和身份证阅读器芯片，模块完成的工作是读取身份证证件照和身份证基本信息，其中身份证基本信息包括身份证号码，姓名，性别，出生日期等信息。图像采集模块调用摄像头并获取持证人现场照片。人脸识别模块包括图像预处理，人脸检测和人脸对齐三个部分。人证比对模块进行特征提取以及比对证件照与持证人现场照片的特征值。显示模块显示的内容包括读取到的身份证信息，采集的现场持证人的图像，操作提醒和比对结果。上述基于深度学习的手持人证比对系统，所述身份证信息读取模块，图像采集模块，人脸识别模块，人证比对模块和显示模块之间的关系如下：身份证信息读取模块将读取到的身份证证件照传到人脸识别模块进行人脸检测和对齐等处理，同时也将读取到的身份证所有信息传到显示模块，图像采集模块将持证人现场照片分别传到显示模块和人脸识别模块进行处理，经过人脸识别模块处理后，提取出的照片中人脸信息被送往人证比对模块进行特征提取和比对，人证比对模块将比对的结果返回给显示模块。本专利技术进一步提供了一种基于深度学习的手持人证比对方法，利用上述基于深度学习的手持人证比对系统，按照如下步骤进行：S1读取身份证证件照信息使用时，将身份证放置于身份证信息读取模块的身份证读卡区域，内置的身份证阅读器芯片将读取到此身份证相关信息，其中就有身份证证件照信息；S2读取身份证基本信息身份证阅读器芯片读取的除了身份证证件照信息之外，还有身份证基本信息，这里读取的身份证基本信息包括身份证号码，姓名，性别，出生日期等；S3调用摄像头在读取到身份证相关信息之后，利用图像采集模块，调用摄像头，摄像头大致朝向持证人面部方向即可；S4获取持证人照片摄像头采集的照片不一定是含有持证人面部信息，人脸识别模块中的检测步骤用于检测图像中的人脸，当返回检测到人脸时，即表示获取到了持证人的照片，否则，继续采集；S5图像预处理为了提高人脸检测和识别的精度，人脸识别模块对摄像头采集的照片进行图像预处理；而身份证身份证的证件照照片是在一定要求下采集，所以暂不对身份证证件照进行预处理，此处的输入图像只有采集的现场持证人照片；所述人脸识别模块中的图像预处理可以采用某一种或者多种方法结合，主要处理方法有直方图均衡化、中值滤波、灰度拉伸、同态滤波，对图像的RGB色彩空间进行归一化处理去除光照和阴影的影响；对图像进行预处理能够去除图像中的不相关信息，准确定位人脸部分，使图像细节更明显，进一步提高人脸图像的特征提取、匹配和识别的可靠性；S6人脸检测人脸检测是人脸识别模块中的一个重要环节；对经过预处理之后的图像进行人脸检测，即可定位出图像中的人脸大致范围，为接下来的环节做准备。此处的输入图像是身份证证件照和采集的现场持证人照片，后面的人脸对齐，特征提取和特征值比对环节都是对这两者进行处理。所述人脸识别模块中人脸检测的方法可以采用多种方法，主要分类如下：(1)基于模板的方法：该类方法主要是用设计好的模板和待测的人脸图像进行匹配，计算两者相似度，通过阈值判别人脸；(2)基于特征的方法：基于特征的方法是根据人脸的一些特征或特征点，包括几何特征、空间特征、灰度特征等各种度量或者它们之间的关系组成一个矢量，然后用这个矢量作为人脸识别系统的输入；(3)基于外观学习的方法：将人脸检测视为区分“非人脸样本”与“人脸样本”的模式分类问题，通过对人脸和非人脸样本集的学习产生分类器；S7人脸对齐人脸对齐即人脸特征点定位，利用人脸识别模块根据输入的人脸图像自动定位出面部关键特征点，如眼睛、鼻尖、嘴角点、眉毛以及人脸各部件轮廓点。目前主要的人脸对齐技术有以下几类：(1)ASM与AAM类方法：ASM和AAM是针对人脸等特定类别物体进行特征点提取的两个最为经典的方法，ASM方法更强调特征点特征的匹配，有更好的定位精度，而AAM方法在速度方面则更有优势；(2)统计能量函数类方法：人脸特征点定位问题实际是各类不同类型信息的综合利用问题。近年来，许多学者将人脸特征点定位问题转化为统计能量函数的优化问题进行求解，丰富了信息的融合方式，也取得了较好的实际效果；(3)回归分析方法：回归分析是一种经典的分析预测判断方法，可以方便地建立从输入信息到输出信息之间的映射关系；(4)深度学习方法：深度学习技术基于多层神经网络架构实现对复杂模型的模拟和逼近，具有突出的揭示数据内在联系和结构的能力；S8特征提取输入的图像在经过人脸对齐之后，利用人证比对模块将进行人脸特征提取；所谓的特征提取，就是从图像信息中利用各种方法挑选出对分类最有利最有效的特征，同时进行适当的降维。S9特征值比对特征提取之后的特征比对时可以选用距离度量或者相似度度量；主要用于计算个体间差异的距离有欧式距离，明氏距离(欧氏距离的推广)，马氏距离等；距离值越大，个体差异越大；与距离度量相反，相似度度量用于计算个体间的相似程度，主要有向量空间余弦相似度，皮尔森相关系数，Jaccard相似系数等，相似度越趋近于1表明个体相似度越高；S10比对结果显示将特征值比对结果与设定阈值比较，显示模块上返回比对的结果，即人证一致或者人证不一致。阈值的设定对系统的使用有关键的作用，尤其是在照片的特征距离值在人证不一致但距离较近的情况和人证一致但距离较远的情况；不同的应用场景下，阈值的设定也需要调整。本专利技术提供一种基于深度学习的手持人证比对系统及方法，其有益成果在于：本专利技术为一体式结构，各本文档来自技高网...

【技术保护点】
一种基于深度学习的手持人证比对系统，其特征在于包括身份证信息读取模块，图像采集模块，人脸识别模块，人证比对模块和显示模块；其中身份证信息读取模块完成的工作是读取身份证证件照和身份证基本信息，身份证基本信息包括身份证号码、姓名、性别、出生日期信息；图像采集模块调用摄像头并获取持证人现场照片；人脸识别模块包括图像预处理，人脸检测和人脸对齐三个部分；人证比对模块进行特征提取以及比对证件照与持证人现场照片的特征值；显示模块显示的内容包括读取到的身份证信息，采集的现场持证人的图像，操作提醒和比对结果。

【技术特征摘要】
1.一种基于深度学习的手持人证比对系统，其特征在于包括身份证信息读取模块，图像采集模块，人脸识别模块，人证比对模块和显示模块；其中身份证信息读取模块完成的工作是读取身份证证件照和身份证基本信息，身份证基本信息包括身份证号码、姓名、性别、出生日期信息；图像采集模块调用摄像头并获取持证人现场照片；人脸识别模块包括图像预处理，人脸检测和人脸对齐三个部分；人证比对模块进行特征提取以及比对证件照与持证人现场照片的特征值；显示模块显示的内容包括读取到的身份证信息，采集的现场持证人的图像，操作提醒和比对结果。2.根据权利要求1所述的基于深度学习的手持人证比对系统，其特征在于所述身份证信息读取模块，图像采集模块，人脸识别模块，人证比对模块和显示模块之间的关系如下：身份证信息读取模块将读取到的身份证证件照传到人脸识别模块进行人脸检测和对齐处理，同时也将读取到的身份证所有信息传到显示模块，图像采集模块将持证人现场照片分别传到显示模块和人脸识别模块进行处理，经过人脸识别模块处理后，提取出的照片中人脸信息被送往人证比对模块进行特征提取和比对，人证比对模块将比对的结果返回给显示模块。3.一种基于深度学习的手持人证比对方法，其特征在于利用权利要求1或2所述的基于深度学习的手持认证比对系统，按照如下步骤进行：S1读取身份证证件照信息使用时，将身份证放置于身份证信息读取模块的身份证读卡区域，内置的身份证阅读器芯片将读取到此身份证相关信...

【专利技术属性】
技术研发人员：杨霞，郭文生，刘小平，包灵，杨姗，蔡运壮，赵文娟，方言，廖士钞，杨拯，罗雄，向蓓蓓，古涛铭，张津宁，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川,51