一种身份核验方法及系统技术方案

本发明专利技术提供一种身份核验方法及系统，其中，所述身份核验方法包括如下步骤：S1、读取人员身份证件信息，并识别身份证件上的人员照片，当识别成功，提取人脸图像的第一特征码，否则重新识别；S2、识别是否存在需要核验身份的人员，如识别成功，连续地采集人员的人脸数据，并提取人员人脸图像的第二特征码，否则重新识别；S3、将所述第一特征码和第二特征码进行比对，当二者一致时，输出开关量信号，启动闸机，并存储比对数据。本发明专利技术通过对人脸以及身份证件上人脸照片进行双重识别，提高了对人员身份识别的准确性，方便了符合条件的用户进入门禁系统所控制的区域，并提高了门禁系统所控制的区域安全性。

【技术实现步骤摘要】
一种身份核验方法及系统
本专利技术涉及人脸识别
，尤其涉及一种身份核验方法及系统。
技术介绍
门禁系统是新型现代化安全管理系统，其集微机自动识别技术和现代安全管理措施为一体。门禁系统早已超越了单纯的门道及钥匙管理，其已经逐渐发展成为一套完整的出入管理系统。同时门禁系统在工作环境安全、人事考勤管理等行政管理工作中发挥着较大的作用。现有的门禁系统主要采用刷卡模式，其他人员仍然可以利用用户的卡片通过门禁系统。因此，针对上述问题，有必要提出进一步地解决方案。
技术实现思路
本专利技术的目的在于提供一种身份核验方法及系统，以克服现有技术中存在的不足。为实现上述专利技术目的，本专利技术提供一种身份核验方法，其包括如下步骤：S1、读取人员身份证件信息，并识别身份证件上的人员照片，当识别成功，提取人脸图像的第一特征码，否则重新识别；S2、识别是否存在需要核验身份的人员，如识别成功，连续地采集人员的人脸数据，并提取人员人脸图像的第二特征码，否则重新识别；S3、将所述第一特征码和第二特征码进行比对，当二者一致时，输出开关量信号，启动闸机，并存储比对数据。作为本专利技术的身份核验方法的改进，所述人员身份证件信息包括：姓名、住址、籍贯、性别、出生日。作为本专利技术的身份核验方法的改进，所述身份核验方法还包括对采集的人脸图像数据进行过滤处理：根据采集的人脸图像数据，计算局部能量谱梯度、梯度直方图扩展和最大色度饱和；根据计算得到的局部能量谱梯度、梯度直方图扩展和最大色度饱和，统计出整幅图像中模糊像素的比例，对人脸图像数据进行有效的过滤。作为本专利技术的身份核验方法的改进，所述局部能量谱梯度按照如下方法计算：先用离散傅里叶变换计算NxN大小图像的能量谱：然后转换至极坐标u＝fcosθ，v＝fsinθ，并计算S(f,θ)，得到：其中，A是一个各个方向上的幅度因子，α是能量谱斜率。大量的研究表明，自然图像中α约为2，模糊的图像有较大的α。因此图像的局部模糊程度可以描述为局部与全局α值的比例差异其中，αp是局部α，αo是全局α；所述梯度直方图扩展按照如下方法计算：先计算图像每个像素的梯度，然后用含有两个高斯的高斯混合模型描述局部的梯度分布：π0G(x；μ0，σ0)+π1G(x；μ1，σ1)，其中σ1>σ0；根据梯度分布，梯度直方图扩展的具体计算公式为其中，Cp是局部图像灰度值范围，ε是防止除零的极小数，τ是一个常数，取25；所述最大色度饱和按照如下方法计算：先计算每个像素的饱和度：然后使用以下公式比较局部饱和度最大值和全局饱和度最大值，得到最大色度饱和：其中，max(sp)是局部图像块中饱和度最大值，max(so)是全局图像中饱和度最大值。为实现上述专利技术目的，本专利技术提供一种身份核验系统，其包括：摄像头、读卡器以及主机，所述主机与所述摄像头和读卡器相连接，并接收所述摄像头和读卡器发送的数据信息；所述读卡器用于读取人员身份证件信息，并识别身份证件上的人员照片，当识别成功，所述主机提取人脸图像的第一特征码；所述摄像头用于识别是否存在需要核验身份的人员，如识别成功，连续地采集人员的人脸图像，所述主机提取人员图像的第二特征码；所述主机将所述第一特征码和第二特征码进行比对，当二者一致时，输出开关量信号，启动闸机，并存储比对数据。作为本专利技术的身份核验系统的改进，所述人员身份证件信息包括：姓名、住址、籍贯、性别、出生日。作为本专利技术的身份核验系统的改进，所述身份核验系统还用于对采集的人脸图像数据进行过滤处理：根据采集的人脸图像数据，计算局部能量谱梯度、梯度直方图扩展和最大色度饱和；根据计算得到的局部能量谱梯度、梯度直方图扩展和最大色度饱和，统计出整幅图像中模糊像素的比例，对人脸图像数据进行有效的过滤。作为本专利技术的身份核验系统的改进，所述局部能量谱梯度按照如下方法计算：先用离散傅里叶变换计算NxN大小图像的能量谱：然后转换至极坐标u＝fcosθ，v＝fsinθ，并计算S(f,θ)，得到：其中，A是一个各个方向上的幅度因子，α是能量谱斜率。大量的研究表明，自然图像中α约为2，模糊的图像有较大的α。因此图像的局部模糊程度可以描述为局部与全局α值的比例差异其中，αp是局部α，αo是全局α；所述梯度直方图扩展按照如下方法计算：先计算图像每个像素的梯度，然后用含有两个高斯的高斯混合模型描述局部的梯度分布：π0G(x；μ0，σ0)+π1G(x；μ1，σ1)，其中σ1>σ0；根据梯度分布，梯度直方图扩展的具体计算公式为其中，Cp是局部图像灰度值范围，ε是防止除零的极小数，τ是一个常数，取25；所述最大色度饱和按照如下方法计算：先计算每个像素的饱和度：然后使用以下公式比较局部饱和度最大值和全局饱和度最大值，得到最大色度饱和：其中，max(sp)是局部图像块中饱和度最大值，max(so)是全局图像中饱和度最大值。与现有技术相比，本专利技术的有益效果是：本专利技术通过对人脸以及身份证件上人脸照片进行双重识别，提高了对人员身份识别的准确性，方便了符合条件的用户进入门禁系统所控制的区域，并提高了门禁系统所控制的区域安全性。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述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专利技术中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术的身份核验方法的一具体实施方式的方法流程示意图。具体实施方式下面结合附图所示的各实施方式对本专利技术进行详细说明，但应当说明的是，这些实施方式并非对本专利技术的限制，本领域普通技术人员根据这些实施方式所作的功能、方法、或者结构上的等效变换或替代，均属于本专利技术的保护范围之内。如图1所示，本专利技术的身份核验方法包括如下步骤：S1、读取人员身份证件信息，并识别身份证件上的人员照片，当识别成功，提取人脸图像的第一特征码，否则重新识别。其中，人员身份证件信息即为人员身份证。从而，所述人员身份证件信息包括：姓名、住址、籍贯、性别、出生日。所述第一特征码为与人脸五官相对应的位置数据以及脸部轮廓数据。S2、识别是否存在需要核验身份的人员，如识别成功，连续地采集人员的人脸数据，并提取人员人脸图像的第二特征码，否则重新识别。其中，所述第二特征码为与人脸五官相对应的位置数据以及脸部轮廓数据。S3、将所述第一特征码和第二特征码进行比对，当二者一致时，输出开关量信号，启动闸机，并存储比对数据。此外，所述身份核验方法还包括对采集的人脸图像数据进行过滤处理：根据采集的人脸图像数据，计算局部能量谱梯度、梯度直方图扩展和最大色度饱和；根据计算得到的局部能量谱梯度、梯度直方图扩展和最大色度饱和，统计出整幅图像中模糊像素的比例，对人脸图像数据进行有效的过滤。其中，所述局部能量谱梯度按照如下方法计算：先用离散傅里叶变换计算NxN大小图像的能量谱：然后转换至极坐标u＝fcosθ，v＝fsinθ，并计算S(f,θ)，得到：其中，A是一个各个方向上的幅度因子，α是能量谱斜率。大量的研究表明，自然图像中α约为2，模糊的图像有较大的α。因此图像的局部模糊程度可以描述为局部与全局α值的比例差异其中，αp是局部α，αo是全局α；所述梯度直方本文档来自技高网...

【技术保护点】
1.一种身份核验方法，其特征在于，所述身份核验方法包括如下步骤：S1、读取人员身份证件信息，并识别身份证件上的人员照片，当识别成功，提取人脸图像的第一特征码，否则重新识别；S2、识别是否存在需要核验身份的人员，如识别成功，连续地采集人员的人脸数据，并提取人员人脸图像的第二特征码，否则重新识别；S3、将所述第一特征码和第二特征码进行比对，当二者一致时，输出开关量信号，启动闸机，并存储比对数据。

【技术特征摘要】
1.一种身份核验方法，其特征在于，所述身份核验方法包括如下步骤：S1、读取人员身份证件信息，并识别身份证件上的人员照片，当识别成功，提取人脸图像的第一特征码，否则重新识别；S2、识别是否存在需要核验身份的人员，如识别成功，连续地采集人员的人脸数据，并提取人员人脸图像的第二特征码，否则重新识别；S3、将所述第一特征码和第二特征码进行比对，当二者一致时，输出开关量信号，启动闸机，并存储比对数据。2.根据权利要求1所述的身份核验方法，其特征在于，所述人员身份证件信息包括：姓名、住址、籍贯、性别、出生日。3.根据权利要求1所述的身份核验方法，其特征在于，所述身份核验方法还包括对采集的人脸图像数据进行过滤处理：根据采集的人脸图像数据，计算局部能量谱梯度、梯度直方图扩展和最大色度饱和；根据计算得到的局部能量谱梯度、梯度直方图扩展和最大色度饱和，统计出整幅图像中模糊像素的比例，对人脸图像数据进行有效的过滤。4.根据权利要求1所述的身份核验方法，其特征在于，所述局部能量谱梯度按照如下方法计算：先用离散傅里叶变换计算NxN大小图像的能量谱：然后转换至极坐标u＝fcosθ，v＝fsinθ，并计算S(f,θ)，得到：其中，A是一个各个方向上的幅度因子，α是能量谱斜率；大量的研究表明，自然图像中α约为2，模糊的图像有较大的α。因此图像的局部模糊程度可以描述为局部与全局α值的比例差异其中，αp是局部α，αo是全局α；所述梯度直方图扩展按照如下方法计算：先计算图像每个像素的梯度，然后用含有两个高斯的高斯混合模型描述局部的梯度分布：π0G(x；μ0，σ0)+π1G(x；μ1，σ1)，其中σ1>σ0；根据梯度分布，梯度直方图扩展的具体计算公式为其中，Cp是局部图像灰度值范围，ε是防止除零的极小数，τ是一个常数，取25；所述最大色度饱和按照如下方法计算：先计算每个像素的饱和度：然后使用以下公式比较局部饱和度最大值和全局饱和度最大值，得到最大色度饱和：其中，max(sp)是局部图像块中饱和度最大值，max(so)是全局图像中饱和度最大值。5.一种身份核验系统，其特征在于，所述身份核验...

【专利技术属性】
技术研发人员：朱彬，高树超，
申请(专利权)人：镇江赛唯思智能科技有限公司，
类型：发明
国别省市：江苏,32