一种基于计算机视觉技术的人证核验方法技术

本发明专利技术公开了一种基于计算机视觉技术的人证核验方法，该方法包括以下步骤：S1、对输入图像进行图像分辨率核验，若分辨率低于预设阈值则执行S2，若分辨率高于预设阈值则执行S3；S2、对分辨率低于预设阈值的所述输入图像进行超分重建；S3、对所述输入图像中的人脸进行识别，并进行剪裁；S4、再次进行图像分辨率核验，对于低分辨率的图像再次进行超分重建；S5、对剪裁后所述人脸图像中角度偏离的图像进行处理；S6、将经过超分和透视变换后的图像输入预设的人脸比对模块中进行人脸比对。有益效果：可以实现对输入图像质量的提升，在保障比对效率的前提下提升OpenCV人脸比对的准确率，从而实现高效、低耗的人脸识别比对功能。低耗的人脸识别比对功能。低耗的人脸识别比对功能。

【技术实现步骤摘要】
一种基于计算机视觉技术的人证核验方法


[0001]本专利技术涉及身份核验
，具体来说，涉及一种基于计算机视觉技术的人证核验方法。

技术介绍

[0002]随着数字经济的高速发展，大数据作为重要的生产要素，发挥出越来越重要的基础资源作用和创新引擎作用。在信贷、交通、通信、电商、互联网金融等多个行业，新兴大数据技术为身份核验带来了全新的解决方案。得力于计算机视觉与深度学习技术的发展，通过人脸比对进行人证核验，从而实现快速高效的身份信息核验。
[0003]目前，现有的身份信息核验一般通过人证合一比对系统来实现，人证合一比对系统是把人脸识别技术与身份证识别技术相结合的创新系统，达到持证人与证件照片相吻合的目的，其具有自动抓取人脸(通过摄像头自动抓取画面中最优秀人像照片)、多种证件识别(可以识别含有头像的多种证件，如身份证、驾驶证、护照等)及人证比对算法(多个算法识别能力，人脸定位、捕捉、跟踪、采集，自动采集人脸及身份证中照片，并形成对比)的特点。
[0004]但是，该人证合一比对系统在使用时存在以下缺陷：
[0005]1)、通过自动抓取或者客户上传获得的人脸图像质量参差不齐，导致人脸比对成功率低，准确率低。
[0006]2)、通过自动抓取或者客户上传获得的人脸图像角度不统一，影响人脸比对模型成功率与准确率。
[0007]3)、高精度的人脸识别/比对模型需要消耗较高的运算资源，计算耗时长，难以实现低硬件成本下的实时运算；轻量级人脸识别/比对模型准确率低。
[0008]针对相关技术中的问题，目前尚未提出有效的解决方案。

技术实现思路

[0009]针对相关技术中的问题，本专利技术提出一种基于计算机视觉技术的人证核验方法，以克服现有相关技术所存在的上述技术问题。
[0010]为此，本专利技术采用的具体技术方案如下：
[0011]一种基于计算机视觉技术的人证核验方法，该方法包括以下步骤：
[0012]S1、对输入图像进行图像分辨率核验，若分辨率低于预设阈值则执行S2，若分辨率高于预设阈值则执行S3；
[0013]S2、采用预设超分方法对分辨率低于预设阈值的所述输入图像进行超分重建；
[0014]S3、使用预设方法对所述输入图像中的人脸进行识别，并对该输入图像中的人脸部分进行剪裁；
[0015]S4、对剪裁后的人脸图像再次进行图像分辨率核验，且对于低分辨率的图像再次进行超分重建；
[0016]S5、利用透视变换原理对剪裁后所述人脸图像中角度偏离的图像进行处理；
[0017]S6、将经过超分和透视变换后的图像输入预设的人脸比对模块中进行人脸比对。
[0018]进一步的，所述S1中的输入图像包括实时头像视频截图和用户上传的证件照片，所述预设阈值为480*480，且该预设阈值可人工修改。
[0019]进一步的，所述S2中采用预设超分方法对分辨率低于预设阈值的所述输入图像进行超分重建具体包括以下步骤：
[0020]S21、将分辨率低于预设阈值的原始图像导入SRGAN网络；
[0021]S22、对所述SRGAN网络中放大倍数、学习率及迭代次数的核心运行参数进行设置；
[0022]S23、通过所述SRGAN网络中三个卷积层进行逐步处理，生成高分辨率的图像；
[0023]S24、获得输出的高分辨率图像。
[0024]进一步的，所述S23中通过所述SRGAN网络中三个卷积层进行逐步处理包括以下步骤：
[0025]首先利用第一卷积层抽取所述原始图像的特征点，然后通过第二卷积层对所述特征点进行非线性映射，实现对每个特征点缺失细节的预测，最后利用第三层卷积层组合映射后的图像，生成高分辨率的图像。
[0026]进一步的，所述S3中使用预设方法对所述输入图像中的人脸进行识别，并对该输入图像中的人脸部分进行剪裁具体包括以下步骤：
[0027]S31、将分辨率高于预设阈值的图像输入预设的人脸识别模块；
[0028]S32、使用基于Python的face_recognition模组对输入图像中的人脸进行识别；
[0029]S33、调用Python中的face_recognition模组包对输入图像中的人脸部分进行剪裁；
[0030]S34、获得剪裁后的人脸图像。
[0031]进一步的，所述S4中对剪裁后的人脸图像再次进行图像分辨率核验时的阈值为80*80，且该阈值可人工修改。
[0032]进一步的，所述S5中角度偏离的图像主要针对用户上传的证件照片。
[0033]进一步的，所述S5中利用透视变换原理对剪裁后所述人脸图像中角度偏离的图像进行处理具体包括以下步骤：
[0034]S51、调用OpenCV中的getPerspectiveTransform函数对剪裁后所述人脸图像进行处理，得到透视变换矩阵；
[0035]S52、调用OpenCV中的warpPerspective函数执行透视变换，得到透视变换后的图像。
[0036]进一步的，所述S6中将经过超分和透视变换后的图像输入预设的人脸比对模块中进行人脸比对具体包括以下步骤：
[0037]S61、将经过超分和透视变换后的图像输入预设的人脸比对模块；
[0038]S62、利用所述人脸比对模块中的Python读取所述图像中的人脸照片；
[0039]S63、使用所述人脸比对模块中的dlib模块对人脸照片进行分析，得到人脸相似度。
[0040]进一步的，所述S62中读取的人脸照片包括两张照片，且所述两张照片分别为用户上传的证件照片和实时头像视频截图。
[0041]本专利技术的有益效果为：本专利技术将超分辨率重建、透视变换等技术与人脸识别和人脸比对模型相结合，通过前置图像服务模块实现针对输入图像的预处理，从而实现对输入图像质量的提升，从而可以在保障比对效率的前提下提升OpenCV人脸比对的准确率，同时部署轻量级人脸识别和人脸比对模型，实现高效、低耗的人脸识别比对功能，提供了一种新的人证核验方法。
附图说明
[0042]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。
[0043]图1是根据本专利技术实施例的一种基于计算机视觉技术的人证核验方法的流程示意图。
具体实施方式
[0044]为进一步说明各实施例，本专利技术提供有附图，这些附图为本专利技术揭露内容的一部分，其主要用以说明实施例，并可配合说明书的相关描述来解释实施例的运作原理，配合参考这些内容，本领域普通技术人员应能理解其他可能的实施方式以及本专利技术的优点，图中的组件并未按比例绘制，而类似的组件符号通常用来表示类似的组件。
[0045]根据本专利技术的实施例，提供了一种基于计算机视觉技术的人本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于计算机视觉技术的人证核验方法，其特征在于，该方法包括以下步骤：S1、对输入图像进行图像分辨率核验，若分辨率低于预设阈值则执行S2，若分辨率高于预设阈值则执行S3；S2、采用预设超分方法对分辨率低于预设阈值的所述输入图像进行超分重建；S3、使用预设方法对所述输入图像中的人脸进行识别，并对该输入图像中的人脸部分进行剪裁；S4、对剪裁后的人脸图像再次进行图像分辨率核验，且对于低分辨率的图像再次进行超分重建；S5、利用透视变换原理对剪裁后所述人脸图像中角度偏离的图像进行处理；S6、将经过超分和透视变换后的图像输入预设的人脸比对模块中进行人脸比对。2.根据权利要求1所述的一种基于计算机视觉技术的人证核验方法，其特征在于，所述S1中的输入图像包括实时头像视频截图和用户上传的证件照片，所述预设阈值为480*480，且该预设阈值可人工修改。3.根据权利要求1所述的一种基于计算机视觉技术的人证核验方法，其特征在于，所述S2中采用预设超分方法对分辨率低于预设阈值的所述输入图像进行超分重建具体包括以下步骤：S21、将分辨率低于预设阈值的原始图像导入SRGAN网络；S22、对所述SRGAN网络中放大倍数、学习率及迭代次数的核心运行参数进行设置；S23、通过所述SRGAN网络中三个卷积层进行逐步处理，生成高分辨率的图像；S24、获得输出的高分辨率图像。4.根据权利要求3所述的一种基于计算机视觉技术的人证核验方法，其特征在于，所述S23中通过所述SRGAN网络中三个卷积层进行逐步处理包括以下步骤：首先利用第一卷积层抽取所述原始图像的特征点，然后通过第二卷积层对所述特征点进行非线性映射，实现对每个特征点缺失细节的预测，最后利用第三层卷积层组合映射后的图像，生成高分辨率的图像。5.根据权利要求1所述的一种基于计算机视觉技术的人证核验方法，其特征在于，所述S3中使用预设方法对所述输入图像中的人...

【专利技术属性】
技术研发人员：杨博雅，汪德嘉，徐文强，
申请(专利权)人：江苏通付盾科技有限公司，
类型：发明
国别省市：