基于智能三维人像采集的证件照生成检测方法及系统技术方案

本发明专利技术公开了一种基于智能三维人像采集的证件照生成检测方法及系统，属于人脸识别及证件照片检测技术领域；包括以下步骤：采用华视100UC读卡器和Kinect DK相机的采集三维人像进行源图像的识别及身份信息核验；对三维人像进行头部姿态检测并进行仿射变换修正；证件照图像的尺寸裁切；证件照图像的背景替换和人像美化；对证件照图像分别进行色偏、清晰度和曝光度三类质量检测。本发明专利技术针对传统证件照生成系统或方法中存在的人像分割聚类算法中边缘聚类精度低、背景聚类抗噪能力弱的问题，采用麻雀搜索算法SSA结合K

【技术实现步骤摘要】
基于智能三维人像采集的证件照生成检测方法及系统


[0001]本专利技术属于人脸识别及证件照片检测
，具体涉及一种基于智能三维人像采集的证件照生成检测方法及系统。

技术介绍

[0002]当今社会，证件照的应用非常广泛，身份证、求职简历、出国护照和驾驶证等常用证件都要求持证人提供符合规定标准的单人照片。传统证件照制作过程需要专业摄影师与专业修图人员花费较长的时间进行，因此一些软件公司开发了较为便捷的自助式证件照生成系统，即只需本人将人像照上传至系统，根据系统提示即可完成一系列制证与检测操作。
[0003]常见自助式证件照生成系统有美图秀秀、在线证件照、证照之星等，这些自助式证件照生成系统可极大改善传统证件照生成的效率问题。但现有系统中还存在有以下问题：
[0004]1)“美图秀秀”生成证件照的规格尺寸面向学历考试、财务会计等多种用途，同时提供美白、瘦脸、磨皮等证件照主观质量增强功能。但美图秀秀明确要求必须在纯色背景墙下进行人像拍摄，且主观质量增强功能需要用户手动完成。
[0005]2)“在线证件照”是基于客户
‑
服务器形式的证件照生成平台，制证者通过网页上传源图像，选择尺寸规格，即可完成证件照的生成，但不提供证件照主观质量增强功能。
[0006]3)“证照之星”提供智能尺寸裁剪、证件照背景颜色替换等功能，但背景替换需手动涂鸦背景区域完成，效果往往不尽人意。
[0007]上述系统由于缺少源图像质量预检过程可能导致自助制证失败或生成证件照不符合相关制证标准；同时还存在智能化程度不高的操作无法达到高效率制证。

技术实现思路

[0008]本专利技术的目的是：解决现有证件照生成系统或方法中存在的人像背景分割精度低、背景聚类抗噪能力弱的问题，提供一种基于智能三维人像采集的证件照生成检测方法及系统，使用人眼定位seetaface算法，针对人眼间距尺寸进行缩放后，按照证件照要求尺寸对人像进行定位完成裁切，极大的提高了人像裁切的速度和效率，在保证证件照质量的基础上，提高用户使用体验，进一步完善证件照生成过程，支持用户获得更高质量、更符合标准的证件照。
[0009]为实现上述目的，本专利技术采用了以下技术方案：基于智能三维人像采集的证件照生成检测方法，包括以下步骤：
[0010]S1、源图像的采集与身份信息核验：
[0011]采用华视100UC读卡器读取使用者身份证信息，并通过Kinect SDK进行Kinect DK相机的开发采集三维人像，通过检测尺度空间极值、关键点的精确定位与主方向分配进行SIFT特征匹配，完成源图像的识别及身份信息核验；
[0012]S2、源图像检测与修正处理：
[0013]读取步骤S1中核验通过的三维人像进行头部姿态检测，首先利用定位算法进行人
眼检测精准定位瞳孔位置，求解出两眼连线与水平方向所成的夹角，通过先验知识判断头部偏斜方向为左侧偏斜或右侧偏斜，并依据求解的旋转变换仿射矩阵对图像进行仿射变换修正；
[0014]S3、证件照图像的尺寸裁切：
[0015]依据证件照类型要求的标准人眼距离E
sd
确定步骤S2中修正后图像的缩放比例R
s
，对修正后的图像进行缩放，缩放比例R
s
的表达式为：式中，E
d
为修正后图像的人眼距离；
[0016]依据证件照类型要求的标准头顶距离Y
st
、标准证件照的宽W
sd
和高H
sd
参数求解出位于裁切框左上角的裁切坐标(X
p
，Y
p
)，对缩放后的图像进行自动裁切；裁切坐标(X
p
，Y
p
)的计算公式为：Y
p
＝Y
t
*R
s
‑
Y
st
，式中，(X0，Y0)、(X1，Y1)分别为人眼左右坐标、Y
t
为头顶距离；
[0017]S4、证件照图像的背景替换和人像美化：
[0018]采用基于麻雀算法优化的K
‑
means算法分割步骤S3中自动裁切后的人像前景与背景，首先利用麻雀算法搜索全局最优聚类中心，将最优聚类中心点传递给K
‑
means算法进行聚类，取背景聚类中心点进行掩膜操作后得到人像前景，选择颜色填充背景完成图像的背景替换；
[0019]采用双指数边缘保护平滑滤波器Beeps滤波的方法对步骤S3中自动裁切后的人脸图像进行平滑操作，保留眼睛和边缘细节，对人脸进行美化；
[0020]S5、证件照图像的质量检测：
[0021]对步骤S4中背景替换和人像美化后的证件照图像分别进行色偏、清晰度和曝光度三类质量检测；色偏检测方法：将RGB图像格式转换为Lab图像格式后，采用等效圆的偏色检测方法求解色偏因子K，K值不超过1.5认为整体图像色偏的可能性不大；
[0022]清晰度检测方法：将待评价图像先进行低通滤波得到模糊图片，计算待评价图像和模糊图片之间的结构相似度SSIM，根据结构相似度SSIM得到无参考图像的结构清晰度NRSS，当清晰度NRSS不小于1时认为整体图像清晰度合格；
[0023]曝光度检测方法：对输入图像作颜色空间的转换，由RGB空间转换到HSV空间，在V分量上利用像素均值进行曝光程度判断：若均值在40以上，则被判定为过度曝光；若均值在17以下，则被判定为曝光程度不足；其他为合格。
[0024]所述步骤S1中，检测尺度空间极值、关键点的精确定位与主方向分配的具体方法为：
[0025]S11、先搜索源图像上的所有尺度位置，一个图像的尺度空间定义为一个变化尺度的高斯函数与源图像的卷积，尺度空间L(x,y,σ)的理论公式为：
[0026]L(x,y,σ)＝G(x,y,σ)*I(x,y)，
[0027]式中，G(x,y,σ)为高斯函数，I(x,y)为源图像，(x,y)代表图像像素的位置，m、n表示高斯模版的维度，σ为尺度空间因子，越小表示图像被平滑的越少，相应的尺度就越小；
[0028]S12、通过上述尺度空间函数来识别对于尺度和旋转不变的关键点，再对图像进行
不同尺度的高斯模糊与降采样即隔点采样后，通过DOG高斯差分金字塔函数进行局部极值检测，DOG高斯差分金字塔函数的计算公式为：
[0029]D(x,y,σ)＝[G(x,y,kσ)
‑
G(x,y,σ)]*I(x,y)＝L(x,y,kσ)
‑
L(x,y,σ)，式中，k为比例系数；
[0030]S13、对上述尺度空间的DOG高斯差分金字塔函数进行曲线拟合提高关键点的稳定性，DOG高斯差分金字塔函数在尺度空间的Taylor拟合函数展开式为：
[0031]式中，D
T
为D的转置矩阵，X
T
为X的转置矩阵，D(X)为关键本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于智能三维人像采集的证件照生成检测方法，其特征在于：包括以下步骤：S1、源图像的采集与身份信息核验：采用华视100UC读卡器读取使用者身份证信息，并通过Kinect SDK进行Kinect DK相机的开发采集三维人像，通过检测尺度空间极值、关键点的精确定位与主方向分配进行SIFT特征匹配，完成源图像的识别及身份信息核验；S2、源图像检测与修正处理：读取步骤S1中核验通过的三维人像进行头部姿态检测，首先利用定位算法进行人眼检测精准定位瞳孔位置，求解出两眼连线与水平方向所成的夹角，通过先验知识判断头部偏斜方向为左侧偏斜或右侧偏斜，并依据求解的旋转变换仿射矩阵对图像进行仿射变换修正；S3、证件照图像的尺寸裁切：依据证件照类型要求的标准人眼距离E
sd
确定步骤S2中修正后图像的缩放比例R
s
，对修正后的图像进行缩放，缩放比例R
s
的表达式为：式中，E
d
为修正后图像的人眼距离；依据证件照类型要求的标准头顶距离Y
st
、标准证件照的宽W
sd
和高H
sd
参数求解出位于裁切框左上角的裁切坐标(X
p
，Y
p
)，对缩放后的图像进行自动裁切；裁切坐标(X
p
，Y
p
)的计算公式为：Y
p
＝Y
t
*R
s
‑
Y
st
，式中，(X0，Y0)、(X1，Y1)分别为人眼左右坐标、Y
t
为头顶距离；S4、证件照图像的背景替换和人像美化：采用基于麻雀算法优化的K
‑
means算法分割步骤S3中自动裁切后的人像前景与背景，首先利用麻雀算法搜索全局最优聚类中心，将最优聚类中心点传递给K
‑
means算法进行聚类，取背景聚类中心点进行掩膜操作后得到人像前景，选择颜色填充背景完成图像的背景替换；采用双指数边缘保护平滑滤波器Beeps滤波的方法对步骤S3中自动裁切后的人脸图像进行平滑操作，保留眼睛和边缘细节，对人脸进行美化；S5、证件照图像的质量检测：对步骤S4中背景替换和人像美化后的证件照图像分别进行色偏、清晰度和曝光度三类质量检测；色偏检测方法：将RGB图像格式转换为Lab图像格式后，采用等效圆的偏色检测方法求解色偏因子K，K值不超过1.5认为整体图像色偏的可能性不大；清晰度检测方法：将待评价图像先进行低通滤波得到模糊图片，计算待评价图像和模糊图片之间的结构相似度SSIM，根据结构相似度SSIM得到无参考图像的结构清晰度NRSS，当清晰度NRSS不小于1时认为整体图像清晰度合格；曝光度检测方法：对输入图像作颜色空间的转换，由RGB空间转换到HSV空间，在V分量上利用像素均值进行曝光程度判断：若均值在40以上，则被判定为过度曝光；若均值在17以下，则被判定为曝光程度不足；其他为合格。2.根据权利要求1所述的基于智能三维人像采集的证件照生成检测方法，其特征在于：所述步骤S1中，检测尺度空间极值、关键点的精确定位与主方向分配的具体方法为：
S11、先搜索源图像上的所有尺度位置，一个图像的尺度空间定义为一个变化尺度的高斯函数与源图像的卷积，尺度空间L(x,y,σ)的理论公式为：L(x,y,σ)＝G(x,y,σ)*I(x,y)，式中，G(x,y,σ)为高斯函数，I(x,y)为源图像，(x,y)代表图像像素的位置，m、n表示高斯模版的维度，σ为尺度空间因子，越小表示图像被平滑的越少，相应的尺度就越小；S12、通过上述尺度空间函数来识别对于尺度和旋转不变的关键点，再对图像进行不同尺度的高斯模糊与降采样即隔点采样后，通过DOG高斯差分金字塔函数进行局部极值检测，DOG高斯差分金字塔函数的计算公式为：D(x,y,σ)＝[G(x,y,kσ)
‑
G(x,y,σ)]*I(x,y)＝L(x,y,kσ)
‑
L(x,y,σ)，式中，k为比例系数；S13、对上述尺度空间的DOG高斯差分金字塔函数进行曲线拟合提高关键点的稳定性，DOG高斯差分金字塔函数在尺度空间的Taylor拟合函数展开式为：式中，D
T
为D的转置矩阵，X
T
为X的转置矩阵，D(X)为关键点的精确位置；S14、针对在DOG高斯差分金字塔函数中检测出的关键点，采集其所在高斯差分金字塔图像3σ邻域窗口内像素的梯度和方向分布特征，在完成计算后，使用直方图统计邻域内像素的梯度和方向，以直方图中最大值作为该关键点的主方向。3.根据权利要求2所述的基于智能三维人像采集的证件照生成检测方法，其特征在于：所述步骤S1中，源图像的识别及身份信息核验的具体方法为：S15、分别对模板图reference image和实时图observation image建立关键点描述子集合，通过两点集内关键点描述子集合的比对来完成源图像的识别，具有128维的关键点描述子集合...

【专利技术属性】
技术研发人员：吴翔，方翔，邵德毅，陈星飒，张珂欣，
申请(专利权)人：郑州视界极地创新科技有限公司，
类型：发明
国别省市：