一种用于证件图像的检测识别方法技术

本说明书提供一种用于证件图像的检测识别方法，涉及图像处理技术领域，通过获取需要进行检测识别的训练图像，将所述的训练图像划分为训练样本集和测试样本集；再构建对待检测证件图像进行检测识别的深度神经网络结构；将获取的训练样本集输入到构建的深度神经网络结构中的数据输入层进行深度神经网络训练，获取检测识别模型；最后将获取的测试样本集输入到检测识别模型中，实现对包含68个人脸特征点、3个人脸姿态角和1个眼镜佩戴状态的待检测证件图像的检测识别。本发明专利技术方法实现了混合估计，速度快，精度高，同时对用户的人脸特征点、人脸姿态角和眼镜佩戴情况进行识别，能够对用户进行提醒，从而在用户拍照时获得符合要求的证件照片。证件照片。证件照片。

【技术实现步骤摘要】
一种用于证件图像的检测识别方法


[0001]本说明书一个或多个实施例涉及图像处理
，尤其涉及一种用于证件图像的检测识别方法。

技术介绍

[0002]随着人工智能和信息技术的发展，目前已经研发出一种专门用于证件类照片的自助拍照设备，借助该设备，群众可以自己完成身份证、驾驶证和出入境证件照片的拍摄、自动裁剪、质量评估、付费以及上传公安网等流程，既方便了群众，节省时间，也减轻了公安部门的工作量。该设备涉及人像自动抠图、人脸特征点估计、人脸姿态估计和图像质量评估等技术；在群众使用自助拍摄设备时，需要采用人工智能技术自动估算人脸姿态，实时地提醒用户调整坐姿、头部姿势，以便拍摄出合格的证件照片；人脸特征点估计可以有效地辅助完成符合公安部标准的照片裁剪；此外，证件类照片一般不允许用户配戴眼镜，因此还需要自动识别是否佩戴眼镜。
[0003]目前现有技术中有很多基于深度的人脸特征点估计算法；其中采用深度学习算法，提出多任务学习的人脸特征点检测(Zhanpeng Zhang,Ping Luo,ChenChange Loy,Xiaoou Tang.Fa本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于证件图像的检测识别方法，其特征在于，包括：步骤1、获取需要进行检测识别的训练图像，将所述的训练图像划分为训练样本集和测试样本集；所述的训练图像为已标注人脸特征点、人脸姿态角和眼镜佩戴状态的证件图像；步骤2、构建对待检测证件图像进行检测识别的深度神经网络结构；所述的深度神经网络结构包括数据输入层、第一次残差下采样层、第二次残差下采样层、第三次残差下采样层、第四次残差下采样和全局池化层、第五次残差下采样和全局池化层、第六次残差下采样和全局池化层、全连接层和输出层，将输出层与混合损失函数相连接；步骤3、将步骤1中获取的训练样本集输入到步骤2构建的深度神经网络结构中的数据输入层进行深度神经网络训练，获取检测识别模型；训练时的损失函数采用步骤2中的混合损失函数，将混合损失函数的输出反馈给网络，对网络进行循环迭代训练使得混合损失函数最小；步骤4、将步骤1中获取的测试样本集输入到检测识别模型中，实现对包含68个人脸特征点、3个人脸姿态角和1个眼镜佩戴状态的待检测证件图像的检测识别。2.根据权利要求1所述的一种用于证件图像的检测识别方法，其特征在于，所述的步骤3中将步骤1中获取的训练样本集输入到步骤2构建的深度神经网络结构中的数据输入层进行深度神经网络训练，获取检测识别模型，包括：步骤3.1、对输入到深度神经网络的训练样本集依次进行三次残差下采样处理，获取第一特征图；步骤3.2、将经过步骤3.1处理后获取的第一特征图分为2路，第1路继续进行残差下采样处理，获取第二特征图；第2路进行全局池化处理，获取第三特征图；步骤3.3、将经过步骤3.2处理后获取的第二特征图分为2路，第1路继续进行残差下采样处理，获取第四特征图；第2路进行全局池化处理，获取第五特征图；步骤3.4、将经过步骤3.3处理后获取的第四特征图分为2路，第1路继续进行残差下采样处理，获取第六特征图；第2路进行全局池化处理，获取第七特征图；步骤3.5、将三次全局池化处理所获取的第三特征图、第五特征图和第七特征图中的池化特征进行复制连接，以全连接的方式获取多尺度的输出特征向量。3.根据权利要求2所述的一种用于证件图像的检...

【专利技术属性】
技术研发人员：袁非牛，朱晓熔，李彬，蒋秀峰，
申请(专利权)人：江西科泰华软件有限公司，
类型：发明
国别省市：